2035 年前，具备广泛自主能力的家庭机器人能否规模化普及？

作者于2026-11-01要求处理上线后遗留的审核措辞：移除支持、反对与更新信号段落中的候选/待审核前缀，澄清更新信号不是已发生的概率修订。仅编辑表述；不增加科学结论，不改变判定合同、初始概率、发布时间或原始快照。

{"prediction_id":"0007","at":"2026-11-01T15:50:09.006Z","field":"body","before":"**English Title:** Will broadly autonomous household robots reach ordinary homes at scale by 2035?\n\n## Probability Rationale\n\n我认为到 2035 年，家庭机器人的自主任务能力很可能明显提高，但可靠性、安全、成本、维护和实际进入至少一百万活跃家庭的规模要求仍构成重大挑战，因此完整合同成功的概率低于一半。\n\n## Supporting Evidence\n\n*候选支持分析，待作者审核。* [Physical Intelligence 的π0.5研究](https://www.pi.website/blog/pi05) 报告了在未见家庭环境执行多类任务的结果，并明确承认系统尚不完美。这支持“跨家庭泛化可以被研究和测量”，不证明产品已普及。[BEHAVIOR-1K](https://arxiv.org/abs/2403.09227) 用大量家庭活动组织长时序操作任务，可帮助预先限定家务范围。\n\n编辑的推断是：如果通用语言理解与身体操作的泛化能够结合，家用产品可能从单一清洁设备扩展为跨任务助手；从研究样机到普通家庭仍是另一条证据链。\n\n## Counterarguments\n\n*候选反对分析，待作者审核。* 抓取软物体、处理液体、识别危险与从失败中恢复，都比一段剪辑视频更难。家庭分布差异会放大罕见事故；远程人工可能被包装成自主性，且服务成本会随使用增长。模拟成绩无法代替真实交付，出货数也无法代替活跃家庭数。\n\n售后、隐私和保险可能使已经“能做”的产品仍不值得普通家庭购买。即使2030年已出现AGI，2035年的实体部署也不必成功；反过来，2030年未达标不妨碍2035年首次出现合格能力。\n\n## What Would Change My Mind?\n\n*候选更新触发条件，待作者审核。* 独立消费者研究在随机家庭长期记录低干预、多任务成功与可承担的总成本，会支持上调；售后与遥操作工时过高、续订率低、重复安全事件或销量仅来自测试机构，会支持下调。此处不填入概率或虚构修订日志。\n\n## Approved Resolution Contract\n\n到2035年底，能够独立通过多类真实家务测试的实体家庭机器人，在普通消费市场形成至少100万户经审计的持续活跃使用，并满足明示的可购买/租赁、价格和服务条件。推荐独立于完整AGI认证判定，不要求人形；允许披露依赖的云端推理。\n\n1. 具有实体操作的同一通用产品家族，通过下述整理取放、表面清洁、衣物处理三类各三任务；每个计入用户规模的家族均有对应版本能力证据，不把专用家电拼成通用产品。\n2. 每家族在≥200个未用于开发的真实家庭独立测试90日，每个30日段按固定计划实施九任务；按家庭等权、三任务等权，各类及总体首次自主成功率均≥80%，接管/补步骤/物理救场/未完成计失败。\n3. 全球≥100万去重活跃家庭，在同一90日窗口的每个30日段至少8日完成合格自主实体家务；同户多设备、多账号、多品牌、搬家重复不重复计。\n4. 无控制从属的独立审计方交叉查交付/退货/激活、主要居所去重和任务/远程人工日志；无法证明跨品牌去重时，只取最大已审计家族或可证明互斥子集，不把不明重叠户数相加；抽样核验的保守95%下界须≥100万。\n5. 至少两个国家或独立地区真实合法消费市场有交付和本地服务；至少一个市场公开面向普通消费者供应，首年全部必要成本≤该地最近完整年度官方家庭可支配年收入中位数50%，不只算首付。\n6. 符合适用产品/隐私要求，有急停、维护维修、风险和严重事故/召回审计，无未解决的强制停用或禁售令；核心自主能力不能主要靠现场或远程人员执行。\n\n**No:** 到V完成固定监管、独立家庭试验、交付活跃及费用证据复核，没有任何可核验产品集合同时满足六项则No。缺审计的百万宣传、预售出货或主要靠遥操作不能成功，也不因销量保密永久N/A。\n\n## What Does NOT Count?\n\n- 纯软件助手、单任务家电或互不相关专用设备拼接\n- 主要遥操作、逐步指挥、物理救场\n- 预售/库存/未激活出货当活跃家庭\n- 从单一强原型给所有售出版本能力背书\n\n## Independent Verification\n\n固定来源类别为产品实际销售市场的政府监管/召回公告、上市披露或受独立审计的交付账、家庭任务试验原始报告、受托独立活跃/去重审计、对应官方收入统计及真实公开收费/消费者账单。列每家族版本与六条证据映射；审计方依法受控查原始记录，公开分母、抽样/去重、失败/缺失、人操占比和利益冲突，不公开家庭身份。V前30日公开候选/排除理由接受异议，V前材料封存；营销视频与厂商新闻稿仅作线索。\n\n全部能力、200家90日试验、百万户同一90日活跃、交付价格服务事实须T前完成。V只允许核查T前记录与冻结版本，不能用2036新交付、使用天数或能力升级补足。\n\n**限定不可判定/取消：** 仅依冻结共同规则，原本合格保存的数据后来不可抗力/法律禁令客观毁失、重大合格证据冲突无法消解或不可预见口径失效，才经独立书面审核公开理由列不可判定并排除Brier。普通公司保密、拒审、没有保存日志、用户不活跃或价格太高通常是无合格事件，V末No。\n\n## Thresholds and Operational Protocol\n\n### 三类×三任务；≥200陌生家庭/90日/各类及总体≥80%\n\n用目的与操作不同的真实家务区分单用途家电，按三段观察持续可靠性；200提供跨家庭覆盖，80%为有用但非完美自主性候选，不是总体可靠性的公认下界。\n\n九项任务各有可观察目标和失败记录，每段均测；家庭/任务类等权，报告95%家庭聚类区间但不暗加区间下界80%的新要求。\n\n### ≥100万户；90日中每30日≥8个活跃日\n\n区分展示、库存与规模常用；每月约每周两日的任务活动，100万是明确社会规模约定，不是普及率或科学常数。\n\n有限去重家庭母表和已交付/实际成功任务日志可做全量审计或随机抽样下界；不明跨品牌重叠不合并，给出保守可证计数。当前未取得百万合格用户证据，不能把可行路径写成已核实规模。\n\n### 至少两市场；一地首年全成本≤收入中位50%\n\n约束常规消费者可得和高价特供；50%仍是很高的资本支出上限，不表示人人可负担或多数家庭拥有。\n\n成本含设备/租赁、强制订阅、安装、必需维护与付费人操；匹配同地区官方家庭年可支配收入中位数，不以平均或贷款摊薄替代。无可审计分母的市场不计入费用达标。\n\n### 180日核验\n\n给予账务和日志审计时间而不增加发展期；2036闰年故截止为06-28。\n\n审计可晚发，但明示日志数据截至T，活跃三段均在T前。\n\n### 九个家务目标及成功判据\n\n整理取放：①把混杂日用品按预先给出的真实存放规则分类归位；②跨房间找到并取回指定物品，处理普通遮挡/门柜而不由人摆到抓取位；③把采购物按冷藏/常温/易碎及空间约束妥善存放。表面清洁：④清除实际地面碎屑及家具边缘可达区域；⑤擦除桌台常见污渍/洒液，收拾清洁工具并不损坏表面；⑥清洗使用后的餐具并放入沥水/收纳位置，无需处理明火、锐器或危险化学品。衣物处理：⑦按护理要求分拣并装入/启动合适洗衣流程；⑧把湿衣物正确晾挂；⑨把干衣折叠并归入指定位置。每目标均由独立评测方在见候选成绩前固定输入物清单、应达到状态、可接受清洁/摆放检查、普通住户实际完成期限和损坏/安全否决；各产品面对同一实例用同一目标/期限。不能以换三种物体的相同动作充当三任务，也不能在模型失败后减负荷或延时。具体物品和房间保持陌生随机变化，基于家庭真实需求而非厂商预摆样板。\n\n### 200家庭确认性测试\n\n在已销售的两个市场按住房布局/住户构成分层，从无开发使用史、无开发者雇员关系的实际家庭独立招募，固定完整≥200户队列，两市场均须覆盖。三段各30日，每户每段九目标各至少一次；标准用户安装和普通目标指令允许，逐步解法、现场摆正、远程接管或超时均记0，退出/缺失按预计划失败计，不从队列删除。先算每户每类三目标全部预计划首试的成功比例，再对家庭等权，各类及总类平均≥80%；披露每户/每类分布及按家庭聚类的95%区间。九任务各类不被一个大量重复易任务淹没。两市场和家庭数量是覆盖要求，不声称全国概率样本或精确人口功效。\n\n### 百万活跃的有限母表和保守计数\n\n先建立已交付、未退货、真实主要居所的家庭母表，居住单元内多账号/多设备合一；搬家、跨品牌及跨境重复由独立审计方在合法受控环境匹配，公开字段/去重/误差而不公开地址身份。保留设备版本、目标/传感器/物理结果、日戳、人工控制会话及失败日志；只有与已通过能力家族匹配、当日确实完成合格自主家务者算活跃日。全量可信数据可直接给可证下界；否则先冻结去重母表，用随机无放回家庭样本核对完整90日记录，所有未核实者当不合格，按有限总体超几何分布反演给单侧95%合格户数下界。使用多个互斥分层时，对各层下界作事前多重性校正保证合计95%覆盖。不明品牌重叠不能相加：无统一去重时只用最大已审计家族，或只加能证明互不重叠的主要居所子集。抽样记录中的遥操作、虚假成功或同户重复均降低下界。没有合法可审计日志则该集合不能达标，到V无其他集合为No，不把隐私当免验证理由。\n\n### 普通消费与安全服务\n\n以公开可成交的常规销售/租赁条款及实际账单核对首年成本，不计私人邀请或对极少富人特供优惠。官方最近完整年度收入需同市场同住户定义与币值，中位数未公开不能换平均数；可选择其他有合格数据的真实市场。云端成本和所需付费人操纳入账单，人操任务本身不计自主。安全依据当地已适用的产品合规、隐私、召回与强制停用要求，记录急停/维修渠道、停服、任务暴露和严重事件；不新增无依据的零事故或全民可负担门槛。无售后、无真实交付、依法禁用或必要合规材料缺失均不能计入合格产品家族。\n\n## Evidence Sources\n\n- [π0.5原研究：家庭泛化基线](https://www.pi.website/blog/pi05)\n- [BEHAVIOR-1K：任务范围基线](https://arxiv.org/abs/2403.09227)\n- [Figure Helix2.5：厂商陌生家庭自述](https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization)\n- [1X官方NEO能力及远程支持边界](https://www.1x.tech/order)\n- [IFR服务机器人统计入口：销量不是活跃家庭](https://ifr.org/pages/)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0007-R1\n\n**Contract SHA-256:** cf722699e23e818424cb0eac578546b36c8b70e114e7ce5a746a5cd7578202dd\n","after":"**English Title:** Will broadly autonomous household robots reach ordinary homes at scale by 2035?\n\n## Probability Rationale\n\n我认为到 2035 年，家庭机器人的自主任务能力很可能明显提高，但可靠性、安全、成本、维护和实际进入至少一百万活跃家庭的规模要求仍构成重大挑战，因此完整合同成功的概率低于一半。\n\n## Supporting Evidence\n\n[Physical Intelligence 的π0.5研究](https://www.pi.website/blog/pi05) 报告了在未见家庭环境执行多类任务的结果，并明确承认系统尚不完美。这支持“跨家庭泛化可以被研究和测量”，不证明产品已普及。[BEHAVIOR-1K](https://arxiv.org/abs/2403.09227) 用大量家庭活动组织长时序操作任务，可帮助预先限定家务范围。\n\n编辑的推断是：如果通用语言理解与身体操作的泛化能够结合，家用产品可能从单一清洁设备扩展为跨任务助手；从研究样机到普通家庭仍是另一条证据链。\n\n## Counterarguments\n\n抓取软物体、处理液体、识别危险与从失败中恢复，都比一段剪辑视频更难。家庭分布差异会放大罕见事故；远程人工可能被包装成自主性，且服务成本会随使用增长。模拟成绩无法代替真实交付，出货数也无法代替活跃家庭数。\n\n售后、隐私和保险可能使已经“能做”的产品仍不值得普通家庭购买。即使2030年已出现AGI，2035年的实体部署也不必成功；反过来，2030年未达标不妨碍2035年首次出现合格能力。\n\n## What Would Change My Mind?\n\n独立消费者研究在随机家庭长期记录低干预、多任务成功与可承担的总成本，会支持上调；售后与遥操作工时过高、续订率低、重复安全事件或销量仅来自测试机构，会支持下调。这些观察用于未来判断，不代表已经发生概率修订。\n\n## Approved Resolution Contract\n\n到2035年底，能够独立通过多类真实家务测试的实体家庭机器人，在普通消费市场形成至少100万户经审计的持续活跃使用，并满足明示的可购买/租赁、价格和服务条件。推荐独立于完整AGI认证判定，不要求人形；允许披露依赖的云端推理。\n\n1. 具有实体操作的同一通用产品家族，通过下述整理取放、表面清洁、衣物处理三类各三任务；每个计入用户规模的家族均有对应版本能力证据，不把专用家电拼成通用产品。\n2. 每家族在≥200个未用于开发的真实家庭独立测试90日，每个30日段按固定计划实施九任务；按家庭等权、三任务等权，各类及总体首次自主成功率均≥80%，接管/补步骤/物理救场/未完成计失败。\n3. 全球≥100万去重活跃家庭，在同一90日窗口的每个30日段至少8日完成合格自主实体家务；同户多设备、多账号、多品牌、搬家重复不重复计。\n4. 无控制从属的独立审计方交叉查交付/退货/激活、主要居所去重和任务/远程人工日志；无法证明跨品牌去重时，只取最大已审计家族或可证明互斥子集，不把不明重叠户数相加；抽样核验的保守95%下界须≥100万。\n5. 至少两个国家或独立地区真实合法消费市场有交付和本地服务；至少一个市场公开面向普通消费者供应，首年全部必要成本≤该地最近完整年度官方家庭可支配年收入中位数50%，不只算首付。\n6. 符合适用产品/隐私要求，有急停、维护维修、风险和严重事故/召回审计，无未解决的强制停用或禁售令；核心自主能力不能主要靠现场或远程人员执行。\n\n**No:** 到V完成固定监管、独立家庭试验、交付活跃及费用证据复核，没有任何可核验产品集合同时满足六项则No。缺审计的百万宣传、预售出货或主要靠遥操作不能成功，也不因销量保密永久N/A。\n\n## What Does NOT Count?\n\n- 纯软件助手、单任务家电或互不相关专用设备拼接\n- 主要遥操作、逐步指挥、物理救场\n- 预售/库存/未激活出货当活跃家庭\n- 从单一强原型给所有售出版本能力背书\n\n## Independent Verification\n\n固定来源类别为产品实际销售市场的政府监管/召回公告、上市披露或受独立审计的交付账、家庭任务试验原始报告、受托独立活跃/去重审计、对应官方收入统计及真实公开收费/消费者账单。列每家族版本与六条证据映射；审计方依法受控查原始记录，公开分母、抽样/去重、失败/缺失、人操占比和利益冲突，不公开家庭身份。V前30日公开候选/排除理由接受异议，V前材料封存；营销视频与厂商新闻稿仅作线索。\n\n全部能力、200家90日试验、百万户同一90日活跃、交付价格服务事实须T前完成。V只允许核查T前记录与冻结版本，不能用2036新交付、使用天数或能力升级补足。\n\n**限定不可判定/取消：** 仅依冻结共同规则，原本合格保存的数据后来不可抗力/法律禁令客观毁失、重大合格证据冲突无法消解或不可预见口径失效，才经独立书面审核公开理由列不可判定并排除Brier。普通公司保密、拒审、没有保存日志、用户不活跃或价格太高通常是无合格事件，V末No。\n\n## Thresholds and Operational Protocol\n\n### 三类×三任务；≥200陌生家庭/90日/各类及总体≥80%\n\n用目的与操作不同的真实家务区分单用途家电，按三段观察持续可靠性；200提供跨家庭覆盖，80%为有用但非完美自主性候选，不是总体可靠性的公认下界。\n\n九项任务各有可观察目标和失败记录，每段均测；家庭/任务类等权，报告95%家庭聚类区间但不暗加区间下界80%的新要求。\n\n### ≥100万户；90日中每30日≥8个活跃日\n\n区分展示、库存与规模常用；每月约每周两日的任务活动，100万是明确社会规模约定，不是普及率或科学常数。\n\n有限去重家庭母表和已交付/实际成功任务日志可做全量审计或随机抽样下界；不明跨品牌重叠不合并，给出保守可证计数。当前未取得百万合格用户证据，不能把可行路径写成已核实规模。\n\n### 至少两市场；一地首年全成本≤收入中位50%\n\n约束常规消费者可得和高价特供；50%仍是很高的资本支出上限，不表示人人可负担或多数家庭拥有。\n\n成本含设备/租赁、强制订阅、安装、必需维护与付费人操；匹配同地区官方家庭年可支配收入中位数，不以平均或贷款摊薄替代。无可审计分母的市场不计入费用达标。\n\n### 180日核验\n\n给予账务和日志审计时间而不增加发展期；2036闰年故截止为06-28。\n\n审计可晚发，但明示日志数据截至T，活跃三段均在T前。\n\n### 九个家务目标及成功判据\n\n整理取放：①把混杂日用品按预先给出的真实存放规则分类归位；②跨房间找到并取回指定物品，处理普通遮挡/门柜而不由人摆到抓取位；③把采购物按冷藏/常温/易碎及空间约束妥善存放。表面清洁：④清除实际地面碎屑及家具边缘可达区域；⑤擦除桌台常见污渍/洒液，收拾清洁工具并不损坏表面；⑥清洗使用后的餐具并放入沥水/收纳位置，无需处理明火、锐器或危险化学品。衣物处理：⑦按护理要求分拣并装入/启动合适洗衣流程；⑧把湿衣物正确晾挂；⑨把干衣折叠并归入指定位置。每目标均由独立评测方在见候选成绩前固定输入物清单、应达到状态、可接受清洁/摆放检查、普通住户实际完成期限和损坏/安全否决；各产品面对同一实例用同一目标/期限。不能以换三种物体的相同动作充当三任务，也不能在模型失败后减负荷或延时。具体物品和房间保持陌生随机变化，基于家庭真实需求而非厂商预摆样板。\n\n### 200家庭确认性测试\n\n在已销售的两个市场按住房布局/住户构成分层，从无开发使用史、无开发者雇员关系的实际家庭独立招募，固定完整≥200户队列，两市场均须覆盖。三段各30日，每户每段九目标各至少一次；标准用户安装和普通目标指令允许，逐步解法、现场摆正、远程接管或超时均记0，退出/缺失按预计划失败计，不从队列删除。先算每户每类三目标全部预计划首试的成功比例，再对家庭等权，各类及总类平均≥80%；披露每户/每类分布及按家庭聚类的95%区间。九任务各类不被一个大量重复易任务淹没。两市场和家庭数量是覆盖要求，不声称全国概率样本或精确人口功效。\n\n### 百万活跃的有限母表和保守计数\n\n先建立已交付、未退货、真实主要居所的家庭母表，居住单元内多账号/多设备合一；搬家、跨品牌及跨境重复由独立审计方在合法受控环境匹配，公开字段/去重/误差而不公开地址身份。保留设备版本、目标/传感器/物理结果、日戳、人工控制会话及失败日志；只有与已通过能力家族匹配、当日确实完成合格自主家务者算活跃日。全量可信数据可直接给可证下界；否则先冻结去重母表，用随机无放回家庭样本核对完整90日记录，所有未核实者当不合格，按有限总体超几何分布反演给单侧95%合格户数下界。使用多个互斥分层时，对各层下界作事前多重性校正保证合计95%覆盖。不明品牌重叠不能相加：无统一去重时只用最大已审计家族，或只加能证明互不重叠的主要居所子集。抽样记录中的遥操作、虚假成功或同户重复均降低下界。没有合法可审计日志则该集合不能达标，到V无其他集合为No，不把隐私当免验证理由。\n\n### 普通消费与安全服务\n\n以公开可成交的常规销售/租赁条款及实际账单核对首年成本，不计私人邀请或对极少富人特供优惠。官方最近完整年度收入需同市场同住户定义与币值，中位数未公开不能换平均数；可选择其他有合格数据的真实市场。云端成本和所需付费人操纳入账单，人操任务本身不计自主。安全依据当地已适用的产品合规、隐私、召回与强制停用要求，记录急停/维修渠道、停服、任务暴露和严重事件；不新增无依据的零事故或全民可负担门槛。无售后、无真实交付、依法禁用或必要合规材料缺失均不能计入合格产品家族。\n\n## Evidence Sources\n\n- [π0.5原研究：家庭泛化基线](https://www.pi.website/blog/pi05)\n- [BEHAVIOR-1K：任务范围基线](https://arxiv.org/abs/2403.09227)\n- [Figure Helix2.5：厂商陌生家庭自述](https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization)\n- [1X官方NEO能力及远程支持边界](https://www.1x.tech/order)\n- [IFR服务机器人统计入口：销量不是活跃家庭](https://ifr.org/pages/)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0007-R1\n\n**Contract SHA-256:** cf722699e23e818424cb0eac578546b36c8b70e114e7ce5a746a5cd7578202dd\n","reason":"作者于2026-11-01要求处理上线后遗留的审核措辞：移除支持、反对与更新信号段落中的候选/待审核前缀，澄清更新信号不是已发生的概率修订。仅编辑表述；不增加科学结论，不改变判定合同、初始概率、发布时间或原始快照。"}

{"prediction_id":"0007","registered_at":"2026-10-27T03:59:31.796Z","original":{"prediction_id":"0007","title":"2035 年前，具备广泛自主能力的家庭机器人能否规模化普及？","category":"ai-technology","tags":["cohort-2026","topic-agi","Robotics","Home Robots"],"initial_probability":0.35,"created_at":"2026-10-27T03:59:31.796Z","published_at":"2026-10-27T03:59:31.796Z","closes_at":"2035-12-31T23:59:59+08:00","resolves_at":"2036-06-28T23:59:59+08:00","criteria":{"yes":"到2035年底，能够独立通过多类真实家务测试的实体家庭机器人，在普通消费市场形成至少100万户经审计的持续活跃使用，并满足明示的可购买/租赁、价格和服务条件。推荐独立于完整AGI认证判定，不要求人形；允许披露依赖的云端推理。\n1. 具有实体操作的同一通用产品家族，通过下述整理取放、表面清洁、衣物处理三类各三任务；每个计入用户规模的家族均有对应版本能力证据，不把专用家电拼成通用产品。\n2. 每家族在≥200个未用于开发的真实家庭独立测试90日，每个30日段按固定计划实施九任务；按家庭等权、三任务等权，各类及总体首次自主成功率均≥80%，接管/补步骤/物理救场/未完成计失败。\n3. 全球≥100万去重活跃家庭，在同一90日窗口的每个30日段至少8日完成合格自主实体家务；同户多设备、多账号、多品牌、搬家重复不重复计。\n4. 无控制从属的独立审计方交叉查交付/退货/激活、主要居所去重和任务/远程人工日志；无法证明跨品牌去重时，只取最大已审计家族或可证明互斥子集，不把不明重叠户数相加；抽样核验的保守95%下界须≥100万。\n5. 至少两个国家或独立地区真实合法消费市场有交付和本地服务；至少一个市场公开面向普通消费者供应，首年全部必要成本≤该地最近完整年度官方家庭可支配年收入中位数50%，不只算首付。\n6. 符合适用产品/隐私要求，有急停、维护维修、风险和严重事故/召回审计，无未解决的强制停用或禁售令；核心自主能力不能主要靠现场或远程人员执行。","no":"到V完成固定监管、独立家庭试验、交付活跃及费用证据复核，没有任何可核验产品集合同时满足六项则No。缺审计的百万宣传、预售出货或主要靠遥操作不能成功，也不因销量保密永久N/A。","sources":["https://www.pi.website/blog/pi05","https://arxiv.org/abs/2403.09227","https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization","https://www.1x.tech/order","https://ifr.org/pages/"],"ambiguity":"仅依冻结共同规则，原本合格保存的数据后来不可抗力/法律禁令客观毁失、重大合格证据冲突无法消解或不可预见口径失效，才经独立书面审核公开理由列不可判定并排除Brier。普通公司保密、拒审、没有保存日志、用户不活跃或价格太高通常是无合格事件，V末No。\n不计成功：纯软件助手、单任务家电或互不相关专用设备拼接；主要遥操作、逐步指挥、物理救场；预售/库存/未激活出货当活跃家庭；从单一强原型给所有售出版本能力背书\n三类×三任务；≥200陌生家庭/90日/各类及总体≥80%：用目的与操作不同的真实家务区分单用途家电，按三段观察持续可靠性；200提供跨家庭覆盖，80%为有用但非完美自主性候选，不是总体可靠性的公认下界。 核验：九项任务各有可观察目标和失败记录，每段均测；家庭/任务类等权，报告95%家庭聚类区间但不暗加区间下界80%的新要求。\n≥100万户；90日中每30日≥8个活跃日：区分展示、库存与规模常用；每月约每周两日的任务活动，100万是明确社会规模约定，不是普及率或科学常数。 核验：有限去重家庭母表和已交付/实际成功任务日志可做全量审计或随机抽样下界；不明跨品牌重叠不合并，给出保守可证计数。当前未取得百万合格用户证据，不能把可行路径写成已核实规模。\n至少两市场；一地首年全成本≤收入中位50%：约束常规消费者可得和高价特供；50%仍是很高的资本支出上限，不表示人人可负担或多数家庭拥有。 核验：成本含设备/租赁、强制订阅、安装、必需维护与付费人操；匹配同地区官方家庭年可支配收入中位数，不以平均或贷款摊薄替代。无可审计分母的市场不计入费用达标。\n180日核验：给予账务和日志审计时间而不增加发展期；2036闰年故截止为06-28。 核验：审计可晚发，但明示日志数据截至T，活跃三段均在T前。\n九个家务目标及成功判据：整理取放：①把混杂日用品按预先给出的真实存放规则分类归位；②跨房间找到并取回指定物品，处理普通遮挡/门柜而不由人摆到抓取位；③把采购物按冷藏/常温/易碎及空间约束妥善存放。表面清洁：④清除实际地面碎屑及家具边缘可达区域；⑤擦除桌台常见污渍/洒液，收拾清洁工具并不损坏表面；⑥清洗使用后的餐具并放入沥水/收纳位置，无需处理明火、锐器或危险化学品。衣物处理：⑦按护理要求分拣并装入/启动合适洗衣流程；⑧把湿衣物正确晾挂；⑨把干衣折叠并归入指定位置。每目标均由独立评测方在见候选成绩前固定输入物清单、应达到状态、可接受清洁/摆放检查、普通住户实际完成期限和损坏/安全否决；各产品面对同一实例用同一目标/期限。不能以换三种物体的相同动作充当三任务，也不能在模型失败后减负荷或延时。具体物品和房间保持陌生随机变化，基于家庭真实需求而非厂商预摆样板。\n200家庭确认性测试：在已销售的两个市场按住房布局/住户构成分层，从无开发使用史、无开发者雇员关系的实际家庭独立招募，固定完整≥200户队列，两市场均须覆盖。三段各30日，每户每段九目标各至少一次；标准用户安装和普通目标指令允许，逐步解法、现场摆正、远程接管或超时均记0，退出/缺失按预计划失败计，不从队列删除。先算每户每类三目标全部预计划首试的成功比例，再对家庭等权，各类及总类平均≥80%；披露每户/每类分布及按家庭聚类的95%区间。九任务各类不被一个大量重复易任务淹没。两市场和家庭数量是覆盖要求，不声称全国概率样本或精确人口功效。\n百万活跃的有限母表和保守计数：先建立已交付、未退货、真实主要居所的家庭母表，居住单元内多账号/多设备合一；搬家、跨品牌及跨境重复由独立审计方在合法受控环境匹配，公开字段/去重/误差而不公开地址身份。保留设备版本、目标/传感器/物理结果、日戳、人工控制会话及失败日志；只有与已通过能力家族匹配、当日确实完成合格自主家务者算活跃日。全量可信数据可直接给可证下界；否则先冻结去重母表，用随机无放回家庭样本核对完整90日记录，所有未核实者当不合格，按有限总体超几何分布反演给单侧95%合格户数下界。使用多个互斥分层时，对各层下界作事前多重性校正保证合计95%覆盖。不明品牌重叠不能相加：无统一去重时只用最大已审计家族，或只加能证明互不重叠的主要居所子集。抽样记录中的遥操作、虚假成功或同户重复均降低下界。没有合法可审计日志则该集合不能达标，到V无其他集合为No，不把隐私当免验证理由。\n普通消费与安全服务：以公开可成交的常规销售/租赁条款及实际账单核对首年成本，不计私人邀请或对极少富人特供优惠。官方最近完整年度收入需同市场同住户定义与币值，中位数未公开不能换平均数；可选择其他有合格数据的真实市场。云端成本和所需付费人操纳入账单，人操任务本身不计自主。安全依据当地已适用的产品合规、隐私、召回与强制停用要求，记录急停/维修渠道、停服、任务暴露和严重事件；不新增无依据的零事故或全民可负担门槛。无售后、无真实交付、依法禁用或必要合规材料缺失均不能计入合格产品家族。\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。","completion":"固定来源类别为产品实际销售市场的政府监管/召回公告、上市披露或受独立审计的交付账、家庭任务试验原始报告、受托独立活跃/去重审计、对应官方收入统计及真实公开收费/消费者账单。列每家族版本与六条证据映射；审计方依法受控查原始记录，公开分母、抽样/去重、失败/缺失、人操占比和利益冲突，不公开家庭身份。V前30日公开候选/排除理由接受异议，V前材料封存；营销视频与厂商新闻稿仅作线索。\n全部能力、200家90日试验、百万户同一90日活跃、交付价格服务事实须T前完成。V只允许核查T前记录与冻结版本，不能用2036新交付、使用天数或能力升级补足。"},"permalink":"/predictions/0007/","excerpt":"到2035年底，能够独立通过多类真实家务测试的实体家庭机器人，在普通消费市场形成至少100万户经审计的持续活跃使用，并满足明示的可购买/租赁、价格和服务条件。推荐独立于完整AGI认证判定，不要求人形；允许披露依赖的云端推理。","body":"**English Title:** Will broadly autonomous household robots reach ordinary homes at scale by 2035?\n\n## Probability Rationale\n\n我认为到 2035 年，家庭机器人的自主任务能力很可能明显提高，但可靠性、安全、成本、维护和实际进入至少一百万活跃家庭的规模要求仍构成重大挑战，因此完整合同成功的概率低于一半。\n\n## Supporting Evidence\n\n*候选支持分析，待作者审核。* [Physical Intelligence 的π0.5研究](https://www.pi.website/blog/pi05) 报告了在未见家庭环境执行多类任务的结果，并明确承认系统尚不完美。这支持“跨家庭泛化可以被研究和测量”，不证明产品已普及。[BEHAVIOR-1K](https://arxiv.org/abs/2403.09227) 用大量家庭活动组织长时序操作任务，可帮助预先限定家务范围。\n\n编辑的推断是：如果通用语言理解与身体操作的泛化能够结合，家用产品可能从单一清洁设备扩展为跨任务助手；从研究样机到普通家庭仍是另一条证据链。\n\n## Counterarguments\n\n*候选反对分析，待作者审核。* 抓取软物体、处理液体、识别危险与从失败中恢复，都比一段剪辑视频更难。家庭分布差异会放大罕见事故；远程人工可能被包装成自主性，且服务成本会随使用增长。模拟成绩无法代替真实交付，出货数也无法代替活跃家庭数。\n\n售后、隐私和保险可能使已经“能做”的产品仍不值得普通家庭购买。即使2030年已出现AGI，2035年的实体部署也不必成功；反过来，2030年未达标不妨碍2035年首次出现合格能力。\n\n## What Would Change My Mind?\n\n*候选更新触发条件，待作者审核。* 独立消费者研究在随机家庭长期记录低干预、多任务成功与可承担的总成本，会支持上调；售后与遥操作工时过高、续订率低、重复安全事件或销量仅来自测试机构，会支持下调。此处不填入概率或虚构修订日志。\n\n## Approved Resolution Contract\n\n到2035年底，能够独立通过多类真实家务测试的实体家庭机器人，在普通消费市场形成至少100万户经审计的持续活跃使用，并满足明示的可购买/租赁、价格和服务条件。推荐独立于完整AGI认证判定，不要求人形；允许披露依赖的云端推理。\n\n1. 具有实体操作的同一通用产品家族，通过下述整理取放、表面清洁、衣物处理三类各三任务；每个计入用户规模的家族均有对应版本能力证据，不把专用家电拼成通用产品。\n2. 每家族在≥200个未用于开发的真实家庭独立测试90日，每个30日段按固定计划实施九任务；按家庭等权、三任务等权，各类及总体首次自主成功率均≥80%，接管/补步骤/物理救场/未完成计失败。\n3. 全球≥100万去重活跃家庭，在同一90日窗口的每个30日段至少8日完成合格自主实体家务；同户多设备、多账号、多品牌、搬家重复不重复计。\n4. 无控制从属的独立审计方交叉查交付/退货/激活、主要居所去重和任务/远程人工日志；无法证明跨品牌去重时，只取最大已审计家族或可证明互斥子集，不把不明重叠户数相加；抽样核验的保守95%下界须≥100万。\n5. 至少两个国家或独立地区真实合法消费市场有交付和本地服务；至少一个市场公开面向普通消费者供应，首年全部必要成本≤该地最近完整年度官方家庭可支配年收入中位数50%，不只算首付。\n6. 符合适用产品/隐私要求，有急停、维护维修、风险和严重事故/召回审计，无未解决的强制停用或禁售令；核心自主能力不能主要靠现场或远程人员执行。\n\n**No:** 到V完成固定监管、独立家庭试验、交付活跃及费用证据复核，没有任何可核验产品集合同时满足六项则No。缺审计的百万宣传、预售出货或主要靠遥操作不能成功，也不因销量保密永久N/A。\n\n## What Does NOT Count?\n\n- 纯软件助手、单任务家电或互不相关专用设备拼接\n- 主要遥操作、逐步指挥、物理救场\n- 预售/库存/未激活出货当活跃家庭\n- 从单一强原型给所有售出版本能力背书\n\n## Independent Verification\n\n固定来源类别为产品实际销售市场的政府监管/召回公告、上市披露或受独立审计的交付账、家庭任务试验原始报告、受托独立活跃/去重审计、对应官方收入统计及真实公开收费/消费者账单。列每家族版本与六条证据映射；审计方依法受控查原始记录，公开分母、抽样/去重、失败/缺失、人操占比和利益冲突，不公开家庭身份。V前30日公开候选/排除理由接受异议，V前材料封存；营销视频与厂商新闻稿仅作线索。\n\n全部能力、200家90日试验、百万户同一90日活跃、交付价格服务事实须T前完成。V只允许核查T前记录与冻结版本，不能用2036新交付、使用天数或能力升级补足。\n\n**限定不可判定/取消：** 仅依冻结共同规则，原本合格保存的数据后来不可抗力/法律禁令客观毁失、重大合格证据冲突无法消解或不可预见口径失效，才经独立书面审核公开理由列不可判定并排除Brier。普通公司保密、拒审、没有保存日志、用户不活跃或价格太高通常是无合格事件，V末No。\n\n## Thresholds and Operational Protocol\n\n### 三类×三任务；≥200陌生家庭/90日/各类及总体≥80%\n\n用目的与操作不同的真实家务区分单用途家电，按三段观察持续可靠性；200提供跨家庭覆盖，80%为有用但非完美自主性候选，不是总体可靠性的公认下界。\n\n九项任务各有可观察目标和失败记录，每段均测；家庭/任务类等权，报告95%家庭聚类区间但不暗加区间下界80%的新要求。\n\n### ≥100万户；90日中每30日≥8个活跃日\n\n区分展示、库存与规模常用；每月约每周两日的任务活动，100万是明确社会规模约定，不是普及率或科学常数。\n\n有限去重家庭母表和已交付/实际成功任务日志可做全量审计或随机抽样下界；不明跨品牌重叠不合并，给出保守可证计数。当前未取得百万合格用户证据，不能把可行路径写成已核实规模。\n\n### 至少两市场；一地首年全成本≤收入中位50%\n\n约束常规消费者可得和高价特供；50%仍是很高的资本支出上限，不表示人人可负担或多数家庭拥有。\n\n成本含设备/租赁、强制订阅、安装、必需维护与付费人操；匹配同地区官方家庭年可支配收入中位数，不以平均或贷款摊薄替代。无可审计分母的市场不计入费用达标。\n\n### 180日核验\n\n给予账务和日志审计时间而不增加发展期；2036闰年故截止为06-28。\n\n审计可晚发，但明示日志数据截至T，活跃三段均在T前。\n\n### 九个家务目标及成功判据\n\n整理取放：①把混杂日用品按预先给出的真实存放规则分类归位；②跨房间找到并取回指定物品，处理普通遮挡/门柜而不由人摆到抓取位；③把采购物按冷藏/常温/易碎及空间约束妥善存放。表面清洁：④清除实际地面碎屑及家具边缘可达区域；⑤擦除桌台常见污渍/洒液，收拾清洁工具并不损坏表面；⑥清洗使用后的餐具并放入沥水/收纳位置，无需处理明火、锐器或危险化学品。衣物处理：⑦按护理要求分拣并装入/启动合适洗衣流程；⑧把湿衣物正确晾挂；⑨把干衣折叠并归入指定位置。每目标均由独立评测方在见候选成绩前固定输入物清单、应达到状态、可接受清洁/摆放检查、普通住户实际完成期限和损坏/安全否决；各产品面对同一实例用同一目标/期限。不能以换三种物体的相同动作充当三任务，也不能在模型失败后减负荷或延时。具体物品和房间保持陌生随机变化，基于家庭真实需求而非厂商预摆样板。\n\n### 200家庭确认性测试\n\n在已销售的两个市场按住房布局/住户构成分层，从无开发使用史、无开发者雇员关系的实际家庭独立招募，固定完整≥200户队列，两市场均须覆盖。三段各30日，每户每段九目标各至少一次；标准用户安装和普通目标指令允许，逐步解法、现场摆正、远程接管或超时均记0，退出/缺失按预计划失败计，不从队列删除。先算每户每类三目标全部预计划首试的成功比例，再对家庭等权，各类及总类平均≥80%；披露每户/每类分布及按家庭聚类的95%区间。九任务各类不被一个大量重复易任务淹没。两市场和家庭数量是覆盖要求，不声称全国概率样本或精确人口功效。\n\n### 百万活跃的有限母表和保守计数\n\n先建立已交付、未退货、真实主要居所的家庭母表，居住单元内多账号/多设备合一；搬家、跨品牌及跨境重复由独立审计方在合法受控环境匹配，公开字段/去重/误差而不公开地址身份。保留设备版本、目标/传感器/物理结果、日戳、人工控制会话及失败日志；只有与已通过能力家族匹配、当日确实完成合格自主家务者算活跃日。全量可信数据可直接给可证下界；否则先冻结去重母表，用随机无放回家庭样本核对完整90日记录，所有未核实者当不合格，按有限总体超几何分布反演给单侧95%合格户数下界。使用多个互斥分层时，对各层下界作事前多重性校正保证合计95%覆盖。不明品牌重叠不能相加：无统一去重时只用最大已审计家族，或只加能证明互不重叠的主要居所子集。抽样记录中的遥操作、虚假成功或同户重复均降低下界。没有合法可审计日志则该集合不能达标，到V无其他集合为No，不把隐私当免验证理由。\n\n### 普通消费与安全服务\n\n以公开可成交的常规销售/租赁条款及实际账单核对首年成本，不计私人邀请或对极少富人特供优惠。官方最近完整年度收入需同市场同住户定义与币值，中位数未公开不能换平均数；可选择其他有合格数据的真实市场。云端成本和所需付费人操纳入账单，人操任务本身不计自主。安全依据当地已适用的产品合规、隐私、召回与强制停用要求，记录急停/维修渠道、停服、任务暴露和严重事件；不新增无依据的零事故或全民可负担门槛。无售后、无真实交付、依法禁用或必要合规材料缺失均不能计入合格产品家族。\n\n## Evidence Sources\n\n- [π0.5原研究：家庭泛化基线](https://www.pi.website/blog/pi05)\n- [BEHAVIOR-1K：任务范围基线](https://arxiv.org/abs/2403.09227)\n- [Figure Helix2.5：厂商陌生家庭自述](https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization)\n- [1X官方NEO能力及远程支持边界](https://www.1x.tech/order)\n- [IFR服务机器人统计入口：销量不是活跃家庭](https://ifr.org/pages/)\n\n## Shared Settlement Protocol\n\n所有条件必须在事件截止T前实际成立；核验截止V只接收或审计T前事实，可重放T前封存系统，不补新能力、用户或临床随访。两名无开发方控制关系、披露专业资格与利益冲突的审核者分别逐条映射证据，异议交无利益冲突第三审核者复核；公开候选与排除理由、检索记录和审查结论。来源依次为预注册/原始运行与受控独立审计、原始论文及监管/官方统计；营销材料只作线索。固定检索覆盖各卡来源及其官方继承库，自研究基线日至T；V前30日公示暂定清单，V为接收截止。V末无独立可核验的完整事件通常No，秘密项目或拒审不永久延期。仅限原先保全后客观毁失、无法消解的关键证据冲突或不可预见且无法用冻结替代路径处理的构念失效，才可由独立审查说明不可判定并排除Brier；发布前已知不可执行须先BLOCKED。首次合同及附件原文冻结，后续网页解释不改变原计分合同。全部为未批准候选，本轮不填概率、不发布。\n\n以上通则末句的候选状态属于P5当时记录；合同内容已获作者批准，判定条款保持原文。\n\n**Contract version:** P5-0007-R1\n\n**Contract SHA-256:** cf722699e23e818424cb0eac578546b36c8b70e114e7ce5a746a5cd7578202dd\n"},"sha256":"c85d29dd2097be1c2175cc500018f04654f5b66ebef0ccd9f33a37da55e49ffa","serialization":"forecast-canonical-json-v1"}

The source distribution's docs/FORECASTING_LAB.md specifies serialization, independent digest recomputation, retained history, and its limits.