World In-Context Learning for Agentic Robot Manipulation：机器人具身智能的新范式

研究提出World In-Context Learning（WICL）框架，通过在模拟环境中重演任务并记录反馈到上下文而非模型权重，实现零样本迁移。基于该框架构建的RoboScript系统，在RoboTwin 2.0的50项任务中，仅用单次演示即达到83.4%平均成功率，超越最强训练策略20个百分点以上。