ICRA'26双奖论文：SymSkill让机器人从少量演示学会组合复杂任务
SymSkill用少量无标签数据无监督学习符号和技能，实时组合恢复，让机器人从记忆动作进化到理解任务。
SymSkill融合模仿学习与经典规划，使机器人从少量无标签演示中自动归纳符号和技能，并实时组合执行多步任务，即使失败也能恢复。这标志着机器人从记忆动作迈向理解任务，为家庭服务机器人提供新路径。
正文摘录
 新智元报道  【新智元导读】 SymSkill 创新性地融合模仿学习与经典规划，使机器人能从少量演示中归纳技能，并实时组合执行复杂任务。这项成果推动机器人从「记忆动作」 迈向「理解任务」，为智能家庭服务机器人带来新突破。 2026年6月初，在维也纳国际会议中心落幕的 ICRA 2026 上，从多瑙河畔传来消息： 来自宾夕法尼亚大学 GRASP 实验室的博士生 Yifei Shao（邵逸飞） 作为第一作者的论文 一举斩获两项 ICRA 最高学术荣誉 ：Best Conference Paper Award（大会最佳论文奖） 和 Best Paper Award on Planning and Control（规划与控制方向最佳论文奖）。  论文链接：https://arxiv.org/abs/2510.01661 一篇论文同时揽获两项大奖，在 ICRA 历史上较为罕见，也标志着 GRASP 实验室在机器人规划与控制领域的又一次跨越式突破。 让机器人在真实世界中执行复杂的多步骤操控任务，一直是机器人学最核心也最棘手的挑战之一。 现有方法主要分为两大流派，却各自陷入困境：模仿学习反应迅速，但缺乏组合泛化能力，学习到的往往是「单一体策略」，环境稍有变化就无法拆解复用旧技能；