11 月 9 日公开的预印本提出 World In-Context Learning，作者来自华中科技大学与 ArcheOne AI，配套框架名为 RoboScript。方法从一次示范出发，在模拟环境里练习，把反馈写进任务记忆，而不是更新基础模型权重。
随后，系统冻结任务记忆，在新场景中使用真实机器人能够获得的输入执行任务。研究还展示了从模拟双臂平台向真实双臂机器人迁移记忆的实验。
团队报告，在 RoboTwin 2.0 的 50 项任务上，干净与随机场景的平均成功率为 83.4%。这是论文特定设置下的结果，不能直接推广为任意机器人、任意操作的成功率；公开代码仍处于 1.0 之前的阶段。