教机器人叠衣服，如果只在最后告诉它“成功”或“失败”，就像做完整张卷子只拿到总分：它不知道哪一步做对了，也不知道何时把先前成果弄乱。这篇综述关注进度奖励——在执行过程中判断机器人正接近目标、停滞，还是倒退，为漫长任务补上更密集的反馈。
作者没有把不同方法简单排成榜单，而是用三层框架整理：模型看见什么、目标如何表达、输出哪种进度信号；信号怎样构造；训练数据与评测究竟验证了什么。其中最值得注意的提醒是：一种奖励可能让机器人的最终成功率提高，却未必忠实描述了任务进度；反过来，进度估计准确，也未必适合实时控制。换句话说，“能帮机器人学会”与“能准确衡量离目标多远”是两项不同能力。综述的价值正在于把这些常被混用的标准拆开，方便后续研究真正横向比较，而非只看一个终局成绩。