- 综合排序
- 最热优先
- 最新优先
【具身智能核心技术】
具身智能核心技术概述 具身智能（Embodied Intelligence）强调智能体通过与物理环境的交互来学习和发展认知能力。其核心技术包括感知、决策、控制和多模态学习等模块。
55510编辑于 2025-12-18具身智能核心技术
具身智能的落地案例分析 具身智能（Embodied Intelligence）强调智能体通过与物理环境的交互来学习，近年已从实验室逐步走向实际应用。以下为典型落地案例： 1. ROS2的实时调度策略 关键算法模块采用C++加速（如使用Eigen库进行矩阵运算） 安全机制 硬件急停回路与软件看门狗双冗余设计 ISO 13849标准下的PLd级安全认证实现 以上案例与代码展示了具身智能在感知
24410编辑于 2026-01-20- 来自专栏CreateAMind
具身人工智能全面综述
网络空间中的智能体通常被称为“非具身AI”，而物理空间中的智能体则称为“具身AI”（见表I）。 当前，具身人工智能涵盖计算机视觉（CV）、自然语言处理（NLP）和机器人学等多个关键技术领域，最具代表性的方向包括：具身感知、具身交互、具身智能体和仿真到现实的机器人控制[7]。 因此，有必要通过全面综述，把握具身人工智能在通向AGI道路上不断演进的发展图景。 具身智能体是具身人工智能最核心的基础。 • 我们将具身人工智能系统性地划分为若干核心组成部分，包括机器人、仿真平台，以及四大研究任务：具身感知、具身交互、具身智能体和仿真到现实迁移，从而构建了具身人工智能的详细分类体系。 II 、具身机器人 具身智能体与物理环境进行交互，包括机器人、智能家电、自动驾驶车辆等。
60410编辑于 2026-03-11 具身智能，究竟还缺什么？
具身智能（Embodied AI）指的是拥有物理形态的人工智能系统，这些系统能够在真实的物理环境中进行学习和操作，与周围世界实现动态交互。 相对于数字环境的AI，这项能力对于需要与物理世界亲密接触的具身智能来说显得更为重要。 而这对于接下来具身智能对世界的理解与交互来说，是非常重要的基础工作。 不管哪种方式，对于具身智能这项复杂工程，都是有益且必要的。随着技术的发展和市场的变化，开源与闭源之间的界限也在逐渐变得模糊，未来可能会出现更多结合两者优点的混合模式，共同解决具身智能这一多学科难题。 总的来说，要实现具身智能，还需要做大量的工作。“没有灵魂的躯体是一具行尸走肉，没有躯体的灵魂是一缕虚无幽灵。”在具身智能的发展过程中，具身和智能缺一不可，且需要达到高度的有机结合。
84730编辑于 2024-11-14- 来自专栏CreateAMind
具身认知与激进具身认知（2）
这种类似吉布森的对心理表征的怀疑或许是布鲁克斯早期工作中最（臭名昭著的）方面，但使布鲁克斯成为具身认知科学榜样的并不是他的反表征主义。相反，是他坚持认为智能必然是具身的。 智能的身体、脚手架化的环境、模糊的边界 鉴于对精神体操重要性的最小化，解释复杂、智能行为成为一个挑战。在具身认知科学中，一部分智能从大脑“卸载”到身体和环境中。 这三条原则表明，尽管受到美国自然主义者詹姆斯·吉布森的影响，具身认知科学仍然是表征理论的一种形式。事实上，尽管与老式人工智能（GOFAI）有许多不同，具身认知科学仍然是一种心灵的计算理论。 据此，克拉克认为，激进具身认知科学家所推动的，是对认知主义革命中“良构旧式人工智能”的一种过于彻底的决裂；他们本应满足于不那么激进的决裂——亦即具身认知科学所代表的那种立场。 不过在下一节中，我将简要概述两项激进具身认知科学研究的实例。此举旨在初步展示：激进具身认知科学如何进行解释、迄今已解释了哪些现象，并让人初步感受到：它究竟如何能够解释真正智能的行为。
12110编辑于 2026-03-11 - 来自专栏AI科技评论
专访联想集团 CTO 芮勇：智能体是具身智能的基础｜具身智能十人谈
AI科技评论：在您看来，智能体与具身智能之间有什么联系？ 芮勇：我认为，智能体是一个统筹的概念。智能体基于大模型而又超越于大模型，智能体同时也是离身智能和具身智能的基础。 在数字空间的智能体，我们一般称为离身智能（Disembodied AI）；存在于物理空间的智能体就是具身智能（Embodied AI）。具身智能包括在机器人方向的具身智能，也包括了车和其他设备。 此外，比如同样是对知识库和工具库的调用，离身智能和具身智能所调用的库是完全不一样的。 AI科技评论：您认为具身智能最适合的载体是什么样的？ AI科技评论：从某种意义上来说，具身智能因为具有和物理环境进行交互的特点，应该是更高级的一种智能形态，您如何看待具身智能和 AGI 之间的关系？ 芮勇：我觉得 AGI 跟离身智能、具身智能都有关系。 芮勇：就像刚才谈到的，从小模型到大模型，大模型再到智能体，智能体包括离身智能、具身智能，这一发展脉络还是挺清晰的，所以我不觉得具身智能会是昙花一现，现在具身智能确实是一个主流的研究方向。
41310编辑于 2024-06-17 具身智能的10个真问题
本期为《仲夏六日谈》第三季第一期节目文字内容，主题为《具身智能：信仰还是FOMO？》。十大看点：·具身智能会昙花一现吗？·AIGC下“具身智能”有哪些特别之处？·机器人为什么也要有“大脑、小脑”？ 关于具身智能，大家说得比较多的一点是，必然得通过具身智能才有可能达到AGI这一步。 张恒第：具身智能这个词，其实是近两年才出现的。有一年，英伟达的黄仁勋突然把具身智能这个词提出来了。 没有那么大的区别，真正的区别可能还是在大脑里，所以我觉得，现在的具身智能和以前的具身智能之间最大的区别是大脑和身体的强绑定。 但具身智能怎么办？离具身智能最近的一个解决方案可能是自动驾驶。
60910编辑于 2024-08-13具身智能的 OpenAI，可能已经出现了
如果具身智能领域会出现一个 OpenAI 级别的公司，我觉得 Physical Intelligence 是目前最接近的 10 亿美元融资，56 亿美元估值，18 个月发了 11 篇研究，已经有客户在用他们的模型做真实业务 融资速度：20 个月，10 亿美元 PI 的融资节奏可能是具身智能领域最快的： • 2024.03 种子轮 7000 万美元（Thrive Capital、OpenAI、Lux Capital） • 2024.11 写在最后 豪斯曼说过一句话：核心挑战不是机械设计，是智能。 大部分机器人公司把精力花在腿怎么走、手怎么抓上面。PI 赌的是另一条路：只要大脑够聪明，身体是谁的都行。 这个赌注能不能最终成立？我不确定。
16100编辑于 2026-03-31- 来自专栏新智元
具身元年压轴，智源线虫登Nature子刊封面！具身智能迎新纪元
它首次实现了秀丽线虫神经系统、身体与环境的闭环仿真，不仅填补生物智能模拟领域空白，还为具身智能发展和AI实际应用开辟了全新路径。 这一工作不仅为研究生物智能提供了新的平台，也为具身智能理论的进一步发展和人工智能领域的应用奠定了基础。 articles/s43588-024-00740-2 BAAIWorm GitHub地址： https://github.com/Jessie940611/BAAIWorm BAAIWorm天宝对于具身智能研究的意义 近年来，随着神经科学和人工智能技术的深度交叉融合，研究者们越来越多地尝试通过构建生物体模型来理解神经系统与行为之间的关系，并推动具身智能的研究。 生物智能无疑是人工智能研究的源头。BAAIWorm天宝通过高精度还原和模拟生物智能，为理解和探索生物启发的具身智能的核心机制提供了重要的实验平台。
24500编辑于 2025-02-15 业内首个具身智能原子技能库架构
随着大模型技术的进步，具身智能也迎来了快速的发展。同时，具身智能也还存在诸多挑战，核心挑战在于具身操作泛化能力，即如何在有限具身数据下，使机器人适应复杂场景并实现技能高效迁移。 实验表明，方案在数据效率和泛化能力方面表现卓越，这是业内首个基于数据驱动的具身大模型原子技能库构建框架，也是首个面向具身产业应用的数据采集新范式，形成数据标准，解决当前具身智能数据缺乏困境，尤其是高校与产业之间数据和范式的流动 研究背景具身智能，即具身人工智能，在生成式 AI 时代迎来重要突破。通过跨模态融合，将文本、图像、语音等数据映射到统一的语义向量空间，为具身智能技术发展提供新契机。 小结团队提出的一种基于三轮数据驱动的原子技能库构建框架，旨在解决传统端到端具身操作策略带来的“数据爆炸”问题，为具身智能产业应用提供创新解决方案。 希望此项工作能够为行业提供重要启示，促进学术界与产业界的深度合作，加速具身智能技术的实际应用。我们诚挚邀请有兴趣的合作伙伴，与我们一起探索具身智能的未来。
1.2K10编辑于 2025-02-20- 来自专栏CreateAMind
具身感知基准测试
https://arxiv.org/pdf/2503.11117v3 摘要 具身问答（Embodied Question Answering, EQA）是具身智能领域中一项极具挑战性的任务，要求智能体在三维环境中动态探索 1 引言 具身问答（Embodied Question Answering, EQA）是计算机视觉、自然语言处理与具身智能交叉领域的一项核心挑战。 为应对上述挑战，我们提出“探索感知型具身问答（EQA）”任务，强调智能体在作答前需主动且理性地探索环境中相关的线索。 用于具身智能体的大模型 大模型强大的推理与泛化能力推动了其在具身任务中的广泛应用，例如视觉-语言导航 [25, 26, 46] 和具身操作 [18, 38, 40]。 在具身问答（EQA）中，智能体需通过与环境的动态交互不断积累信息，以实现准确回答。关键在于，这一探索过程需在合理约束内终止，而非无限持续。
11410编辑于 2026-03-11 - 来自专栏数据猿
卡住具身智能脖子的，不是硬件，是数据
没有真实世界的数据 具身智能只能是幻觉 过去几年具身智能硬件的进步堪称惊人。双足行走、关节扭矩控制、电机响应速度、传感器精度……宇树、智元、特斯拉等玩家已经将工程能力推到了一个新高度。 当人们谈到具身智能的时候，往往只把焦点放在那个漂亮的外形上。事实上，除了本体，具身智能还需要三大核心要素：数据、模型与场景。 其中，数据尤为关键。它直接决定了智能能不能“涌现”，能力能不能“泛化”。 这种根本上的不同，注定了具身智能的数据采集，注定复杂、繁琐、成本高昂。 近日，记者参访了海天瑞声位于北京的一处具身智能数据训练中心，这里地处繁华地段，整栋写字楼里，有好几层都专门用于具身智能数据采集。 2024年，国内首个具身智能数据行业标准——《人工智能 具身智能数据采集规范》发布。首次为物理交互数据的格式、质量与安全提供了指导性框架。这意味着，“数据标准化”已上升为顶层战略。
13310编辑于 2026-03-27 - 来自专栏一点人工一点智能
具身智能关键模型技术演化路线图
编辑：陈萍萍的公主@一点人工一点智能 横跨2012–2025年，把计算机视觉（CV）、自然语言处理（NLP）、强化学习（RL）、大语言/多模态模型（LLMs/MLLMs）以及世界模型（WMs）五条技术线的里程碑工作放在同一条时间轴上 ，直观呈现它们如何交替推动具身智能从“单模块感知”走向“多模态-物理-语义”统一体。 下面按时间顺序对图中出现的30个核心模型逐一给出技术要点与在具身智能中的角色。 NLP模型（黄色） RL模型（绿色） LLMs/MLLMs（靛蓝色） World Models（蓝色） 此图用一张“地铁线路图”式的时间轴，把原本碎片化的 30 余个里程碑串成五条“技术快线”，帮助初入具身智能的研究者一眼看清
26310编辑于 2025-11-26 深度洞察 | OpenCSG带你探索具身智能的前沿
1 具身智能概念介绍1.1 具身智能定义目前人工智能的进展，在诸多数据源和数据集（Youtube、Flickr、Facebook）、机器计算能力（CPU、GPU、TPU）的加持下，已经在CV、NLP上取得了许多任务 因此为了满足AI机器人能够像人类一样在真实世界中实践型学习，具身智能（Embodied AI）逐渐成为一个热门的讨论点，或许它就是通往通用人工智能的关键钥匙。 1.6 Embodied AI主要任务具身智能研究任务主要类型分别是视觉探索、视觉导航和具身QA。 2 具身智能技术路线Embodied AI：集成 环境理解、智能交互、认知推理、规划执行于一体的系统方案环境理解：CV领域中做了很多的相关工作。 3 具身智能落地项目3.1 具身智能操作系统3.1.1 ROS2机器人操作系统（Robot Operating System, ROS）自2007年诞生以来，已经极大地推动了机器人技术的发展。
1K10编辑于 2024-07-17- 来自专栏Rust语言学习交流
【Rust招聘】具身智能应用开发实习(1名)
我们的其中一个目标是通过引入先进的大模型来增加环境自适应能力和灵活性，致力满足具身智能机器人操作系统的的需求，并邀请对具身智能充满热情的你加入我们，共同推动开源事业。 欢迎你的加入，一起编写下一个具身智能里程碑应用。
32610编辑于 2024-05-29 - 来自专栏一点人工一点智能
具身抓取研究综述
编辑：陈萍萍的公主@一点人工一点智能 论文链接：https://www.mdpi.com/1424-8220/25/3/852 引言 具身抓取是机器人执行物理交互任务的核心基础。 本文从具身基础、具身感知、具身策略和具身Agent四个维度系统梳理了最新进展。引言部分强调了预训练模型如何通过大规模数据学习先验知识，帮助机器人理解环境意图并提升动态环境下的自适应能力。 这些技术突破为机器人抓取的智能化奠定了基础。 具身基础 具身基础部分系统总结了机器人硬件平台、仿真环境、数据集和采集方法。 具身Agent 具身Agent分为分层执行（Hierarchical Execution）和整体执行（Holistic Execution）两类架构。 结论 本文系统综述了预训练模型在具身抓取中的应用，从基础平台到高层策略均展现了显著进展。预训练模型通过先验知识注入，解决了数据稀缺与泛化难题，推动了机器人抓取的智能化。
70810编辑于 2025-04-04 - 来自专栏AIGC新知
2025 WAIC探展攻略 | 具身智能篇
H3智能终端馆 除了AI，具备身形的智能体同样备受关注，我们所说的具身智能。 H3馆将带你进入一个赛博空间，感受来自2050的未来世界。 具身智能厂商：宇树、智元、国地中心等具身智能厂商、 智能眼镜：灵伴科技、XREAL、李未可等智能眼镜品牌、 AI+游戏：新智慧游戏、心影随形等 汇聚「具身智能」 「机械制造」「 虚拟现实」 「智能硬件」 赛博空间一：「具身智能」 人形机器人正在不断突破边界，成为人类新的伙伴。 松延动力 E109 公司致力于通用人工智能本体，机器人仿生，以及具身操作系统等多个方向的研发。 北京人形 C110 国内首家具身智能软硬件全栈科技公司，聚焦具身智能机器人关键共性技术研发和生态建设，围绕通用机器人平台“天工”和通用具身智能平台“慧思开物”两大核心任务开展攻坚，致力于打造具有全球影响力的具身智能创新策源地和应用示范高地
61310编辑于 2025-07-29 - 来自专栏多模态模型系列
具身智能中VLA（视觉-语言-动作）技术论文解读
上个月的“全球首场人机马拉松”的赛事，可以说是具身智能技术发展的一个小里程碑。 具身智能上面谈到智能体需要感知环境、自主决策并执行任务。LLM连个本体都没有，执行任务就是调用服务~落地场景始终还是在软件层面。 而具身智能则是天生Agent圣体~具身智能的三要素：“本体”，即硬件载体“智能”，即大模型、语音、图像、控制、导航等算法；“环境”，即本体所交互的物理世界。 本体、智能、环境的高度耦合才是高级智能的基础。具身和智能两条线，在具身智能上汇合了。目前具身大模型可以分为两大流派，一类是端到端大模型，一类是分层具身大模型。 目前，由于受数据制约难以达到性能要求，端到端大模型尚未成为主流选择，更多厂商还是选择以分层模型为机器人的具身智能。
5.2K36编辑于 2025-04-29 - 来自专栏CreateAMind
具身决策即主动推理
作者总结 在本研究中，我们引入了一种新颖的建模方法来探索具身决策，即决策与动作在动态环境中同时发生。 通过将具身决策模拟为一个主动推理过程，我们能够复现各种关于动作和决策在时间上并行展开的实证发现，以及运动动力学在感知中的反馈效应。此外，我们阐明了在时间压力下，具身选择相对于串行选择的规范优势。 然而，各种研究表明，在具身决策期间（即需要同时指定并在备选行动方案之间进行选择时），串行观点是不足的。 此外，它解释了具身决策的关键方面，例如任务前显现 [22] 或任务期间变化 [26] 的运动成本会影响决策结果这一事实。 请注意，关于具身决策中的运动成本，存在两种替代视角（或解释）。 未来研究的一个重要方向是对此处引入的具身选择模型进行实证验证。在本研究中，我们提供了规范性论据，说明与串行策略相比，具身模型在速度 - 准确性曲线方面的优势。
16410编辑于 2026-03-11 - 来自专栏资讯分享
一文读懂具身智能：方法、进展及挑战
主流具身智能训练方法面临的挑战在深度学习范式下，具身智能的研究主要集中在模仿学习(Imitation Learning)和强化学习 (Reinforcement Learning, RL) 两大块。 ，从而解锁了零样本，系统性泛化 [4] 到新任务的能力，在一定程度上缓解了具身智能数据采集成本高昂的问题。 这种对于本体的认知和灵活运用能力是目前的具身智能体做不到的。 总结本文介绍了基于目前深度学习技术的具身智能研究涉及到的方法（模仿学习和强化学习）及其面临的挑战，分析了近期基于基础模型的工作在通往通用具身智能道路上取得的进展及其局限性。 在此基础上讨论了以目前的方法训练具身智能系统将面临的一个根本性挑战（任务指定问题）以及其本质原因（缺乏结构化层级化抽象，世界模型），并论证了世界模型对于实现具身通用智能的关键性。
3K11编辑于 2023-12-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号