- 综合排序
- 最热优先
- 最新优先
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。
54230编辑于 2024-11-14- 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。
28710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。
41510编辑于 2024-08-13- 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。
14200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。
73810编辑于 2025-02-20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。
66510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。
24510编辑于 2024-05-29 - 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
7010编辑于 2025-11-26 - 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
44310编辑于 2025-07-29 - 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。
42710编辑于 2025-04-04 - 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。
3.2K34编辑于 2025-04-29 《虚实共生：双向映射重塑具身智能决策逻辑》
传统具身智能的决策困境，恰似盲人摸象。智能体依赖传感器捕捉环境信息，却常因信息碎片化陷入“只见树木不见森林”的困局。 双向映射重塑具身智能决策逻辑的核心，在于构建了“预测 - 验证 - 进化”的闭环体系。 这种循环迭代，使得智能体的决策能力如同被精密打磨的利刃，在虚实交互中不断进化。就像围棋选手通过复盘优化策略，具身智能在双向映射中实现了决策智慧的持续生长。在复杂场景中，双向映射更显独特价值。 例如，在智能交通系统中，车辆数据的双向传输若遭遇黑客攻击，不仅会导致个体决策失误，甚至可能引发系统性崩溃；而孪生模型的参数若未能及时校准，虚拟世界的推演将逐渐偏离现实，误导智能体决策。 当数字孪生与物理实体的双向映射成为具身智能的“数字基因”，智能体将不再是机械执行指令的工具，而是拥有深度环境理解与动态决策能力的“数字生命体”。
21510编辑于 2025-05-19- 来自专栏猫头虎技术专区
猫头虎分享：什么是具身智能（Embodied Intelligence）？
猫头虎分享：什么是具身智能（Embodied Intelligence）？一、具身智能的概念是什么？ 具身智能（Embodied Intelligence）是一个非常有趣的概念，它将智能的发展与人们的物理世界直接绑定在一起。 并不是类似于谷歌助理或是Siri这种主要依赖语言的应用，具身智能持有应用在体育、行为计划和实施行为方面的能力，这样才能让一个智能体举为真正的“有身体的智能”。 而正是这样，具身智能系统才有可能像人一样开始理解环境，举了一个实际的例子，我们可以想到美国的水亮大酒店，帮忙亲自射门和拆床。 五、结论：未来前景具身智能在未来的前景应该是非常充满的，至少在人机合作与人们的生活、工作和教育方面，它有可能进入更深层的讨论与实践。
52310编辑于 2024-11-18 - 来自专栏机器之心
这家国内公司，在给具身智能技术栈做「通解」
具身智能究竟应该会是怎样的形式，我们还没有定论。不过最近的世界人工智能大会 WAIC 2025，已经让这个概念逐渐清晰了起来。 可见，不论是面对工业、商业场景，还是未来贴近于人的家用环境，具身智能都已经做好了准备。 对于具身智能来说，跨实体化不仅仅是一项研究上的创新，也是通用大脑的一项基本特性。 具身智能的未来 还有更多应用场景 最近，Grok-4、Kimi K2、Step-3 等大模型在 AI 领域掀起了又一轮技术进步潮流，人们对于通用化的人工智能充满了信心。 面对具身智能的未来发展大方向，家用和服务领域拓展也在进行中。 也许很快，具身智能加持的机器人就会成为人人可用的智能「帮手」。 © THE END 转载请联系本公众号获得授权
22000编辑于 2025-08-06 - 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。
2.6K11编辑于 2023-12-18 - 来自专栏Datawhale专栏
一篇具身智能的最新全面综述！（上）
本文部分参考中国信息通信研究院和北京人形机器人创新有限公司的《具身智能发展报告》 具身智能基本概念 具身智能，即“具身+智能”，是将机器学习算法适配至物理实体，从而与物理世界交互的人工智能范式。 而人形机器人则是集各类核心尖端技术于一体的载体，是具身智能的代表产品。 具身智能的三要素：本体、智能、环境 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。 具身智能的四个模块：感知-决策-行动-反馈 一个具身智能体的行动可以分为“感知-决策-行动-反馈”四个步骤，分别由四个模块完成，并形成一个闭环。 大模型的涌现，极大地增强了具身智能体的智能程度，大幅提高了环境感知、语音交互和任务决策的能力。
3K10编辑于 2024-10-29 - 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。
91500编辑于 2025-05-15 - 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。
29311编辑于 2024-07-17 - 来自专栏脑机接口
上海交大教授卢策吾深度解读“具身智能”
在演讲中，他主要介绍了具身智能概况、他们团队提出的 PIE 方案、具身智能与通用人工智能以及具身智能的脑认知。 我这次主要讲四个内容：「具身智能简介」、我们自己提出的「PIE 方案」、「具身智能与通用人工智能」以及「具身智能的脑认知」。 目前，具身智能已经成为国际学术前沿研究方向，包括美国国家科学基金会在内的机构都在推动具身智能的发展，各大国际学术会议也开始越来越多地关注具身智能相关工作，美国顶尖高校已经开始形成具身智能研究社区。 然后，这个具身智能体肯定需要不停地进化，就涉及行为主义。所以这三者会汇聚到一点来推进具身智能的发展。 其实，具身智能是一个很好的试验场。 具身智能与通用人工智能 接下来分享一下我们对具身智能与通用人工智能的看法。 为什么说具身智能可能是很好的一个走向未来的方案？人工智能是很多概念的总和。
3.7K31编辑于 2023-02-14 - 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。 毕竟，实用的智能机器人是我们无比期待的技术。 搅动人工智能狂潮的下一个重大发展就是大型语言模型 LLM。 机器人作为物理、多模态的智能体。大模型安全意的下一个前沿领域被认为是基于 LLM 的智能体的稳健性分析。 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。
23600编辑于 2025-02-15
腾讯云开发者
