0
| 本文作者： 陳淑瑜 | 2026-06-11 14:24 | 專題：ICRA 國際機器人與自動化會議 |
2026年6月初，在維也納國際會議中心落幕的ICRA 2026上，從多瑙河畔傳來消息。
來自賓夕法尼亞大學GRASP實驗室的博士生Yifei Shao（邵逸飛） 作為第一作者的論文 《SymSkill: Symbol and Skill Co-Invention for Data-Efficient and Real-Time Long-Horizon Manipulation》 一舉斬獲兩項ICRA最高學術榮譽：Best Conference Paper Award（大會最佳論文獎） 和 Best Paper Award on Planning and Control（規劃與控制方向最佳論文獎）。
一篇論文同時攬獲兩項大獎，在ICRA歷史上較為罕見，也標志著GRASP實驗室在機器人規劃與控制領域的又一次跨越式突破。
01
1.1 問題的原點
讓機器人在真實世界中執行復雜的多步驟操控任務，一直是機器人學最核心也最棘手的挑戰之一。現有方法主要分為兩大流派，卻各自陷入困境：模仿學習反應迅速，但缺乏組合泛化能力，學習到的往往是“單一體策略”，環境稍有變化就無法拆解復用舊技能；而經典的任務與運動規劃雖然有良好的符號抽象和組合能力，但規劃延遲動輒數十秒甚至上百秒，根本無法支持實時故障恢復。
SymSkill的突破在于——它不再在這兩條路徑中做選擇題，而是搭建了一座橋。論文提出了一套統一的學習框架，將兩者的優勢無縫融合：離線的共同發明與在線的實時執行。
論文鏈接：https://arxiv.org/html/2510.01661v2
1.2 核心技術架構
SymSkill的核心創新可以概括為兩個階段：
離線階段——共同發明。 與以往需要人工標注和分割演示數據的方法不同，SymSkill能夠直接從無標簽、無分割的機器人演示數據中，以無監督的方式聯合學習謂詞、操作符和目標導向技能。這意味著，機器人只需要觀看少量演示（每個任務僅需約5次演示數據），就能自行“歸納”出完成任務所需的符號抽象和技能庫。
在線階段——實時組合與恢復。 執行時，一旦用戶指定一個或多個目標謂詞，SymSkill就會調用符號規劃器來動態組合和重排已學技能以達到符號目標，同時在運動層級和符號層級同時執行故障恢復。配合柔順控制器，SymSkill能夠在人類和環境擾動下實現安全、不間斷的執行。
1.3 實驗表現與意義
實驗數據令人信服。在RoboCasa模擬環境中，SymSkill成功執行了12個單步任務，成功率達85%；面對需要多達6次技能重排的多步復雜任務時，SymSkill仍能從執行失敗中穩健恢復。
而最令學界驚嘆的是真實機器人實驗：在一臺真實的Franka機器人上，SymSkill僅用5分鐘的無分割、無標簽玩耍數據作為訓練素材，僅通過目標指令即可操控機器人執行多種任務。這種數據效率在此前的規劃系統中幾乎不可想象。
這項研究的更深層意義在于，它讓機器人從“背答案”進化到了“理解題目”——不再是簡單記憶動作序列，而是能夠抽象出任務背后的符號結構，并根據現實變化實時調整策略。SymSkill為下一代通用家庭服務機器人提供了一條從“反應型模仿”走向“推理型執行”的可行路徑。
02
邵逸飛是賓大計算機與信息科學系的博士生，師從Vijay Kumar教授與Pratik Chaudhari教授，主攻符號規劃與運動規劃的融合理論。在本研究中，他主導了SymSkill整體框架的設計與符號規劃器的開發，是論文核心思想的主要構建者。
SymSkill不僅是GRASP實驗室的一項技術突破，更展現了作者間的默契配合。論文的前三位作者——Yifei Shao、Yuchen Zheng（佐治亞理工phd）和Sunan Sun（GRASP phd）都是來自中國的留學生——分別在不同環節發揮了關鍵作用，形成了從理論設計到實驗驗證的完整鏈條。
在博士研究之外，邵逸飛在本科和碩士階段已經打下了扎實的工程功底：他擁有密歇根大學安娜堡分校的機器人及機械工程雙碩士學位。其研究興趣涵蓋運動規劃、人機協作以及LLM驅動的機器人實時糾錯等多個前沿方向。
SymSkill作為邵逸飛以一作身份發表的重磅研究，可以看作他在符號規劃、運動控制與安全保證領域的集大成之作。SymSkill提出了一套名為 “符號與技能共同發明”（Symbol and Skill Co-Invention） 的統一學習框架，首次在ICRA舞臺上同時獲得兩項大獎。該工作不僅延續了邵逸飛在T-RO和RA-L期刊上對運動規劃實時性、安全性和數據效率的持續關注，更將符號規劃從離線的、靜態的任務分解提升到了與技能學習動態耦合、可實時故障恢復的新層次。
SymSkill論文的發表和雙獎獲得，無疑標志著邵逸飛從一位極具潛力的青年學者正式邁入機器人學界的前沿行列。他目前在灣區機器人創業公司(DYNA robotics)實習，探索物理AI和VLA的最前沿方向。
03
如果說Yifei Shao是GRASP實驗室的未來，那么Vijay Kumar就是GRASP的靈魂。Kumar教授是賓夕法尼亞大學工程與應用科學學院的Nemirovsky Family院長，他于1987年在俄亥俄州立大學獲得機械工程博士學位，此后一直在賓大任教，至今已近四十年。
3.1 學術貢獻：從無人機集群到多機器人系統
Kumar是當今機器人學界最具影響力的學者之一。他的研究跨越多個維度：集體行為——研究生物與機器人系統中的群體動力學；分布式與去中心化控制——設計可擴展、魯棒的協作機器人算法；微型飛行器——他在多旋翼飛行器及無人機集群方面的研究成果已成為該領域的奠基性工作。
特別值得一提的是，Kumar團隊在生物啟發的機器人架構和非結構化動態環境中的自主控制方面取得了大量突破性成果。GRASP實驗室的網頁中專門提到，Kumar的研究核心挑戰包括：在不依賴精確環境模型的條件下，在非結構化動態環境中實現控制、通信與感知的集成——這恰恰與SymSkill試圖解決的長時程操控問題高度吻合。
3.2 榮譽與影響力
Kumar是美國國家工程院院士，同時是ASME和IEEE的會士。他曾擔任美國白宮科技政策辦公室機器人與網絡物理系統助理主任，深度參與了美國國家機器人計劃的制定。其領導下的GRASP實驗室，成立47年來一直是全球機器人研究的頂級孵化器。本屆ICRA上，GRASP實驗室共有15位教師、27位博士生在技術項目中發表論文，參與組織了12個研討會，并在展區和競賽中全面亮相。
作為導師，Kumar的研究生培養也成績斐然。在他的指導下，多名學生畢業后任職于頂級高校（劍橋大學、斯坦福大學、香港科技大學、東北大學）及產業界（Skydio、Exyn、Shield AI等）。Yifei Shao是他眾多優秀學生中的一個，但SymSkill的成就無疑讓這段師生關系增添了濃墨重彩的一筆。
04
4.1 學術之路：從EPFL到MIT再到賓大
如果說Vijay Kumar是機器人學界的長青樹，那么Nadia Figueroa則是正在升起的一顆耀眼新星。Figueroa現任賓夕法尼亞大學機械工程與應用力學系的Shalini and Rajeev Misra Presidential Assistant Professor，同時兼任計算機與信息科學系、電氣與系統工程系的職務，是GRASP實驗室的核心教師成員。
她的學術履歷令人矚目：2007年獲墨西哥蒙特雷理工學院機電工程學士學位，2012年獲德國多特蒙德工業大學自動化與機器人碩士學位，2019年在瑞士洛桑聯邦理工學院獲得機器人、控制與智能系統博士學位。博士論文榮獲Georges Giralt博士論文獎（歐洲最佳機器人博士論文）、ABB博士論文獎及EPFL博士卓越獎三項大獎。博士畢業后，她在MIT計算機科學與人工智能實驗室的交互式機器人組從事了兩年博士后研究，于2022年加入賓大。2025年，她獲得NSF CAREER Award，這一獎項被譽為美國青年學者在科學與工程領域的最高榮譽之一。
4.2 研究聚焦：安全、控制與人機共融
Figueroa的研究聚焦于為人機協作機器人系統開發安全、控制、估計與學習方法。她的核心理念是：機器人需要能夠在人類生活的動態空間中，與人和其它機器人安全且高效地互動。
SymSkill中“配合柔順控制器實現安全不間斷執行”的技術，正是Figueroa研究專長的直接體現。她先前的工作已經探索了反應式策略學習與穩定性保障的融合問題，為SymSkill提供了底層控制層面的理論支撐。可以說，Figueroa在柔順控制與安全的交叉地帶的深耕，是SymSkill能夠從理論走向實驗驗證的關鍵一環。
2016年，她與合作者在機器人頂級會議RSS（Robotics: Science and Systems）上斬獲最佳學生論文獎。十年后的ICRA 2026，她作為通訊作者指導博士生Yifei Shao再次登頂，見證了一個學術傳承的閉環。
05
5.1 歷史與規模
GRASP全稱為General Robotics, Automation, Sensing & Perception Laboratory，成立于1979年，是賓夕法尼亞大學工程與應用科學學院內的跨學科學術中心。實驗室旨在促進學生、研究人員和教師之間的合作，重點覆蓋視覺、感知、控制系統、自動化和機器學習的基礎研究。經過47年的發展，GRASP已成為全球機器人領域的核心陣地之一。
根據GRASP官網披露的數據，本屆ICRA上，GRASP實驗室在技術項目中發表了25篇論文，涉及15位教師作者、7位博士后作者和27位博士生作者。這組數字本身就說明了GRASP在學術界持續而深厚的產出能力。
5.2 SymSkill與GRASP的“統治力”
本屆ICRA，GRASP實驗室不僅在SymSkill上斬獲雙獎，同實驗室的另一篇論文《Push Anything》也入圍了Best Paper Award on Robot Manipulation and Locomotion方向的Finalist（最終提名）。一家實驗室貢獻兩篇Finalist，GRASP在本屆ICRA的“統治力”可見一斑。除此之外，GRASP的資深研究員Mark Yim還在大會上獲得了T-RO杰出服務獎。這三項殊榮共同勾勒出了GRASP在機器人領域從理論研究到人才培養的全方位領先地位。
GRASP實驗室的強勢表現也被媒體稱為ICRA 2026的“雙殺”格局——石冠亞團隊與GRASP Lab同日獲得不同方向最高榮譽，這在ICRA歷史上并不多。而對邵逸飛來說，能在博士生四年級就在這樣一個頂級平臺上獲得最高認可，無疑為他的學術道路打開了無限可能。
06
SymSkill的獲獎，不僅僅是對一項高質量研究的學術表彰，更是對一種研究范式的肯定——機器人的智能，不在于記住多少動作序列，而在于能否從少量數據中抽象出符號級的認知結構，并在動態變化的世界中實時適應。
正如SymSkill論文最后一句所暗示的：“The source code and additional analysis can be found on the project website”——代碼已開源。SymSkill的意義不僅在于它贏下了ICRA的最高獎項，更在于它為全球所有機器人研究者打開了一扇門：門后是一條通往數據高效、實時可控、安全可靠的通用機器人操控的新路徑。
在這個意義上，SymSkill不是終點，而是一個起點。
（本文基于GRASP實驗室官網、ICRA 2026官方報道、SymSkill論文arXiv頁面及相關人物公開資料撰寫。SymSkill項目主頁：https://symskill.github.io 論文arXiv ID：2510.01661）
去哪看 ICRA 核心【演講/論文】詳解？
為了讓國內的研發者、創業者與投資人能夠毫無時差地掌握本屆 ICRA 2026 的完整干貨，雷峰網(公眾號：雷峰網)已全面上線【ICRA 2026 深度專區】。
專區不僅全面收錄了重磅論文的工程化解讀、專家前沿演講，更將持續更新前方記者的第一手會議動態。
掃描下方二維碼，或點擊「閱讀原文」關注專區。
與全球 8000 名頂尖大腦同步呼吸，搶先透視具身智能的下一個五年！
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
專題
