一段十几秒的视频里,机械臂把一件皱巴巴的衬衫摊平、对折、再对折,动作慢但连贯。评论区照例有人问:保姆是不是要失业了。把同一套动作搬到自家客厅,结果往往不是视频里那样——沙发扶手挡着,衣服是软的,光线是斜的,旁边还有一只想扑上来的猫。
分歧不在能不能做到,而在哪里做到。
演示环境是被简化过的
多数公开演示并不作假,只是把问题裁剪到可控范围:固定的台面高度、有限几种衣物、稳定的顶光,失败了可以重拍。这些条件在实验室里是默认值,在家里全是变量。工程上这叫界定边界,本身没错,但观众看到的往往是裁剪之后的结果,容易把“在某个房间里成立”读成“在哪里都成立”。
难的不是动作,是判断
叠衣服这件事,对人来说难点在耐心,对机器来说难点在感知。布料没有固定形状,抓哪儿、用多大力、下一折会不会把袖子带进去,每一步都依赖对当前状态的估计。估计一旦有偏差,动作会把偏差放大:捏偏两厘米,折出来就是歪的。
于是问题从“会不会”变成“稳不稳”。一百件衣服里九十九件顺利,第一百件是丝绸睡裙,前面攒下的信任就没了。家庭场景对失误的容忍度其实很低,因为出错之后需要人来收拾,而收拾的时间往往比自己做还长。
失败之后由谁接手
这一点常被忽略。人打翻杯子会自己擦,机器卡住了通常要等人来复位、检查、重新摆放。只要这个环节还在,设备就没法真正被放手使用。它决定了自主性的门槛不在单次成功率,而在连续运行时的自我恢复能力。
所以能看到的是,机器人先进入的是流程清楚、边界明确的地方:产线上的固定工位、仓库里的搬运路径、后厨的重复动作。这些场景的共同点不是简单,而是出错可以被隔离,不会牵连一大片。
客厅是另一种考题
让机器人处理家务,麻烦在于它没有说明书。同一个“收拾桌子”,今天和明天的规则不一样,每个人的习惯也不一样。这类任务需要的不只是手,还需要对意图的猜测,而猜测一旦错了,代价由人承担。
我不想把话说死。技术是在往前走的,视觉模型和力控这些年的进步是实打实的,只是进步发生在具体的模块上,不会自动汇成“进家门”这个结果。现实的路径是先做半件事:把碗放进洗碗机、把地面吸一遍、把衣物从洗衣机挪到烘干机——任务被切小,边界被写清楚,人只在关键节点介入。
一段流程比一个概念更重要
看这类新闻时,我会多问一句:这个动作连续做一百次会怎样,卡住了谁去处理,出了错要不要人重新摆一遍。这些问题不性感,但它们决定了设备是留在展台上,还是留在生活里。至于“通用”这个词,可以先放一放。