机器人上下文学习综述:四类方法接口与通往物理递归自我改进的路线

Knowin · hf · 2026-09-30

这是一篇关于机器人上下文学习(In-Context Learning)的系统性文献综述。通用机器人需从演示与交互中推断新任务并转化为物理动作,而神经参数在部署时保持冻结。综述按「上下文证据连接执行」的接口把方法分为四类:上下文条件策略、几何演示迁移、基于世界模型的控制、基于技能与 agent 的执行,并比较各接口的迁移假设以及训练、对应关系和记忆在其中的作用。内容覆盖操作与导航场景,分析这些机制如何在物体、环境与执行条件变化时保持被教授的要求,并把方法设计链接到区分「教学响应性」「物理迁移」「经验收益」的评测实践,最终指向物理递归自我改进的研究议程。