University of California, Berkeley（加州大学伯克利分校）

Conflict-Based Search as a Protocol: A Multi-Agent Motion Planning Protocol for Heterogeneous Agents, Solvers, and Independent Tasks

基于冲突的搜索作为协议：一种多智能体运动规划协议用于异构智能体、求解器和独立任务

Rishi Veerapaneni, Alvin Tang, Haodong He, Sophia Zhao, Viraj Shah, Yidai Cen, Ziteng Ji, Gabriel Olin, Jon Arrizabalaga, Yorai Shaoul, Jiaoyang Li, Maxim Likhachev

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tongji University（同济大学） ； UC Berkeley（伯克利大学） 纠错

AI总结 本文提出了一种基于冲突的搜索协议，用于异构智能体的多智能体运动规划，利用多种单智能体规划算法实现无碰撞路径规划。

Comments Published at ICRA 2026, Project webpage: https://rishi-v.github.io/CBS-Protocol/

Think, Then Verify: A Hypothesis-Verification Multi-Agent Framework for Long Video Understanding

思考，然后验证：一种用于长视频理解的假设-验证多智能体框架

Zheng Wang, Haoran Chen, Haoxuan Qin, Zhipeng Wei, Tianwen Qian, Cong Bai

机构 * College of Computer Science, Zhejiang University of Technology（浙江工业大学计算机科学学院） ； Zhejiang Key Laboratory of Visual Information Intelligent Processing（浙江视觉信息智能处理重点实验室） ； UC Berkeley（伯克利大学） ； College of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） 纠错

AI总结 VideoHV-Agent通过结构化假设-验证流程提升长视频理解的准确性、可解释性和效率。

Comments Accepted at CVPR 2026

Learning to Drive is a Free Gift: Large-Scale Label-Free Autonomy Pretraining from Unposed In-The-Wild Videos

学习驾驶是免费礼物：从未经处理的现实视频中进行大规模无标签自主性预训练

Matthew Strong, Wei-Jer Chang, Quentin Herau, Jiezhi Yang, Yihan Hu, Chensheng Peng, Wei Zhan

机构 * Applied Intuition ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校） 纠错

AI总结 本文提出一种无标签、教师引导的框架，通过未经处理的现实视频学习自动驾驶表示，无需姿态、标签或LiDAR，实现高效的自动驾驶感知和规划。

Comments Accepted at CVPR 2026