复旦邱锡鹏团队提出「上下文世界建模」：无需微调，VLA即可适应新环境

视觉-语言-动作（VLA） 模型，在部署时往往会遇到一个问题：一旦相机视角、安装位置或机器人形态稍有变化，性能就可能会下降。 以往的 “上下文学习”（In-Context Learning ) ，通常把上下文当作示范，靠人工演示任务执行，机器人并不知道整套系统该如何运作。一旦部署环境改变，研究人员往往只能 重新收集数据、重新调模型 ，既费时也费力。 针对这一问题，复旦大学邱锡鹏教授团队提出了 “上下文世界建模” （In-Context World Modeling，ICWM）。在任务执行前，机器人会进行一小段与任务无关的随机探测，再将 交互过程 作为 上下文输入模型 ，以此判断整套系统如何运作。