机器人运行时推理
运行时推理指决定下一步做什么的组件在任务执行期间仍在运行。这正是「在执行前承诺的计划」与「能对机器人在任务中途实际观察到的内容作出反应的决策」之间的差别。
为什么值得这个代价
运行时推理每步的成本远高于前馈推理。它换来的是对「只在执行期间才存在的证据」作出反应的能力：没有夹稳的抓取、没有打开的抽屉、被移动的物体。离线规划器看不到这些，因为它在这些事情发生之前就已经结束了。
通常的折中
实践中两者是被组合使用的，而不是二选一。深思被留给陌生情形、诊断与恢复，成熟行为则跑在廉价的学习策略上。TGL 的报告提出的正是这一拆分——把慢教师留给知识的前沿，把快学生留给已经确立的部分——并把从经验证轨迹蒸馏视为未来扩展，而不是当前系统的一部分。
它要真正起作用需要什么
推理组件必须收到足够推理用的证据。如果机器人接口只报告「指令已发出」，运行时推理就无从下手，它会重新推导出同样的计划。这就是为什么接口——一个子目标对自身效果的汇报——和推理本身同样重要。
TGL 的关系
TGL 让 AI 智能体在整个任务期间保持运行，并给它可推理的东西：每个 Skill Block 都带结果检验，而它的结果正是 AI 智能体所读取的。效果通过就推进计划；失败或不确定则触发再一次观察、更换执行器，或修改后续路线。