π0.5 的开放世界泛化由哪些数据、训练目标和架构设计共同支撑？这些因素分别如何起作用？

三个层面：数据上，网络图文/视频数据与多机器人演示共同训练，把语义常识注入主干，这是全新家庭泛化的主因；训练目标上，高层子任务预测把长程任务变成「先想后做」，缓解分布外任务的组合爆炸；训练策略上，离散 token 预训练与 flow matching 专家微调的两阶段设计兼顾训练效率与推理质量。推理时模型先分解任务（如「打开水槽下的柜门」）再执行，使新环境中行为仍有结构。

面试官常追问「哪一项最关键」：论文证据指向非机器人数据的 co-training 是主要驱动力，子任务预测与两阶段训练是放大器。还应主动给出泛化边界：语义与流程泛化强，但操作精度在分布外环境仍会下降，需要任务内数据闭环兜底。