银河通用系列的收官篇，也是具身智能领域最前沿的问题之一——策略泛化与迁移。前面几篇聊的感知、抓取、控制都是"学一个具体技能"，但这篇讨论的是一个更高层次的问题：机器人在A场景里学会了开门，到了B场景面对一扇完全不同的门，它还能开吗？银河通用的策略泛化工程师面试核心考的是跨任务泛化、少样本学习和策略迁移验证。面试官的开场问题很有哲学味："你在训练环境里让机器人学会了抓杯子，现在测试环境里杯子的颜色、形状、大小全变了，你的策略还能work吗？凭什么？"跨任务泛化：从"记住"到"理解"这个问题的本质是区分记忆和泛化。如果一个策略只是记住了训练数据里那些杯子的视觉特征，那换了颜色形状当然就懵了。泛化要求策略真正"理解"什么是杯子——杯子是一个有开口、有把手、可以抓持的容器，颜色只是无关的表面属性。当前最主流的泛化方法是用大规模视觉预训练提取通用的视觉特征。比如用CLIP或者DINOv2在数十亿张互联网图片上预训练出来的视觉编码器，它学到的特征对颜色、光照、背景等变化天然不敏感，但对物体的形状、结构、功能部位（比如把手）非常敏感。把这种编码器作为机器人策略的视觉前端，策略就能对没见过的外观变化有一定鲁棒性。面试官追问："CLIP的特征是图像级别的（整张图片一个特征向量），但机器人操作需要像素级别的特征（每个像素对应什么物体）。怎么处理？"这就是密集特征提取的问题。做法是用DINOv2而不是CLIP——