多模态大模型

Safe and Interpretable Multimodal Path Planning for Multi-Agent Cooperation

安全且可解释的多模态路径规划用于多智能体协作

Haojun Shi, Suyu Ye, Katherine M. Guerrerio, Jianzhi Shen, Yifan Yin, Daniel Khashabi, Chien-Ming Huang, Tianmin Shu

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 多模态Agent ：multimodal(title,abstract)；分类 cs.AI

AI总结 CaPE通过多模态路径规划实现安全且可解释的多智能体协作，利用视觉-语言模型和模型基于规划器确保路径调整的安全性和可解释性。

Beyond Description: A Multimodal Agent Framework for Insightful Chart Summarization

超越描述：一种多模态代理框架用于深入的图表摘要

Yuhang Bai, Yujuan Ding, Shanru Lin, Wenqi Fan

机构 * The Hong Kong Polytechnic University（香港理工大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 多模态Agent ：multimodal(title,abstract)；分类 cs.AI

AI总结 本文提出多模态代理框架Chart Insight Agent Flow，通过结合MLLMs的感知与推理能力，提升图表摘要的深度和多样性，并引入新数据集ChartSummInsights以支持研究。

Comments 5 pages, 5 figures

Design and Control of Modular Magnetic Millirobots for Multimodal Locomotion and Shape Reconfiguration

模块化磁性微机器人多模态运动与形状重构设计与控制

Erik Garcia Oyono, Jialin Lin, Dandan Zhang

机构 * Department of Bioengineering, Imperial College London（帝国理工学院生物工程系） 纠错

专题命中 多模态Agent ：multimodal(title,abstract)

AI总结 本研究提出一种模块化磁性微机器人平台，通过多模块协同实现多模态运动与形状重构，展示了在受限环境中稳健控制的潜力。

Comments Accepted by 2026 ICRA

Pixel2Phys: Distilling Governing Laws from Visual Dynamics

Pixel2Phys: 从视觉动态中提炼 governing laws

Ruikun Li, Jun Yao, Yingfan Hua, Shixiang Tang, Biqing Qi, Bin Liu, Wanli Ouyang, Yan Lu

专题命中 多模态Agent ：multimodal(abstract)；MLLM(abstract)

AI总结 Pixel2Phys通过协作多智能体框架从视觉动态中自动提炼物理定律，实现从高维数据到简洁可解释方程的转化。

Comments CVPR2026 main track

GuideFlow: Constraint-Guided Flow Matching for Planning in End-to-End Autonomous Driving

GuideFlow: 基于约束的流匹配用于端到端自动驾驶中的规划

Lin Liu, Caiyan Jia, Guanyi Yu, Ziying Song, JunQiao Li, Feiyang Jia, Peiliang Wu, Xiaoshuai Hao, Yadan Luo

机构 * School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通大数据挖掘与具身智能重点实验室） ； Qcraft ； Yanshan University（燕山大学） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； The University of Queensland（昆士兰大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)；分类 cs.CV

AI总结 GuideFlow通过约束流匹配技术，在端到端自动驾驶中实现高效规划，直接强制显式约束并提升物理约束满足能力。

Towards Dexterous Embodied Manipulation via Deep Multi-Sensory Fusion and Sparse Expert Scaling

通过深度多感官融合与稀疏专家扩展实现灵巧的具身体验

Yirui Sun, Guangyu Zhuge, Keliang Liu, Jie Gu, Zhihao xia, Qionglin Ren, Chunxu tian, Zhongxue Ga

机构 * College of Intelligent Robotics and Advanced Manufacturing, Fudan University（智能机器人与先进制造学院，复旦大学） ； School of Information Science and Engineering, Harbin Institute of Technology（信息科学与工程学院，哈尔滨工业大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)

AI总结 DeMUSE通过深度多感官融合与稀疏专家扩展，实现复杂物理互动的高成功率。

Sub-City Real Estate Price Index Forecasting at Weekly Horizons Using Satellite Radar and News Sentiment

基于卫星雷达和新闻情绪的周频次下辖城市房地产价格指数预测

Baris Arat, Hasan Fehmi Ates, Emre Sefer

机构 * Ozyegin University（奥兹根大学） 纠错

专题命中 多模态Agent ：multimodal(abstract)

AI总结 本文通过结合卫星雷达与新闻情绪数据，实现了下辖城市房地产价格指数的周频预测，显著提升了长期预测的准确性。