机器人在公共场合的行为需要遵循与人类似的礼让惯例
别名: 机器人礼仪 · social navigation norms
概念解释
机器人在走廊、电梯、排队队列、人行道这类公共空间里移动时，需要遵循与人类似的礼让惯例（etiquette convention）：排队不能插到队伍中间，狭窄通道要主动让行，从他人身后经过要留出距离。这不是给机器人加一层"懂礼貌"的表面修饰，而是决定旁观者是否把它当作通行秩序里的正常一员、还是当作一个需要额外提防的障碍物。判断标准很具体：一台机器人是否被当地行人当作"可以像对待人一样预判其下一步"的对象。
机制
这套惯例之所以对机器人成立，是因为旁观者对公共空间移动行为的解读方式本身就是脚本化的——看到有实体接近排队队伍、走向狭窄通道，大脑会自动套用"该场景下所有移动主体都该怎么通行"的默认脚本，而不会先判断对方是人还是机器再决定用哪套解读规则。这意味着机器人一旦出现在这类场景里，无论设计者是否有意，都已经被纳入了这套脚本的适用范围。一旦机器人的实际路径违反了脚本（径直穿过排队的人群、抢占本该让行的通道），旁观者不会因为"它是机器，不懂规矩"而豁免这次违规，反而会像对待违反规范的人类一样产生反感和提防；这说明触发负面反应的是"通行脚本被打破"这一事件本身，机器人的身份只是决定了旁观者事后会不会归因于"故障"而不是"故意"，并不影响当场的反感强度。
怎么研究
这类问题通常不适合用纯问卷或视频评分来回答，因为通行礼仪的核心是旁观者在真实拥挤和时间压力下的即时行为反应，脱离了这层压力，测出来的更多是态度而不是行为。常见做法是在真实或半真实的公共空间场景中布置机器人执行排队、穿越走廊、并行通过狭窄通道等任务，操纵机器人是否遵循人类惯例（是否按顺序排队、是否主动让行、让行时机是早还是晚），测量旁观者的近失次数、绕行行为、负面情绪评分，以及事后是否愿意配合机器人发出的请求。需要把"直接与机器人交互的人"和"只是路过看到的旁观者"分开统计，因为两者的容忍阈值往往不同；现场研究还需要记录密度和人群构成，因为拥挤程度本身会改变人们对让行速度的期待。
边界
礼让惯例是旁观者的社会预期，不是机器人必须遵守的物理规则，所以在没有旁观者的纯功能性场景（仓库内部、无人通道、后厨传菜通道）中不需要考虑这条。此外，"与人类似"不等于要求机器人复制人类的每一个动作细节：轮椅使用者、抱着孩子的人、紧急情况下的工作人员在真实人类社会里本来就享有不同的让行优先级，机器人套用统一的人类惯例反而可能忽略这些差异；机器人还可以用灯光、投影、屏幕文字等超越人体表达能力的方式明示意图，这部分不受"像人"这条约束限制。另外，机器人的外形和移动方式如果与人类差异过大（比如低矮的清洁机器人、貌似纯粹工具的送餐车），旁观者对它的礼让预期本身就会低于对人形或类人尺寸机器人的预期，不能一概套用同一套通行惯例的严格程度。
怎么落地
在机器人的路径规划和避让策略中，除了效率与安全约束之外，要显式加入"人类通行惯例"这一层软约束：排队场景里保持在队尾而不是绕到侧面插入，狭窄通道里提前减速并留出让行时间，经过静止人群背后时主动增大侧向距离。这些规则应该来自对目标部署场景的实地观察，而不是套用一套通用参数——不同场所（医院走廊、商场、地铁站）的让行时机预期本身就不同。验证办法是在目标场景做实地观察，分别记录遵循惯例和不遵循惯例两种路径策略下，旁观者的负面反应事件（皱眉、绕行、口头抱怨）出现的频率，用这个频率差异来判断策略是否真的达到了预期效果，而不是只看路径规划算法本身的效率指标。