通用策略（通才策略）

Generalist Policy入门必知

一个模型就能执行多种任务、适配多种场景甚至多种机器人的控制策略。

策略是把观测映射成动作的模型。通用策略指用大规模、多任务、常常跨机器人的数据训练出的单个策略，能按语言指令或目标图像完成许多不同任务，在新场景下也有一定泛化能力；与之相对的专用策略只为一个任务或一台机器人训练。它通常先大规模预训练，再用少量目标场景数据微调到具体机器人和任务，思路类似大语言模型。代表作有 2024 年的开源模型 Octo（在 Open X-Embodiment 的 80 万条轨迹上训练，可在消费级显卡上几小时内微调到新机器人）、OpenVLA，以及 Physical Intelligence 的 π0 系列。如今多数 VLA 模型都以通用策略为目标。