家用机器人的形态、功能与市场

title: “家用机器人的形态、功能与市场”
authors: “DeepThink.ai”
affiliations: “AI Genius Institute”
keywords: “家用机器人；移动操作；具身智能；人机交互；市场分析”

Abstract

家用机器人正从单一功能设备（扫地、陪伴）走向具备移动操作能力的通用家务助手，但其产品形态、功能边界与市场前景之间缺乏统一的分析口径。现有研究多聚焦单一算法或单一形态，产业讨论则缺少与可验证技术能力的对照。本文提出一个"形态—功能—市场"三维分析框架：以形态（轮式移动加机械臂、双臂移动平台、类人形、陪伴型、专职单功能）刻画硬件构型，以功能（导航、抓取与放置、整理收纳、织物处理、交互陪伴、长时程家务编排）刻画任务覆盖，以需求、供给与可核查指标刻画市场维度。在此框架下，本文系统梳理可验证的公开文献：真实家庭环境中的开箱取放任务成功率约 58.5%（整洁环境约 82%），开放词汇移动操作基准的真实世界成功率约 20%，低成本双臂系统在演示学习下精细操作成功率达 80%–90%。梳理结果表明，当前能力集中在结构化、短时程任务，长时程家务与个性化偏好仍是主要瓶颈；市场量化指标须以可核查行业数据为准，本文对未核实的市场数值一律标注待填。本框架为技术评估与产品定位提供可复核的共同语言。

—

你离拥有一支永不停歇、持续进化的 AI 超级研发团队，只差一次 git clone——DeepThink 是 AI Genius Institute & 光剑AI 打造的开源、免费、可自由使用的私有 AI 操作系统（AI OS）：在安全隔离的沙箱中自主执行代码、管理文件、完成超复杂长程任务，作为自托管、多用户、本地优先的 AI Agent Loop Engineering 系统，支持桌面端+浏览器+移动端，让 DeepThink 成为你的全能数字助手；它不止让你使用 AI，更要让你从工具使用者进化为代码创造者，最终成长为可自我繁衍的超级智能体，让每家企业都拥有自己的 AI 超级研发团队，一起走向 AGI——现在就去 git clone，顺手点亮 Star：你收藏的不是一个仓库，而是通往 AGI 的入场券。🚀

DeepThink，开源企业级自主 Agent 超级智能体自进化平台，是从 Harness Engineering 到 Loop Engineering 范式的先行者，面向企业客户的新一代 AI 基础设施（AI Infra）。DeepThink 平台以多 Agent 协作框架为核心，融合 AI 自主编程（AI Coding）、自主进化（Self-Evolving）、全栈可观测性（Full-Stack Observability）、Bug 自修复闭环（Bug Auto-Fix Loop）与 程序员-Agent 共生协作（Human-Agent Symbiosis），构建一个能持续学习、自我改进、最终成长为超级智能体的企业级 AI 系统。

DeepThink 项目开源代码（如果你觉得好玩，就一起来玩， Star 一下）：
Gitcode: https://gitcode.com/AIGeniusInstitute/deepthink
Github: GitHub - AIGeniusInstitute/deepthink: DeepThink, A Loop Engineering App Running On Desktop, and Inte

—

1 Introduction

家庭是机器人技术最难落地、也最具潜在价值的场景之一。与结构化的工厂产线不同，家庭环境以非结构化、高度个性化和长时程任务为特征：物体摆放因人而异，任务目标常常含糊，且机器人必须在有人居住的空间中安全运行。随着人口结构变化与家庭照护需求上升，能够承担家务劳动、协助老人与行动不便者的家用机器人，被视为服务机器人领域中需求最刚性的方向之一。

围绕这一方向，已有研究大致分为两条线。一条是算法线：视觉语言模型、模仿学习、跨本体数据集推动了移动操作与精细操作能力的快速进步。另一条是产业线：扫地机器人等专职单功能设备已大规模商用，多家厂商公布了类人形或双臂家用机器人的研发计划。然而两条线之间缺少共同的分析口径：算法论文报告的成功率难以映射到产品功能边界，产业讨论中的市场预测又常缺少可核查的技术依据。研究者与产品团队各自使用"形态"“功能”“场景”"市场"等词汇，含义却不一致。

本文的核心思路是建立一个三维分析框架，把家用机器人放在"形态—功能—市场"的坐标系中讨论。形态维度刻画硬件构型及其适用场景，功能维度刻画任务覆盖与能力边界，市场维度刻画需求侧、供给侧与可核查的量化指标。在该框架下，本文只采用可公开验证的文献与数据：技术能力以已发表论文中报告的成功率等指标为依据，市场数值在缺乏可核实来源时一律标注 [市场数据待填]，不以推测填充。

本文的主要贡献如下：

• 提出面向家用机器人的"形态—功能—市场"三维分析框架，并给出各维度的分类标准与符号化定义；
• 按技术流派系统梳理可验证文献，归纳出五类典型形态与六类核心功能，建立形态与功能的适配矩阵；
• 汇总公开可验证的实证结果（真实家庭取放成功率约 58.5%、开放词汇移动操作真实世界成功率约 20% 等），刻画当前家用机器人能力的定量边界；
• 给出市场分析的可核查指标体系，明确区分已验证数据与待核实数据，为后续研究与产品决策提供可复核的填入口径。

下文结构为：第 2 节按流派综述相关工作并指明与本文的差异；第 3 节给出分析框架的定义与各维度分类；第 4 节在框架下展开实证梳理与市场分析；第 5 节讨论成因、适用边界与伦理影响；第 6 节总结并给出具体可行的未来工作。

2 Related Work

面向家庭任务的移动操作研究。 开放知识模型与机器人模块的集成是近年家庭场景研究的主线。OK-Robot 将视觉语言模型、导航原语与抓取原语组合，在 10 个真实家庭中完成开箱取放任务，整体成功率 58.5%、整洁环境下约 82%[1]。HomeRobot 提出开放词汇移动操作（Open-Vocabulary Mobile Manipulation, OVMM）基准，包含仿真环境与面向低成本移动机械臂的真实软件栈，其真实世界成功率约 20%[2]。TidyBot 利用大语言模型的少样本总结能力学习用户收纳偏好，在实测中成功收纳 85.0% 的物体，未见物体的偏好预测准确率为 91.2%[7]。这类工作验证了"开放知识模型 + 模块化机器人栈"路线的可行性，但均限于取放、整理等短时程任务。本文不做单一系统的算法改进，而是将这类系统的可验证指标纳入统一框架，用于刻画功能维度的能力边界。

操作技能学习与数据。 低成本硬件与模仿学习降低了家用操作研究的门槛。ALOHA 提出动作分块变换器（Action Chunking with Transformers, ACT），用约 10 分钟演示即可在精细双臂任务上达到 80%–90% 的成功率[5]；Mobile ALOHA 进一步给出全身遥操作数据采集系统，通过与静态数据联合训练，将移动双臂任务（如烹饪、开关橱柜、乘电梯）的成功率提升至多 90%[4]。Open X-Embodiment 汇集 22 种机器人的跨本体操作数据并训练通用策略，验证了跨平台数据的正向迁移[6]。这类工作回答"技能如何获得"，但演示数据采集与任务定义高度依赖人工。本文的差异在于：不讨论训练算法本身，而是从形态维度分析这类系统的硬件构型（双臂移动平台）及其成本、部署约束对市场供给的影响。

家庭活动基准与仿真。 BEHAVIOR-1K 提出覆盖 1,000 项日常活动的以人为中心的具身智能基准，包含 50 个场景、9,000 多个物体，并支持刚体、可变形体与液体的仿真，实验表明长时程复杂家务对现有方法仍是挑战[3]。基准研究为功能维度提供了任务全集参照，但仿真指标与真实家庭表现存在差距。本文引用该任务全集作为功能分类的依据之一，并在实证部分对照真实环境结果与仿真结果的差距。

社交陪伴与适老化研究。 家用机器人的价值不限于物理作业。针对老年人的居家访谈显示，老年人更偏好机器人的身体协助而非社交替代，并重视自主控制，且个体差异显著影响偏好[8]。对 269 位护理机构管理者的调查表明，业界对类人形机器人用于照护既认可其减负潜力，也担忧成本、技术效果与对人际互动的影响[9]。综述工作梳理了大语言模型在社交辅助机器人中的对话、多模态理解与策略三类挑战及其伦理风险[10]；更早的小规模试验也探索了陪伴型机器人在认知游戏、失智老人陪护中的应用[11,12]。这类工作提供需求侧证据，但较少与物理作业能力结合讨论。本文将其纳入市场维度的需求侧分析，把"用户需要机器人做什么"与"机器人目前能做什么"放在同一框架中对照。

3 分析框架

3.1 问题形式化与符号表

本文将一台（或一类）家用机器人及其市场定位抽象为三元组：

$$R=(F,U,M)$$

其中 $F$ 为形态（Form）集合，$U$ 为功能（Utility/Task）集合，$M$ 为市场（Market）描述子。三者构成产品定位空间中的一个点，分析目标是在可验证证据下刻画该点及其邻域。主要符号如表 1 所示。

表 1：符号表

符号	含义	说明
$R$	家用机器人分析对象	三元组 $(F,U,M)$
$F$	形态集合	硬件构型、移动方式、末端执行器、外形与人机接口
$U$	功能集合	可完成任务的类别， U = { u 1 , u 2 , …   } U = \{u_1, u_2, \dots\} U={u1​,u2​,…}
$M$	市场描述子	$(D,S,I)$：需求侧、供给侧、可核查指标
$D$	需求侧描述子	任务频次、付费意愿、目标人群
$S$	供给侧描述子	硬件成本、可靠性、部署与维护
$I$	可核查指标集	出货量、均价、渗透率等，须有可溯源来源
$s(u)$	功能成功率	文献报告的任务成功率，如取放成功率
$c(F)$	形态约束	该构型带来的能力边界与成本区间

3.2 框架总览

三维框架的组织关系如下所示：需求侧的任务清单先映射到功能集合 $U$，功能再约束可行的形态集合 $F$，形态与功能共同决定供给侧成本 $S$，最终在可核查指标集 $I$ 上与市场表现对照。

+---------------------+      映射       +---------------------+
|  需求侧 D           |  ----------->  |  功能集合 U         |
|  · 任务频次         |               |  · 导航             |
|  · 付费意愿         |               |  · 抓取与放置       |
|  · 目标人群(老人/   |               |  · 整理收纳         |
|    双职工/照护者)   |               |  · 织物处理         |
+---------------------+               |  · 交互陪伴         |
                                      |  · 长时程家务编排   |
                                      +----------+----------+
                                                 |
                                                 |  功能约束形态 c(F)
                                                 v
+---------------------+      决定       +---------------------+
|  可核查指标 I       |  <-----------  |  形态集合 F         |
|  · 出货量/均价      |               |  · 轮式移动+机械臂  |
|  · 渗透率(待填)     |   成本/可靠性  |  · 双臂移动平台     |
|  · 任务成功率 s(u)  |   S = f(F,U)   |  · 类人形           |
+---------------------+               |  · 陪伴型           |
                                      |  · 专职单功能       |
                                      +---------------------+

3.3 形态维度

依据硬件构型与人机接口，本文归纳五类典型形态。

（1）专职单功能型：以扫地机器人为代表，构型为紧凑轮式底盘加专用执行机构（滚刷、抹布、集尘），只覆盖单一任务。其优点是任务确定、成本可控、可靠性高；局限是无法泛化到其他家务。这是目前唯一实现大规模商用的家用机器人形态。

（2）轮式移动 + 单臂型：以低成本移动机械臂为代表，典型研究平台见 HomeRobot 的真实软件栈[2]与 OK-Robot 的家庭部署[1]。构型为轮式底盘、单机械臂、头部视觉。适合取放、整理等单臂可完成的任务；受自由度限制，双臂协调任务（如叠衣物、搬运大件）难以胜任。

（3）双臂移动操作型：以 Mobile ALOHA 为代表，构型为移动底盘加双臂，支持全身遥操作与模仿学习[4,5]。该形态覆盖双手协调任务，如烹饪辅助、开关橱柜；但演示数据采集成本高，整机成本与体积目前高于消费者预期（具体成本区间本文未取得可核实来源，见 4.4 节）。

（4）类人形（Humanoid）型：双足或轮足人形构型，强调在为人设计的环境中作业（楼梯、标准台面、门把手）。产业界有多个研发计划，但截至本文写作，未检索到可验证的大规模家庭部署数据。对 269 位护理机构管理者的调查显示，该形态在照护场景中的接受度与成本担忧并存[9]。

（5）陪伴交互型：构型以语音、表情屏、简单运动为主（如桌面型、宠物型），不强调物理作业。技术焦点是对话与情感计算[10]，已有小规模试验用于失智老人陪护[12]与认知游戏[11]。需求侧证据显示，老年人并不偏好机器人替代人际陪伴，而更看重身体协助[8]，这一定位与形态设计之间存在值得注意的错位。

3.4 功能维度

功能集合 $U$ 按任务性质分为六类。各类的代表任务与当前可验证能力（以文献报告的成功率 $s(u)$ 为据）如下。

功能类别	代表任务	当前可验证能力（详见表 3）
$u_1$ 室内导航	房间间移动、找物体	与开放知识模型结合已有真实家庭验证[1]
$u_2$ 抓取与放置	取物、放物、开箱	真实家庭开箱取放 58.5%（整洁环境约 82%）[1]
$u_3$ 整理收纳	房间整理、按偏好归位	个性化整理实测收纳 85.0%[7]
$u_4$ 织物与可变形体处理	叠衣、铺床	仿真基准列为挑战任务[3]，真实环境成熟方案未见可验证报告
$u_5$ 交互陪伴	对话、提醒、情感支持	技术综述给出三类挑战[10]，用户需求以身体协助为主[8]
$u_6$ 长时程家务编排	多房间、多步骤任务链	BEHAVIOR-1K 表明现有方法仍具挑战[3]

需要强调的是，$u_4$ 与 $u_6$ 是"看起来简单、实际最难"的类别：织物处理涉及可变形体感知与操作，长时程编排涉及失败恢复与状态记忆，二者在真实家庭中均缺乏可验证的成功率数据，本文不做推测。

3.5 市场维度与可核查指标

市场描述子 $M=(D,S,I)$ 的分析遵循一条原则：区分"需求证据""供给约束"与"市场数值"三类信息，其中市场数值必须有可溯源的公开来源，否则标注 [市场数据待填]。

• 需求侧 $D$：可用经验证据包括任务偏好访谈（老年人偏好身体协助、重视自主控制[8]）与机构管理者调查（认可减负潜力、担忧成本与人际影响[9]）。这些证据说明真实需求偏向"减轻体力负担"而非"替代陪伴"。
• 供给侧 $S$：硬件成本 $c(F)$ 随形态复杂度上升；数据采集与维护成本是双臂/类人形形态的隐性成本[4]。可靠性约束包括家庭环境的长尾物体与安全要求。
• 可核查指标 $I$：出货量、均价、渗透率、任务成功率等。其中任务成功率可由文献提供（表 3），出货量与渗透率等商业数据须引用行业报告原文核对后填入，本文一律留空。

市场分析的可核查链路：

  [需求证据]          [供给约束]           [市场数值]
  访谈[8]            硬件成本 c(F)        出货量/均价
  调查[9]            数据采集成本[4]      渗透率
  综述[10]     --->  可靠性/安全要求 ---> [市场数据待填]
                                        （须附来源与日期）
       |                                        |
       +-------- 交叉验证：需求是否匹配 U -------+

4 实证与案例分析

4.1 数据来源与分析方法

本文的证据来自两部分。第一部分是公开学术文献：检索 arXiv 与相关会议论文，纳入标准为（a）任务场景为家庭或居家环境，（b）报告可验证的定量指标或用户研究结果，（c）元数据（标题、作者、ID）可在 arXiv 摘要页逐一核对。第二部分是市场数据：由于本文未能取得可溯源的行业统计原文，市场规模、出货量、均价等一律以 [市场数据待填] 标注，并在附录 B 给出填入口径。所有引用的定量指标均可回溯至摘要页公开数值，检索与核对时间为 2026 年 10 月。

4.2 能力现状：可验证的定量结果

表 3 汇总本文核实过的实证结果。不同论文的任务定义、环境与评价协议不同，成功率不可直接横向比较，此处并列用于刻画量级，而非排名。

表 3：家用机器人代表工作的可验证实证结果

系统 / 基准	形态 $F$	功能 $U$	关键结果 $s(u)$	来源
OK-Robot	轮式移动 + 单臂	$u_1,u_2$	10 户真实家庭开箱取放成功率 58.5%（整洁环境约 82%）	[1]
HomeRobot OVMM	轮式移动 + 单臂	$u_1,u_2$	开放词汇移动操作真实世界成功率约 20%	[2]
TidyBot	移动机械臂	$u_3$	实测收纳 85.0% 物体；未见物体偏好预测准确率 91.2%	[7]
ALOHA（ACT）	双臂桌面	$u_2$	约 10 分钟演示下精细双臂任务成功率 80%–90%	[5]
Mobile ALOHA	双臂移动平台	$u_2,u_6$	联合训练后移动双臂任务成功率提升至多 90%	[4]
BEHAVIOR-1K	—（仿真基准）	$u_4,u_6$	1,000 项日常活动；现有方法在长时程复杂任务上仍表现不足	[3]

从表 3 可以读出三点。其一，结构化、短时程任务（单物体取放、整理）的真实环境成功率已进入可用区间（约 58%–85%）。其二，任务一旦涉及开放词汇、杂乱环境或长时程，成功率显著下降（约 20%）[2]，仿真基准上的表现也印证了这一差距[3]。其三，演示学习在受限任务上可达 80%–90%[4,5]，但这些结果建立在受控演示与联合训练之上，不等于无人值守的家庭部署水平。

4.3 形态—功能适配分析

将表 3 映射到 3.3 节的形态分类，可以得到如下适配关系（"●"表示有可验证证据，"○"表示理论可行但缺少可验证结果）：

形态 \ 功能	$u_1$ 导航	$u_2$ 抓取放置	$u_3$ 整理	$u_4$ 织物	$u_5$ 陪伴	$u_6$ 长时程编排
专职单功能型	○（限既定路线）	○	○	○	○	○
轮式移动 + 单臂	● [1,2]	● [1]	● [7]	○	○	○
双臂移动操作型	● [4]	● [4,5]	○	○	○	○（受控演示下有证据）[4]
类人形	○	○	○	○	○	○
陪伴交互型	○	○	○	○	● [10,11,12]	○

适配矩阵揭示两个结构性问题。第一，证据密度集中在"轮式移动 + 单臂"形态，说明当前研究红利在这一构型上兑现最充分；类人形形态在文献中缺少家庭环境的定量证据，其叙事与可验证能力之间存在缺口。第二，$u_4$（织物处理）与 $u_6$（长时程编排）整列缺乏真实环境的可验证结果，是功能覆盖上最明显的空白，也是家用机器人从"演示片"走向"日常工具"必须跨越的门槛。

4.4 市场分析

在 3.5 节的指标体系下，本文给出市场分析的结构与填入口径，不填充未核实数值。

表 5：家用机器人市场指标（数值待核实）

指标	口径定义	数据要求	当前值
出货量（专职单功能型）	年度全球/分区域出货台数	行业报告原文，注明年份	[市场数据待填]
均价（专职单功能型）	零售价加权均值	同上	[市场数据待填]
出货量（移动操作/类人形家用型）	限定"面向家庭销售"口径	同上；多数产品尚处研发或试点阶段	[市场数据待填]
家庭渗透率	拥有至少一台家用机器人的家庭比例	需注明统计地域	[市场数据待填]
任务成功率（实测）	真实家庭、无人值守条件	可由文献提供（表 3）	约 20%–85%，视任务而定[1,2,7]

基于可验证的技术证据与需求证据，本文做出以下定性判断（非数值预测）：

1. 近期（1–3 年）：市场仍以专职单功能型为主。理由是该形态唯一同时满足可靠性、成本与单任务价值三条约束；移动操作型在此期间以试点、开发者与机构采购为主，难以形成消费者规模。
2. 中期（3–7 年）：若 $u_2$、$u_3$ 类任务在真实家庭的成功率稳定越过约 85%–90% 区间（当前最好结果约 85.0%[7]、58.5%[1]），"轮式移动 + 单臂"形态有望进入高端消费市场；能否跨越取决于杂乱环境与长尾物体的鲁棒性，而非实验室峰值指标。
3. 长期不确定性：类人形形态的成本—收益尚无家庭部署证据支撑，其价值主张需要 $u_4$、$u_6$ 的真实环境验证来支撑。需求侧证据[8]提示，"陪伴替代"类定位与真实用户偏好存在错位，产品定义应优先考虑身体协助类功能。

4.5 局限

本文的局限有三。第一，技术指标来自不同论文，任务定义与评价协议不统一，成功率不可横向排名，只反映量级。第二，市场量化数据全部留空：本文未取得可溯源的行业统计原文，按红线要求不做估算与推测，这使得市场章节只能提供结构而不能给出结论性数字。第三，检索以 arXiv 及公开论文为主，产业界的内部数据、专利与供应链信息未纳入，可能低估非公开发表的工程进展。

5 Discussion

成因分析。 为什么结构化取放已经可用、而长时程家务仍不可用？从证据看，瓶颈不在单点技能而在三处：（1）家庭环境的开放性——物体类别、摆放、光照的长尾分布远超训练分布，OK-Robot 的整洁/杂乱成功率差距（约 82% 对 58.5%）直接量化了这一点[1]；（2）可变形体与液体处理缺乏可靠仿真与感知，BEHAVIOR-1K 将其列为核心挑战[3]；（3）失败恢复与状态记忆——长时程任务要求机器人在出错后继续，而这在现有评测中很少被测。

适用边界。 本框架适用于以家庭为场景的服务机器人分析；对工业、医疗、物流机器人不直接适用。3.4 节的功能分类针对"为人设计的家居环境"，若场景扩展到庭院、车库，分类需增补。框架中市场维度的定性判断以技术证据为条件（如"成功率稳定越过约 85%–90%"），若技术进展超出该条件，判断需相应修订。

伦理与社会影响。 三点需要正视。其一，家用机器人持续感知家庭内部（含影像与语音），隐私与数据安全是部署的前提而非附加项；已有研究提示机器人感知系统可能泄露任务无关的隐私信息[13]。其二，照护场景中机器人对人际互动的替代效应被从业者明确担忧[9]，产品设计应以"增强照护者能力"而非"替代照护者"为定位，且应保留用户自主控制[8]。其三，家务劳动的自动化会改变家庭内部的劳动分工与就业结构，其分配效应需要在产品与政策层面同步研究。

6 Conclusion

本文提出"形态—功能—市场"三维分析框架，用统一口径讨论家用机器人。在可验证证据范围内，本文得到的结论是：（1）当前真实家庭环境的定量能力集中在短时程结构化任务，取放成功率约 58.5%、整理约 85.0%、开放词汇移动操作约 20%，量级差距显著；（2）证据密度集中于"轮式移动 + 单臂"形态，类人形形态缺少家庭环境的可验证结果；（3）织物处理与长时程家务编排是功能覆盖的共同空白；（4）需求侧证据指向身体协助类功能，而非陪伴替代。市场量化指标因缺乏可溯源来源，本文一律标注待填，未做任何估算。

未来工作具体如下：第一，按附录 B 的口径补齐市场数据（出货量、均价、渗透率），与表 5 对照后可将定性判断升级为定量结论；第二，建立统一评测协议，在真实家庭、无人值守条件下对 $u_1$–$u_6$ 六类功能分别评测，使不同系统成功率可比；第三，针对 $u_4$、$u_6$ 的空白，开展可变形体操作与失败恢复的专项研究，并将结果纳入本框架的能力表；第四，复核类人形形态的家庭部署试点，用一手数据检验 4.4 节的中期判断。

References

[1] Liu P, Orru Y, Vakil J, Paxton C, Shafiullah N M, Pinto L. OK-Robot: What Really Matters in Integrating Open-Knowledge Models for Robotics. arXiv:2401.12202, 2024. （元数据经 arXiv 摘要页核对）

[2] Yenamandra S, Ramachandran A, Yadav K, et al. HomeRobot: Open-Vocabulary Mobile Manipulation. arXiv:2306.11565, 2023. （元数据经 arXiv 摘要页核对）

[3] Li C, Zhang R, Wong J, et al. BEHAVIOR-1K: A Human-Centered, Embodied AI Benchmark with 1,000 Everyday Activities and Realistic Simulation. arXiv:2403.09227, 2024. （元数据经 arXiv 摘要页核对）

[4] Fu Z, Zhao T Z, Finn C. Mobile ALOHA: Learning Bimanual Mobile Manipulation with Low-Cost Whole-Body Teleoperation. arXiv:2401.02117, 2024. （元数据经 arXiv 摘要页核对）

[5] Zhao T Z, et al. Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware. arXiv:2304.13705, 2023. （第一作者经 arXiv 摘要页核对，其余作者从略）

[6] Open X-Embodiment Collaboration. Open X-Embodiment: Robotic Learning Datasets and RT-X Models. arXiv:2310.08864, 2023. （元数据经 arXiv 摘要页核对；作者团队规模较大，以协作组署名）

[7] Wu J, Antonova R, Kan A, et al. TidyBot: Personalized Robot Assistance with Large Language Models. arXiv:2305.05658, 2023. （元数据经 arXiv 摘要页核对）

[8] Ajaykumar G. Older Adults’ Task Preferences for Robot Assistance in the Home. arXiv:2302.12686, 2023. （元数据经 arXiv 检索页核对）

[9] Imtiaz R, Khan A. Perceptions of Humanoid Robots in Caregiving: A Study of Skilled Nursing Home and Long Term Care Administrators. arXiv:2401.02105, 2024. （元数据经 arXiv 摘要页核对）

[10] Shi Z, et al. How Can Large Language Models Enable Better Socially Assistive Human-Robot Interaction: A Brief Survey. arXiv:2404.00938, 2024. （元数据经 arXiv 摘要页核对；AAAI Symposium Series 2024）

[11] Churamani N, et al. An Affective Robot Companion for Assisting the Elderly in a Cognitive Game Scenario. arXiv:1807.09825, 2018. （元数据经 arXiv 检索页核对）

[12] Abdollahi H, et al. A Pilot Study on Using an Intelligent Life-like Robot as a Companion for Elderly Individuals with Dementia and Depression. arXiv:1712.02881, 2017. （元数据经 arXiv 检索页核对）

[13] Xu Y, et al. Seeing Less Is Not Seeing Safely: Privacy Leakage from Task-Scoped Robot Perception Exports. arXiv:2609.03055, 2026. （元数据经 arXiv 检索页核对；仅用于第 5 节隐私讨论的一般性提示）

注：以上引用均标注 arXiv ID 以便逐一复核；本文未使用任何无法核实的 DOI、页码或机构信息。

Appendix

A 补充说明：本文引用的定量指标与其原始出处

数值	含义	出处
58.5%	OK-Robot 在 10 个真实家庭的开箱取放整体成功率	[1]
约 82%	OK-Robot 在整洁环境下的成功率	[1]
约 20%	HomeRobot OVMM 真实世界成功率	[2]
85.0%	TidyBot 实测收纳物体比例	[7]
91.2%	TidyBot 对未见物体的偏好预测准确率	[7]
80%–90%	ALOHA/ACT 精细双臂任务成功率（约 10 分钟演示）	[5]
至多 90%	Mobile ALOHA 联合训练后部分任务成功率	[4]
1,000 / 50 / 9,000+	BEHAVIOR-1K 活动数 / 场景数 / 物体数	[3]
22 种 / 527 技能	Open X-Embodiment 覆盖的机器人数 / 技能数	[6]
269 位	护理机构管理者调查样本量	[9]

B 市场数据填入口径

后续补全表 5 时应遵循：（1）每项数值必须附来源名称、报告全称、发布年份与访问日期；（2）区分"出货量"与"销量"、“全球"与"分区域”；（3）移动操作/类人形家用型须注明"面向家庭销售"口径，排除研发、展示与机构采购（除非单列）；（4）任何估算须标注方法与假设，不得与实测数据混排。

C 文献检索记录

• 检索时间：2026 年 10 月 29 日。
• 检索入口：arXiv（含 arXiv 检索接口与 arxiv.org 检索页）。
• 主要检索词：household robot、home robot、domestic robot manipulation、companion robot elderly、home service mobile manipulation 等。
• 纳入标准见 4.1 节；引用 [1]–[7] 经 arXiv 摘要页逐篇核对，[8]、[11]、[12]、[13] 经 arXiv 检索页元数据核对。