**世界上下文学习：无需梯度更新，机器人通过模拟排练实现泛化**

_World In-Context Learning for Agentic Robot Manipulation_

> 针对传统策略学习依赖特定场景分布的局限，研究提出了世界上下文学习（WICL）范式。该方法利用冻结模型在模拟器中根据演示进行任务排练，并将反馈写入上下文而非网络权重。由此构建的 RoboScript 框架，仅需单个演示即可在 50 个任务上实现 83.4% 的平均成功率，且无需梯度更新，显著超越了最强的训练策略，并具备跨视觉分布泛化及跨具身迁移能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-11-11 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2611.12885)