如果说"大模型"让机器人学会了说话，那么 "泛化能力"（Generalization） 则是决定机器人能否走出实验室、真正进入千家万户的关键门 槛。 但在当下， 为什么机器人在训练场景里表现完美，一旦换个房间、换个光照、或者换个颜色的杯子，就会突然 " 智障 " ？ 根本原因在于， 传统的AI往往只学会了表面的相关性（Correlation），而没有掌握事物背后的因果性（Causality） 。 近日， 全球顶级人工智能会议AAAI 2026正式收录了原力无限与香港大学、澳门大学、武汉大学等联合完成的重磅研究 《 DSAP: Enhancing Generalization in Goal-Conditioned Reinforcement Learning 》 。 该研究由原力无限科研团队深度参与，与顶尖高校学者共同攻坚， 首次提出了一种基于因果图（Causal Graph）的结构感知代理框架 （DSAP） 。 这标志着原力无限成功将因果推理技术引入具身智能大脑，为解决困扰行业的"分布外泛化"（OOD）难题提供了全新的理论支撑。 行业痛点 机器人为什么不懂"举一反三"？ 01 如果你把桌子换成蓝色，AI可能 ...