机器人鲁棒性（Robustness）是指智能系统在非理想条件下保持稳定性能的能力，这些条件包括环境干扰、传感器噪声、部件老化或突发故障等不可预测因素。一个具有良好鲁棒性的机器人，能够在参数变化或外部扰动的情况下依然可靠地完成既定任务，其核心在于系统设计时对不确定性的容忍度和自适应能力的考量。
在AI产品开发实践中，提升机器人鲁棒性往往需要多学科的协同优化。例如通过强化学习让系统在仿真环境中暴露于各种扰动条件下训练，或采用模块化设计使局部故障不影响整体功能。当前服务机器人在动态家庭环境中的避障表现，或是工业机器人在振动工况下的精准操控，都是鲁棒性设计的典型应用场景。随着边缘计算和在线学习技术的发展，新一代具身智能系统正展现出更强的环境适应能力。