写字楼大堂的闸机前，一台配送设备停住了。门是开的，人也让开了，它却在那里犹豫了三四秒，然后侧身、后退、重新对准。旁边的人觉得好笑，做产品的人知道，这几秒钟很贵。
慢的不是电机，是判断
很多人以为这类卡顿是硬件不够快。拆开看，动作执行往往只占很短的时间，真正耗时的是“我现在该不该动”。感知给出的是带噪声的轮廓，决策要在不确定里挑一个动作，还要为挑错留退路。退路越多，犹豫越久。
这也是为什么在实验室里流畅的演示，搬到有人走动、地面反光、临时堆了纸箱的走廊里，就变得笨拙。演示环境是被整理过的，现实不是。
“笨”一点，反而可用
见过一些团队的做法：不追求一次通过的漂亮动作，而是让设备在不确定时先停下、先减速、先请求。听起来像能力退化，实际是把风险从“撞上去”挪到“等一等”。在人机共处的空间里，一次失败的代价远高于十次迟缓。
- 把速度上限压下来，换来更宽的容错窗口；
- 把动作拆细，出错时只回退一小步；
- 把“我不确定”明确表达出来，让人提前避让。
这些选择不好看，却决定了一台设备能不能连续跑上几个月。
真正的难点在边界
机器人进场景，绕不开一个问题：哪些事该由它决定，哪些必须交出去。全自主听起来彻底，但在共享空间里，它要面对的是没写进规则的临时状况——有人蹲下系鞋带，有人推着车横穿。此时最合理的动作可能是停下来，把判断权交给离得最近的人。
这需要设计者承认能力边界，也需要界面把意图说清楚：它要往哪走，它现在在等什么。很多误解的产生，出自人猜不到它下一步，机器本身并没有做错。
停下来那几秒
我更愿意把当下的机器人看作“被约束得很好的工具”，暂时还不是智能体。约束不是妥协，它是产品能被信任的前提。等到某天，它在我们身边停下的那几秒不再让人发笑，而是让人习惯，这项技术才算真正落了地。