本研究探讨了具身智能体在动态多模态环境中表达信心的方式，提出了信心引导和执行策略，以提升信心校准能力。尽管结构化推理有助于改善校准，但在归纳推理下仍面临不确定性挑战，需要更复杂的引导方法。

研究提出了 Policy-guided Offline RL 算法，能够在训练时将想法分解为指导策略和执行策略，并通过指导策略来指导执行策略以实现状态组合性。该算法在 D4RL 上展示了最高效的性能，并可以通过改变指导策略来适应新的任务。