具身智能
具身智能是人工智能领域的一个研究方向，主张智能行为源于身体与物理环境的持续交互，而非单纯的符号计算或数据处理。其核心特征包括：通过传感器感知真实世界、依据感知信息进行自主决策、并通过执行器对环境施加影响，形成感知-决策-行动的闭环。具身智能广泛应用于机器人、自动驾驶及人机交互等领域。
核心事实
时间轴 (近 90 天)
机器人基础模型因实时推理延迟限制，参数量通常较为克制，60亿参数在具身智能领域属于中等规模
评判AI与机器人进展时应关注系统在复杂、非结构化、接触密集场景中的实际推断与控制表现，而非被炫目动作吸引
许多机器人在实验室环境下表现良好，但进入工厂、仓库等复杂现实场景时会因人机沟通不畅和流程衔接断裂而失效
移动操作机器人需要同时解决动态环境感知、6自由度抓取规划和长程任务分解等难题
具身智能是指将智能系统嵌入拥有物理身体、能够与真实环境直接交互的机器人或智能体中的研究方向
当前具身智能主流技术路线是将视觉语言模型（VLM）作为机器人的'大脑'，结合底层运动控制实现端到端智能操作
具身AI面临的挑战包括物理世界的不可逆性、传感器噪声和实时响应需求
大模型控制机械臂通常依赖感知-推理-执行的链路，需要持续做闭环反馈
对具身智能而言，真实世界的数据与硬件本身同样重要甚至更重要，类似大语言模型中当模型架构趋同后数据质量与规模成为竞争壁垒
当前大多数实用型机器人演示处于能用而非规模化场景下稳定可靠工作的阶段
还有 40 条时间轴事件
全部知识事实 (20)
具身智能强调AI不仅存在于数字空间，更需要通过物理身体与真实世界交互、感知和学习
90%已验证具身智能（Embodied AI）指将AI的认知与推理能力与物理实体深度结合，使机器人能够通过与真实物理环境的持续交互来感知、学习并执行任务
75%已验证元认知（Metacognition）概念来自认知科学，原指人类对自身思维过程的认知能力
70%已验证具身智能是指将智能系统嵌入具有物理实体的载体中，通过与环境的物理交互来感知、学习和决策
70%已验证人形机器人的硬件成本普遍在数十万元级别，是具身智能商业化落地的成本挑战之一
65%已验证经典 AI 中智能体被定义为'能感知环境、并通过行动最大化预期收益的实体'，源自 Russell & Norvig《人工智能：一种现代方法》
65%已验证具身智能的理论根基可追溯至法国哲学家梅洛-庞蒂在其1945年著作《知觉现象学》中提出的'具身认知'理论
65%已验证谷歌DeepMind的RT-2、特斯拉Optimus、Figure AI等项目是具身智能方向的代表性探索
65%已验证具身智能领域代表性工作包括斯坦福大学的Mobile ALOHA、谷歌的RT-2，以及OpenAI与Figure合作的人形机器人项目
65%已验证具身智能强调智能体必须通过与物理环境的真实交互来发展认知能力，而非仅依赖离线数据训练
65%待验证具身智能（Embodied Intelligence）是AIGC技术与机器人深度融合催生的前沿研究方向
85%部分验证AI大模型领域的竞争正在从单纯的'模型性能之争'转向'生态体系之争'
70%待验证当前AI模型缺乏在物理世界中行动的能力，具身智能和机器人技术路线才刚刚起步
60%待验证具身认知理论由哲学家梅洛-庞蒂等人奠基，Rodney Brooks在上世纪80年代将该思想引入机器人研究并提出「无需表示的智能」
60%待验证遥操作数据是目前公认质量最高的机器人训练数据，操作员通过手柄、VR设备或主从机械臂实时控制真实机器人，几乎没有迁移损失
60%待验证机器人基础模型因实时推理延迟限制，参数量通常较为克制，60亿参数在具身智能领域属于中等规模
50%待验证评判AI与机器人进展时应关注系统在复杂、非结构化、接触密集场景中的实际推断与控制表现，而非被炫目动作吸引
50%待验证许多机器人在实验室环境下表现良好，但进入工厂、仓库等复杂现实场景时会因人机沟通不畅和流程衔接断裂而失效
50%待验证移动操作机器人需要同时解决动态环境感知、6自由度抓取规划和长程任务分解等难题
50%待验证具身智能是指将智能系统嵌入拥有物理身体、能够与真实环境直接交互的机器人或智能体中的研究方向
50%