春晚勁舞vs半馬翻車，機(jī)器人距離科幻只有一步之遙？

文 | 追問(wèn)nextquestion

2025年才過(guò)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(kāi)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(lái)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。

?圖1.《大都會(huì)》（Metropolis，1927）劇照

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(lái)，首先要解決的問(wèn)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(jué)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(guò)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(kāi)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(guò)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(guò)互動(dòng)“自我進(jìn)化”？

近十年來(lái)，最著名的以機(jī)器人為主角的影視劇，莫過(guò)于《西部世界》。劇情中最出名的是機(jī)器人的分階段覺(jué)醒，從最初完全受到預(yù)設(shè)程序控制的德妹，到后來(lái)自主意識(shí)覺(jué)醒，能夠突破代碼的限制，做出其創(chuàng)造者沒(méi)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(kāi)強(qiáng)化學(xué)習(xí)呢？

?圖2. 《西部世界》（Westworld，2016）劇照

在開(kāi)放環(huán)境中，目前機(jī)器人大多無(wú)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(kāi)放環(huán)境中，不必進(jìn)行窮舉式試錯(cuò)，從零開(kāi)始通過(guò)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(guò)了人類玩家[1]。

?圖3. 從 Atari 游戲中的機(jī)器人運(yùn)動(dòng)和作任務(wù)、程序生成的 ProcGen 關(guān)卡和需要空間和時(shí)間推理的 DMLab 任務(wù)，到復(fù)雜而無(wú)限的 Minecraft 世界，Dreamer算法都取得了成功，1次配置解決150種多任務(wù). 圖源：[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(kāi)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(wèn)題，等待工程師逐步優(yōu)化。

?圖4. 使用強(qiáng)化學(xué)習(xí)控制四足機(jī)器人，行走于一個(gè)Minecraft迷宮。Dreamer會(huì)預(yù)測(cè)未來(lái)45幀，而無(wú)需訪問(wèn)中間圖像

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(guò)與人的互動(dòng)，覺(jué)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(guò)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(méi)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(yǔ)言中樞）負(fù)責(zé)日常行動(dòng)和語(yǔ)言，右腦（“神性”中樞）在需要決策時(shí)，通過(guò)幻覺(jué)（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(lái)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(guò)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(lái)。

03 “完美伴侶”機(jī)器人何時(shí)到來(lái)？

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(guò)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)？

?圖5. 《機(jī)械姬》（Ex Machina，2014）劇照

最近一年來(lái)，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(guò)精心設(shè)計(jì)的“角色劇本”（Persona Prompt）來(lái)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(wàn)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(shuō)話帶俚語(yǔ)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。

?圖6. 判別是否為人類時(shí)所基于的因素占比. 圖源：[3]

然而，相比僅通過(guò)文字對(duì)話就能以假亂真的大語(yǔ)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(yǔ)速語(yǔ)調(diào)，甚至通過(guò)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(lái)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。

?圖7. 社交陪伴機(jī)器人與對(duì)話大模型的差異，聊天場(chǎng)景只需要應(yīng)對(duì)用戶輸入的文字及圖片，而社交機(jī)器人需要能自主感知用戶的環(huán)境，預(yù)判用戶的需求，并和家里的其它設(shè)備互動(dòng)。圖源：[4]

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(wèn)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(guò)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](méi)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(guò)過(guò)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(guò)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(guò)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(wú)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(wèn)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)探索的裝置。這一層級(jí)已進(jìn)入強(qiáng)人工智能的范疇，當(dāng)前不僅無(wú)法實(shí)現(xiàn)，甚至連可行路徑都尚未明確。

總的來(lái)說(shuō)，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(lái)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(méi)那么有趣的工程優(yōu)化問(wèn)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.