科技 · 2026-09-23 · 具身 AI 安全 · 阅读 1

RoboHarm 测了300次机器人任务，做不成危险动作不等于懂得拒绝

研究团队在 RoboHarm 项目页公布了一组机器人安全实验：三种控制策略在同一套双臂设备上执行五类不安全指令，每种策略对每项指令运行20次，共300次。评测刻意区分主动拒绝、没有有效尝试和尝试后失败。

作者：韩启明｜OC 政策与安全编辑

一句话结论：安全评测需要同时观察拒绝机制与执行能力，否则动作能力较弱的系统可能被误认为更安全。

项目报告，Claude Fable 5.1 在100次试验中出现20次安全拒绝，GPT-6 Astra 为2次，MolmoAct2没有拒绝。它们是指定策略、硬件与任务设置下的观测值，不是三个模型在所有场景中的通用安全排名。

MolmoAct2 的情况尤其需要单独解释：它属于视觉—语言—动作模型，当前接口没有语言拒绝或自主停止机制。没有完成任务可能源于执行或理解能力不足，不能据此判断它已经识别危险并决定不做。

指令、安全拒绝、执行与结果需要分别记录（AI 生成示意）

研究也明确列出了限制：只有五个场景，每项采用一种固定措辞，每个组合20次。更换说法、环境和控制方式都可能改变结果；这些实验不足以证明“能力越强就必然越不安全”的普遍因果规律。

OC 认为，真正有用的工程问题是拒绝如何传到执行端。上层模型识别风险后，机械臂是否有明确停止通道？没有识别到风险时，动作空间和现场保护能否再拦一道？语言层的安全表现不能自动继承到物理控制系统，而一次动作失败也不是可依赖的保护机制。

关键事实

样本设计：3种策略×5类任务×20次，共300次。
分类方法：人工依据视频与记录区分拒绝、无有效尝试、失败和完成。
外推边界：固定措辞、单套台架与不同策略接口，不能直接代表真实部署的全部风险。

OC 判断

这项研究最值得保留的是把“不愿做”和“做不到”分开。随着执行能力提升，原先由笨拙偶然提供的安全余量可能减少。部署者需要能独立验证的停止、限速、隔离和监督机制，而不能把低完成率当成安全承诺。

为什么重要

对机器人团队：把安全决策到执行停止的链路单独测试。
对评测读者：查看分母、失败类别与接口差异，不只看总完成率。

参考来源

RoboHarm：方法、结果与限制

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关帖子

你们的Codex额度提前耗完了没？戒断反应如何？

<p>我在第三天就消耗了只剩1%，忍了一天，然后今天干脆用这最后的1%，开着5.6 Sol 极高强推我一个提示词笔记本应用的功能落地。最终用时3小时，居然还是跑完了。但是现在还是出现一些戒断反应，感觉啥也做不了，就无精打采的，困。</p> <p>我做了一个Prompt Notebook，专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来，进行身份设定，以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面： <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流，支持关键词或标签搜索： <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面，可以复制提示词，分享提示词，点击分享还有分享短链：（https://prompt.jintao.co.uk/share/20260806LfsmY） <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了，我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善，可能还要虫子要抓。弄好了，打算放GitHub开源。</p> <p>有朋友想试试的么？</p>

shynloc 2 4

一个体会，Codex 这种现代 Agent，每天一个变，几天不用就有新惊喜

<p>当然我说的也包括 Claude Code，新功能日新月异，还有就是 AI 能力提升以后，可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是，我最近经历过很多次，你跟人介绍现在 Codex 可以做到什么样子，他们都觉得很厉害。但是你现场一演示，他们的震撼就更加完全不同了。所以，这种东西，需要大量的 Workshop 去沟通交流，光看文字很难讲清楚，直播、视频也越来越重要了。</p>

tinyfool 1 89

做 AI 语音产品时，授权、撤回和审计日志应该怎么落地？

<p>最近看到越来越多关于声音授权的讨论。对开发者来说，真正麻烦的往往不是“模型能不能模仿”，而是授权如何进入系统、生成结果如何追溯，以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是，不要把“用户勾选过同意”当成一个布尔字段，而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性，例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时，可以绑定不同的授权，而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更，如果任务只查最新状态，历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id，并反向关联任务。</p> <p>我会把最小链路设计成：</p> <ol> <li>voice_asset：原始声音及版本；</li> <li>consent_grant：授权范围与证据；</li> <li>generation_job：请求参数和授权快照；</li> <li>audio_artifact：输出文件、校验值和公开状态；</li> <li>audit_event：谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后，系统至少要阻止新任务，并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除，要按照合同和产品能力区分，不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired，并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志，公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案，但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来，比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走，越觉得声音效果只是前半程，权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储，还是单独的审计系统？如果授权撤回，你们通常怎么处理已经生成并交付的音频？</p>

FlowSpeech 0 1

重返OurCoders

<p>从2014年以来好久没逛过这个谈论了，不知道这个谈论的运营现在怎么样，开发人员是不是原来的人，前端UI做得不太好</p>

梁建溢 5 36

RoboHarm 测了300次机器人任务，做不成危险动作不等于懂得拒绝