系统与场景 · 人体状态智能与物理AI
当室内空间成为物理AI系统,人体状态智能能带来什么?
室内设备如何结合人的状态、明确需求与当前任务,协同安排服务。
室内物理AI可以把分布式感知、人体状态理解、空间决策与设备执行组织为一个系统。人体状态信息不仅用于优化对话,还可作为环境适配、任务安排、生活辅助、跨设备服务接续和持续健康关注的依据;陪伴机器人是其中一个入口,而非整套系统的边界。
本文目录 · 9 个问题
从“我控制设备”,走向“空间怎样服务我”
传统设备使用通常从一条明确指令开始:开灯、调温、播放音乐,或让机器人拿取物品。当多个任务和多种设备同时存在时,用户仍然需要自己决定顺序,解释当前需要,并协调设备之间的关系。
在这种设计中,室内系统在用户允许的范围内,结合环境、任务和人的状态安排服务。人体状态信息为这些安排提供背景,系统仍需尊重用户的选择,并根据反馈决定是否调整。
这是一种空间级概念架构,不是现成的行业标准或已交付案例。物理AI的公开定义强调在真实环境中感知与行动;这里把这一方向应用到人与多设备持续共处的室内空间。[1]
一个空间系统,至少要分清四个角色
小屏阅读:表格可在框内左右滑动。
| 系统角色 | 它负责什么 | 可以参与的对象 |
|---|---|---|
| 感知与交互入口 | 在合适时机获取信息,承接人的表达和反馈 | 机器人、智能镜、智能屏、固定感知模组及其他适用传感器 |
| 人体状态智能层 | 区分观测、估计和推断,组织可用性、个人历史与变化 | 生理和行为分析、多模态状态理解、基线与趋势能力 |
| 空间决策与服务协调层 | 将人的状态、明确需求、任务和约束放在一起安排 | 空间智能体、任务规划、设备协调和服务规则 |
| 设备与服务执行端 | 改变环境、执行任务、完成生活或照护服务 | 灯光、空调、新风、窗帘、影音、床具、服务机器人与授权服务平台 |
“层”表示职责,不要求各自对应一台物理设备。一台终端可以承担多个职责,多个设备也可以共同提供一个入口。表中的设备类别是讨论范围,不代表已经全部接入科思创动产品。
图示可在框内左右滑动查看。
人体状态信息如何用于服务目标与任务安排?
首先是识别值得进一步了解的变化。 用户明确提出的要求可以直接执行;额外的状态感知更适合处理未由单条指令表达的长期或跨时段差异。例如,同一人在相似活动后的恢复节律、活动持续性和互动参与度出现可比较的变化,系统可将其作为服务讨论的线索,而不是自动认定某项疾病。
其次是经用户选择后改变任务安排。 在了解本人意愿的基础上,空间系统才决定是否推迟非必要工作、增加生活辅助、调整活动安排或衔接后续服务。传感信息是帮助发现需要,不是给家电直接下命令。
再次是延续服务。离开智能镜、换到另一块屏幕或让机器人离开房间,不意味着服务应当从零开始。已确认的用户选择、任务进度与下一次关注安排,可以在权限允许的范围内接续。
最后是根据反馈调整。设备完成命令,只能说明动作发生了;用户是否愿意继续、任务是否完成、状态信息是否仍需关注,才决定下一步服务。人机相互适应研究为考虑人的选择与机器策略提供了基础思路,但不能证明上述所有应用的效果。[2]
一个完整例子:从跨日状态变化,到空间服务协同
第一步,在允许且适用的使用时段,多个入口提供不同信息。 一位长期居住者并未主动请求调整生活安排,但在数次相似活动中,系统记录到活动节奏与以往不同;经授权获得的生理相关记录也出现可比较的变化。固定设备提供环境和活动背景,智能镜承担主动查看,机器人只是可能的移动与交互入口。系统首先要区分真实变化与设备、光照、任务变化带来的差异。
rPPG为从连续皮肤视频获得脉搏相关信息提供了技术路径。[3] 这只是输入之一:不能凭一次脉率变化就宣布“压力过高”,更不能据此诊断身体情况。
第二步,把状态线索转为可供选择的服务目标。 系统不应将变化直接判定为疾病或情绪问题,而可以在合适的入口向用户呈现变化,请其解释或选择是否调整当天活动、获得生活辅助、延后非必要任务或安排后续关注。只有在用户选择或既定权限允许之后,空间才协调环境设备、机器人和服务系统分工。
第三步,人在移动,服务目标与必要记录能够接续。 用户从客厅转到卧室后,空间继续执行已确认的安排,而不要求所有设备交换原始视频或整份健康档案;是否同一个人、信息是否仍有效、终端能否获得相关权限,都应当明确。
第四步,按约定时机结合新的可用信息与用户反馈,决定是否结束、调整或延续服务。若变化持续存在,系统可以在用户授权的照护流程中整理必要信息并协助后续沟通;这不是自动诊断或紧急预警功能。
这个例子将三件不同的能力分开:发现个人状态与历史的可比较变化、让人确认真正需要什么、再组织空间中的任务与服务。前两者不能由简单的“说一条指令、控制一个设备”完全替代。以上均为概念示例,不代表科思创动已经交付整套家庭系统。
图示可在框内左右滑动查看。
为什么不是“会聊天的机器人加几个智能家居接口”?
语音入口能把请求转成指令,设备互联能让指令送达,但它们不自动解决跨时间状态理解、多人需求冲突或任务连续性。
例如,清洁机器人是否应该此刻工作,不只是“有没有收到开机命令”,还涉及谁在什么区域休息、哪些任务可以延后,以及用户是否允许自动安排。这里的人体状态信息也不等同于门锁、位置或日历信息;不同信息各有作用,应当组合,而不是用一个概念替代全部系统能力。
同样,陪伴机器人只是一个有移动和交互能力的参与者。它可以离开、充电或只承担某项任务。空间系统是否继续服务,不应在概念上被绑定到这台设备始终在线。
跨设备服务,不等于直接拼接生理数值
跨设备首先可以延续的是明确需求、任务进度和已确认的服务选择。要进一步比较生理记录,还需要知道采集对象、设备、时间、活动情境和信息质量。
同一个人在固定终端和移动机器人前的画面可能不同。光照、运动与皮肤区域差异会影响视频生理感知,这类变化在相关数据研究中已有讨论。[4] 因此,“换设备后仍可继续服务”和“换设备后读数可以无缝比较”是两项不同能力。
持续服务也不要求全天候连续拍摄。可以在自然使用、主动参与且信息可用的片段中积累必要记录,对其他时段保持信息缺失,而不是补出一条看似完整的曲线。
一家人共处时,空间不能只围绕一个人的分数运行
室内空间可能同时有儿童、成年人、老人、访客,以及不同的休息和工作安排。某个人同意感知,不等于所有人都同意共享;一个人的偏好也不应自动覆盖公共空间里其他人的需求。
设计室内多设备服务时,公共区域需要结合任务、明确偏好和相应权限协调。私人状态信息不必直接显示在全屋屏幕上;设备执行一个获准任务,也不意味着它必须获得用户完整状态档案。
这类设计还需要与具体个人信息处理安排对应。相关原则在《非接触感知会上传或保存视频吗?怎样理解数据路径与隐私?》中单独解释,设备联动本身不能说明项目已符合相应要求。
怎样安排持续的健康关注与照护?
人体状态信息可以帮助组织“何时再问一次”“哪些变化适合记录和沟通”“用户选择怎样的后续服务”。可以结合变化记录和用户反馈安排下一次关注,减少对单次波动的反复提醒。
在具备相应能力和服务安排时,生活辅助、活动与休息计划、家人沟通和照护衔接都可以参与这个过程。但状态推断不应成为医疗判断的替代品;用户明确求助时,也不应等待算法先给出某个标签。使用情境、错误后果与职责分工需要一起考虑。[5]
科思创动提供的是哪一部分?
从已提供的产品类别看,SDK、明眸、明镜和边缘计算设备分别可以作为软件、嵌入式、用户终端和现场计算的接入起点。[6] 这些产品提供了将人体状态感知接入设备与空间的不同方式。
空间协调、家电控制、机器人运动执行及外部服务可以由相应系统和合作伙伴承担。是否支持跨设备状态服务、哪些历史信息可用、能够接入哪些设备,仍需要对应具体产品版本与集成方案。
在这种设计中,空间应用利用人的状态与变化安排环境设置和设备任务,并根据反馈接续服务。
参考资料与延伸阅读
- 官方技术资料NVIDIA. What is Physical AI?.
官方技术词条,访问于2026-10-10
引用范围:物理AI的基本定义;不把厂商技术愿景视为普遍产品能力。
- 论文Nikolaidis S; Hsu D; Srinivasa S. Human-robot mutual adaptation in collaborative tasks: Models and experiments.
The International Journal of Robotics Research 36(5–7):618–634, 2017. DOI: 10.1177/0278364917690593
引用范围:人机相互适应研究;陪伴与座舱情境为假设示例,不是研究实测案例。
- 论文Poh M-Z; McDuff D J; Picard R W. Non-contact, automated cardiac pulse measurements using video imaging and blind source separation.
Optics Express 18(10):10762–10774, 2010. DOI: 10.1364/OE.18.010762
引用范围:视频脉搏感知的研究路径;不代表任意摄像头的产品性能。
- 研究数据集/论文Tang J; Chen K; Wang Y; Shi Y; Patel S; McDuff D; Liu X. MMPD: Multi-Domain Mobile Video Physiology Dataset.
作者公开稿 arXiv:2302.03840, 2023;EMBC 2023
引用范围:移动视频中的光照、运动、皮肤差异等场景因素。
- 官方框架NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0).
NIST AI 100-1, 2023. DOI: 10.6028/NIST.AI.100-1
引用范围:情境化AI风险管理与责任划分;自愿性框架,不是产品认证。
- 公司提供资料深圳市科思创动科技有限公司. 科思创动产品形态与知识中心目录.
公司提供的产品类别资料(软件SDK、明眸模组、明镜终端与边缘计算设备)
引用范围:仅用于SDK、明眸、明镜、边缘设备的类别和名称;未据此添加量化规格。

