一句话定义：通用灵巧性（General Dexterity）指同一套机器人硬件与策略，面对没见过的物体、没练过的任务、变了样的环境，仍能完成需要精细手部协调的操作——不用为每个场景单独写程序或重新训练。
拆开看，其实是两个词
“灵巧”说的是控制精度到了手指级别：捏鸡蛋不碎、插钥匙进孔、拧开瓶盖、在掌心把笔转个方向。“通用”说的是这份本事不绑定对象：换个杯子、换个抽屉、换个光照，照样能干。
打个比方：工厂里的气动夹具是“专才”，它的全部世界就是那个零件，抓得又快又稳，零件换个形状它就可能失效；人手是“通才”，同一只手能拎袋子、系鞋带、在兜里摸出钥匙。人手的硬件并不算最强，强在能随物体变形、随任务变形。通用灵巧性追求的就是这种“一手多用”。
和相邻概念的区别
| 概念 | 关心什么 | 典型局限 |
|---|---|---|
| 单一抓取（pick-and-place） | 给定物体，算出一个抓得稳的位姿 | 抓起来就结束，不负责后续操作 |
| 手内灵巧操作（in-hand manipulation） | 手指拨动，让物体在掌心改变姿态 | 通常针对单个物体、固定任务 |
| 专用技能（specialized skill） | 把某一道工序做得又快又稳 | 换个工位就要重新调 |
| 泛化（generalization） | 策略在分布外还能用 | 说的是模型性质，不特指手部操作 |
| 通用灵巧性 | 跨物体、跨任务、跨环境的精细操作 | 仍在早期，边界条件多 |
可以这样记：单一抓取是“一个动作”，手内灵巧是“一个高难动作”，通用灵巧性要的是“一套动作库，加上临场组合的能力”。
难在哪里
难在组合太多。物体形状、材质、重量，任务目标，环境约束，这些交叉起来数量极大，靠穷举示范永远覆盖不完。长程任务里误差还会累积：捏偏一毫米，插孔时就失败。所以真正吃紧的不是“手有多灵活”（硬件），而是“能不能在没见过的情形下自己调整”（策略与感知闭环）。
对数据和评测提出的新要求
数据上，单任务的干净示范不够了。需要多物体、多任务、带失败样本、最好跨不同机器人本体（embodiment）的数据，让策略学会“和没见过的世界打交道”，而不是背下训练集。
评测上，只看训练任务的成功率会失真。更有意义的做法是：留出模型没见过的物体与任务，按任务族统计，并公开评测协议让人能复现——否则“通用”二字无从验证。各家对能力边界的描述方式不同，具体指标以官方页面为准。
对从业者：与其在一个任务上把分数刷到小数点后两位，不如把力气花在数据多样性和“未见场景”的评测上。对普通职场人：看机器人演示视频时多问一句“换个东西它还认得吗”——演示是排练过的，通用性才决定它能不能进真实场景。