亚马逊Astro机器人的灵魂设计：如何赋予机器人真正的个性

2018年，亚马逊找上我，邀请我担任Astro项目的首席用户体验音效设计师。Astro是亚马逊推出的第一款面向消费者的家用机器人——它能利用摄像头和传感器对家庭环境进行建图与导航，主动巡逻、查看家人状态，还能通过内置货仓搬运小件物品。当时，产品功能和外形设计已经基本敲定，但机器人的性格方向，却完全没有定义。甚至在Astro还没有名字的时候，团队内部就面临一个核心问题：它到底只是装了轮子的Alexa，还是应该拥有独立个性的机器人？

团队内部就此产生了明显分歧。一派认为应该主打Alexa品牌，把移动机器人定位成一个附加功能工具。而我与多数用户体验团队成员则坚持反对这个方向。团队的核心判断是：一个能够在你家中主动移动、带着意图转向你的机器，永远不可能只是一台普通家电。无论我们是否刻意去做，用户都会赋予它某种性格——唯一的问题在于，是主动塑造这种性格，还是任由它自然而然地随机生成。

最终，Astro以独立形象而非Alexa的延伸面世。用户测试也印证了这一点：测试者并不将它看作Alexa，而是视其为有独立个性的存在，并且他们也更希望它是这样的角色。让Alexa直接驻留在Astro设备上，感觉有些怪异甚至令人不安，但在2018年单独为Astro打造一套语音系统，实在太耗时、成本也太高了。于是我们达成折中方案：让Alexa作为辅助角色负责实际对话，而让Astro作为主角，通过声音、动作和面部表情，在尽可能不依赖语言的情况下进行表达。

最初被引入Astro团队时，我的任务是定义机器人的音效设计语言和声音风格。但当时并没有人真正负责充实机器人的性格内核——没有清晰的性格定义，一切设计决策都无法真正有效落地。Astro的每一个动作方式、音效选择、停顿节奏、情绪反应，本质上都是性格的体现，而这些选择需要所有设计方向共同协调。作为音效负责人，我的工作是将声音、动作和角色性格编织在一起，让它们在每一个叙事时刻和谐共鸣。负责Astro动作和面部表情的动画师们技艺精湛，但他们所呈现的情感弧线，其实是从声音（也就是性格）工作中生发出来的。于是我主动承担了这个角色，真正的挑战就此开始。这段经历中关于为机器人塑造性格的认知，几乎适用于当下所有具身AI产品的开发实践。

为Astro打造性格，意味着要回答一系列亚马逊产品团队从未面对过的问题：这款机器人的基准情绪范围应该有多宽？如何在表达不确定性的同时不削弱用户信任？富有表现力和令人烦躁之间的边界在哪？这款设备在性格上有哪些潜在弱点？

这些都是真实的设计问题，有各自的具体答案，所有参与产品的团队都必须从这些答案出发来构建各自的工作。以Astro的情绪范围为例，我们将其设计得相对克制：不希望它表现得过于悲伤或愤怒——它可以流露悲伤，但会迅速从中恢复，并以一个积极的音符收尾，始终保持整体基调的温暖。

性格会从产品每一个细节的缝隙中渗透出来。一旦定义不准确，就会造成割裂的体验。哪怕只是动画时序稍有偏差，或者某个回应在技术上正确但在情境上不合时宜，用户都能感知到这种不协调——即便他们无法明确说出原因所在。

最终决定是，Astro不使用口语对话，但它拥有一套功能上等同于语言的表达体系：由声音、音调和节奏构成的词汇库，充当它的“声音”。这套词汇库成为性格输出的核心媒介，机器人的动作和面部表情都围绕它来构建。

Astro的唤醒序列是个很好的例子。唤醒不只是屏幕上的开机动画，而是一场完整的表演。机器人先是缓慢而谦逊地让自己安静地定向，然后伸展屏幕、检查轮子，最后以一个向上的姿态拉起伸缩桅杆，轻轻弹出，做了一段欢快的小舞蹈。声音、动作和眼睛在完整的编排中击中了每一个节拍。

这个序列的性格输出，首先是以故事的形式写就的：Astro第一次在新家醒来。它最深的渴望是成为一个家庭的一份子，所以这一刻是它一直在等待的，是它存在的意义。作为一个负责任的角色，它希望在介绍自己、开始探索新家之前，先确认一切是否运转正常。

这个叙事是先于一切的，因为它驱动了后续所有决策。故事写好之后，声音赋予了它隐喻性的表达：兴奋的音调、检查轮子时的节奏，以及Astro第一次抬头望向新家人时那段明亮的旋律短句。声音铺设完成后，动画师再用动作和面部表情跟进，以声音所建立的情感弧线为线索展开创作——动作不是领导者，而是追随着故事与声音的情感走向，就像动画师跟随录音的方式一样。

那段唤醒序列成了早期用户测试中被讨论最多的时刻之一。用户用“有生命”来描述它。他们感受到的，不是某一个单独的元素，而是声音、动作和面部表情三个通道共同表达同一个清晰定义的“性格”时所产生的和谐共鸣。

最能打动人的角色，并非由固定的情绪状态定义，而是由它如何回应所处环境和身边的人来定义——即便在不断适应中，它依然保持着那个辨识度极高的自己。这就是所谓的情境性格。一个生活在家庭中的机器人，不会只占据单一的情绪状态。它穿行于不同能量的房间，遇见处于不同情绪的人，在一天的不同时段运行，应对无穷无尽、从未被明确设计过的社交场景。

在Astro的声音设计中，我们在情境性格输出上已经相当接近目标。当特定的环境信息被输入系统时，它的适应表现令人印象深刻，Astro感觉完全鲜活。但这些状态的背后，依然是我们逐一手工预判的结果：必须提前设想每一种情境，并为其设计回应方案。而一个真实的家庭会向机器人抛出任何人都无法穷举的情况，所以系统总有准备不足的时刻。

人们用“聪明”来描述一款产品，与用“有感知力”来描述它，差距往往正在于此。聪明是能力，感知是上下文，而在场感是性格——性格始终是对周围的人、对环境、对自身变化状态的回应。这才是让用户感到“有某种情感存在与你同在”的根本所在。

这正是AI为性格设计带来的游戏规则改变之处，远超Astro时代所能实现的一切。AI驱动的适应能力不再依赖我们曾经仰赖的情境预判，它能够学习与它共同生活和工作的人的具体节奏、偏好和情感语境。性格不再只是回应情境，而是在情境中不断成长。

当下即将涌现的具身AI产品浪潮中，产品的性格与灵魂几乎总是事后才被想到的。而定义得太晚的性格，就等于没有定义。它变成了无数小决策的总和——由不同的人做出，每个人想的都不是性格本身。人们会不由自主地向设备投射性格，尤其是会移动的设备——一个能动的机器人，本身就已经是一个角色。如果没有人设计这个角色，结果就会是那些毫无感觉、甚至令人困惑和缺乏信任感的产品。技术上令人印象深刻，但毫无生气。

我们在Astro上并没有完全做对这件事。太多工作在并行推进，性格很少被当作一种基础能力来对待，这也可以理解——当你在构建一款史无前例的产品时，最响亮的永远是那些出问题的东西、截止日期、成本，以及用户能在包装盒上指认的功能。性格比这一切都要安静，很容易让人觉得可以之后再说。在亚马逊Astro这样体量的团队里，一个想法要进入路线图，本来就要和数百个在当下看来都更紧迫的事情竞争。这一切并非源于没有人在乎，而是因为性格这件事，往往要等到你看见它缺席的代价，才会真正被放在优先位置。

如果你正在构建一款将与人共享物理空间或对话空间的产品，有三件事值得认真思考：

在定义交互之前先定义性格

你需要一个有足够情感逻辑支撑的、经得起推敲的性格定义，以便始终如一地回答那些难以回答的问题。尽早找到性格问题的答案，让每个设计方向都从同一个基础出发来构建。

将故事和声音纳入性格开发流程，而不是留到生产流程再处理

在性格定义阶段同步开发故事和声音，才有机会真正影响动作、表情和交互逻辑的走向。这需要一种不同的协作方式，也需要一种不同类型的人才。

为适应性而设计，而不仅仅是为一致性而设计

一致的性格是必要的，但那些真正在人们生活中留下重量的产品，是那些随着使用而不断深化的产品。支撑这一点的技术基础越来越触手可及，但能够真正加以利用的设计思维，依然稀缺。

Q&A

A：团队认为，一个能在家中移动并带着意图转向你的机器人，永远不可能只是一台家电。用户会自然地对它投射性格期待，测试也证明用户并不把Astro视为Alexa，而是期待它拥有独立个性。Alexa驻留在Astro上的感觉显得怪异，而单独为Astro开发语音系统在当时成本过高，因此选择了Alexa作为辅助对话角色，Astro作为主角通过声音、动作和表情进行非语言表达。

A：因为唤醒序列是基于一个明确的叙事故事设计的，声音先行确立了情感弧线，动画师再根据声音的节奏和情绪进行动作和表情创作。声音、动作和面部表情三个通道同步表达同一个定义清晰的性格，而不是各自独立运作，这种和谐共鸣让用户产生了“活着”的感知，而不是在看一段视频片段被播放在机器人上。

A：性格不像功能故障或截止日期那样紧迫，容易被认为可以“之后再做”。在大型团队中，性格还要和大量更显眼的需求竞争优先级。要避免这种情况，应在定义交互之前先确立性格框架，将故事和声音设计纳入性格开发阶段而非留到生产阶段，同时要为适应性而设计，让产品性格能随使用深化，而非仅仅维持表面一致。