來源：學(xué)術(shù)頭條

過去兩年，機(jī)器人基礎(chǔ)模型進(jìn)展迅速。以 RT-2、Gato、Octo 為代表的大規(guī)模預(yù)訓(xùn)練模型，依托互聯(lián)網(wǎng)級數(shù)據(jù)與遷移學(xué)習(xí)，在感知、決策和控制等環(huán)節(jié)展現(xiàn)出跨任務(wù)泛化能力。行業(yè)內(nèi)也逐漸形成一種主流判斷：當(dāng)模型能夠在足夠多的任務(wù)之間遷移時，就有機(jī)會成為通用型機(jī)器人智能。

但這一判斷存在明顯局限。它默認(rèn)機(jī)器人是一個獨(dú)立、全能的智能體，只在少數(shù)時刻接收人類的高層指令，其余時間則單獨(dú)應(yīng)對相對靜態(tài)的環(huán)境。

現(xiàn)實(shí)場景并非如此。康復(fù)機(jī)器人需要與患者協(xié)同訓(xùn)練，半自動駕駛系統(tǒng)需要與駕駛員實(shí)時共享控制權(quán)，倉儲協(xié)作機(jī)器人需要與工友協(xié)調(diào)路徑和作業(yè)節(jié)奏。機(jī)器人很少脫離人類單獨(dú)工作，更多時候，它們處在一個高度耦合、持續(xù)變化的人機(jī)協(xié)作網(wǎng)絡(luò)之中。

基于這一判斷，ETH Zurich團(tuán)隊及其合作者在 Science Robotics 上發(fā)表觀點(diǎn)文章，提出機(jī)器人基礎(chǔ)模型需要完成一次從 autonomy（自主）邁向 alliance（同盟）的范式升級。

論文鏈接：

https://www.science.org/doi/10.1126/scirobotics.aea1822

研究團(tuán)隊提出“生態(tài)學(xué)”視角：機(jī)器人不應(yīng)只被定義為執(zhí)行任務(wù)的工具，更應(yīng)被訓(xùn)練為能夠在開放、多智能體、持續(xù)演化的環(huán)境中，與人類及其他機(jī)器人共同學(xué)習(xí)、共同適應(yīng)的協(xié)作伙伴。

為實(shí)現(xiàn)這一目標(biāo)，他們提出了 6 項(xiàng)關(guān)鍵能力建設(shè)方向，包括交互先驗(yàn)、伙伴建模、策略模塊化、規(guī)范適應(yīng)、信任感知記憶與通信機(jī)制。

借助這些能力，機(jī)器人能在不同社會角色之間順暢切換，快速適應(yīng)陌生協(xié)作者，并在家庭、工廠、診所及現(xiàn)場作業(yè)等復(fù)雜場景中實(shí)現(xiàn)穩(wěn)定、高效的協(xié)同。

為什么？

人類之所以能夠與陌生人迅速建立協(xié)作，依賴的是在長期社會互動中形成的“社會常識”。我們知道何時讓路、何時發(fā)聲、何時接手主導(dǎo)角色，也能根據(jù)對方的反饋即時調(diào)整自己的行為。

當(dāng)前的機(jī)器人模型普遍缺乏這類能力。要補(bǔ)上這一短板，僅靠任務(wù)訓(xùn)練遠(yuǎn)遠(yuǎn)不夠，還需要交互學(xué)習(xí)、伙伴建模、角色靈活切換等一整套算法與系統(tǒng)架構(gòu)支持。

更重要的是，評價體系也需要同步升級。論文指出，機(jī)器人不應(yīng)只依據(jù)“能否獨(dú)立完成任務(wù)”來衡量，還應(yīng)考察其在人機(jī)協(xié)作、機(jī)機(jī)協(xié)作團(tuán)隊中的適應(yīng)能力與魯棒性。

這意味著評估重心正在發(fā)生變化：從單一的工程性能指標(biāo)，轉(zhuǎn)向面向真實(shí)協(xié)作場景的社會化能力指標(biāo)。

如何實(shí)現(xiàn)？

研究團(tuán)隊系統(tǒng)梳理了6 項(xiàng)關(guān)鍵能力建設(shè)。它們并非彼此孤立，而是相互支撐，共同決定機(jī)器人能否在協(xié)作中持續(xù)學(xué)習(xí)、快速適應(yīng)，并在不同任務(wù)、不同伙伴、不同社會情境下重新組織已有知識。

圖｜6 項(xiàng)關(guān)鍵能力建設(shè)

1.交互先驗(yàn)

人在協(xié)作時，會天然帶入大量長期積累的社會經(jīng)驗(yàn)。即使面對陌生人，也往往能迅速形成基本配合。機(jī)器人如果想達(dá)到類似水平，也需要具備交互先驗(yàn)。

這類能力可以通過大規(guī)模多智能體數(shù)據(jù)或仿真環(huán)境獲得。例如，在真實(shí)或合成的多智能體軌跡上訓(xùn)練基礎(chǔ)模型，使其隱式掌握常見協(xié)作模式。比如，當(dāng)某個體靠近拾取物體時，其他成員通常會主動讓出空間。

一旦模型具備這類先驗(yàn)，機(jī)器人在面對陌生伙伴時，就能更快預(yù)測對方行為并及時響應(yīng)。

2.伙伴建模

機(jī)器人能否實(shí)現(xiàn)跨伙伴遷移，關(guān)鍵在于它是否能夠理解“對方正在做什么、準(zhǔn)備做什么、相信什么”。在人類認(rèn)知科學(xué)中，這種能力被稱為“心智理論”。

研究團(tuán)隊介紹了心智理論的思路：將伙伴目標(biāo)視作隱變量，通過一小段行為觀察窗口，輸出一個 embedding 向量。這個向量既能預(yù)測伙伴下一步行為，也能幫助機(jī)器人調(diào)整自身策略。

當(dāng)這種心智理論風(fēng)格推理模塊嵌入在經(jīng)過大規(guī)模多智能體軌跡預(yù)訓(xùn)練的 Transformer 中，模型會自動識別某些行為片段與未來行動之間的統(tǒng)計關(guān)系，如頻繁變向、頻繁切換注視目標(biāo)等信號，并將其壓縮為具有社會意義的表征，例如“探索型或穩(wěn)健型”“強(qiáng)勢型或溫和型”。

另一個相關(guān)方向是 ad hoc teamwork，也就是要求智能體與從未共同訓(xùn)練過的隊友立即協(xié)作。近期的 N-Agent Ad hoc Teamwork benchmark 引入動態(tài)組隊機(jī)制，任務(wù)過程中隊友可能被替換或新增。結(jié)果顯示，能夠?qū)崟r推斷隊友 embedding 的策略，恢復(fù)團(tuán)隊表現(xiàn)的速度明顯更快。

在人機(jī)交互場景中，還需要更進(jìn)一步的能力，也就是推斷人類如何看待機(jī)器人本身。機(jī)器人只有持續(xù)建模用戶的信念狀態(tài)，才能判斷何時需要主動解釋、何時需要澄清誤解，從而提升信任感與任務(wù)效率。

3.策略模塊化與組合性

實(shí)現(xiàn)靈活協(xié)作的一條重要路徑，是把機(jī)器人策略拆解為可復(fù)用模塊，再按場景動態(tài)組合。

例如，一個模塊負(fù)責(zé)任務(wù)技能，如插銷入孔；另一個模塊負(fù)責(zé)交互技能，如跟隨伙伴節(jié)奏。這樣一來，面對新任務(wù)或新團(tuán)隊時，機(jī)器人只需替換相關(guān)模塊，無需重新訓(xùn)練整個網(wǎng)絡(luò)。

Devin 等人的早期研究已經(jīng)驗(yàn)證了這種思路。他們將神經(jīng)策略拆分為任務(wù)特定模塊與機(jī)器人特定模塊，通過混合組合，系統(tǒng)能夠直接適配從未見過的機(jī)器人與任務(wù)搭配。

這一框架還可以進(jìn)一步擴(kuò)展到角色層面，例如分別訓(xùn)練 leader 與 follower 模塊，再根據(jù)團(tuán)隊分工實(shí)時切換。

4.規(guī)范適應(yīng)

機(jī)器人如果只是理解動作層面的協(xié)作，還遠(yuǎn)遠(yuǎn)不夠。真正具備同盟能力的系統(tǒng)，還必須理解所處環(huán)境中的社會規(guī)范。

每個組織、團(tuán)隊或文化環(huán)境，都存在大量默認(rèn)規(guī)則。從辦公場所禮儀到公共空間行為邊界，這些規(guī)則往往不會被明確寫出，卻決定互動是否順暢。一個服務(wù)機(jī)器人進(jìn)入圖書館后仍以正常音量講話，很可能立刻失去用戶接受度。

研究團(tuán)隊以 Social Norm Adaptive Robots 架構(gòu)為例，說明如何將符號推理與機(jī)器學(xué)習(xí)結(jié)合，使機(jī)器人識別、遵守并逐步學(xué)習(xí)不同社會環(huán)境中的規(guī)范。實(shí)踐表明，這類顯式規(guī)范建模有助于提升互動質(zhì)量與用戶信任。

難點(diǎn)在于，規(guī)范高度依賴語境，會隨群體變化，甚至相互沖突。機(jī)器人可能剛適應(yīng)醫(yī)院病房規(guī)則，下一刻又進(jìn)入私人家庭環(huán)境。因此，它需要具備低成本泛化能力，而不是每換場景就重新訓(xùn)練。

5.信任感知記憶

高效合作離不開信任。人類會在長期互動中記住誰可靠、誰擅長什么、過去合作是否順利。機(jī)器人同樣需要類似機(jī)制。

這意味著系統(tǒng)需要具備長時記憶與持續(xù)學(xué)習(xí)能力，在反復(fù)協(xié)作中逐步形成對不同伙伴的認(rèn)知，包括能力水平、偏好風(fēng)格與可靠程度，并據(jù)此優(yōu)化未來決策。

研究團(tuán)隊引用了 artificial trust metric 的案例。在康復(fù)機(jī)器人場景中，當(dāng)系統(tǒng)判斷患者需要幫助時，會主動增強(qiáng)輔助力度并提供引導(dǎo)；當(dāng)判斷患者具備更高自主能力，或希望獲得更多控制權(quán)時，則主動退后，讓患者自行完成動作。

這種信任感知記憶能夠記錄交互成敗、錯誤模式與反饋信息，并持續(xù)更新面向特定伙伴的信任模型，最終影響任務(wù)分配、角色安排與協(xié)作方式。

6.作為遷移通道的通信

通信是實(shí)時協(xié)作的核心機(jī)制。機(jī)器人說出“我負(fù)責(zé) A 區(qū)域，你負(fù)責(zé) B 區(qū)域”時，傳遞的是最小但關(guān)鍵的意圖信息，使團(tuán)隊成員無需依賴高成本試探即可完成協(xié)調(diào)。

圍繞合作式 AI，當(dāng)前研究重點(diǎn)集中在三個問題：傳遞什么信息、何時傳遞、如何理解對方信號。研究團(tuán)隊提出兩條互補(bǔ)路線：

• 將自然語言作為共享中介語。只要新成員理解這套語言體系，就能迅速加入團(tuán)隊。大語言模型正在成為重要接口，負(fù)責(zé)把自由表達(dá)解析為結(jié)構(gòu)化意圖，再生成簡潔、可執(zhí)行的反饋。

• 讓智能體自主演化專屬通信協(xié)議。這類協(xié)議效率可能更高，但難點(diǎn)在于新加入成員能否快速理解。

與此同時，通信還必須具備透明性與可解釋性。機(jī)器人不僅要表達(dá)決策結(jié)果，也要說明理由，包括為什么 / 為什么不的解釋，以及經(jīng)過校準(zhǔn)的不確定性信息。這樣，伙伴才能及時修正判斷、從協(xié)作失誤中恢復(fù)，并動態(tài)調(diào)整信任水平。

具體實(shí)現(xiàn)方式包括：提升動作本身的可讀性、根據(jù)感知與執(zhí)行軌跡自動生成語言摘要，以及保存“決策與理由”記錄，以支持后續(xù)追溯與查詢。

如何評估？

范式一旦轉(zhuǎn)變，評測體系也需要同步變化。過去的機(jī)器人學(xué)習(xí)基準(zhǔn)，無論是在仿真環(huán)境還是真機(jī)測試中，大多圍繞“固定角色下能否完成任務(wù)”展開。但如果目標(biāo)是衡量機(jī)器人在真實(shí)社會環(huán)境中的泛化能力，這套標(biāo)準(zhǔn)顯然不夠，需要新的評測框架。

研究團(tuán)隊提出了 4 類關(guān)鍵評測方向：

1.交互泛化測試

過去我們關(guān)注機(jī)器人能否適應(yīng)新環(huán)境、新物體，未來還要關(guān)注它能否適應(yīng)新的合作對象。舉例來說，一臺協(xié)作機(jī)械臂先與某位人類伙伴共同訓(xùn)練，隨后再與另一位陌生伙伴執(zhí)行同一任務(wù)。此時考察的，不僅是任務(wù)完成率，還包括協(xié)作效率、達(dá)成共識所需時間，以及溝通誤解發(fā)生的次數(shù)。像 ZSC-Eval 這類工具，已經(jīng)能夠生成多樣化的伙伴行為，用于系統(tǒng)評估智能體面對陌生協(xié)作者時的適應(yīng)能力。

2.角色切換壓力測試

真實(shí)協(xié)作中，分工并非一成不變，角色隨時可能調(diào)整。因此，評測需要模擬任務(wù)進(jìn)行中的職責(zé)切換。例如在送貨任務(wù)里，機(jī)器人 A 原本負(fù)責(zé)決策，機(jī)器人 B 負(fù)責(zé)執(zhí)行；如果 A 的核心工具突然故障，B 是否能夠迅速接管指揮。關(guān)鍵指標(biāo)包括接手速度、交接過程是否順暢，以及團(tuán)隊效率是否明顯下降。這類測試能夠直接檢驗(yàn)策略模塊能否在運(yùn)行過程中完成重組。

3.社會魯棒性與規(guī)范適應(yīng)

安全領(lǐng)域強(qiáng)調(diào)系統(tǒng)在異常輸入下的魯棒性，社會協(xié)作場景同樣需要類似能力。比如，人類隊友突然下達(dá)與此前指令相沖突的命令，機(jī)器人會機(jī)械執(zhí)行，還是主動暫停并進(jìn)行核對。另一種測試方式，是讓機(jī)器人在兩套不同社交規(guī)則的虛擬文化環(huán)境中執(zhí)行同一任務(wù)，觀察它是否能夠根據(jù)情境調(diào)整行為方式。這類能力決定了機(jī)器人能否真正進(jìn)入復(fù)雜、多元的人類社會。

4.人類滿意度與團(tuán)隊績效

協(xié)作關(guān)系最終是否成立，核心標(biāo)準(zhǔn)仍然是人類是否愿意接受，以及團(tuán)隊整體表現(xiàn)是否提升。因此，評測體系應(yīng)納入 human-in-the-loop 實(shí)驗(yàn)，讓真實(shí)用戶評價機(jī)器人的協(xié)作品質(zhì)，例如“它是否讓工作更輕松”“它是否理解并適應(yīng)你的偏好”。同時結(jié)合客觀指標(biāo)，如任務(wù)成功率、完成耗時和錯誤數(shù)量。研究團(tuán)隊進(jìn)一步建議引入綜合性的同盟分?jǐn)?shù)，將信任程度、溝通效率與協(xié)作流暢度統(tǒng)一納入評價體系。

還要做什么？

當(dāng)然，這個想法也并非完美。研究團(tuán)隊坦承，該文章聚焦在同盟感知機(jī)器人基礎(chǔ)模型的計算與學(xué)習(xí)維度，這些技術(shù)進(jìn)展雖然必要，但并不充分。要讓人-機(jī)同盟真正落地，還需要以下多個并行領(lǐng)域的同步推進(jìn)：

• 機(jī)器人硬件持續(xù)創(chuàng)新：更安全、低功耗的驅(qū)動器和耐用、響應(yīng)迅速的傳感器，直接決定機(jī)器人能否安全可靠地與人共處；
• 高保真感知：具備密集、大面積觸覺感知的機(jī)械手，是實(shí)現(xiàn)遞物、力控等細(xì)粒度交互的前提；
• 具身認(rèn)知視角：機(jī)器人的物理形態(tài)和感知-運(yùn)動能力從根本上塑造它能學(xué)什么、能如何協(xié)作，這一因素必須與算法改進(jìn)同步前進(jìn)；
• HRI 設(shè)計、安全與倫理框架：更直觀的溝通界面、社會化反饋機(jī)制，以及確保機(jī)器人行為與人類價值和安全標(biāo)準(zhǔn)對齊的倫理約束。

研究團(tuán)隊還表示，規(guī)范問題本身也遠(yuǎn)未解決，規(guī)范高度依賴語境、隨社群變化、甚至互相沖突，如何讓機(jī)器人在不經(jīng)過大規(guī)模重新訓(xùn)練的前提下適應(yīng)全新的規(guī)范情境，仍是一個尚待解決的難題。

從自主走向同盟，本質(zhì)上是在重新定義機(jī)器人“學(xué)習(xí)”與“泛化”的含義：未來的機(jī)器人基礎(chǔ)模型不再只是精煉技能，而是能在動態(tài)的人-機(jī)生態(tài)中持續(xù)適應(yīng)。當(dāng)機(jī)器人真的能走進(jìn)新的環(huán)境、立即開始與周圍的人和機(jī)器共同學(xué)習(xí)，它們就從“工具”變成了“伙伴”。

閱讀最新前沿科技趨勢報告，請訪問21世紀(jì)關(guān)鍵技術(shù)研究院的“未來知識庫”

未來知識庫是 “21世紀(jì)關(guān)鍵技術(shù)研究院”建 立的在線知識庫平臺，收藏的資料范圍包括人工智能、腦科學(xué)、互聯(lián)網(wǎng)、超級智能，數(shù)智大腦、能源、軍事、經(jīng)濟(jì)、人類風(fēng)險等等領(lǐng)域的前沿進(jìn)展與未來趨勢。目前擁有超過8000篇重要資料。每周更新不少于100篇世界范圍最新研究資料。 歡迎掃描二維碼或訪問https://wx.zsxq.com/group/454854145828進(jìn)入。

截止到2月28日 ”未來知識庫”精選的百部前沿科技趨勢報告

（加入未來知識庫，全部資料免費(fèi)閱讀和下載）