University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）

SynPlanResearch-R1: Encouraging Tool Exploration for Deep Research with Synthetic Plans

SynPlanResearch-R1: 通过合成计划鼓励深度研究中的工具探索

Hansi Zeng, Zoey Li, Yifan Gao, Chenwei Zhang, Xiaoman Pan, Tao Yang, Fengran Mo, Jiacheng Lin, Xian Li, Jingbo Shang

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Amazon（亚马逊） ； University of Montreal（蒙特利尔大学） ； University of San Diego（圣地亚哥大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

AI总结 SynPlanResearch-R1通过合成计划促进工具探索，提升模型在多跳和开放网络基准测试中的性能，为后续强化学习提供有效初始化。

GuideTWSI: A Diverse Tactile Walking Surface Indicator Dataset from Synthetic and Real-World Images for Blind and Low-Vision Navigation

GuideTWSI: 一种从合成和现实图像中获取的多样化触觉行走表面指示器数据集，用于盲人和低视力导航

Hochul Hwang, Soowan Yang, Anh N. H. Nguyen, Parth Goel, Krisha Adhikari, Sunghoon I. Lee, Joydeep Biswas, Nicholas A. Giudice, Donghyun Kim

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Daegu Gyeongbuk Institute of Science and Technology（大邱庆bu科学技术院） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Maine（缅因大学） 纠错

AI总结 本文提出了一种多样化的触觉行走表面指示器数据集，通过合成和现实图像获取，以提高盲人和低视力导航中对不同类型警示标志的识别能力。

Collaborative Planning with Concurrent Synchronization for Operationally Constrained UAV-UGV Teams

具有并发同步的协同规划用于受操作约束的无人机-地面车辆团队

Zihao Deng, Qianhuang Li, Peng Gao, Maggie Wigness, John Rogers, Donghyun Kim, Hao Zhang

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； North Carolina State University（北卡罗来纳州立大学） ； U.S. Army DEVCOM Army Research Laboratory (ARL)（美国陆军 DEVCOM 军事研究实验室 (ARL)） 纠错

AI总结 本文提出CoPCS方法，通过集成异构图Transformer和Transformer解码器，实现无人机与地面车辆的同步并发协同规划，提升团队任务执行效率。

STRUCTUREDAGENT: Planning with AND/OR Trees for Long-Horizon Web Tasks

STRUCTUREDAGENT：基于AND/OR树的长周期网络任务规划

ELita Lobo, Xu Chen, Jingjing Meng, Nan Xi, Yang Jiao, Chirag Agarwal, Yair Zick, Yan Gao

机构 * University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； Amazon（亚马逊） ； Virginia Commonwealth university（弗吉尼亚 Commonwealth 大学） ； University of Virginia（弗吉尼亚大学） 纠错

AI总结 STRUCTUREDAGENT通过动态AND/OR树和结构化记忆模块提升长周期网络任务的规划能力，实现更高效的搜索与约束满足。

PackUV: Packed Gaussian UV Maps for 4D Volumetric Video

PackUV: 压缩高斯UV映射用于4D体素视频

Aashish Rai, Angela Xing, Anushka Agarwal, Xiaoyan Cong, Zekun Li, Tao Lu, Aayush Prakash, Srinath Sridhar

机构 * Brown University（布朗大学） ； UMass Amherst（马萨诸塞大学阿默斯特分校） ； Meta 纠错

AI总结 PackUV通过压缩高斯UV映射实现4D体素视频的高效存储与流式传输，解决了传统方法在长序列和大运动下的时间一致性问题。

Comments https://ivl.cs.brown.edu/packuv

Journal ref CVPR 2026