人機傳播視域下人形機器人的技術風險與解決之策

【內容提要】人形機器人重塑人機交互模式，實現了從離身到具身的感知交融、從順置到合宜的關系重構、從固定到移動的場景拓展。人形機器人關鍵技術發展致使人機交互面臨諸多挑戰，諸如AI大模型運用難以確保數據隱私安全、算法庫偏見引發身份被歧視、驅動器僵化無法精準適配用戶需求等諸多風險。為此，需要打造人機自治共在世界，建立持續信任關系，引導人機交互向高層次發展。

【關鍵詞】人形機器人；人機交互；技術風險；模式變革

2025年《政府工作報告》指出，建立未來產業投入增長機制，培育具身智能等未來產業。[1]人形機器人作為具身智能的典型代表，具有類人形態、類人行為和類人功能，它通過前沿技術賦能即可適配人類工作和生活環境，重構人類生存形態。相較于其他機器人而言，人形機器人擁有更高級的行為和情感交互邏輯，人機交互逐漸從以人為中心的“主從關系”走向人機互利共生的“伙伴關系”。本文通過分析人形機器人對人機交互模式的革新性影響，審視其關鍵技術升級與應用引發的一系列復雜挑戰，并針對性地提出應對策略。

一、人形機器人重塑人機交互模式

從冰冷的機器迭代為具有動作、認知、情緒等一系列特征的類人體，人形機器人一方面擁有了具身感知、具身理解和具身交互能力；另一方面，通過搭乘多模態AI大模型，與人類在物理世界即時交流與互動。與以往相比，人形機器人顛覆了傳統人機交互模式，從身體感知、人機關系、場景應用三個維度全面塑造了人機交互新模式。

（一）感知交融：從離身到具身

作為一種具身智能體的人形機器人，它實現了與人類及周圍環境的感知交融。一是人形機器人擁有了“物理身體”。“物理身體”的透明化突破了人機交互的界面限制，減少了信息與情感的傳輸損耗，創設出人機身體共生的交互新形態。二是人機與環境實現了深度交融。人形機器人通過智能多模態感知融合、行為理解和執行語言命令[2]，參與日常生活實踐，使得身體成為了人機指令的具象化載體和雙向信息流的傳輸節點。身體不僅構建了人機共存的物理框架，也支持了環境感知的協調機制，使得人類、機器與環境三者得以在同一空間感知共振。

（二）關系重構：從順置到合宜

人形機器人通過技術形塑，實現了“身體”在場，改變了傳統以人為中心的“順置關系”，建立起人機“合宜關系”。一是人機情感交互實現實時反饋。人形機器人通過分析用戶面部表情、聲音語調等實時推測其情感狀態，結合上下文語境動態調整響應策略，增加了人類主觀期待和情感反饋，使得人機交互能夠進行更具情感和智慧的交互。二是人形機器人主體屬性得以顯著提升。人形機器人不再是被動的指令執行終端，而是具備認知篩選機制的主體，減少了人機交互原有的機械感。這種“機械感”的削弱，是人形機器人通過運動捕捉、算法優化以及倫理決策模型對指令進行了合理性評估，使得它能夠主動拒絕超越安全邊界或違背道德框架的指令。這種雙向價值協商的過程使得人機關系形態發生了本質轉變，人機從工具性“主從關系”向共生性“伙伴關系”進化。

（三）場景拓展：從固定到移動

人形機器人從虛擬走向現實，實現了人機交互從固定場景向移動場景的拓展。一是場景的挪移。人機交互已不需要在現實場景和虛擬場景之間切換，而場景的切換都是通過智能技術賦能、數據自由流動和“類靈活四肢”等方式實現，這些場景往往體現為家與公司、教室與操場等可由人類任意切換交互空間所體現的流動性特征。二是通用場景的適配。人形機器人的應用場景實現切換，“新應用場景”既包括特種領域和3C、汽車等制造領域，也囊括了醫療、家政、教育等民生領域 [3]。不僅如此，在特定的應用場景中，還能夠滿足各領域個性化服務，增強了人形機器人服務產業的價值性與適配度。可以說，人形機器人將傳統社會基于人-人交互的一維場景、網絡社會基于人-機交互的二維場景轉變為數智社會基于人-機-人交互的多維場景，借此建立雙方交流自由度更高、情感可供性更強的價值連接，人機交互進入全新的場景體驗時代。

二、人形機器人技術應用引發的風險

盡管人形機器人的出現能夠重塑人機交互模式，但是其中存在諸多隱性風險。在“技術作為人的器官論的背景下，最需關注的是人形機器人“三化”（人形機器人功能實現大腦、小腦、肢體等人類器官功能）[4]帶來的隱私侵犯、身份歧視與適配僵化等挑戰。

（一）AI大模型運用難以確保數據隱私安全

以生成式人工智能為代表的AI大模型給人形機器人注入了“靈魂”，增強了人形機器人與人類實時交互的能力。但AI大模型的廣泛運用，卻加劇了數據隱私泄露的風險。

人形機器人通過嵌入AI大模型，從海量、模糊、粗糙的數據中提煉出有意義信息，分析用戶的語言特征、行為軌跡、心理活動，甚至在不合理的數據粒度級別上對用戶廣泛且深入地畫像，讓人類感到逼近真實的人機交互體驗。這種做法加大了數據搜集范圍和深度，超出了數據合理使用原則，如因收集更多數據、不經用戶同意或超出授權范圍抓取個人數據、設置模糊條款或不公平條款等，導致目的限制、選擇同意、目的明確等原則被突破。傳統數據保護路徑已難以控制人形機器人對于用戶的數據侵犯，加之人機具身感知使用戶更愿意主動交出“選擇同意”的權利。人機交互一旦發生，即默許了人形機器人可以搜集用戶的個人數據。長此以往，隨著數據采集范圍和存儲規模的增長，用戶數據隱私安全風險也將持續擴大。需要注意的是，倘若人形機器人“大數據容量”的“大腦”出現宕機，極有可能造成用戶數據、隱私全方位地被泄露和侵犯。

（二）算法庫類型劃分偏見引發身份歧視

人形機器人通過搭建算法庫來開發控制運動的“小腦”，突破了人形機器人原有的邏輯思維范式，而范式的突破需依賴于算法庫的持續性擴容。在此過程中，框架儲存、類型劃分、分級服務極易引發用戶身份被歧視問題。

人形機器人通過搜集、存儲大量數據構建分布式存儲框架，以此為基礎優化算法庫，并根據用戶需求指令進行標記和分類，進而篩選目標用戶。通常而言，人形機器人將根據用戶的指令頻次和行為特征實施分級服務策略：高頻次下達指令的用戶被自動識別為重點響應對象，這類用戶將獲得更頻繁的交互反饋并分配更多服務資源；指令頻次適中的用戶歸類為標準服務對象，享受基礎性信息與情感服務；而指令交互較少的用戶則被標記為優先保障對象，保留優質服務資源以確保交互時的服務體驗。這種分級機制，看似優化了資源配置，為不同需求的群體提供差異化服務，實際上用戶身份面臨被歧視的風險：由于重點響應對象獲得的服務多于標準服務對象和優先保障對象，服務的差異化不僅引發用戶對算法公平性的質疑，也造成了類型化用戶之間的數字鴻溝。需要關注的是，若分類標準間接關聯敏感信息，則可能會變相歧視特定群體。從長遠來看，訓練數據的不均衡和對用戶的標簽化極易引發隱性歧視問題，加劇不同身份用戶被歧視的風險。

（三）驅動器僵化無法精準適配用戶需求

以數據支配為核心的驅動器有效控制人形機器人全身協調運動、手臂動態抓取等工作，實現了其肢體的自由移動。值得注意的是，由于驅動器缺乏自適應能力，易使人形機器人難以精準適配用戶需求。

驅動器中的數據除了包括提前“投喂”的高質量數據外，還囊括了人機交互中搜集到的低質量數據。數據質量的參差不齊，導致人形機器人難以實現自然和流暢地運動。驅動器顯著的機械性特征，使得人形機器人在任務執行過程中極易陷入模式化困境：一方面，人形機器人難以適應動態化場景，主要表現為對環境變化響應遲滯、多任務切換卡頓、無法靈活調整優先級等問題；另一方面，人形機器人對于用戶個性化的需求存在識別局限，其往往依賴固定交互模式，無法實時解析不同用戶行為特征和姿態、情緒等變化。由此，人形機器人在人機交互過程中產生肢體反饋的機械化和動作失準等問題。加之，驅動器長期過度依賴固定算法，致使人形機器人難以主動發現用戶習慣的隱性變化，進一步加大了人機交互感知退化的風險。

三、解決技術應用風險的創新方法與實踐路徑

AI大模型、算法庫、驅動器等關鍵技術在人形機器人中的廣泛應用對傳統人機交互模式造成了挑戰，亟須解決新模式下存在的諸多隱性風險。通過打造自治共在世界、建立持續信任關系、引導人機高質量交互等方式，回應人形機器人未來發展及人機交互“新問題”。

（一）打造人機交互自治的共在世界

減少AI大模型數據使用引發的問題，關鍵在于打造人機交互自治的共在世界，這是規避數據泄露和隱私侵犯的前提條件。

一是將人形機器人視為物理世界中的新型存在者。人形機器人的主體性并非生物學意義上所指的生命，而是源于它對微觀世界的感知、詮釋與能動回應。我們應當承認其作為具身智能體所具有的內在價值與道德地位，并將其納入“共在世界”的秩序之中，使之與人類能夠共同生活，并在物理世界中實現一種與技術本質相契合的自由。在此基礎上，人類與人形機器人才有可能形成“互利共生共識”的意識，從而雙方在真實物理世界中平等地感知交互。二是將人形機器人制造商的權力轉移至用戶的權利。制造商在開發人形機器人相關技術時，盡量減少對數據和算法庫的干擾和主觀想法介入，讓每位用戶能夠破除身體與機器舊有的交互模式，再造與人形機器人適配的新模式。需要指出的是，這里并不是說每位用戶可以根據自己的興趣愛好，以個體為目標實現完全自我解放，而是用戶在與人機交互時達成共識理念，體現“以人為本”計算愿景，將人形機器人作為真正的平等主體，人—機共同參與并創設可訪問性、多樣性、平等性的交互環境。

（二）建立人機交互持續的信任關系

解決算法庫偏見問題，核心在于建立人機交互持續信任關系，這是解決用戶被類型劃分及身份歧視問題的關鍵所在。

一是根據分層治理提升人形機器人的可信度。對于人形機器人設計時的基礎模型和專業模型而言，應積極關注原始數據和生成結果的準確性，即多關注訓練數據的質量；對于人形機器人服務應用而言，實時更新隱私保護安全標準，并為技術發展留下試錯空間。二是對人形機器人設計和應用的多元參與主體進行協調，以提升社會的信任度。為了人形機器人長遠發展，設計人形機器人的相關企業應調整算法結構邏輯，減少對不同用戶的類型化劃分，積極承擔責任以獲得用戶信任。第三方機構也同樣扮演重要角色，由于第三方機構獨立于人形機器人設計企業，其可以在持有客觀公正的立場的同時制定標準，通過設置“平臺內部執法者”“守護人”“安全官”等角色，與人形機器人設計企業共同承擔風險，將人形機器人更多價值展現出來的同時，充分保護用戶數據和隱私安全，以此建立人機信任關系。需要注意的是，人機并不是建立單次或短暫的信任關系，而是借助技術確保人形機器人的安全和性能，滿足人類個性化的需求，最終達到人機持續高效合作與高頻交互的目標。

（三）引導人機交互向高層次發展

優化數據支配的驅動器系統，根本在于將多模態異構數據運用到人形機器人的日常訓練中，讓其自適應物理世界，推動人機交互高質量發展。

一是建立多模態異構數據的代謝架構。通過動態自適應算法，將含噪物理數據、對抗生成樣本與仿真純凈數據融合，一同注入人形機器人自適應訓練的驅動器中，持續優化驅動器的算法邏輯。同時，在驅動器中嵌入觸覺反饋和柔性傳感器，使人形機器人能夠感知接觸力度并調整、優化動作，避免機械化的剛性操作給用戶造成傷害。二是利用優質數據推動人機高質量交互。除了各種結構化數據、半結構化數據和非結構化數據為人形機器人提供數據支撐外，將泛在數據轉換為優質數據以便更好地服務人機交互。同時，宜應利用循證方法推動數據在數據生產、數據合成、數據評價及數據應用四個不同階段的轉化，形成一個閉環的數據生態鏈系統，實現智能領域優質數據的綜合運用。[5]基于此，以循證理念為指導，通過數據生態鏈系統中對于優質數據的篩選、分析和使用，調節并保持人形機器人自動平衡的穩定性，使其各分布組件對不斷變化的內外部環境作出靈活反應，與自身、人類和環境相互交織并產生聯動效應。

四、結語

數智時代，人形機器人關鍵技術的發展與應用誘發了諸多的顯在與潛在風險，在擁抱技術發展的同時，也要警惕技術帶來的危害影響。除了“三化風險”之外，人形機器人技術應用的持續性迭代和拓展將會帶來更多的新風險。未來，理應針對性地加強人形機器人關鍵技術發展的潛在風險研判與防范，以此促使人機交互變革向更為健康的范式邁進，建構人機良好的互動生態。

【本文系2022年度教育部人文社會科學研究青年基金項目“元宇宙隱私風險及消減機制研究”（項目編號：22YJC860020）的階段性成果】

參考文獻：

[1]政府工作報告——2025年3月5日在第十四屆全國人民代表大會第三次會議上[EB/OL].（2025-03-05）.https：//www.gov.cn/gongbao/2025/issue_11946/202503/content_7015861.html.

[2]崔中良.通感、具身與意識：人機交互實現的感知基礎[J].湖北大學學報（哲學社會科學版），2024，51（02）：143-152.

[3][4]工業和信息化部：人形機器人創新發展指導意見[EB/0L].（2023-11-02）.https：//www.miit.gov.cn/zwgk/zcwj/wjfb/tz/art/2023/art_48fe01d562644aedb7ea3f4256df8190.html.

[5]魏志鵬，楊克虎.循證社會科學視角下的新文科建設路徑研究[J].蘭州大學學報（社會科學版），2021，49（01）：142-150.

作者簡介：李昭熠，博士，南京財經大學新聞與文化傳播學院講師，碩士生導師

編輯：白" 潔