AI 科創及文思: 2026

2/21/26

26090 海信的三個機器人

這是一個關於「機器人與智慧家電聯動」在長者照護場景下的極佳應用案例。海信在 2026 CES 展出的這三款機器人（特別是 Beta），本質上是為了填補智慧家電「看得見、聽得到，但走不動」的缺口。

以下我將針對 Beta 的健康監測功能，以及它與海信智慧家電的協作模式，為您詳細解析：

1. 陪伴型機器人 Beta：長者健康的核心監測者

Beta 並非單純的移動攝像頭，它被定義為**「家庭健康特工」**：

* 非接觸式生理監測： Beta 搭載了高靈敏度的毫米波雷達與 AI 視覺技術。它可以在不穿戴任何裝置的情況下，遠距離監測長者的心率、呼吸頻率，甚至判斷是否發生跌倒。

* 情感與認知檢測：透過 Google Gemini 的語意分析，Beta 在與長者對話時，能偵測語速變慢、重複提問或情緒低落，這對於早期失智症或憂鬱症的預警非常關鍵。

2. 機器人與智慧家電的聯動案例 (照護場景)

案例 A：預防長者在深夜跌倒或迷茫

* Beta 的監測：當 Beta 偵測到長者在深夜起身且步態不穩時。

* 聯動家電： Beta 會透過 ConnectLife 傳令，將通往廁所路徑上的「璀璨智慧燈光」調至 20% 的微光模式（避免刺眼眩暈），同時開啟空調的除濕模式，確保地板乾燥不滑。

案例 B：服藥提醒與飲水健康

* Beta 的監測： Beta 會在預定時間主動移動到長者身邊，提醒吃藥。

* 聯動家電：如果長者忘記，Beta 會聯動「璀璨智慧冰箱」，在冰箱螢幕上閃爍提醒，甚至讓冰箱自動出水至指定溫度（例如 45°C 溫水），方便長者服藥。

案例 C：極端環境下的主動調節

* Beta 的監測：當 Beta 偵測到長者體溫略高，或是表現出呼吸急促。

* 聯動家電：它會即時讀取「璀璨空調」的數據。如果發現室內二氧化碳濃度過高，它會自動啟動新風系統並將溫度調低 1 度，同時將警示發送至子女的手機。

3. Harley 與 R1：提供實體支援

相較於專注監測的 Beta，Harley 與 R1 則提供更強大的物理輔助：

* R1 (家務助理)：如果 Beta 監測到長者需要進食，R1 可以協助將預熱好的（透過冰箱與烤箱聯動產生的）健康餐點從廚房運送到餐桌，減少長者端重物的風險。

* Harley (高階陪伴)： Harley 具備 31 個自由度，能陪伴長者做簡單的居家復健體操，並即時將長者的動作精準度與健康數據同步給遠端醫生。

機器人大師的觀點總結

在海信的 2026 生態系中，Beta 是「大腦與眼睛」，智慧家電是「環境控制器」，而 R1/Harley 是「手和腳」。

這種聯動對長者照護最有價值的地方在於：「數據的自動流轉」。

* 長者不需要學習：機器人會根據環境自動調整家電，長者只需過正常生活。

* 無縫的醫療鏈接：這些監測數據（從冰箱的飲食紀錄到 Beta 的心率追蹤）最終會整合進海信的健康雲，成為醫生診斷的重要參考。

．．．．．．．．．

以下為您整理這三款機器人的硬體與軟體規格表，這將有助於您理解它們在家庭照護中各自扮演的角色：

海信機器人三劍客：規格與定位總覽

|---|---|---|---|

詳細規格解讀

1. Harley (哈雷) — 服務之星

* 硬體特點：擁有 31 個自由度，這在同量級機器人中屬於頂尖水準，使其手部與身體動作極其自然，能做出細膩的社交手勢。

* 軟體強項：內建海信自研的 HiStar 大模型，具備強大的語音辨識與多語種即時對話能力，能根據遊客的提問自動檢索產品資訊並進行演示。

2. R1 (A2) — 勞動特工

* 硬體特點：高約 120cm，重約 25-30kg。其結構優化了關節扭矩，專為物理操作設計。雖然自由度略低於 Harley，但穩定性更高，適合搬運輕型物品。

* 軟體強項：結合了視覺與動作的多模態訓練 (End-to-End Learning)，這讓它能辨識洗碗機把手或烤箱旋鈕，並執行物理操作，是實現「全自動化家務」的實體執行端。

3. Beta — 健康守護

* 硬體特點：並非人形設計，通常採圓潤的輪式設計。關鍵在於其搭載的毫米波雷達，可在不佩戴任何感測器的情況下，穿透衣物或被褥監測長者的心率與呼吸。

* 軟體強項：高度整合海信的 ConnectLife 生態。它更像是一個「會走路的 AI 特工」，其軟體邏輯優先序在於「風險預警」（如偵測跌倒或睡眠異常），並即時連動家中的空調、燈光與通知系統。

26089 海信自動化烹調的流程

強調了 Hisense (璀璨/Sunshine 系列) 如何透過 ConnectLife AI 達成物理與數據的完美閉環。

投影片大綱：Hisense 廚房 AI 自動化

標題：Hisense 廚房 AI 自動化：從「感測」到「淨餐」的完整閉環

副標題：串聯 PureFlat 冰箱、璀璨烤箱與 X-zone 洗碗機的智慧特工生態

核心自動化流程與效益案例

* Step 1：食材感知與健康決策（冰箱端）

* 過程： PureFlat Smart 冰箱透過 AI 視覺辨識剩餘食材，並結合長者的健康數據（如血壓、血糖）主動推薦「紅酒燉牛肉」食譜。

* 效益：減少長者思考「吃什麼」的認知負擔，確保飲食符合營養管理需求。

* Step 2：跨設備參數自動流轉（烤箱端）

* 過程：烹飪特工 (Cooking Agent) 將食譜所需的預熱溫度與濕度曲線，自動同步至璀璨智慧烤箱，無需手動設定複雜程序。

* 效益：消除因操作不當導致的烹飪失敗（如烤焦或未熟），提升居家烹飪安全性。

* Step 3：食譜導向的精準淨化（洗碗機端）

* 過程：洗碗機接收來自食譜的 Metadata（中繼資料），識別出該頓餐點使用了重油膩或高色素食材，自動調高至 75°C 高溫洗滌並加強底層噴淋壓力。

* 效益：針對性破解頑固油垢與細菌，省去人工二次刷洗，確保長者餐具的極致衛生。

* Step 4：全場景環境自動調節（排煙與監測）

* 過程：感應到爐火啟動時，抽油煙機自動調整風量，並聯動空氣淨化器監控 PM2.5，烹飪結束後由 Beta 機器人巡檢廚房安全（如瓦斯或漏水）。

* 效益：維持室內空氣品質，降低長者在廚房環境中發生意外或呼吸道不適的風險。

大師筆記：未來的延伸 (Next Step)

這張投影片展示了目前 2026 年最成熟的數據聯動。如果您希望這張投影片更具前瞻性，我們可以加入「R1 機器人：物理操作層」的部分：

> 「未來展望：R1 機器人將負責從洗碗機取出餐具並歸位，實現 100% 無人化廚房運作。」

26088 海信自動化洗衣流程

解析 Hisense X-zone Master 在 CES 2026 展出的範疇，以及它與「自動化衣物管理」夢想（洗、烘、燙、收）之間的距離。

簡單來說：X-zone Master 完美解決了「洗」與「烘」的極致分類，並透過「護」的功能處理了部分「燙」的需求，但它尚未實現自動將衣服「收入衣櫃」的物理動作。

以下是這款機器的詳細拆解，以及它如何結合機器人技術來達成你理想中的自動化流程：

1. X-zone Master：極致的模組化洗護 (Wash & Dry)

這台機器的核心在於「多筒獨立」與「精準護理」，它解決了傳統洗烘一體機最大的痛點：

* 三筒/四筒結構 (Modular Design)：它不是單一的大滾筒，而是由多個獨立的小筒組成。這意味著你可以同時處理：

* 主筒：日常外衣。

* 貼身筒：長者或嬰兒的內衣（具備更高溫的除菌功能）。

* 絲綢/羊毛專屬筒：低溫柔洗，避免損壞貴重衣料。

* AI 織物辨識：透過內置攝像頭與感測器，它能自動識別衣物材質，精確投放洗劑與調整轉速，減少對纖維的損傷。

2. 關於「燙衣服」：AI 蒸汽護理 (Steam Care)

X-zone Master 並沒有內建物理熨斗，但它透過空氣洗 (Air Wash) 與高壓蒸汽技術達到了「免燙」的效果：

* 抗皺烘乾：在烘乾過程中，系統會精確控制濕度，利用蒸汽撫平皺褶。對於大多數日常衣物（如襯衫、居家服），取出來時已經非常平整，可以直接穿著或掛起，省去了傳統燙衣服的繁瑣。

3. 從「機器」到「衣櫃」的最後一哩路 (The Gap)

目前 X-zone Master 本身無法自動將衣服摺好並放入衣櫃。這就是為什麼我在之前的分析中提到 Harley 或 R1 機器人的原因：

* 現狀：衣服烘乾後，仍需人工取出。

* 2026 年的技術整合：在 Hisense 的智慧家居願景中，這個動作是由 ConnectLife 平台指派人形機器人 (如 R1) 來完成。

* 機器人接收到洗滌完成的訊號。

* 移動至 X-zone Master 前，取出乾衣。

* 利用其具備多個自由度的靈巧手進行簡單摺疊。

* 將衣物送入指定的智慧衣櫃。

總結：X-zone Master 在生態系中的角色

| 功能階段 | X-zone Master 的表現 | 是否自動化 |

|---|---|---|

| 洗滌 (Wash) | 多筒分類，AI 自動感應。 | 完全自動 |

| 烘乾 (Dry) | 熱泵式烘乾，低溫不傷衣。 | 完全自動 |

| 熨燙 (Iron) | AI 蒸汽除皺，達到「免燙」標準。 | 半自動 (效果導向) |

| 收納 (Storage) | 需配合 Harley/R1 機器人執行。 | 需聯動機器人 |

給您的建議 (針對長者照護與健康)

如果您是為了長者考量，這套設備最大的價值在於：

* 衛生分區：確保長者脆弱的皮膚不會接觸到混洗產生的細菌。

* 減少體力消耗：免去了晾衣服、收衣服與燙衣服的沉重家務負擔（若搭配機器人）。

* 無感化操作：長者只需把衣服丟進去，剩下的交給 AI 指令。

26087 海信在2026CES展出的內容

CES 2026 今年 Hisense（海信）的展出確實讓人眼前一亮，他們不再只是單純賣電視，而是以「有愛，科技也動情」為主題，構建了一個非常完整的「全場景智慧家居生態」。

對於你關心的家電生態系與機器人應用，以下是我為你整理的核心亮點：

1. 核心大腦：ConnectLife 平台與 AI 特工 (AI Agents)

Hisense 今年將 ConnectLife 升級為一個更具前瞻性的智慧中樞，這對居家照護與健康管理至關重要：

* 任務導向 AI Agent：系統內置了專門的 AI 助手（如：洗衣特工、烹飪特工、空氣管理特工）。它們會學習使用者的生活習慣，實現自動化運作。

* 跨設備聯動：例如，當你在洗碗機洗滌特定餐具時，系統會根據冰箱推薦的食譜或烹飪方式，自動調整洗滌強度。

* Matter 與 Google Home 支援：全面支援 Matter 標準，這意味著海信的生態系可以更輕鬆地整合其他品牌的感測器，這對於需要多樣化監測設備的長者居家安防非常有利。

2. 三款關鍵機器人的首次亮相

作為機器人專家，這是我最興奮的部分。海信在 CES 2026 展出了三款定位明確的機器人，展示了他們進軍服務型機器人的決心：

| 機器人名稱 | 核心特點 | 潛在家庭應用場景 |

|---|---|---|

| Harley (哈雷) | 具備 31 個自由度的人形機器人，動作極其擬人。 | 高階社交與導覽，未來可用於長者情感陪伴。 |

| R1 (A2) | 人形服務機器人原型。 | 協助搬運輕量物品或執行基礎家務。 |

| Beta | 家庭陪伴機器人。 | 居家巡檢、長者健康監測、提醒服藥等。 |

3. 智慧家電的進化（健康與銀髮友善）

* PureSmart 冰箱：配備 21 吋與 3.5 吋雙螢幕。其 ConnectLife Hub 可管理食物庫存，並根據長者的飲食需求（低鈉、低糖）推薦健康食譜。

* TopLift 除濕機：這是一個非常體貼長者的設計。它是全球首款採用頂部取水容器的除濕機，讓長者不必彎腰或費力提起重物即可倒水，極大降低了閃腰或跌倒的風險。

* X-zone Master 洗烘一體機：採用模塊化多筒設計，可以同時處理不同衣物（如長者衣物單獨消毒），並具備 AI 織物辨識，簡化了操作流程。

4. 顯示技術與數位健康

* RGB MiniLED evo (116UXS)：海信推出了高達 110% BT.2020 色域的顯示技術。除了極致的視覺享受，這種高亮度與高對比的螢幕對於視力退化的長者來說，能提供更清晰、不費力的觀影體驗。

* VIDAA OS 與 Microsoft Copilot：電視現在集成了生成式 AI，長者可以透過更自然的語音指令來查詢健康資訊或控制全屋家電，無需學習複雜的遙控器操作。

機器人大師的觀察筆記

海信在 2026 年的佈局顯示，他們正試圖將電視從「娛樂終端」轉變為「家庭護理終端」。透過人形機器人 Harley 與陪伴機器人 Beta 的引入，海信正在補足實體互動的最後一哩路。

26086 春晚機器人表演

https://youtu.be/c52GrNgZB1k

這段影片分析了 2026 年春晚機器人表演背後隱含的多重戰略意義，認為這不只是娛樂節目，更是一場「偽裝成娛樂節目的工業閱兵」 [00:31]。

以下是影片中提到的核心隱含意義：

1. 工業能力的公開催告

* 技術成熟度展示：不同於以往只是揮手致意的「吉祥物」，這次機器人表演了極其複雜的「醉拳」 [02:09]。這展示了恐怖的動態平衡演算法與毫秒級的實時姿態解算能力 [02:20]。

* 故障恢復能力：影片特別強調機器人表演「跌倒後自主起身」 [02:39]，這在工業場景中代表極高的穩定性與維護成本的降低，象徵這些機器人已準備好進入生產線打工 [03:17]。

* 全產業鏈優勢：登台的四家公司（宇樹科技、銀河通用、逐際動力、MagicLab）代表了中國在伺服電機、減速器等硬體供應鏈上的完整整合能力 [01:43]。

2. 戰爭機器的雛形

* 平戰轉換能力：影片指出這些能搬運重物、在複雜地形行走的工業機器人，只需更換軟體模組或加裝接口，即可轉化為不需撫卹金、無所畏懼的戰場無人部隊 [04:52]。

* 戰略威懾：中國在 2025 年的人形機器人出貨量佔全球 90% [04:46]。這種龐大的產能本身就是一種無聲的威懾，象徵著強大的國防潛力預演 [05:35]。

3. 中美科技競爭的轉折

* 「大腦」與「身體」的博弈：影片對比矽谷投入數千億美元開發 AI「大腦」（如 OpenAI），而北京則專注於製造廉價且高效的「身體」 [06:53]。當美國的 AI 需要落地時，可能發現硬體成本太貴且嚴重依賴中國供應鏈 [08:02]。

* 「白菜價」策略：中國利用供應鏈優勢將機器人成本打到地板價（如 9.9 萬人民幣） [07:07]，意圖透過規模效應築起護城河，讓西方初創公司無路可走 [08:26]。

4. 國家意志與人口結構轉型

* 勞動力替代：面對人口老齡化壓力，機器人已成為中國下一代製造業戰略的核心 [15:09]，這不是選擇題，而是「保命」的必答題。

* 政策風向標：登上春晚黃金時段意味著國家意志的背書，象徵資源將全面向此行業傾斜 [10:34]。

總結來說，這場表演是向全球宣告，中國已掌握了下一代工業革命的「船票」，並正以「中國速度」積碎舊有的工業秩序 [15:59]。

影片來源：華盛頓錯過的3年：當矽谷還在訓練大模型時，北京已經造出了90%的戰爭機器雛型

26085 漁業署月曆

有趣的月曆，用左撥的就可以看，太棒了，好好認識魚種！
https://online.fliphtml5.com/icajf/lfnn/#p=1

2/20/26

26084 Onero H1 與 LG CLOiD 在摺衣功能的差異

Onero H1 與 LG CLOiD 在摺衣功能的實現方式有明顯差異：Onero H1 用滾輪底座＋多關節臂強調穩定性與家用適配，CLOiD 則是更像人類的雙足／上身設計；兩者目前都停留在 CES demo 階段，效率都偏慢。[1][2][3][4]

## 核心規格比較

| 項目 | SwitchBot Onero H1 | LG CLOiD |
| --- | --- | --- |
| **底座設計** | 滾輪底座（強調穩定、避障、適合小空間）[2][5] | 輪式或雙足上身（更靈活但穩定性較差）[3][6] |
| **手臂自由度** | 22 DoF（多關節臂，適合精細抓取與摺疊）[7] | 雙臂 7 點運動＋軀幹傾斜／彎曲（模擬人類動作）[3] |
| **AI 核心** | OmniSense（on-device vision-action 模型，整合感知＋觸覺＋動作學習）[2][8] | ThinQ ON ＋多模態（語言、臉部表情、視覺，強整合 LG 家電）[3] |
| **摺衣流程** | 從沙發／籃子抓單件衣物 → 攤平 → 摺疊（demo 中動作緩慢但精準）[2][4] | 從洗衣機取出 → 移動到摺衣區 → 摺疊（demo 中整體流程慢）[9][6] |
| **速度（CES 實測）** | 約 **2 分鐘／件**（抓取＋放入洗衣機或摺疊，媒體說「緩慢但可接受」）[4][6] | 數十秒～1-2 分鐘／件（整體 demo 15 分鐘只做幾件，評為「非常慢」）[9][6] |
| **上市狀態** | 預計 2026 年內上市，價格約 **$1,500**（親民，強調「可買得到」）[1][5][4] | 概念／demo 階段，無上市時間表或價格（更像未來願景）[3][7] |
| **特色優勢** | 穩定性高、價格親民、與 SwitchBot 生態（如窗簾、鎖）整合，適合亞洲小宅；demo 中處理皺布料時有觸覺反饋優化[1][2][8] | 人形設計更自然、臉部互動＋ ThinQ 家電深度整合（如直接啟動 LG 洗衣機）；但現場評測穩定性與速度較差[3][6] |

## 摺衣功能細節差異

- **Onero H1**：
- 強調「實際家務輔助」，demo 顯示它能抓起沙發上散亂衣物、慢慢推入洗衣機、取出後簡單摺疊，甚至處理皺褶（透過深度感測器＋觸覺反饋）。媒體評測說雖然慢（2 分鐘／件），但「比人類懶人還實用」，而且電池約 4 小時，適合單層樓房。[2][4][6]
- 優勢：輪基穩定、不易翻倒，臂關節多適合精細操作；缺點：無法上樓梯。

- **LG CLOiD**：
- demo 重現「零勞力家」，從洗衣機移衣到摺衣區，但動作被媒體形容「緩慢無效率」，一件衣物流程比 Onero 還慢，且在不完美環境（如皺布料）容易卡住。[3][6][9]
- 優勢：上身像人、語言互動＋家電聯動；缺點：現場 demo 感覺更像表演而非實用。

## 實際評測洞見

- CES 現場比較：CNET 直接說 Onero H1 雖然慢，但「比 LG CLOiD 快一些」，因為 Onero 的輪基讓移動更順暢，而 CLOiD 的上身設計在抓取時較費時。[6]
- 兩者都還在原型／demo 階段，摺衣成功率高但速度遠低於人類（人類約 10-20 秒／件）；Onero H1 的親民價格與上市承諾，讓它在「可買性」上勝出。[4][5][1]

總之，Onero H1 在穩定性、價格與即將上市上更有優勢，適合想買「家用輔助」的消費者；CLOiD 則是更完整的「智慧家樞紐」，但短期內難買到。如果你有特定情境（如小空間或預算），我可以再細拆推薦。

來源
[1] Switchbot came to CES with a laundry robot you might actually be ... https://www.engadget.com/home/smart-home/switchbot-came-to-ces-with-a-laundry-robot-you-might-actually-be-able-to-buy-153000025.html
[2] SwitchBot says its humanoid household robot can do your laundry https://www.theverge.com/news/852741/switchbot-onero-h1-humanoid-household-robot-ces-2026
[3] LG says its CLOiD home robot will be folding laundry and making breakfast at CES https://www.theverge.com/tech/854082/lg-cloid-home-robot-fold-laundry-ces
[4] CES 2026's $10,000 Household Robot Hero: It Finally Handles Real Chores Like Laundry https://www.gadgetreview.com/ces-2026s-10000-household-robot-hero-it-finally-handles-real-chores-like-laundry
[5] CES 2026: SwitchBot Debuts $1500 Onero H1 Humanoid ... https://www.webpronews.com/ces-2026-switchbot-debuts-1500-onero-h1-humanoid-robot-for-home-tasks/
[6] I Watched a Robot Slowly and Inefficiently Load Laundry at CES https://www.cnet.com/home/smart-home/i-watched-a-robot-slowly-and-inefficiently-load-laundry-at-ces/
[7] CES 2026: Switchbot and LG show household robots https://www.digitec.ch/en/page/this-robot-washes-and-cleans-for-you-41027
[8] SwitchBot Launches Onero H1 Humanoid Robot at CES 2026 https://www.techbuzz.ai/articles/switchbot-launches-onero-h1-humanoid-robot-at-ces-2026
[9] LG's CLOiD robot can fold laundry and serve food… very slowly https://www.engadget.com/home/smart-home/lgs-cloid-robot-can-fold-laundry-and-serve-food-very-slowly-181902306.html
[10] The Switchbot's Onero H1 main capability at launch is ... - YouTube https://www.youtube.com/shorts/RND03H0Drj0
[11] SwitchBot Laundry Robot - Onero H1 #ces2026 - YouTube https://www.youtube.com/shorts/GaSAp_iH-jA
[12] 家庭用AIロボットおすすめ LG CLOiDとSwitchBot onero H1で ... https://smart-life-diary.hatenablog.com/entry/2026/01/14/000841
[13] 家務煩死人？機器人幫手感覺遙不可及，但科技比想像中更近 ... https://www.instagram.com/p/DTwcWx3jPW-/
[14] Laundry-folding robot debuts at CES 2026 https://www.youtube.com/watch?v=W93GXR7jo5o
[15] 3 WTF robots from CES 2026 https://mashable.com/article/ces-2026-wtf-robots
[16] Best AI-Powered Cooking Robots in 2026 | Blog - Honeydew https://honeydewcook.com/blog/best-ai-powered-cooking-robots-2026

26083 CES 2026 中國機器人展示家務功能

目前 CES 2026 中國機器人展示很多，但真正「具體可以上市」的產品仍以概念／預售／demo 為主，沒有看到明確「已量產或即將上市」的摺衣家事機器人；多數是展示「技術成熟度」與「場景應用」來搶市場關注。[1][2]

## 中國主要參展廠商與產品

- SwitchBot Onero H1（中國品牌，家用具身機器人）
- **是否上市**：CES 2026 首度亮相，定位為「首款具身機器人」，目前是技術展示／預售階段，沒有明確上市日期，但 SwitchBot 有現成智慧家電生態（如按鈕、窗簾機器人），預計會推向消費市場。[1]
- **特色**：
- 滾動底座＋雙機械臂（非雙足 humanoid），強調穩定性與操作精度，適合家庭狹窄空間。
- 核心用自家 OmniSense（視覺＋語言＋動作模型），可辨識物體、抓取、推門、煮飯、整理衣物（含摺衣）。
- 與智慧家電協作，像是 LG CLOiD 但更專注「滾輪式穩定＋多模態 AI」；SwitchBot 品牌已做過按鈕、鎖、窗簾等產品，Onero H1 是他們進軍家事機器人的起手式。[1]

- 其他中國廠商（多數是 demo／工業原型，無家事專用）
- AgiBot：帶完整產品線，但重工業／多場景生態，沒特別提摺衣家事。[3]
- Booster Robotics：展示 Booster K1 / T1 多任務系統，強調「scenario ready」，但偏開發平台而非家用成品。[3]
- Unitree Robotics、Galbot、Engine AI 等：人形機器人大軍，展示走路、抓物、簡單家務，但多數是工業／研究原型，沒明確家事上市產品。[2][4][3]
- 追覓（Dreame）Cyber 10 Ultra：掃拖＋夾爪抓玩具，但不是摺衣。[1]
- 石頭科技（Roborock）Saros Rover：輪腿清潔原型，解決樓梯問題，非摺衣。[1]

## 特色與差異（中國機器人 vs LG CLOiD 等韓國／國際）

中國展品有幾個明顯特色，反映他們的「快速迭代＋生態整合」策略：

| 產品／廠商 | 上市狀態 | 摺衣／家事特色 | 與 LG CLOiD 的差異 |
| --- | --- | --- | --- |
| SwitchBot Onero H1 | 預售／demo，預計消費市場 | 滾輪底座穩定、OmniSense 多模態（視覺語言動作一體）、整理衣物＋煮飯＋家電協作 | CLOiD 是雙足／手臂更像人，但速度慢；Onero 犧牲「人形」換穩定與精度，適合亞洲小宅。[1] |
| AgiBot 全產品線 | 生態展示，偏工業 | 跨產業 embodied intelligence，從單任務到多環境 | 更像平台化，沒 CLOiD 那麼專注家事 demo。[3] |
| Booster K1/T1 | 開發平台，scenario ready | 多任務協調，非單一家事 | 強調「一腦多機」，未來可擴展家事，但現在偏原型。[3] |

## 總評

- **具體上市產品**：CES 2026 中國陣營沒有看到「已開賣或 Q2 上市」的摺衣家事機器人；SwitchBot Onero H1 最接近「消費級預售」，因為母公司已有家電產品線，但仍需等後續公告。[1]
- **中國特色**：
- **滾輪／履帶底座多**：不像 LG CLOiD 的輪式／雙足，中國多用滾輪強調穩定、避障、成本低，適合家用。[1]
- **生態優先**：強調與自家智慧家電串聯（如 SwitchBot 的 OmniSense），而非單機戰。[3][1]
- **快速迭代**：中國廠商數量多（近 12 家），專注「Physical AI」從單任務到多場景，展示中國在專利與製造上的優勢，但家事應用還在追趕 LG 的 demo 精緻度。[4][2]

如果你對 SwitchBot Onero H1 有興趣，我可以幫你追蹤最新上市資訊，或比較它與 Haier／三星的洗衣生態差異。

來源
[1] 摺衣服的機器人登場！CES 2026「家事機器人」還有哪些亮點？ https://www.technice.com.tw/technology/robot/203378/
[2] Humanoid showdown: Chinese firms make up 55% of robot exhibitors at US tech event https://interestingengineering.com/ces-2026/china-leads-humanoid-robotics-at-ces-2026
[3] China's AI start-ups, humanoid robot firms set to dazzle CES 2026 https://en.people.cn/n3/2026/0106/c90000-20410591.html
[4] China's robotics supremacy set for full display at CES 2026 https://www.ajupress.com/view/20260102161042747
[5] LG creates AI-powered robot to make "housework a thing of the past" https://www.dezeen.com/2026/01/06/lg-ai-powered-robot-ces-2026/
[6] Laundry-folding robot unveiled at Consumer Electronics Show https://www.youtube.com/watch?v=XhuMtUq86OU
[7] At CES 2026, a humanoid robot showdown between Korea and China https://koreajoongangdaily.joins.com/news/2026-01-03/business/industry/At-CES-2026-a-humanoid-robot-showdown-between-Korea-and-China/2491752
[8] Chinese Robots Just SHOCKED Everyone at CES 2026 Expo https://www.youtube.com/watch?v=Hps7t7liOqM
[9] LG unveils at CES 2026: A robot that folds laundry https://www.jpost.com/consumerism/article-882603
[10] LG Brought a Robot That Cooks, Folds Laundry and Empties the Dishwasher to CES https://www.cnet.com/home/kitchen-and-household/lg-brought-a-robot-that-cooks-folds-laundry-and-empties-the-dishwasher-to-ces/
[11] LG reveals its laundry-folding robot at CES 2026 https://www.engadget.com/home/smart-home/lg-reveals-its-laundry-folding-robot-at-ces-2026-215121021.html
[12] Laundry-folding robot debuts at CES 2026 https://www.youtube.com/watch?v=W93GXR7jo5o
[13] LG's new laundry folding robot makes its debut at CES - YouTube https://www.youtube.com/watch?v=Gep9bZtQO8Y
[14] CES 2026: AI Humanoid Robots Can Now Wash Dishes and ... https://www.homesandgardens.com/solved/ces-2026-ai-humanoid-robots-wash-your-dishes-do-laundry
[15] Humanoid robots take over Las Vegas at CES, tech touts future of AI https://www.cnbc.com/2026/01/09/humanoid-robots-take-over-las-vegas-at-ces-tech-touts-future-of-ai.html

26082 Haier 自動摺疊熨燙機

目前公開資訊對「Haier 自動摺疊熨燙機」屬於概念／展演層級，只透露系統架構與工作流程，沒有細到學術論文等級的演算法與效能數據；可以把它理解成「封閉式摺疊熨燙模組＋IoC 生態系」的一環。[1][2][3]

## 技術架構與流程（從 Haier 智慧洗衣空間）

Haier 在 AWE 展出的「Smart Laundry Space / Smart Laundry Room」與「Sunshine laundry room」概念裡，有提到自動摺疊與熨燙機，是整個 IoC（Internet of Clothing）方案的一部分。[2][3][1]

大致流程：

1. 洗＋烘階段
- 智慧洗衣機先根據「衣物材質、水質、洗劑類型」選擇適合的洗程與乾燥設定。[4][1]
- 部分機型搭配 AI-based dynamic balancing（自動稱重＋轉速／偏心感測），確保振動小、脫水效果好，讓後續烘乾與摺疊更穩定。[4]

2. 晾乾／烘乾偵測
- 智慧曬衣架與摺衣機相連，摺衣機會偵測衣物是否「完全乾燥」，並透過 U+ App 推播提醒使用者啟動自動摺疊功能。[1]

3. 自動摺疊與熨燙
- 使用者在 App 上啟動「Auto-folding」後，摺疊裝置會先分析衣物類型（不同材質／品項採用不同折法）。[3][1]
- 摺疊與熨燙在一個相對封閉的機構內完成，可推測內部有：
- 進料／拉平機構：將衣物攤平到工作面。
- 視覺或感測模組：判斷衣物尺寸與類型。
- 多段摺疊板＋壓板／加熱板：完成折疊與熨燙動作。
- 摺疊進度與狀態可以在 U+ App 中即時查看。[1]

4. 與智慧衣櫃／衣鏡串聯
- Haier 的 IoC 概念把這台自動摺疊熨燙機與智慧衣櫃、智慧穿衣鏡整合，做到「洗護收納搭配」一條龍，例如摺完後同步更新雲端衣物清單，或推薦穿搭。[2][3]

## 技術特性：偏機構＋場景整合，而非通用操控

- 封閉式機構設計
- 不像 humanoid 需要在開放環境中抓取布料，Haier 的摺疊熨燙機把衣物限制在固定路徑與平台上，透過機械傳送帶／摺板來完成操作，降低了 deformable object manipulation 的難度。[2][1]
- 這種設計更接近「專用摺衣機／熨燙機」，而不是通用家務機器人。

- IoC＋雲端智能
- 重點放在與洗衣機、烘乾機、衣架、衣櫃之間的連動：衣物資訊、洗護建議、乾燥狀態、摺疊指令都透過雲端平台與 App 傳遞。[3][1]
- 更像是一個「衣物全生命周期管理系統」，自動摺疊熨燙是其中一個實體端節點。

## 效能資訊：公開細節有限

官方與新聞稿目前並未公開細緻的效能指標，例如：

- 每小時可處理的衣物件數／公斤數
- 不同材質（棉、化纖、襯衫、毛巾）成功折疊率
- 熨燙平整度、皺褶殘留率
- 能耗、維護成本等

現有資訊多停留在：

- 定位：世界首個「智慧洗衣空間」與 IoC 生態，整合自動摺疊與熨燙機以提供全方位衣物護理方案。[3][2]
- 使用體驗層面：透過 App 控制、場景體驗展示，而非工程測試數據。[1]

如果你想更深入了解真正做「熨燙＋摺疊」的機械與演算法，反而可以從學術界和其他專用摺衣機研究著手（例如 bimanual cloth manipulation、particle-based garment folding 等），再類比到 Haier 自動摺疊熨燙機可能採用的機構與控制策略。[5][6][7][8]

若你打算做研究或產品分析，我可以幫你整理一張「Haier 專用摺疊熨燙模組 vs 通用 humanoid 摺衣」的技術比較表，順便推估 Haier 裝置可能的內部模組與瓶頸。

來源
[1] Haier Unveils World's First Smart Laundry Room At AWE ... https://www.haier.com/global/press-events/news/20200721_144554.shtml
[2] Haier's Smart Laundry Space Concept Sets New Trend In ... https://www.haier.com/global/press-events/news/20200721_144553.shtml
[3] Haier's Smart Laundry Space Concept Sets New Trend In ... https://www.prnewswire.com/in/news-releases/haier-s-smart-laundry-space-concept-sets-new-trend-in-the-washing-machine-industry-837884095.html
[4] Smart Laundry: How Haier's Washing Machines Connect to ... https://www.haier.com/in/blogs/-smart-laundry-how-haiers-washing-machines-connect-to-the-future.shtml
[5] Particle-based perception of garment folding for robotic ... https://journals.sagepub.com/doi/10.1177/1729881417738727
[6] Particle-based perception of garment folding for robotic manipulation purposes https://journals.sagepub.com/doi/pdf/10.1177/1729881417738727
[7] [PDF] Bimanual Robotic Cloth Manipulation for Laundry Folding http://www.pitzer.de/benjamin/_media/pdf/bersch11_iros.pdf
[8] Data-Driven Robotic Manipulation of Cloth-like Deformable Objects https://pmc.ncbi.nlm.nih.gov/articles/PMC10007406/
[9] 所有商品 https://www.haier-smarthome.tw/collections/forsale
[10] Smart Washing Made Simple with Haier Meet ... https://www.facebook.com/alfatahelectronics/videos/smart-washing-made-simple-with-haier-meet-the-haier-washing-machine-your-ultimat/1212270550710381/
[11] HIVA Haiwa - Robot Details, Use Case and Specifications https://www.aparobot.com/robots/hiva-haiwa
[12] Effortless Laundry: 10 Kg Smart Front Load Washer https://www.haier.com/in/blogs/10-kg-smart-front-load-fully-automatic-washing-machine-making-laundry-a-breeze.shtml
[13] Haier unveiled a home robot that irons, cleans, and cooks https://archtown.org/haier-unveiled-a-home-robot-that-irons-cleans-and-cooks
[14] Washing machine stacking kits https://www.haier-europe.com/en_GB/collections/accessories-laundry-stacking-kits
[15] Haier Garment Steamer Iron Portable Steam Cleaner ... https://www.aliexpress.com/i/1005006347126702.html
[16] Haier Unveils HIVA Haiwa: The "Housework Terminator ... https://heyupnow.com/blogs/news/haier-unveils-hiva-haiwa-the-housework-terminator-robot
[17] Wardrobe | Haier - Couture Care Collection 11 https://www.youtube.com/watch?v=H-TjNx1h5QA
[18] Smart Appliances | Haier Australia https://www.haier.com.au/smart
[19] Haier's Smart Laundry Space Concept Sets New Trend In ... https://en.prnasia.com/releases/apac/haier-s-smart-laundry-space-concept-sets-new-trend-in-the-washing-machine-industry-239695.shtml

26081 洗衣家電與Robot的疆界

核心差異在於：三星／LG／海爾是「把洗＋烘這個封閉流程做得極致自動化」，而前面談的研究型機器人是在攻克「布料操控＋空間操作」這種開放世界問題；兩者在任務範圍、AI 角色與系統邊界都很不一樣。[1][2][3]

## 1 任務範圍：封閉流程 vs 開放世界

- 三星／LG／海爾：
- 重點是「洗＋烘的黑盒子」：丟進去 → 自動選程式、加洗劑、洗完烘完 → 取出。[4][5][1]
- 不處理「從地上／洗衣籃撿衣服」「摺衣收納」這類高度空間操作與布料操控問題，最多做到洗烘一體、速度加快、能源優化。[6][7]
- 研究型 laundry robot：
- 任務橫跨空間：從地板／籃子撿衣服、分類、放進洗衣機、轉移到烘衣機或晾衣架、摺衣收納等。[8][9]
- 涉及 deformable object manipulation、路徑規劃、場景理解，技術難度和不確定性高很多。[3][10]

## 2 AI 用途：參數最佳化 vs 行為決策與操控

- 三星／LG／海爾的 AI 多用在「洗程參數自動化」：
- Samsung Bespoke AI：AI Wash+ / AI Dry+ 自動偵測衣物重量、布料種類（Denim、Towels 等）、髒污程度，調整水量、洗劑、轉速與時間，並優化能耗與時間；同時記錄使用習慣推薦行程。[7][11][12][1][4]
- Haier：AI-based dynamic balancing，自動量測負載重量、轉速與偏心，做動態平衡，降低噪音與震動，同時透過 App 做排程與狀態通知。[5]
- LG 洗乾家電：類似地用 ThinQ／AI 來自動選程式、同步洗＋烘時間，一小時完成一輪。[13][14]

- 研究／機器人這邊：
- AI 負責「怎麼動手」：從影像估計布料狀態、選握點、規劃展開與摺疊軌跡，甚至用 world models 預測布料被拉扯後形狀變化。[15][16][3]
- 決策是 multi-step 行為規劃（把衣物從洗衣機移到烘衣機、從烘衣機拿出、放到摺衣區等），而不是在一個固定滾筒裡調參數。[9][8]

## 3 系統邊界：家電島 vs 家務協調者

- 三星／LG／海爾家電：
- 系統邊界多半就是「那台機器＋雲端 App」：透過 SmartThings、ThinQ、Haismart 等平台，做遠端啟動、排程、能耗監控、通知等。[17][4][5]
- 雖然會與整個智慧家庭連動（如三星 AI Home 面板控制其他家電），但洗衣仍然被視為一個 vertical：在這個空間裡優化效率與體驗。[1][7]

- 前面講的家務機器人（特別是 LG CLOiD 類）：
- 直接充當「家務協調者＋執行者」，在空間中移動、操作多台家電與家具：拿洗衣籃、啟動洗程、搬運、摺毛巾、甚至順便開冰箱、端食物。[18][19]
- 系統邊界變成「整個家＋所有 IoT 家電」，需要處理空間定位、人機互動、安全等議題，而不只是洗程本身。[20][9]

## 4 使用情境與成熟度：量產家電 vs 技術概念驗證

- 三星／LG／海爾洗烘產品：
- 已量產、價格可被接受，主打「省時間、省腦力、省能源」，降低使用者在設定與搬運上的負擔，例如一體式洗烘不用移層、AI 自動加洗劑等。[4][5][6][7]
- 解決的是「洗烘流程中大量的微決策與搬運浪費」，而不是完全取代使用者在洗衣這個家務上的所有行為。

- 研究型 laundry robot／LG CLOiD：
- 多數仍停留在 demo／概念機階段，例如 CLOiD 在 CES 展示可以搬洗衣籃、啟動洗衣機、摺毛巾，但官方也說這是一個「未來 sneak peek」，尚無明確上市時間表。[19][18]
- 主要是在探索「機器人何時能在開放家庭環境接近人類水平操作」這個問題，而不是短期內取代洗衣機本身。

## 5 實務上怎麼看「異同」？

如果用一句話概括：

- 三星／LG／海爾的家電路線，是「把洗衣機這個黑盒子做得更聰明、更少人為操作」；
- 機器人路線，則是「把人原本在洗衣前後做的那些肢體工作，也交給機器來做」。

兩者最終可以互補：
- 家電負責「高可靠、標準化的洗＋烘流程」，
- 機器人負責「跨裝置的搬運＋布料操控＋人機協作」。

如果你有興趣，我可以幫你畫一個簡單框架：把「家電 AI」和「家務機器人」在整個 laundry journey 中分工，變成一個研究／產品 roadmap。

來源
[1] Samsung's New Bespoke AI Laundry With AI Home ... https://news.samsung.com/global/samsungs-new-bespoke-ai-laundry-with-ai-home-enables-smarter-more-efficient-laundry-care
[2] Haier's Smart Laundry Space Concept Sets New Trend In ... https://www.haier.com/global/press-events/news/20200721_144553.shtml
[3] Data-Driven Robotic Manipulation of Cloth-like Deformable Objects https://pmc.ncbi.nlm.nih.gov/articles/PMC10007406/
[4] Explore the features and functions of your ... https://www.samsung.com/ca/support/home-appliances/features-and-functions-of-your-samsung-bespoke-ai-laundry-hub/
[5] Smart Laundry: How Haier's Washing Machines Connect to ... https://www.haier.com/in/blogs/-smart-laundry-how-haiers-washing-machines-connect-to-the-future.shtml
[6] Use the features of the new Bespoke AI Laundry Combo unit https://www.samsung.com/us/support/answer/ANS10000980/
[7] Introducing Bespoke AI Laundry Vented Combo | Samsung https://www.youtube.com/watch?v=p3yQUoEe9A4
[8] Autonomous robot does laundry https://www.youtube.com/watch?v=Dl0-ZA1DS-4
[9] Humanoid Robots Take on Laundry at CES 2026 - UBOS https://ubos.tech/news/humanoid-robots-take-on-laundry-at-ces-2026-innovations-and-challenges/
[10] Unfolding the Literature: A Review of Robotic Cloth Manipulation https://arxiv.org/html/2407.01361v1
[11] Samsung's New Bespoke AI Laundry With AI Home Enables ... https://news.samsung.com/uk/samsungs-new-bespoke-ai-laundry-with-ai-home-enables-smarter-more-efficient-laundry-care
[12] A friendly guide to Bespoke AI Laundry Combo | Ep.04 Intelligent Wash & Dry | Samsung https://www.youtube.com/watch?v=QFdY9UCDoOY
[13] more https://www.instagram.com/reel/DRMV1wYk283/
[14] Smart Laundry: Master Wash Days with LG Smart Dryers https://www.lg.com/us/experience/smart-dryer-laundry-days-wifi-control
[15] Scaling up world models to deformable object manipulation - arXiv https://arxiv.org/html/2602.16675v1
[16] Frontiers | Effective cloth folding trajectories in simulation with only two parameters https://www.frontiersin.org/journals/neurorobotics/articles/10.3389/fnbot.2022.989702/full
[17] Bespoke AI Laundry Combo AI Home AI Energy mode and ... https://www.samsung.com/hk_en/washers-and-dryers/washer-dryer-combo/wd7400d-combo-spacemax-ai-wash-smartthings-ai-energy-mode-12kg-plus-7kg-silver-wd12dblb84gdsh/
[18] LG reveals its laundry-folding robot at CES 2026 https://www.engadget.com/home/smart-home/lg-reveals-its-laundry-folding-robot-at-ces-2026-215121021.html
[19] LG's new laundry folding robot makes its debut at CES https://www.youtube.com/watch?v=Gep9bZtQO8Y
[20] Domestic Robot Ecology https://faculty.cc.gatech.edu/~beki/j17.pdf
[21] Protect your laundry with Haier hygiene https://www.haier-europe.com/en_GB/pages/protect-your-laundry
[22] Bespoke AI Washer Dryer | Samsung https://www.youtube.com/watch?v=wkj6fxUP1K4

26080 家務洗衣自動化（含摺衣服）最大的挑戰

家務洗衣自動化（含摺衣服）最大的挑戰，核心在「布料是高度可變形物體」、家庭環境複雜，以及成本與使用體驗的落差；目前的解決方案多半是把問題拆小、靠資料驅動學習與硬體／介面共同設計來降低難度。[1][2][3]

## 一、布料本身：感知與操控的物理難題

- 布料是高維度可變形物體，受到力就同時移動＋改變形狀，無法用剛體那套低維狀態空間與固定模型處理，導致辨識、狀態估計都困難。[2][1]
- 實務上，衣服堆在籃子裡會互相遮擋、角落捲起、皺折，握點被遮住，讓機器人很難找到正確抓取點，常出現「抓不到角落」或「抓起來又掉回去」的情況。[4]

解法方向：
- 資料驅動的 cloth state 表徵與世界模型：用深度學習從影像學習布料形狀／狀態，而不是硬建物理模型，像 world model 來預測布料被拉起後會變成什麼形狀，用來指導「展開毛巾、抓角落」等動作。[1][4]
- surface-based manipulation：用「表面」而不是「手指」操作布料，例如模組化可變形平台透過推、翻、捲動來處理柔軟物件，只需追蹤幾何中心與長度等低維特徵，降低感知與控制難度，未來可延伸到摺衣服等任務。[5]

## 二、摺衣任務設計：從學術 demo 到可用系統的 gap

- 很多研究只能處理單一類型衣物（例如毛巾、長方形布條），或需要人類先把衣物攤平，距離「從衣籃撿起、分類、攤平、摺好」的全流程還有落差。[6][7]
- 模擬中學到的摺疊軌跡在真實世界常因摩擦、布料厚度等差異而失效，導致需要大量 domain randomization 或實機微調。[6][1]

解法方向：
- 任務拆解與 benchmark：用 Household Cloth Object Set 這類資料集，把任務拆成「攤平」「對摺」「多次摺疊」等子任務，每個子任務定義清楚成功條件與評估指標，讓演算法可以在標準場景反覆優化。[7][8]
- 少參數軌跡＋閉迴路控制：設計只需兩三個關鍵參數（例如抓取點位置、拉動方向與距離）的摺疊軌跡，再用視覺閉迴路在執行中微調，可以提高對布料變形與誤差的容忍度。[6]

## 三、硬體限制：手臂、夾爪與感測整合

- 典型的 finger-style 夾爪在夾柔軟布料時容易造成不可預期的變形或滑動，且需要非常精確的握點選擇與力控制。[2][5]
- 單臂在空中翻動布料很吃配置，常因無法旋轉布料而抓不到角落；雙臂雖然靈活，但硬體成本、控制與安全性都更複雜。[9][4]

解法方向：
- 改變 end-effector 型態：使用大面積、帶摩擦的表面或夾板式工具，抓取時利用面接觸支撐布料，減少形變與滑落的不可預期性，搭配簡單的幾何中心追蹤即可完成翻轉／摺疊。[5]
- 雙臂／多模態配置：在研究中已經證明雙臂布料操控能大幅提升展開與摺疊成功率，例如 IROS 的雙臂 laundry folding 工作，透過雙手協調抓取與拉展布料角落。[4][9]

## 四、家中環境與整合：不只是摺衣的問題

- 家庭環境高度多樣、空間狹窄、障礙多，洗衣機位置、洗衣籃高度、晾衣／收納位置都不同，很難像工廠那樣固定 layout。[3][10]
- 洗衣流程本身包含分類、選洗程、烘乾／晾曬、收納等多步驟，每一步都涉及人對衣物的偏好（溫度、材質、折法等），僅自動摺衣無法完整替代家務負擔。[11][12]

解法方向：
- 視為「多步驟任務規劃」：在研究中，PR2 laundry 等工作把洗衣視為不完全資訊下的高層規劃問題，用 generalized plans 來應付衣物數量不確定、機器狀態不同等情境，這種框架可擴展到一般家庭。[13][2]
- 半自動化與人機協作：實際產品與研究逐漸走向「人類負責高難度判斷（如特殊材質、分類與例外）、機器負責重複、標準化部分」，例如只處理毛巾與 T-shirt、或只做搬運與簡單摺疊，降低對泛化與場景理解的要求。[14][3]

## 五、可靠性、成本與使用者接受度

- 真實長期使用時，故障、卡布料、夾壞衣服等事件會比實驗中頻繁許多，使用者對「壞一件衣服」的容忍度遠低於對掃地死角的容忍度。[10][15]
- 硬體＋AI 開發成本很高，家用市場對價格極敏感，目前多數消費者仍更願意買單單一任務、低風險的機器人（如掃地機）而非昂貴的全能 laundry robot。[12][3]

解法方向：
- 聚焦高價值子任務：例如商用洗衣、醫療或養護機構中搬運洗衣籃與推送洗衣車，已被證明可以顯著減少工作人員搬運距離與工傷，ROI 明確，比全自動摺衣更容易落地。[15][14]
- 模組化與平台化：以「洗衣摺疊模組」作為多用途 humanoid／家務機器人的一個技能，透過平台化的更新與雲端／邊緣 AI 管理，降低單任務研發成本，同時讓模型持續透過 OTA 改善。[3][4]

***

如果你接下來想做的是研究／產品構想，我可以幫你把上述挑戰收斂成一個具體題目，例如「基於 surface-based manipulation 的家用毛巾摺疊機器人」或「人機協作洗衣任務規劃系統」，並列出可能的技術 stack 與實驗設計。

來源
[1] Data-Driven Robotic Manipulation of Cloth-like Deformable Objects https://pmc.ncbi.nlm.nih.gov/articles/PMC10007406/
[2] Unfolding the Literature: A Review of Robotic Cloth Manipulation https://arxiv.org/html/2407.01361v1
[3] Humanoid Robots Take on Laundry at CES 2026 - UBOS https://ubos.tech/news/humanoid-robots-take-on-laundry-at-ces-2026-innovations-and-challenges/
[4] Scaling up world models to deformable object manipulation - arXiv https://arxiv.org/html/2602.16675v1
[5] Surface-based manipulation with modular foldable robots - PMC https://pmc.ncbi.nlm.nih.gov/articles/PMC12789041/
[6] Frontiers | Effective cloth folding trajectories in simulation with only two parameters https://www.frontiersin.org/journals/neurorobotics/articles/10.3389/fnbot.2022.989702/full
[7] Household Cloth Object Set: Fostering Benchmarking in Deformable Object Manipulation https://par.nsf.gov/servlets/purl/10345700
[8] IEEE ROBOTICS AND AUTOMATION LETTERS. PREPRINT VERSION. ACCEPTED FEBRUARY, 2022 https://digital.csic.es/bitstream/10261/295906/1/2574-Household-cloth-object-set%20-Fostering-benchmarking-in-deformable-object-manipulation.pdf
[9] [PDF] Bimanual Robotic Cloth Manipulation for Laundry Folding http://www.pitzer.de/benjamin/_media/pdf/bersch11_iros.pdf
[10] Domestic Robot Ecology https://faculty.cc.gatech.edu/~beki/j17.pdf
[11] THE CHALLENGES OF A LAUNDRY FOLDING ROBOT https://www.reddit.com/r/robotics/comments/xib10a/the_challenges_of_a_laundry_folding_robot/
[12] Preferences and Expectations for Home Robot Tasks https://pmc.ncbi.nlm.nih.gov/articles/PMC11591169/
[13] Autonomous robot does laundry https://www.youtube.com/watch?v=Dl0-ZA1DS-4
[14] Human–robot interactions and experiences of staff and service ... https://www.nature.com/articles/s41598-025-86255-w
[15] Robot Autonomy and the Future of Drycleaning and ... https://3laws.io/pages/Robot_Autonomy_and_the_Future_of_Drycleaning_and_Laundry_Services_(Coin-Operated).html
[16] Deep learning-based robotic cloth manipulation applications https://www.frontiersin.org/journals/robotics-and-ai/articles/10.3389/frobt.2026.1752914/full
[17] [PDF] Unfolding the Literature: A Review of Robotic Cloth Manipulation https://arxiv.org/pdf/2407.01361.pdf
[18] Lessons from a Laundry-Folding Robot - Joanna Stern's Newsletter https://joannastern.beehiiv.com/p/lessons-from-a-laundry-folding-robot-a12826d129ce7ece

26079 洗衣／摺衣服相關的自動化研究

跟「洗衣／摺衣服」相關的自動化研究其實蠻多，技術線從衣物辨識、布料操控，到整個 laundry 任務規劃都有。

## 1. 摺衣服與布料操控（核心技術）

這塊是 laundry 自動化最核心、也最難的部分：deformable object manipulation。

- Particle-based perception of garment folding for robotic manipulation purposes
提出一套「基於粒子模型」的衣物感知方法，讓機器人能從影像分割出的輪廓，估計衣物類別（毛巾、襯衫、褲子等）與幾何參數，並結合操控策略完成自動摺衣。[1][2]

- Flattening and folding towels with a single-arm robot based on vision
研究單臂機器人如何先「攤平」皺的毛巾，再完成摺疊，重點放在視覺感知＋連續操作策略，是非常貼近實際洗衣後摺毛巾的子任務。[3]

- Household Cloth Object Set: Fostering Benchmarking in Deformable Object Manipulation
提出一個「家用布料物件集合」與 benchmark，涵蓋毛巾、床單、桌巾等，並設計摺疊、鋪床等標準任務與評估指標，可以當你做 laundry manipulation 時的實驗標準資料集與指標參考。[4][5]

這幾篇可以作為你切入「如何讓機器人處理衣物」的技術 base。

## 2. 全流程 laundry 任務規劃／示範

比較偏「一整套洗衣任務」的規劃與 AI 框架：

- Autonomous robot does laundry（Srivastava 等人的工作）
以洗衣任務作為高階 AI 規劃問題的例子，讓 PR2 在對衣物數量、種類不完全確定的情況下，完成多個洗衣子任務（分類、放入洗衣機等），重點是提出可在不確定環境下產生 generalized plans 的方法。[6]

這種工作比較偏 task planning，但如果你想做「家務任務序列規劃」的論文，這是很關鍵的參考。

## 3. 自動化洗衣流程／系統設計

- RoboWash: A Review on Automated Laundry Collection and Washing System
一篇回顧／設計型的研究，介紹以感測器、障礙物偵測、微控制器（Arduino）等組成的自動收集與洗衣機器人，重點在整個洗衣流程自動化的系統架構與設計考量。[7]

- SmartLaundry: A Real-Time System for Public Laundry Allocation in Smart Cities
雖然是「公共洗衣（自助洗衣店）」情境，但裡面有使用機器學習／深度學習做使用量預測與推薦最佳機器的設計，可以作為家庭情境下「洗衣排程與機器資源分配」的概念參考。[8]

## 4. 延伸：laundry 折疊最新進展（產業＋研究邊界）

- Helix Learns to Fold Laundry – Figure AI
描述 humanoid Helix 利用 end-to-end 神經網路、同一 VLA 架構在不修改 model 結構的前提下學會摺毛巾，強調 deformable 物體操控的難度與「單一架構遷移到家務」的可能性（雖然是產業技術報告，但對研究方向很有啟發）。[9][10]

如果你打算發展一個研究題目，可以考慮組合：

- 感知＋分類：如 particle-based garment perception。[2][1]
- 操控策略：towel flattening/folding、cloth benchmark 中的折疊 protocol。[5][3][4]
- 任務層規劃／排程：從 SmartLaundry 或 PR2 laundry task 的 generalized planning 去抽象出「家庭洗衣流程 AI 助理」。[6][7][8]

來源
[1] Particle-based perception of garment folding for robotic ... https://journals.sagepub.com/doi/10.1177/1729881417738727
[2] Particle-based perception of garment folding for robotic manipulation purposes https://journals.sagepub.com/doi/pdf/10.1177/1729881417738727
[3] Flattening and folding towels with a single-arm robot based on ... https://www.sciencedirect.com/science/article/abs/pii/S0921889023001458
[4] Household Cloth Object Set: Fostering Benchmarking in Deformable Object Manipulation https://par.nsf.gov/servlets/purl/10345700
[5] IEEE ROBOTICS AND AUTOMATION LETTERS. PREPRINT VERSION. ACCEPTED FEBRUARY, 2022 https://digital.csic.es/bitstream/10261/295906/1/2574-Household-cloth-object-set%20-Fostering-benchmarking-in-deformable-object-manipulation.pdf
[6] Autonomous robot does laundry https://www.youtube.com/watch?v=Dl0-ZA1DS-4
[7] RoboWash: A Review on Automated Laundry Collection ... https://ijarsct.co.in/Paper19256.pdf
[8] SmartLaundry: A Real-Time System for Public Laundry Allocation in ... https://pmc.ncbi.nlm.nih.gov/articles/PMC11014301/
[9] Helix Learns to Fold Laundry - Figure AI https://www.figure.ai/news/helix-learns-to-fold-laundry
[10] Humanoid Robot Learns to Fold Towels Autonomously Better Than Tesla Optimus? https://www.youtube.com/watch?v=lvLkjay3vtA
[11] Lessons from a Laundry-Folding Robot - Joanna Stern's Newsletter https://joannastern.beehiiv.com/p/lessons-from-a-laundry-folding-robot-a12826d129ce7ece
[12] Laundry Folding Robot: A Glimpse of AI in Everyday Life - LinkedIn https://www.linkedin.com/posts/procoder_ai-robotics-innovation-activity-7382317628092100608-Hxxy
[13] DeepSeek Takes On OpenAI, Robots Fold Laundry, Amazon and ... https://www.deeplearning.ai/the-batch/issue-277/
[14] Optimizing Laundry Task Scheduling for Efficiency https://datacalculus.com/en/blog/personal-and-laundry-services/laundry-worker/optimizing-laundry-task-scheduling-for-efficiency
[15] Foldimus prime - AI Laundry Folding Robot | DIY, Full build & Schematics, Open Source https://www.youtube.com/watch?v=D-1n0gip9N8

26078 AI 減輕家務負擔

關於「AI 減輕家務負擔」的研究其實蠻多層次，從時間可被自動化的比例，到具體掃地／收納機器人，再到 AI task scheduler。

## 綜觀：家務可被自動化到什麼程度？

- 牛津大學與日本研究者做過一個蠻有名的專家調查，估計未來 10 年大約有 39–40% 的家務與照護時間可以被自動化，且「傳統家務」（打掃、煮飯、採購）比照護工作更容易自動化。[1][2]
- 同一脈絡有延伸分析指出，掃地機、拖地機等「家庭服務機器人」已經是全球銷量最大的機器人類型，算是 AI 家務自動化的第一波落地。[3][1]

這篇可以當你研究的起點關鍵文獻（新聞連到原始 paper）：

- 40% of time spent on mundane chores could be automated within 10 years – University of Oxford.[2]

## 針對清潔／打掃的 AI 研究

這塊現在文獻最多，特別是強化學習與路徑規劃：

- A Reinforcement Learning Based Dirt-Exploration for Cleaning Auditing Robot
提出用深度強化學習來讓清潔機器人學會「先去髒的地方」，透過經驗學習環境中的髒污分佈，提升清潔效率。[4]

- Path Planning of Cleaning Robot with Reinforcement Learning
使用 PPO + 轉移學習等技術，解決不同家庭環境下的清掃路徑規劃問題，比傳統隨機或 Zigzag 規劃更省電、效率更好。[5][6]

- Control strategies for cleaning robots in domestic applications – survey
回顧清潔機器人的控制策略，包含 Learning from Demonstration、監督學習與強化學習，用來學習人類示範的清掃軌跡與策略。[7]

如果你想做「AI 家務機器人」類型研究，這三篇可以構成一個不錯的技術線：感知／髒污探索、路徑規劃、以及控制策略綜述。

## 家用機器人與人類偏好／接受度

除了技術，還有一些針對「使用者怎麼看家用機器人、偏好什麼任務」的研究：

- Attitudes towards Humanoid Robots for In-Home Assistance
探討人們對居家輔助機器人的態度，結果顯示多數情況下，人們更偏好「專用型機器人」而不是類人型，且不同家務任務的偏好差異很大。[8]

- Preferences and Expectations for Home Robot Tasks
分析不同年齡層、單人家庭對家庭機器人可執行任務的期待，對於設計「哪一些家務應該優先自動化」很有參考價值。[9]

這類論文可以幫你把「技術可行」連接到「實際使用情境與產品策略」。

## AI 協助時間管理與家務排程

除了物理型機器人，也有 AI 當「家務排程／優先順序助理」的研究：

- Smart Task Scheduler using AI
雖然不是專門針對家務，但提出一個 AI 任務排程系統：學習使用者習慣、拖延模式、自動排程與重排、提供提醒與優先級建議。[10]
這種架構其實可以直接套到家務：根據家庭成員時間表、偏好與負擔，動態分配與重新安排家務。

類似的工作也會討論 AI 如何透過模式辨識與動態調整來提升時間管理效率，可作為你設計「家務分工 + 排程的 AI 助理」的概念基礎。[11]

## 社會面：AI 減輕家務負擔與性別／勞動

如果你想從「減輕負擔」而不是僅技術角度切入，這些會有趣：

- 40% of time spent on mundane chores could be automated within 10 years – Oxford 研究延伸出的新聞與評論，討論社會與經濟影響，特別是釋放女性家務時間。[12][1][2]
- Robots to the rescue: Can AI clean up household labour gaps?
以性別分工與不平等為主題，談家用 AI／機器人如何有機會縮小家務勞動缺口，但也可能重現偏見。[12]

這些可以幫你構建「問題意義」與 motivation：不是只是做一台更 smart 的掃地機，而是實際減少某些群體的隱形勞務。

## 給你的一個可能研究切入方向

如果你想做一個有技術深度又有產品／社會意義的題目，可以考慮結合：

- 使用者偏好與家務可自動化比例（Oxford 研究 + 使用者偏好論文）。[1][2][9]
- 具體技術：例如以 RL 或 LfD 做「家務任務序列規劃」（清潔、採買、冰箱管理等）。[4][5][7]
- 上層的 AI task scheduler：將實體機器人能力和人類成員時間表整合，動態調整「今天哪件事交給機器人、哪件事交給人」。[10]

如果你告訴我你比較想偏：1）純技術（RL/VLA 家務機器人）、2）人機互動與 UX、或 3）社會影響／分工，我可以幫你整理一個更具體的 paper list（含可能的關鍵字、搜尋策略和論文架構草稿）。

來源
[1] Robots could perform 39% of domestic tasks within a decade https://www.weforum.org/stories/2023/04/ai-housework-gender-gap-robots/
[2] 40% of time spent on mundane chores could be automated ... https://www.ox.ac.uk/news/2023-02-22-40-time-spent-mundane-chores-could-be-automated-within-10-years-ai-experts
[3] 40% of chores could be done by robots within 10 years ... https://www.freethink.com/robots-ai/housework-robots
[4] A Reinforcement Learning Based Dirt-Exploration for Cleaning ... https://pmc.ncbi.nlm.nih.gov/articles/PMC8706451/
[5] Path Planning of Cleaning Robot with Reinforcement Learning https://arxiv.org/abs/2208.08211
[6] [PDF] Path Planning of Cleaning Robot with Reinforcement Learning https://arxiv.org/pdf/2208.08211.pdf
[7] Control strategies for cleaning robots in domestic applications https://researchportal.ulisboa.pt/en/publications/control-strategies-for-cleaning-robots-in-domestic-applications-a/
[8] Attitudes towards Humanoid Robots for In-Home Assistance https://pmc.ncbi.nlm.nih.gov/articles/PMC12588097/
[9] Preferences and Expectations for Home Robot Tasks https://pmc.ncbi.nlm.nih.gov/articles/PMC11591169/
[10] Smart Task Scheduler using AI - ijrpr https://ijrpr.com/uploads/V6ISSUE5/IJRPR46549.pdf
[11] Ai For Better Time... https://www.intellecs.ai/blog/why-your-study-schedule-keeps-failing-spoiler-its-not-your-motivation
[12] Robots to the rescue: Can AI clean up household labour gaps? https://www.asiapacificgender.org/index.php/blogs/robots-rescue-can-ai-clean-household-labour-gaps
[13] Robots to do 39% of domestic chores by 2033, say experts https://www.bbc.com/news/technology-64718842
[14] Two in five Americans are interested in having a household ... https://yougov.com/en-us/articles/51596-two-in-five-americans-are-interested-in-having-a-household-robot-take-care-of-their-chores
[15] Teaching Robots to Tackle Household Chores https://developer.nvidia.com/blog/teaching-robots-to-tackle-household-chores/

2/19/26

26077 讀《共同知識》有感：從社會賽局到管理溝通的深度實踐

讀《共同知識》有感：從社會賽局到管理溝通的深度實踐

日期：2026年2月19日

前言：重新檢視共識的建立

閱讀本書後，我開始反思日常工作中「建立共識」的本質。共識並非單向的資訊傳遞，而是一場關於訊息、意圖與社會關係的精密對弈。

1. 管理場景：與部屬的溝通模型

在與部屬互動時，資訊傳遞常存在多個斷點。以發送 Email 為例，過程可拆解為：

* 傳遞狀態：部屬是否已讀取郵件？

* 表達形式：我選擇的是**「直白陳述」（直接建立共同知識）還是「委婉暗示」**（保留否認空間）？

* 理解層次：從「看到文字」到「理解字面意義」，再到最高層次的「洞察背後意圖」，每一層都是溝通的挑戰。

2. 確認機制的建立

為了確保溝通效能，管理者的確認動作應包含四個階段：

* 抵達確認：確保對方收信。

* 內容確認：確保對方閱讀。

* 理解確認：確保對方讀懂字面資訊。

* 意圖確認：確保雙方對「目標與期望」達成共同知識。

3. 多元的協調手段

除了點對點溝通，還可運用以下方式鞏固共同知識：

* 公開宣布：透過部門會議消除資訊不對稱。

* 反向諮詢：邀請部屬對意圖提供建議。

* 行動驗證：觀察其採取的具體步驟是否與意圖一致。

一、共同知識：協調賽局的基石

共同知識（Common Knowledge）是指「我知道你知道，且你知道我知道我知道」的無限遞迴狀態。

* 破除謊言：在《國王的新衣》中，小孩的直言建立了共同知識，瓦解了集體偽裝。

* 信心修復：銀行擠兌源於從眾恐慌；唯有透過共同知識建立集體信心，方能終止恐慌。

* 預期賽局：「凱因斯選美大賽」說明人常因缺乏共同知識而從眾，導致資訊不對稱下的套利空間。

* 克服旁觀者效應：透過建立明確的「規則」（共同知識），能讓原本被動的個體（如租客）轉向積極參與與公平協作。

* 協調之眼：共同知識是協調賽局的關鍵，缺乏它，合作將陷入相互猜忌的困境。

二、社會關係模型下的溝通策略

平克引用費斯克的理論，將社會關係分為四種，每種關係對應不同的協調邏輯：

* 群己共享（Communal Sharing）：基於血緣或親密友誼，利益共生，協調依賴長期情感。

* 權威排序（Authority Ranking）：長官與部屬的階級。利用**「面子工程」（Facework）**引導順從。這涉及複雜的博弈：

* 性別賽局（Battle of the Sexes）：需求不同但需輪流妥協。

* 獵鹿賽局（Stag Hunt）：雙贏合作與保守單幹的抉擇。

* 鷹鴿賽局（Hawk-Dove/Chicken Game）：權威與順從的角力，一方強硬則需另一方退讓以避免雙輸。

* 平等匹配（Equality Matching）：講求互惠與均分（如 50/50 分帳賽局）。

* 市場定價（Market Pricing）：以交易資訊與價格作為協調依據。

三、建立與隱瞞：場景化的策略判斷

1. 何時該建立共同知識？

* 透過多輪訊息確認、公開宣導，或利用**「情緒與肢體語言」**（如臉紅、眼神交會）來製造誠實的共同知識。

2. 何時該語帶保留？

* 試探者：為了保留退路，不點破敏感意圖（如試探非法交易或潛規則）。

* 穩定者：阻止小群體形成反叛的共同知識，透過「取消文化」排擠異議以維持表面的和諧。

* 領導者：選擇**「理性的虛偽」**而非激進的誠實，避免說破真相導致信任結構瓦解。

3. 隱瞞資訊的社會功能

為了長期的社會穩定或特定利益，有時必須阻斷共同知識的形成：

* 政權控制：避免群眾聚集分享資訊。

* 資訊不對稱獲利：藉由控制核心資訊獲取價差。

* 社交過濾：如間諜、戀愛或尋求跨階級晉升時，隱飾資訊是達成目的的必要手段。

四、結語：AI 時代的社交智慧

展望未來，Ray Kurzweil 預測的 AI 奇點將近：

* AI 的共同知識：機器人將具備精密的博弈模型，能完美追蹤並建立共同知識。

* 理性的隱瞞：如果 AI 太過「直白」，將無法融入充滿暗示與面子功夫的人類社會。

* 社交進化：未來的機器人必須學會「理性的虛偽」，在保護人類情感與傳遞正確訊息之間，找到賽局的最優解。

26076 共同知識x奇點已近～有關機器人的共同知識及理性的虛偽

問題：Ray Kurzweil的singularity is nearer未來2045年機器人的智慧超過人類，那麼，屆時機器人也能具備common knowledge嗎？也能表達情緒？也能學會理性的隱瞞及虛偽？

AI回答：根據雷·庫茲維爾（Ray Kurzweil）在《奇點更近了》（The Singularity Is Nearer）中的預測，2045 年的 AI 與機器人將不僅僅是運算速度快，而是會具備與人類等同甚至超越人類的圖靈測試能力。

關於你提到的三個核心社交能力，庫茲維爾的理論與平克的「共同知識」架構可以進行如下結合分析：

1. 機器人能具備「共同知識」嗎？

答案是：絕對可以，甚至比人類更精準。

「共同知識」在本質上是一個邏輯與博弈論的結構（我知道你知道我知道...）。對於具備超強運算能力的 AI 來說，追蹤社交對話中的訊息層次是相對簡單的：

* 同步與連網：未來的機器人可以透過高速網路瞬間與成千上萬的機器人建立「共同知識」。

* 社交感知：透過視覺傳感器，機器人能精確判斷對方的視線、位置與反應，從而建立「大家都看到國王沒穿衣服」這種社交共識。

* 預測模型：它們能比人類更準確地計算出：「如果我現在說這句話，會有多少比例的群眾將其視為共同知識？」

2. 機器人能表達「情緒」嗎？

庫茲維爾認為：是的，且這種情緒是「真實」的。

庫茲維爾主張，當 AI 的複雜度達到一定程度，其表現出的情緒不再是單純的「模擬」。

* 生理信號的機器版：就像平克提到的「臉紅」或「流淚」是難以造假的誠實信號，未來的機器人可以被設計成具備**「生化反饋機制」**。

* 情緒的功能性：為了與人類有效協調，機器人必須具備情緒。例如，它會表現出「尷尬」來建立共同知識，告訴人類它意識到了錯誤；或表現出「憤怒」來建立威懾的共同知識。

* 超越人類的表現力：它們甚至能精準控制細微肌肉，產生比人類更具感染力的共鳴信號。

3. 機器人能學會「理性的隱瞞及虛偽」嗎？

這將是機器人真正具備「高階社交智慧」的標誌。

如果機器人只會「激進的誠實」，它將無法在人類社會中生存，因為它會不斷破壞社會關係與共同假設。

* 理解「面子」與「關係模型」：庫茲維爾預測 AI 將具備深度的社會心理模型。它會知道在什麼情況下應該「語帶保留」。

* 選擇性不建立共同知識：為了保護與主人的關係，機器人會學會使用「委婉語」。例如，它不會直接說「你今天看起來老了五歲」，而會說「你今天看起來需要多點休息」。

* 博弈論的應用： AI 會發現「理性的虛偽」是達成合作的最高效策略。它會為了避免衝突，故意不把某些尷尬的事實（例如主人的社交失誤）推向共同知識。

> 社會悖論的再進化：

> 屆時可能會出現一個新問題：當我們知道機器人的「虛偽」是經過演算法精密計算出來的（為了維護關係），我們還會感受到那種「體面」嗎？還是我們會覺得這是一種更深層的操控？

庫茲維爾的觀點總結

在 2045 年，庫茲維爾認為**「人類」與「機器」的界線會模糊**。如果機器人具備了：

* 邏輯深度（處理共同知識）

* 生理表現（表達情緒）

* 社交策略（理性的虛偽）

那麼在法律與道德上，我們可能很難將它們僅僅視為「工具」。它們將成為社會賽局中的完整參與者，共同維護（或挑戰）人類數千年來建立的社交規範。

26075 共同知識第九章維持理性的虛偽，不要激進的誠實

Https://youtu.be/bEp89MtHXgo?si=BoSiJ8Z_Lef22I-t 參考這篇影片說明為什麼有些事情要維持理性的虛偽，而不要激進的誠實。有很多事情不必要成為共同知識。

在史蒂芬·平克（Steven Pinker）的觀點中，維持「理性的虛偽」與避免「激進的誠實」，核心理由在於保護社會關係的穩定，並防止某些訊息轉化為具有破壞力的**「共同知識」（Common Knowledge）**。

以下根據影片內容說明為什麼有些事情不必要明說，以及為何「理性的虛偽」對社會運作至關重要：

1. 訊息內容 vs. 共同知識的差異

平克指出，「私人知道」與「共同知識」在邏輯上有巨大的差別 [00:36]。

* 私人/相互知識：我知道這件事，你也知道這件事，但我們不確定對方是否知道「自己知道」。這給了雙方「假裝不知道」的空間。

* 共同知識：我知道你知道，你知道我知道，且大家都知道大家都在看。這是一種「無限迴圈」的確認 [09:51]。

2. 為何需要「理性的虛偽」（委婉語與暗示）

當我們使用暗示（如「要不要來我家看 Netflix？」）而非直白的要求（如「我想跟你發生性關係」）時，我們是在利用**「可否認性」（Deniability）**來保護關係 [10:49]。

* 保護面子與關係模型：友誼與性關係是不同的社會模型。如果明著說出冒犯性或尷尬的要求，該訊息會立刻變成「共同知識」，雙方就再也無法維持原本純友誼的假象 [11:23]。

* 留有退路：透過暗示，即便被拒絕，雙方都可以各自假裝對方沒聽懂或自己沒那個意思。這種「理性的虛偽」讓我們能在不破壞現有關係的前提下，測試新的關係可能性 [11:34]。

3. 激進誠實的破壞力

影片提到，雖然大眾口頭上討厭虛偽，但沒人想生活在一個「激進誠實」的世界（如電影《王牌大騙子》所展示） [11:51]。

* 汙染共同假設：人與人之間的長期關係（如親情或深厚友誼）通常建立在「無條件忠誠」的共同假設上。雖然私底下我們知道現實並非完美，但一旦將「自私的真實想法」變成共同知識，就會汙染這份共同假設，讓合作難以為繼 [12:13]。

4. 社會規範的維持

平克強調，社會文明依賴於許多未成文的規範（Norms），例如「不在面子上羞辱人」或「不公開撒謊」 [12:40]。

* 脆弱的平衡：這些規範並非由警察強制執行，而是因為「大家都知道大家接受它」而存在。

* 避免公開挑戰：激進的誠實往往會公開挑戰這些規範。一旦規範被公開違反且無人制止，這就成了新的共同知識，會導致社會信任的崩解與混亂 [13:19]。

總結

不必要讓所有事情成為共同知識，是因為社會需要「緩衝帶」。理性的虛偽提供了一種優雅的社交機制，讓我們在處理衝突、賄賂、威脅或性暗示時，能保留彼此的尊嚴，避免將脆弱的社交模型推向徹底瓦解的邊緣。

相關影片連結：How Common Knowledge Shapes the World | Steven Pinker | TED

https://youtu.be/bEp89MtHXgo?si=Fvf5OAVdaAGif9Ns

26074 共同知識第八章取消文化及阻止異議成為共同知識

這種「壓制異議」的現象，從演化心理學與社會賽局的角度來看，本質上都是為了防止「共同知識」（Common Knowledge）的形成，進而維護既有的協調成本（Coordination Costs）與權力結構。

以下從政治、學術與網路文化三個維度拆解其背後邏輯：

1. 政治：防止「協調點」的出現

在政治學中，統治不僅靠武力，更靠「預期」。如果每個人都預期別人會服從，那麼每個人都會服從。

* 為什麼要壓制：異議人士的言論本身可能不具威力，但如果該言論在廣場、報紙或大眾媒體上公開，它就變成了共同知識。一旦大家知道「原來大家都不滿」，原本散亂的個體就能找到**協調點（Schelling Point）**發動集體行動。

* 舉例：蘇聯時期的「廚房談話」。當時蘇聯人私下在家中廚房極盡諷刺政府之能事（相互知識），但只要回到公共領域，每個人都表現得極其忠誠。政府容忍廚房談話，但絕不容忍街頭集會，因為前者無法形成改變體制的「共同知識」。

2. 學術：範式的保衛戰（Paradigm Maintenance）

科學哲學家湯瑪斯·孔恩（Thomas Kuhn）在《科學革命的結構》中提到，主流科學通常處於「常規科學」階段，權威們會下意識地排斥反對思想。

* 為什麼要壓制：主流思想不僅是理論，還包含了一整套社會資本（教課書、經費分配、學位認證）。一旦核心假設被挑戰，既有權威的專業價值會瞬間「清零」。

* 舉例：魏格納（Alfred Wegener）的「大陸漂移說」。

在 20 世紀初，地質學界的主流觀點是地球表面是固定的。魏格納提出大陸會移動時，遭到了當時學界權威的嘲笑與排擠，稱其為「詩人的夢囈」。這並非因為證據不足（當時已有化石證據），而是因為接受該理論意味著整代地質學家必須重寫所有的研究成果。

3. 網路：取消文化與「集體偏好偽裝」

當代的「取消文化」（Cancel Culture）常被視為一種維護社會正義的工具，但在心理學家帖木兒·庫蘭（Timur Kuran）看來，這是一種**「偏好偽裝」（Preference Falsification）**的強制執行。

* 為什麼要壓制：網路社群透過極高的社會代價（肉搜、失業、公審）來懲罰異議者，製造一種「大眾一致支持某種觀點」的幻覺。

* 社會心理機制：當異議者被「取消」時，其他持有相同懷疑態度的人會因為害怕成為下一個目標而選擇噤聲。這導致了沈默螺旋：每個人都以為自己是少數，即使實際上多數人都對現狀不滿。

* 舉例：對爭議性議題的噤聲。

在某些高度極化的社會議題（如性別認同、防疫政策）中，一旦出現與當前「正確」風向不符的言論，網民會迅速發動集體攻擊。這種行為的目的不在於說服對方，而在於警告觀察者：不要試圖建立「反對觀點」的共同知識。

核心結論：維持「虛假共識」的代價

這種現象之所以普遍，是因為維持現狀的成本通常低於結構崩潰後重建的成本。然而，這種壓制會導致兩個後果：

* 脆性增長：系統看起來很和諧，但因為內部充滿了「偽裝的偏好」，一旦壓力到達臨界點，崩潰會像羅馬尼亞政權一樣在瞬間發生。

* 知識停滯：為了維持和諧而犧牲真實，會讓組織失去糾錯能力（Error-correction）。

26073共同知識第七章刻意模糊共同知識

這是一個非常深刻的心理學與賽局理論問題。史蒂芬·平克（Steven Pinker）在討論「共同知識」（Common Knowledge）時，給出了一個反直覺但極具說服力的答案：語帶保留（暗示、委婉、含蓄）並非為了隱瞞「訊息內容」，而是為了避免建立「共同知識」，從而保護脆弱的社會關係。

我們可以從以下三個層次來理解為什麼「話不能明著說」：

1. 訊息（Message）與關係（Relationship）的衝突

平克引用了艾倫·費斯克（Alan Fiske）的社會關係模型。我們在社會中同時運作多種邏輯：

* 友誼/親情（公社共享）：不計較、互相扶持。

* 性愛/伴侶：特殊的親密與排他性。

* 交易/職場（市場定價）：精確計算、對等交換。

「語帶保留」的作用在於：當你想傳達一個屬於「交易」或「性」的訊息，但目前的關係背景是「友誼」時，含蓄的暗示能讓你傳達意圖，同時不破壞友誼。

例如：

* 賄賂：你不說「這 5 萬元給你，請撤銷我的罰單」（市場定價），而說「警官，有沒有什麼方式讓我們在這裡就解決這件事？」（暗示）。

* 約會：你不說「我想跟你發生性關係」，而說「要不要來我家看 Netflix 順便放鬆（Netflix and Chill）？」。

2. 「共同知識」的強大與破壞力

這是平克理論中最核心的部分。我們要區分：

* 相互知識（Mutual Knowledge）：我知道你知道，你知道我知道。

* 共同知識（Common Knowledge）：我知道你知道我知道你知道……（無限循環）。

「明著說」會瞬間將訊息推向共同知識。一旦訊息變成共同知識，雙方就失去了「假裝不知道」的空間（Plausible Deniability）。

> 例子：

> 如果你暗示「Netflix and Chill」，對方如果拒絕了，你們明天見面還可以維持「普通朋友」的樣子。因為你們可以各自假裝對方沒那個意思，或是自己沒聽懂。

> 但如果你「明著說」要求發生性關係而被拒絕，這個事實就成了共同知識。你們都知道對方知道彼此的心思。這種尷尬（關係模型的衝突）會讓原本的純友誼徹底瓦解，因為你們再也回不去了。

3. 避免挑戰社會規範（Social Norms）

語帶保留也給了「權威」與「規則」面子。在職場或政治中，明著說往往意味著挑戰或最後通牒。

* 命令：如果老闆說明著說「去倒咖啡！」，這是權威排序的極致展現。

* 保留：如果老闆說「如果你有空的話，能幫大家弄點咖啡嗎？那會很棒（That would be awesome）」，這是在訊息上傳達命令，但在形式上保留了對你「個人尊嚴」的尊重。

總結：含蓄是一種「關係保險」

我們之所以語帶保留，是因為：

* 測試水溫：在不冒險結束現有關係的情況下，試探另一種關係的可能性。

* 保留退路：萬一對方不領情，雙方都能保有「體面的否認權」，繼續在原本的社交圈共存。

* 減緩衝擊：避免讓尷尬的事實變成「共同知識」，強迫大家必須正面對決。

語帶保留不是虛偽，而是一種精密的社會導航工具，用來處理人類社會中相互衝突的動機。

．－－－－－－

更多關於「共同知識」在政治與權力鬥爭中的例子

在政治與權力鬥爭中，「共同知識」（Common Knowledge）的概念至關重要。誠如史蒂芬·平克（Steven Pinker）所分析的，單純的「每個人都知道某件事」並不具備革命性的力量，唯有當「每個人都知道『大家都知道』這件事」時，權力結構才會發生劇變。

以下是幾個關於共同知識在政治與權力運作中的經典例子：

1. 「國王的新衣」效應（The Emperor's New Clothes）

這是一個關於共同知識最完美的心理學寓言。

* 私有知識：街上的每個百姓都看見國王沒穿衣服，但他們以為只有自己是愚蠢或不稱職的。

* 相互知識：每個人都猜測別可能也看見了，但不敢確定。

* 共同知識的建立：當小男孩大喊「他沒穿衣服！」時，這句話並非提供了新資訊（大家早就看到了），而是同步了所有人的資訊。

* 政治後果：這一喊讓「國王沒穿衣服」變成了共同知識。每個人現在都知道「大家都在看國王出醜」，國王的威嚴（權力基礎）瞬間崩塌，因為他再也無法利用「大家因為害怕孤立而不敢反抗」的心理來統治。

2. 獨裁政權的「群眾集會」與「審查」

為什麼獨裁者喜歡舉行大型閱兵，同時又極力打壓網路論壇？

* 大型集會的作用：閱兵或集會不只是展現武力，更重要的是讓反對者看到「現場有這麼多人支持政權」。當你身處幾萬人的歡呼聲中，你會產生一個共同知識：「大家都支持他，如果我反對，我就是唯一的異類。」這會極大地瓦解反抗意志。

* 審查制度的邏輯：審查的目的往往不是防止「訊息」傳播（很多醜聞私下傳很快），而是防止訊息變成「共同知識」。如果一件醜聞只在私下流傳，每個人都會覺得自己是孤島；但如果出現在大眾媒體上，每個人都知道「全國人都知道了」，這會產生集體行動的壓力。

3. 羅馬尼亞獨裁者席奧塞古（Ceaușescu）的倒台

這是歷史上「共同知識」瞬間反轉最著名的真實案例（1989年）：

* 背景：席奧塞古在布加勒斯特舉行群眾集會，預期像往常一樣獲得排山倒海的歡呼。

* 關鍵瞬間：演講中途，人群中突然有人發出了一聲噓聲。這聲噓聲在寂靜中顯得極其刺耳。

* 連鎖反應：這一聲噓聲讓在場的數萬人意識到：「原來不只我一個人在不滿。」這個瞬間，反抗的情緒變成了共同知識。席奧塞古臉上驚恐的表情被電視直播傳遍全國，那一刻，全國人民都知道「獨裁者害怕了，且大家都看到了他的害怕」。

* 結果：權力在幾分鐘內蒸發，幾天後政權便徹底垮台。

4. 政治上的「試探氣球」（Trial Balloons）

政治人物常用「暗示」或「非正式洩密」來測試政策，這就是為了避免太早建立共同知識。

* 語帶保留：如果政府想加稅，會先讓「知情人士」向媒體透露風聲。

* 避免共同知識：這樣做如果反應不好，官員可以說「那只是傳聞，不是正式政策」。這保留了「體面的否認權」（Plausible Deniability）。

* 正式宣布：一旦正式在公報上宣布，它就變成了共同知識，所有反對派、利益團體都會被迫立刻表態並採取行動。

5. 罷工與集體行動的邏輯

為什麼罷工需要「投票」和「集體大會」？

* 協調問題：如果我一個人罷工，我會被開除；如果大家一起罷工，老闆必須妥協。

* 建立共同知識：透過公開投票，每個人都確信「其他人都會跟我一起行動」。只有當「大家都會參與」變成共同知識時，個別勞工才敢冒著風險對抗資方。

總結

在權力鬥爭中，「真相」往往不重要，「大家是否知道真相已經變成公眾共識」才重要。

* 權力者：試圖控制共同知識的產生（透過媒體控制、宏大敘事）。

* 挑戰者：試圖利用象徵性的事件（如自焚、抗議、諷刺漫畫）來刺破沈默，將私下的不滿轉化為共同知識。

共同知識就像是社會的「同步訊號」，一旦發出，原本分散的個體就能瞬間凝結成巨大的政治力量。

26072 共同知識第六章用明確情緒表達來建立彼此共同知識

在影片中，史蒂芬·平克（Steven Pinker）提出了一個非常有趣的觀點：有些情緒表達（如臉紅、流淚、大笑）不只是內在情感的流露，它們在演化上其實是**「共同知識產生器」（Common Knowledge Generators）**。

為什麼這些情緒能製造「共同知識」？以下是平克針對這幾種情緒的詳細解析：

1. 臉紅（Blushing）：無法隱藏的雙向確認

平克認為臉紅是一個極其特殊的信號。當你臉紅時：

* 生理連動：你會感覺到臉部發燙（內在知覺），同時你知道別人正看著你發紅的臉（外在表現）。

* 共同知識的達成：觀察者看見你臉紅，知道你現在感到尷尬；而你也知道觀察者看見了你臉紅，並且你知道「他們知道你在尷尬」。

* 無法否認性：這就是為什麼當別人說「你臉紅了」時，你會臉紅得更厲害。因為這句話將原本可能的「私人知覺」直接推向了「共同知識」的頂點，雙方都徹底確認了這個尷尬事實，再也無法裝作沒事。

2. 哭泣（Crying）：視線模糊的誠實信號

平克解釋為什麼悲傷時要「流眼淚」這種生理設計：

* 視線受阻：淚水會模糊你的視線，這讓你在生理上處於一種防禦力降低、脆弱的狀態。

* 誠實信號：因為流淚會影響視線，這是一個很難造假的信號。它向對方傳達：「我知道你看見我在哭，你也知道我因為流淚而看不清，我們共同確認了我的悲傷與屈服。」這種同步的認知建立了一種強大的情感紐帶或求和信號。

3. 歡笑（Laughter）：集體的去武裝化

笑通常是群體的，平克認為笑聲具有強大的「協調」功能：

* 生理限制：當人大笑時，呼吸節奏改變，這讓你幾乎無法正常說話或進行攻擊。

* 共同挑戰權威：在集體環境中，如果大家一起大笑（例如嘲笑一個暴君或愚蠢的規則），笑聲就成了共同知識。每個人都知道「大家都在笑」，這傳達了一個明確信號：「我們大家都發現了這個權威的弱點」。這種共同知識能瞬間瓦解權威的威懾力，因為大家都知道彼此都不再恐懼。

4. 瞪眼與怒目（Staring and Glaring）：地位的博弈

* 眼神接觸（Eye Contact）：這是建立共同知識最快的方式。如果你只是看著某人，那可能是私人資訊；但如果兩人「對視」，這就是共同知識——我知道你在看我，你知道我知道你在看我。

* 瞪眼：怒目而視是在共同知識的基礎上發出的威懾信號。它在傳遞：「我們現在都非常清楚這場衝突的存在，我也知道你接收到了我的憤怒。」這強迫雙方必須在共同知識的框架下決定是要對抗還是退縮，不存在「誤會」的空間。

核心邏輯：為什麼要用這些「身體語言」？

平克強調，這些情緒表達通常涉及非自主肌肉（你很難控制自己不臉紅或不流淚）。正因為它們難以造假，且具有高度的**「顯著性」（Salience）與「公共性」**，它們才能跳過複雜的語言溝通，直接在參與者之間建立起「無限層級」的共識：

* 我知道你感覺到了。

* 你知道我知道你感覺到了。

* 我知道你知道我知道……（以此類推）。

這種「共同知識」一旦成立，社會關係就會發生質變——無論是誠實的道歉、真心的相愛，還是集體的反抗，都必須建立在這種「大家都知道大家已經知道」的基礎之上。

26071 共同知識第五章慈悲等級與匿名捐贈的共同知識

這三位思想家與研究者從不同角度探討了「慈悲」與「捐贈」的深層動機與社會心理。以下是他們觀點的重點說明：

1. 邁蒙尼德（Maimonides / Moshe Ben Maimon）的慈悲階級

中世紀猶太哲學家邁蒙尼德在《米書拿·妥拉》（Mishneh Torah）中提出了著名的「慈善八階級」（Eight Levels of Charity/Tzedakah），強調捐贈的最高境界不僅是金錢的給予，更是受贈者的自立與尊嚴。

* 最高階（第一階）：幫助受贈者自立。例如提供貸款、合夥做生意、贈送生產工具或介紹工作，使對方不再依賴他人。

* 匿名性與雙盲（第二階）：施予者與受贈者互不相識。這能確保施者的動機純粹（不是為了名聲），並保護受贈者的自尊。

* 單向匿名（第三、四階）：施者知道受贈者但受贈者不知施者，或反之。

* 給予的態度（第五至八階）：依次為：在對方請求前給予、請求後才給、給得不夠但態度愉悅、以及最低階的「心不甘情不願地給予」。

2. 史迪芬·平克（Steven Pinker）討論網絡調查的發現

平克（與其合作者 De Freitas 等人）透過網絡實驗研究大眾對「慈善」的道德直覺，發現人們的判斷高度符合邁蒙尼德的階級觀念，並從進化心理學的角度解釋了原因：

* 匿名捐贈更受讚賞：實驗顯示，比起公開捐贈，人們認為「雙盲」的匿名捐贈更具道德價值。

* 對「信號發送」的警覺：平克指出，當捐贈者公開身份時，觀察者會懷疑其動機是為了「提升社會地位」或「炫耀美德」（Virtue Signaling）。

* 共同知識（Common Knowledge）的負面影響：研究發現，如果捐贈行為變成了「大家都知道你知道我也知道」的共同知識，人們對該行為的評價會下降。這解釋了為什麼我們直覺上覺得「低調行善」才是真誠的，因為它排除了透過行善來操縱社會形象的可能性。

《補充＞＞在Maimonides的第四階：施者不知受者，但受者知道施者（聖賢背背包給貧者自取），第五階：彼此面對面。

在pinker的市調：第四階：機構寄施者照片給受者；第五階：機構寄給雙方照片。調查發現受者喜歡第五階的對等公平，反而認為第四階有歧視的味道。這是一個顯著的時代差異。

3. 大衛·賓索夫（David Pinsof）的社會悖論（Social Paradox）

賓索夫在探討「社會悖論」時，特別針對「匿名捐贈」提出了一個尖銳且深刻的邏輯重點：

* 「為了獲得不求名聲的名聲」：賓索夫認為，匿名捐贈本身就是一種精密的「信號」。其悖論在於：我們匿名捐贈，是為了獲得「不在乎名聲」的名聲。

* 隱蔽信號（Covert Signaling）：他主張人類演化出了一種能力，可以識別出那些「試圖掩蓋自己正在發送信號」的信號。當一個人匿名捐贈時，他實際上是在向社會傳達：「我的道德層次高到不需要世俗的讚美。」

* 核心矛盾：如果一個人真的完全不在乎別人的看法，他根本不需要特意選擇「匿名」這種形式來展現高尚；但正因為社會高度推崇匿名捐贈（如邁蒙尼德所述），這反而成了一種最強大的社會信用資產。

* 重點總結：這種行為是一種「自我否定」的信號——透過隱藏行善的事實，反而更有效地證明了自己的美德，從而陷入一種「為了不顯擺而顯擺」的社會悖論。

總結對照

* 邁蒙尼德提供了一套道德準則（教你怎麼做最高尚）。

* 平克透過科學調查證明了這套準則深植於人類本能（大家確實覺得匿名最高尚）。

* 賓索夫則揭露了這套本能背後的心理弔詭（匿名可能是最高級的地位競爭手段）。

26070 共同知識第五章社會關係模型

https://youtu.be/oVx5eAV1ck8?si=zOVhUhrudf9uUees

這段影片是《Michael Shermer Show》對心理學家史蒂芬·平克（Steven Pinker）的訪談，討論他的新書《當每個人都知道每個人都知道時》（When Everyone Knows That Everyone Knows）。

影片中關於「社會關係模型」（Social Relational Models）的重點說明如下：

1. 艾倫·費斯克（Alan Fiske）的四種關係模型

平克在影片中引用了人類學家艾倫·費斯克的理論，說明人類如何根據不同的心理模型來組織社會互動 [25:34]：

* 公社共享（Communal Sharing）：成員間不分彼此，資源共享，常見於親屬、配偶或親密朋友之間。這種關係中不計較「誰付了多少」。

* 權威排序（Authority Ranking）：建立在階級之上，上位者有指揮權，下位者則有權獲得保護，如老闆與員工、軍官與士兵。

* 平等匹配（Equality Matching）：強調「一報還一報」或平衡，如朋友間輪流請客、交換禮物或平攤油錢 [26:02]。

* 市場定價（Market Pricing）：以比例、價格和金錢為基礎的交易關係，是現代社會運作的核心 [26:08]。

2. 模型的混淆與社會禁忌

影片指出，當這些模型被錯誤混用時，會產生尷尬或憤怒 [26:42]：

* 例如，在晚餐聚會後，若你掏出錢包要付錢給招待你的朋友，會被視為極度無禮，因為你將「公社共享」或「平等匹配」誤植為「市場定價」 [26:46]。

* 某些神聖的領域（如性、器官、選票）被引入市場定價時，會引發社會大眾的道德反感 [29:19]。

3. 「共同知識」（Common Knowledge）與關係維護

這是影片的核心觀點：關係的改變取決於共同知識的建立 [11:31]。

* 含蓄表達（Innuendo）的作用：人們常用暗示（如「要不要上樓看我的蝕刻版畫？」）來試探，是因為暗示能維持「虛假的否認性」。即使雙方心知肚明，只要不挑明，就沒有形成「共同知識」，這能保護現有的友誼關係（公社共享）不被直接轉化為性關係或交易關係 [10:40]。

* 公開宣布的影響：一旦某件事被公開說破（如「我愛你」），它就成了共同知識，這會強迫關係進行「格式化」或轉型，無法再回到原本的模糊狀態 [01:13:01]。

4. 現代體制與「腐敗」的定義

平克提到，現代法治社會（Rational-Legal Mode）要求在公務上排除費斯克的前三種原始模型 [28:15]。如果你聘用親戚（公社共享）而非合適的人才，這在現代體制下被稱為「腐敗」，但這其實只是人類天生傾向回歸原始社會關係模型的結果 [28:36]。

這部影片透過語言學與賽局理論，深入淺出地解釋了為什麼我們與不同人相處時會有不同的行為準則，以及「說話的藝術」如何幫助我們在這些複雜的模型中游走。

2/18/26

26069 共同知識第四章旁觀者選美擠兌的群眾心理學

史蒂芬·平克（Steven Pinker）在探討**共同知識（Common Knowledge）**時，結合了賽局理論與社會心理學來解釋許多群體行為。以下針對您提出的五點進行詳細說明與應用分析：

1. 無限遞迴的簡化與表達方式

雖然共同知識在邏輯上定義為無限遞迴（我知道、你知道、我知道你知道……），但平克指出，人類大腦無法處理超過三、四層的認知嵌套，否則會感到「頭暈」。在現實中，我們透過以下方式直覺地捕捉共同知識：

「在那裡」的直覺（Intuition of "Out There"）： 我們不靠邏輯推演，而是憑藉一種心理直覺，認定某件事是「公開的」、「顯眼的」或「顯而易見的」。
公開事件與自證性（Public Events）： 透過眼神接觸、群體大笑或共同參與的大型活動（如超級盃廣告），資訊會瞬間具備顯著性（Salience），讓每個人確信「大家都看到了」。
聚焦點（Focal Point）： 在無法溝通時，人們會選擇最顯眼、最容易被彼此同時想到的選項（如紐約大中央車站的時鐘），這能終止無限猜測的循環。
言語溝通（Direct Speech）： 直接的對話是強大的共同知識產生器。它能消除「可能對方不知道我知道」的模糊地帶，讓資訊變得不可撤回。

2. 凱因斯的選美賽局（Keynes's Beauty Contest）

凱因斯將投資比喻為報紙上的選美比賽，這是一個典型的高階遞迴思考案例。

內容： 比賽的贏家不是選出「最漂亮的面孔」，而是選出「最多參賽者共同認為漂亮的面孔」。
實際應用： 在投資市場中，這代表投資者購買資產並非因為其內在生產價值，而是預期「未來會有其他人以更高價買入」（博傻理論，Greater Fool Theory）。投資者會拼命尋找聚焦點（如超級盃中的加密貨幣廣告），試圖建立一種「價格會上漲」的集體預期。

3. 擠兌（Bank Run）與獵鹿賽局（Stag Hunt）

平克將獵鹿賽局定義為一種必須高度對齊的協調問題：兩個人合作能獵鹿（高效益），但若其中一人不信任對方而跑去捉兔子（低效益），獵鹿者將一無所獲。

擠兌與賽局的關聯： 銀行體系的穩定依賴於「大家都相信銀行安全」的共同知識。
實際應用： 擠兌本質上是協調的瓦解。當「懷疑」本身成為共同知識時，每個投資者都會因為擔心「其他人都在逃跑」而爭先恐後地撤資。富蘭克林·羅斯福曾說「我們唯一需要恐懼的是恐懼本身」，這並非格言，而是共同知識的定理——如果大家能協調不恐懼，危機就不會發生。

4. 2020 年 COVID-19 衛生紙事件

雖然來源未直接點名「衛生紙」，但平克分析了非理性暴跌與集體恐慌的結構性原因。

內容： 衛生紙事件是典型的「預判了別人的預判」所形成的集體恐慌。當一個人看到貨架空了（公開訊號），這創造了共同知識：大家都在搶購。
實際應用： 即便你個人知道衛生紙供應充足，但如果你預期「其他人會因為恐慌而買光它」，為了自保，理性的選擇也是加入搶購。這種「不理性的集體行為」其實是每個個體在不確定環境下做出的理性回應。

5. 旁觀者賽局與自願者困境（Volunteer's Dilemma）

這涉及到為何群體在面對不公或危機時往往選擇「冷漠」或「觀望」。

內容： 在缺乏共同知識的狀態下，表態或行動是高風險的。因為你不確定是否有其他人會支持你，如果你是唯一站出來的人，你可能成為唯一承擔代價的受害者。
實際應用：
- 多數無知（Pluralistic Ignorance）： 多數人不認同現狀，但每個人都以為只有自己不認同。這導致大家在公開場合配合演出（維持假象），直到有像「國王的新衣」中的小男孩（公開說破）出現，將風險分攤，集體行動才會爆發。
- 職場應用： 會議中大家明明對制度不滿卻保持沉默，並非因為懦弱，而是因為「不滿尚未成為共同知識」，選擇觀望反而是理性的風險規避策略。

總結來說，這些事件展示了人類社會的運作不單是建立在「資訊被知道」上，而是建立在**成員對彼此預期的對齊（Alignment）**上。當我們理解了共同知識的原理，就能看透許多表面上看似「笨」或「盲從」的行為，其實是深層的賽局考量。

26068 共同知識第三章趣味賽局：獵鹿、性別、懦夫、協調

心理學家史蒂芬·平克（Steven Pinker）利用賽局理論中的幾種經典賽局來解釋共同知識（Common Knowledge）如何協助人類在社會中達成協調（Coordination）。以下為您詳細說明這些名詞及其應用情境：

1. 獵鹿賽局 (Game of Stag Hunt)

這是由 18 世紀哲學家盧梭（Jean-Jacques Rousseau）提出的經典案例。

內容說明： 兩名獵人可以選擇合作捕捉一隻「鹿」（巨大的回報，但需要兩人合力且攜帶重型裝備），或者各自行動去捉「兔子」（回報較小，但一個人就能完成）。
困境： 如果獵人 A 帶了獵鹿裝備，但獵人 B 卻跑去捉兔子，獵人 A 就會空手而回。因此，獵人不能只憑自己想獵鹿，他必須確定對方也要獵鹿，且對方也知道「我知道他要獵鹿」。
應用情境： 平克指出，社會關係本質上就是一種獵鹿賽局。這也應用在正式制度的建立，例如：大家一致同意靠右行駛，雖然靠左或靠右本身沒有優劣，但「大家步調一致」能帶來最高利益。

2. 兩性搏弈 (Battle of the Sexes)

這是在賽局理論文獻中常用來討論「利益不完全一致但仍需合作」的情境。

內容說明： 來源中以一對伴侶（Steve 與 Rebecca）為例。兩人都希望能待在一起，但男生想看冰球賽，女生想看歌劇。
困境： 雖然偏好不同，但兩人都同意「分開行動」是比「一起看自己不愛的表演」更糟的結果。
應用情境： 用於解釋談判與議價。當雙方需要達成協議但各持己見時（如買賣成交價），往往會尋求一個「聚焦點（Focal Point）」，例如平分差價或取整數，這並非數學上的最優解，而是為了終止無限猜測、達成共識的手段。

3. 懦夫賽局 (Game of Chicken) 與鷹派/鴿派賽局 (Hawk-Dove Game)

平克將它們歸類為解決衝突與集體行動的關鍵模型。

名詞說明：
- 懦夫賽局： 描述兩者對抗，若雙方都不讓步將導致雙輸（毀滅性後果），但讓步的一方會被視為懦夫。
- 鷹鴿賽局： 研究群體中競爭者選擇「激進（鷹）」或「妥協（鴿）」的策略平衡。
應用情境： 這些模型常用於解釋國際衝突、戰爭、罷工以及社會規範的維護。例如，獨裁者害怕公眾抗議，是因為抗議是一種「協調賽局」：如果每個人都私下不滿但不敢行動（怕成為唯一的受害者），現狀就會維持；但一旦形成共同知識，分散的人群就能協調成集體反抗，這也是為何蘇聯男子拿白紙會被捕的原因（他在製造共同知識）。

4. 協調賽局 (Coordination Game) 如何解決困境

平克強調，協調賽局的核心在於**「對齊（Alignment）」**而非競爭，這解決了許多社會運作的謎團：

解決「多數無知」： 許多社會規範（如反對過時制度）依賴共同知識。當小男孩說破「國王沒穿衣服」時，他沒提供新資訊，但他創造了共同知識，消除了「只有我在想」的不確定性，讓群體從服從轉向嘲笑。
建立「聚焦點」（Focal Point）： 在無法溝通的情境（如在曼哈頓走散），人們會直覺地前往最顯眼的地方（如大中央車站的時鐘），這能降低彼此猜測的心智負擔。
維持「社交虛構」： 透過間接語言（如問「要不要看貓/Netflix and chill」而非直接約砲），人們能試探對方又不創造「破壞友誼的共同知識」，這讓雙方在拒絕後還能維持原有的朋友關係模型。
賦予貨幣與品牌價值： 我接受鈔票是因為我預期你也接受；蘋果公司在超級盃播廣告是為了讓所有人知道「大家都看到了這則廣告」，從而確信 Mac 會成為市場標準，進而放心地購買。

總結來說，這些賽局模型展示了：人類文明的進步不只是因為個人變聰明，而是因為我們能透過建立共同知識，在關鍵時刻讓群體對齊行動，從而將個人無法承擔的風險轉化為集體的成功。

26067 共同知識第二章語言爭辯只是舞蹈不是競爭

作者史蒂芬·平克（Steven Pinker）在討論中提到，人們爭辯或使用語言有時像是一種「舞蹈」而非競爭，這主要與共同知識（Common Knowledge）如何維持社會關係模型以及解決協調賽局有關。

以下根據來源內容，解釋為何「歧見一直存在」且爭辯往往像是一種協調的舞蹈：

1. 語言的目的是「建立共同知識」而非單純競爭

平克指出，語言的功能不只是傳遞資訊，更重要的是建立或壓抑共同知識。在許多社會情境中，兩個人私下可能都有歧見（私下知識），但只要這份歧見沒有被「說破」變成共同知識，雙方就能維持現有的關係模型。

維持虛構的關係： 社會關係（如友誼、婚姻）往往建立在一些「有益的虛構」之上（例如：朋友會為彼此做任何事）。
舞蹈般的間接語言： 我們使用暗示、委婉語（如「Netflix and chill」）來進行社交「舞蹈」，這讓我們能試探對方的意圖，同時保留「共同知識的否認性」。如果直接爭辯或說破，會創造不可撤回的共同知識，強迫關係轉型，這往往會帶來尷尬或關係破裂。

2. 社會互動是「協調賽局」而非「零和競爭」

平克強調，人類絕大多數的社交關係本質上是協調賽局（Coordination Game），就像「鹿群捕獵（Stag Hunt）」或「靠左/靠右行駛」。

對齊（Alignment）重於輸贏： 在這類賽局中，重點不在於誰的觀點更正確（競爭），而是在於大家是否能達成一致（對齊）。
減少不確定性： 許多看似激烈的爭辯，其實是為了尋找一個「聚焦點（Focal Point）」來終止彼此的猜測。這種過程就像兩個人在跳舞，必須不斷預判對方的動作來達成同步，而非為了擊敗對方。

3. 結構性認知問題被誤視為道德衝突

來源提到，許多衝突其實並非源於價值觀的根本差異（競爭），而是結構性的認知問題——即「共同知識尚未形成」。

理性的回應： 當群體表現出冷漠或不行動時，並非因為他們笨或自私（競爭心態），而是因為每個人都在理性的觀望：我不確定你知道我知道。
舞蹈式的試探： 因此，人們在溝通中不斷「試探」或「觀望風向」，這種反覆的互動過程就像是在對齊彼此的共同知識，確保行動時風險已被分攤。

4. 為了共存而保留的「灰色地帶」

最後，作者提到真正成熟的人懂得判斷何時該「說破」，何時該保持沉默。

拒絕極端誠實： 如果每個人都實行「極端誠實（Radical Honesty）」，將所有私下的歧見都變成共同知識，社會秩序將無法運作。
和諧的舞蹈： 人們爭辯、使用模糊語言，是為了在保留私下觀點的同時，依然能在公共層面維持和諧的協調。這種「知而不說破」的狀態，正是人類文明能以溫和方式演進的關鍵「舞蹈」。

總結來說，作者認為爭辯往往不是為了分出勝負，而是在這場複雜的社會賽局中，透過語言的「舞蹈」來對齊彼此的預期，在不破壞關係的前提下，尋求集體行動的可能性。

26066 共同知識第二章奧曼的理論與現實的落差

作者史蒂芬·平克（Steven Pinker）引用諾貝爾經濟學獎得主**羅伯特·奧曼（Robert Aumann）的理論，主要是為了強調「共同知識」（Common Knowledge）**在理性決策中的極致邏輯。

關於「理性主體不可能包容歧見」（Rational agents cannot agree to disagree）的解釋如下：

1. 共同知識的「無限遞迴」本質

奧曼的研究證明，共同知識並非簡單的「大家都知道」，而是一個無限層次的俄羅斯娃娃結構：我知道、你知道、我知道你知道、你知道我知道……以此類推至無窮。平克甚至為了在書名後加上代表無限遞迴的「...」（點點點）而與編輯抗爭，理由就是奧曼這位諾貝爾獎得主曾親自提醒他：共同知識的定義必須包含那種無窮盡的狀態。

2. 為什麼理性主體無法「各執己見」？

在賽局理論的架構下，如果兩個理性的個體對於某個事件的看法（機率評估）達成了「共同知識」的狀態，那麼他們的看法必然會趨於一致：

• 資訊對齊（Alignment）： 歧見通常源於「私下資訊」。當兩人的觀點變成共同知識時，意味著雙方都意識到了對方的立場及其背後的理性推論。

• 消除互猜的循環： 理性主體會不斷預判對方的預判。如果我知道你的預判，你也知道我知道你的預判（無限循環），在邏輯上，這會消弭所有因為「資訊不對稱」而產生的誤判空間。

• 理性的必然結果： 對於理性主體而言，當所有資訊與推理過程都進入共同知識的範疇時，唯一的理性選擇就是達成心智上的對齊。在這種極端透明且理性的狀態下，不存在「你保留你的看法，我保留我的看法」的空間，因為那代表其中一方忽視了已知的理性訊號。

3. 理論與現實的落差

平克也指出，雖然奧曼在數學上證明了理性主體不能包容歧見，但人類的大腦其實無法處理超過三、四層的遞迴思考。

• 心理直覺取代邏輯： 現實中，我們並非靠無限推論來達成共識，而是靠一種「這件事已經公開化（out there）」或「顯眼性（conspicuous）」的直覺。

• 維持虛構的必要： 為了維持社會關係（如友誼或禮貌），人類有時會刻意壓抑共同知識，透過暗示或婉轉的語言來「各執己見」，以維持表面的和諧，避免因「說破」而強迫雙方進入必須對齊的賽局僵局。

總結來說，引用奧曼的理論是為了說明：在純粹理性的邏輯中，共同知識具有強大的對齊力量，它會迫使所有參與者在資訊透明的無限循環下達成一致。如果仍有歧見，通常是因為資訊尚未成為共同知識，或是參與者並非完全理性地回應彼此的預期。

雖然在賽局理論的理想狀態下，理性主體確實必須達成一致，但在現實的社會互動中，卻存在許多機制讓共識難以達成，甚至是刻意被迴避的。

以下是結合來源內容的詳細分析：

1. 理想狀態：奧曼（Aumann）的協議理論

在純粹的邏輯與賽局理論中，諾貝爾獎得主羅伯特·奧曼證明了一個著名的定理：如果兩個完全理性的主體對某件事的機率評估達成了「共同知識」的狀態，那麼他們是不可能「各執己見（Agree to disagree）」的。這意味著，只要資訊完全透明且遞迴認知（我知道你知道我知道……）達到無限層次，理性的力量會迫使觀點最終對齊（Alignment）。

2. 現實限制：人類認知的侷限

儘管邏輯上如此，但人類大腦並非無限運算的超級電腦。來源指出，人類的心智在處理「我知道你知道……」這類遞迴思考時，通常在三、四層之後就會開始感到混亂（即所謂的「頭暈」狀態）。因此，在現實社會情境中，我們並非靠無限的理性推演達成共識，而是依賴心理直覺，將「公開、顯眼、在那裡（out there）」的資訊直接視為共同知識。

3. 社交策略：刻意壓抑共同知識

在許多社會情境下，理性主體反而會刻意避免達成共識，以維持關係的穩定。

維持虛構的關係： 為了保護關係（如純友誼），人們會使用「暗示」或「委婉語」（如：要不要來我家看貓/Netflix and chill）。這種做法能創造「共同知識的否認性」——即便雙方私下都知道真實意圖，但只要不「說破」，就不用被迫在共識下改變關係模式（如從朋友變戀人或變尷尬）。
社交潤滑與謊言： 社會關係往往依賴一些「虛構的共識」（如：朋友會為彼此做任何事、老闆是英明的）。如果每個人都實行「極端誠實」，將所有私下的想法都轉化為共同知識，社會秩序可能會因此崩解。

4. 協調難題：聚焦點（Focal Point）的妥協

在缺乏溝通的協調賽局中（如：在紐約走散了要在哪裡碰面），理性主體達成的共識往往不是「最優解」，而是「最顯眼解」。

顯眼性大於正確性： 人們會選擇最容易被彼此同時想到的地點（如：大中央車站的時鐘），僅僅是因為預期對方也會這樣想。
議價中的捨入： 在談判中，雙方常在「整數」或「對半攤平」上達成共識，這不是因為這些數字在數學上最正確，而是因為它們是能終止彼此猜測、達成對齊的聚焦點。

5. 阻礙共識的結構性問題：多數無知

有時，群體中看似的一致共識其實是假象，稱為「多數無知（Pluralistic Ignorance）」。

缺乏訊號導致的僵局： 當每個人私下都不認同某項制度，卻因為不知道其他人也這樣想，而被迫在公開場合表現得認同。在這種情況下，除非有「說破」的觸發點（如國王的新衣中的小男孩），否則真正的共識無法形成，群體會維持在一個錯誤的平衡點上。

總結

雖然理性主體在邏輯完美的環境下應該達成一致，但在現實的社會情境中，由於認知負荷、關係保護的需求以及資訊不對稱，共識並不總是能達成。真正成熟的理性主體會判斷什麼時候該追求對齊（如：開車靠右、使用貨幣），以及什麼時候該保持模糊（如：社交禮儀、間接語言），這才是人類社會運作的真實邏輯。

訂閱：意見 (Atom)