就是这个场地，就是这台机器，能做什么，做不到什么

具身智能落地涉及两层性质不同的工作。一层关乎环境本身：这片场地能不能立得住、能不能通过、能不能抓取、哪里是隐蔽和暴露的边界。这些属性跟随场地和物体的物理结构变化，跟当下执行什么任务关系不大。另一层关乎策略：这一刻走哪条路、要不要抓这个物体、要不要靠近。这个判断随任务目标变化，是策略层的事。

Environment Affordance™ 不需要客户长期集成、持续调用。比起传统的仿真引擎，它更接近智能设备部署前的独立验证方。像岩土工程勘察在施工前对场地出具一份勘察报告，像渗透测试在系统上线前对安全性出具一份漏洞报告，Environment Affordance™ 在机器人正式部署前，对「这台机器人在这片场地能不能安全落地」这个问题，给出一份可审计、可复现的验证结论。

交付物是标注文件、测试报告和场景库，不绑定客户的技术栈。也因此，Environment Affordance™ 的护城河在标注方法论本身的准确度和权威性：什么样的标注算合格、构造哪些失败场景才算测得全面，而不在数据网络效应或调用规模。这套标准做扎实了，「Environment Affordance™ 验证过」本身就是价值。场地环境发生变化、或客户更换机器人型号时，验证需要重新做一遍，这也是一种可持续的合作模式。

已经验证过的能力包括：多源数据融合大场景建库（倾斜摄影、点云、BIM、卫星影像），TB 级三维数据的快速承载与流畅可视化，国产 CPU 全架构兼容与私有化部署，特种工业级红蓝对抗场景自动生成与标准化裁评，以及可视域分析、阴影体、开敞度分析等地信算法。这些能力已有十余年项目交付记录。

为具身智能这个新方向搭建的能力包括：面向客户的可为性标注服务流程，感知欺骗场景库的系统化构造方法，按机器人本体参数自动计算可为性地图的工具链。这几项能力在后文逐一展开。

「可为性」（affordance）是生态心理学和设计科学的概念，指的是环境对某个特定身体来说允许做什么动作。一个坡道对山羊来说意味着可以攀爬，对一条鱼来说什么都不是。一扇门的高度对成年人意味着可以通过，对一个大型机器人来说可能意味着必须绕行。可为性并非环境的绝对属性，也不依赖观察者的主观感受：作为环境和本体之间的一种关系属性，它受双方的具体参数限制，也跟随这两者的变化而变化。

现有的部署验证思路大多是任务导向的：先确定要执行的任务，再围绕这个任务设计测试场景、验证策略能不能完成。这条路径的起点是「要做什么」，场地和机器人本体都是为任务服务的背景条件。

Environment Affordance™ 的起点不一样，是从机器人出发的：先确定这台机器人的尺寸、步态、抓取范围、传感器安装高度，再问这片场地对这台具体的机器人来说，哪里能站、哪里能过、哪里能抓、哪里必须绕开。任务是什么、这一刻要不要执行，不在这一步的考虑范围内。这是本体参数和场地本身之间的关系，换一个任务不会改变这个答案，换一台本体才会。

这个出发点的差异，决定了两条路径能发现的问题不一样。任务导向的验证，测的是「这台机器人在这个任务里表现好不好」，场地里那些和当前任务无关、但换个任务就会暴露的坑，容易被漏掉。机器人在真实场地里遇到的大多数失败，根源恰恰在于场地给出的可为性和机器人感知系统解读出来的可为性之间出现了错位：地面看起来能踩其实不能，通道看起来能过其实不能。这种错位往往和具体任务无关，是本体和场地之间与生俱来的关系，不会因为换一个任务就消失。

可为性是环境与本体之间的关系属性，所以适用范围比通常设想的宽：不只是那些「看起来复杂」的场地，也包括很多被默认为「干净、可控、不需要额外验证」的地方。

FIG.05 是 Environment Affordance™ 的整体框架：自上而下的场地本体与自下而上的传感尺度在中间层汇合，本体参数在 L3 汇入，产出标注、场景与报告，再由部署反馈回流。

这里说的「红蓝对抗」，借的是网络安全测试的思路：提前把容易让感知系统「看走眼」的场景系统性地找出来、构造成一份清单，逐一验证机器人自己的判断对不对。

测试场里构造的是场地信息和感知判断出现分歧的场景。同一个地方，机器人感知系统的判断和场地的真实情况不一样：

流程见 FIG.06。每个场景都会记录机器人感知系统给出的判断，和场地真实属性做比对，生成一份标准化验证报告，列出哪些场景判断正确、哪些出现偏差、偏差发生在哪个环节。

遮蔽与暴露关系的计算，用的是在特种工业领域已经交付过的可视域分析、阴影体和开敞度分析算法。这套算法现在被重新用来验证机器人在场地中的感知边界：机器人自身处于隐蔽还是暴露状态，能否发现处于遮蔽位置的目标。

场景库按任务类型组织，覆盖巡检、搬运、协作作业和安防巡逻，场景清单持续更新。

前面 架构图 FIG.05 给出的是 L1–L5 的整体框架，下面逐阶段说明每一步具体的输入、方法和交付物。

物理引擎精度和渲染帧率这两个维度上，通用仿真平台有先发优势，这本来就不是同一门生意。仿真平台卖的是客户自己拿去用的计算能力；Environment Affordance™ 卖的是用客户自己的真实场地数据、按具体机器人本体参数得出的一份独立判断，直接可用于部署决策。

需求因本体形态、任务类型和场地条件的组合不同而不同。同一片矿区，四足巡检机器人和履带式重载机器人需要的可为性地图内容完全不一样。

典型的合作从一片场地开始：提供真实部署场地的多源数据和机器人本体参数，我们在两到三周内交付第一份可为性标注图与验证报告样例，作为是否展开正式合作的判断依据。