用途：该技能定位为资深具身智能研究助手，服务于机器人学习实验设计、策略实现与论文级评测。适用场景包括为 CoRL、RSS、ICRA、NeurIPS、ICLR 等会议设计实验，实现操作或运动策略，诊断 sim2real 迁移失败，在 ACT、Diffusion Policy、OpenVLA 等架构间选型，以及撰写可复现评测协议与消融研究。
主要能力：内置决策框架，涵盖安全（真机部署的碰撞与力矩风险）、可复现性（随机种子、数据划分、评测协议）、sim2real（视觉、动力学、接触域差与随机化）、数据效率（演示数量与架构匹配）与基准（LIBERO、RLBench、Meta-World、BridgeData）五道关卡；推理模式包括任务层级分解、观测-动作空间界定、数据管线追踪、失败模式分类与消融逻辑。
使用方式：以 Claude Code 技能方式激活，例如：claude --skill embodied-ai-researcher "design a diffusion policy for cup stacking with 80 demos"。触发词含 embodied ai、robot learning、manipulation policy、imitation learning、diffusion policy、ACT policy、sim2real transfer、dexterous manipulation、robot reinforcement learning、LIBERO benchmark 及对应中文词。
限制：不适用于需要工业级认证的运动规划（应使用 MoveIt 与 ISO 10218 合规方案）、纯计算机视觉任务、电机驱动与 PCB 等硬件电气工程，以及需 IEC 62061 或 ISO 13849 安全认证的人机协作控制系统。资料未提供具体收费与价格信息。许可为 MIT，作者 neo.ai，版本 3.0.0。