具身智能一定要像人吗？

[首发于智驾最前沿微信公众号]每当提到具身智能，第一反应可能就是一个人型机器人，拥有和人类一样的外貌，可以行走、奔跑，甚至可以承担人类的一些简单的重复工作，那具身智能就一定要像人吗？

什么是具身智能？

具身智能强调的不仅是大模型思考的能力，还包括用身体去感知、去试错、去碰环境的过程。举个简单的例子，你拧瓶盖、用筷子夹菜、在拥挤的人群里穿行，这些动作背后不仅有脑子在算，手指的形状、皮肤的触觉、关节的可动范围这些“身体属性”也在帮忙，具身智能要实现的，也是这些能力。这种把身体和认知绑在一起的想法叫做“具身认知”，在机器人领域便被称作“具身智能”。

图片源自：网络

具身智能的关注点比传统的“把大脑搬上机器”更高些。传统机械的功能实现是将传感器数据传给中央算法，再输出动作；而具身智能强调的是感知和动作是一个联动的闭环。比如机器人下楼梯的一个动作，它的相机、脚感传感器、控制器和腿的机械结构将共同决定它能不能安全下台阶。腿的长度、弹性、脚底形状这些“物理细节”会显著影响控制策略和学习效率。把这些因素当作整体来考虑，能省掉很多计算量，让系统更稳健、更高效。

身体为什么会影响智能？

了解了具身智能是个啥，相信一定会有人觉得奇怪，既然身体只是执行工具，又怎么会影响智能呢？其实对于具身智能来说，身体本身就能做一部分“计算”，这也是具身智能领域常说的“形态学计算”。比方说带弹簧的腿在跑步时会把能量部分存起来再释放，减少控制器需要实时调节的幅度；软体机器人可用被动变形来适应复杂地形，靠材料的特性来完成一部分感知和调节工作。这些都是身体用物理法则在替模型“算”事情，从而让高层控制和学习的负担减轻。

人类和动物的行为逻辑并不是先把世界看清楚再决定做什么，而是在不断试探中感知世界。一个抓取动作会在触觉到来的一瞬间修正手指的位置和力度。机器人如果能把感知和动作紧密耦合，就能用更少的感知数据、用更简单的模型完成复杂任务。具身智能的设计中一定要把传感器布局、机械结构和控制算法一起设计，而不是先决定“大脑”再把身体套进去，这就是所谓的身体与控制协同设计。

图片源自：网络

由于不同的任务和环境天然适合不同的身体形态。在平整地面上做巡检，轮式平台既省能又可靠；在复杂的野外环境里，四足或多足机器人因为腿能够跨越障碍而更合适；在狭窄复杂的管道内部，软体蛇形机器人更容易通过，这都会决定具身智能的外貌。而在厨房、办公室等场景的很多工具和家具都是为人设计的，这时候如果机器有类似人的手部和活动范围，就能更方便地使用现成工具。

具身智能一定要像人吗？

其实说到这里，对于具身智能是否要像人这个问题的答案就已经很明确了，那便是“不一定”。具身智能是否要做成人形，取决于任务、环境、交互对象和成本效益等因素。在很多实际应用里，非人形的设计会更简单、更可靠、更经济，也更能满足需求。扫地机器人只要能在地上移动、避障、吸尘就行，完全不需要两条腿或者一张脸。仓库里搬箱子的机械臂、港口的自动化堆高机、农业里的植保无人机，这些都是具身智能的应用场景，但它们的形态各异，且都不需要模仿人的外貌。

既如此，相信又会有很多小伙伴会问，为什么现在很多发布会一直偏好做“像人”的机器人？其实这有几方面原因。社会交互的便利性。当机器人要承担陪伴、接待或医疗辅助手段时，人类习惯用人的交流方式理解和评价对方。面部表情、语言、手势这些社交信号如果被机器人部分复现，会让非专业用户更容易接受和信任。

图片源自：网络

现有的人类环境本身也对“人形”有天然偏好，门把手、台阶、座椅这些东西是以人的身体尺度和操作习惯设计的。如果希望机器人直接在现有环境里工作，模仿人的手和臂会更具适应性。此外，这也有一定的文化和审美驱动，研究团队或公司可能以“机器人像人”为产品卖点，从而吸引更多人的讨论。

虽然很多企业都崇尚仿人的具身智能，但这样的设计会带来很多问题。仿人设计在力学控制、稳定性、能耗和可靠性上都有更高要求。双足行走的平衡控制本身就很难，制造出一个既灵活又耐用的仿人关节需要复杂的传感器和高性能执行器，整体成本很高，这也是为何在小鹏的“IRON”人形机器人在发布会上走了一圈后，被大家广泛讨论的原因。

再者，仿人外形如果行为不够协调，就容易触发“恐怖谷”效应，反而让人感到不舒服。而且仿人设计需要非常复杂的机构设计，越复杂的机构、越多的自由度，意味着越多的潜在故障点，这会让维护成本大幅上升。

反观人类的设计，很多产品外观都是由大自然的动物提供的灵感，自然界中的动物外形是各异的。章鱼的柔软身体解决了复杂环境下的抓握问题，鸟类的空中机动性给飞行提供了不同的方案，鱼类的流线形适合水下推进。这也说明模仿某种生物的特性可以带来优势，但不必非得模仿人类。具身智能的外观设计也应如此，要从功能出发，而不是仅以“像人”这一审美目标去设计。

最后的话

回到一开始的问题，具身智能一定要像人吗？可以肯定地回答：不一定。具身智能的形态应由任务和使用场景决定，而不是由对“像人”的偏好主导。很多情况下，非人形的设计会更节能、更可靠、更易落地。当然，当交互和社会接受度成为关键因素时，有选择地做一些拟人化的特征（比如更容易理解的面部显示或语音交互）是有价值的，但那不等于要做一个全功能的拟人机体。