见、划、溯：用于鲁棒机器人操作的进度感知视觉 - 语言 - 动作模型

通过显式可操作里程碑衡量任务进度对鲁棒机器人操作至关重要。本文提出“见、划、溯”（SPR）框架，将语言指令动态 grounded 为空间子目标序列。该框架通过持续循环感知当前状态与里程碑、规划至下一路点的轨迹，并在进度停滞时回滚至可恢复状态。这种闭环方法无需额外训练数据即可实现鲁棒纠错。实验表明，SPR 在 LIBERO 基准上优于基线 5%，并在未见指令的 LIBERO-Plus 上展现出最先进的鲁棒性与泛化能力。