X3.06.1Robot sensing blind spot设计研究
机器人的感知范围并非全向，需要让人知晓盲区所在
别名: 感知盲区 · 传感覆盖 · sensing field of view
概念解释
机器人感知盲区（robot sensing blind spot）是目标因传感器视场、最小量程、机体遮挡、分辨率或环境条件而不能被可靠检测的空间与状态。盲区不是一个永久扇形；它会随头部转动、载荷、光照、反射材质和目标姿态改变，附近的人需要知道自己何时可能未被感知。
机制
每种传感器只把有限物理信号转换为测量，视场外没有数据，近场可能因几何或饱和失真，机体和货物还会产生自遮挡。感知算法在有数据时仍可能漏检，所以“覆盖”还需结合检测性能。人若看到类似眼睛或摄像头，常把可见方向泛化为完整视觉能力。
怎么研究
可在位置、距离、高度、姿态、材质和环境条件上系统移动目标，绘制检测概率而非二元覆盖图，并记录延迟、身份混淆和短时丢失。人体模型需覆盖儿童、轮椅、弯腰与部分遮挡。实验结果应按硬件配置和软件版本保存，防止升级后沿用旧盲区图。
边界
实验室几何图不能保证现场覆盖：灰尘、逆光、玻璃、反光衣与动态载荷会改变结果。公开过细的传感能力可能带来安全或隐私风险，但不能因此隐瞒现场人员所需的安全信息。盲区提示也不把避让责任转给人。
怎么落地
- 用实测检测概率生成随姿态和载荷变化的覆盖图，标出近场、自遮挡和条件性退化区。
- 在机体或环境上提供人可理解的感知方向与盲区提示，并在配置变化时同步更新。
- 以不同人体姿态和现场材质做走查，统计漏检与持续时间；盲区仍由速度限制、保护监控和安全距离兜底。