复旦团队提出RoboSkill具身智能框架

复旦大学可信具身智能研究院团队及其合作者提出RoboSkill，通过触觉反馈和技能积累，减少具身Agent在机器人任务中的重复探索与推理。在LIBERO-10仿真环境中，GPT-6-Astra和Opus 5在四小时预算内最终成功率均达到100%；真实机器人上，GPT-6-Astra完成六项简单任务和六项高难度任务的成功率分别为91.7%和80%。

复旦大学团队及其合作者提出RoboSkill，让具身Agent将探索出的有效方法和代码保存为技能，以减少后续任务中的重复推理与执行。论文评估显示，在LIBERO-10仿真环境中，GPT-6-Astra和Opus 5在四小时预算内的最终成功率均达到100%，但GPT-5.6-Sol平均耗时94.5分钟，说明机器人Agent仍面临效率问题。