0
| 本文作者： 陈淑瑜 | 2026-06-11 14:24 | 专题：ICRA 2017：创新、创业和解决方法 |
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 《SymSkill: Symbol and Skill Co-Invention for Data-Efficient and Real-Time Long-Horizon Manipulation》 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）。
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。
01
1.1 问题的原点
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；而经典的任务与运动规划虽然有良好的符号抽象和组合能力，但规划延迟动辄数十秒甚至上百秒，根本无法支持实时故障恢复。
SymSkill的突破在于——它不再在这两条路径中做选择题，而是搭建了一座桥。论文提出了一套统一的学习框架，将两者的优势无缝融合：离线的共同发明与在线的实时执行。
论文链接：https://arxiv.org/html/2510.01661v2
1.2 核心技术架构
SymSkill的核心创新可以概括为两个阶段：
离线阶段——共同发明。 与以往需要人工标注和分割演示数据的方法不同，SymSkill能够直接从无标签、无分割的机器人演示数据中，以无监督的方式联合学习谓词、操作符和目标导向技能。这意味着，机器人只需要观看少量演示（每个任务仅需约5次演示数据），就能自行“归纳”出完成任务所需的符号抽象和技能库。
在线阶段——实时组合与恢复。 执行时，一旦用户指定一个或多个目标谓词，SymSkill就会调用符号规划器来动态组合和重排已学技能以达到符号目标，同时在运动层级和符号层级同时执行故障恢复。配合柔顺控制器，SymSkill能够在人类和环境扰动下实现安全、不间断的执行。
1.3 实验表现与意义
实验数据令人信服。在RoboCasa模拟环境中，SymSkill成功执行了12个单步任务，成功率达85%；面对需要多达6次技能重排的多步复杂任务时，SymSkill仍能从执行失败中稳健恢复。
而最令学界惊叹的是真实机器人实验：在一台真实的Franka机器人上，SymSkill仅用5分钟的无分割、无标签玩耍数据作为训练素材，仅通过目标指令即可操控机器人执行多种任务。这种数据效率在此前的规划系统中几乎不可想象。
这项研究的更深层意义在于，它让机器人从“背答案”进化到了“理解题目”——不再是简单记忆动作序列，而是能够抽象出任务背后的符号结构，并根据现实变化实时调整策略。SymSkill为下一代通用家庭服务机器人提供了一条从“反应型模仿”走向“推理型执行”的可行路径。
02
邵逸飞是宾大计算机与信息科学系的博士生，师从Vijay Kumar教授与Pratik Chaudhari教授，主攻符号规划与运动规划的融合理论。在本研究中，他主导了SymSkill整体框架的设计与符号规划器的开发，是论文核心思想的主要构建者。
SymSkill不仅是GRASP实验室的一项技术突破，更展现了作者间的默契配合。论文的前三位作者——Yifei Shao、Yuchen Zheng（佐治亚理工phd）和Sunan Sun（GRASP phd）都是来自中国的留学生——分别在不同环节发挥了关键作用，形成了从理论设计到实验验证的完整链条。
在博士研究之外，邵逸飞在本科和硕士阶段已经打下了扎实的工程功底：他拥有密歇根大学安娜堡分校的机器人及机械工程双硕士学位。其研究兴趣涵盖运动规划、人机协作以及LLM驱动的机器人实时纠错等多个前沿方向。
SymSkill作为邵逸飞以一作身份发表的重磅研究，可以看作他在符号规划、运动控制与安全保证领域的集大成之作。SymSkill提出了一套名为 “符号与技能共同发明”（Symbol and Skill Co-Invention） 的统一学习框架，首次在ICRA舞台上同时获得两项大奖。该工作不仅延续了邵逸飞在T-RO和RA-L期刊上对运动规划实时性、安全性和数据效率的持续关注，更将符号规划从离线的、静态的任务分解提升到了与技能学习动态耦合、可实时故障恢复的新层次。
SymSkill论文的发表和双奖获得，无疑标志着邵逸飞从一位极具潜力的青年学者正式迈入机器人学界的前沿行列。他目前在湾区机器人创业公司(DYNA robotics)实习，探索物理AI和VLA的最前沿方向。
03
如果说Yifei Shao是GRASP实验室的未来，那么Vijay Kumar就是GRASP的灵魂。Kumar教授是宾夕法尼亚大学工程与应用科学学院的Nemirovsky Family院长，他于1987年在俄亥俄州立大学获得机械工程博士学位，此后一直在宾大任教，至今已近四十年。
3.1 学术贡献：从无人机集群到多机器人系统
Kumar是当今机器人学界最具影响力的学者之一。他的研究跨越多个维度：集体行为——研究生物与机器人系统中的群体动力学；分布式与去中心化控制——设计可扩展、鲁棒的协作机器人算法；微型飞行器——他在多旋翼飞行器及无人机集群方面的研究成果已成为该领域的奠基性工作。
特别值得一提的是，Kumar团队在生物启发的机器人架构和非结构化动态环境中的自主控制方面取得了大量突破性成果。GRASP实验室的网页中专门提到，Kumar的研究核心挑战包括：在不依赖精确环境模型的条件下，在非结构化动态环境中实现控制、通信与感知的集成——这恰恰与SymSkill试图解决的长时程操控问题高度吻合。
3.2 荣誉与影响力
Kumar是美国国家工程院院士，同时是ASME和IEEE的会士。他曾担任美国白宫科技政策办公室机器人与网络物理系统助理主任，深度参与了美国国家机器人计划的制定。其领导下的GRASP实验室，成立47年来一直是全球机器人研究的顶级孵化器。本届ICRA上，GRASP实验室共有15位教师、27位博士生在技术项目中发表论文，参与组织了12个研讨会，并在展区和竞赛中全面亮相。
作为导师，Kumar的研究生培养也成绩斐然。在他的指导下，多名学生毕业后任职于顶级高校（剑桥大学、斯坦福大学、香港科技大学、东北大学）及产业界（Skydio、Exyn、Shield AI等）。Yifei Shao是他众多优秀学生中的一个，但SymSkill的成就无疑让这段师生关系增添了浓墨重彩的一笔。
04
4.1 学术之路：从EPFL到MIT再到宾大
如果说Vijay Kumar是机器人学界的长青树，那么Nadia Figueroa则是正在升起的一颗耀眼新星。Figueroa现任宾夕法尼亚大学机械工程与应用力学系的Shalini and Rajeev Misra Presidential Assistant Professor，同时兼任计算机与信息科学系、电气与系统工程系的职务，是GRASP实验室的核心教师成员。
她的学术履历令人瞩目：2007年获墨西哥蒙特雷理工学院机电工程学士学位，2012年获德国多特蒙德工业大学自动化与机器人硕士学位，2019年在瑞士洛桑联邦理工学院获得机器人、控制与智能系统博士学位。博士论文荣获Georges Giralt博士论文奖（欧洲最佳机器人博士论文）、ABB博士论文奖及EPFL博士卓越奖三项大奖。博士毕业后，她在MIT计算机科学与人工智能实验室的交互式机器人组从事了两年博士后研究，于2022年加入宾大。2025年，她获得NSF CAREER Award，这一奖项被誉为美国青年学者在科学与工程领域的最高荣誉之一。
4.2 研究聚焦：安全、控制与人机共融
Figueroa的研究聚焦于为人机协作机器人系统开发安全、控制、估计与学习方法。她的核心理念是：机器人需要能够在人类生活的动态空间中，与人和其它机器人安全且高效地互动。
SymSkill中“配合柔顺控制器实现安全不间断执行”的技术，正是Figueroa研究专长的直接体现。她先前的工作已经探索了反应式策略学习与稳定性保障的融合问题，为SymSkill提供了底层控制层面的理论支撑。可以说，Figueroa在柔顺控制与安全的交叉地带的深耕，是SymSkill能够从理论走向实验验证的关键一环。
2016年，她与合作者在机器人顶级会议RSS（Robotics: Science and Systems）上斩获最佳学生论文奖。十年后的ICRA 2026，她作为通讯作者指导博士生Yifei Shao再次登顶，见证了一个学术传承的闭环。
05
5.1 历史与规模
GRASP全称为General Robotics, Automation, Sensing & Perception Laboratory，成立于1979年，是宾夕法尼亚大学工程与应用科学学院内的跨学科学术中心。实验室旨在促进学生、研究人员和教师之间的合作，重点覆盖视觉、感知、控制系统、自动化和机器学习的基础研究。经过47年的发展，GRASP已成为全球机器人领域的核心阵地之一。
根据GRASP官网披露的数据，本届ICRA上，GRASP实验室在技术项目中发表了25篇论文，涉及15位教师作者、7位博士后作者和27位博士生作者。这组数字本身就说明了GRASP在学术界持续而深厚的产出能力。
5.2 SymSkill与GRASP的“统治力”
本届ICRA，GRASP实验室不仅在SymSkill上斩获双奖，同实验室的另一篇论文《Push Anything》也入围了Best Paper Award on Robot Manipulation and Locomotion方向的Finalist（最终提名）。一家实验室贡献两篇Finalist，GRASP在本届ICRA的“统治力”可见一斑。除此之外，GRASP的资深研究员Mark Yim还在大会上获得了T-RO杰出服务奖。这三项殊荣共同勾勒出了GRASP在机器人领域从理论研究到人才培养的全方位领先地位。
GRASP实验室的强势表现也被媒体称为ICRA 2026的“双杀”格局——石冠亚团队与GRASP Lab同日获得不同方向最高荣誉，这在ICRA历史上并不多。而对邵逸飞来说，能在博士生四年级就在这样一个顶级平台上获得最高认可，无疑为他的学术道路打开了无限可能。
06
SymSkill的获奖，不仅仅是对一项高质量研究的学术表彰，更是对一种研究范式的肯定——机器人的智能，不在于记住多少动作序列，而在于能否从少量数据中抽象出符号级的认知结构，并在动态变化的世界中实时适应。
正如SymSkill论文最后一句所暗示的：“The source code and additional analysis can be found on the project website”——代码已开源。SymSkill的意义不仅在于它赢下了ICRA的最高奖项，更在于它为全球所有机器人研究者打开了一扇门：门后是一条通往数据高效、实时可控、安全可靠的通用机器人操控的新路径。
在这个意义上，SymSkill不是终点，而是一个起点。
（本文基于GRASP实验室官网、ICRA 2026官方报道、SymSkill论文arXiv页面及相关人物公开资料撰写。SymSkill项目主页：https://symskill.github.io 论文arXiv ID：2510.01661）
去哪看 ICRA 核心【演讲/论文】详解？
为了让国内的研发者、创业者与投资人能够毫无时差地掌握本届 ICRA 2026 的完整干货，雷峰网(公众号：雷峰网)已全面上线【ICRA 2026 深度专区】。
专区不仅全面收录了重磅论文的工程化解读、专家前沿演讲，更将持续更新前方记者的第一手会议动态。
扫描下方二维码，或点击「阅读原文」关注专区。
与全球 8000 名顶尖大脑同步呼吸，抢先透视具身智能的下一个五年！
雷峰网特约稿件，未经授权禁止转载。详情见转载须知。
专题
