Inner Monologue — 让机器人把观察结果说回计划里
已复核 · 稳定内容Inner Monologue: Embodied Reasoning through Planning with Language Models 是一篇 Embodied AI / Robotics 论文。本卡只基于 arXiv 官方元数据和论文静态阅读做研究整理；没有运行作者代码，也没有复现论文分数。
类比：像搬家时一边做一边自言自语：“箱子太重，先找推车；门关着，先开门。”这些反馈会改变下一步。
它在本轮 40 篇里的位置是 Batch 5 / agents and tools：不是孤立收藏，而是补上 study 论文图谱里还缺的一块。
只生成一次性计划的机器人容易在环境变化、动作失败或目标不清时卡住。
如果把它放进产品工程语境，核心问题是：团队到底应该把不确定性留给模型本身，还是拆给数据、工具、训练目标、评测和系统约束分别处理。
- 它给后续研究提供了一个可引用的名字和问题边界。
- 它把一个模糊能力拆成了可以讨论的机制或流程。
- 它提醒我们不要只看最终 benchmark，而要看数据、约束和验收方式。
- 它能和本库已有笔记形成交叉链接，方便以后按主题复习。
| 设计 | 作用 |
|---|---|
| 语言化反馈 | 把视觉、成功/失败和环境状态转成文本。 |
| 循环计划 | LLM 根据新反馈继续生成下一步。 |
| 多来源上下文 | 把人类指令、机器人状态和观察合并进 prompt。 |
这三点合在一起，给这篇论文建立了一个最小可理解模型：先看它把问题切在哪里，再看它把哪部分交给模型、哪部分交给外部结构。
手工 toy 复现
Section titled “手工 toy 复现”机器人计划“拿杯子”，执行后反馈“抓取失败，杯子太远”。下一轮计划变成“移动到桌边再抓取”，而不是重复失败动作。
这个 toy 复现只验证机制直觉，不声明论文原始指标已复现。真正升级为 VERIFIED 需要独立执行证据和 review receipt 绑定。
- 反馈文本如果不准：反馈文本如果不准，会把模型带偏。
- 循环越长：循环越长，prompt 越容易积累噪声。
- 语言化观察会丢失细节：语言化观察会丢失细节，不能替代底层控制和感知。
- 失败恢复需要策略边界：失败恢复需要策略边界，不能无限重试。
- agent 的“内心独白”本质是状态回流机制。
- 闭环比一次性计划更接近真实机器人和电脑操作。
- 软件工作流里的日志、测试、截图也可以看作 inner monologue。