RecodeX 重构消息，三星联合上海交通大学提出具身上下文学习新方法RoboICL，无需训练模型参数，通过冻结GPT-6 Astra并在推理阶段提供少量示范，将机器人执行历史与环境变化按统一的“观察→动作→执行回执→结果观察”语法组织为具身上下文，直接输出双臂动作。

该方法采用有界锚定记忆机制平衡长程任务的上下文预算与信息留存，在RoboDojo的30项双臂操作任务评测中整体得分50.64，四类任务得分较对比方法及官方零样本GPT-6 Astra控制器提升20至27个progress-score点。项目公开929条可逐布局核查的三视角执行记录。

在真实Franka机械臂的三项测试任务中，三段示范下平均progress score达78.89，并依托稳定上下文前缀实现92.4%的KV缓存命中率，可显著降低多模态具身上下文的推理成本。