具身智能论文阅读：从问题定义开始

论文阅读笔记不应只是结论摘抄。对具身智能而言，任务定义、观测边界与评测协议往往比模型名称更决定结果能否迁移。本篇用一套可复用框架展示如何拆解论证链条。

先重写问题定义

阅读第一遍时，我会把论文的问题改写成一句不含方法名的话：智能体在部分可观测环境中，根据视觉与语言指令选择动作，使任务成功率最大化。这样能避免被模型结构牵着走。

若状态为 $s_t$ 、观测为 $o_t$ 、语言目标为 $g$ ，策略可写成：

\pi(a_t \mid o_{\le t}, g)

关键问题随之出现：历史观测保存多长？成功由谁判定？训练环境与测试环境共享哪些物体和布局？

我会把实验拆成三层检查：数据覆盖了什么，基线是否使用同等信息，指标是否会隐藏失败模式。平均成功率上升不等于所有场景都改善，尤其要观察长程任务和罕见物体。

研究备注：如果消融实验只删除一个模块，却同时改变参数量和训练时间，那么差异不能完全归因于该模块。复现时应增加计算量匹配的对照组。

先固定感知编码器，只比较短历史与长历史；再按任务长度分桶报告结果。若长历史只提升最短任务，所谓“长期记忆”解释就需要重新审视。

好的笔记最后应该留下可执行的问题，而不是“未来工作很多”。目前最值得追踪的是：同一策略面对视觉外观变化时，失败来自感知漂移还是动作规划？可以通过替换观测渲染、保持状态转移不变来区分二者。

Sutton, R. S. & Barto, A. G. Reinforcement Learning: An Introduction，用于核对策略与回报的基本定义。
Anderson et al. “Vision-and-Language Navigation”，用于追溯语言导航任务的常见评测方式。
每篇具体论文的代码与数据说明应在正式阅读记录中单独列出版本号和访问日期。

这套结构刻意把“作者声称什么”和“证据真正支持什么”分开。未来的论文阅读文章会沿用相同骨架，便于横向比较。