X1.02.1Appearance-based capability attribution设计研究
外形直接设定能力期望
别名: 外形能力归因 · 形态可供性 · morphology-based expectation
概念解释
基于外形的能力归因（appearance-based capability attribution）是人依据机器人的尺寸、轮子、手臂、传感器朝向和身体比例，预先判断它能到哪里、能抓什么、看得见谁以及是否安全。这个判断发生在实际交互之前；它既来自形态所提供的真实行动可能，也来自熟悉物件和媒体形象带来的类比。
机制
外形是低成本的先验线索。可见的轮径暗示越障能力，夹爪开口暗示可抓尺寸，粗壮结构暗示力量，眼状部件则常被理解为感知方向。人会把这些线索组合成一个“机器人类别”，再用该类别补全未见过的能力。问题在于装饰性部件、隐藏传感器和软件限制会使可见形态与真实能力脱节，导致看似合理却错误的推断。
怎么研究
可用静态轮廓、渲染图或等功能原型操纵尺寸、肢体数量、传感器可见性和工业/家用造型，测量参与者对负载、速度、智能、可达范围与风险的预测。研究应把“认为它能做”与“愿意让它做”分开，并在展示真实行为前测量，以免结果只是使用后的学习。跨文化和机器人经验应作为分层变量，而非默认等价。
边界
外形主要影响初始期望，并不会永久压过稳定的行为证据。专业操作者可借型号知识修正直觉；模块化机器人更换末端工具后，原有形态推断也会失效。由外形推断社会理解能力属于另一类社会性期待，不能与负载、运动范围等物理能力混为一谈。
怎么落地
- 让承载、感知和运动相关部件的外观与真实作用对应；无法工作的装饰性“传感器”应去除或明确弱化。
- 在首次接触测试中只展示机器人外形，请参与者画出可达区、标注感知方向并预测三项能力，再与工程边界对照。
- 对误判集中的能力增加可见约束或首次使用演示；复测时以错误预测率下降为判据，而不只询问“是否喜欢造型”。