能自主格斗，却在药房货架前失手：机器人缺的是哪一层
一、格斗与药房考的不是同一层能力
据公开报道，一家机器人公司的创始人在对谈里说过一句实在话：机器人还吃不了粗粮。自主格斗让人看到临场反应的进步，可换成药房里取放商品这样的场景，另一方面的挑战依然存在。这句话的份量不在自我批评，在于它把两类能力放到了同一张桌子上。
格斗和药房看着都是“机器人做事”，考的东西几乎不重叠。格斗考的是反应带宽与控制回路：扰动来了能不能在几十毫秒内改姿、重心被推走能不能重新建立支撑、连续动作之间的时序稳不稳。这一层能力的特征是它是连续量，做不到位会立刻表现为动作难看或者摔倒，所以它天然适合被拍成视频，也天然容易被外行读成“这台机器很聪明”。
药房考的是物体表征的覆盖面与失败后的处置策略：同一个药品换个包装还算不算同一类、被前排放着的盒子挡住一半还认不认得、软塌的袋装能不能夹得住、取出来之后按规则放回哪一格。这一层能力是离散量，它不体现在动作漂不漂亮，只体现在一批不同商品摆上去以后，多少件能走完整条任务、走不完的以什么方式收场。
一个高动态、一个低动态高频，中间隔着的是完全不同的采集成本、验证成本和验收方式。客户真正要买的那件东西，几乎总是落在第二栏里。
二、把“泛化差”拆成四层，每层测法不一样
“泛化能力不足”是一个不能用来做决定的说法，它把四个可以被分别测出来的问题糊在了一起。拆开才有办法谈改进和验收。
| 层 | 具体变量 | 单独的测法 | 这一层失败会长什么样 |
|---|---|---|---|
| 看不看得清 | 顶灯与侧光、反光包装膜、玻璃瓶高光、被前排遮挡的比例 | 同一批物体在几种光照与遮挡条件下各采一遍深度图与彩色图 | 分割轮廓抖、边缘吃进商品本体、反光面判成空洞 |
| 认不认得出 | 品类长尾、同品类不同规格与新旧包装、堆叠时的局部可见 | 固定一套品类清单，按“首次见到的包装”单独设一组 | 认成邻近品类、把新包装当未知物体搁置 |
| 抓不抓得住 | 材质软硬、重心偏移、可夹持面朝向、易碎 | 按材质与重心分桶，逐桶做夹持试验并记录滑落 | 夹变形、夹滑、抓空、捏碎 |
| 放不放得回 | 货架格位宽度、与其他商品的相对位置、放回后的朝向要求 | 给格位宽度和目标朝向设条件，看放完是否合规 | 取成功但放回去不合格，整件事仍然算失败 |
四层的测法互不替代。只测第三层的团队会得出“抓取成功率不错”的结论，而那批样本可能全摆在桌面上、光照理想、朝向规整。第四层最容易被漏掉，很多演示里“取出来”就算成功，实际业务里“按规则放回去”才是任务终点。
三、演示视频为什么系统性骗人，验收表该写到什么粒度
演示视频不是造假，它是选择。一次演示挑的是走通了的那条路径：位置是自己摆的、光照是自己挑的、品类是练过的、失败的那几次留在剪辑台外面。观众看到的成功率因此永远偏高，而且偏高的幅度无法从视频本身推算。
验收要做相反的选择：不挑成功路径，挑失败路径。这需要先有一张粒度正确的验收表。粒度错误的写法是“能取放商品”，这句话没有任何可判定内容。粒度正确的写法是把前置条件全写出来：在给定的格位宽度、给定的遮挡比例、给定的品类清单、给定的光照条件下，单次任务的成功判定标准是什么，失败之后设备的行为是什么。四个条件加两个输出，缺一项这张表就退化成口头承诺。
具体写法上，一条验收项应当包含：品类与包装清单（含明确标注为“首次出现”的新包装若干）、摆放规则（谁挡谁、挡多少由验收方定而不是由设备方定）、成功判定（取、放、朝向、格位合规四项全过才算一次成功）、失败行为的记录要求、以及验证环境与交付环境的一致性说明。这里最要紧的是第二条：摆位权归验收方。归设备方的验收，测的是设备方的采样偏好。
四、失败处置要先于成功率被定义
现在最常见的三种坏行为，都值得单独写在合同里而不是等上线后抱怨：原地重试直到超时，既不报警也不换路径，任务像被卡住；把相邻商品碰倒，自己不知道，后续人来收拾；抓取动作打断在半空，商品悬在夹爪与格位之间，既没取出也没放回，这是三种里最容易造成实物损失的一种。
为什么这一项要排在成功率前面？因为在真实货架环境里，失败是常态而不是异常，一晚上的作业里失败次数会远超人预期。成功率决定这件事划不划算，失败行为决定这件事能不能被允许发生在有人值守的场所。一台成功率不错但每次失败都把货架撞乱的设备，实际吞吐会被清理工时吃掉；一台成功率一般但每次失败都干净收手、把状态交回给人的设备，可以被排进白班。
所以失败处置要单独设计成一组可判定的行为约束，而不是模型的自由发挥：超时后必须退出当前目标并上报原因；单次动作导致相邻商品位移超阈值时必须停止并等待；半空失持时优先做受控释放而不是继续夹取；同一路径连续失败几次后必须换策略或挂起任务；每一次失败留下可回看的现场记录。这几条比任何一句“提升鲁棒性”都可验收。
五、长尾样本的成本怎么压，以及规则这一层归谁
采集是这类项目最贵的一项，压成本靠三句原则。第一句，按品类分桶而不是按数量堆。同一品类采一万张，样本再多也只覆盖了一个分布点；不如把预算按品类铺开，每个品类采少量但覆盖它的几种包装与摆放状态。第二句，把包装变化当成独立维度。同一支药的新旧包装、促销装、拆零袋，在分布上是不同事件，不标成独立维度就会被模型当成同类，验收时才发现认不出。第三句，用真实货架而不是桌面。桌面上的自由摆放丢掉了这个项目真正的难度：格位边界、纵向堆叠、前挡后、灯光从上往下的阴影。用桌面数据训出来的能力，一到货架就掉，掉的还不是识别，是取放的空间判断。
药房场景还有一件被算法团队常误判的事：真正难的部分是规则，不是算法。药品按分类摆放有硬性要求，拆零与整件会混放，效期朝向有规定位置，这些知识是业务约定，不是物体自带的属性，模型看再多图也学不出“这一格只能放同类且效期朝外”。这部分必须写进任务规格，作为放置判定的显式约束，由场景方与集成方一起签字确认，而不是留一句“由模型自行判断”。责任切分的界线很清晰：感知与抓取归设备方，摆放规则归场景方，把规则塞进模型权重里是双方都要避免的做法。
六、客户该按哪条线选供应商，以及一条准入建议
选供应商时容易问的第一个问题是“你们最高能做到什么”，这是营销信号那一栏：高动态能力、连续动作、抗扰动，视频好看、汇报有冲击力，但和要交付的作业几乎不相关。该问的是“低动态高频作业那一栏：同一批货连续作业一晚上，失败按什么方式收场，谁值守，掉线怎么退”。两栏的差别不是水平高低，是能力层不同，用第一栏的证据签第二栏的合同，是这类采购最常见的错配。
一条可执行的准入建议：先买一个具体场景的验收包，再考虑买设备。验收包的内容就是前面那张粒度正确的表加一次真机演示，在客户自己的货架、自己的品类清单、自己的摆位权下进行，交付物是一份带失败行为记录的报告。它的投入远低于一台设备，却能回答所有关键问题；更重要的是，它让后面那笔采购有可判定的验收依据，而不是有了一台需要靠磨合来确认能不能用的机器。
对做工业 AI 的洹拓来说，这组对照说明的其实是一件更普遍的事：客户买的从来不是能力上限，是能力下限的可保证性。上限决定宣传片能不能拍，下限决定这条线敢不敢在没人盯的时候开动。所以我们把方案里“最好情况下的表现”这类表述一律改成“给定条件下的成功判定与失败行为”，把验收包写成独立可采购的一项。一个不能说明自己怎么失败的方案，等于把发现失败的时间安排在了上线之后。