机器人真的「像人」了吗？我们做了一场只看动作的图灵测试

本文第一作者来自厦门大学信息学院空间感知与计算实验室（ASCLab）2025级博士生李明哲、2024级硕士生刘梦茵，通讯作者为厦门大学沈思淇副教授，并由吴泽凯、林心成、张俊圣、颜明、谢曾烨、张长旺（OPPO研究院）、温程璐教授、许岚研究员（上海科技大学）、王程教授共同合作完成。研究团队长期聚焦于3D人体姿态估计、快速人体运动捕捉及相关多模态数据集构建。实验室主页：https://asc.xmu.edu.cn/

在各种机器人大会和短视频里，我们经常看到这样的画面：机器人能跑、能跳、能跳舞，甚至能打拳、做体操。它们看起来已经“很像人”，但是还是不够像，我们可以轻易地从机器人的外壳、皮肤、金属关节看出来这个是机器人，而不是人类。如果我们忽略掉它们的外表，只看机器人纯粹的运动轨迹，它们还像人吗？会不会很像？

厦门大学、OPPO研究院、上海科技大学联合提出的 “运动图灵测试”（Motion Turing Test），首次为这个问题立下了“标尺”。这项工作已被CVPR 2026接收，数据集、代码、评测基准将全面开源！

• 论文标题：

Towards Motion Turing Test: Evaluating Human-Likeness in Humanoid Robots

• 论文链接：
  

https://arxiv.org/abs/2603.07334

• 论文主页：

http://www.lidarhumanmotion.net/mtt/

从图灵测试，到“运动图灵测试”

如果直接把机器人的测试视频拿给人类看，由于当前的机器人大多带有金属外壳或裸露的关节，测试者只需一秒钟就能通过“视觉外观”判断出它是机器人。

受经典“图灵测试”启发，研究者提出了一个新问题：如果只看“动作”，你还能分辨人类和机器人吗？

这就是论文提出的运动图灵测试：去掉所有外观信息，只保留“运动本身”，去区分一段动作是来自人类还是机器人。

研究者把所有人类和机器人的视频，都转换成SMPL-X 3D骨骼模型——去掉皮肤、外壳、表情，只留下纯粹的运动轨迹。

在这个“动作裸考”中，机器人的真实水平藏不住了：

• 走路、站立这类平缓动作，得分勉强够到人类的一半多；
• 跳跃、拳击这类高动态动作，机器人得分连人类的三成都不到；
• 拳击分差达2.53，跳跃分差直接突破3.23（满分5分）。

原来，真正让机器人“不像人”的，不是外形，而是动作本身的僵硬、断裂、缺乏协调。

图1：图灵测试概念图

HHMotion数据集：1000段动作，500小时人工打分

为了支撑这一测试，研究团队构建了Human-Humanoid Motion (HHMotion)数据集。这是首个直接对比人机运动、聚焦“拟人性”评分的数据集。

特点可以总结为三个关键词：

1️⃣ 真正的人机对比

• 11种先进人形机器人（如 Unitree、PM01）
• 10位真实人类
• 同一套动作体系

2️⃣ 动作覆盖广

共15类动作，包括：

• 日常动作：站立、行走
• 动态动作：跳跃、拳击、踢球等

3️⃣ 高质量人类标注

• 30位标注者
• 1000个动作片段
• Likert 0–5评分（0表示完全像机器人，5表示完全像人类）

总标注时长：500+小时

表1：HHMotion数据集与原先数据集对比

数据分析发现，机器人在不同动作上呈现出明显的能力不均衡现象。

在行走（分差 1.31）、坐下（分差 1.55）等相对平缓的动作上，机器人表现更接近人类；

在跳跃（分差 3.23）、拳击（分差 2.53）、跑步（分差 2.26）等高动态动作上，机器人与人类仍存在显著差距。

为什么动态动作这么难？

因为人类的跳跃、拳击，需要全身协调、重心控制、本能调整——这些是机器人目前最缺的。

哪怕姿势复刻得再准，动作的“断裂感”和“机械感”，人类一眼就能识破。

有趣的是，研究者还让人类刻意模仿机器人的僵硬动作，结果这些“人学机”的动作，和机器人的打分出现了重叠——这说明：类人度的关键，不是“姿势像”，而是“节奏像”。

PTR-Net：当大模型遇上“专业特长生”

你可能觉得：多模态大模型这么强，评估动作应该不难吧？结果让人大跌眼镜：

• Gemini 2.5 Pro 平均绝对误差（MAE）最低 1.26
• Qwen3-vl-plus 更是高达 1.77
• 而研究者提出的 PTR-Net，MAE 只有 0.58

为什么大模型会输？

因为它们擅长的是“语义理解”，而不是“细粒度运动特征捕捉”。

大模型看视频，关注的是“这是什么动作”，而不是“这个动作流畅吗、协调吗、自然吗”。

而 PTR-Net 专为运动而生：

• 双向LSTM 捕捉时间节奏
• 时空图卷积（ST-GCN） 建模关节协调
• 注意力池化 聚焦关键动作片段

它把“类人度评估”做成一个定量回归任务，学的是人类打分的“感觉”，而不是简单的“人/机二分类”。

这不是大模型的失败，而是“专精模型”的价值体现。

图2：PTR-Net 架构图

而 PTR-Net 不仅能打分，还能作为强化学习的奖励模型，引导机器人生成更自然的运动。

未来，我们可能真的能看到机器人动得像人一样自然、协调、有节奏。

图3：PTR-Net 与人类打分对比的可视化

此外，我们还对最新一代人形机器人进行了额外测试，其中包括在2025 年底发布、备受关注的小鹏机器人XPeng IRON。

在运动图灵测试的“去外观评估”下，小鹏机器人的表现令人惊喜： PTR-Net 预测其类人得分为4.25，与人类真实打分4.36高度一致，已经非常接近“难以区分人类与机器”的临界水平。

换句话说——如果只看动作轨迹，不看外形，它已经在相当多的场景中“接近人类”。

图4：OOD样本打分结果

这并不是偶然现象。从我们采集的数据来看，当前一批领先的人形机器人（例如宇树 Unitree G1、小鹏 IRON、众擎EngineAI PM01等）在行走、站立、简单节奏动作上，已经展现出明显的“类人趋势”。

人形机器人的未来

我们从小就会走路、跑步、跳跃，从不用想该怎么动关节。这份与生俱来的自然，是目前最先进的机器人都难以复刻的。人类的运动，是亿万年进化的结果，是大脑、神经、肌肉、骨骼的完美协同。

它比逻辑推理、语言理解更基础，也更珍贵。人形机器人的发展，看似是技术的迭代，实则是人类对自身的不断解构和理解。而运动图灵测试，就是这份理解的“标尺”。

当有一天，机器人的运动能通过运动图灵测试，人类无法区分“是人还是机”时，我们收获的，不仅是一个更智能的机器人，更是对什么是人的一次全新认知。