泛化能力

泛化能力（Generalization）是指模型在未见过的、与训练数据不同的新场景下也能正确执行任务的能力。在具身智能（Physical AI）领域，泛化能力是模型从实验室走向真实世界的核心目标。

关键影响因素

• 数据多样性：训练数据的多样性直接决定了模型的泛化能力。Micro1 在全球50多个国家采集数据，就是为了让模型接触到各种光线、物品布局和操作场景。
• 对抗过拟合：如果训练数据过于单一（如只在美式厨房中录制），模型会发生过拟合，无法适应新环境。

在具身智能中的重要性

具身智能模型需要理解"门把手"不仅有金属的、木头的，还有圆的、扁的、甚至是有破损的；只要它满足特定的视觉特征和空间逻辑，机器人就应该知道如何去握住它。这种能力正是泛化能力的体现。