当你在为《自动化学报》(Acta Automatica Sinica, AAS) 确定选题、判断稿件是否契合本刊控制与自动化学科定位、以及在综述/论文/短文三类栏目间定位时调用。
帮助辨析本刊与兄弟中文刊(计算机学报/软件学报/电子学报/计算机研究与发展/计算机科学)的学科分工，评估创新性与贡献可数性，避免"主题超范围""无新意""重复前人"等初审退稿理由，并把选题打磨到匹配 Acta Automatica Sinica 的控制/模式识别/机器人/智能系统侧重与中英文双语综述长文传统。
インストールする前に、エージェントに与えられる指示の中身を確認できます。
在动笔前，用本技能判断选题是否契合《自动化学报》(Acta Automatica Sinica, AAS)。AAS 由中国自动化
学会与中国科学院自动化研究所共同主办、创刊于 1963 年，是控制与自动化学科的中文旗舰月刊。选错刊或
选错栏目，会在编辑初审阶段就以"不符宗旨/无新意/重复前人"被退。以下口径于 2026-07-09 核验（见
resources/official-source-map.md），易变项标 待核实。
本刊聚焦控制理论与控制工程、模式识别与智能系统、机器人、人工智能在自动化中的应用，具体范围含：
| 方向 | 典型主题 |
|---|---|
| 自动控制 | 自适应/鲁棒/最优/预测控制、稳定性、多智能体一致性 |
| 系统理论与系统工程 | 建模、辨识、复杂系统、优化与决策 |
| 自动化工程技术与应用 | 过程控制、运动控制、工业自动化落地 |
| 机器人 | 运动规划、感知、协同、人机交互 |
| 人工智能与智能控制 | 强化学习控制、智能优化、学习型系统 |
| 模式识别与图象处理 | 分类、检测、跟踪、图像/视频分析 |
| 信息处理与基于网络的自动化 | 网络化控制、信息服务、分布式系统 |
判断准则：稿件的核心贡献应落在"控制/自动化/智能系统"这条主线上。若贡献本质是纯算法/纯系统 软件/纯电路，则更契合兄弟刊。
| 期刊 | 侧重 | 与本刊边界 |
|---|---|---|
| 《自动化学报》(AAS) | 控制、模式识别、机器人、智能系统 | 本刊；贡献落在控制/自动化 |
| 《计算机学报》(CJC) | 计算全学科综合 | 纯计算理论/体系结构改投 CJC |
| 《软件学报》 | 软件工程/系统软件/程序语言 | 软件方法学改投软件学报 |
| 《电子学报》 | 电子、通信、器件、信号 | 硬件/通信物理层改投电子学报 |
| 《计算机研究与发展》 | 计算机综合、系统与应用 | 计算系统类改投 |
| 《计算机科学》 | 计算机综合、面广 | 一般计算主题改投 |
同一份多智能体/强化学习工作，若强调控制律与稳定性投本刊，若强调分布式系统实现则更像计算刊。
| 栏目 | 定位 | 适用 |
|---|---|---|
| 综述 | 系统梳理 + 批判性评价某方向 | 对某控制/识别方向有全局把握、能提出研究议程 |
| 论文 | 完整原创研究长文 | 方法 + 理论分析 + 仿真/实物实验齐备 |
| 短文 | 篇幅小、贡献聚焦 | 单点创新、结论明确但体量有限 |
综述稿不是文献堆砌，要有分类框架、对比表、未解问题与趋势判断；论文稿要有"问题形式化—理论分析— 实验验证"三段闭环。
初审常见退稿理由：不符宗旨、无新意、重复前人、观点模糊、逻辑混乱、学术不端。逐条自检：
| 症状 | 风险 | 处置 |
|---|---|---|
| 贡献本质非控制/自动化 | 不符宗旨 | 改投对口兄弟刊 |
| 只有仿真无理论、或只有理论无验证 | 深度不足 | 补齐理论分析或实验 |
| 相对已有工作 delta 模糊 | 无新意 | 重定位贡献或换角度 |
| 综述写成文献罗列 | 观点模糊 | 建分类框架 + 批判评价 |
| 主题太宽/太散 | 逻辑混乱 | 收敛到单一核心问题 |
[目标刊] 《自动化学报》(Acta Automatica Sinica, AAS)
[对口性] 贡献主线方向：___（控制/模式识别/机器人/智能控制/...）；是否落在本刊范围？是/否
[栏目] 综述 / 论文 / 短文 —— 依据：___
[核心问题] 一句话：___
[贡献(可数)] 1.___ 2.___ 3.___
[最接近工作] 文献：___；本文 delta：___
[证据计划] 理论：___；仿真/实物：___；基线：___
[兄弟刊排除] 为何不投 CJC/软件/电子学报：___
[待核实] 综述专门体例/篇幅上限：待核实
热点方向（如强化学习控制、多智能体、具身智能）竞争激烈，需收敛到有自己增量的具体问题：
[大方向] 强化学习控制
[收窄] 含约束的强化学习控制
[具体问题] 状态/输入约束下保证安全的策略学习与稳定性
[本文角度] 用控制理论工具（如控制屏障函数）给出安全保证 ← 这是本刊看重的控制视角
本刊看重的是控制/自动化视角的贡献，而非单纯套用热门模型；有自己的理论或系统增量才易被接受。
选题时就预判所需证据，避免写到一半发现无法支撑：
| 贡献类型 | 需要的证据 | 若缺 |
|---|---|---|
| 理论贡献（新控制律/新定理） | 严格稳定性/收敛性证明 | 补证明或降级为经验方法 |
| 方法贡献（新算法） | 公平基线 + 充分实验 + 消融 | 补对照实验 |
| 应用贡献（新系统落地） | 实物/真实场景验证 | 补实物或高保真仿真 |
| 综述贡献 | 系统检索 + 分类 + 批判 | 补检索策略与 taxonomy |
选题定稿后，进入 aas-workflow 排期，用 aas-related-work 坐实 delta，用 aas-writing-style
落体例，用 aas-experiments 搭证据，最后经 aas-submission 完成投稿审计。始终以《自动化学报》
(Acta Automatica Sinica, AAS) 的控制/自动化/智能系统定位为锚，确认目标是中文刊而非英文 JAS。
まだレビューはありません。使ってみた感想をお寄せください。
概要と使いどころ
Use when packaging AAAI code, data, multimedia appendices, technical appendices, reproducibility evidence, and post-acceptance artifact releases without violating double-blind or immutable-supplement rules.
日本語の概要は準備中です。原文の説明を表示しています。
Use when drafting an AAAI author response (rebuttal) under the single short character-limited author-feedback window, the no-URL rule, no-new-results guidance, AI-generated-review handling, and the AAAI two-phase review process where Phase-2 papers receive one feedback round before SPC/AC discussion.
日本語の概要は準備中です。原文の説明を表示しています。
Use when preparing an accepted AAAI paper for camera-ready source submission to AAAI Press, including proceedings page limits, two-column template compliance, copyright transfer, purchased extra technical pages, deanonymization, registration, oral or poster presentation, and final public artifact release.
日本語の概要は準備中です。原文の説明を表示しています。
Use when designing or auditing AAAI experiments for the broad-AI program committee, including baselines, ablations, statistical significance, robustness, human evaluation, AI-for-Social-Impact and alignment/safety evidence, compute and cost reporting, and reproducibility-checklist alignment for Phase-1 survival.
日本語の概要は準備中です。原文の説明を表示しています。
Use when positioning an AAAI paper's novelty against archival work, contemporaneous arXiv or workshop papers, and AAAI/IJCAI/NeurIPS/ICML/ICLR neighbors across the broad AI scope, while staying inside AAAI's dual-submission and AI-as-source policy constraints and writing a related-work section legible to non-specialist reviewers.
日本語の概要は準備中です。原文の説明を表示しています。
Use when strengthening an AAAI paper's reproducibility checklist (placed after references), experimental traceability, seed and hyperparameter reporting, compute and cost disclosure, dataset access and licensing, code/data ZIP readiness, and the claim-to-evidence map that Phase-1 reviewers use to judge rigor across AAAI's broad AI scope.
日本語の概要は準備中です。原文の説明を表示しています。