第一件事：安全≠安心，標準與體感存在落差
原本針對靜態障礙物的 ISO 測試，核心指標是確保機器人在偵測到物體時能絕對煞停。這在數據驗證上無懈可擊，但在實際場域中，這種「直直走、急煞車」的行為模式，會讓周圍的人類感到焦慮。
符合規矩的機器人若動作太過僵硬或機械化，反而讓人難以預測它的下一步，進而降低了人類對其「智慧程度」的評價。
我真正學到的是：「通過標準」只能證明不違規；「被接受」才代表可共處。安全是底線，安心是門檻。
第二件事：說服力來自「預判性」與 Jerk 的平滑
在這次調整中，我們發現關鍵差異在於「預判性」與「加加速度（Jerk）」的平滑處理。真正的說服力，來自於移動意圖的提早展現。
若機器人能在接觸障礙物前三公尺就開始微幅調整航向，而非等到最後一刻才大幅度轉彎，使用者就會直觀地認為它「看懂了路況」。
這種細微的軌跡差異，無法單純用避障成功率（Success Rate）來衡量，但它決定了產品是否能融入人類生活圈。
只追求通過
- 直線前進、末端大轉彎
- 急煞、停停走走
- 人覺得「不可預測」
追求說服力
- 提前微調、連續小修正
- Jerk 平滑、速度變化自然
- 人覺得「懂環境、很協調」
第三件事：把人類心理學翻譯成程式碼，才會被信任
工程師看的是座標與誤差值，用戶看的是意圖與協調性。這次測試證明，優化演算法不僅是解決數學問題，更多時候是將人類的行為心理學，翻譯成機器讀得懂的程式碼。
一句話總結：當機器人的軌跡能「提前表態」，人就更願意把它當成隊友，而不是一台會突然動作的設備。
可落地的測試觀察清單
- 急煞是否過度頻繁：通過測試不代表可共處，需觀察旁人壓力與退讓行為。
- 提前修正距離是否一致：例如在障礙物前 2–3 公尺開始微調，意圖更可被理解。
- 速度曲線是否平滑：特別檢視 Jerk，避免「突然加速／突然停」造成不適與不信任。
- 轉彎幅度是否合理：少做末端大轉彎，多做連續小修正，整體更自然。
- 指標不只 Success Rate：加入「可預測性」「協調性」等體感維度（可用問卷/行為觀察量化）。