论文提出神经符号框架，用LIMP、REALM、PACTS构建可验证的通用机器人

Benedict Quartey的论文主张，要让可信自主性规模化，需要神经符号方法，把学习模型的泛化能力与符号结构结合起来，用于稳健的机器人行为。论文探索三个方向：LIMP用基础模型和空间推理，把自然语言指令落到显式任务约束和指令专属语义地图上，支持任务与运动规划，并让机器人的理解可被检查；REALM维护可编辑的逼真3D高斯场景，预测规划操作的后果并局部校正场景，使后续指令从更新后的状态获得 grounding 与规划几何；PACTS学习视觉运动技能，同时生成动作轨迹及其符号效果预测，支持技能组合、进度监控和通过重规划恢复。