过去几年，人形机器人突然成为科技领域最热门的话题之一。从Tesla的Optimus，到Figure AI的Figure 03，再到Boston Dynamics的Atlas，各家公司都在竞相展示未来工厂中的机器人劳动力。它们能够行走、搬运、抓取工具，甚至与人类并肩工作。许多人相信，随着人工智能的快速发展，人形机器人将在未来十年进入制造业、建筑业、物流业乃至家庭环境，成为人类的新同事。

然而，当人们讨论人形机器人时，关注点往往集中在人工智能、控制算法、感知能力以及自动化水平上。相比之下，一个看似简单却十分重要的问题却很少被提及：这些机器人真的适合与人类一起工作吗？这里所说的“适合”，并不是指它们是否足够聪明，而是指它们的身体是否符合人类世界长期形成的人体工程学规则。近期，我在IISE 2026国际工业工程年会上发表的一项研究，尝试从人体测量学（Anthropometry）的角度重新审视这一问题。研究选取了目前最具代表性的六款人形机器人，包括Tesla Optimus、Figure 03、Atlas、Ameca、Unitree G1和Digit，并利用国际标准ISO 7250的人体测量框架进行分析。研究结果显示，人形机器人虽然拥有类似人类的外形，但它们与人类身体之间存在着大量容易被忽视的结构差异，而这些差异可能正在创造一种全新的安全风险。

发现一：很多人体测量点根本找不到

提到人体工程学，大多数人想到的是办公椅高度、工作台尺寸或者安全操作距离。但事实上，这些设计背后都有一个共同前提——使用者是人类。现代人体工程学建立在大量人体测量数据基础之上。从肩膀高度到手臂长度，从膝盖位置到视线范围，几乎所有设计标准都依赖于人体解剖结构。然而，当我们试图把这些标准应用到人形机器人身上时，一个意想不到的问题出现了。研究发现，许多人体测量学中的关键标志点，在机器人身上根本无法找到。例如耳点、乳点、髂前上棘以及胫骨点等经典人体测量位置，在六款机器人中全部无法识别。原因很简单，这些位置依赖于人体骨骼和软组织结构，而机器人并没有对应的生物学基础。

这意味着一个容易被忽视的问题：当机器人进入人类工作环境时，我们今天广泛使用的许多人体工程学工具可能不再适用。过去几十年积累的大量设计经验，本质上都是针对“人”建立的，而不是针对“长得像人”的机器建立的。换句话说，未来的人机协作可能不仅需要新的机器人安全标准，还需要重新定义什么是适用于机器人的人体工程学。

发现二：有些机器人甚至没有“脸”

我们每天都在通过面部信息理解周围的人。当对方抬头看向某个方向时，我们会知道他注意到了什么；当对方皱眉或者转头时，我们会下意识判断他的意图和状态。这些能力几乎已经成为人类协作过程中的本能。但研究过程中我们发现，大多数人形机器人并不具备这种能力所依赖的身体基础。在分析的六款机器人中，只有Ameca拥有相对完整的拟人化面部结构。相比之下，许多工业机器人并没有明显的鼻子、嘴巴或耳朵，有些甚至只是一个光滑的头部外壳。从工程设计角度看，这完全合理。机器人不需要呼吸，也不需要通过表情进行交流，因此保留这些结构并没有太大功能价值。然而，对于长期依赖面部线索进行判断的人类来说，情况却完全不同。当一个机器人没有清晰的眼神方向、没有面部表情、没有明显的注意力指向时，人们很难准确判断它下一步准备做什么。这种不确定性不会导致机械故障，却可能影响人们对机器人的信任、舒适感以及风险感知。未来的人机协作问题，也许不仅仅是机器人能否看懂人类，还包括人类是否能够看懂机器人。

发现三：人形机器人存在四种“身体变异”

如果说前面的发现只是说明机器人与人类存在差异，那么接下来的发现则更加有趣。研究过程中，我们发现几乎所有机器人都存在不同程度的身体结构偏离现象，而且这种偏离并不是随机出现的，而是呈现出明显的规律性。经过比较分析，我们最终将这些差异归纳为四种典型模式。

第一类可以称为“增生型偏离”（Addictive）。顾名思义，就是机器人拥有一些人类根本不存在的身体结构。例如Digit腿部用于支撑和运动的连杆机构，在人体中并没有对应的解剖结构。从工程角度看，这种设计能够提高运动效率，但从人体工程学角度看，它却改变了人与机器人之间的空间关系和运动边界。

第二类是“缺失型偏离” (Subtractive)。与增生型正好相反，一些机器人为了简化设计或降低成本，省略了大量人类身体特征。例如许多工业机器人没有明显的鼻子、耳朵甚至手指结构。从功能角度来看这些部位可能并不重要，但对于长期依赖人体经验进行判断的人类来说，这种缺失会影响对机器人动作和意图的理解。

第三类是“夸张型偏离” (Exaggerative)。某些机器人虽然保留了人体结构，但会有意放大特定部位。例如部分机器人拥有远大于正常比例的眼睛或头部。这种设计往往是为了增强识别性或表达能力，但也会使机器人看起来既熟悉又陌生，产生一种介于人类和机器之间的特殊视觉感受。

最有意思的是第四类“推测型偏离” (Speculative)。这类设计已经完全脱离了人体解剖学逻辑。例如Digit著名的反向关节腿部结构，看起来更像鸟类而不是人类。这种设计对于运动控制可能具有明显优势，但却打破了人类长期形成的身体认知模式。当人们看到这样的机器人时，很难像观察另一个人那样预测它下一步将如何移动。这些偏离现象并不仅仅是外观差异。事实上，它们会直接影响人与机器人协作时的风险感知、运动预测以及安全距离判断。换句话说，未来人机协作中的许多安全问题，可能并非来自机器人有多智能，而是来自它们拥有一个与人类似是而非的身体。

发现四：机器人之间的差异，可能比人类之间更大

很多人习惯把“人形机器人”当作一个统一类别来看待。但当我们真正开始测量它们时，情况却远比想象中复杂。在人类社会中，虽然不同国家、不同性别和不同族群之间存在身体差异，但总体上仍然遵循相似的人体比例规律。正因为如此，一套人体工程学标准往往能够适用于大量人群。然而，机器人并不遵循这样的规律。研究发现，六款机器人关键身体比例的变异程度达到10%至15%，明显高于正常人群常见的3%至5%。这意味着，一个Optimus与一个Digit之间的身体差异，可能比两个来自不同国家的人之间的身体差异还要大。造成这种现象的原因并不难理解。人类身体受到生物进化约束，而机器人身体则受到工程目标约束。有些设计优先考虑稳定性，有些优先考虑灵活性，还有些优先考虑成本控制。因此，即使都被称为“人形机器人”，它们实际上可能代表着完全不同的身体设计哲学。对于未来的人机协作而言，这意味着不存在一种放之四海而皆准的机器人人体工程学标准。今天适用于某款机器人的工作站设计、安全距离和协作策略，明天可能并不适用于另一款机器人。

一个新的安全问题正在出现

长期以来，机器人安全研究主要关注感知错误、控制失效、算法偏差以及碰撞风险。但这项研究让我越来越意识到，也许我们忽略了另一个同样重要的问题——身体结构风险。未来的人形机器人可能拥有接近人类的身高、体重和外观，但它们的关节位置、肢体比例、运动逻辑以及身体几何结构却可能与人类存在本质差异。因此，未来人机协作中的许多挑战，或许并非来自机器人有多聪明，而是来自它们拥有一个与人类似是而非的身体。过去的人体工程学研究对象始终是人。未来的人体工程学，可能需要开始研究另一种新的对象——那些长得像人，却不是人的机器人。当然最终的目的，还是减少和避免身体结构风险导致的人机冲突。

本文基于作者以下论文改写：Wen, H.(2026). Human-Humanoid Collaboration and Ergonomic Risk: An Anthropometric Perspective. In E. Gentry, F. Ju, & X. Liu (Eds.), Proceedings of the IISE Annual Conference & Expo 2026. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6809200

支持单位：