人形机器人建立性能评价体系，核心不是给整机增加一组宣传参数，而是把“能做什么、做得多好、在什么条件下完成、是否能够稳定复现”转化为可测试、可比较、可追溯的评价规则。当前产品形态和应用场景快速扩展，如果只比较自由度、负载或运动速度，容易出现指标口径不一致，采购方也难以据此判断真实适用性。
先定义任务，再定义指标
评价体系应以任务为起点，而不是以零部件参数为起点。针对搬运、操作、巡检或人机协作等不同任务，应明确作业对象、空间环境、动作流程和完成条件，再分别评价任务成功率、动作精度、响应稳定性、连续运行能力以及异常处置能力。这样可以避免把实验室中的局部性能，误认为复杂场景下的综合能力。
指标设计至少应分为三层：基础能力评价感知、定位、移动、操作和控制等单项性能；系统能力评价多模块协同、任务规划、交互响应和连续作业；场景能力则关注机器人在真实或接近真实的环境中能否完成规定任务。三层指标既要相互关联，也要避免重复计分。对于具身智能系统，还应把数据质量、环境变化适应性和人机交互表现纳入评价范围，但必须明确测试边界，不能用模糊的“智能化水平”替代可观察结果。
让结果具备可比性
同一指标必须规定测试条件、样本要求、操作流程、判定规则和结果记录方式。尤其要区分峰值性能、平均性能与长期稳定性能，并记录任务失败、人工干预和安全停机等情况。否则，单次演示的优秀表现无法代表产品的工程可靠性。
安全应当是独立的评价维度，而不是性能达标后的附加项。评价内容应覆盖运动限制、碰撞风险、失控处理、故障降级和数据合规等方面；涉及人机协作时，还要验证异常状态下系统是否能够及时停止或转入安全状态。
最终形成的体系，应服务于研发改进、检测认证和采购选型。上海相关产业布局已将性能测试、场景应用和检测认证作为标准建设的重要方向，这说明行业需要从“展示动作”转向“验证能力”。只有统一术语、测试条件和结果表达，评价体系才能真正降低选型风险，推动人形机器人从样机竞争进入可验证、可交付、可规模化应用的阶段。