内容摘要
机器人遵循自然语言指令，不仅要完成目标，还要在执行过程中满足空间、时间与逻辑要求。作者提出STeP，将这些要求显式表达为信号时序逻辑（STL）规范，而非仅隐含在学习策略中。
框架由高层推理与低层控制协同工作：高层将指令转为整项任务的规范，再分解为子任务，并让持续性约束随各阶段保留；低层结合运动规划与模型预测控制，将STL鲁棒度纳入优化。在线监测在安全条件失守或目标超时后触发重规划，并携带执行历史，保留原任务上下文。
作者报告，在新建的LIBERO-Constrained基准49个任务—约束实例上，STeP的安全成功率为80%，SmolVLA和移除STL的VLM-MPC-Cost分别为14%和20%；该指标要求完成任务且满足全部约束。在LIBERO-PRO六种组合中的五种，成功率为54%—89%，但Goal套件的任务扰动下仅为16%。
这些结果需结合实验条件理解：仿真使用特权状态获取物体信息；LIBERO-PRO基线取自既有论文，STeP数据来自作者自己的运行，并非全部方法的统一重跑。
点评
该研究为“语言推理—执行—监测—重规划”提供了共享的显式规范接口，支持在所测操作任务中将任务完成与约束满足分开评估。
证据来自作者论文，不是独立复现。固定谓词与技能映射限制全新任务泛化；低层控制的短滚动时域使远期截止时间影响有限，执行落后后的追赶能力不足。
版本与核查范围
版本 2607.18580v2 · 原文定位与程序检查、独立上下文模型复核；不代表独立研究复现。。依据已核查材料整理；未运行模型或机器人。
原文与定位
- 原文链接 #abstract1.1；#S1.p3.1；#S4.SS2.SSS1.p1.1；#S4.SS2.SSS2.p1.1；#S4.SS2.SSS3.p1.1；#S5.SS0.SSS0.Px2.p1.1；#S5.SS2.p2.1；#S5.SS2.p1.1；#S5.SS0.SSS0.Px1.p1.1；#S5.SS1.p4.1；#S5.SS0.SSS0.Px1.p1.1；figcaption[78]