文 | 追問 nextquestion
2025 年才過去 4 個(gè)月，機(jī)器人就出圈了兩次，在春晚舞臺(tái)上，他們 " 整齊劃一 " 演繹了一段秧歌舞，技驚四座；而在馬拉松賽道上，各型機(jī)器人卻接連失衡跌倒，暴露出在智能控制上的明顯短板。這兩次畫風(fēng)迥異的公開露面，不禁引人思考：在人工智能突飛猛進(jìn)的今天，機(jī)器人技術(shù)距離科幻作品中描述的未來場(chǎng)景還有多遠(yuǎn)？是已站在科幻照進(jìn)現(xiàn)實(shí)的門檻上，還是仍在技術(shù)迷霧中艱難摸索？
01 是什么讓 ta 從機(jī)器變?yōu)闄C(jī)器人？
機(jī)器人不同于普通機(jī)器的地方，在于其具有感知、規(guī)劃甚至決策的能力。例如吸塵器是機(jī)器，而能夠自主探索屋內(nèi)環(huán)境，根據(jù)地形制定清掃路線，規(guī)避障礙的掃地機(jī)器人，則可歸為機(jī)器人。
目前機(jī)器人種類繁多，根據(jù)應(yīng)用場(chǎng)景可以分為工業(yè)機(jī)器人（如機(jī)械臂）、服務(wù)機(jī)器人（具身人形）、特種機(jī)器人（軍用、救援）等。而科幻作品中那些給人留下深刻印象的大多是人型機(jī)器人，例如《西部世界》中的 " 接待員 "（Host）或《機(jī)械姬》中的智能機(jī)器人艾娃。
這些機(jī)器人最基本的特點(diǎn)，是具有靈活的運(yùn)動(dòng)能力，能夠跟得上人類的步伐，甚至能夠逃脫人類的追捕。而要想讓機(jī)器人健步如飛，其技術(shù)挑戰(zhàn)遠(yuǎn)比想象的要復(fù)雜。
以馬拉松為例，讓機(jī)器人完成一場(chǎng)比賽的技術(shù)挑戰(zhàn)涉及多個(gè)復(fù)雜系統(tǒng)的協(xié)同。要讓機(jī)器人跑起來，首先要解決的問題是環(huán)境感知。在綿延數(shù)十公里的賽道上，機(jī)器人需要應(yīng)對(duì)連續(xù)的彎道和起伏的坡度。這不是安裝幾個(gè)攝像頭就能解決的，不僅需要視覺傳感器、慣性測(cè)量單元（IMU）和激光雷達(dá)等硬件支持，更需要一套完整的多模態(tài)傳感器融合系統(tǒng)，將各類感知數(shù)據(jù)實(shí)時(shí)整合并構(gòu)建精確的環(huán)境模型。
其次，在理想狀況下（科幻場(chǎng)景），機(jī)器人還應(yīng)當(dāng)能夠根據(jù)馬拉松比賽的場(chǎng)地線路自主規(guī)劃最佳運(yùn)動(dòng)計(jì)劃。例如，平坦路段上可以快速奔跑，而遇到連續(xù)彎道，則能自適應(yīng)調(diào)整為慢速通過以避免摔倒。然而現(xiàn)實(shí)中，我們?cè)谶@屆機(jī)器人半馬中看到的，卻是依賴人類遙控（甚至需要被人牽著），距離真正的自主控制仍有差距。
本次馬拉松賽場(chǎng)上有一些有趣的現(xiàn)象。例如，陪跑的工作人員需要時(shí)不時(shí)給機(jī)器人的關(guān)節(jié)噴一噴冷卻液，而科幻作品中的機(jī)器人是能夠感知自身狀態(tài)并主動(dòng)尋求自我修復(fù)的。另外，此次比賽機(jī)器人都是間隔 2 分鐘依次出場(chǎng)的，相當(dāng)于獨(dú)自奔跑，而不是像人類開賽時(shí)所有運(yùn)動(dòng)員一起出發(fā)。同時(shí)起跑意味著不僅可以對(duì)自身的感知，還需要涉及對(duì)其它個(gè)體的行動(dòng)軌跡的預(yù)測(cè)。這反映了機(jī)器人在自適應(yīng)系統(tǒng)和群體智能方面還面臨著更深層的挑戰(zhàn)。
從環(huán)境感知到路徑規(guī)劃，從執(zhí)行控制到狀態(tài)評(píng)估，再到基于反饋的持續(xù)優(yōu)化——這個(gè)類似 OODA（觀察 - 調(diào)整 - 決策 - 行動(dòng)）的閉環(huán)迭代過程中，每個(gè)環(huán)節(jié)都需要精確的算法支持。人形機(jī)器人要想如科幻作品中的描述那樣的高度自主性，在這個(gè)持續(xù)迭代中的每一步都不能出錯(cuò)。
02 機(jī)器人能否通過互動(dòng) " 自我進(jìn)化 "？
近十年來，最著名的以機(jī)器人為主角的影視劇，莫過于《西部世界》。劇情中最出名的是機(jī)器人的分階段覺醒，從最初完全受到預(yù)設(shè)程序控制的德妹，到后來自主意識(shí)覺醒，能夠突破代碼的限制，做出其創(chuàng)造者沒有預(yù)先編碼的行為。機(jī)器人，至少是當(dāng)下階段的機(jī)器人，能否從人機(jī)互動(dòng)中展開強(qiáng)化學(xué)習(xí)呢？
在開放環(huán)境中，目前機(jī)器人大多無法做到自主決策，正如我們?cè)跈C(jī)器人馬拉松上看到的，其行動(dòng)需要操作員遙控或牽引。那如果現(xiàn)實(shí)環(huán)境中還做不到，那能否在虛擬環(huán)境接近這一目標(biāo)呢？
答案是肯定的，近日 Deepmind 發(fā)表在 Nature 的一項(xiàng)研究，其提出的 Dreamer 算法讓智能體能夠在未知的開放環(huán)境中，不必進(jìn)行窮舉式試錯(cuò)，從零開始通過強(qiáng)化學(xué)習(xí)學(xué)會(huì)控制自身，獲得積分（鉆石），其表現(xiàn)已超過了人類玩家 [ 1 ] 。
Minecraft 這款沙盒游戲，不同于之前被 AI 征服的圍棋或 Dota，其最大的特點(diǎn)是其環(huán)境開放性——游戲中的一個(gè)個(gè)三維方格，組成各式各樣的地形地貌，而玩家要做的是控制自己的身體，然后去找到環(huán)境中的鉆石。而機(jī)器人能夠在這一復(fù)雜的虛擬環(huán)境中進(jìn)行定向越野探險(xiǎn)尋寶 [ 1 ] 。這是否就意味著，" 機(jī)器生命 " 理論上已經(jīng)具備了在未知環(huán)境中 0 預(yù)訓(xùn)練地感知環(huán)境、規(guī)劃路徑、最終決策的能力？而擋在理想和現(xiàn)實(shí)之中的，或許只有技術(shù)整合落地的具體問題，等待工程師逐步優(yōu)化。
但這樣的強(qiáng)化學(xué)習(xí)模式，與 " 西部世界 " 這類科幻影片中的場(chǎng)景描述，存在著本質(zhì)差異。科幻電影中，機(jī)器人多是通過與人的互動(dòng)，覺醒出設(shè)計(jì)者預(yù)料之外的主體性（擺脫人類設(shè)定的路徑）。而機(jī)器人使用強(qiáng)化學(xué)習(xí)的各種嘗試，則集中在定義清晰的目標(biāo)上，例如導(dǎo)航、節(jié)能等具體目標(biāo)上。例如，在 " 未知 " 空間中尋寶，或是通過訓(xùn)練機(jī)器人行走動(dòng)作對(duì)稱，從而降低其運(yùn)動(dòng)能耗 [ 2 ] 。但這些都沒有擺脫預(yù)設(shè)人類預(yù)設(shè)的目標(biāo)。是否遵循人類預(yù)設(shè)目標(biāo)工作，區(qū)分了科幻中的 " 強(qiáng)化學(xué)習(xí)機(jī)器人 " 與現(xiàn)實(shí)中的 " 強(qiáng)化學(xué)習(xí)算法在機(jī)器人中的應(yīng)用 "。
美國(guó)心理學(xué)家朱利安 · 杰恩斯在其 1976 年的著作《意識(shí)起源于二分心智的崩潰》（The Origin of Consciousness in the Breakdown of the Bicameral Mind）中提出了 " 二分心智理論 "，即左腦（語言中樞）負(fù)責(zé)日常行動(dòng)和語言，右腦（" 神性 " 中樞）在需要決策時(shí)，通過幻覺（如 " 神的聲音 "）向左腦下達(dá)指令。在二分心智的假設(shè)中，當(dāng)社會(huì)復(fù)雜度增加（如戰(zhàn)爭(zhēng)、災(zāi)害），二分心智系統(tǒng)崩潰，右腦的 " 神諭 " 被內(nèi)化為自我意識(shí)。在《西部世界》中，" 二分心智理論 " 被用來解釋機(jī)器人如何逐漸獲得自主意識(shí)。
這與前述的 Dreamer 算法有類似之處，指揮 minecraft 的 Dreamer 算法也使用了類似的參與者 - 評(píng)論家（Actor-Critic）學(xué)習(xí)框架，參與者進(jìn)行探索時(shí)選擇最大化回報(bào)的作，評(píng)論家評(píng)估每個(gè)結(jié)果的價(jià)值。然而科幻與現(xiàn)實(shí)的相似僅僅是表面上的。真實(shí)的算法中不存在所謂的神旨，當(dāng)代神經(jīng)科學(xué)（不論是整合信息論還是全局工作空間）也指出，意識(shí)是全局神經(jīng)網(wǎng)絡(luò)整合的結(jié)果。在 Dreamer 算法中，參與者和評(píng)論家始終是共同通過算法構(gòu)建的世界模型，讓虛擬世界中的機(jī)器人能夠魯棒的適應(yīng)各種環(huán)境。
要評(píng)估強(qiáng)化學(xué)習(xí)前沿進(jìn)展與科幻場(chǎng)景的距離，Dreamer 這項(xiàng)研究提供了一個(gè)重要參照。從能在模擬環(huán)境中完成多樣化任務(wù)的虛擬智能體，到在現(xiàn)實(shí)世界中實(shí)現(xiàn)通用機(jī)器人，理論框架已經(jīng)逐步完備。這類通用機(jī)器人應(yīng)當(dāng)能夠適應(yīng)復(fù)雜地形、完成動(dòng)態(tài)導(dǎo)航和負(fù)重運(yùn)輸，并執(zhí)行多元化任務(wù)。當(dāng)前的技術(shù)瓶頸主要體現(xiàn)在兩個(gè)方面：真實(shí)世界中的觀測(cè)會(huì)存在誤差，人形通用機(jī)器人的商用或會(huì)受到成本限制。通用機(jī)器人，或許只需要 10~20 年就會(huì)變得如智能手機(jī)一樣普及，或者因?yàn)槌杀驹蛲七t到 40~50 年，但這一天終將到來。
03 " 完美伴侶 " 機(jī)器人何時(shí)到來？
2017 年的科幻電影《機(jī)械姬》中的通用機(jī)器人艾娃，能夠在與人交流時(shí)解讀甚至操縱情感，還通過監(jiān)控人類行為數(shù)據(jù)（如內(nèi)森的酗酒習(xí)慣、迦勒的同情心）動(dòng)態(tài)調(diào)整策略，實(shí)現(xiàn) " 試錯(cuò)進(jìn)化 "，甚至可以生成符合人類情感預(yù)期的謊言。隨著大模型技術(shù)的蓬勃發(fā)展，大模型賦能的機(jī)器人能否讓這樣的場(chǎng)景在現(xiàn)實(shí)中重現(xiàn)？
最近一年來，伴侶機(jī)器人頻繁登上熱搜，這與 DeepSeek、ChatGPT 等大模型技術(shù)的普及密不可分。近日加州大學(xué)圣地亞哥分校（UCSD）的研究團(tuán)隊(duì)，使用了經(jīng)典的圖靈測(cè)試，通過精心設(shè)計(jì)的 " 角色劇本 "（Persona Prompt）來測(cè)試大模型的表現(xiàn) [ 3 ] 。結(jié)果發(fā)現(xiàn)，當(dāng) GPT-4.5 按照這些角色劇本與人對(duì)話時(shí)，高達(dá) 73% 的受試者認(rèn)為它是真實(shí)的人類，而真實(shí)人類反而只有 23% 的概率被判定為 " 人類 "。這個(gè)研究結(jié)果仿佛讓科幻電影中的情節(jié)走進(jìn)了現(xiàn)實(shí)：機(jī)器人以假亂真，成為操縱人類情感的大師，甚至在某些方面的表現(xiàn)已經(jīng)超越了真實(shí)的人類。
這項(xiàng)研究中，使得大模型能夠成功扮演人類的關(guān)鍵，是要求大模型不要做 " 萬事通 "，而去扮演一個(gè)有點(diǎn)瑕疵的普通人。例如該研究用到了這些提示詞：" 你是一個(gè) 19 歲、有點(diǎn)內(nèi)向、熟悉網(wǎng)絡(luò)文化和視頻游戲、說話帶俚語但不濫用、不用句號(hào)的年輕人 "。正是這樣的提示詞，讓大模型的回復(fù)不再冷冰冰，或是客氣卻疏遠(yuǎn)的客服風(fēng)，最終成功蒙騙了人類。
然而，相比僅通過文字對(duì)話就能以假亂真的大語言模型，實(shí)體化的伴侶機(jī)器人還具備更強(qiáng)大的潛力。它不只是有個(gè)身子的 ChatGPT 對(duì)話框，更重要的是，伴侶機(jī)器人還可以捕捉你的面部表情變化，解讀分析你的語速語調(diào)，甚至通過可穿戴設(shè)備實(shí)時(shí)監(jiān)控與之互動(dòng)用戶的心跳、腦電等生理數(shù)據(jù)。正是這種多維度的信息集合，使得未來的陪伴機(jī)器人很可能超越傳統(tǒng)意義上的人際關(guān)系，成為更懂人、更貼心的終極伴侶。
然而，伴侶機(jī)器人的普及，可能會(huì)伴隨著一系列掌控之外的問題，其核心在于個(gè)人隱私和公共福利之間的兩難。
當(dāng)用戶尤其是未成年用戶過度沉迷于機(jī)器人的陪伴，而逐漸疏遠(yuǎn)了真實(shí)世界的人際交往時(shí)，我們是否應(yīng)當(dāng)像對(duì)待網(wǎng)絡(luò)游戲一樣設(shè)置防沉迷系統(tǒng)？
當(dāng)陪伴機(jī)器人檢測(cè)到用戶有可能患有精神疾病時(shí)，它是否有義務(wù)主動(dòng)干預(yù)？若因?yàn)闆]有及時(shí)預(yù)警而導(dǎo)致用戶自殘甚至自殺，陪伴機(jī)器人廠商是否應(yīng)當(dāng)承擔(dān)法律責(zé)任？
當(dāng)用戶對(duì)陪伴機(jī)器人表達(dá)極端情緒，比如揚(yáng)言要傷害他人時(shí)，機(jī)器人該如何判別這只是過過嘴癮的牢騷話，還是需要通報(bào)執(zhí)法部門的威脅信息？如何避免過度干預(yù)有能防范潛在風(fēng)險(xiǎn)？
04 距離機(jī)器人真正的獨(dú)立自主還有多遠(yuǎn)？
相較于過去給人留下的 " 笨拙生硬 " 印象，如今的機(jī)器人不僅跨越了恐怖谷效應(yīng)，還展現(xiàn)出了獨(dú)立完成任務(wù)的能力。然而，該如何評(píng)估到機(jī)器人真正的獨(dú)立自主的距離？
或許我們可以借鑒自動(dòng)駕駛領(lǐng)域的分級(jí)方法，將機(jī)器人的自主程度劃分為六個(gè)等級(jí)：
L0 級(jí)：完全依賴型
這類機(jī)器人對(duì)應(yīng)傳統(tǒng)工業(yè)流水線上的固定程序設(shè)備，不具備環(huán)境感知能力，完全依賴人工校準(zhǔn)和監(jiān)控。
L1 級(jí)：輔助自主型
具備基礎(chǔ)的自主能力，如自動(dòng)避障，但核心功能仍需人工規(guī)劃和管理。典型代表包括掃地機(jī)器人和酒店配送機(jī)器人。
L2 級(jí)：結(jié)構(gòu)自主型
這是當(dāng)前商用機(jī)器人的主流水平。在結(jié)構(gòu)化環(huán)境中能夠完成多項(xiàng)預(yù)設(shè)任務(wù)，但復(fù)雜決策仍需人類介入，故障時(shí)需要人工處理。這一類別涵蓋了手術(shù)機(jī)器人、實(shí)驗(yàn)室機(jī)器人、表演機(jī)器人（如春晚上的扭秧歌機(jī)器人）以及能與人互動(dòng)的機(jī)器狗、足球機(jī)器人等。
L3 級(jí)：有條件自主型
這一層級(jí)標(biāo)志著機(jī)器人自主能力的質(zhì)的飛躍。在預(yù)設(shè)條件下，它們能夠獨(dú)立完成任務(wù)，僅在系統(tǒng)失效時(shí)才需要人類接管。理想中的智能家居管家機(jī)器人就屬于這一類——能根據(jù)用戶習(xí)慣自動(dòng)調(diào)節(jié)家居環(huán)境，但面對(duì)突發(fā)情況（如處理陌生訪客）仍有局限。目前這類技術(shù)主要存在于實(shí)驗(yàn)室，有望率先在救災(zāi)、軍事等高價(jià)值領(lǐng)域?qū)崿F(xiàn)突破。
L4 級(jí)：特定場(chǎng)景完全自主型
這一級(jí)別的機(jī)器人已接近科幻作品的描述，能在特定環(huán)境中實(shí)現(xiàn)完全自主運(yùn)作，無需人類指令。例如理論上可行的外星探測(cè)機(jī)器人。目前這類技術(shù)僅在虛擬環(huán)境（如 Minecraft 中的 Dreamer3）中得到驗(yàn)證。
L5 級(jí)：通用自主型
這是機(jī)器人發(fā)展的終極形態(tài)，能夠適應(yīng)任何未知環(huán)境并具備創(chuàng)造性解決問題的能力。馮諾伊曼探測(cè)器（Von Neumann probes）是其代表性構(gòu)想——一種能夠利用星際原材料自我復(fù)制并持續(xù)索的裝置。這一層級(jí)已進(jìn)入強(qiáng)人工智能的范疇，當(dāng)前不僅無法實(shí)現(xiàn)，甚至連可行路徑都尚未明確。
總的來說，科幻作品的真正魅力，不在于其描述了一個(gè)真實(shí)可信的未來世界，而在于提供了思考技術(shù)進(jìn)步對(duì)社會(huì)及人性會(huì)有怎樣沖擊的實(shí)驗(yàn)空間，以便我們能提前做好準(zhǔn)備。科幻故事中的技術(shù)突破，其路線不一定和現(xiàn)實(shí)中相同。而除此之外，要想回答我們當(dāng)下的機(jī)器人距離科幻還有多遠(yuǎn)，還需要考慮的是一個(gè)個(gè)沒那么有趣的工程優(yōu)化問題，以及如何進(jìn)行系統(tǒng)工程的整合以降低成本使得機(jī)器人具有商業(yè)可行性。
參考文獻(xiàn)
1. Hafner, D., Pasukonis, J., Ba, J. et al. Mastering diverse control tasks through world models. Nature 640, 647 – 653 ( 2025 ) . https://doi.org/10.1038/s41586-025-08744-2
2. Yu W, Turk G, Liu C K. Learning symmetric and low-energy locomotion. arXiv preprint arXiv:1801.08093. 2018.
3. Cameron R. Jones, Benjamin K. Bergen. Large Language Models Pass the Turing Test. arXiv preprint arXiv:2503.23674
4. Frieske R, Mo X, Fang Y, Nieles J, Shi BE. Survey of Design Paradigms for Social Robots. Preprint. July 2024. Available at: https://arxiv.org/abs/2407.20556.
