看一遍就会：机器人借用你的一段示范

机器人学界的默认流程很稳：采数据，训策略，部署。每一环都要钱。

arXiv:2609.34261 换了个思路。RoboICL 不训练任何机器人专用参数，也不训 VLA 模型，只做一件事：把「一段示范」和「机器人刚刚自己做了什么」整理成一段模型读得懂的上下文，然后让冻结的 GPT-6 Astra 直接输出下一段双臂动作。

三个数字摆出来：

同一个模型，同一批任务，权重一个字节没动。差别只在上下文里放了什么东西。

示范和记忆是两件事

RoboICL 把喂给模型的东西拆成两路，这一点是整套设计的骨架。

• 示范上下文：专家轨迹里采样出来的、互不重叠的动作片段。每一集固定不变。
• 交互记忆：机器人自己这一局的 rollout 历史，每个动作块执行完就更新。

两路共用一套语法：观察 → 动作 → 执行回执 → 新的观察。回执这一环容易被忽略，它记录的是控制器实际执行了多少、哪些后缀被丢掉了、控制器有没有中途打断。模型据此知道自己"想做的"和"真发生的"之间的差，就不会拿着过期状态往下推理。

锚点式记忆：省下来的上下文花在哪

长程任务有个绕不开的矛盾。模型上下文有限，机器人执行到第 80 步的时候，第 3 步的现场状况早就被挤出窗口了。可第 3 步的现场状况恰恰可能是第 80 步需要的信息。

RoboICL 的做法叫有界锚点记忆。窗口里永远保留三样东西：最早的第一次交互、沿时间轴均匀撒的若干锚点、最近一次完成的交互。被省略掉的片段不留空，而是显式插一个标记符，避免模型把断开的两帧当成连续时间。

真正难的是有限的钱怎么分。总预算 J + B = 24，J 分给示范块、B 分给在线记忆。四个任务上的消融结果：

两头都不能饿死。只给示范不给在线记忆会退到 57.50，只给在线记忆不给示范会退到 60.75，中间那条 80.25 是主实验用的配置。这张表是全篇最实用的一张，它说明上下文预算是零和的，往一边倒就掉分。

30 项任务的成绩单

RoboDojo 是仿真与真机统一的基准，30 项双臂操作任务，分四类。Open 类没有任务专属示范，走零样本，其余三类统一给一段示范。

RoboICL 在每一类上都比官方零样本的 GPT-6 Astra 高 20 到 27 个进度分。总体分 50.64，最强基线 PhysicalRSI 是 39.56，官方零样本是 33.68。分项上，Memory 类和 Open 类都排在榜首，Precision 类与最强基线相当，Long-Horizon 类仍有竞争力。

这里有个容易被误读的点。Open 类是零样本，也就是没有任务专属示范，却拿到 54.75 分，比零样本基线高出一大截。这说明组织好在线经验本身就能带来增益，不用先有示范。示范只是在有示范可用时再往上加。

另有一个十任务子集，RoboICL 得 60.60，和 π0.5 + GPT-6 Astra 的混合方案差 2.00 分以内。开发任务上，一个可选的 Jev 门控动作复用机制把 GPT-6 Astra 的调用次数减少了 33% 到 48%。

项目页放了什么出来

这一部分值得单独说。项目页公开了 929 条可播放的执行记录，其中 880 条完整评测加 49 条部分完成，覆盖全部 30 项任务和每项的 50 个布局。每条记录给三视角同步视频（左手腕、头部、右手腕），给官方分数和评测协议，还给 GPT-6 Astra 逐步的执行理由，跟视频播放对齐。

929 这个数量不是随手凑的。它意味着第三方可以逐布局去核失败模式、恢复行为，以及零分轨迹里究竟有没有能力。发布可执行轨迹在这种基准论文里并不常见。

需要说明的边界

论文是 arXiv 预印本，2026 年 9 月 28 日提交，代码在 GitHub 的 Mosi-AI/RoboICL。进度分是 RoboDojo 的原生分阶段指标，范围 0 到 100，不等于简单成功率，跨论文比较时要看清口径。三项真机任务数量不大。Jev 门控动作复用是在两个开发任务上测的，作者自己标为可选。示范上下文与在线记忆的 4:1 到 2:1 配比来自四个任务的消融，换任务集是否稳定，论文没有验证。

这一步把"给机器人看一遍"从演示技巧变成了一条可测量的机制路径。代价是每次决策都要把上下文重新塞给模型，成本结构和小 VLA 完全不一样。论文没有报推理延迟和 token 成本，这大概是这套方案走向真机部署最先要补的账。

信源：arXiv:2609.34261（2026-09-28 提交）；消融数字与 929 条记录来自项目页与 BestHub 的拆解；RoboDojo 基线分由 RoboProbe 官方报告提供。