有趣的事

有观点称机器人不需要大脑,只需要一本写满规则的说明书,该思路落地有哪些局限?

把“说明书”理解成规则、流程或技能库,这个思路确实有用:在环境明确、动作有限、结果可检查的任务里,机器人可以按条件执行程序,不必每一步都依赖一个庞大的通用模型。但它不能普遍替代感知、状态估计、规划和学习能力。

首先,规则只能覆盖设计者预先想到的情况。现实环境有遮挡、噪声、物体摆放变化和设备误差,输入往往不完全符合说明书里的条件;规则一多,例外和优先级会互相冲突,维护成本也迅速上升。其次,机器人需要知道“现在发生了什么”:同一条动作指令在物体滑动、有人进入工作区或定位漂移时可能不再安全。只按文字步骤执行而没有传感器反馈和持续状态更新,容易把旧计划执行到底。

此外,规则本身不会自动解决开放式目标如何拆解、多个可行动作如何权衡,以及失败后如何恢复。规则系统可以包含规划器和反馈控制器,但那已经不只是一本静态说明书;它仍需处理不确定性,并判断何时该暂停、重试或请求人协助。规则的正确性也依赖测试范围,未列出的边界情形不会因为规则写得很长就消失。

更现实的方案通常是分层组合:安全约束、急停和确定性控制用可验证的规则;感知与状态估计依赖传感器和算法;在变化较多的任务中,再用学习模型识别场景、提出候选计划或处理语言目标。关键动作通过反馈、限幅、碰撞检测和人工接管机制把关。若场景封闭且任务固定,规则可以非常可靠;若环境开放、目标含糊或需要迁移到新情境,单靠规则就会变得脆弱。

相关阅读