大模型推理能力

Unified Driving Tokens: Representation- and Geometry-Guided Discrete Tokenizer for Driving World Models and Planning

统一驾驶令牌：面向驾驶世界模型和规划的表示与几何引导的离散分词器

Ziyang Yao, Zeyu Zhu, YunCheng Jiang, Zibin Guo, Huijing Zhao

机构 * Peking University（北京大学） ； Xiaomi EV（小米电动车） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种表示引导与几何增强的离散分词器，通过联合监督学习紧凑令牌，同时优化重建保真度、表示一致性和规划性能。

OmniEgo-R$^2$: A Routed Reasoning Framework for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

OmniEgo-R$^2$：面向CVPR 2026首届跨领域EgoCross挑战赛的路由推理框架

Zixu Li, Zhiwei Chen, Zhiheng Fu, Wenbo Wang, Yupeng Hu, Weili Guan, Liqiang Nie

机构 * Shandong University（山东大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 针对跨领域自我中心视频推理中的时间边界模糊、语义粒度不匹配和决策不稳定问题，提出OmniEgo-R$^2$路由推理框架，在Source-Limited和Open-Source赛道均获第二名。

Comments Technical Report for the 1st Cross-Domain EgoCross Challenge at CVPR 2026

Multi-Agent Next-Best-View Optimization for Risk-Averse Planning

多智能体风险规避规划中的下一最佳视角优化

Amirhossein Mollaei Khass, Vivek Pandey, Guangyi Liu, Athanasios Cosse, Emrah Bayrak, Nader Motee

机构 * Department of Mechanical Engineering and Mechanics, Lehigh University（莱文大学机械工程与力学系） ； Amazon Robotics（亚马逊机器人） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种分布式、风险感知的多智能体下一最佳视角框架，通过共识ADMM优化信息增益并建模碰撞风险，在降低通信开销的同时接近集中式方法的映射质量和轨迹安全性。

Comments 8 pages, 5 figures. Submitted to IROS 2026

Multi-Agent Temporal Logic Planning via Penalty Functions and Block-Coordinate Optimization

基于惩罚函数和块坐标优化的多主体时序逻辑规划

Eleftherios E. Vlahakis, Arash Bahari Kordabad, Lars Lindemann, Pantelis Sopasakis, Sadegh Soudjani, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对信号时序逻辑下的多主体规划问题，提出基于惩罚函数的无约束松弛和块坐标梯度下降法，实现可扩展的协同规划。

Comments Submitted to L-CSS

Nonlinear Model Predictive Control for Distributed Motion Planning in Road Intersections Using PANOC

基于PANOC的路交口分布式运动规划非线性模型预测控制

Alexander Katriniok, Pantelis Sopasakis, Mathijs Schuurmans, Panagiotis Patrinos

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种在合理车对车通信要求下的分布式运动规划方案，通过实时求解非线性模型预测控制问题，解决路交口中高度自动化车辆协调中的非凸挑战问题。

Comments IEEE Conference on Decision and Control (CDC) 2019

A Novel Model for Arbitration between Planning and Habitual Control Systems

一种用于规划与习惯控制系统的仲裁新模型

Farzaneh S. Fard, Thomas P. Trappenberg

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种结合规划与习惯控制的仲裁模型，通过模拟双关节机械臂任务展示其在动态环境中的高效性和鲁棒性。

Distributed Communication-aware Motion Planning for Multi-agent Systems from STL and SpaTeL Specifications

分布式通信感知多智能体系统运动规划

Zhiyu Liu, Bo Wu, Jin Dai, Hai Lin

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分布式运动规划框架，结合STL和SpaTeL规格，实现通信质量与运动控制的协同设计。

Comments Submitted for publication on 2017 IEEE Conference on Decision and Control (CDC2017)

Multi-Agent Motion Planning and Object Transportation under High Level Goals

多智能体运动规划与在高层目标下的物体运输

Christos Verginis, Dimos Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种混合控制框架，用于在高层目标下多智能体系统的运动规划，通过设计控制协议实现智能体和物体在预定义兴趣区域间的转换与运输，抽象为有限状态转移系统，并设计满足时序逻辑公式要求的高层多智能体计划。

Comments To appear in the World Congress of the International Federation of Automatic Control (IFAC), Toulouse, France, July 2017

Scalable Multiagent Coordination with Distributed Online Open Loop Planning

可扩展的多智能体协调与分布式在线开环规划

Lenz Belzner, Thomas Gabor

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出分布式在线开环规划框架，用于不确定环境下的多智能体协调决策，通过基于生成模型的在线启发式搜索实现有效规划，并通过分布式在线汤普森采样方法解决探索与利用的矛盾。

Combined Top-Down and Bottom-Up Approaches to Performance-guaranteed Integrated Task and Motion Planning of Cooperative Multi-agent Systems

结合自上而下与自下而上方法的性能保证协同多智能体系统集成任务与运动规划

Rafael Rodrigues da Silva, Bo Wu, Jin Dai, Hai Lin

机构 * Department of Electrical Engineering, University of Notre Dame, Notre Dame, IN, 46556 USA.（电气工程系，诺丁汉大学，诺丁汉，IN，46556 USA） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种分层框架，通过结合自下而上的反应式运动控制器与自上而下的任务计划，实现协同多智能体系统的性能保证任务与运动规划，通过假设-保证范式验证局部任务与全局任务的一致性。

Comments Submitted to Automatica

Multi-Agent Planning under Local LTL Specifications and Event-Based Synchronization

多智能体在局部LTL规范下的规划与基于事件的同步

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究多智能体系统计划合成问题，通过分解为有限时间 horizon 的规划问题，提出基于事件的同步方法，以降低计算复杂度并保证规范最终满足。

Comments 14 pages, 4 figures, extended version of a preprint submitted to Automatica. arXiv admin note: text overlap with arXiv:1403.4174

Decomposition of Multi-Agent Planning under Distributed Motion and Task LTL Specifications

多智能体规划的分布式运动与任务LTL规范分解

Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出一种高效的分布式多智能体规划方法，通过分阶段自动机构建解耦规划过程，解决中心化规划的计算复杂性问题，并通过实例验证其有效性。

Comments 7 pages, 1 figure, extended version of a preprint submitted to CDC

Motion Planning With Gamma-Harmonic Potential Fields

基于伽马谐波势场的运动规划

Ahmad A. Masoud

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文扩展了谐波势场方法，用于处理无法分割为独立区域的机器人工作空间。通过任务导向的概率描述符和目标点生成导航策略，能够适应存在矢量漂移场的复杂环境。

Journal ref IEEE Transactions on Aerospace and Electronic Systems, 48 (4), 2012, pp. 2786 - 2801

Fixed-time consensus of multiple double-integrator systems under directed topologies: A motion-planning approach

多双积分系统在有向拓扑下的固定时间一致性：一种运动规划方法

Yongfang Liu, Yu Zhao, Wei Ren, Guanrong Chen

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种基于运动规划的分布式固定时间算法，用于解决多智能体系统在有向拓扑下的固定时间一致性问题，首次在有向拓扑下实现双积分系统的固定时间一致性。

Cooperative Task Planning of Multi-Agent Systems Under Timed Temporal Specifications

多智能体系统在时序时序规范下的协同任务规划

Alexandros Nikou, Jana Tumova, Dimos V. Dimarogonas

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文研究了在时序约束下多智能体系统的协同任务规划问题，提出了一种两阶段系统化方法，确保个体和团队任务规范均得到满足。

Comments Submitted to American Control Conference 2016

A Potential Game Approach for Information-Maximizing Cooperative Planning of Sensor Networks

信息最大化协同规划传感器网络的潜在游戏方法

Han-Lim Choi, Su-Jin Lee

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出了一种潜在游戏方法，用于分布式选择信息性传感器，以最大化测量变量与目标量之间的互信息。通过证明局部效用函数导致潜在游戏，最终收敛到纯策略纳什均衡。

Comments 9 pages, 4 figures, submitted to IEEE Transactions on Control Systems Technology

Act Like a Pathologist: Tissue-Aware Whole Slide Image Reasoning

像病理学家一样：组织感知的全切片图像推理

Wentao Huang, Weimin Lyu, Peiliang Lou, Qingqiao Hu, Xiaoling Hu, Shahira Abousamra, Wenchao Han, Ruifeng Guo, Jiawei Zhou, Chao Chen, Chen Wang

机构 * Stony Brook University（石英溪大学） ； Mayo Clinic（梅奥诊所） ； Harvard Medical School（哈佛医学院） ； Stanford University（斯坦福大学） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出一种问题引导、组织感知的粗到细检索框架HistoSelect，通过识别相关组织区域并选择最具信息量的补丁，在减少70%视觉标记的同时提升病理问答准确性。

Comments 14 pages, 8 figures. Accepted by CVPR'26

Plan-R1: Safe and Feasible Trajectory Planning as Language Modeling

Plan-R1：安全且可行的轨迹规划作为语言建模

Xiaolong Tang, Meina Kan, Shiguang Shan, Xilin Chen

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出Plan-R1两阶段轨迹规划框架，通过原则对齐与行为学习解耦，结合规则奖励和方差解耦GRPO，显著提升自动驾驶规划的安全性和可行性。

Comments Accepted by ICLR2026

Multi-agent Path Planning and Network Flow

多智能体路径规划与网络流

Jingjin Yu, Steven M. LaValle

专题命中 规划推理 ：planning(title,abstract)

AI总结 将图上的多智能体路径规划问题归约到网络流问题，利用组合网络流算法和线性规划技术求解，并证明当目标置换不变时存在最长完成时间不超过 n+V-1 步的可行解路径集，给出 O(nVE) 时间算法，进一步研究时间和距离最优性及其帕累托最优结构。

Comments Corrected an inaccuracy on time optimal solution for average arrival time

Training-Free Composed Video Retrieval via Visual Representation-Guided Video-LLM Reasoning

基于视觉表示引导的视频-大语言模型推理的无训练组合视频检索

Yang Liu, Qianqian Xu, Peisong Wen, Siran Dai, Qingming Huang

机构 * School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（中国科学院人工智能安全国家重点实验室） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） 纠错

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出无训练框架，先利用冻结DINOv3模型筛选视觉相关候选，再通过大视觉语言模型评估指令匹配，最后推理精化，在CVPR 2026挑战赛中取得48.78 Recall@1和51.48 Recall@5。

Comments CVPR 2026, VidLLMs workshop

Manifold partitioning induced sequential optical reasoning and decision framework for photonic computing

流形划分诱导的时序光学推理与决策框架用于光子计算

Zhihao Li, Jing Pan, Wei Yan, Yu Xie, Lingmei Ma, Xiaoyu Sun, Min Qiu

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出时序光学推理与决策（SORD）框架，通过几何引导的数据划分将全局任务分解为粗到细的步骤，使单层衍射光学神经网络实现100类光纤散斑分类，准确率94%，能效23.3 TOPS/W。

Comments 25 pages, 5 figures, submitted to a journal

Make Your VLA More Robust Without More Data By Interleaving Motion Planning

通过交错运动规划使您的VLA更鲁棒而无需更多数据

Dan BW Choe, Sundhar Vinodh Sangeetha, Samuel Coogan, Shreyas Kousik

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出MPVI框架，将基于模型的运动规划与视觉-语言-动作模型交错结合，通过VLM完成检查和本体感受触发实现可靠切换，无需额外训练即可提升长时域移动操作任务的鲁棒性，在BEHAVIOR-1K基准上任务进度提升113%。

Generative Multi-Robot Motion Planning via Diffusion Modeling with Multi-Agent Reinforcement Learning Guidance

基于扩散建模与多智能体强化学习引导的生成式多机器人运动规划

Suk Ki Lee, Venkata Sai Deepak Mutta, Hyunwoong Ko

机构 * School of Manufacturing Systems and Networks, Arizona State University, Mesa, AZ（1制造系统与网络学院，亚利桑那州立大学，梅萨，AZ） ； Michael W. Hall School of Mechanical Engineering, Mississippi State University, Starkville, MS（2迈克尔·W·霍尔机械工程学院，密西西比州立大学，斯塔克维尔，MS） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出一种结合扩散模型与多智能体强化学习的框架，通过值函数引导反向扩散过程实现交互感知的轨迹生成，降低多机器人冲突率。

Comments 11 pages, 6 figures, 1 table. This paper has been accepted for publication in the proceedings of ASME IDETC-CIE 2026

FLIP: Real-Time and Resilient Formation Planning for Large-Scale DIstributed Swarms via Point Cloud Registration

FLIP：通过点云配准实现大规模分布式集群的实时弹性编队规划

Yuan Zhou, Guangtong Xu, Zhenyu Hou, Jialiang Hou, Fei Gao

机构 * Institute of Cyber-Systems and Control, College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院智能系统与控制研究所） ； Huzhou Institute, Zhejiang University（浙江大学湖州研究院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出将最优编队位置序列计算转化为时空点云配准问题，利用带离群点剔除的PCR方法实现大规模分布式集群的弹性、高效轨迹规划。

From Historical Patches to Repair Plans: Outcome-Conditioned Reasoning for Repository-Level Program Repair

从历史补丁到修复计划：面向仓库级程序修复的结果条件推理

Chenglin Li, Yisen Xu, Zehao Wang, Shin Hwei Tan, Tse-Hsun, Chen

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出条件推理蒸馏（ConRAD），通过从已验证补丁反向重构修复推理并蒸馏出结果一致的阶段性修复计划，在推理时引导故障定位和补丁生成，无需微调或搜索，在SWE-Bench Lite上显著提升Pass@1。

Comments ICML 2026,17 pages, 3 figures, 5 tables

Accelerating Robot Path Planning via Connectivity-Preserving Region Proposal Network

加速机器人路径规划的连通性保持区域提议网络

Zhanzheng Ma, Cancan Zhao, Shuai Zhang, Bo Ouyang

机构 * School of Management, Hefei University of Technology（合肥工业大学管理学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 提出连通性保持区域提议网络（CP-RPN），通过分割模型预测紧凑且拓扑连通的候选区域，压缩搜索空间，结合Voronoi图与局部A*回退机制实现低延迟高成功率路径规划。

RAG-Match: Retrieval-Augmented Knowledge Injection and Hierarchical Reasoning for Calibrated Semantic Relevance

RAG-Match：面向校准语义相关性的检索增强知识注入与分层推理

Hengjun Jiang, Liansheng Sun, Yan Jiang, Xiaojie Ke, Yongjin Wang, Xiangkun Liu, Cunxin Gu, Jian Xu, Guanjun Jiang

专题命中 规划推理 ：reasoning(title,abstract)

AI总结 提出RAG-Match三阶段框架，通过知识增强预训练、分层推理对齐和偏好决策校准，提升搜索场景中细粒度语义相关性判断的准确性。

Comments 17 pages, 1 figure, 5 tables

Prior Policy Guided Dual-Agent Coordinated Manipulation Planning of Spacecraft-Manipulator System

先验策略引导的航天器-机械臂系统双智能体协同操控规划

Yuhui Hu, Dong Zhou, Kaihong Ouyang, Zhongliang Yu, Jianfeng Lv, Xiangyu Shao

机构 * School of Astronautics（航天学院） ； School of Automation（自动化学院） ； School of Information Science and Engineering（信息科学与工程学院） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 针对空间机械臂与基座强耦合导致的姿态稳定问题，提出先验策略引导的双智能体协同操控规划框架，通过时间步级专家切换机制提升深度强化学习效率，实现末端执行器高精度到达与基座姿态稳定。

Comments 36 pages, 13 figures, 6 tables. Under review

OPERA: An Agent for Image Restoration with End-to-End Joint Planning-Execution Optimization

OPERA: 一种用于图像修复的智能体，通过端到端联合规划-执行优化

Feng Zhu, Shuyang Xie, Yihan Zeng, Ming Liu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 该研究提出OPERA框架，通过端到端联合优化修复规划和工具执行，解决图像修复中复杂混合退化问题，优于现有方法和统一模型。

MC-Risk: Multi-Component Risk Fields for Risk Identification and Motion Planning

MC-Risk：多组件风险场用于风险识别和运动规划

Maximilian Link, Yingjie Xu, Yingbai Hu, Yinlong Liu

机构 * Technical University of Munich（慕尼黑技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； City University of Macau（澳门城市大学） 纠错

专题命中 规划推理 ：planning(title,abstract)

AI总结 本文提出MC-Risk，一种与规划器对齐的多组件风险场，用于早期、校准且类别感知的风险定位。该方法通过线性组合三个可解释模块，包括电机代理场、VRU风险场和道路惩罚场，并在RiskBench碰撞子集上进行了首次标准化定量评估，展示了最佳的风险定位和最早危险指示。