最近，人形机器人越来越频繁地出现在新闻里。
有的能跑马拉松，有的能跳舞、打武术，还还有一些已经进入工厂试点，在相对明确的流程中参与搬运零件、物料分拣或简单装配。它们动作越来越流畅，也越来越像人。于是，不少人开始产生一种印象：机器人是不是已经越来越聪明了？
春晚上打武术的机器人
图片来源：央视
但如果把这些机器人带到一个完全陌生的环境，结果可能和想象中不太一样。一扇从未见过的门、一个位置改变的杯子，或一条突然被杂物挡住的通道，都可能让机器人识别变慢、动作犹豫，或者需要重新规划；在一些情况下，它也可能无法完成任务。难点不一定在于“开门”这个动作本身，而在于它能否判断门把手的类型、门的开合方向、是否需要施力，以及周围是否存在碰撞风险。
为什么会这样？难道机器人已经学会了奔跑、抓取，却还不会开门？
这并不是机器人“笨”，而是因为现实世界，远比实验室复杂得多。今天机器人研究真正面对的挑战，也早已不是让机器学会某一个动作，而是让它能够在不断变化的环境中识别情况、调整动作，并尽量安全、稳定地完成任务。
这也是为什么，中国科协将“具身自主智能的度量与演化”列为2026重大科学问题之一。
机器人最大的敌人，其实是“第一次见”
我们经常看到机器人完成各种令人惊叹的展示：稳稳端起一杯水、灵活搬运货物、连续翻跟头……
2026北京亦庄半程马拉松暨人形机器人半程马拉松比赛中奔跑的机器人
图片来源：北京亦庄
这些动作当然不简单，但对于机器人来说，更困难的往往不是动作本身，而是环境发生变化以后怎么办。
对于一个普通人来说，当你走进一家从没去过的咖啡馆。桌椅摆放和平时不同，门把手不是常见的下压式，而是需要旋转；柜台上的杯子有高有低，地上还有顾客临时放着的背包。
这些变化几乎不会影响你完成“点一杯咖啡”这件事。因为你会一边观察、一边调整，发现门打不开，就换一种开法；发现路被挡住，就绕过去；杯子放得高一点，就踮一下脚。这些动作看似简单，却没有任何一步是提前写好的。
面对熟悉环境，人类可以依靠经验快速调整行为；但对于机器人而言，一个从未见过的门把手、物体摆放方式或障碍物，都可能带来新的判断挑战。如何在陌生环境中自主感知、学习和适应，是具身智能发展的关键问题。
图片来源：AI生成
机器人面对的却是另一回事。
对于机器来说，每一种变化都意味着新的问题：门把手形状改变，意味着原有的识别和抓取方法可能不再适用；杯子位置变化，意味着它需要重新定位目标、规划手臂路径，并避免碰撞。如果这些情况没有出现在训练中，它就可能不知道下一步该怎么办。因此，机器人真正害怕的，不是任务复杂，而是第一次遇见。
“第一次见”往往意味着缺少可直接套用的经验。它未必完全无从下手，但完成任务的把握通常会降低。一次精彩的演示，可以证明机器人完成了一个动作，却不能说明它已经能够适应真实世界。
真正困难的，不是动作，而是和世界“打交道”
很多人以为，机器人工作就像执行一条指令：看到杯子，伸手抓起，再放到指定位置。
现实远没有这么简单。人类拿起一个杯子时，整个身体都在不停工作。
眼睛观察杯子的位置，手指根据重量调整力度；发现杯子有点滑，就换一种抓法；身体感觉重心发生变化，又会下意识调整姿势。哪怕只是倒一杯水，大脑和身体也一直在交换信息。
机器人也是如此。
摄像头最先获得的是图像数据，而“这是不是一个杯子、杯口朝向哪里、能不能抓、该从哪里抓”等判断，需要机器人进一步分析；同时机器人需要依靠触觉、视觉和机械手的受力信息，判断东西有没有抓稳，并随时调整力度；如果有人突然从旁边经过，它还需要重新规划路线。
人类看似简单的抓取动作，背后包含视觉判断、力度控制和身体协调等复杂过程。具身智能机器人需要通过感知、决策、行动和反馈不断调整，才能真正与真实世界互动。
图片来源：AI生成
更重要的是，这些判断并不是先全部完成，再开始行动。它是一边观察，一边行动；一边行动，又一边根据新的信息不断修正。这类“通过身体与环境互动，在行动中获取信息并调整行为”的研究方向，通常被称为具身智能（Embodied Intelligence）。简单说，具身智能关注的不只是“机器会不会回答问题”，还关注它能否借助摄像头、机械手、轮子或双腿，在真实环境中看、摸、走、抓，并根据结果调整下一步行动。
这并不是说身体会自己思考，而是说身体的形状、关节、传感器和与环境接触的方式，会影响机器人能够获得哪些信息、能够采取哪些动作，以及它解决问题的难易程度。
机器人并不是总要先把所有情况想清楚再行动。更常见的过程是：它先根据现有信息做出尝试，再根据新的视觉、触觉和受力信息及时修正动作。
需要注意的是，这种“边做边改”不一定等于真正记住经验、长期学会新技能。有些机器人只能在当前任务中即时调整；要让它在下次遇到类似情况时做得更好，还需要把经验记录、训练和验证。
为什么身体也会“思考”？
这个观点听起来有些反直觉，但科学家早就发现，很多智能并不是只来自“大脑”。
赫尔德（Richard Held）和海因（Alan Hein）1963年的“小猫运动诱发视觉发育实验”图示
图片来源：simplypsychology
20 世纪 60 年代，一项著名的小猫实验给出了重要启发。研究人员让两只小猫在装置中获得相似的视觉经历：其中一只可以主动移动，另一只则会随着前者被动移动。
后来，能够主动移动的小猫在避开障碍、根据看到的情况调整动作等任务上表现更正常；被动移动的小猫虽然看到了相似的画面，却较难把“看到什么”和“自己该怎么动”联系起来。
这项实验提示我们：学习并不只是接收信息。主动行动，以及看到自己的行动带来什么结果，也会帮助生物建立对环境的认识。
机器人也是如此。它抓起一个物体，发现太滑；下一次就会调整力度。它绕过障碍物时发现路线不通，又会重新寻找新的路径。每一次尝试、每一次失败、每一次修正，都在帮助它建立对真实世界更准确的理解。
2025北京亦庄人形机器人半程马拉松比赛过程中，人形机器人也会在跑步过程中摔倒
图片来源：央视新闻
因此，今天的机器人研究越来越强调，不只是让机器“知道”世界是什么样，更要让它在真实环境中不断探索、不断适应。
比“会做”更重要的是“会适应”
过去，人们评价机器人，喜欢看一些容易量化的指标：跑得多快、举得多重、动作有多精准。如今，越来越多科学家开始关注另一个问题：如果把机器人放到一个从没见过的新环境，它还能完成任务吗？
这是比“会不会做”更难的一道题。同样是搬运箱子，箱子的大小、材质、重量可能每天都不同；同样是装配零件，工件的位置、形状甚至光线条件都可能发生变化。真实世界没有固定剧本，也很少存在唯一正确的答案。
因此，除了速度、力量和动作精度，机器人研究如今也越来越重视另一项能力：面对环境变化时，能否保持可靠、安全和稳定的表现。
清华大学的研究人员正在使用具身智能框架训练机器人。
图片来源：清华大学
这也是为什么，科学家开始讨论如何衡量具身自主智能：评价的不再只是动作是否成功，而是机器人面对陌生任务时，能否自主观察、理解、调整，并从经验中继续学习。
给AI一副身体，也许才是真正的开始
过去十多年，人工智能取得了巨大进步。大语言模型擅长处理文字；结合图像、语音等能力的多模态模型，也越来越能描述和分析屏幕上的信息，仿佛拥有了一颗越来越聪明的“大脑”。
但真实世界不只有文字、图片和声音。它还包含重量、摩擦、软硬、温度、距离、速度，以及随时可能出现的人和障碍物。这里有会移动的人、有会打滑的地面、有形状各异的工具，也有数不清的意外和变化。对于机器人来说，学会在这样的世界里行动，远比回答一道问题困难得多。
在《底特律：化身为人》中，机器人已经能够像人一样生活、工作并与人类互动。现实中的机器人尚未达到这样的水平，但未来人工智能的发展，或许不仅是让机器拥有更强的“大脑”，也包括让它们拥有理解和适应世界的“身体”。
图片来源：游戏《底特律：化身为人（Detroit: Become Human）》
所以，未来机器人最重要的突破，也许不是跑得更快、跳得更高，或者完成更多精彩的表演，而是在面对未知时，依然能够像人一样观察环境、修正动作、积累经验，并在一次次与现实世界的互动中不断成长。
当然，具身智能并不意味着机器人很快就会像人一样无所不能。现实中的机器人仍会受到电池续航、机械结构、传感器精度、计算速度、安全要求和训练数据等限制。它们在固定任务中可能表现出色，但在开放、拥挤、充满意外的环境里，距离人类的适应能力仍有很大差距。
真正有价值的进步，不是让机器人在演示中偶尔成功一次，而是让它在更多普通场景中，稳定、安全、可重复地完成任务。
如果说，过去十年人工智能的发展，更多是在打造越来越强大的“大脑”；那么未来十年，一个更加重要的问题或许是：如何让这颗“大脑”，真正学会与真实世界相处。
这，正是具身智能试图回答的问题。
作者：蝌蚪君
审核：刘颖 李培元 张超 杨柳
审核专家：兰名荥 北京邮电大学数字媒体与设计艺术学院副教授、信息通信全国科普教育基地副主任
热门跟贴