让一台机器把桌上的水杯递过来，听上去不难。杯子位置固定、光线稳定时，机械臂按预设轨迹走一遍，动作干净利落。可只要杯沿沾了水、桌面有反光，或者人伸手的位置偏了几厘米，动作就会变得犹豫。很多关于机器人的讨论，问题并不在“能不能动”，而在“动之前是否知道自己在面对什么”。
从“看见”到“摸到”
视觉给的是位置，力觉给的是分寸。抓杯子时，夹得太松会滑，太紧会变形；人手几乎不用想，机器却要把视觉、触觉和关节反馈拼在一起。这里的难点不是单点识别，而是把不同来源的信息放进同一个判断里。延迟稍大，动作就会过冲；传感器噪声偏多，策略又会变得保守。于是，看似简单的递水动作，实际在考验系统能否在不确定中保持稳定。
慢一点，反而更难
工业场景里，许多机器人擅长重复和精确。到了开放环境，桌子高度会变，人的动作会变，物体表面也会变。工程师常把速度调低，用更短的步长换取容错空间。可慢并不自动等于安全：如果感知更新不及时，慢动作也可能在错误方向上一点点累积。真正有用的，是让系统知道什么时候该停、什么时候该重新确认，而不是一味追求连续流畅。
安全边界写在参数表外
人机靠近时，安全不只是力限制或急停按钮。人的预期同样重要：机器突然加速，哪怕没有碰到人，也会让人紧张；机器长时间静止，人又可能误以为它已经退出工作。设计者需要把这些沉默的信号纳入交互。比如用灯光、声音或动作停顿表达“我正在观察”，有助于减少误解。
期待管理也是技术的一部分
公众对机器人的想象常常两极：要么什么都能做，要么什么都做不好。现实更接近中间地带——在限定任务里可靠，在开放环境里需要人兜底。把边界说清楚，不会削弱技术价值，反而让协作更顺畅。毕竟，一台会停顿、会确认、会把不确定说出来的机器人，往往更容易被信任。