冻结本体、自主主张与工作结果
- 判断问题
- 主张由哪一台准确机器人自主感知、规划或行动；执行何种任务、服务谁、拥有何种权限，并产生什么物理后果？
- 最低证据
- 逐字主张与日期；机器人序列号或配置；形态、负载与末端执行器；软件、模型、策略及固件版本；任务、场地、用户与验收阈值。
- 停止条件
- 视频、模型名称或“通用机器人”等笼统标签替代有边界任务与完整系统身份时停止。
动作不是自主能力的充分证据
机器人主张必须把模型、硬件、环境、人工贡献、物理结果与运行时间保留在同一个证据链中。
精彩视频只能证明某次动作被记录。机器人可能依赖编排环境、人工遥控、预先地图、特定工装或未披露复位；模型分数也不能替代实体系统的安全、可靠性、恢复与维护证据。
适用边界本页是公共研究方法，不代表 FUURAA、FUUVO 或 AFUU 产品能力，也不评价任何机器人、模型、供应商、国家、实验室、数据集或排行榜；不构成安全认证、采购、审计、投资、法律或合规意见。
六道可拒绝的证据门
每道门都回答一个判断问题、要求最低证据，并在关键未知时停止外推或缩小结论。
复现硬件、校准、权限与人工贡献
- 判断问题
- 启用了哪些传感器、执行器、算力、工具、地图、工装与校准；机器人能够做什么；人工何时规划、遥控、批准、复位或救援？
- 最低证据
- 物料清单与配置哈希；校准和维护记录；电力、网络与工具依赖；自主模式；权限边界；干预、复位与遥操作日志。
- 停止条件
- 隐藏遥操作、预摆放、人工复位或特权基础设施未计入能力主张或分母时停止。
定义环境、任务分布与数据溯源
- 判断问题
- 覆盖哪些物体、人员、光照、表面、杂乱、动态、失败状态与任务序列；演示和测试场景来自哪里；是否可能与训练重叠？
- 最低证据
- 抽样框架；初始状态随机化；环境与物体分层；训练与评估沿袭；感知与语义重复检查；操作员身份；留出场地与时间切分。
- 停止条件
- 编排场景、记忆布局或精选成功轨迹被描述为广泛自主能力或真实世界泛化时停止。
区分感知、规划、控制与物理执行
- 判断问题
- 每次试验失败在何处：感知、状态估计、语言落地、规划、控制、抓取、移动、接触、工具使用、验证还是停止？
- 最低证据
- 时间同步的传感、状态、规划、动作与力数据；子系统消融；反事实指令；操作员与安全控制器事件；独立于策略的终态检查。
- 停止条件
- 任务成功分数掩盖错误感知、不安全运动、偶然完成、工装依赖或人工恢复时停止。
统计每次试验、干预、险情与恢复
- 判断问题
- 在全部分配起点中，机器人有多少次在无损害、无干预条件下达到规格；耗时多久；需要多少资源、重试与维护？
- 最低证据
- 预先声明的试验数；连续运行；成功标准；中止、碰撞、掉落、不安全力与险情；人工干预；恢复时间；时延、能耗、耗材、磨损与置信区间。
- 停止条件
- 中止尝试、复位、安全停机、物体损坏、维护或缓慢失败从分母或运行成本中消失时停止。
验证仿真迁移、场地迁移与运行控制
- 判断问题
- 性能能否通过等价实体测试、新场地、硬件差异、人员、扰动与时间考验；运行由哪些权限、监测、降级、隔离区和到期规则约束？
- 最低证据
- 配对仿真与实体结果；留出硬件和场地；金丝雀部署；班次与车队日志；安全论证；地理围栏；降级和人工恢复测试；变更触发器与有日期复核。
- 停止条件
- 仿真、单一实验室或单台机器人被当作生产车队、无人值守、公共空间安全或长期经济性的证明时停止。
最低机器人主张失效矩阵
主动检查这些情形，才能区分动作演示、局部能力与可持续自主作业。
- 01精美演示依赖固定相机、标记地面、预摆物体与精选成功镜头。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 02人工在未披露情况下规划、遥控、复位或救援，结果却被标为自主。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 03仿真成功未经配对物理、感知、时延与接触验证便外推至硬件。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 04单一狭窄操作或导航技能被描述为通用具身智能。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 05中止、启动失败、安全停机和操作员复位被排除在报告试验数之外。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 06任务完成忽略碰撞、过大作用力、掉落、损坏、险情或无法触及的紧急停止。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 07跨机器人训练增益被假定适用于未经测试的本体、夹具、传感器组或控制频率。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
- 08短期实验室试验被外推到新场地、班次、车队、维护周期或公众互动。
记录受影响的机器人、硬件、任务、场地、人员与后果；保留仍成立的最窄结论，并明确需要重新校准、增加实体试验、纳入失败、缩小权限、验证恢复、重测还是撤回主张。
最低具身与自主能力评估记录
让下一位复核者能够在同一本体、场地、初始状态、权限、试验分母和物理终态下重建结论。
- 01逐字主张、决定、负责人、发布日期与证据截止日
- 02准确机器人、本体、负载、工具、传感器、执行器、算力、软件、模型、策略与固件
- 03任务、场地、用户、工作系统、权限、后果与验收阈值
- 04训练、演示、仿真、环境、物体与评估溯源
- 05初始状态、复位、校准、维护与随机化协议
- 06人工规划、遥操作、批准、安全控制、干预与救援
- 07预先声明的试验、连续运行协议与时间同步轨迹
- 08完整结果：成功、中止、碰撞、掉落、损坏、险情、重试与无效运行
- 09时延、能耗、磨损、耗材、维护、恢复与不确定性
- 10仿真到现实证据、迁移边界、运行控制、变更触发器与到期
统一证据状态
把结论绑定到准确机器人、任务、场地、实体试验、安全边界与日期，而不是笼统的“自主”。
重复实体证据以完整试验和控制支持准确机器人、任务、场地与运行边界。
证据仅支持更窄的本体、环境、操作员、自主模式、持续时间或安全边界。
性能随任务、起点、场地、硬件、人员或失败类型发生实质变化。
缺少系统身份、实体试验、分母、人工贡献、安全结果、恢复或迁移证据。
FUURAA 分析具身 AI 与机器人自主能力主张的最小判断单位是“准确机器人、硬件与软件版本 × 任务、工作系统、场地、人群及后果 × 初始状态、环境、物体与人员分布 × 感知、规划、控制、执行及人工贡献 × 完整试验、干预、恢复、安全与资源成本 × 运行边界和截止日期”。RoboMIND 把中国团队的大规模多本体操作数据与失败演示带入国际研究，但数据量、数字孪生或模型成功率都不能替代目标机器人在真实场地中的直接验证。
一手来源与不可外推边界
这些来源分别约束可重复实体测试、长时序任务、视觉—语言—动作迁移、数据多样性、跨本体迁移和中国多本体研究；没有任何单项能独立证明通用机器人自主能力。
来源于 2026 年 8 月 26 日重新核对。每项保留发布日期、在本方法中的作用与不可外推边界。
2010 年 2 月 18 日创建；2026 年 5 月 27 日更新NIST — Standard Test Methods for Response Robots
为机器人移动、续航、感知、灵巧操作与作业任务规定可复现实物、程序和量化指标，并常以连续重复测试可靠性。
边界标准化单项测试支持可比能力测量；不认证完整自主作业系统，也不代表所有部署环境。
打开一手来源 ↗2021 年 12 月 6 日首次提交CALVIN — Language-Conditioned Long-Horizon Robot Manipulation Benchmark在模拟环境中测试语言条件操作任务的长时序组合，以及向新指令、环境和物体的迁移。
边界模拟基准不证明物理安全、执行器可靠性、传感器校准、真实恢复能力或持续现场运行。
打开一手来源 ↗2023 年 7 月 28 日首次提交Google DeepMind — RT-2: Vision-Language-Action Models以 6,000 次评估试验研究视觉—语言—动作方法，把网页规模视觉与语言知识迁移到被测机器人控制任务。
边界在选定桌面任务上的泛化改善，不证明通用本体适配、车队可靠性、安全接触或无边界物理推理。
打开一手来源 ↗2023 年 8 月 24 日首次提交UC Berkeley and collaborators — BridgeData V2在有文档记录的低成本机器人和二十四个环境中提供 60,096 条操作轨迹，并评估多种模仿学习与离线强化学习方法。
边界更多样的演示可改善被测迁移；不能消除本体差异、数据偏差、硬件磨损、不安全状态或场地特有失败。
打开一手来源 ↗2023 年 10 月 13 日首次提交Open X-Embodiment Collaboration — Robotic Learning Datasets and RT-X Models标准化二十二种机器人的数据，并在多机构大规模操作数据集中报告跨机器人迁移。
边界平均正迁移不代表每种机器人、任务、传感器、夹具或控制频率都会受益；每个目标本体仍需直接验证。
打开一手来源 ↗2024 年 12 月 18 日首次提交RoboMIND Collaboration — Multi-Embodiment Robot Manipulation Data以 107,000 条演示、479 项任务、四种本体和 5,000 条带原因的失败演示，把中国团队主导的多本体成果带入国际评估。
边界大型统一数据集与数字孪生不能独立证明无偏覆盖、生产安全、长时间可靠性或超出被测平台的迁移。
打开一手来源 ↗继续核对