已完成但不确定：解耦具身智能体中的世界完成度与自我终止机制

标准具身评估未独立评分智能体在 episode 结束时是否正确承诺任务完成（即终端承诺）。行为各异的失败类型被混淆为同一基准失败。本文提出 VIGIL 评估框架，使终端承诺可独立度量。在该协议下，智能体仅观察第一人称 RGB 图像，无动作成功信号，须以语义报告结束 episode，并针对隐藏世界状态进行确定性校验。此举分离出世界状态完成度与基准成功率两个指标，区分四类结果。实验表明，执行能力相近的模型在终端报告生成上差异显著，揭示了规划中终止决策的独立性。