行动中的不确定性：具身智能体的置信度激发

在动态多模态环境中导航的具身智能体表达置信度具有挑战性，因为不确定性同时源于感知和决策过程。我们首次研究了开放性多模态环境中的具身置信度激发。我们引入 Elicitation Policies（激发策略），在归纳、演绎和溯因推理的结构化框架下进行置信度评估，以及 Execution Policies（执行策略），通过场景重新解释、动作采样和假设推理来增强置信度校准。我们在 Minecraft 环境中评估智能体在置信度校准和失败预测任务中的表现，结果表明结构化推理方法（如思维链）可以改善置信度校准。然而，我们的发现也揭示了在区分不确定性方面持续存在的挑战，特别是在溯因设定下，这凸显了对更复杂的具身置信度激发方法的需求。