世界上下文学习革命化机器人操控

华中科技大学和ArcheOne AI的研究人员揭示了一种称为世界上下文学习（WICL）的突破性机器人操控方法。该研究于2026-11-11在arXiv上发布，介绍了RoboScript，这是一个开源框架，能够在不进行梯度更新的情况下，通过单一演示在机器人任务中取得最先进的性能。

世界上下文学习：范式转变

传统的训练动作策略将操控技能编码为网络权重，限制了它们对新环境的适应能力。相比之下，WICL通过利用上下文学习来解耦学习与权重。一种冻结的基础模型从单一演示开始，在模拟环境中演练任务，并将所学知识存储为任务记忆。这种记忆随后在新的、未见过的场景中部署，确保了在各种视觉分布中的适应性。

性能与关键结果

RoboScript在RoboTwin 2.0上进行了验证，这是一个50双手操控任务的基准。该框架在清洁和随机设置下取得了83.4%的平均成功率，超越了最强训练动作策略，超过了20个百分点。值得注意的是，这一成功是通过每个任务仅一次演示实现的，而传统方法需要50次演示。系统在随机场景中的表现保持一致，成功率从83.6%仅轻微下降到83.2%。

技术创新

RoboScript的模块化基础设施使机器人能够在上下文中学习任务，而不是权重。主要特点包括：

• 任务记忆：知识存储在上下文中，允许无缝转移到新环境。
• 在模拟中演练：任务在模拟世界中练习，以改善理解，而不改变模型权重。
• 跨体适应：该框架成功将学习到的任务转移到物理双臂机器人，展示了实际应用能力。

开源可用性

RoboScript框架以及其WICL的实现，已在GitHub上以Apache许可证2.0提供。该存储库创建于2026-11-05，已经引起了社区的兴趣，获得了34颗星，目前没有开放问题。研究人员和开发者可以访问代码，网址为https://github.com/ArcheOne-AI/RoboScript。

影响与未来方向

WICL代表了机器人操控的重大进步，使机器人能够用最少的数据学习任务，并适应新环境而无需重新训练。该方法的可扩展性与基础模型以及通过反思进行改进的能力，表明在工业自动化、服务机器人等领域具有广泛的潜在应用。预计在更多基准和现实场景中进一步验证，将巩固其影响。