本研究提出了一种即时策略，通过图表示引入归纳偏差，解决机器人领域的上下文模仿学习问题，快速学习多种日常任务，并为跨实体和零样本转移奠定基础。

研究者构建了Cline数据集，包含16,642个英语-印地语混合文本句子，用于混合文本生成的质量控制。实验证明，基于混合代码指标训练的多层感知机模型表现更佳。研究者还进行了零样本转移可接受性判断，超过了随机基线。研究者公开发布了相关数据集、训练检查点、混合文本语料库和数据生成以及模型训练的代码。

本文介绍了一种利用鸟瞰图像的系统，通过模拟器训练实现零样本转移到真实世界，增强了在真实环境中的鲁棒性，并证明了其有效性，相关代码和数据集已公开。此外，研究了在稀疏交互下生成世界模型的方法，提出了变分稀疏门控的潜在动力学模型，显示出在复杂环境中的优越性能。