Исследователи представили RoboScript для обучения роботов без изменения весов модели

Авторы исследования World In-Context Learning for Agentic Robot Manipulation представили метод WICL и реализующую его систему RoboScript. Работа опубликована на arXiv 9 ноября 2026 года; код доступен. Метод позволяет осваивать роботизированные манипуляции без обновления весов — внутренних параметров модели.

RoboScript начинает с одной демонстрации задачи, затем репетирует её в симуляторе. Модель остаётся замороженной, а обратная связь пополняет её контекст. Полученный опыт система сохраняет как Task Memory — память о задаче, которую затем использует в новых сценах. По наблюдениям исследователей, такой опыт описывает прежде всего шаги задачи и роли объектов, а не их внешний вид.

По данным авторов, на всех 50 задачах RoboTwin 2.0 система показала среднюю успешность 83,4% в совокупности стандартных условий и условий со случайными изменениями. Результат получен при одной демонстрации на задачу и без градиентных обновлений; он более чем на 20 процентных пунктов превысил показатель сильнейшей из сравниваемых обученных моделей управления.

Исследователи также сообщают о переносе метода на физического двуручного робота с помощью адаптации памяти к другой роботизированной платформе. RoboScript представлен как исследовательская система, а опубликованный код позволяет изучить её реализацию.