在受控环境里，视觉模型可以被漂亮的准确率说服。但仓库、工厂和街道不会保持整齐：光线会变化，物体会遮挡，物品会出现在训练数据之外。
因此，机器人真正需要的不是一个总能给出结果的视觉系统，而是一个能表达置信度、识别异常并触发安全策略的系统。
不确定性是一种输出
当机器人看见一个从未遇到过的物体，它应该做的不是猜一个最接近的类别，而是把不确定性传给下一层决策。这个动作可能是减速、重新观察，或者请求人工确认。
这会改变系统的评价方式。除了准确率，还需要测量错误的代价、异常发现的速度，以及人类介入后流程能否继续。
从看见到协作
一台在现实世界里有用的机器人，必须让人理解它的判断。提示灯、声音、动作停顿和操作界面，都会成为视觉系统的一部分。
机器人视觉最后要解决的，不只是“它看见了什么”，而是“它和人如何共享对现场的理解”。
