WICL：上下文学习机器人操作新范式

2026年11月10日，arXiv Robotics 刊出 Heng Fang 等作者的论文，提出 World In-Context Learning（WICL）范式：冻结模型从一次演示出发，在仿真器等“世界”中排练任务，并把反馈写入上下文而非网络权重。基于该思路，作者构建模块化基础设施 RoboScript：从单次演示出发，在仿真中排练学习每个任务，将学到的知识冻结为 Task Memory，再以数据隔离方式部署到新场景，确保每次部署输入在真实机器人上可用。在 RoboTwin 2.0 全部 50 项任务上，RoboScript 在干净与随机化设置下、每任务仅一次演示且不做梯度更新，取得 83.4% 平均成功率，比最强的训练动作策略高出 20 多个百分点。上述数据与结论均出自该论文自述，尚待独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。