陈小平：机器人创新需跨越三关

设置星标★关注，从此你的世界多点科学~

卷首语   

2026 年第 9 期《世界科学》刊发专稿《足式机器人的进展、挑战与机遇》。中国科学技术大学计算机学院陈小平教授为该文撰写点评，洞察机器人研发前沿，并将这一领域亟待突破的核心难题凝练为 “过三关”。

陈小平

中国科学技术大学计算机学院教授，广东省科学院人工智能首席科学家，CAAI人工智能伦理与治理工委会主任

封闭世界中的一切都是预定义的（事先固定且已知的），否则就是开放世界。例如，人形机器人在已知的平整地面上完成一套武术动作，可视为封闭世界问题，这类问题常可通过充分训练取得理想效果。然而生产和生活场景通常不是封闭世界，而在封闭世界中训练好的技能，难以有效迁移到封闭或开放的其他世界中。

根本原因在于，现有人工智能训练法不具备跨分布泛化能力，即机器人在某个统计分布下学会的技能，在该分布之外的场景中往往无效。例如，在已知的平整地面上训练成熟的武术套路，在已知的不平整地面上难以成功复现。

物体内部任意两个质点之间的距离永远保持不变的物体称为刚体，否则称为可变形体。例如半导体与集成电路行业中的超薄硅片，光学和3C行业中的精密元件，传感器精密元件，高端仪器和工控精密机械元件，各类软性高分子制品，纺织业中的纱线布料等，都是可变形体。可变形体的操作不仅难度高得多，而且可能出现严重损坏。

现有机器人控制方法主要是针对刚体的，尚不足以充分应对可变形体操作中的各种难题。

标称系统代表忽略扰动的理想世界，但真实物理世界普遍存在涨落（宏观量相对于平均值的随机偏差），而难以精确感知或控制的涨落对机器人的不可忽略影响就是扰动。

在目前流行的大批量标准化生产中，4/5到7/8的产线成本被用于消除扰动；而在未来的个性化生产中，需要用同一只手爪处理大小、形状、刚度等特性不同的多种操作对象。这就要求一只手爪与所有预期操作对象之间的静摩擦力足够大而压强足够小，保证既能抓住又不抓坏。

然而静摩擦力和压强受相关对象的外形、刚度、表面特性、接触状态等诸多扰动变量的影响。于是，重复执行感知控制条件相同的动作，其结果因扰动而起伏，有时成功有时失败，即出现通常所说的不确定性。这进一步导致能够采集到的训练数据必然隐含不确定性，因而训练出的手爪功能同样具有不确定性。

这就是物理世界对机器人和人工智能训练法提出的根本挑战——即使场景不变，训练也不奏效。这也是第一关和第二关背后的关键难点。