---

title: “如何设计 机器人技能库与复用？一份工程手册”
authors: “[DeepThink.ai]”
affiliations: “[AI Genius Institute]”
keywords: “机器人技能库；技能复用；技能契约；跨具身迁移；技能组合；工程手册；证据门控；生命周期治理”

如何设计 机器人技能库与复用？一份工程手册

title: “如何设计 机器人技能库与复用？一份工程手册”
authors: “[DeepThink.ai]”
affiliations: “[AI Genius Institute]”
keywords: “机器人技能库；技能复用；技能契约；跨具身迁移；技能组合；工程手册；证据门控；生命周期治理”

标题解释假设：本文将标题理解为“面向机器人研发团队的技能库设计与复用工程手册”。“技能库”指经过验证、可检索、可组合、可治理的机器人行为资产集合；“复用”包括参数化复用、具身适配复用、组合复用与策略迁移四类。本文不假设某一特定硬件、任务或商业产品，目标读者为机器人学习、系统集成、评测、安全与平台团队；写作风格参考 NeurIPS/ACL 的系统与综述论文；论文类型为工程方法与证据综述，不报告新的实验结果。文中所有示例字段、阈值与接口均为说明性设计，需按实际项目标定。

Abstract（摘要）

机器人正从受控产线走向仓储拣选、家庭服务、实验室自动化与建筑施工等开放场景，任务种类、任务长度与具身形态持续增长。若每项任务都从零采集数据、训练策略并重新验证，研发成本难以摊薄，长程可靠性也难以保证。现有技能学习工作多关注技能发现、策略学习或语言规划，缺少把技能作为可版本化、可验证、可治理的软件资产来设计的工程方法。本文提出 SkillOps——一套面向机器人技能库与复用的参考框架：以能力—技能分离为原则，用显式技能契约描述前置/后置条件、参数、具身配置、安全包络与证据；以具身资源、技能运行时、技能资产、组合规划、治理演化五个平面组织系统；以四级粒度、四种复用模式和“复用距离 + 证据等级”的决策流程约束复用；以证据门控、语义化版本、运行遥测与数据回流形成闭环。本文不报告新的实证结果，而是汇总近期技能库系统的公开报告，给出评估协议、指标定义、参考实现蓝图、检查清单与实施路线图。该手册的目标是帮助团队把“技能复用”从代码复制转变为可审计的工程决策，并为跨具身、长程任务的技能资产建设提供共同语言。

---

你离拥有一支永不停歇、持续进化的 AI 超级研发团队，只差一次 git clone——DeepThink 是 AI Genius Institute & 光剑AI 打造的开源、免费、可自由使用的私有 AI 操作系统（AI OS）：在安全隔离的沙箱中自主执行代码、管理文件、完成超复杂长程任务，作为自托管、多用户、本地优先的 AI Agent Loop Engineering 系统，支持桌面端+浏览器+移动端，让 DeepThink 成为你的全能数字助手；它不止让你使用 AI，更要让你从工具使用者进化为代码创造者，最终成长为可自我繁衍的超级智能体，让每家企业都拥有自己的 AI 超级研发团队，一起走向 AGI——现在就去 git clone，顺手点亮 Star：你收藏的不是一个仓库，而是通往 AGI 的入场券。🚀

DeepThink，开源企业级自主 Agent 超级智能体自进化平台，是从 Harness Engineering 到 Loop Engineering 范式的先行者，面向企业客户的新一代 AI 基础设施（AI Infra）。DeepThink 平台以多 Agent 协作框架为核心，融合 AI 自主编程（AI Coding）、自主进化（Self-Evolving）、全栈可观测性（Full-Stack Observability）、Bug 自修复闭环（Bug Auto-Fix Loop） 与 程序员-Agent 共生协作（Human-Agent Symbiosis），构建一个能持续学习、自我改进、最终成长为超级智能体的企业级 AI 系统。

DeepThink 项目开源代码（如果你觉得好玩，就一起来玩， Star 一下）：
Gitcode: https://gitcode.com/AIGeniusInstitute/deepthink
Github: https://github.com/AIGeniusInstitute/deepthink

---

1 Introduction（引言）

机器人正在从受控产线走向仓储拣选、家庭服务、实验室自动化与建筑施工等开放场景。场景越多，任务越长，团队越难靠“一任务一策略”的方式扩展：每个新任务都要重新采集数据、训练或编写策略、做仿真回归与现场验证，成本无法摊薄；长程任务又要求多个行为可靠衔接，单点策略的成功率会被串联放大为不可接受的失败率。

技能（skill）被广泛视为解决这一问题的基本单位：把可复用的行为片段封装起来，通过参数化、组合与迁移完成新任务。Options 框架给出了时序抽象的经典形式（Sutton et al., 1999），技能发现与分层强化学习提供了自动获取技能的算法（Bacon et al., 2017; Eysenbach et al., 2018）。近年，大语言模型（Large Language Model, LLM）让“代码即策略”成为现实（Liang et al., 2023; Ahn et al., 2022）；Voyager 在开放世界中维护不断增长的技能库（Wang et al., 2023）；LRLL、SkillComposer、Uni-Skill 与 ASPIRE 进一步把技能库学习、宏技能压缩、技能感知规划与执行反馈结合起来（Tziafas & Kasaei, 2024; Woods & Seifi, 2026; Xie et al., 2026; Lu et al., 2026）。这些工作说明技能库是可行的，但没有完整回答工程团队最关心的问题：技能应该如何表示、如何划分粒度、如何判断能否复用、如何验证、如何版本化、如何安全退役。

现有实践存在四类缺口。第一，表示缺口：技能往往以代码或策略权重的形式存在，前置条件、适用边界、安全包络与证据散落在工程师头脑中，换一个人或换一台机器人就无法判断能否使用。第二，粒度缺口：系统要么是端到端大策略，要么是过细的底层原语，缺少可验证、可组合的中间层；粒度过粗导致失败不可诊断，粒度过细导致组合搜索爆炸。第三，复用缺口：复用常被等同于复制代码或重新绑定参数，缺少对语义、具身、环境与证据差距的显式评估，导致“看起来能复用、实际一用就坏”。第四，生命周期缺口：没有版本、遥测、回归、退役与责任机制，技能库会随着时间膨胀、分叉和腐化，最终从资产变成负担。

本文主张把技能库当作软件产品来运营，并提出 SkillOps：一套面向机器人技能库与复用的参考框架。其核心是三条设计决策。第一，能力与实现分离：规划器面向能力契约推理，执行器面向技能实现执行，二者通过契约摘要解耦。第二，契约先于代码：每个技能都必须用机器可读的契约描述输入输出、前置/后置条件、参数、具身配置、安全包络、监控、恢复与证据。第三，复用是受证据约束的决策：系统根据复用距离、风险等级与证据充分性，在直接复用、适配复用、组合复用与新建技能之间选择，并把决策与结果回流到库中。

本文的贡献如下：

• 提出 SkillOps 五平面参考架构与两条横向支柱，把技能库从“策略集合”转化为可分解、可验收、可治理的资产系统。
• 给出技能契约数据模型、L0–L3 粒度分类、六类获取通道与 G0–G4 证据门控，形成从候选到退役的完整闭环。
• 提出四种复用模式与“复用距离 + 证据等级”的决策流程，并给出组合成功率、复用经济性与检索复杂度的分析。
• 汇总近期技能库系统的公开证据，给出评估协议、指标、参考实现、检查清单与 12 个月路线图；本文不报告新的实验数据，所有未核实内容显式标注。

本文其余部分安排如下：第 2 节回顾相关工作；第 3 节给出 SkillOps 框架、契约、粒度、复用、运行时与治理方法；第 4 节给出评估协议与文献证据汇总；第 5 节讨论适用边界、安全与伦理；第 6 节总结并给出可执行的后续工作。

2 Related Work（相关工作）

2.1 时序抽象与技能发现

Options 框架把动作扩展为带有启动集、终止条件与内部策略的时序抽象，并在半马尔可夫决策过程（semi-MDP）中定义其语义（Sutton et al., 1999）。Option-Critic 通过策略梯度同时学习内部策略与终止函数，使技能边界可以端到端优化（Bacon et al., 2017）。DIAYN 用互信息最大化在无奖励条件下发现多样化技能，为无监督技能发现提供了代表性方法（Eysenbach et al., 2018）。这些工作回答了“技能如何学习”，但没有规定技能作为工程资产应携带哪些元数据、如何验证、如何跨具身复用、如何在安全关键场景中退役。本文把这些算法视为 L0–L2 技能的可能实现，重点补足契约、证据与治理层。

2.2 技能中心机器人学习与技能库

Code as Policies 让 LLM 生成调用感知与控制原语的程序（Liang et al., 2023）；SayCan 用 LLM 对候选技能的可供性打分，把语言规划与机器人可供性结合（Ahn et al., 2022）。二者都依赖人工定义的固定原语集合。Voyager 在 Minecraft 中通过自动课程、代码生成与技能库实现开放式探索，展示了“技能库随任务增长”的潜力（Wang et al., 2023）。LRLL 通过软记忆、自主探索、技能抽象器与终身学习算法持续扩展机器人技能库（Tziafas & Kasaei, 2024）。SkillComposer 用“生成—测试”循环与 Stitch 库学习把重复代码压缩为宏技能（Woods & Seifi, 2026）。Uni-Skill 构建 VerbNet 启发的层级技能分类，并在规划器发现技能缺口时自动扩展技能库（Xie et al., 2026）。ASPIRE 通过细粒度执行轨迹、持续扩展的技能库与进化搜索，把验证过的修复蒸馏为可复用技能（Lu et al., 2026）。Capability-Driven Skill Generation 把能力当作契约，用检索增强生成复用既有库与接口（da Silva et al., 2025）。在多机器人与复杂现场方面，GenSwarm 把 LLM 生成的代码策略扩展到多机器人部署（Ji et al., 2025）；Yu et al. (2025) 在建筑施工场景中把众包自然语言指令、可组合技能标准化与 LLM 结合，说明技能标准化对非结构化现场的价值。这些系统在“如何获取与增长技能”上取得了进展，但大多以单一系统或单一场景为验证对象，缺少跨系统的工程规范。本文抽取其共性，给出可复用的契约、粒度、复用决策与生命周期。

2.3 基础模型与跨具身复用

RT-1、RT-2、OpenVLA、Octo、π0 与 Gemini Robotics 等视觉—语言—动作（Vision-Language-Action, VLA）模型把大规模视觉语言预训练与机器人动作学习结合（Brohan et al., 2022, 2023; Kim et al., 2024; Octo Model Team, 2024; Black et al., 2024; Gemini Robotics Team, 2025）。Diffusion Policy 把扩散模型用于视觉运动策略学习，代表了学习型技能实现的另一类方法（Chi et al., 2023）；关于 VLA 的系统梳理可参见 Ma et al. (2024)。Open X-Embodiment 汇集跨具身数据并训练 RT-X 模型（Open X-Embodiment Collaboration, 2023）；PaLM-E 展示了具身多模态语言模型的可能性（Driess et al., 2023）；GR00T N1 与 π0.5 进一步面向人形机器人与开放世界泛化（NVIDIA, 2025; Physical Intelligence, 2025）。这些模型可以作为技能实现或技能先验，但“通用策略”不等于“可治理技能库”：模型版本、数据来源、适用边界、安全包络与证据仍需要显式管理。本文把 VLA 视为技能资产平面中的一种实现类型，并讨论如何用契约与证据约束其复用。

2.4 规划、组合与运行时

行为树提供了模块化、可组合的控制流，适合表达顺序、选择、并行与回退（Colledanchise & Ögren, 2018）。ROS 2 提供了分布式机器人系统的通信、发现与集成基础（Macenski et al., 2022）。VoxPoser 用 LLM 生成可组合的 3D 价值图，把语言指令映射为空间约束（Huang et al., 2023）。这些工作为组合与执行提供了机制，但组合的正确性仍取决于技能的前置/后置条件、资源互斥与安全约束。本文把行为树与任务规划器视为组合规划平面的执行载体，把技能契约作为组合正确性的语义来源。

2.5 基准与数据

CALVIN、LIBERO、RLBench、Meta-World、RoboCasa 与 BEHAVIOR-1K 等基准覆盖语言条件长程操作、终身知识迁移、多任务元学习与日常活动（Mees et al., 2022; Liu et al., 2023; James et al., 2019; Yu et al., 2019; Nasiriany et al., 2024; Li et al., 2024）。DROID、BridgeData V2 与 Open X-Embodiment 提供了大规模真实或跨具身数据（Khazatsky et al., 2024; Walke et al., 2023; Open X-Embodiment Collaboration, 2023）；MimicGen 用人类示范生成规模化数据（Mandlekar et al., 2023）。这些资源主要衡量任务成功率与泛化能力，不直接衡量技能库的契约完整率、复用成本、证据新鲜度与维护负担。本文在第 4 节提出库级评估协议，作为任务级基准的补充。

2.6 软件工程视角

Skillware 把智能体技能视为具有独立身份、生命周期与执行关系的持久行为工件，并给出软件本体与工程生命周期（Fan & Lan, 2026）；Agent Skills 综述从表示、获取、检索与演化四个阶段组织文献（Zhou et al., 2026）。这些工作与本文的“技能即资产”主张一致，但主要面向软件或智能体技能，未处理机器人特有的具身约束、实时性、安全包络与仿真—现实证据。本文借用其身份与生命周期思想，补充机器人技能契约、证据门控与运行时安全设计。

2.7 小结

综上，现有研究提供了技能学习、组合、规划与基础模型的能力，但缺少一套面向工程落地的统一规范。本文的差异在于：不以提出新的技能学习算法为目标，而是把技能库视为需要契约、证据、版本与治理的软件系统，给出可执行的设计方法、决策规则与验收清单。

3 Method：SkillOps 参考框架

3.1 问题形式化

设一个机器人任务为

$$\tau =(g,c,b,r),$$

其中 $g$ 为目标条件，$c$ 为任务上下文（对象、场景、人员、工具与环境约束），$b=(B_t,B_e,B_c)$ 为时间、能量与计算预算，$r$ 为执行任务的机器人或机器人团队。任务的成功判据记为 $\mathrm{Succ}(x,g)$，其中 $x$ 为真实状态。由于感知不完整，系统实际获得的是观测 $o\sim O(\cdot \mid x)$，而不是 $x$ 本身；概率机器人学用信念分布刻画这种不确定性（Thrun et al., 2005）。

一个技能定义为

$$s=(\mathrm{id},\kappa ,\pi ,{\varphi }_{\mathrm{pre}},{\varphi }_{\mathrm{post}},\theta ,\Sigma ,e,\mu ),$$

其中 $\mathrm{id}$ 为唯一标识与版本，$\kappa$ 为能力签名（能力名称、输入输出类型、单位与坐标系），$\pi$ 为执行策略（脚本程序、学习策略或混合策略），${\varphi }_{\mathrm{pre}}$ 为前置条件，${\varphi }_{\mathrm{post}}$ 为后置条件或效果，$\theta$ 为可绑定参数，$\Sigma$ 为安全包络， e ∈ { E 0 , E 1 , E 2 , E 3 } e\in\{E0,E1,E2,E3\} e∈{E0,E1,E2,E3} 为证据等级，$\mu$ 为来源、作者、评审、许可证与兼容性等元数据。技能库记为

L = { s 1 , s 2 , … , s N } . \mathcal{L} = \{s_1, s_2, \ldots, s_N\}. L={s1​,s2​,…,sN​}.

技能 $s$ 在观测 $o$、参数绑定 $\theta$ 与机器人 $r$ 下可用，当且仅当

$$\mathrm{App}(s,o,\theta ,r)⟺o\models {\varphi }_{\mathrm{pre}}(\theta )\wedge \mathrm{Cap}(r)\models \kappa \wedge \mathrm{Safe}(o,\theta ,\Sigma ,r),$$

其中 $\mathrm{Cap}(r)$ 表示机器人 $r$ 的能力集合，$\models$ 表示满足关系。该定义把“能力匹配”和“安全条件”与前置条件并列：即使几何条件满足，若机器人载荷、末端执行器、传感器或安全包络不匹配，技能也不应被调度。

技能 $s$ 对任务 ${\tau }^{\prime }$ 可复用，当且仅当存在参数绑定 ${\theta }^{\prime }$ 与适配器 $A$，使得

$$\mathrm{Reuse}(s,{\tau }^{\prime },A,{\theta }^{\prime })⟺\mathrm{App}(s,A(o^{\prime }),{\theta }^{\prime },r^{\prime })\wedge \mathbb{E}\left[\mathrm{Succ}(x^{\prime },g^{\prime })\right]\ge 1-ϵ,$$

其中 $ϵ$ 为任务可接受的风险水平。工程上的复用还必须满足证据条件：

$$\mathrm{ReuseOK}(s,{\tau }^{\prime },A,{\theta }^{\prime })⟺\mathrm{Reuse}(s,{\tau }^{\prime },A,{\theta }^{\prime })\wedge e(s)\ge e_{\mathrm{req}}(R({\tau }^{\prime }))\wedge d(s,{\tau }^{\prime })\le \delta (R({\tau }^{\prime })),$$

其中 $R({\tau }^{\prime })$ 为任务风险等级，$e_{\mathrm{req}}$ 为风险所要求的最低证据等级，$d$ 为复用距离，$\delta$ 为风险相关的距离阈值。该式是本文复用决策的核心：语义上可复用，不等于工程上可复用；工程上可复用，必须有证据支撑。

组合把已有技能组织为新任务。记组合图为 $G=(V,E)$，节点 $v\in V$ 为技能实例，边 $(u,v)\in E$ 表示执行顺序或数据依赖。顺序组合的语义条件是：前驱技能的后置条件在考虑未被修改的谓词（frame axioms）后，蕴含后继技能的前置条件：

$${\varphi }_{\mathrm{post}}(u)\wedge \mathrm{Frame}(u)\models {\varphi }_{\mathrm{pre}}(v).$$

并行组合还需要资源互斥与空间冲突检查；回退组合要求至少一个候选技能在失败状态下可用。行为树可以提供这些控制流的运行时实现，但技能契约才是组合正确性的语义来源。

技能库的长期目标不是单纯提高单任务成功率，而是在成本、风险与证据约束下最大化可验证的成功率：

$$\underset{\mathcal{L},{\pi }_{\mathrm{plan}}}{\max }{\mathbb{E}}_{\tau \sim \mathcal{T}}\left[\mathrm{Succ}(\tau )\right]\text{s.t.}\mathbb{E}[C(\tau )]\le B_c,\mathrm{Pr}[\mathrm{violation}(\tau )]\le ϵ,e(s)\ge e_{\mathrm{req}}(R(\tau )).$$

其中 $\mathcal{T}$ 为任务分布，${\pi }_{\mathrm{plan}}$ 为规划策略，$C(\tau )$ 为任务成本。该目标显式区分“成功率”“成本”“风险”与“证据”四个维度，避免用平均成功率掩盖高风险场景中的证据不足。

表 1 主要符号

符号	含义
$\tau$	任务
$g$	目标条件
$c$	任务上下文
$b$	时间、能量与计算预算
$r$	机器人或机器人团队
$x,o$	真实状态与观测
$s$	技能
$\kappa$	能力签名
$\pi$	执行策略
${\varphi }_{\mathrm{pre}},{\varphi }_{\mathrm{post}}$	前置条件与后置条件
$\theta$	参数绑定
$\Sigma$	安全包络
$e$	证据等级
$\mu$	元数据
$\mathcal{L}$	技能库
$d$	复用距离
$A$	具身或环境适配器
$R$	风险等级
$C$	成本

3.2 总体架构

SkillOps 采用五个平面与两条横向支柱，如图 1 所示。五个平面自下而上为：具身与资源平面（P0）、技能运行时平面（P1）、技能资产平面（P2）、组合与规划平面（P3）、治理与演化平面（P4）。两条横向支柱是安全与保障（A）和数据与评估（B），它们贯穿所有平面，而不是某一个独立阶段。

┌─────────────────────────────────────────────────────────────┐
│ 治理与演化平面（P4）                                         │
│ 版本 · 证据门控 · 安全评审 · 指标 · 退役 · 数据回流          │
└───────────────▲─────────────────────────────┬───────────────┘
                │ 证据/策略                     │ 阈值/审计
┌───────────────┴─────────────────────────────▼───────────────┐
│ 组合与规划平面（P3）                                         │
│ 任务解析 · 能力匹配 · 技能检索 · 接地 · 组合 · 冲突检查       │
└───────────────▲─────────────────────────────┬───────────────┘
                │ 契约摘要/候选技能             │ 技能实例/参数
┌───────────────┴─────────────────────────────▼───────────────┐
│ 技能资产平面（P2）                                           │
│ 能力契约 · 技能契约 · 实现 · 测试 · 证据 · 来源 · 版本       │
└───────────────▲─────────────────────────────┬───────────────┘
                │ 执行结果/遥测                 │ 实例化/绑定
┌───────────────┴─────────────────────────────▼───────────────┐
│ 技能运行时平面（P1）                                         │
│ 生命周期 · 前置检查 · 监控 · 异常 · 恢复 · 人工移交           │
└───────────────▲─────────────────────────────┬───────────────┘
                │ 传感/状态                     │ 控制指令
┌───────────────┴─────────────────────────────▼───────────────┐
│ 具身与资源平面（P0）                                         │
│ 机器人 · 末端执行器 · 传感器 · 工具 · 工位 · 人员 · 网络      │
└─────────────────────────────────────────────────────────────┘
   横向支柱 A：安全与保障（贯穿 P0–P4）
   横向支柱 B：数据与评估（贯穿 P0–P4）

图 1 SkillOps 五平面参考架构（纯文本框线示意）

五个平面的职责如下。

P0 具身与资源平面 管理机器人本体、末端执行器、传感器、工具、工位、人员与网络资源。该平面向上提供能力画像（载荷、臂展、自由度、精度、速度、传感器模态、移动方式、实时性），并维护坐标系、标定与硬件版本。技能能否被调度，首先取决于该画像是否满足能力签名与安全包络。

P1 技能运行时平面 把静态契约转化为受控执行。它负责实例化、参数绑定、前置检查、执行、过程监控、后置验证、异常恢复与人工移交。运行时必须独立于策略实现：监控器不直接修改策略，而是向运行时报告异常；运行时根据契约中的恢复策略决定重试、重参数化、局部重规划、切换到备选技能或移交人工。

P2 技能资产平面 是技能库的核心。它保存能力契约、技能契约、实现代码或策略权重、测试用例、证据记录、来源与版本。该平面向上提供“契约摘要”，使规划器无需读取完整实现即可进行能力级推理；向下提供“实例化接口”，使运行时可以绑定参数与硬件。

P3 组合与规划平面 负责把任务目标转化为技能组合。它包括任务解析、能力匹配、技能检索、感知接地、组合规划、资源与空间冲突检查。规划器可以是基于 LLM 的代码生成器、基于前/后置条件的任务规划器、行为树编译器，或三者的混合。无论采用哪种实现，组合结果都必须经过契约检查与安全包络检查。

P4 治理与演化平面 负责版本、证据、评审、指标、退役与数据回流。它决定一个候选技能能否进入资产库、一个已发布技能能否被复用、一个旧版本何时退役。治理平面不是“上线后再说”的附属流程，而是与 P2 共同定义技能资产的可信度。

两条横向支柱的职责如下。安全与保障 包括风险评估、安全包络、运行时监控、急停与回退、人工监督、标准符合性与事故复盘。数据与评估 包括数据采集、场景集构建、仿真回归、现场试验、遥测、指标与统计报告。二者贯穿所有平面，任何一个平面缺失安全或评估，都会使技能库失去工程可信度。

五个平面之间通过三类接口连接。第一，能力接口：面向规划器，提供能力签名、输入输出类型、前/后置条件摘要、成本估计与证据等级。第二，运行时接口：面向执行器，提供实例化、参数绑定、前置检查、执行、监控、中止与恢复。第三，证据接口：面向治理，提供测试报告、现场记录、运行统计、事故与版本信息。接口设计的核心原则是“规划器不读实现，执行器不改契约，治理层不绕过证据”。

基于上述架构，本文提出十条设计原则，如表 2 所示。这些原则不是抽象口号，而是对应具体失败模式的设计约束。

表 2 SkillOps 十条设计原则

原则	含义	忽略后的典型后果
P1 能力先于实现	先定义“做什么”，再选择“怎么做”	技能与硬件耦合，换机器人即失效
P2 契约先于代码	前置/后置条件、参数、安全包络先于实现	隐含假设无法检查，复用靠猜
P3 粒度为验证服务	粒度应使技能可测试、可诊断、可恢复	万能技能无法定位失败，过细技能组合爆炸
P4 参数化优先于复制	优先用参数与适配器覆盖差异	技能库分叉，重复维护
P5 复用是证据约束的决策	语义匹配之外还要看证据与风险	“看起来能复用”导致现场失败
P6 组合显式化	用前/后置条件、资源与不确定性描述组合	规划器生成不可执行的技能序列
P7 运行时与策略分离	监控、限速、急停独立于策略	策略错误直接转化为安全事故
P8 证据随版本旅行	每条证据绑定版本、场景与硬件	旧证据被错误沿用，回归失效
P9 失败是一等数据	记录失败类型、根因、恢复与修订	同类失败反复出现，库不进化
P10 技能库是产品	有负责人、路线图、指标与退役机制	库膨胀、腐化，最终没人敢用

3.3 技能契约与数据模型

技能契约是 SkillOps 的核心数据对象。它把“这个技能能做什么、在什么条件下可用、执行后保证什么、在什么范围内安全、证据有多强”从实现细节中抽取出来，变成可检索、可比较、可审计的结构化信息。表 3 给出建议字段。

表 3 技能契约的建议字段

字段	作用	设计要求
skill_id / version	唯一标识与语义化版本	版本不可变；破坏性变更提升主版本号
status	候选、验证中、激活、弃用、退役	状态转换必须留痕
capability	能力名称、动词、对象类别、输入输出类型	与具体机器人解耦；统一单位与坐标系
embodiment	机器人类别、载荷、臂展、自由度、末端、传感器、移动方式	用于具身匹配与替换
preconditions	几何、语义、感知不确定性、人员、资源条件	必须可判定或可人工确认
postconditions	目标状态、容差、质量指标、副作用	与任务验收标准对齐
parameters	对象位姿、目标位姿、力/速度、路径约束	给出类型、单位、范围、默认值
policy	脚本、学习策略或混合策略	记录运行时、依赖与检查点
safety_envelope	工作空间、速度、力、载荷、人机距离、急停行为	与风险评估和标准条款关联
monitors	过程信号、阈值、采样频率、动作	明确延迟与失效安全行为
recovery	重试、重参数化、局部重规划、回退、移交	恢复策略本身也要验证
evidence	测试用例、仿真报告、现场记录、运行统计	绑定版本、场景集与硬件配置
provenance	作者、数据来源、评审人、许可证	支持审计与责任界定
compatibility	中间件、消息类型、依赖版本、硬件修订	避免运行时集成冲突
cost	启动时间、执行时间、计算、人工	支持复用经济性评估

契约设计应遵循以下规则。第一，每个字段都必须回答一个复用决策问题；如果一个字段从不影响“能否用、怎么用、是否安全”，它就不应进入契约。第二，条件必须可判定或可人工确认；禁止使用“合适”“稳定”“正常”等无法检验的表述。第三，单位和坐标系必须显式；同一技能在不同工位、不同机器人上的失败，很多源于坐标系或单位不一致。第四，不确定性必须显式；前置条件应说明位姿误差、感知置信度与遮挡情况，而不是把观测当作真值。第五，证据必须绑定版本；不能把旧版本的测试结果默认继承到新版本。第六，安全包络独立于策略；即使策略输出异常，运行时也必须能够限速、限力、停机。第七，许可证与数据来源必须记录；跨组织共享技能时，许可证与数据授权是硬约束。

下面给出一个说明性的技能契约示例。字段值为示例，不代表真实技能或已验证结果。

skill_id: manip.pick_object
version: 1.3.0
status: active
owner: manipulation-team

capability:
  verb: pick
  object_class: [cup, bottle, box]
  goal: "grasp object and lift to stable transport pose"
  inputs:
    object_id: string
    grasp_pose: pose6d
    approach_dir: unit_vector
  outputs:
    held_object_id: string
    grasp_quality: float

embodiment:
  robot_class: mobile_manipulator
  min_payload_kg: 3.0
  min_reach_m: 0.8
  end_effector: parallel_jaw
  sensors: [rgbd, wrist_ft]
  frames: {base: robot_base, tool: tcp}

preconditions:
  - "visible(object_id) == true"
  - "pose_uncertainty(object_id) <= 0.01 m"
  - "workspace_clear(grasp_pose, 0.15 m) == true"

postconditions:
  - "grasped(object_id) == true"
  - "lift_height >= 0.05 m"
  - "slip_events == 0"

parameters:
  grasp_force_n: {type: float, range: [5, 40], default: 15}
  approach_speed_mps: {type: float, range: [0.01, 0.2], default: 0.05}
  max_retries: {type: int, range: [0, 3], default: 1}

safety_envelope:
  max_tcp_speed_mps: 0.25
  max_force_n: 40
  human_proximity_action: pause
  payload_limit_kg: 3.0

monitors:
  - signal: wrist_ft.force_norm
    threshold: 35
    action: pause
  - signal: gripper.width_mm
    threshold: 2
    action: abort

recovery:
  - on: grasp_failed
    action: retry_with_offset
    max_attempts: 2
  - on: repeated_failure
    action: human_handover

evidence:
  E0: {report: evidence/E0_contract_check.json, date: "YYYY-MM-DD"}
  E1: {report: evidence/E1_sim_report.json, date: "YYYY-MM-DD"}
  E2: {report: evidence/E2_field_report.json, date: "YYYY-MM-DD"}
  E3: null

provenance:
  author: manipulation-team
  data: [internal_demos_v4, open_x_embodiment_subset]
  license: internal

compatibility:
  ros_distro: humble
  policy_runtime: python3.11
  hardware_revision: ">=2.1,<3.0"

契约有两种面向不同读者的形态。机器契约（YAML/JSON）供注册表、规划器与运行时读取；技能卡（Markdown）供工程师、评审人与运维人员阅读，内容包括用途、适用边界、已知失败、证据摘要、负责人、版本与示例。二者必须由同一份源文件生成或交叉校验，避免“文档一套、系统一套”。

反模式：把大量条件分支塞进一个“万能技能”，导致契约无法判定；为了让技能通过测试而放宽前置条件；在技能库外维护“临时补丁”，使版本与证据脱节；只记录成功案例，不记录失败案例与适用边界；把安全阈值硬编码在策略里，导致运行时无法独立限速。这些做法短期降低开发成本，长期破坏技能库的可信度。

3.4 技能粒度与分类

技能粒度直接影响复用范围、组合复杂度与验证成本。粒度过细，技能数量膨胀，组合搜索空间变大，且大量技能只服务于单一动作；粒度过粗，技能内部耦合严重，前置条件难以判定，失败后也难以定位。本文建议采用四级粒度，并在工程中按任务复杂度裁剪。

表 4 技能粒度分级

粒度	典型时间尺度	典型内容	复用范围	主要验证重点
L0 运动/力控原语	毫秒至秒	点到点运动、直线运动、力控接触、夹爪开合、工具启停	同构或近同构设备	控制稳定性、位置/力精度、急停响应
L1 单元技能	秒至分钟	抓取、放置、开门、按按钮、插入、拧紧	同类末端与对象类别	成功率、接触力、容差、恢复
L2 工序技能	分钟至小时	倒水、装盘、装载洗碗机、装配一个部件	同类工序与场景	长时序稳定性、异常恢复、质量验收
L3 流程技能	小时至天	清理厨房、完成一个工位节拍、换线	同类流程与场地	资源冲突、工序衔接、人工协作

粒度设计应遵循五条规则。第一，单一可验收效果：一个技能只负责一个可验证的物理效果，避免“顺便”完成其他动作。第二，稳定接口：输入输出使用与具体机器人无关的几何与语义类型，例如“对象标识 + 目标位姿 + 容差”，而不是“关节角序列”。第三，可测试性：每个技能都应能构造至少一个通过案例与一个失败案例；否则说明契约或边界不清。第四，恢复边界：如果一个失败模式需要完全不同的恢复策略，考虑把它拆成独立技能，而不是在一个技能内部堆叠条件分支。第五，安全边界：如果一个子行为需要不同的安全包络或人工监督级别，应拆分为独立技能，以便独立限速、限力与停机。

技能分类建议采用“动词 + 对象 + 目标 + 约束”的能力签名，而不是按实现技术分类。例如：

• pick(object_class, grasp_pose, force_limit)：抓取并提升到稳定运输位姿。
• place(object_id, target_pose, tolerance)：把已抓取对象放置到目标位姿。
• open(articulated_object, handle_pose)：打开抽屉、柜门或阀门。
• press(button, pose)：按压按钮或开关。
• navigate(target_pose, clearance)：在环境中移动到目标附近。
• insert(peg, hole, tolerance)：把轴插入孔，完成接触丰富的对位。
• pour(source, target, volume)：把液体或颗粒从源容器倒入目标容器。

这种分类使规划器可以在能力层进行推理，而不必知道底层是脚本、模仿学习策略还是 VLA 模型。它也为检索提供了稳定的索引键：当任务要求“把杯子放进洗碗机”时，规划器可以先检索 pick(cup)、navigate(dishwasher)、open(dishwasher)、place(cup, rack)、close(dishwasher) 等能力，再根据具体机器人选择实现。

粒度选择可以用一个简化的工程目标来描述。设 $\mathcal{P}$ 为技能划分，$C_{\mathrm{verify}}(s)$ 为单个技能的验证成本，$C_{\mathrm{compose}}(\tau )$ 为组合规划成本，$C_{\mathrm{failure}}(\tau )$ 为失败诊断与恢复成本，$C_{\mathrm{retrieval}}(N)$ 为库规模 $N$ 下的检索成本。则

$$
J(\mathcal{P}) =
\alpha \sum_{s\in\mathcal{L}} C_{\mathrm{verify}}(s)

• \beta ,\mathbb{E}{\tau}\left[C{\mathrm{compose}}(\tau)\right]
• \gamma ,\mathbb{E}{\tau}\left[C{\mathrm{failure}}(\tau)\right]
• \delta , C_{\mathrm{retrieval}}(|\mathcal{L}|).
  $$

粒度越细，单个技能的验证成本通常越低、可复用范围越广，但技能数量、组合深度与检索成本上升；粒度越粗，组合深度下降，但单个技能的验证成本、失败诊断成本与安全评审成本上升。该式不是要给出一个普遍最优值，而是提醒团队：粒度选择是一个多目标工程决策，不应只由算法便利性决定。实际项目中，建议先用 L1 作为主要复用单元，用 L2 表达高频工序，用 L0 封装硬件相关原语，用 L3 表达跨工序流程。

3.5 技能获取与准入

技能获取有六类主要通道。每类通道的产出都应视为候选，而不是可直接投产的资产。

表 5 六类技能获取通道

通道	典型方法	优势	风险	准入重点
专家编程	脚本、状态机、行为树、参数化模板	语义清晰、可控性强	成本高、覆盖长尾难	契约完整性、边界测试
示教与遥操作	动捕、示教器、VR/AR 遥操作、模仿学习	保留人类技巧、适合精细操作	数据偏差、具身差异	示范条件记录、分布外测试
仿真强化学习	域随机化、课程学习、仿真到现实迁移	可探索危险/罕见场景、可大规模采样	仿真—现实差距	迁移证据、鲁棒性测试
LLM 代码生成	代码即策略、RAG 复用接口、生成—测试循环	降低编写成本、快速组合	幻觉、接口误用、安全风险	静态检查、沙箱、人工评审
库学习与日志挖掘	宏技能压缩、技能抽象、重复序列挖掘	贴近实际、可发现隐性复用	日志噪声、隐私、因果混淆	失败标注、可解释性
基础模型蒸馏	VLA 微调、策略蒸馏、残差适配	利用大规模先验、泛化强	数据与算力成本、灾难性遗忘	版本绑定、回归测试

示教与遥操作是机器人技能获取的经典通道，机器人学习从示范综述总结了其数据、表征与评估问题（Argall et al., 2009）；ALOHA 等工作展示了低成本硬件与高质量示范对精细操作的价值（Zhao et al., 2023）。仿真强化学习依赖仿真—现实迁移，域随机化与系统辨识是常用手段，但仿真不能替代现场验证（Zhao et al., 2021）。LLM 代码生成可以显著降低编写成本，Code as Policies 与 Capability-Driven Skill Generation 分别展示了程序生成与能力契约复用的可行性（Liang et al., 2023; da Silva et al., 2025）；SkillComposer 进一步用生成—测试循环与库学习沉淀宏技能（Woods & Seifi, 2026）。库学习与日志挖掘可以把运行经验转化为技能，LRLL 与 ASPIRE 分别从终身学习与执行反馈角度提供了证据（Tziafas & Kasaei, 2024; Lu et al., 2026）。基础模型蒸馏则把 VLA 的通用先验压缩为特定技能实现（Brohan et al., 2023; Kim et al., 2024; Black et al., 2024）。

无论来源如何，候选技能都要经过契约化流水线与证据门控。表 6 给出 G0–G4 五个门控。G0–G3 对应证据等级 E0–E3；G4 是周期复核，不产生新的证据等级，但会维持或撤销已有等级。

表 6 证据门控与证据等级

门控	输入	通过条件	产出证据
G0 契约检查	契约、实现、依赖、许可证	Schema 通过；单位/坐标系完整；安全字段齐全；依赖可解析	E0：静态检查报告
G1 仿真回归	E0 证据、随机化场景集、单元测试	功能用例通过；关键场景通过；失败模式可解释	E1：仿真报告与覆盖率
G2 受控现场	E1 证据、受控场地、安全观察员	低速试跑通过；急停/回退有效；无严重事件	E2：现场记录与风险评审
G3 生产试点	E2 证据、监控方案、回滚预案	试点窗口内达到组织规定的稳定性与安全指标	E3：运行统计与事件日志
G4 周期复核	E3 证据、变更记录、事故记录	证据未过期；变更已评估；无未关闭高风险缺陷	维持或撤销证据等级

证据等级应与任务风险匹配。表 7 给出建议矩阵；具体阈值必须由组织根据法规、场景与保险要求标定。

表 7 风险—证据准入矩阵（建议）

任务风险	典型场景	最低证据	额外要求
低	可逆、无人、低速、轻载	E1	运行时监控；失败可安全停止
中	有人共处、中速、易碎或贵重对象	E2	安全观察员；回退策略；人工接管
高	高速、大载荷、危险能量、不可逆操作	E3	独立安全评审；冗余监控；限速/限力；事故预案

LLM 生成的技能需要额外 safeguards。第一，静态分析：检查危险 API、未绑定变量、越界参数与不安全控制流。第二，沙箱执行：在隔离环境中运行，限制文件、网络与硬件访问。第三，单元与场景测试：至少覆盖正常、边界与失败三类用例。第四，仿真回归：在随机化场景中验证泛化与安全包络。第五，人工评审：高风险技能必须由技能负责人和安全评审人签字。第六，来源记录：记录模型版本、提示、检索文档、生成时间与修改历史。语言模型的置信度不能作为准入依据。

数据与许可证同样是准入条件。用于训练或验证技能的数据应记录来源、授权范围、隐私处理与脱敏版本；跨组织共享时，应优先共享能力契约、接口定义与测试方法，而不是原始数据或商业敏感参数。

3.6 检索、接地与组合

技能检索的目标不是“找到最相似的技能”，而是“找到在当前任务、当前机器人、当前风险约束下最值得尝试的技能”。检索流程建议分为六步，如图 2 所示。

任务 τ'
  │
  ├─▶ 1. 查询构造：目标、对象、场景、机器人画像、约束、风险
  │
  ├─▶ 2. 候选生成：词法索引 + 向量索引 + 能力本体 + 效果索引
  │
  ├─▶ 3. 硬过滤：能力签名、具身画像、安全包络、许可证、证据等级
  │
  ├─▶ 4. 重排序：语义相似、效果匹配、历史成功率、成本、风险、时效
  │
  ├─▶ 5. 感知接地：对象检测/位姿、可供性、场景图、参数绑定
  │
  └─▶ 6. 组合与验证：前/后置条件、资源互斥、碰撞检查、干跑/仿真

图 2 技能检索、接地与组合流程（纯文本框线示意）

查询构造应包含以下字段：任务目标（自然语言与结构化目标）、对象类别与属性、场景上下文（工位、容器、障碍物、人员）、机器人画像（类别、末端、传感器、载荷）、约束（时间、精度、力、清洁度）、风险等级。一个可复用的查询模板如下：

task: "put the cup into the dishwasher"
goal:
  predicate: "in(cup, dishwasher_rack)"
  tolerance_m: 0.02
objects:
  - {id: cup_1, class: cup, material: ceramic, fragile: true}
  - {id: dishwasher_1, class: dishwasher, state: closed}
robot:
  class: mobile_manipulator
  end_effector: parallel_jaw
  payload_kg: 3.0
constraints:
  max_force_n: 30
  max_speed_mps: 0.2
risk: medium

候选生成建议采用混合索引。词法索引（如 BM25）适合匹配技能名称、对象类别与描述；向量索引适合匹配自然语言意图与语义近邻；能力本体适合按动词、对象、目标与约束进行结构化检索；效果索引适合按后置条件（如 open(drawer)、holding(cup)）检索。单一索引容易漏召回：词法索引无法处理同义表达，向量索引无法保证能力签名匹配，本体索引无法覆盖长尾描述。混合召回后再做硬过滤与重排序，通常比单一方法更稳健。

重排序可以使用一个可解释的打分函数：

$$
\mathrm{score}(s,\tau) =
\lambda_1 \mathrm{sim}_{\mathrm{sem}}(s,\tau)

• \lambda_2 \mathrm{sim}_{\mathrm{eff}}(s,\tau)
• \lambda_3 \mathrm{fit}_{\mathrm{emb}}(s,r)
• \lambda_4 \widehat{\mathrm{succ}}(s,\tau)

• \lambda_5 \widehat{C}(s,\tau)
• \lambda_6 \widehat{R}(s,\tau),
  $$

其中 ${\mathrm{sim}}_{\mathrm{sem}}$ 为语义相似度，${\mathrm{sim}}_{\mathrm{eff}}$ 为效果匹配度，${\mathrm{fit}}_{\mathrm{emb}}$ 为具身匹配度，$\widehat{\mathrm{succ}}$ 为历史成功率估计，$\hat{C}$ 为成本估计，$\hat{R}$ 为风险估计，${\lambda }_i$ 为组织可调权重。该函数不追求“最优”，而是把决策因素显式化，便于审计与调参。

感知接地的任务是把任务中的符号对象绑定到具体几何与物理参数。它至少包括：对象检测与分割、位姿估计、可供性预测、场景图构建、容器/支撑面识别、障碍物与人员检测。接地结果应携带不确定性；若位姿误差超过技能前置条件允许范围，规划器应选择“重新观测”“降低速度”或“移交人工”，而不是把估计值当作真值。

组合规划可以采用三种实现：基于前/后置条件的符号规划、基于 LLM 的程序生成、基于行为树的控制流编排。三者可以混合：LLM 负责生成候选分解，符号规划器负责检查前/后置条件，行为树负责运行时控制。无论哪种实现，组合结果都应满足以下条件：

1. 每个技能实例的能力签名与机器人画像匹配。
2. 相邻技能的前/后置条件在 frame axioms 下匹配。
3. 并行技能的资源与空间不冲突。
4. 每个高风险技能有监控、回退与人工接管方案。
5. 组合整体满足时间、能量与安全预算。
6. 组合在仿真或干跑中通过最低验证门槛。

顺序组合的成功率可以用一个简单模型估计。若子任务独立，则

$$P(\text{success})=\prod _{i=1}^k{p}_i;$$

一般情况下，所有子任务同时成功是任一子任务成功的子集，因此

$$P(\text{success})\le \underset{i}{\min }{p}_i.$$

若每个子任务有检测与恢复机制，检测率为 $d_i$，恢复成功率为 $r_i$，则修正后的成功率为

$$p_i^{\prime }=p_i+(1-p_i)d_i{r}_i.$$

该式说明：长程任务的可靠性不能只靠提高单点成功率，还必须投资检测与恢复。这也是运行时监控与恢复策略必须进入技能契约的原因。

图 3 给出一个“把杯子放进洗碗机”的行为树示例。每个叶子节点对应一个带契约的技能实例；Fallback 表示首选失败时尝试备选；Retry 表示有限次重试；HumanHandover 表示移交人工。图中的回边表示由重试装饰器实现的有限循环，而不是无界循环。

Sequence（把杯子放进洗碗机）
├── Fallback
│   ├── LocateCup（L1：定位杯子）
│   └── Reobserve（L1：重新观测）──▶ LocateCup
├── GraspCup（L1：抓取杯子）
├── Fallback
│   ├── NavigateToDishwasher（L1：导航到洗碗机）
│   └── HumanHandover（L2：人工移交）
├── OpenDishwasher（L1：打开洗碗机）
├── PlaceCup（L1：放置杯子）
├── CloseDishwasher（L1：关闭洗碗机）
└── VerifyPlacement（L1：验证放置）
    └── Fallback
        ├── RePlace（L1：重新放置）──▶ VerifyPlacement
        └── HumanHandover（L2：人工移交）

图 3 技能组合的行为树示例（纯文本框线示意）

反模式：让 LLM 直接在一个未标注的原语集合上生成代码，却不检查前置条件；把“语义相似”当作“可执行”；忽略资源互斥，生成两个同时占用同一机械臂的技能；把不确定性当作确定值；在组合失败后只重试整个任务，而不定位失败技能。这些做法会把组合问题转化为不可诊断的端到端失败。

3.7 复用机制与决策

技能复用有四种基本模式，按实现成本从低到高排列。

表 8 四种复用模式

模式	变更内容	典型成本	证据更新	示例
参数化复用	只重新绑定参数	低	参数范围检查；必要时抽检	用同一个 pick 技能抓取不同尺寸的杯子
具身适配复用	坐标、末端、运动学、传感器适配	中	重新标定；E2 定向验证	同一抓取技能迁移到另一台机械臂
组合复用	用已有技能组成新工序	中	组合级仿真/现场验证	用 pick、open、place 组成装洗碗机
策略迁移复用	微调、蒸馏、残差学习	高	新数据回归；E2/E3 重新评估	用 VLA 先验微调新对象类别的策略

参数化复用 是最经济的复用方式。技能实现不变，只重新绑定对象、位姿、力、速度、容差等参数。其关键是参数类型与约束的完备性：如果技能内部隐含“对象必须为刚性且重心已知”的假设，而契约没有记录，那么换一种材料时就可能失败。因此，参数化复用之前必须做契约匹配检查，而不是只做类型检查。

具身适配复用 把同一能力映射到不同机器人。适配器至少处理四类差异：坐标系与标定、末端执行器与工具、运动学与动力学约束、传感器配置。适配器不应修改技能的核心语义；如果适配需要改变前置条件或效果，说明这已经不是同一个技能，应创建新的技能变体并记录派生关系。

组合复用 把已有技能按任务图组合成新工序。组合的正确性依赖前/后置条件匹配、资源互斥与空间冲突检查。组合复用最容易出现的错误是“条件看起来匹配，但状态估计不一致”，因此组合规划器应显式传播不确定性，而不是把观测当作真值。

策略迁移复用 把已有学习型策略作为初始化，在新数据上微调、蒸馏或做残差学习。VLA 与跨具身数据为策略迁移提供了强先验（Brohan et al., 2023; Open X-Embodiment Collaboration, 2023; Kim et al., 2024），但微调数据的采集成本高，且分布偏移可能来自对象、光照、背景、基座扰动与接触动力学。策略迁移必须配合分布外检测与运行时监控，不能仅凭离线验证集误差判断可用性。

复用决策应显式比较“语义距离”“具身距离”“环境距离”与“证据差距”。本文建议使用归一化的复用距离：

$$
d(s,\tau’) =
w_1 d_{\mathrm{pre}}

• w_2 d_{\mathrm{post}}
• w_3 d_{\mathrm{emb}}
• w_4 d_{\mathrm{env}}
• w_5 d_{\mathrm{unc}},
  \qquad
  \sum_{i=1}^{5} w_i = 1,
  $$

其中 $d_{\mathrm{pre}}$、$d_{\mathrm{post}}$、$d_{\mathrm{emb}}$、$d_{\mathrm{env}}$、$d_{\mathrm{unc}}$ 分别表示前置条件、后置条件、具身配置、环境条件与不确定性之间的归一化差异；权重 $w_i$ 由组织根据风险偏好设定。复用决策还应满足证据条件 $e(s)\ge e_{\mathrm{req}}(R({\tau }^{\prime }))$。图 4 给出决策流程。

任务 τ'
  │
  ├─▶ 检索候选（词法/向量/本体/效果索引）
  │
  ├─▶ 硬过滤（能力、具身、安全包络、许可证、证据等级）
  │
  ├─▶ 计算复用距离 d 与证据充分性 e ≥ e_req(risk)
  │
  ├─ d ≤ δ_low 且 e 足够 ──────────────▶ 直接复用
  ├─ δ_low < d ≤ δ_mid 且 e 足够 ──────▶ 适配 + 定向再验证
  ├─ d > δ_mid 或能力不匹配 ───────────▶ 重新组合或新建技能
  └─ 高风险/证据不足 ──────────────────▶ 人工评审 + 受控试验
        │
        └─▶ 记录决策、证据与运行结果，回流技能库

图 4 复用决策流程（纯文本框线示意）

阈值 ${\delta }_{\mathrm{low}}$、${\delta }_{\mathrm{mid}}$ 与 $e_{\mathrm{req}}$ 不应拍脑袋设定。建议用历史复用案例做校准：收集“复用成功/失败”的样本，标注距离分量、证据等级与结果，拟合一个校准曲线或训练一个简单的风险模型；再用交叉验证选择阈值。在没有历史数据时，可以采用保守默认值，并在小范围试点中逐步调整。所有阈值都应记录在治理配置中，而不是散落在代码里。

复用是否划算，可以用一个经济性模型判断。设新建技能的成本为 $C_{\mathrm{build}}$，检索、适配、验证与风险成本分别为 $C_{\mathrm{retrieve}}$、$C_{\mathrm{adapt}}$、$C_{\mathrm{validate}}$、$C_{\mathrm{risk}}$，则单次复用的净收益为

$$
B_{\mathrm{reuse}} =
C_{\mathrm{build}}

• \left(C_{\mathrm{retrieve}} + C_{\mathrm{adapt}} + C_{\mathrm{validate}} + C_{\mathrm{risk}}\right).
  $$

若技能被复用 $n$ 次，总收益为

$$B_{\mathrm{total}}=\sum _{j=1}^n{B}_{\mathrm{reuse}}({\tau }_j)-C_{\mathrm{maint}},$$

其中 $C_{\mathrm{maint}}$ 为维护、回归与退役成本。复用只有在 $B_{\mathrm{reuse}}>0$ 且证据条件满足时才应被批准。该模型解释了为什么“能复用”不等于“值得复用”：当适配与验证成本接近甚至超过新建成本时，复用只是把成本推迟到验证阶段。

复用反模式：为了复用而放宽前置条件；忽略末端执行器差异；把源场景的成功率直接当作目标场景的成功率；复用未经许可的第三方技能；在技能库外复制粘贴并私自修改；只记录复用成功，不记录复用失败。这些做法会让技能库失去可信度，最终迫使团队回到“一任务一策略”。

3.8 运行时监控、失败分类与恢复

技能运行时负责把静态契约转化为受控执行。一个典型的执行状态机如下：

INSTANTIATE → BIND → PRECHECK → EXECUTE → MONITOR → POSTCHECK → CLOSE
                                  │
                                  ├─ 异常 ─▶ RECOVER
                                  │            ├─ RETRY
                                  │            ├─ REPARAMETERIZE
                                  │            ├─ LOCAL_REPLAN
                                  │            ├─ FALLBACK_SKILL
                                  │            ├─ SAFE_STOP
                                  │            └─ HUMAN_HANDOVER
                                  └─ 超时 ─▶ SAFE_STOP / HANDOVER

图 5 技能执行状态机（纯文本框线示意）

各阶段的职责如下。实例化 创建技能实例并加载实现；绑定 把参数、坐标系、机器人画像与运行时配置绑定到实例；前置检查 验证契约中的前置条件与安全包络；执行 调用策略并输出控制指令；监控 采集几何、力、进度、时间、人员与环境信号；后置检查 验证后置条件与质量指标；关闭 释放资源、记录遥测并更新证据。

过程监控建议覆盖六类信号：

1. 几何信号：位姿、距离、间隙、碰撞风险、工作空间边界。
2. 力/力矩信号：接触力、力矩、滑移、过载。
3. 进度信号：任务完成度、剩余路径、阶段切换、重试次数。
4. 时间信号：超时、节拍、延迟、抖动。
5. 人员与环境信号：人员进入、距离、光照、风载、温度、粉尘。
6. 软件与硬件健康：通信延迟、丢包、关节温度、传感器故障、依赖版本。

监控器不直接修改技能策略，而是向运行时报告异常；运行时根据契约中的恢复策略决定动作。这种职责分离可以避免监控逻辑与业务逻辑纠缠，也便于独立验证安全行为。

表 9 机器人技能的主要失败类型与恢复方向

失败类型	典型表现	首选恢复方向
感知/定位失败	目标丢失、位姿漂移、分割错误	重新观测、局部重定位、降低速度
抓取/接触失败	滑移、夹持力不足、接触不稳定	调整抓取位姿与力、更换末端、重试
对位/容差失败	孔位偏差、倾斜、间隙超差	微调参数、力控搜索、局部重规划
对象/材料变异	尺寸偏差、表面摩擦变化、易碎	重新估计属性、调整力/速度、换技能变体
规划/参数错误	路径碰撞、顺序错误、资源冲突	重新规划、回退到稳定状态
硬件异常	关节过热、通信中断、工具故障	安全停机、诊断、人工介入
人员干扰	人员进入作业区、指令变更	暂停、清场、重新确认任务
环境扰动	光照突变、遮挡、风载、地面不平	切换传感器、降低速度、延期作业
软件/集成异常	接口不兼容、消息丢失、版本冲突	回滚版本、隔离节点、重启服务

失败分类的价值不仅在于恢复，还在于回流。每次失败都应标注类型、根因、恢复结果与是否触发契约修订；如果同一失败在多个任务或多个场地重复出现，应升级为技能库级别的缺陷，而不是在每个项目中单独打补丁。

人工移交是运行时的重要能力。移交应包含触发条件、移交内容、权限转移、超时升级与事后复盘。触发条件可以是连续失败、证据不足、人员进入、传感器故障或任务超出安全包络；移交内容至少包括任务目标、当前状态、已完成步骤、失败原因、候选恢复方案与安全注意事项；权限转移必须明确“谁有权继续执行、谁有权修改参数、谁有权终止任务”；超时升级应有明确的服务等级目标；事后复盘应把人工干预转化为新的失败样本与技能改进项。

3.9 版本化、证据与技能演化

技能库不是一次性交付物，而是持续演化的资产。为避免“越改越乱”，建议采用以下治理规则。

语义化版本：技能版本采用“主版本.次版本.修订号”的形式。修改实现但不改变契约语义时提升修订号；增加可选参数或扩展适用场景时提升次版本号；改变前/后置条件、安全包络或执行语义时提升主版本号。主版本变更意味着依赖该技能的组合作业必须重新验证。

不可变发布：已发布的技能版本不可原地修改；修复通过新版本完成，并保留指向被替代版本的链接。这样可以保证历史日志与证据始终可追溯。

证据绑定：每条验证证据都绑定到具体版本、场景集、硬件配置、软件栈与日期。跨版本继承证据需要经过差异评审，不能默认沿用。

证据过期与再验证触发：证据应设置有效期，并在以下情况下触发再验证：硬件或固件变更、末端执行器或传感器变更、运行时/依赖升级、场景分布显著变化、发生安全事故或近失事件、基准或法规更新。再验证可以是定向的（只测试受影响的场景），但不能省略。

数据回流：运行日志、失败案例、人工干预记录与现场偏差应定期回流到技能库。回流数据需要脱敏、分级与访问控制；涉及人员影像、位置或语音的数据应遵循隐私政策与当地法规。回流不是简单地“把日志存起来”，而是要经过失败挖掘、候选生成、契约化、门控与发布，形成闭环。

库健康度：建议持续监测表 10 中的指标。库健康度不是“技能越多越好”；一个庞大但低质量的技能库会增加检索负担、验证成本与安全风险。

表 10 技能库健康度指标

指标	定义	用途
契约完整率	通过 G0 的字段比例	发现元数据缺口
证据覆盖率	具有有效证据的激活技能比例	发现“无证据上线”
证据新鲜度	证据年龄在有效期内的比例	发现过期证据
复用率	复用技能执行次数 / 总技能执行次数	衡量资产被使用程度
复用成功率	复用执行成功次数 / 复用执行次数	衡量复用决策质量
重复技能比例	近重复技能对 / 技能对总数	发现库分叉
长期未使用比例	超过阈值未使用的激活技能比例	发现僵尸技能
事故率	单位执行次数的事故/近失次数	衡量安全风险
平均修复时间	从事故发现到恢复的平均时间	衡量运维能力
新任务交付时间	从任务提出到上线的中位时间	衡量复用收益
维护成本	每激活技能的年化维护工时	衡量库的经济性

为了帮助团队定位当前阶段，本文给出一个五级成熟度模型，如表 11 所示。成熟度不是评比，而是帮助团队识别下一步投资重点。

表 11 技能库成熟度模型

等级	名称	核心特征	退出条件
M0	脚本散落	技能以脚本/笔记本形式散落，无统一标识	建立资产清单与负责人
M1	资产清单	有统一命名、目录与基本描述	关键技能具备契约字段
M2	契约化	前/后置条件、参数、安全包络、证据字段可读	通过 G0，建立仿真回归
M3	证据门控	G1–G3 门控运行，复用决策有证据约束	关键任务达到 E2/E3
M4	治理演化	版本、遥测、退役、数据回流与库健康度闭环	持续运行并定期审计

治理需要明确责任。建议采用 RACI 矩阵：技能负责人（Responsible）对契约与实现负责；评审人（Accountable）对技术质量负责；安全评审人（Consulted）对安全包络与风险负责；平台团队（Consulted）对注册表、运行时与可观测性负责；运维团队（Informed）对上线、告警与事故响应负责。高风险技能必须有两个独立角色的签字，不能由同一人既开发又批准。

3.10 复杂度与理论性质

本节给出若干用于设计推理的性质。它们不是对真实系统性能的保证，而是帮助团队理解复用、组合与验证之间的权衡。

命题 1（顺序组合的成功率上界） 设有 $k$ 个顺序子任务，成功率分别为 $p_1,\dots ,p_k$。若子任务独立，则整体成功率为 ${\prod }_{i=1}^k{p}_i$；一般情况下，整体成功率不超过 ${\min }_i{p}_i$。

证明：独立性下，联合成功概率等于边缘概率乘积。一般情况下，事件“所有子任务成功”是任一子任务成功事件的子集，因此其概率不超过任一子任务成功概率，取最小值即得上界。证毕。

该命题说明，长程任务的成功率会被最弱环节限制；在非独立情况下，串联还会放大失败。因此，技能库不能只优化单点成功率，还必须提供检测、恢复与重规划。

命题 2（恢复的收益） 设子任务成功率为 $p$，失败检测率为 $d$，检测后恢复成功率为 $r$，且检测与恢复独立于原始成功事件，则恢复后的成功率为

$$p^{\prime }=p+(1-p)dr.$$

$p^{\prime }$ 对 $d$ 与 $r$ 单调不减。

证明：成功有两条互斥路径：原始成功（概率 $p$）与原始失败但被检测并恢复成功（概率 $(1-p)dr$），故 $p^{\prime }=p+(1-p)dr$。对 $d$ 求偏导得 $(1-p)r\ge 0$，对 $r$ 求偏导得 $(1-p)d\ge 0$，故单调不减。证毕。

该命题说明，检测率与恢复率的提升都能增加长程成功率；在 $p$ 已经较高时，恢复的边际收益仍然存在，但绝对值受 $(1-p)$ 限制。工程上应优先投资高失败率、高恢复收益的环节。

命题 3（复用经济性） 记新建技能的成本为 $C_{\mathrm{build}}$，复用总成本为 $C_{\mathrm{reuse}}=C_{\mathrm{retrieve}}+C_{\mathrm{adapt}}+C_{\mathrm{validate}}+C_{\mathrm{risk}}$。在忽略长期维护差异的简化模型中，复用优于新建当且仅当 $C_{\mathrm{reuse}}<C_{\mathrm{build}}$。

说明：该命题是定义性的，不是经验定律。实际决策还应考虑复用带来的性能损失、风险暴露、维护负担与机会成本；第 3.7 节的总收益公式给出了更完整的版本。

命题 4（证据迁移的风险界） 设源场景分布为 $P$，目标场景分布为 $Q$，损失函数 $\ell$ 有界于 $[0,L]$。则

$$\left|{\mathbb{E}}_P[\ell ]-{\mathbb{E}}_Q[\ell ]\right|\le L\cdot \mathrm{TV}(P,Q),$$

其中 $\mathrm{TV}$ 为全变差距离。

证明：由全变差距离的耦合刻画，存在耦合分布使得 $P$ 与 $Q$ 不一致的概率不超过 $\mathrm{TV}(P,Q)$；在一致事件上损失相同，在不一致事件上损失差不超过 $L$，取期望即得界。证毕。

该命题说明：源场景证据不能无条件迁移到目标场景；当分布差异较大时，性能损失的上界会随 $L\cdot \mathrm{TV}(P,Q)$ 增长。工程含义是：复用距离大或证据等级不足时，必须做定向再验证，而不能直接继承旧证据。

命题 5（检索复杂度） 设技能库规模为 $N$，技能向量维度为 $D$。暴力检索的复杂度为 $O(ND)$；使用能力索引将候选集缩小到 $K$ 个后，重排序复杂度为 $O(K\log K)$（若使用近似最近邻，则可进一步降低到亚线性）。

说明：该命题是标准的复杂度分析，前提是索引能够有效缩小候选集。若能力签名设计不当，$K$ 可能接近 $N$，索引收益消失。因此，能力签名的规范性直接影响检索效率。

命题 6（版本兼容规则） 若技能的主版本变更改变了前/后置条件、安全包络或执行语义，则所有依赖该技能的组合作业必须重新验证；次版本与修订号变更可以在差异评审后继承部分证据。

说明：该命题是工程规则，不是数学定理。它把语义化版本与证据继承绑定起来，防止“实现改了但证据没改”的隐性回归。

3.11 参考实现蓝图

本节给出一个可落地的参考实现。目录、接口与流水线均为说明性设计，团队应按自身技术栈调整。

目录结构

robot-skill-library/
├── registry/
│   ├── index/
│   │   ├── capability.idx
│   │   ├── effect.idx
│   │   └── embedding.faiss
│   └── skills/
│       └── manip.pick_object/
│           ├── skill.yaml
│           ├── SKILL_CARD.md
│           ├── policy/
│           │   ├── implementation.py
│           │   └── checkpoint.pt
│           ├── tests/
│           │   ├── unit/
│           │   ├── sim/
│           │   └── scenario/
│           └── evidence/
│               ├── E0_contract_check.json
│               ├── E1_sim_report.json
│               ├── E2_field_report.json
│               └── E3_production_stats.json
├── runtime/
│   ├── executor/
│   ├── monitors/
│   └── recovery/
├── planner/
│   ├── retrieval/
│   ├── grounding/
│   └── composition/
├── telemetry/
│   ├── schema/
│   └── pipelines/
└── governance/
    ├── policies/
    ├── risk_matrix.yaml
    └── audit/

注册表 API

端点	方法	用途
/v1/skills	GET	按能力、对象、机器人画像、证据等级检索技能
/v1/skills/{id}/{version}	GET	读取完整契约与元数据
/v1/skills	POST	提交候选技能（进入 G0）
/v1/skills/{id}/{version}/evidence	POST	提交证据记录
/v1/reuse/evaluate	POST	计算复用距离、证据充分性与决策建议
/v1/executions	POST	创建执行实例并返回运行时句柄
/v1/library/health	GET	返回库健康度指标
/v1/skills/{id}/{version}/deprecate	POST	标记弃用并指定替代版本

复用评估接口的请求应包含任务、机器人画像、风险等级、候选技能与证据；响应应包含距离分量、证据等级、建议决策（直接复用/适配/重组/新建）、缺失证据与建议测试集。这样可以把复用决策从个人经验转化为可审计的服务。

CI/CD 流水线

提交候选
  → 契约 lint（Schema、单位、坐标系、安全字段）
  → 静态分析（危险 API、依赖、许可证）
  → 单元测试 + 黄金场景
  → 仿真回归（随机化、分布外、安全包络）
  → 性能/成本基准
  → 制品签名 + SBOM
  → 发布候选
  → 灰度/影子运行
  → 提升为激活版本 / 回滚

流水线应遵循“无证据不晋级”的原则：每个阶段都必须产出可追溯的报告；失败时自动退回候选池，并记录失败类型与修复建议。高风险技能还应增加独立安全评审与人工签字环节。

遥测字段

字段	类型	说明
trace_id	string	执行轨迹唯一标识
skill_id / version	string	技能标识与版本
robot_id	string	机器人标识
scene_id	string	场景/工位标识
param_hash	string	参数绑定摘要
precheck_result	object	前置检查结果与失败原因
monitor_summary	object	监控信号摘要（最小值、最大值、越界次数）
outcome	enum	success / failure / abort / handover
failure_code	string	标准化失败码
recovery_action	string	恢复动作与次数
latency_ms	integer	端到端时延
compute_cost	float	计算成本
human_intervention	boolean	是否人工介入
evidence_link	string	关联证据记录

遥测数据应支持按技能、版本、机器人、场景、失败码与时间窗口聚合。没有遥测的技能库无法做证据再验证，也无法计算复用收益。

4 Experiments and Evaluation（评估方法与证据汇总）

4.1 评估原则

技能库评估应遵循五条原则。第一，评估对象是库，不只是策略：除了任务成功率，还要评估契约质量、复用决策、证据覆盖、维护成本与安全行为。第二，三层评估：技能级、组合级、库级分别评估，避免用端到端分数掩盖局部缺陷。第三，证据可追溯：每个数字都应绑定版本、场景集、硬件、软件与样本量。第四，分布外测试：至少包含新对象、新场景、新光照、新机器人或新末端中的一项，避免只在训练分布内评估。第五，成本与安全是一等指标：时延、算力、人工干预、事故与近失事件必须与成功率一起报告。

4.2 基准与数据

表 12 汇总常用基准与数据资源的侧重点。任务数量、场景数量与统计量以原始论文为准；本表不重复可能随版本变化的数字。

表 12 常用基准与数据资源

资源	侧重点	对技能库评估的价值	局限
CALVIN	语言条件长程操作	评估长程组合与语言接地	仿真为主；具身与场景有限
LIBERO	终身机器人学习与知识迁移	评估技能保留与迁移	任务分布与真实场景有差距
RLBench	多任务机器人操作	评估多任务技能覆盖	仿真；任务结构化程度高
Meta-World	多任务与元强化学习	评估快速适应与技能复用	任务粒度较细；真实迁移需额外验证
RoboCasa	日常任务大规模仿真	评估家庭场景长程任务	仿真—现实差距
BEHAVIOR-1K	1,000 项日常活动	评估长程、多样化任务	仿真；计算与评测成本高
DROID	大规模真实操作数据	评估真实数据分布与泛化	数据不直接等于技能库
BridgeData V2	大规模机器人学习数据	评估跨场景泛化	数据覆盖有限
Open X-Embodiment	跨具身数据	评估跨具身迁移	数据异构；技能标注有限
MimicGen	人类示范生成规模化数据	评估数据生成对技能获取的增益	依赖示范与任务结构

在真实部署中，建议构建三层场景集：核心集（高频、代表性场景）、边界集（极端位姿、遮挡、易碎对象、人员干扰）与对抗集（分布外对象、光照突变、传感器故障、对抗性指令）。三层场景集分别对应日常回归、鲁棒性测试与安全红队，不能互相替代。

4.3 指标定义

表 13 给出技能库评估的指标建议。指标应尽量可计算、可复现，并与业务目标对应。

表 13 技能库评估指标

层级	指标	定义	关注点
技能级	技能成功率	成功执行次数 / 总执行次数	单技能可靠性
技能级	前置条件精度	前置检查通过后实际可执行的比例	契约是否过松
技能级	后置条件满足率	执行后满足后置条件的比例	效果是否稳定
技能级	恢复成功率	异常后恢复成功的比例	运行时韧性
组合级	端到端成功率	组合任务成功次数 / 总次数	长程可靠性
组合级	重规划率	需要重规划的执行比例	组合鲁棒性
组合级	人工移交率	移交人工的执行比例	自动化边界
库级	复用率	复用技能执行次数 / 总技能执行次数	资产使用程度
库级	复用覆盖率	至少使用一个复用技能的任务比例	复用广度
库级	复用成功率	复用执行成功次数 / 复用执行次数	复用决策质量
库级	证据覆盖率	有有效证据的激活技能比例	证据完整性
库级	证据新鲜度	证据未过期比例	证据时效性
库级	重复技能比例	近重复技能对 / 技能对总数	库分叉程度
库级	新任务交付时间	从任务提出到上线的中位时间	复用经济性
安全	违规率	安全包络违规次数 / 执行次数	安全风险
安全	近失率	近失事件数 / 执行次数	隐患暴露
安全	急停率	急停次数 / 执行次数	运行时稳定性

复用率与复用覆盖率应一起看。复用率高但复用覆盖率低，说明少数任务反复使用技能，库的广度不足；复用覆盖率高但复用成功率低，说明检索或证据判断有问题。指标之间可能存在张力，不能单独优化一个指标。

统计报告应包含置信区间、样本量、随机种子、硬件与软件版本、场景集版本与失败分类。对于成功率，建议报告 Wilson 区间或 bootstrap 区间；对于时延与成本，建议报告中位数与尾部分位数；对于安全事件，建议报告绝对次数与暴露量，而不是只报告比例。

4.4 文献报告的关键证据

表 14 汇总近期技能库系统的公开报告。所有数字均为原作者报告，本文未独立复现；不同系统的基准、场景与指标不可直接比较，表中数字只用于说明机制证据，不构成排行榜。

表 14 近期技能库系统的公开证据

系统	核心机制	作者报告的证据	证据局限
ASPIRE（Lu et al., 2026）	代码即策略、细粒度执行轨迹、持续扩展技能库、进化搜索	在 LIBERO-Pro 扰动任务上相对提升最高 77%；Robosuite 双臂交接任务相对提升 72%；BEHAVIOR-1K 长程家务任务相对提升最高 32%；LIBERO-Pro Long 未见任务零样本成功率 31%，对比方法 4%；仿真技能迁移到真实机器人有初步证据	预印本；不同基准不可直接比较；真实迁移规模有限
SkillComposer（Woods & Seifi, 2026）	生成—测试循环、Stitch 库学习、宏技能复用	消融实验与 12 人用户研究表明，评估器引导生成与学习到的抽象提升成功率与可用性，并降低用户投入	仿真环境；用户研究样本较小；任务限于操作与护理场景
Uni-Skill（Xie et al., 2026）	VerbNet 启发的层级技能分类、技能感知规划、自动技能演化	作者报告在仿真与真实设置中优于现有基于 VLM 的技能中心方法，并具有较强零样本泛化	预印本；具体指标与统计需查阅原文；真实场景覆盖有限
LRLL（Tziafas & Kasaei, 2024）	软记忆、自主探索、技能抽象器、终身学习	在仿真终身学习中优于端到端与普通 LLM 方法；学到的技能可迁移到真实世界	桌面操作场景；规模有限；长期稳定性需进一步验证
Capability-Driven Skill Generation（da Silva et al., 2025）	能力即契约、RAG 复用既有库与接口	在 Python/ROS 2 控制的自主移动机器人上验证可行性	可行性验证为主；缺少大规模基准与长期运行证据
Voyager（Wang et al., 2023）	LLM 自动课程、代码生成、技能库增长	在 Minecraft 中展示开放式探索与技能库增长	非物理机器人；任务与真实操作差异大
Open X-Embodiment / RT-X（Open X-Embodiment Collaboration, 2023）	跨具身数据与策略训练	报告跨具身数据对策略性能的改善	不是技能库生命周期研究；数据异构
Code as Policies / SayCan（Liang et al., 2023; Ahn et al., 2022）	LLM 在固定原语上生成程序/打分	展示语言规划与技能组合的可行性	固定技能集；缺少库演化与证据治理

这些证据共同支持三个判断。第一，技能库可以随任务增长并带来复用收益：Voyager、LRLL、SkillComposer、Uni-Skill 与 ASPIRE 从不同角度展示了技能获取、压缩、扩展与复用。第二，执行反馈是技能演化的关键：ASPIRE 的细粒度轨迹与 SkillComposer 的生成—测试循环都说明，仅有生成不够，必须有验证与修复。第三，跨具身与基础模型提供了强先验，但不能替代证据：Open X-Embodiment、RT-2、OpenVLA 与 π0 等工作展示了迁移潜力，但目标场景的适用性仍需现场验证。

4.5 建议的实验设计

本文不报告新的实验结果，但给出一套可执行的实验设计，供团队验证 SkillOps 的各项主张。表 15 给出主实验的占位模板；所有单元格均为 ，不得在未执行实验时填入数字。

表 15 主实验模板（占位）

方法	技能成功率	组合成功率	分布外成功率	复用率	新任务交付时间	安全违规率
从零训练/编写	[TODO]	[TODO]	[TODO]	—	[TODO]	[TODO]
端到端 VLA	[TODO]	[TODO]	[TODO]	—	[TODO]	[TODO]
固定技能库 + LLM 规划	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]
固定技能库 + 契约检查	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]
SkillOps（完整）	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]	[TODO]

建议的消融实验如表 16 所示。每个消融都应保持其他条件不变，并报告至少三个随机种子或三个场景集的结果。

表 16 消融实验矩阵（占位）

消融项	移除内容	预期观察	结果
去掉契约	删除前/后置条件与参数约束	复用失败率上升，诊断时间增加	[TODO]
去掉证据门控	允许无证据技能上线	安全违规与现场失败增加	[TODO]
去掉运行时监控	关闭过程监控与恢复	长程成功率下降	[TODO]
去掉混合检索	仅用向量检索	召回率与复用成功率下降	[TODO]
固定粒度	全部使用 L0 或全部使用 L2	组合成本或验证成本上升	[TODO]
固定技能库	禁止新技能进入	新任务交付时间上升	[TODO]
去掉适配器	不做具身适配直接复用	跨机器人成功率下降	[TODO]
去掉人工移交	失败后只重试	高风险场景事故率上升	[TODO]

实验应分三阶段进行。第一阶段在仿真中验证技能级与组合级指标，使用 CALVIN、LIBERO、RLBench、Meta-World 或 RoboCasa 等基准；第二阶段在受控场地验证真实机器人上的技能执行、监控与恢复；第三阶段在生产试点中验证长期复用、证据过期、版本升级与人工协作。三个阶段的门控与证据等级应与第 3.5 节一致。

分析应包括四类。第一，失败分析：按表 9 的失败类型统计，报告每类的样本量、根因与恢复结果。第二，复用距离校准：用历史复用案例拟合距离与成功率的关系，检查阈值是否合理。第三，成本分析：统计检索、适配、验证、运行与维护成本，计算复用净收益。第四，规模分析：随着技能库规模增长，检索时延、重复率、复用率与维护成本如何变化；如果库规模翻倍但复用率不升，说明库的抽象或索引出了问题。

4.6 报告规范

一份可复用的技能库评估报告应包含以下内容：

1. 摘要：评估范围、版本、日期、结论与主要风险。
2. 任务与场景：任务分布、场景集、成功判据、预算与风险等级。
3. 系统配置：机器人、末端、传感器、计算平台、软件版本、模型版本。
4. 技能清单：技能标识、版本、证据等级、负责人、适用边界。
5. 主结果：技能级、组合级、库级指标，附置信区间与样本量。
6. 消融实验：移除关键模块后的指标变化。
7. 失败分析：失败分类、根因、恢复结果、典型案例。
8. 安全与合规：安全包络、违规事件、近失事件、人工干预、标准符合性。
9. 成本与时延：检索、执行、验证、维护成本，p50/p95 时延。
10. 结论与门禁：是否达到发布条件，未达标项与整改计划。
11. 附录：原始日志、证据链接、代码与数据版本、复现实验步骤。

报告应避免三个常见问题：只报告成功案例；只报告平均值，不报告尾部风险；只报告端到端分数，不报告失败分类与证据等级。一个可信的评估报告应让读者能够回答“这个技能在什么条件下可用、证据有多强、失败时会发生什么”。

4.7 局限

本文的局限主要有四点。第一，没有新的实验数据：本文是工程方法与证据综述，所有实证数字均来自公开文献，未做独立复现。第二，文献异质性：不同系统的基准、任务、机器人、评价指标与证据等级不同，不能直接比较；部分系统为预印本，结论需独立验证。第三，阈值与成本参数依赖场景：复用距离阈值、证据要求、风险等级与成本参数都需要组织根据自身场景标定，本文给出的只是方法与示例。第四，安全与法规差异：不同国家、行业与任务对机器人安全的要求不同；本文引用通用标准与工程实践，不构成法律或合规建议。

5 Discussion（讨论）

5.1 为什么能力—技能分离有效

能力—技能分离的核心好处是降低耦合。规划器只需要知道“有一个能力可以抓取杯子”，不需要知道这个能力是脚本、模仿学习策略还是 VLA 模型；执行器只需要知道“如何执行这个技能”，不需要重新理解任务目标。这样，技能实现可以替换、优化或迁移，而不影响上层规划；规划器可以组合能力，而不被具体实现绑架。

这种分离还带来可验证性。能力契约可以在没有具体实现的情况下定义测试目标；技能契约可以在没有完整任务的情况下做单元测试；证据可以绑定到能力与技能两个层级，既支持“能力级认证”，也支持“实现级认证”。当一个新机器人进入系统时，团队可以先检查能力画像是否匹配，再选择或适配实现，而不是从头评估整个任务。

5.2 复用与验证的张力

复用节省的是开发成本，转移的是验证责任。一个技能在源场景中验证通过，不代表它在目标场景中可用；复用距离越大，证据迁移的风险越高。第 3.10 节的 TV 界说明，源场景与目标场景的分布差异会直接转化为性能损失上界；因此，复用决策必须把证据等级与风险等级绑定。

工程上最常见的错误是“复用成功一次就默认长期可用”。正确的做法是：每次复用都记录上下文与结果；定期复核证据；在硬件、软件、场景或任务分布变化时触发再验证；对高风险复用保持人工评审。复用不是一次性的代码复制，而是持续的证据管理。

5.3 成熟度与适用边界

SkillOps 更适合任务可分解、成功可判定、场景可重复的机器人应用，例如仓储拣选、装配、实验室自动化、家庭服务中的结构化子任务。对于高度开放、成功判据模糊、对象与交互高度非结构化的任务，技能契约可能难以完整定义，系统需要更多人工监督与在线学习。此时，SkillOps 仍然可以提供资产清单、证据记录与运行时监控，但不能承诺完全自主。

团队的成熟度也影响实施路径。M0–M1 阶段的团队应先建立资产清单、统一命名与负责人；M2 阶段再引入契约与仿真回归；M3 阶段建立证据门控与复用决策；M4 阶段才适合追求自动技能演化与跨组织共享。跳过契约与证据阶段直接追求“自演化技能库”，通常会导致库膨胀、证据缺失与安全风险。

5.4 人机协作与责任

技能库越强，越需要明确人机权责。系统应定义哪些技能可以自主执行、哪些需要人工确认、哪些必须人工执行；应定义人工接管的触发条件、移交内容、权限转移与超时升级；应记录每次人工干预的原因与结果，用于改进技能与契约。

责任边界不能只写在文档里，必须嵌入系统。高风险技能应有独立的安全评审与双人签字；运行时应有独立的急停与限速；事故复盘应能追溯到技能版本、参数、证据与操作记录。技能库的“可审计性”不是附加功能，而是安全运行的前提。

5.5 安全、伦理与合规

机器人技能涉及物理世界的安全风险。工业机器人应参考 ISO 10218-1 等安全要求，协作机器人应参考 ISO/TS 15066 等协作安全规范；具体条款与适用版本需由安全工程师根据项目核实。技能契约中的安全包络应与风险评估、急停设计、人机距离、速度与力限制一致，不能只在软件层声明。

技能库还涉及数据与隐私。示教数据、现场视频、人员位置与语音可能包含个人信息；数据采集、存储、共享与删除应遵循当地法规与组织政策。跨组织共享技能时，应优先共享契约、接口与测试方法，避免泄露原始数据与商业敏感参数。技能的市场化共享还需要许可证与责任约定，不能把“开源代码”简单等同于“可安全复用”。

5.6 开放问题

技能库工程仍有许多开放问题。第一，技能语义标准化：不同厂商、不同机器人、不同任务对“抓取”“放置”“打开”的定义不一致，缺少可互操作的能力本体。第二，跨具身契约：如何用统一契约描述不同自由度、不同末端、不同传感器的机器人，仍缺少成熟标准。第三，证据自动化：如何自动生成高质量场景、自动判定失败根因、自动更新证据，是降低验证成本的关键。第四，不确定性校准：技能的前置条件与成功率估计需要可靠的不确定性，否则复用决策会被过度自信误导。第五，持续学习与遗忘：技能库演化时如何避免灾难性遗忘、如何保留旧任务证据，仍需系统研究。第六，安全认证：学习型技能的安全认证方法尚不成熟，尤其是 VLA 与端到端策略。第七，库经济学：如何度量技能库的长期价值、维护成本与复用收益，需要更多真实部署数据。

6 Conclusion（结论）

本文把机器人技能库设计与复用作为工程问题，提出 SkillOps 参考框架。其核心主张是：技能不是一段代码或一个策略权重，而是带有能力契约、前置/后置条件、参数、具身配置、安全包络、监控、恢复与证据的软件资产；技能库不是文件夹，而是需要版本、门控、遥测、退役与治理的产品；复用不是复制，而是在语义、具身、环境与证据约束下的决策。

本文给出了五平面参考架构、技能契约数据模型、L0–L3 粒度分类、六类获取通道、G0–G4 证据门控、四种复用模式、复用距离与证据决策流程、运行时监控与恢复、版本化与库健康度指标，并汇总了近期技能库系统的公开证据。本文没有报告新的实验结果；所有实证数字均来自公开文献，所有示例阈值与接口均需按项目标定。

未来工作可以从三个方向推进。第一，在真实机器人团队中开展 6–12 个月的试点，选择 2–3 个任务族，建立契约、注册表、证据门控与遥测，验证复用率、交付时间与安全指标。第二，研究跨具身能力契约与证据迁移方法，把复用距离、证据等级与风险约束做成可校准的决策服务。第三，把技能库与 VLA、仿真数据生成、自动评测结合，降低技能获取与验证成本，同时保持证据可追溯。技能库的价值不在于“存了多少技能”，而在于“能否在正确的时间、以正确的证据、把正确的技能用到正确的任务上”。

References（参考文献）

• Ahn, M., Brohan, A., Brown, N., et al. (2022). Do As I Can, Not As I Say: Grounding Language in Robotic Affordances. arXiv:2204.01691.
• Argall, B. D., Chernova, S., Veloso, M., & Browning, B. (2009). A Survey of Robot Learning from Demonstration. Robotics and Autonomous Systems, 57(5), 469–483.
• Bacon, P.-L., Harb, J., & Precup, D. (2017). The Option-Critic Architecture. In Proceedings of the AAAI Conference on Artificial Intelligence.
• Black, K., Brown, N., Driess, D., et al. (2024). π0: A Vision-Language-Action Flow Model for General Robot Control. arXiv:2410.24164.
• Brohan, A., Brown, N., Carbajal, J., et al. (2022). RT-1: Robotics Transformer for Real-World Control at Scale. arXiv:2212.06817.
• Brohan, A., Brown, N., Carbajal, J., et al. (2023). RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. arXiv:2307.15818.
• Chi, C., Feng, S., Du, Y., et al. (2023). Diffusion Policy: Visuomotor Policy Learning via Action Diffusion. arXiv:2303.04137.
• Colledanchise, M., & Ögren, P. (2018). Behavior Trees in Robotics and AI: An Introduction. arXiv:1709.00084.
• da Silva, L. M. V., Köcher, A., König, N., Gehlhoff, F., & Fay, A. (2025). Capability-Driven Skill Generation with LLMs: A RAG-Based Approach for Reusing Existing Libraries and Interfaces. arXiv:2505.03295.
• Driess, D., Xia, F., Sajjadi, M. S. M., et al. (2023). PaLM-E: An Embodied Multimodal Language Model. arXiv:2303.03378.
• Eysenbach, B., Gupta, A., Ibarz, J., & Levine, S. (2018). Diversity is All You Need: Learning Skills without a Reward Function. arXiv:1802.06070.
• Fan, H., & Lan, Z. (2026). Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts. arXiv:2607.18970.
• Gemini Robotics Team (2025). Gemini Robotics: Bringing AI into the Physical World. arXiv:2503.20020.
• Huang, W., Wang, C., Zhang, R., Li, Y., Wu, J., & Fei-Fei, L. (2023). VoxPoser: Composable 3D Value Maps for Robotic Manipulation with Language Models. arXiv:2307.05973.
• International Organization for Standardization (2011). ISO 10218-1:2011 Robots and robotic devices — Safety requirements for industrial robots — Part 1: Robots. ISO.
• International Organization for Standardization (2016). ISO/TS 15066:2016 Robots and robotic devices — Collaborative robots. ISO.
• James, S., Ma, Z., Arrojo, D. R., & Davison, A. J. (2019). RLBench: The Robot Learning Benchmark & Learning Environment. arXiv:1909.12271.
• Ji, W., Chen, H., Chen, M., et al. (2025). GenSwarm: Scalable Multi-Robot Code-Policy Generation and Deployment via Language Models. arXiv:2503.23875.
• Khazatsky, A., Pertsch, K., Nair, S., et al. (2024). DROID: A Large-Scale In-The-Wild Robot Manipulation Dataset. arXiv:2403.12945.
• Kim, M. J., Pertsch, K., Karamcheti, S., et al. (2024). OpenVLA: An Open-Source Vision-Language-Action Model. arXiv:2406.09246.
• Li, C., Zhang, R., Wong, J., et al. (2024). BEHAVIOR-1K: A Human-Centered, Embodied AI Benchmark with 1,000 Everyday Activities and Realistic Simulation. arXiv:2403.09227.
• Liang, J., Huang, W., Xia, F., et al. (2023). Code as Policies: Language Model Programs for Embodied Control. arXiv:2209.07753.
• Liu, B., Liu, Y., Liang, X., et al. (2023). LIBERO: Benchmarking Knowledge Transfer for Lifelong Robot Learning. arXiv:2306.03310.
• Lu, R., Wu, Y., Kou, E., et al. (2026). ASPIRE: Agentic Skills Discovery for Robotics. arXiv:2607.00272.
• Ma, Y., Song, Z., Zhuang, Y., Hao, J., & King, I. (2024). A Survey on Vision-Language-Action Models for Embodied AI. arXiv:2405.14093.
• Macenski, S., Foote, T., Gerkey, B., Lalancette, C., & Woodall, W. (2022). Robot Operating System 2: Design, architecture, and uses in the wild. Science Robotics, 7(66), eabm6074. DOI: 10.1126/scirobotics.abm6074.
• Mandlekar, A., Nasiriany, S., Wen, B., et al. (2023). MimicGen: A Data Generation System for Scalable Robot Learning using Human Demonstrations. arXiv:2310.17596.
• Mees, O., Hermann, L., Rosete-Beas, E., & Burgard, W. (2022). CALVIN: A Benchmark for Language-Conditioned Policy Learning for Long-Horizon Robot Manipulation Tasks. arXiv:2112.03227.
• Nasiriany, S., Maddukuri, A., Zhang, L., et al. (2024). RoboCasa: Large-Scale Simulation of Everyday Tasks for Generalist Robots. arXiv:2406.02523.
• NVIDIA (2025). GR00T N1: An Open Foundation Model for Generalist Humanoid Robots. arXiv:2503.14734.
• Octo Model Team (2024). Octo: An Open-Source Generalist Robot Policy. arXiv:2405.12213.
• Open X-Embodiment Collaboration (2023). Open X-Embodiment: Robotic Learning Datasets and RT-X Models. arXiv:2310.08864.
• Physical Intelligence (2025). π0.5: a Vision-Language-Action Model with Open-World Generalization. arXiv:2504.16054.
• Sutton, R. S., Precup, D., & Singh, S. (1999). Between MDPs and semi-MDPs: A Framework for Temporal Abstraction in Reinforcement Learning. Artificial Intelligence, 112(1–2), 181–211. DOI: 10.1016/S0004-3702(99)00052-1.
• Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic Robotics. MIT Press.
• Tziafas, G., & Kasaei, H. (2024). Lifelong Robot Library Learning: Bootstrapping Composable and Generalizable Skills for Embodied Control with Language Models. arXiv:2406.18746.
• Walke, H., Black, K., Lee, A., et al. (2023). BridgeData V2: A Dataset for Robot Learning at Scale. arXiv:2308.12952.
• Wang, G., Xie, Y., Jiang, Y., et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. arXiv:2305.16291.
• Woods, J., & Seifi, H. (2026). SkillComposer: Learning Reusable Skills for Natural-Language Robot Programming. arXiv:2608.14944.
• Xie, S., Zhang, Y., Wang, R., & Chen, X. (2026). Uni-Skill: Building Self-Evolving Skill Repository for Generalizable Robotic Manipulation. arXiv:2603.02623.
• Yu, H., Kamat, V. R., & Menassa, C. C. (2025). Generalizable Skill Learning for Construction Robots with Crowdsourced Natural Language Instructions, Composable Skills Standardization, and Large Language Model. arXiv:2509.02876.
• Yu, T., Quillen, D., He, Z., et al. (2019). Meta-World: A Benchmark and Evaluation for Multi-Task and Meta Reinforcement Learning. arXiv:1910.10897.
• Zhao, T. Z., Kumar, V., Levine, S., & Finn, C. (2023). Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware. arXiv:2304.13705.
• Zhao, W., Queralta, J. P., & Westerlund, T. (2021). Sim-to-Real Transfer in Deep Reinforcement Learning for Robotics: a Survey. arXiv:2009.13303.
• Zhou, Y., Wang, S., Su, Y., Du, W., Fang, Y., & Lin, X. (2026). A Comprehensive Survey on Agent Skills: Taxonomy, Techniques, and Applications. arXiv:2605.07358.

Appendix（附录）

附录 A 符号表（补充）

符号	含义	首次出现
$\mathrm{App}$	技能可用性谓词	3.1
$\mathrm{Reuse}$	语义复用谓词	3.1
$\mathrm{ReuseOK}$	证据约束下的复用谓词	3.1
$\mathrm{Succ}$	任务成功谓词	3.1
$\mathrm{Cap}(r)$	机器人能力画像	3.1
$\mathrm{Safe}$	安全包络检查	3.1
$e_{\mathrm{req}}$	风险要求的最低证据等级	3.1
$\delta$	复用距离阈值	3.1
$G=(V,E)$	技能组合图	3.1
$C_{\mathrm{build}}$	新建技能成本	3.7
$C_{\mathrm{reuse}}$	复用总成本	3.7
$B_{\mathrm{reuse}}$	单次复用净收益	3.7
$B_{\mathrm{total}}$	多次复用总收益	3.7

附录 B 技能契约完整模板

以下模板用于说明字段结构，不代表任何真实技能或已验证结果。实际使用时必须替换标识、参数、证据与评审记录。

skill_id: <domain>.<verb>_<object>
version: <major>.<minor>.<patch>
status: candidate | validating | active | deprecated | retired
owner: <team-or-person>

capability:
  verb: <verb>
  object_class: [<class-1>, <class-2>]
  goal: <structured-goal-description>
  inputs:
    <name>: <type>
  outputs:
    <name>: <type>

embodiment:
  robot_class: <class>
  min_payload_kg: <number>
  min_reach_m: <number>
  dof: <integer>
  end_effector: <type>
  sensors: [<sensor-1>, <sensor-2>]
  frames: {base: <frame>, tool: <frame>}

preconditions:
  - "<predicate-1>"
  - "<predicate-2>"

postconditions:
  - "<predicate-1>"
  - "<predicate-2>"

parameters:
  <name>:
    type: <type>
    range: [<min>, <max>]
    default: <value>
    unit: <unit>

policy:
  type: scripted | learned | hybrid
  entrypoint: <path-or-api>
  runtime: <runtime>
  checkpoint: <path-or-null>

safety_envelope:
  max_tcp_speed_mps: <number>
  max_force_n: <number>
  max_payload_kg: <number>
  human_proximity_action: pause | slow | stop
  emergency_stop_behavior: <description>

monitors:
  - signal: <signal-name>
    threshold: <value>
    action: pause | abort | handover

recovery:
  - on: <failure-code>
    action: retry | reparameterize | replan | fallback | handover
    max_attempts: <integer>

evidence:
  E0: {report: <path>, date: <YYYY-MM-DD>}
  E1: {report: <path>, date: <YYYY-MM-DD>}
  E2: {report: <path>, date: <YYYY-MM-DD>}
  E3: {report: <path>, date: <YYYY-MM-DD>}

provenance:
  author: <name-or-team>
  data: [<dataset-1>, <dataset-2>]
  reviewer: <name-or-team>
  license: <license>
  generated_by: <model-or-tool-or-null>

compatibility:
  ros_distro: <distro>
  policy_runtime: <runtime-version>
  hardware_revision: <semver-range>

cost:
  setup_time_s: <number>
  execution_time_s: <number>
  compute_cost: <number>
  human_effort_min: <number>

附录 C 技能卡模板

# <skill_id> v<version>

## 用途
一句话说明技能做什么、适用于什么任务。

## 能力与接口
- 输入：
- 输出：
- 单位与坐标系：

## 适用机器人
- 机器人类别：
- 末端执行器：
- 传感器：
- 载荷/臂展：

## 前置条件
- ...

## 后置条件
- ...

## 参数
| 参数 | 类型 | 范围 | 默认值 | 说明 |
| --- | --- | --- | --- | --- |

## 安全包络
- 最大速度：
- 最大力：
- 人机距离：
- 急停行为：

## 已知失败与恢复
| 失败类型 | 表现 | 恢复策略 |
| --- | --- | --- |

## 证据摘要
- E0：
- E1：
- E2：
- E3：

## 负责人、评审与许可证
- 负责人：
- 评审人：
- 许可证：

## 示例
```yaml
<example-call>
```

附录 D 注册表 API（补充）

端点	请求要点	响应要点
POST /v1/reuse/evaluate	任务、机器人画像、风险等级、候选技能	距离分量、证据等级、建议决策、缺失证据
POST /v1/executions	技能 ID/版本、参数、场景、预算	执行句柄、状态、监控通道
POST /v1/skills/{id}/{version}/evidence	证据类型、报告、场景集、硬件/软件版本	证据 ID、接受/拒绝、理由
GET /v1/library/health	时间窗口、任务族	契约完整率、证据覆盖率、复用率、重复率、事故率

接口设计应遵循三条原则：所有写操作必须带版本与审计信息；所有决策必须返回可解释的理由；所有错误必须使用标准化错误码，便于跨团队诊断。

附录 E 复用决策检查清单

在批准一次复用之前，至少回答以下 15 个问题：

1. 能力签名是否语义一致？对象类别与可供性是否兼容？
2. 前置条件是否能在目标场景中观测与判定？
3. 后置条件是否与任务验收标准一致？
4. 机器人画像是否满足载荷、臂展、自由度、末端与传感器要求？
5. 坐标系、单位与标定是否一致？
6. 末端执行器或工具差异是否已适配？
7. 安全包络是否覆盖目标场景的风险？
8. 证据等级是否达到风险要求？
9. 证据是否绑定当前硬件、软件与场景版本？
10. 许可证与数据授权是否允许本次复用？
11. 适配、验证与风险成本是否低于新建成本？
12. 失败后的恢复与人工移交是否可执行？
13. 是否有回滚方案与责任人？
14. 复用决策是否已记录并可审计？
15. 是否安排了上线后的遥测与定期复核？

附录 F 上线检查清单

1. 契约字段完整，单位、坐标系与安全包络已校验。
2. 技能负责人、评审人与安全评审人已指定。
3. 单元测试、场景测试与失败用例已通过。
4. 仿真回归覆盖核心集、边界集与对抗集。
5. 受控现场试跑通过，急停与回退有效。
6. 高风险技能已完成独立安全评审。
7. 监控信号、阈值、采样频率与失效安全行为已配置。
8. 恢复策略与人工移交流程已演练。
9. 遥测字段完整，日志可追溯。
10. 仪表盘与告警已上线。
11. 回滚版本与回滚步骤已准备。
12. 依赖版本已锁定，SBOM 已生成。
13. 许可证与数据授权已核对。
14. 隐私与脱敏策略已执行。
15. 事故预案与联系人清单已更新。
16. 操作人员已完成培训。
17. 灰度/影子运行已安排。
18. 复用决策已记录并关联证据。
19. 库健康度指标已纳入监控。
20. 上线后复盘时间与负责人已确定。

附录 G 12 个月实施路线图

阶段	时间	目标	关键交付物	退出条件
第 1 季度	第 1–3 月	建立资产清单与契约规范	技能目录、能力分类、契约 Schema、负责人矩阵	关键技能完成 M1；契约评审通过
第 2 季度	第 4–6 月	建立注册表与运行时	注册表、检索索引、运行时监控、G0/G1 流水线	关键技能达到 E1；仿真回归稳定
第 3 季度	第 7–9 月	建立复用决策与现场证据	复用评估服务、证据门控、受控现场试跑、G2	关键任务达到 E2；复用决策可审计
第 4 季度	第 10–12 月	生产试点与数据回流	生产试点、遥测仪表盘、库健康度、G3/G4、复盘报告	关键任务达到 E3；库健康度达标

路线图应按团队规模、任务风险与硬件条件调整。每个季度都应设一个“停止条件”：如果证据门控无法通过，不应为了赶进度而降低安全要求；应缩小试点范围或延长时间。

附录 H 命题与证明（补充）

命题 1 的证明：见 3.10 节。独立性下联合概率等于乘积；一般情况下“全部成功”是任一“单个成功”的子集，故概率不超过最小值。

命题 2 的证明：成功路径为原始成功或“失败—检测—恢复成功”，两条路径互斥，故 $p^{\prime }=p+(1-p)dr$。偏导非负，故单调不减。

命题 4 的证明：全变差距离的耦合刻画给出存在耦合 $(X,Y)$，使得 $\mathrm{Pr}[X\ne Y]=\mathrm{TV}(P,Q)$。在 $X=Y$ 时 $\ell (X)=\ell (Y)$；在 $X\ne Y$ 时 $|\ell (X)-\ell (Y)|\le L$。因此期望差不超过 $L\cdot \mathrm{Pr}[X\ne Y]=L\cdot \mathrm{TV}(P,Q)$。证毕。

命题 5 的说明：暴力检索需要计算 $N$ 个 $D$ 维相似度，故 $O(ND)$；若能力索引把候选缩小到 $K$，排序成本为 $O(K\log K)$；近似最近邻可进一步降低查询成本，但会引入召回误差。

命题 6 的说明：该命题是工程规则，不是数学定理。其依据是：主版本变更改变了契约语义，依赖该技能的组合作业的前提/效果匹配可能失效，因此必须重新验证。

附录 I 假设与待核实事项

项目	当前处理	待核实
目标 venue	假设为 NeurIPS/ACL 系统与综述风格	用户可调整
论文类型	工程方法与证据综述	若改为实证型，需补充真实实验
实验数据	全部来自公开文献；本文不报告新实验	需按第 4.5 节协议执行
复用距离阈值	仅给出符号与示例	需用历史复用案例校准
风险—证据矩阵	建议性矩阵	需按行业法规、保险与安全评审确定
成本参数	符号化	需按团队人力、算力与硬件成本标定
标准版本	引用 ISO 10218-1:2011 与 ISO/TS 15066:2016	需核实项目适用的最新版本与条款
文献数字	按作者报告转述	预印本结果需独立复现
示例 YAML/API	说明性设计	需按实际技术栈与安全要求实现
组织规模	假设为 10–50 人的跨职能团队	需按实际组织调整

---

写作说明：本文是一份可继续验证和填充的工程手册草稿。所有未执行的实验、未标定的阈值与未核实的标准条款均已在正文或附录中标注；读者应结合自身机器人平台、任务风险与法规要求进行校准，不应把本文的示例值直接用于生产。