- 综合排序
- 最热优先
- 最新优先
- 来自专栏防止网络攻击
具身智能机器人学习路线全解析
一、引言 具身智能机器人作为融合了机器人学、人工智能、认知科学等多领域知识的前沿技术，正逐渐改变着我们的生活和工作方式。从工业制造到家庭服务，从医疗护理到太空探索，具身智能机器人都展现出了巨大的潜力。 （三）编程基础 Python：作为具身智能机器人领域广泛使用的编程语言，具备丰富的库和工具，如 NumPy 用于数值计算，SciPy 用于科学计算，Matplotlib 用于数据可视化。 四、人工智能技术 （一）机器学习 监督学习：学习分类和回归算法，如决策树、支持向量机、神经网络，用于机器人的模式识别和状态预测。 ).item() print(f'Accuracy of the network on the 10000 test images: {100 * correct / total}%') 七、总结 具身智能机器人的学习是一个长期而复杂的过程 通过系统地学习数学、物理、编程、机器人学和人工智能等多方面的知识，结合实际案例和代码实践，相信你能够逐步掌握具身智能机器人的核心技术，为这一领域的发展贡献自己的力量。
1.9K00编辑于 2025-05-15 【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。 控制模块通过机器人学和运动规划技术，将决策转化为具体动作。 感知技术实现案例 视觉-触觉多模态感知系统常用于物体识别和操作。 current_pose) robot.send_joint_torques(target_torques) rate.sleep() 该ROS节点实现100Hz控制频率，通过Franka Emika机器人接口发送力矩指令
56110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. 仓储物流机器人 亚马逊的Kiva机器人通过SLAM（同步定位与地图构建）技术实现货架自主搬运，大幅提升分拣效率。 波士顿动力Stretch机器人结合深度强化学习，完成不规则包裹的抓取与堆放。 2. 家庭服务机器人 iRobot Roomba系列扫地机器人采用碰撞传感器与路径规划算法，实现自适应清洁。 丰田HSR（Human Support Robot）通过多模态感知帮助老年人完成日常物品取放。 工业质检系统 基于视觉-机械臂协同的缺陷检测系统，如Fanuc CRX协作机器人，通过在线学习优化检测准确率。 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
25210编辑于 2026-01-20- 来自专栏AI科技评论
戴盟机器人王煜：「具身技能」才能发挥人形机器人的作用 | 具身智能十人谈
在大模型技术的加持下，长出「大脑」的人形机器人被视为通向 AGI 的必经之路，「具身智能元年」似乎已经到来。 概念被炒得火热，但具身智能的故事仍面临着一个核心问题：「大脑」真的能带来质的改变并实现商业化落地吗？ 对此，香港科技大学机器人研究院创始院长王煜教授提出了「具身技能」的概念。 「如果把具身智能称为大脑，那么中脑或小脑则是大关节控制，精细操作为细小脑，也可叫具身技能，需要有硬件、学习方法、数据的支持。」王煜教授解释道，「不到具身技能的层次其实无法发挥人形机器人的作用。」 如果把具身智能称为大脑，那么中脑或小脑则是大关节控制，精细操作为细小脑，也可叫「具身技能」，需要有硬件、学习方法、数据的支持。 不到具身技能的层次其实无法发挥人形机器人的作用，我们不能只有pick and place，比如拖地这个操作不止是拿起拖把，还需要用力拖地。
55311编辑于 2024-07-17 - 来自专栏机器之心
CMU把具身智能的机器人给越狱了
选自blog.ml.cmu 作者：Alex Robey 机器之心编译 机器之心编辑部 具身智能，也和大模型一样不靠谱。 如果具身智能也遭越狱，机器人可能会被欺骗，在现实世界中造成人身伤害。 除了拟人化机器人，去年起，端到端的 AI 还被应用于自动驾驶汽车、全自动厨房和机器人辅助手术等各种应用。这一系列人工智能机器人的推出及其功能的加速发展。 从用于处理自动驾驶汽车中的图像和视频的计算机视觉模型，到指导机器人如何采取分步行动的强化学习方法，学术算法在与现实世界用例相遇之前往往没有多少延迟。 毕竟，实用的智能机器人是我们无比期待的技术。 与聊天机器人越狱的设置不同，其中的目标是获取单一信息，而基于网络的攻击智能体的潜在危害范围要广得多，因为它们能够执行多步骤推理任务。事实上，机器人可以看作是 AI 智能体的物理表现。
45500编辑于 2025-02-15 - 来自专栏CreateAMind
具身人工智能全面综述
关键词—具身人工智能，网络空间，物理世界，多模态大模型，智能体，机电智能 I、引言 具身人工智能（Embodied AI）最初源于艾伦·图灵于1950年提出的“具身图灵测试”[1]，其应用广泛，涵盖机器人 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]。 • 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。 虽然该方法支持适应多种任务与环境，但对外部策略模型的依赖可能引入延迟并影响性能，因此这些模型的质量对整体智能体效能至关重要。
61810编辑于 2026-03-11 一文读懂具身智能（AI+机器人）
前段时间，具身智能领域出现了一个标志性事件——北京人形机器人创新中心开源的XR-1模型，首次通过国家具身智能标准测试。 从"感知-决策-执行"到"知行合一"的范式跃迁 传统机器人控制遵循感知-决策-执行的线性流程，本质上是在模拟人类的三段式思维过程。 但这种架构有个致命缺陷：决策和执行之间存在显著的时间延迟。 过去我们需要为每个动作建立精确的数学模型，现在却要让机器人在不断试错中悟出世界规律。 这让我想起强化学习中的试错学习概念，但具身智能把这个概念推向了极致——不是试错，而是在物理世界中的直接学习。 结语 具身智能的2025-2026年注定是载入史册的一年。 具身智能不是AI技术的简单延伸，更像是一种全新的智能形态。它要求我们重新思考智能的本质，重新定义人机关系的边界。
61410编辑于 2026-02-02具身智能，究竟还缺什么？
物理智能：更强大更便宜的物理实体让“身体”追上“大脑”的发育进入大模型时代，人工智能的发展超出了许多人的预期。有人甚至设想，只要将最先进的大模型装入机器人，就能立刻实现具身智能。 空间智能：多维感官与行动能力空间智能是什么，为什么重要决定具身智能复杂性的感官与行为数据及其相关算法，是软件层面制约机器人的量产与泛化能力的另一个重要因素。 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- 来自专栏具身小站
基础模型推动具身机器人操作
通过基础模型实现自主机器人操作挑战的研究，主要有两大核心方向：1) 高级规划：该方向通过解析用户自然语言指令和环境交互数据，实现分步决策过程。 仅凭简单指令训练单一策略模型完成完整任务仍具挑战，模型不仅需要掌握多项技能，还需理解各技能间的执行顺序，使得训练过程本身变得异常复杂。 鉴于视觉与语言基础模型在复杂推理和上下文泛化方面展现的强大能力，机器人学界探索将基础模型应用于解决这些难题可谓顺理成章。 同理，要大幅提升具身人工智能的能力，关键在于扩大机器人数据集的规模——这是推动该领域重大突破的必经之路。 具身人工智能的数据集更关注现实环境中三维信息、物体功能特性以及机器人与物体间的交互关系，这些都基于真实物理定律的约束条件。
12210编辑于 2025-12-30 - 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
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。 芮勇：具身智能的载体多种多样，既可以是人形机器人，也可以也是其它形态，场景不同，载体则不同。 比如需要陪伴老人或者小朋友的场景，最适合的就是人形机器人。 芮勇：把具身智能给做好，必须要有这两批人。光有机器人背景的人对 AI的了解可能不那么深刻，不懂 AI 就不懂大模型，不懂大模型就不懂离身智能，自然就很难做具身智能。 随着大模型和智能体的能力越来越强，具身智能也会变得越来越成为主流。 具身智能是生活和生产中一直以来的需求。最开始，机械臂在固定产线做固定动作，比如产品装配、工件焊接，我们定义为机器人1.0时代。 从机器人1.0， 到机器人2.0， 再到3.0， 具身智能越来越聪明。而且随着技术的进步，具身智能的应用范围越来越广泛，机器人会普及到越来越多的领域。
41310编辑于 2024-06-17 - 来自专栏AI科技评论
ICRA 2024：「具身智能」热度飙升，「学习」成机器人行业共识
在大模型热潮的影响下，一批机器人或者说是具身智能企业如雨后春笋般创立，希望能够开发出能与物理世界进行交互的智能机器人，完成这个极具挑战性的任务。 「无论是科学家、创业者还是学生，大家都在讨论具身智能。」 与传统机器人公司相比，「新生代」的具身智能企业最大的区别在于是否采用了人工智能技术。 艾欧智能便参与 ICRA 2024 最具有代表性的中国具身智能企业之一，将 AI 技术与机器人领域牢牢融合在一起。 方舟无限同样是一家新兴具身智能企业，是全球首家具身智能领域量产数据采集方案供应商。
1.3K21编辑于 2024-05-22 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”？ ·智能机器人会在哪些领域代替人类？·家庭端场景，为什么会比工厂更难？·ToB和ToC，哪个更容易商业化？·人类该怎样教机器人去做事？·具身智能下一步突破的核心瓶颈是什么？ ·机器人会是年轻人结婚的“新三大件”之一吗？·中国具身智能进入世界前列的关键是什么？ 机器人和它有本质的区别吗？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。 但是对具身智能的机器人来说很难，因为它没有几千万年的进化，它没有为了生存做这件事。所以为什么我觉得现在具身智能肯定在对的路上，但大家还在讨论它靠不靠谱呢？因为它也足够难。
61110编辑于 2024-08-13- 来自专栏数据猿
奥比中光：进击具身智能，打造机器人之眼
在5月的ITF世界半导体大会上，英伟达创世人兼CEO黄仁勋说，人工智能的下一波浪潮将是具身智能。 在大会论坛上，奥比中光创始人、董事长兼CEO黄源浩说，AI大模型出现后，机器人加速实现跨越式进化，走向具身智能。 黄源浩说，具身智能的发展，依赖多模态大模型能力，在ChatGPT文本大模型与多模态大模型之间，奥比中光聚焦的机器人视觉正是一大关键。 基于业内领先的3D视觉解决方案，奥比中光正构建机器人视觉产业中台，为机器人厂商提供一站式机器人视觉感知解决方案，成为具身智能机器人产业链上的重要玩家之一。 黄源浩说，未来机器人在某些方面的性能会比人表现得更好，比如机器人的感知能力。 黄源浩认为，视觉感知大模型是具身智能机器人重要的技术发展路径。
51020编辑于 2023-09-15 - 来自专栏机器之心
机器人迈向ChatGPT时刻！清华团队首次发现具身智能Scaling Laws
他们发现了具身智能领域的 “圣杯”——data scaling laws，让机器人实现了真正的零样本泛化，可以无需任何微调就能泛化到全新的场景和物体。 这一突破性发现，很可能成为机器人领域的 “ChatGPT 时刻”，彻底改变我们开发通用机器人的方式！ 从火锅店到电梯，机器人展现惊人泛化力 研究团队可不是只在实验室里玩玩具。 一位是清华大学交叉信息研究院四年级博士生胡英东，专注于具身智能领域的前沿研究。他致力于探索通用机器人系统所面临的基础性问题，旨在使机器人能够在各种非结构化的现实环境中泛化其学习到的行为。 他专注于将大模型的先验知识融合到机器人任务中，帮助机器人完成日常生活中的复杂任务；同时他希望利用已有的机器人算法、视觉语言大模型，探索机器人落地的可能性。 高阳在人工智能顶级会议 NeurIPS，ICML，CVPR，ECCV，ICLR 等发表过多篇学术论文，谷歌学术引用量超过 2000 次。 © THE END 转载请联系本公众号获得授权
30210编辑于 2025-02-14 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 训练一个足够大的模型，让它同时理解视觉、语言和动作，直接输出机器人该怎么动。不用给每种机器人、每个任务单独编程。一个通用的机器人大脑。 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 不卖机器人，卖大脑 PI 的商业模式很明确：不造机器人，只做机器人的大脑。 每台接入 PI 模型的机器人，每月 300 美元订阅费。模型兼容 7 种以上硬件平台，支持 50 多种任务。 机器人硬件完全不同，但跑的是同一个大脑。这就是通用基础模型的价值。 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。
17000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。
24700编辑于 2025-02-15 《探索具身智能机器人视觉-运动映射模型的创新训练路径》
这一模型就像机器人的 “神经中枢”，连接着视觉感知与肢体运动，使机器人能够在复杂的现实环境中灵活应对各种任务。传统的视觉 - 运动映射模型训练方法存在局限性，难以满足具身智能机器人日益增长的需求。 在训练具身智能领域的基础模型时，高质量带有标签的机器人数据成本高昂，而互联网视频中丰富的人类活动数据为解决这一问题提供了新思路。 IGOR框架通过潜在动作模型（LAM）将初始状态和目标状态之间的视觉变化压缩为低维向量，并通过最小化初始状态和动作向量对目标状态的重建损失来进行训练。 这使得具有相似视觉变化的图像状态在语义空间而非像素空间上具有相似的动作向量，大大扩展了具身智能基础模型能够使用的数据量。 具身智能机器人的视觉 - 运动映射模型创新训练方法正不断拓展机器人的能力边界。
41710编辑于 2025-05-20- 来自专栏新智元
首篇具身智能机器人「安全」综述：LLM如何跨越物理鸿沟？
具身智能正在经历从实验室走向真实世界的范式转移。 大语言模型（LLM）赋予了机器人强大的逻辑推理与任务规划能力，但安全风险也随之单纯的「语义毒性」演变为真实的物理破坏。 论文链接：https://arxiv.org/html/2601.02377v1 核心挑战：物理属性缺失的「具身鸿沟」 LLM控制机器人的底层困境在于具身鸿沟 (Embodiment Gap) ，传统的 LLM 安全机制聚焦于文本输出的合规性，具身智能则面临着「乱执行」的物理风险。 为了系统性应对这一挑战，研究团队构建了目前该领域最全的攻击与防御全景分类学： 具身智能安全攻击与防御全景分类 具身层面攻击分类学：三大向量 研究团队系统性地提出了针对具身智能的攻击分类方法 ： 具身越狱 安全性不再是具身智能的附加组件，而是行业建立信任的底层基石 。 参考资料： https://arxiv.org/html/2601.02377
18810编辑于 2026-01-26 业内首个具身智能原子技能库架构
具身智能技术突破与应用是通向 AGI 的必经之路，目前全球科技公司正加速布局，包括特斯拉 Optimus、Agility Digit、波士顿动力 Atlas 及 Figure AI 等，今年蛇年春晚机器人 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。 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- 来自专栏山行AI
人类历史上首位具身智能AI机器人—Figure 01诞生
这标志着人类历史上首位具身智能AI机器人—Figure 01的诞生，这一突破性进展将为人机交互带来革命性的变化。 这无疑是AI历史上的又一革新，从此，ChatGPT有了肉体。 这意味着机器人能够更加自然地融入人类的日常生活中，为人类提供更加智能和便捷的服务。 此外，Figure 01的出现还将推动人工智能技术的进一步发展。它的成功运用将激励科学家和工程师们不断探索和突破AI领域的新边界，加速智能化时代的到来。 随着技术的不断进步和应用的不断拓展，我们有理由相信，未来的世界将因Figure 01这样的智能机器人而变得更加美好。 一些思考 山行认为，无论是全球首位AI软件工程师的推出还是人类历史上首位具身智能AI机器人—Figure 01的诞生都是人类AGI时代即将来临的一个信号，像是一种催化剂一样，不断地加速着那一天的到来。
68510编辑于 2024-03-18
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