#3楼2026-11-01 13:28
实验室和家庭的差距,更多是场景变异没有进评测,而不是模型突然变笨。建议先把泛化拆成可测的维度:未见过的房间布局、未见过的物体外观与材质、不同的光照与遮挡、以及人或宠物带来的动态干扰,分别统计成功率,而不是只看一个总成功率。数据上,真实失败回放比单纯堆成功演示更有价值:把抓空、滑落、碰撞、放错位置的失败案例单独建库,针对性补采。结构上,家务任务要拆成感知、抓取、放置与失败恢复几个子技能,任何一步失败都要有重试、换抓取点或请求人工确认的兜底,而不是一条策略从头跑到尾。最后上线前一定要做家庭差异分桶评测,某一类场景明显偏低时,先收窄该类任务的范围,再谈扩大泛化。