- 论文公开站arXiv
具备障碍感知测试框架的编码智能体用于安全机器人操作
Coding Agents with an Obstacle-Aware Harness for Safe Robot Manipulation
摘要显示，编码智能体在机器人操作中虽无需专门训练即可运行，但在安全约束下多数任务仍会碰撞障碍物。作者将操作分解为路径阶段与接触阶段，发现失败源于规划环节：模型缺乏避障路径概念、无法在路径失效时重新规划，也未意识到接触执行受同一约束限制。为此提出 SafeHarness，通过障碍感知的路径规划（将物体表示为边界框并生成候选路径点序列）让智能体预先规划并验证路径，从而优先考虑安全约束。
意义：为机器人编码智能体引入显式安全约束与障碍感知规划框架，推动安全关键场景下的可靠部署。
- 开源项目公开站GitHub
PythonRobotics：机器人算法 Python 示例与教材
AtsushiSakai/PythonRobotics — Python sample codes and textbook for robotics algorithms.
AtsushiSakai/PythonRobotics 汇集机器人算法的 Python 示例代码与配套教材，GitHub 星标约 30523，以代码示例覆盖机器人领域常用算法，便于学习与复现。
意义：为开发者提供可直接运行的机器人算法参考实现，降低路径规划、定位与建图等方向的学习与原型开发门槛。
- 论文公开站arXiv
通过局部增强偏好与表示解缠改进跨问题车辆路径规划
Improving Cross-Problem Vehicle Routing with Locally Augmented Preferences and Representation Disentanglement
摘要显示，多任务车辆路径问题求解器面临训练监督弱和架构纠缠的挑战。为此，提出POLAR训练算法，通过局部搜索细化最佳解码路径以形成更优偏好对，以及PLE编码器，利用门控机制分离共享专家与任务特定专家，逐步解缠通用路由结构与约束特定编码。实验表明，两者结合可提升当前最先进性能。
意义：对开发者而言，该研究提供了训练算法与架构设计的改进，有望提升多任务VRP模型的泛化能力与训练效率，推动实际物流调度应用。
- 论文公开站arXiv
凸集图上Steiner旅行商问题的统一分支定界搜索
Unified Branch-and-Bound Search for the Steiner Traveling Salesman Problem on Graphs of Convex Sets
摘要提出了一种在凸集图（GCS）上求解Steiner旅行商问题（Steiner-TSP）的统一分支定界搜索方法，该问题要求寻找通过所需凸集的最小成本闭合轨迹，允许可选中转顶点和重复访问。通过根行走前缀的搜索，利用加性下界图成本和割分离连通流松弛来界定前缀和剩余成本。在均匀正成本假设下，最佳优先遍历在有限次扩展后终止，深度优先遍历在有限可行解存在时终止。对于用户指定的因子ε≥1，全局下界保证任一策略的解成本至多为全局最优的ε倍。在移动机械…
意义：为机器人路径规划等组合优化问题提供统一求解框架，兼顾最优性保证与计算效率，对AI决策与自动化领域有参考价值。
