机器人偏见(Robot Bias)是指人工智能系统在决策或行为过程中表现出的系统性偏差，这种偏差往往源于训练数据的不均衡、算法设计缺陷或人类先验认知的投射。当具身智能体被部署在物理世界执行任务时，这种偏见可能通过机械动作、语音交互或环境交互被具象化，导致对特定人群、场景或任务的差异化处理。与软件层面的算法偏见不同，机器人偏见因其物理存在性会产生更直接的社会影响，例如服务机器人对某些方言理解能力显著下降，或清洁机器人更倾向于为特定区域提供服务。
在产品开发实践中，机器人偏见需要通过多模态数据校验和场景压力测试进行识别。清华大学人机交互实验室2022年的研究表明，在室内导航任务中引入对抗性样本训练，能有效降低机器人对不同建筑布局的偏见响应。延伸阅读推荐MIT Press出版的《Embodied AI: From Algorithms to Applications》第三章，其中详细探讨了物理交互场景中的偏见消除框架。