通过可复用技能学习新任务：面向具身持续学习的技能组合专家

具身持续学习（ECL）旨在使机器人在闭环控制下不断获取新操作任务并保留旧行为，但面临严重的灾难性遗忘挑战。针对现有方法缺乏对技能进行显式组织以支持连贯执行的问题，本文提出技能组合专家（SCE）框架。该方法通过组合技能 grounding 构建技能库，将任务演示分解为可复用技能；利用双执行与过渡专家机制，通过技能组合实现新任务学习，确保技能执行与过渡的连贯性。实验表明该方法显著提升了任务保留率与整体性能。