零样本学习（Zero-Shot Learning）是一种让机器在未经特定任务训练的情况下，通过已有知识推断新类别对象的机器学习方法。其核心思想是利用语义嵌入空间，将已知类别与未知类别通过共享属性（如视觉特征、文本描述等）建立关联，使模型能够识别训练数据中从未出现过的类别。在机器人领域，这种能力尤为重要——当机器人面对开放环境中层出不穷的新物体或新任务时，零样本学习能使其像人类一样基于已有经验进行合理推断。
以家庭服务机器人为例，当它首次遇到一款新型智能咖啡机时，虽未经过该型号的专门训练，但通过识别「带有按钮的圆柱体」「液晶显示屏」等跨品类共享特征，结合产品说明书中的文本描述，就能推测出基本操作方法。这种技术大幅降低了机器人适应新场景的部署成本，使得产品能快速响应市场需求变化。目前亚马逊仓储机器人已采用类似技术处理海量未见过的新商品，而丰田研究院则通过零样本学习让机器人理解自然语言指令操作陌生工具。