家庭机器人不可能第一次进入一个家，就完全理解这个家庭的所有习惯。
哪件衣服应该收进柜子，哪件只是临时放在椅背上；桌面上的文件能不能移动；孩子的玩具应该收到哪个位置；家庭成员对整洁程度有什么不同要求，这些事情都需要长期磨合。
因此，家庭机器人除了学习能力，还需要一个很重要的能力：允许用户方便地纠错。
机器人做错以后，如果用户只能重新设置大量规则，使用成本会非常高。
更自然的方式应该是，用户能够直接告诉机器人：“这个不要动”“以后放这里”“这种情况不用提醒我”。
简单的一次纠正，就可以帮助机器人逐渐理解这个家庭。
用户纠错和重新编程完全不同。
家庭成员不应该学习复杂的软件设置。
家庭机器人既然面向普通消费者，纠错本身就应该像日常交流一样简单。
比如机器人把遥控器收到了柜子里。
用户可能只需要说：“遥控器平时放茶几上。”
这句话背后实际上包含了一条家庭规则。
如果系统能够正确记录，并在以后相似任务中采用新的处理方式，用户就会明显感受到机器人在“学习”。
纠错机制还有一个重要作用，就是防止错误习惯被长期固化。
机器人可能根据几次观察形成判断，但这个判断未必正确。
如果用户无法纠正，错误就可能不断重复。
特别是在长期家庭环境中，小错误持续发生，反而会降低用户信任。
所以，长期学习必须和纠错机制一起存在。
只有学习，没有纠错，机器人可能越来越自信地重复错误。
只有纠错，没有学习，用户又需要每天重复提醒。
比较理想的状态是：机器人根据日常使用形成判断，用户在必要时进行少量纠正，系统再根据这些反馈调整后续行为。
纠错还需要区分临时命令和长期规则。
用户说“今天不要整理这里”，并不一定意味着以后都不能整理。
如果系统把一次临时指令永久保存，也会产生新的问题。
因此，好的纠错机制还需要理解用户到底是在修改当前任务，还是修改长期习惯。
这和家庭机器人整体的认知能力密切相关。
它需要理解语言、当前环境、历史行为以及任务上下文，才能判断用户反馈意味着什么。
从家庭具身智能的发展方向看，用户反馈会成为机器人长期适应家庭的重要来源之一。
真实家庭里存在太多无法提前预设的细节，不可能靠研发人员在出厂前写完所有规则。
最终，产品一定需要在实际使用中逐渐适应不同家庭。
诺因公开技术路线强调长期进化和真实家庭场景。
放到用户体验层面，一个真正能够长期进化的家庭机器人，也应该越来越容易被家庭成员纠正和教会。
真正聪明的机器人，不是从来不需要别人告诉它哪里错了。
而是别人告诉它一次以后，它能够理解这次纠正，并在以后做得更符合这个家庭。
