本研究提出ReLIC，一种用于具身人工智能的强化学习方法，利用64,000步上下文经验帮助智能体快速适应新环境。该方法结合部分更新策略和Sink-KV机制，在多目标导航任务中表现优异，超越多种元强化学习基线，并展现模仿学习能力。