长尾效应（边缘情况）

长尾效应（Long Tail Effect），在机器学习领域也常被称为边缘情况（Edge Cases），指现实世界中大量出现频率低但种类繁多的特殊情况。在具身智能（Physical AI）领域，长尾效应是模型泛化能力的主要挑战之一。

在具身智能中的表现

如果家务数据只在美国加州的样板房里录制，AI 就会发生严重的过拟合（Overfitting）。它可能只认得双开门的不锈钢大冰箱，只认得洗碗机和特定的美式餐具。一旦放到一个环境截然不同的家庭中，它就会彻底宕机。

对抗策略

为了对抗长尾效应，数据采集必须追求绝对的数据多样性。Micro1 在50多个国家（包括印度、巴西、肯尼亚等）采集数据，就是为了让模型接触到各种光线条件、物品布局、厨具形状和衣物材质，从而提取出真正的"泛化能力"。