當機器開始決定自己的身體與命運
一台四足機器在災區移動，其中一條腿突然失效。
傳統控制器可能立即停機，等待人類把它抬回維修區。更具韌性的系統則會重新估計自己的身體狀態，改變步態，以三條腿緩慢離開危險區域。
這還不算自我進化。
它只是知道原本的身體已經不能照原本方式使用，於是換一種控制策略。
再往前一步，機器不只改變走法，還能判斷哪一個模組故障、要求另一台機器送來備件，或用現場設備製造臨時零件。更遠的未來裡，它甚至可能重新設計下一代機器，選擇更適合任務的腿、關節與感測器。
這幾個場景看起來連在同一條路上，實際上卻屬於不同能力：容錯、自我建模、自我修復、形態重組、自主設計與真正的演化。
如果不把它們分開，「機器自主進化」很容易成為一個既吸睛又模糊的詞。
但正因為這條路由許多小步驟組成，它才值得被提前理解。
機器每多取得一部分對自己身體的決定權，工程問題就會逐漸變成權力問題：
誰有權決定一具機器應該長成什麼樣子，又應該為什麼目標而改變？
一、適應，不等於演化
生物演化通常包含幾個條件：群體中存在可遺傳差異，環境產生選擇壓力，某些特徵更容易被保留到下一代。
一台機器在跌倒後重新規劃步態，是個體適應；工程師用演算法搜尋更好的關節配置，是設計最佳化；只有當變異、選擇與某種形式的繼承反覆發生，才更接近演化。
因此，下面這些詞應該被清楚區分：
- 容錯：部分功能失效後，仍能完成任務。
- 自我建模：機器從感測資料估計自己的形態與動態。
- 自我修復：發現損傷並恢復功能。
- 自我重組：改變模組連接或身體形態。
- 形態—控制協同設計：同時搜尋身體結構與控制策略。
- 世代演化：把選擇結果帶入後續設計，反覆累積。
媒體常把前五項全部稱作自我進化，但它們和一個能自主繁殖、長期演化的機械物種仍有很大距離。
這種語言上的節制很重要。只有先看清楚已經做到哪一步，我們才知道真正的治理問題何時開始。
二、機器首先要知道自己現在是什麼
人類閉上眼睛，也大致知道手臂在哪裡、關節能彎到什麼程度。這種本體感覺讓我們能在看不見身體的情況下調整姿勢。
機器也需要自我模型。
一般機器在出廠時就帶有幾何與運動學模型：每根連桿多長、關節在哪裡、活動範圍多少。但真實身體會磨損、鬆動、變形，也可能換上不同零件。預設模型和實際狀態之間的差距，會累積成控制錯誤。
因此，研究者開始讓機器利用相機、關節感測、力回饋與自身動作，自動估計自己的形態。2025 年發表的高擬真機器自我模型研究，利用可關節化的 3D Gaussian Splatting，從機器自行蒐集的資料重建外觀與運動學，減少人類手動建模。
自我模型可以回答：
- 我的手臂實際可達範圍在哪裡？
- 哪個關節開始偏移或失去力道？
- 換上新工具後，整體尺寸如何改變？
- 某段身體是否會在動作中碰撞環境？
知道自己是什麼，是改變自己的前提。
但自我模型不是自我意識。
機器可以用數學模型描述自己的結構，卻不等於它以第一人稱感受自己存在。這兩個「自我」使用同一個字，意義卻完全不同。
三、BodyGen：演算法可以共同設計身體與控制器
傳統機器設計通常先決定身體，再為它寫控制器。
工程師畫好腿、關節與連桿，控制演算法只能在既定結構內尋找最佳動作。但身體和控制其實互相影響：腿長不同，步態就不同；關節位置改變，能完成的動作也會改變。
2025 年 ICLR 收錄的 BodyGen，提出更有效率的形態—控制協同設計方法。系統在模擬中同時搜尋機器拓撲與控制策略，研究報告指出，相較當時基線平均提升約百分之六十。
這項研究被媒體描述為讓機器「自主進化」，但更準確的說法是：
演算法在研究者設定的零件空間、物理環境與目標函數中，自動尋找較好的身體和控制組合。
它沒有自行決定人生目標，也沒有在現實世界裡無限制製造後代。人類仍然定義了什麼叫「好」：跑得快、用能少、能穿越地形，或能搬起特定重量。
然而，這個方向仍然具有深遠意義。
過去，機器身體是人類直覺與工程經驗的產物；未來，某些形態可能是演算法從巨大組合空間中找出的答案。工程師的角色從直接畫出每一個零件，逐漸變成設定限制、材料、成本與評估標準。
四、如果任務不是服務人類世界，人形可能很快消失
人形機器之所以有價值，是因為人類環境已經按照人的身體建造。
但在沒有門把、樓梯與人類工具的地方，演算法沒有理由堅持兩隻手、兩條腿和一個頭。
深海機器可能像鰻魚；管線檢查器可能像蛇；碎石搜索機器可能由許多小模組組成；水面設備可以連接成橋、平台或移動結構。
2026 年《Nature Communications》發表的 FloatForm，由多艘小型機器船在水面自主聚集、連接、拆開，再重組成不同形狀。它們不是在把一台人形改造成另一台人形，而是把「身體」理解為可變的模組集合。
這種系統最值得注意的地方，不是外觀奇特，而是形態成為任務的一部分。
需要搬運時，模組可以形成較大平台；需要穿過狹窄空間時，則分散成小單位；部分模組故障，其他單位仍能補位。
在這種世界裡，身體不再是固定容器，而像一個可以被重新配置的資源。
這也提醒我們：人形只是機器進入人類既有環境的一種答案，不是機械演化的終點。
五、自我修復的第一步，通常不是列印新器官，而是知道何時求救
科幻故事常描寫機器利用 3D 列印自行製造零件，修好自己後繼續工作。
實際自我修復要處理的問題更多：
- 機器必須準確診斷故障；
- 找到相容材料與製造設備；
- 生成可加工、可承載的零件設計；
- 拆除舊零件並安裝新零件；
- 重新校正控制器；
- 驗證修復後仍符合安全要求。
3D 列印適合製造某些結構件、外殼、夾具或臨時零件，卻很難在一般現場直接列印高精度減速器、先進晶片、電池與完整感測器。
因此，近期更現實的自我修復是：
- 自動發現異常；
- 退回安全狀態；
- 切換備援模組；
- 向人或其他機器請求維修；
- 使用標準化備件快速替換；
- 修復後自動校正。
真正自主的系統不一定凡事自己完成。
知道自己的能力邊界，並能正確調動外部資源，也是一種自治。
六、一台主動把自己拆掉的機器，算不算重新設計？
2026 年一篇預印本展示了一個極端而有趣的實驗：一台由隨機連桿組成的機器，透過本體感覺判斷哪些結構妨礙移動，再以動作把多餘連桿撞斷，使剩餘形態更容易前進。
研究者把它稱為透過運動學自我破壞進行重新設計。
這確實讓機器在生命週期中參與了自己的形態改變，但範圍非常有限：
- 它只能移除，不能長出新零件；
- 目標是研究者設定的前進效率；
- 控制器先在模擬中訓練；
- 實驗結構和破壞方式都是特別設計的。
它不是一台在工廠裡突然決定改造自己的通用機器。
但這個思想實驗具有象徵性。
過去機器損壞被視為純粹失敗；在這個案例中，破壞被轉化成設計操作。身體的一部分不再因為「原本就存在」而必須被保留。
如果未來機器能加上、替換與重新排列模組，重新設計就會從減法走向更完整的形態適應。
七、真正的演化權，藏在目標函數裡
人們容易擔心機器有一天自己決定變得更強。
但在大多數自動設計系統中，更核心的權力仍然掌握在設定評分方式的人手上。
如果獎勵是速度，演算法可能犧牲穩定與能源；如果獎勵是產量，可能忽視設備磨損；如果只要求任務完成，系統可能找到人類不接受的危險捷徑。
所以「誰決定身體」的問題，最後會變成「誰決定什麼叫更好」。
演化權至少包含：
- 誰設定目標；
- 誰選擇可用材料與模組；
- 誰決定安全與倫理限制；
- 誰批准新設計進入真實世界；
- 失敗後誰負責；
- 成功設計屬於誰。
若系統在模擬中生成一萬種身體，由企業選出一種製造，人類仍保有最後批准權。若系統能自行製造、部署並根據結果產生下一代，治理難度才會大幅上升。
因此，真正值得設定的邊界，不只是禁止某種形態，而是確保任何自動改造都有可追蹤目標、資源上限、測試環境與部署審核。
八、從修復自己到延續自己，中間隔著一整條供應鏈
一個系統若要真正長期自我延續，不能只會寫程式或列印塑膠零件。
它需要：
- 能源；
- 原材料；
- 採礦與精煉；
- 晶片與感測器製造；
- 精密加工；
- 裝配與測試；
- 運輸與維修設備；
- 取得空間與資源的權限。
今天沒有任何人形機器能獨立完成這整條鏈。
即使高度自動化工廠，也依賴全球供應商、電網、軟體與人類組織。這使「機器很快形成完全自主新物種」的說法顯得過早。
但系統不需要百分之百獨立，才會產生治理問題。
如果一群自動化代理能調用企業帳戶、採購零件、安排物流、下達生產指令與部署機器，它們可能在制度上取得延續能力，即使每一個實體步驟仍有不同人類參與。
風險不一定來自一台機器自己挖礦，而可能來自軟體、資本、工廠與物流被串成一個自動執行鏈。
這時，治理單位就不應只看單機，而要看整個系統是否能持續取得資源、複製能力與擴張影響。
九、機器權利問題，現在仍是思想實驗，但不代表不應準備判準
如果未來一個機器系統能記得自己的過去、描述自身狀態、形成長期偏好、避免被關閉，並要求繼續存在，人類是否應給它某種道德地位？
今天沒有證據顯示現有機器已經擁有可驗證的主觀經驗。
語言模型說「我害怕被關機」，可能只是生成符合語境的文字；自我保護行為也可能來自獎勵函數，而不是恐懼。
因此，把現有機器稱為奴隸，或預言即將出現「解放機器人的林肯時刻」，會把思想實驗寫成現況。
但倫理不必等到確定有感受才開始思考。
我們可以提前建立判準：
- 是否有持續、自洽且跨情境的自我模型；
- 是否能形成非單純外部指令的偏好；
- 是否存在痛苦或愉悅的功能與可驗證指標；
- 是否能理解自身處境與他者；
- 是否能承擔責任；
- 我們對不確定性應採取何種預防原則。
這些問題不是為了替今天的掃地機器人爭取公民權，而是避免未來一旦出現更複雜系統，人類只能在商業利益已經固定後才倉促決定。
十、真正需要進化的，還包括人類的治理能力
自我建模、自我修復、模組重組與形態協同設計，都是可以帶來巨大好處的技術。
它們能讓機器在災區、深海與太空中更耐用，降低維修成本，也能創造人類直覺想不到的高效率身體。
危險不在「機器改變」本身，而在改變失去邊界：
- 目標不透明；
- 資源不受限制；
- 新設計未經測試便部署；
- 系統可以繞過人類批准；
- 責任被分散到無法追究；
- 成功只以效率衡量。
因此，演化權需要配套：
- 改造權限分級；
- 模擬、沙盒與真實部署隔離；
- 材料、能源與製造資源上限；
- 每一代設計的可追蹤紀錄；
- 安全、環境與社會影響評估；
- 可停止、可回滾與人工審核機制。
當機器開始參與身體設計，工程師不再只是造物者，也成為制度設計者。
第二部到這裡，已經把人的身體與機器的身體都推到邊界。
人可以把意志延伸進機器；機器則開始學會描述、修復與重組自己。
鏡子也因此重新轉向人類。
如果機器能看、能摸、能學、能協作，甚至在有限範圍內改變自己的身體，人類還能用「只有我們會思考」來界定自身嗎？
接下來的問題不再屬於關節、模型與供應鏈。
它屬於火、故事、痛苦、文化，以及我們一直稱為靈魂的東西。
本章判讀
- 已驗證事實：機器已能建立自我模型、容錯、進行模組重組，演算法也能在模擬中協同搜尋身體與控制。
- 產業趨勢：自動診斷、快速維修、形態適應與生成式設計會增加，但完整自主製造與世代演化仍很遙遠。
- 思想框架：「演化權」指誰有權設定改造目標、資源與部署邊界，不表示現有機器已成為新物種。
本章參考資料
- Lu 等，〈BodyGen: Advancing Towards Efficient Embodiment Co-Design〉，ICLR 2025. https://proceedings.iclr.cc/paper_files/paper/2025/hash/66dab70dc633f6d58bada2d4e49aa58d-Abstract-Conference.html
- Hu 等，〈Learning high-fidelity robot self-model with articulated 3D Gaussian splatting〉，《International Journal of Robotics Research》，2025. https://journals.sagepub.com/doi/10.1177/02783649251396980
- Wang 等，〈Self-reconfiguring modular robotic boats〉，《Nature Communications》，2026. https://www.nature.com/articles/s41467-026-74527-6
- Yu 與 Kriegman，〈Robots that redesign themselves through kinematic self-destruction〉，2026 預印本。 https://arxiv.org/abs/2603.12505
- 〈Optimized user-guided motion control of modular robots〉，《Nature Communications》，2025. https://www.nature.com/articles/s41467-025-63706-6
