中文翻译
下一个训练数据集：为具身智能捕捉社会语境
By Roch Nakajima, CMO, Noitom Robotics
异国路口的隐形规则，决定了我们的机器人将何去何从
相信所有去过河内的人，都会对当地的交通印象深刻。在河内，如果你稳稳当当地走进路中央，不跑不停，那么所有摩托车电动车，都会如同流水般绕过你。看似危险重重，其实这样的场景是这片土地上每天上演的日常。
那么在东京又会是怎样一番情形呢？无论是在新宿，还是在涉谷，每一个过马路的人都要耐心等待——红灯停，绿灯行——即便路上空空荡荡，但这仍然是你在这片土地上必须要遵守的规则，毫无争议。
这两种行为都合理、安全，却依附于两套截然不同的社会契约。 一个以“流动的协商”为秩序，另一个以“明文的规则”为信任。它们都是人类社会的自然逻辑，也正是我们希望机器人学会理解的东西——机器人要在世界中生存，不能只读懂代码与坐标，更要读懂默契。
而这种差异，正是机器人必须要理解、学会的东西。过街问题只是表象，真正的问题是：机器人——乃至更广义的自主系统——能否在每一刻被赋予“本地化的社会契约”？这不仅涉及人与机器之间的关系，也包括机器与机器之间的关系。
社会规范并非普世性的，它们在所谓“紧文化”（规范严格、容忍度低）与“松文化”（规范宽松、容忍度高）之间存在显著差异。 这并非纸上谈兵的社会学假设，而是跨国实证研究的结果。 当你让数百万人回答“自动驾驶汽车在道德边界情境中应如何决策”时，答案的聚类分布与文化高度相关。
既然规范与预期会因文化而异，那么 AI 的“良好行为”也必须随之不同。
机器的“礼仪”是什么
对于机器人而言，社会契约体现为：空间、时机、信号与语言。
- 允许你多近地经过他人（个人空间与行进队形）；
- 何时让行、何时“穿针引线”般通过；
- 是否进行眼神交流、点头、或在移动前发出语音提示；
- 在柜台前是否寒暄、是否保持简短；是否提示打赏，以及如何提示。
人机交互研究已证实这一点：当机器人展现出符合文化语境的社交信号与导航行为时，人们更愿意互动，也更少抱怨。 “社会感知导航（socially aware navigation）”成为一个独立研究领域，正是因为僵硬、统一的规则在真实人群中往往失效。
仅有规则还不够——机器人需要经验
交通法规与安全边界固然必要，但并不充分。 业界已多次在现实中得出教训：哪怕规则完美无缺，机器人在真实环境中依然可能表现笨拙、脆弱。
能够改变这一点的，是具身、多模态的真实经验——视觉、听觉、运动、触觉——在真实场景中被捕获、对齐，并最终提炼为习惯。
“机器人所缺乏的，不只是更多的代码，而是更丰富的经验。” ——诺亦腾机器人CEO 戴若犁博士
在诺亦腾机器人，我们正专注于这一层： 构建高保真、时序同步的人机环境交互数据管线，以及通过**遥操作回路（teleoperation loops）**让机器人在被信任“即兴发挥”之前，安全地练习本地社会规范。
在具身智能领域，将“动作”转化为“意义”，正是从“仅在仿真中可行”到“真正融入世界”的桥梁。
巴黎 vs. 洛杉矶：咖啡师测试
在巴黎，服务费通常已包含在账单中，小费数额有限且常为自愿；不过，刷卡终端在旅游旺季时逐渐改变了这种行为。 在美国，小费被视为理所当然，却又常引发争议——提示小费本身就可能带来不快。 一个在这两种市场中采用相同逻辑的机器人，必然会在其中一方显得“不合时宜”。
毫无疑问， 在设计支付与交流流程时，应像打奶泡一样细致地考虑本地规范——包括你提示的内容、询问的方式，以及是否进行闲聊。
机器人之间的“社会契约”也即将到来
这不仅关乎人与机器。 当一群自主系统共享同一空间时，它们也需要超越硬性协议的“惯例”。 如今，已有研究探索联网车辆通过通信协商并线或无保护左转；在多智能体系统中，规范甚至可以自发形成或漂移，无需显式编程。
如果一座城市是“紧文化”，另一座城市是“松文化”，那么机器人之间的礼仪也应随之调整——
比如在多大程度上主动进入空隙、何时示意对方先行、以及如何以人类可审计的语言协作。
将“本地礼仪”嵌入机器人系统的行动指南
我们如何在不把每次部署都变成社会学博士论文的前提下，实现这一目标？
- 发布的不仅是安全栈，还要有“文化覆盖层”。 在机器人操作系统中加入明确的“社会行为层”——包括空间距离、速度节奏、让行逻辑、注视与语言模式——可按城市、场所或时间段进行配置。 将其视作一个“本地化包（locale pack）”，可以版本化、可测试。社会导航研究已提供线索，而你的任务是让它们根植于本地数据。
- 训练于超本地的多模态数据。
捕捉“礼貌”在当地的具象表现：人流的行走方式、声景、用于协商空间的微表情与动作。 机器人从同步的视觉—动作—音频—力反馈流中学习这些细节，而非仅靠规则。 将这一点内嵌进你的数据工厂。 - 保持“人类在环”——且是有意为之。
如同自动驾驶汽车，大多数具身系统在很长一段时间内仍依赖远程人工协助。 在这些“机器人呼叫中心”中配置本地操作员，让他们引导机器人遵循当地社会契约，并将这些干预转化为训练数据。 将“操作员与机器人比例”设为一个关键绩效指标（KPI），并在报告中持续降低。 - 审核文化契合度与道德风险。
跨文化研究显示，道德偏好呈区域聚类。 建立部署伦理清单，使机器人的行为与本地期望保持一致，同时防止将偏见固化。 避免“道德殖民主义”，让地方规范塑造默认设置，并以透明机制覆盖安全与法律边界。 - 为机器人间礼让建立统一的“公民握手协议”。
推动你的供应商（乃至竞争者）采用开放的、人类可审计的协商通道（包括自然语言摘要），让混合车队能够协作；也让监管机构得以检视机器如何决定“谁先走”。
关于“河内与东京”的最后一言
过街的故事，只是一个清晰的隐喻。 在越南，道路生态由两轮车构成的主流逻辑主导，倾向于持续、协商式流动； 而日本的系统则强调基于规则的协调与行人信号纪律。 当每个人都理解同一套剧本，两者都安全。 我们的机器人，必须学会读取此时此地正在上演的那一幕剧本。
为什么这对我们至关重要
我们的任务并不是硬编码礼仪，而是捕捉它、提炼它，并让机器人安全地练习它。 这正是我们强调端到端遥操作、动作到意义的数据管线，以及反映真实社会纹理的可部署数据集的原因—— 它们不仅描绘物理世界，更刻画人类社会的细腻肌理。
这就是“仅仅避开人群的机器人”与“真正融入人群的机器人”之间的区别。
联系我们
如您对试点项目、科研合作或定制集成感兴趣，欢迎联系我们：
Email us at: contact@noitomrobotics.com
