技术巡猎 小鹏 机器人陪你逛展，你说想看那边那个，它会不会改路线？传统机器人不会，因为它脑子里只有一份固定剧本。展馆导览机器人现在通常是按固定路线行走的，先介绍展品A，走完再到展品B，任务队列在出发前就写死了。如果你中途说想看旁边那个，它要么无视你的请求继续走，要么停下来重新规划，响应很慢，体验自然也就谈不上智能。

小鹏这份专利（2026105013212），瞄准的正是这个老问题，解决的就是机器人"只能按剧本演"的困境。

核心概念叫"动态任务序列"，就是任务队列不再是死的。传统任务执行是流水线模式，任务队列排好了就一个一个执行，中间不改动。小鹏的方案则是任务队列可以实时更新，机器人在执行过程中持续获取用户的意图信息，再根据意图动态调整任务序列，而不是等你演完这一场再重开一局。

意图信息从哪儿来？用户的输入信息包括语音和动作，这些输入会送进大语言模型，输出目标用户的意图信息。也就是说，机器人不是只认预设命令词，而是尝试理解自然语言或动作表达的需求，这正是大模型给机器人带来的最大改变之一。

拿到意图之后，系统会根据"意图-可执行任务"的映射关系，从机器人预定义的任务库里确定对应的目标任务。这个映射关系其实是方案的关键边界：它限制了机器人能响应的任务范围，不是任意开放指令都能执行。换句话说，你不能跟它聊天气然后指望它去倒杯水，这是不是意味着它的自由度其实也没那么大？

调整的不只是插入新任务，它包括两类参数变化。一类是任务数量，比如用户突然想多看一个展品，就在序列里插入新任务；另一类是执行顺序，比如用户说先去看那个，已经排在后面的任务就要让位往前挪。这里的关键是优先级和任务类型的配合，专利里设计了优先级机制，新意图对应的任务如果优先级高，会插到序列前面，但多个任务插入时还要先按任务类型确定基础执行顺序，再按优先级落到具体位置，并不是简单谁优先级高谁就一定先执行。

这个逻辑看起来简单，但在工程实现上至少有三个难点。第一是意图理解要实时，用户说话不像敲命令那么清晰，可能很模糊，"那个看起来挺有意思的"这种话，机器人得结合当前场景推断意图对象，而大语言模型虽然能处理开放表达，但响应延迟和识别准确率直接决定体验好坏。第二是任务冲突要处理，如果用户要去的方向跟当前任务路径相反，机器人物理上不能同时满足，系统需要做取舍，可能暂停当前任务，也可能建议用户稍后再去。第三是序列更新要平滑，任务序列变了，机器人的运动规划、语音播报这些执行层都要同步调整，不能出现规划层面改了但执行层面没跟上的情况。

小鹏为什么要做机器人？这跟汽车智驾的关系很直接。自动驾驶系统的核心能力是感知、决策、执行，机器人也是。汽车是在开放道路上做路径规划，机器人是在室内场景做任务规划，底层的决策框架可以复用，只是场景约束不同。小鹏的AI体系里，端到端大模型已经用在智驾上，同样的模型架构迁移到机器人的任务理解和行为决策上，技术路径是通的。这份专利里的动态任务序列，本质上是行为决策层面的规划算法，跟智驾里的路径规划是同一层逻辑。

机器人行业现在有个明显趋势：以前是功能机，按程序走；现在往智能体方向走，能理解环境、理解用户、自主决策。小鹏这份专利走的就是这个方向。但它仍然有边界，映射关系限制了任务范围，大语言模型的准确性和延迟没有被专利量化，多机器人协同、长期记忆、复杂环境感知也不在权利要求覆盖范围内。从固定程序到动态规划，从执行预设任务到理解用户意图，这是机器人从工具走向伙伴的分水岭。