办公楼一层，一台轮式配送机器人停在玻璃门口。门内两个人正说着话，它没有绕开，也没有催，只是原地小幅转向，像在等一个不会出现的信号。几分钟后，有人侧身让出半米，它才继续往前走。
跑起来不难，难的是判断该不该动
直线行进、过减速带、进出电梯，这些在工程上已经有相对成熟的解法。真正消耗耐心的是那些写不进说明书的情形：两个人并排聊天，谁先动；走廊另一头推来一辆清洁车，谁后退；小孩忽然横穿，要不要立刻刹停。
这里其实有两件事被混在一起谈。一件是“物理上能不能通过”，靠雷达、深度相机和里程计算得出来；另一件是“社交上算不算通行”，得判断对方有没有注意到自己、愿不愿意让、让到什么程度。前者是几何问题，后者更像一场没有裁判的协商。
预测人的意图，本来就没有标准答案
人靠一个眼神、半步侧身就能完成这种协商。机器人没有这套装备，只能依赖轨迹数据和概率：一个人走得偏左，接下来大概率继续偏左——但如果这个人正低头看手机，这个“大概率”就得打折扣。
麻烦在于长尾场景多，而每一类的样本都少。测试环境和真实楼层往往不是一回事：前者路线被清空、行人配合、地面标线清晰；后者塞满快递箱、临时展架和成群结队的人。
- 停多久算合适：停得太短显得莽撞，停得太久又堵住通道；
- 留多少距离：让出的空间太小是冒犯，太大又像在犹豫；
- 怎么表达意图：有没有办法让别人提前知道“我要往左走”。
这些问题没有统一答案。医院走廊里能接受的等待时长，放到商场中庭大概会让人不耐烦。同一套行为参数，换个场景就得重新调。
有时候改环境比改算法更划算
与其要求机器人在任何地方都学会社交，不如先划定它该走的路线：设一条专用通道，在拐角装反光镜或提示灯，把取货点挪到人流稀少的角落。这类改造听起来不够“智能”，却能实实在在减少意外。
我不觉得这是退让。很多自动化设备之所以能长年稳定运转，靠的正是把复杂问题关进一个边界清晰的笼子里。承认边界，比假装边界不存在要诚实。
剩下的是规则问题，不只是技术问题
当一台机器人真的蹭到了人，或者因为“太客气”一直停着，导致后面排起队，责任怎么算、由谁调整、依据什么调整——这些往往比算法细节更难推进。产品团队需要提前想清楚：它被允许做什么，不允许做什么，现场的人能不能简单地把它推开而不会触发报警。
我倾向于认为，接下来能稳定留在场景里的，多半是那些在该停的时候停得干脆、让人一眼看出意图的机器，而不是动作更复杂的那些。机器人真正融入日常，未必以某种惊艳的方式发生，更可能是某天你走进大堂，发现它已经安静地绕开你，你甚至没意识到这件事值得留意。