ProgressCompass：如果没有正确的背景，具体的进度奖励模型就会丢失

具身Agent现在承担着越来越长的任务。对于长期任务，仅知道任务最终是成功还是失败并没有什么意义。一路走来的步骤很重要。进度奖励模型 (PRM) 对任务每一步的进展情况进行评分，并充当密集奖励、验证者和监控者。然而，在长期任务中，仅当前框架通常无法判断任务已经进行了多远，因为进度取决于之前发生的事情。我们称这个问题为上下文相关的进度估计。现有的进度估计基准主要集中在短期任务上，这些任务的进度可以从当前的观察中读取，而 PRM 是否可以在需要上下文时估计进度仍有待探索。因此，我们构建了 ContextProgress-Bench，其中包含 120 个情节的 24 个操作任务。该基准涵盖三种设置：(i) 状态召回，其中进展所需的信息较早出现，但不在当前框架中； (ii) 顺序跟踪，其中步骤遵循固定顺序，因此进度需要知道哪些步骤已完成以及接下来是哪些步骤； (iii) 重复消歧，相似的帧处于非常不同的进度。然后我们运行配对诊断：每个 PRM 在两次运行中都保持相同的输入格式，并且在一次运行中其指令集成了正确的上下文。即使阅读整个历史记录的 PRM 也会在估计进度时迷失方向，但在正确的背景下，相同的五个模型将进度误差减少了 77-82%。因此，具体的 PRM 并非无法估计进度，而是在没有正确上下文的情况下丢失了。因此，我们提出了 ProgressCompass，这是一个自主的 Agentic 循环，它可以重新定向现有的 PRM 并使用当前的通用 VLM 来提供 PRM 所需的上下文。包裹在循环中，相同的冻结 PRM 将其进度误差减少了 63%，并将其排名一致性提高了 76%。有了这样的指南针，PRM 就能更好地估计更长、更复杂任务的进度。