机器人上下文学习（In-Context Learning）综述：方法与应用

一篇综述梳理了机器人上下文学习（ICL）的四类方法：上下文条件策略、几何演示迁移、基于世界模型的控制，以及技能与智能体执行，部署时神经参数保持固定。文章对比了各类接口的迁移假设，以及训练、对应关系和记忆在让上下文发挥作用时的角色，并覆盖操作与导航任务。分析将方法设计与评测实践相连接，区分对教学的响应、物理迁移和保留经验带来的收益。