具身智能

规范定义

具身智能强调智能并非只发生在离线计算或语言输出中，而是由身体形态、传感器、执行器、环境、任务目标和学习算法共同形成的闭环能力。机器人是具身智能的重要载体，但具身智能不限定于人形形态。

具身智能系统需要把视觉、语言、触觉、空间理解、运动规划和控制连接起来，将高层任务转化为物理动作，并利用动作结果继续修正判断。它关注的不只是模型是否给出正确答案，还关注机器人是否能安全、稳定、可重复地完成真实任务。

技术链路

常见链路包括多模态感知、世界模型或状态估计、任务规划、技能选择、轨迹生成、低层控制和反馈学习。训练数据可能来自遥操作示范、仿真、真实机器人采集、视频学习和强化学习。仿真可降低成本，但仍需处理仿真到现实的差异。

与大模型的关系

视觉语言模型或视觉语言动作模型可以提供语义理解、任务分解和动作策略，但机器人还需要实时控制、安全约束、物理可行性判断和故障恢复。模型能力不能代替机械设计、控制工程和应用安全。

落地评估

商业项目应针对明确的物体、工位和任务建立测试集，分别衡量感知准确率、动作成功率、平均完成时间、跨环境泛化、人工接管和失败后恢复。对于低容错任务，应采用规则、安全控制器和人工审批形成分层保护。

主要应用

• 通用抓取、分拣和移动操作
• 人形机器人任务学习
• 家庭与商业服务机器人
• 危险环境遥操作与自主作业

能力边界与限制

• 模型在训练分布之外可能出现不可预测失败
• 真实机器人数据昂贵且采集速度有限
• 仿真策略迁移到现实会受到传感、摩擦和结构误差影响
• 安全关键任务不能只依赖生成模型输出

相关标准

• ISO 8373 机器人术语
• ISO 10218 工业机器人安全
• ISO 13482 个人护理机器人安全
• NIST AI Risk Management Framework

核心事实

常见问题