π0.5：具备开放世界泛化的VLA模型

标题里的「开放世界泛化」是这份资料给自己设定的靶子：一个视觉—语言—动作模型（VLA，输入图像与语言指令、输出机器人动作），能不能把能力从训练过的场景推到没见过的世界去。这里问的不是在新物体上跑通一个演示，而是环境、物体、指令都变了之后还能不能把活干成。这个问题现在值得看，是因为具身智能和机器人基础模型正处在把「通用」当卖点的阶段，而宣称与验证之间往往隔着很远的距离；一份公开可下载的 arXiv 全文，至少让人有机会去看这个宣称是怎么被支撑起来的，而不是只看到一个结论。

材料给出的定位很清楚：方向是具身智能/机器人基础模型，核心对象是 VLA 模型，落点在开放世界泛化，由 Physical Intelligence 发布。除此之外——用了什么数据、训练分几个阶段、评测在哪些平台上做、与谁对比——材料本身没有交代，需要以 arXiv 原文为准。换句话说，这份材料的价值是把你带到正确的门口，门里的具体做法要自己进去看。它能确认的是「有这么一篇公开论文、主题是这个」，不能确认的是论文内部的技术路线。

关于关键发现与数字，必须说清楚：现有材料没有提供任何量化结论，既没有成功率，也没有对比基线，更没有泛化测试的具体设置与规模。它只说明这是一篇公开论文、可免费下载全文、具体结论以原文为准。所以任何关于「提升多少」「超过谁」的说法，都不能从这份材料里推出来，也不应该由介绍文字代劳。

读原文时，有几个问题值得带着去核对。第一，「开放世界」在这篇论文里是怎么被操作化定义的——是新的物体实例、新的场景布局，还是新的任务指令，这三者的难度差别很大，混为一谈会让泛化看起来比实际更容易。第二，泛化是怎么被测量的，评测分布与训练分布差多远，测试集有没有以任何形式泄漏进训练。第三，报告的是平均值还是分布，失败案例长什么样。这些不是材料给出的结论，而是判断一个泛化宣称是否站得住的必要条件。

如果这类宣称成立，意味着机器人能力的评测重心会从封闭基准转向部署环境的多样性——这是解读，不是材料的原话。对做产品的人来说，一个 VLA 模型是否可用，越来越取决于它在长尾场景里的表现，而不是标准任务上的分数；对做研究的人来说，可复现的开放世界评测协议，其价值可能不亚于模型本身。反过来说，只看到一个「泛化」的标签就下判断，风险很高。

适合读的人：做机器人学习、具身智能、多模态策略的研究者与工程师，以及需要判断 VLA 类产品宣称可信度的技术决策者。读完能拿走的，是一个明确的问题定位、一个方向坐标，以及一份可免费获取原文的入口。边界也要讲清楚：这是条目级介绍，不含方法细节与实验数据，不能替代原文，也不足以支撑任何性能层面的结论；真正的判断，得回到那篇论文里去下。