機器人在真實場域面臨三大挑戰：需大量專家示範、缺乏任務指導、執行安全疑慮。我們提出三項對應：(1) SCAN以注意力選取關鍵示範，加速學習；(2) VICtoR融合對比學習與多模態模型生成細緻任務指導；(3) PrObe以特徵一致性偵測異常行為。成果已獲AAAI、NeurIPS與ICLR頂會肯定。

針對機器人三大挑戰提出創新解法：(1) 開發具注意力機制的少量示範學習模型，有效擷取關鍵資訊，效能提升至多27；(2) 設計結合語言與視覺的大型任務指導模型，協助機器人掌握執行進度，效能最高提升43；(3) 建立異常行為偵測任務與跨場域基準，並以精準辨識偏差行為，21項任務中有17項達最佳表現。

本技術涵蓋少量示範模仿、任務指導生成與異常行為偵測，皆有助加速機器人在真實環境中應用，具高度產業潛力。智能機器人商品化後將面對多變且複雜的環境，前兩項突破可協助其適應新場景、學習有效決策；搭配異常偵測模型則能即時回報潛在異常，提升安全性。這些解決方案間具互補性，能推動更可靠智慧的機器人系統發展。