先手 SENTE · 周报阅读清单 · 速读 · arXiv 2609.36012
机器人的上下文学习：不改参数，看示范就学会新任务（综述）
In-Context Learning for Robots: Methods and Applications
Haojian Huang，Zexi Li，Junhao Guo，Yehang Zhang 等 39 位作者 · 2026-09-28
机器人「看一遍就会」的四条技术路线
打开交互式解读 →三个要点
- 问题：通用机器人要能推断新任务需要什么，并转化成正确的物理动作。机器人上下文学习（ICL）指部署时神经网络参数保持不动，只靠示范和交互来调用已有能力完成新任务。
- 框架：这篇综述按「上下文证据如何连接到执行」把方法分成四类——上下文条件策略、几何示范迁移、基于世界模型的控制、基于技能和 Agent 的执行，并比较它们各自对迁移的假设，以及训练、对应关系和记忆分别起什么作用。作者还把机器人学习分成六个层级，从显式编码控制，到跨本体交换经过验证的知识。
- 议程：作者把组合式任务习得、忠实迁移与「物理递归自我改进」联系起来——让经验提升学习后续任务的能力。这是综述的观点与研究议程，不是实验结论。
4 类 上下文证据连接执行的接口家族
适合谁读：做机器人基础模型与部署的团队；想快速了解「少样本教机器人」路线图的投资人。
AI 解读 · 基于原文：本页由 AI 根据论文原文整理，所有数字均可在原文中找到出处；引用前请核对原文。