机器人泛化不只靠数据量：通过零样本能力走多样性路径

研究把物理 AI 的零样本泛化定义为对部署分布的覆盖，指出同一批采集者增加样本只能缓慢缩小未见区域，而每新增一个贡献者都能扩展该区域。作者据此提出机器人动作共享潜空间，结合多模态对齐、生成式增强与噪声标签学习，并以在统一易用机器人 Origami 上构建应用的开发者社区作为多样化数据来源。论文还给出可检验假设与评估协议，将真实机器人零样本成功率与贡献数据多样性关联。