标题：AI搞定所有家务？换个房子也能行

近年来，机器人在灵活性和复杂任务处理上取得显著进展，但泛化能力仍是最大挑战。泛化指机器人在新环境中正确完成任务的能力，比如在家里的不同布局中抓起新勺子、理解任务语义并执行相应操作。现有机器人多基于特定场景和相似数据训练，难以适应多样化环境。

美国Physical Intelligence公司推出π0.5模型，基于π0的视觉-语言-动作（VLA）框架，通过异构任务协同训练实现广泛泛化。实验显示，π0.5能在全新家庭中执行复杂任务，如清洁厨房或卧室，成功率达较高水平。

π0.5的工作原理是利用异构数据的共同训练，涵盖图像、文本、动作等多种模态。模型既能理解语义步骤，也能生成具体关节运动指令，类似“思维链”模式。通过不同环境的训练，π0.5展现了强大的分布外泛化能力，接近直接在目标环境中训练的基线模型。

尽管π0.5表现优异，但仍需改进高级语义推理和动作执行指令的准确性。未来，机器人有望通过自主经验优化，并在陌生情境中寻求帮助。然而，知识迁移、模型技术和数据多样性仍需进一步发展。