如何超越战场演示评估人形机器人

人形机器人在真正有用之前，就可能显得很有能力。一段精心制作的视频也许展示机器行走、拳击、从推搡中恢复，或处理物体。每个动作都可能代表真实的工程进展。但没有任何一个动作本身能够证明该系统能在雨水、灰尘、瓦砾、通信中断，或周围存在不能受到伤害的人员时完成有价值的任务。

稳健的评估始于缩小主张范围。证据是在说明机械运动、远程操作、自主导航、重复部署，还是使用武力的权限？这些是不同的问题，需要不同的测试。下文框架帮助采购团队、研究人员和知情读者判断人形系统，既不轻视有用的实验，也不把演示误认为作战就绪。

在评判机器前先界定任务

从具体工作和运行环境开始。“通用战场机器人”过于含糊，无法评估。沿路线搬运规定载荷、打开适合人类尺寸的门、检查危险设备，或在狭窄通道中转运物资，才能形成可测试的要求。任务应说明距离、地形、载荷、时限、可接受的操作员参与程度，以及故障后的安全行为。

当机器必须使用为人设计的基础设施——楼梯、梯子、门、控制装置、工具或未经改装的车辆——人形形态可能具有合理优势。但这种优势有条件。双腿也带来持续的平衡问题，而手臂、手、关节、传感器、处理器、无线电设备和冷却系统都会增加能耗和故障点。因此，相关问题不是人形机器人能否一次完成任务，而是其与人类兼容的操作能力是否值得这份复杂性。

应以最简单而可信的替代方案为基准。据美联社报道，乌克兰已经使用轮式和履带式地面机器人运送补给、后送伤员、侦察及执行其他危险工作。应让人形机器人在同一任务中与这些系统、无人机或四足机器人比较。除非它改变了通行、操作、安全或任务完成情况，否则类人外形并不是作战优势。

在解释前为证据贴上标签

当每项结果都被分配到一个证据层级时，评估会更清晰。摆拍演示表明某种行为在布置好的条件下发生过。它或许揭示平衡、执行器响应、协调性，或对特定冲击的抵抗力，却不能证明在未知地形或干扰下的表现。

受控试验增加了可重复的任务、记录在案的条件和可测量的结果。现场评估引入较难预测的地面、天气、障碍物、通信和作业压力。部署证据则更有力：它应涵盖重复任务、故障、维修、可用性以及维持机器工作的资源。

乌克兰对 Phantom MK-1 的已报道评估是有用但有限的公开证据。资料包称，两台机器被用于物流相关工作；据报规格约为高 1.8 米、重 80 千克、载荷接近 20 千克、运行约三小时。它还报告其防水防尘保护不完整，且跌倒后难以在无人帮助下起身。这些细节指出了实际限制；它们并不能证明独立的致命行动。公开报道也缺少任务次数、干预率、维修时间或可用性的完整记录。

应将制造商计划与观察到的结果分开对待。续航、载荷、环境防护或跌倒恢复的拟议改进，在独立的现场证据表明它们能共同发挥作用前，都只是开发目标。改善一项指标可能影响其他方面的质量、热量、能耗或机械复杂度。

找出实际控制者

“自主”一词过于宽泛，不能单独使用。有用的评估至少区分四个控制层级。

• **脚本化行为：**机器人在预期条件下执行预先定义的序列。
• **遥操作：**人直接引导运动，可能通过传统控制器或动作捕捉。
• **局部自主：**机载软件无需连续指令即可保持平衡、避开障碍或跟随航点。
• **任务权限：**系统选择目标或作出具有后果的决定，包括是否施加武力。

一次动作捕捉的搏斗可以展示跟踪、通信和实体控制，却几乎无法说明独立推理。同样，自主平衡恢复或路线规划并不意味着自主选择目标。应要求评估人员记录任务各部分由哪个层级执行、人介入的频率、通信延迟，以及链路降级时发生的情况。

操作员负担应计入结果。一台需要持续关注来放置每只脚的机器，可能能通过艰难路线，却仍比简单车辆消耗更多人力。相关衡量包括培训时间、每台机器人的操作员数、每名操作员负责的机器人数、干预频率和故障期间所需的注意力。远程控制可以减少实体暴露，却仍会造成可观工作量并依赖可靠连接。

把可靠性作为序列而非集锦来测试

作战可靠性是反复完成有用工作的能力。良好协议测试整个任务：准备、外出移动、操作、等待、返回、充电或更换电池、检查，以及为下一轮做好准备。应报告成功和失败的尝试。

在重复循环中测量任务完成率、交付载荷、能耗、跌倒、无人协助恢复、通信丢失、人工干预、维修时间和可用性。环境测试应包含任务实际面对的条件，例如不平地面、碎屑、灰尘、湿气、低能见度和受阻的无线电路径。主张应说明测试边界，而不是暗示普遍能力。

故障行为值得单独设定情景。通信消失时，机器人是停止、撤回、原地保持，还是继续有限的非致命任务？它跌倒时，能否自行恢复而不让人暴露去取回它？传感器或肢体受损时，能否进入可预测的安全状态？一次冲击后仍能继续移动的戏剧性能力，不能替代有记录的故障政策。

可维护性是可靠性的一部分。人形机器人包含众多高负荷关节、执行器、传感器和传动装置，可能需要专用部件。应跟踪技术员工时、备件需求、平均维修时间和不可用天数。一台完成一次困难行程后却停服的机器，其价值可能低于每天都能运行、灵活性较低的平台。

比较完整的任务经济性

采购价格本身是不完整的衡量标准。应比较获得同一结果所需的人员、通信设备、电池、运输、技术人员、备件和回收支持。公平试验应给竞争平台相同的载荷、路线、时间窗口和安全约束。

当面向人类的通行或操作能力使人形机器人完成较低、较简单的平台无法完成的任务时，它才配得上其复杂性。打开陌生的门、攀爬狭窄梯子、操作控制装置或使用多样工具都可能合格，前提是该能力可靠。在开放补给路线上，轮子或履带仍可能更可取，因为它们重心较低、活动关节较少。

这种比较不应假定每项保障任务风险相同。运送弹药和协助伤员都涉及搬运载荷，但在伤员保障中跌倒可能加重伤情。可靠性门槛和故障控制必须与任务后果相匹配。

乌克兰国防部已在更新后的Brave1 国防资助计划中，将人形机器人列为优先领域。这证明了对原型和测试的结构化兴趣，而不是证明获得资助的系统已可例行使用。计划里程碑仍应让每项设计对应明确的作战缺口和比较性现场测试。

将法律和伦理批准与性能分开

机器可以在机械上可靠，却不适合拟议用途。法律和伦理审查不能从行走技能、操作能力、导航，甚至持续现场可用性中推断出来。它必须考察系统被允许做什么、谁作出有后果的决定，以及责任如何分配。

红十字国际委员会将自主武器描述为无需人类干预便能选择目标并对其施加武力的系统。这个门槛涉及决策权限，而非身体形状。无人机、炮塔、车辆或人形机器人都可能提出同样的问题。反之，遥操作的物流人形机器人并不等同于独立选择人员的武器。

任何武装评估都应说明谁选择目标、谁批准武力、该人收到什么信息、他们有多少时间介入，以及谁能停用系统。它还应界定地域、时间和目标限制，并规定通信丢失后的行为。城市或受损环境使识别更困难，因为平民、伤员、被遮挡的传感器、昏暗照明和模糊物体可能共存。

红十字国际委员会建议禁止不可预测的自主武器和旨在对人员施加武力的系统，同时严格限制其他自主武器。某一特定计划是否符合法律要求，需要专门审查；一次成功的工程试验不能回答这个问题。治理还应涵盖软件更新，因为改变后的感知或控制行为可能改变已审查的系统。

使用可供决策的评估清单

在接受能力主张前，要求清楚回答以下问题：

• **任务：**工作是否具体、有边界、非戏剧化，并与真实运行需求相连？
• **基准：**是否在同一任务和条件下让人形机器人与更简单的平台进行测试？
• **证据：**结果是摆拍演示、受控试验、现场评估，还是重复部署记录？
• **控制：**哪些动作是脚本化、遥操作、局部自主，或被赋予任务级自主权？
• **干预：**人多久接管一次，需要多少操作员注意力？
• **环境：**地形、灰尘、湿气、能见度、障碍物和无线电干扰是否具有代表性？
• **续航：**报告的运行时间是否包括载荷、传感器、计算、延误和安全返程储备？
• **恢复：**机器人能否从跌倒中恢复，并在损坏或失链后进入安全状态？
• **可靠性：**是否披露重复任务完成、维修时间和可用性，包括失败情况？
• **保障：**需要哪些技术人员、备件、电池、通信和运输？
• **决策权限：**谁设定目标、选择目标、批准武力，并能停止系统？
• **监督：**是否记录法律审查、问责、运行限制和更新后的重新评估？

2026 年，新华社的一项战场评估称当前人形机器人参与受到严格限制，并报告没有任何军队公开将人形机器人作为主要作战装备部署。这一谨慎状态与资料包中可获得的证据一致。它为有价值的物流、检查、工程、训练或危险环境实验留出空间，同时要求更广泛的主张承担举证责任。

正确结论往往是有条件的：对狭窄任务有前景、对部署而言记录不足，或当更简单的机器表现更好时并不适用。这不是想象力的失败。它是评估人员区分真实进展与奇观，并将投资引向真正可靠、可保障且受治理、能完成实际被要求工作的系统的方式。