论文提出以数据多样性提升机器人零样本泛化的路径

arXiv 论文将物理 AI 的零样本泛化形式化为对部署分布的覆盖，指出同一采集者增加样本只能缓慢缩小未见区域，而每新增一位贡献者都能扩展覆盖。基于此，论文提出融合多模态对齐、生成式增强与噪声标签学习的机器人动作共享潜空间，并建议开发者围绕标准机器人 Origmi 构建应用以提供多样化数据，最后给出关联实机零样本成功率与数据多样性的可检验假设及评测协议。