具身智能的基礎(chǔ)知識(shí)2025年9月11日

R1

.0版目錄CONTENTS

具身智能

的基本概念

具身智能

的發(fā)

展演

進(jìn)

具身

智能

的核心技

術(shù)

具身智

能

的產(chǎn)

業(yè)鏈

具身智

能

的未來(lái)發(fā)

展

具身智能的基本概念PART■

具身智能的基本概念□

具身智能的定義>

具身智能

(Embodied

Intelligence),是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng)。它通過(guò)實(shí)體智能體與環(huán)境的動(dòng)態(tài)交互，獲取信息、理解問(wèn)題、做出決策，并實(shí)現(xiàn)行動(dòng)，從而產(chǎn)生智能行為和適應(yīng)性。>

具身智能是人工智能與機(jī)器人學(xué)交叉的前沿領(lǐng)域，其核心在于將感知、行動(dòng)與認(rèn)知深度融合。■

具身智能的基本概念□

什么是“具身”>“具身“是一個(gè)很小眾的名詞，通常都出現(xiàn)在哲學(xué)、認(rèn)知科學(xué)領(lǐng)域。>“具身”的英文叫Embodied

,

是embody的過(guò)去式和過(guò)去分詞。em-表示

進(jìn)入，使

…

…

”,-body表示

身

體”。組合起來(lái)，就是“使

.…

進(jìn)入身體”。Embod'ed

Inteligence(具身智能)

,

顧名思義，就是“使智能進(jìn)入身體”、“給智能一個(gè)身體”的意思。具身智能Embodied

lntelli

gence維度傳統(tǒng)Al

(如ChatGPT,圖像識(shí)別)具身Al

(如家庭機(jī)器人，自動(dòng)駕駛)環(huán)境靜態(tài)、封閉的數(shù)字世界動(dòng)態(tài)、開(kāi)放的物理世界輸入單一或特定模態(tài)

(文本、圖片)多模態(tài)、實(shí)時(shí)傳感器數(shù)據(jù)流輸出數(shù)字信號(hào)

(文本、標(biāo)簽、概率)物理動(dòng)作

(移動(dòng)、抓取、說(shuō)話)目標(biāo)模式識(shí)別、內(nèi)容生成在環(huán)境中完成具體物理任務(wù)學(xué)習(xí)基于大規(guī)模靜態(tài)數(shù)據(jù)集通過(guò)與環(huán)境的實(shí)時(shí)交互和試錯(cuò)■

具身智能的基本概念□

具身智能與傳統(tǒng)Al對(duì)比■

具身智能的基本概念□

具身智能、離身智能、反身智能>具身智能

(Embodied

InteⅡligence):強(qiáng)調(diào)智能體通過(guò)物理身體與環(huán)境的直接交互來(lái)產(chǎn)生認(rèn)知和行動(dòng)。其核心在于“感知-行動(dòng)

閉環(huán)，智能通過(guò)身體與世界的互動(dòng)動(dòng)態(tài)形成。>

離身智能

(Disembodied

Intelligence):指不依賴物理身體，主要在虛擬或符號(hào)空間中通過(guò)計(jì)算和算法處

理信息、進(jìn)行推理的智能形式.>反身智能(Reflexive!Intelligence):指智能體能夠監(jiān)控、評(píng)估并調(diào)整自身的內(nèi)部狀態(tài)、決策過(guò)程和行為策

略，具備某種程度的“自我意識(shí)”和反思能力。反身智能離身智能具身智能■

具身智能的基本概念□

具身智能的研究意義宏觀意義：研究具身智能，可以推動(dòng)我國(guó)各個(gè)領(lǐng)域的數(shù)智化轉(zhuǎn)型，為建設(shè)制造強(qiáng)國(guó)、網(wǎng)絡(luò)強(qiáng)國(guó)和數(shù)字中國(guó)提供支撐，促進(jìn)我國(guó)實(shí)體經(jīng)濟(jì)的發(fā)展,科研意義：具身智能是通用人工智能未來(lái)的發(fā)展方向。它推動(dòng)人工智能從虛擬世界走向物理現(xiàn)實(shí)，從專用任

務(wù)邁向通用智能，有助于我們深入理解智能的本質(zhì)。應(yīng)用意義：具身智能技術(shù)能夠提升機(jī)器人、自動(dòng)化設(shè)備的智能化水平，增強(qiáng)其環(huán)境適應(yīng)性和任務(wù)執(zhí)行能力，

從而在服務(wù)、醫(yī)療、教育等多個(gè)行業(yè)實(shí)現(xiàn)廣泛應(yīng)用?！?/p>

具身智能的基本概念□

具身智能的政策支持發(fā)布時(shí)間

發(fā)布單位

政策名稱

重點(diǎn)內(nèi)容2025年3月

國(guó)務(wù)院《2025年政府工作報(bào)告》首次將“具身智能e

和

∩智能機(jī)器人”納入國(guó)家戰(zhàn)略，明確培育生物制造、量子科技、具身智能等未來(lái)產(chǎn)業(yè)。2024年7月國(guó)務(wù)院國(guó)資委、發(fā)改委《關(guān)于規(guī)范中央企業(yè)采購(gòu)管理工作的指導(dǎo)意見(jiàn)》在工業(yè)機(jī)器人、先進(jìn)醫(yī)療設(shè)備等科技創(chuàng)新重點(diǎn)領(lǐng)域，鼓勵(lì)中央企業(yè)采購(gòu)具身智能相關(guān)創(chuàng)新產(chǎn)品。2024年4月工信部等部門(mén)《推動(dòng)工業(yè)領(lǐng)域設(shè)備更新實(shí)施方案}

以生產(chǎn)、倉(cāng)儲(chǔ)物流等環(huán)節(jié)為重點(diǎn)，推動(dòng)工業(yè)機(jī)器人等通用智能裝備更新。2023年8月

工信部等部門(mén)

《新產(chǎn)業(yè)標(biāo)準(zhǔn)化領(lǐng)航工程實(shí)施方案(2023-2035年習(xí)》

研制人形機(jī)器人相關(guān)標(biāo)準(zhǔn)，涵蓋術(shù)語(yǔ)、核心零部件范、

決策、運(yùn)動(dòng)控制、安全和應(yīng)用等方面，推動(dòng)行業(yè)規(guī)2023年4月網(wǎng)

等

《關(guān)于推進(jìn)IPV6技術(shù)滴進(jìn)和應(yīng)用創(chuàng)新發(fā)展的實(shí)施意見(jiàn)》推動(dòng)IPV6與5G、人工智能云計(jì)算等技術(shù)融合，支持具身智能在工業(yè)互聯(lián)網(wǎng)等場(chǎng)票的應(yīng)用感知網(wǎng)絡(luò)創(chuàng)新2023年1月

工信部等部門(mén)

《“機(jī)器人+

”應(yīng)用行動(dòng)實(shí)施方案》

設(shè)立專項(xiàng)基金支持機(jī)器人研發(fā)與推廣，加速具身智能

造業(yè)、物流、醫(yī)療等領(lǐng)域的場(chǎng)聚落地，建設(shè)國(guó)東級(jí)試驗(yàn)2022年8月工信部等部門(mén)k信息通信行業(yè)綠色低碳發(fā)展行動(dòng)計(jì)劃(2022-2025年)推動(dòng)IPv6與5G、人工智能、云計(jì)算筆技術(shù)的融合創(chuàng)新，支持智能機(jī)器人等應(yīng)用場(chǎng)景拓展。中心在制發(fā)改委、中央、部信辦工信。知化發(fā)展智能感2024年1月

工信部等部門(mén)《關(guān)于推動(dòng)未來(lái)產(chǎn)業(yè)創(chuàng)新發(fā)展的實(shí)施意見(jiàn)》提出到2027年人形機(jī)器人作為創(chuàng)新標(biāo)志性產(chǎn)品，需突破高端裝備技術(shù)，帶動(dòng)新技術(shù)產(chǎn)業(yè)化落地。2023年12月

工信部、應(yīng)急管理部《關(guān)于加快應(yīng)急機(jī)器人發(fā)展的指導(dǎo)意見(jiàn)》提出到2025年研發(fā)一批先進(jìn)應(yīng)急機(jī)

化，

，試

化，。提升機(jī)器人載荷功能、模塊化水平和2023年11月

工信部《人形機(jī)器人創(chuàng)新發(fā)展指導(dǎo)=見(jiàn)》到2025年初步建立人形機(jī)器人創(chuàng)新體系，實(shí)現(xiàn)關(guān)鍵技術(shù)突破和批量生產(chǎn)；到2027年形成完整產(chǎn)業(yè)鏈。管理裝備現(xiàn)代實(shí)戰(zhàn)測(cè)試基地急及應(yīng)景推動(dòng)點(diǎn)場(chǎng)能力廷立智能器人■

具身智能的發(fā)展演進(jìn)□

具身智能的發(fā)展階段2020s-現(xiàn)在技術(shù)突破階段1990s-2020s技術(shù)積累階段1950s-1990s技術(shù)萌芽階段■

具身智能的發(fā)展演進(jìn)□

具身智能的發(fā)展階段——技術(shù)萌芽階段>

1927年，第一個(gè)電驅(qū)人形機(jī)器人“Televox'誕生于美國(guó)西屋。>

1950年，艾倫

·

圖靈(AlanTuring)發(fā)表了經(jīng)典的《Computing

Machineryand

InteⅡiigence(計(jì)算機(jī)器與智

能)

》一文，其中首次提出了具身智能概念。>1960年，首臺(tái)工業(yè)機(jī)器人Unimate在美國(guó)通用汽車(chē)投入使用。>

1968年，斯坦福研究院研制了世界上首臺(tái)移動(dòng)機(jī)器人Shakey。>1973年

，日本早稻田大學(xué)研制第一臺(tái)人形機(jī)器人WABOT:1。1985年

，

日本Epson公司推出了第一款家庭機(jī)器人“AlBO”。>

1986年，

日本本田公司的人形機(jī)器人ASIMO-E0問(wèn)世,>

1986年，美國(guó)計(jì)算機(jī)科學(xué)家羅德尼·布魯克斯(RodneyBrooks)提出通過(guò)感知和動(dòng)作驅(qū)動(dòng)的環(huán)境交互來(lái)設(shè)計(jì)

智能機(jī)器。智能體可以通過(guò)與環(huán)境進(jìn)行直接的物理交互，以一種更加簡(jiǎn)單、有效的方式產(chǎn)生智能亍為。>

1991年，麻省理工學(xué)院

(MIT)

的Cog項(xiàng)目開(kāi)始研究仿人形機(jī)器人的認(rèn)知能力。>

1991年，羅德尼·布魯克斯發(fā)表論文《intelligence:WithoutRepΓesentation(無(wú)表征智能)》,認(rèn)為智能可以通過(guò)行動(dòng)與環(huán)境的交互而自然涌現(xiàn),■

具身智能的發(fā)展演進(jìn)□

具身智能的發(fā)展階段——技術(shù)積累階段

(1)>1990年，麻省理工學(xué)院推出一款模仿人頭部的機(jī)器人Kismet。>1991年，布魯克斯基于“感知-行動(dòng)框架，研發(fā)可以自主行走的六條腿機(jī)器人Genghis

,可以自主行走。

>1999年

，日本索尼公司推出犬型機(jī)器人愛(ài)寶。>2002年，丹麥IRobot公司推出世界上第一臺(tái)家用掃地機(jī)器人Roomba。>2004年，AldebaΓan發(fā)布了能夠識(shí)別情感的機(jī)器人Nao。>2006年，Hanson

Robo?.cs發(fā)布了能夠模擬人類(lèi)面部表情的機(jī)器人。>2009年，谷歌推出Prius

自助駕駛汽車(chē)。>2010年，柳樹(shù)車(chē)庫(kù)(WlowGarage)發(fā)布了開(kāi)源機(jī)器人操作系統(tǒng)ROS,促進(jìn)了機(jī)器人領(lǐng)域的合作研究,■

具身智能的發(fā)展演進(jìn)□

具身智能的發(fā)展階段——技術(shù)積累階段

(2)>2013年，美國(guó)波土頓動(dòng)力發(fā)布機(jī)器人Atlas。>2015年，軟銀公司發(fā)布機(jī)器人“Papper”。>2016年，法國(guó)Inria

Flower實(shí)驗(yàn)室開(kāi)發(fā)的POPPY上市。>2016年，美國(guó)谷歌公司開(kāi)源推出Tesorlow深度學(xué)習(xí)平臺(tái)和Dopamine強(qiáng)化學(xué)習(xí)平臺(tái)。>2018年

，中國(guó)優(yōu)必選WWalkeΓ系列機(jī)器人上市。>2020年，美國(guó)-敏捷機(jī)器人公司DIGIT,避障、上下樓梯，配會(huì)自動(dòng)駕駛車(chē)輛送快遞交付包裹。

>2020年，中國(guó)達(dá)闥機(jī)器人發(fā)布Cloud

GingerXR-1

。■

具身智能的發(fā)展演進(jìn)□

具身智能的發(fā)展階段——技術(shù)突破階段>2021年，優(yōu)必選

WalkeΓ

X實(shí)現(xiàn)了中國(guó)雙足機(jī)器人行走能力的突破,>2022年，小米發(fā)布CybeΓOne

,

Mi-Sense深度視覺(jué)模塊及AI算法構(gòu)造三維空間感知。>2022年，美國(guó)特斯拉發(fā)布機(jī)器人Optimus,搭載自動(dòng)駕駛級(jí)FSD芯片，基于視覺(jué)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)能力的自動(dòng)駕駛技術(shù)。

>2023年，英偉達(dá)CEO黃仁勛表示，人工智能的下一個(gè)浪潮是具身智能。英偉達(dá)發(fā)布多模態(tài)具身智能系統(tǒng)VIMA,>2023年，李飛飛等提出VoxPoser系統(tǒng)，將大語(yǔ)言模型(LLM)接入機(jī)器人。>2023年，英國(guó)EngineeΓedArts為Ameca接入GPT:3/4增強(qiáng)了其語(yǔ)言的靈活性并增強(qiáng)了其面部表情,>2023年，中國(guó)傅利葉推出GR-1通用人形機(jī)器人，多模態(tài)大模型、高度仿生的軀干構(gòu)型、擬人的運(yùn)動(dòng)控制；宇樹(shù)科技UnitΓee

H1發(fā)布；智元機(jī)器人遠(yuǎn)征A1發(fā)布

,>2023年8月，谷歌DeepMind推出機(jī)器人模型RoboiicsTransformer2(RT-2)。>2024年3月，OpenAI與人形機(jī)器人初創(chuàng)公司Figure合作推出了Figure:01

機(jī)器人。>2024年，智元機(jī)器人發(fā)布“遠(yuǎn)征”與“靈犀”兩大系列共五款商用人形機(jī)器人新品。>2025年，挪威公司1XTechnologies發(fā)布仿人體骨骼結(jié)構(gòu)Neo

Gamma機(jī)器人。>■

具身智能的發(fā)展演進(jìn)□

具身智能的爆發(fā)背景>一方面，Al浪潮爆發(fā)

，出現(xiàn)了功能強(qiáng)大的大模型和智能體，能夠?qū)Υ罅康母兄獢?shù)據(jù)進(jìn)行高效學(xué)習(xí)和處理。Al越來(lái)越強(qiáng)，但想要將Al能力真正用起來(lái)，就必須讓它在物理世界落地。這肯定需要一個(gè)物理載體。另一方面，傳統(tǒng)的自動(dòng)化機(jī)械，只能完成死板的程序指令，大大限制了它的應(yīng)用場(chǎng)景。引入強(qiáng)大的AGl(通用人工智

能)大腦，能夠提升泛化能力，讓機(jī)器變得真正聰明，擴(kuò)大應(yīng)用場(chǎng)景和范圍

,>Al需要身體，機(jī)器人需要大腦。兩者雙向奔赴，刺激了具身智能的全面爆發(fā),我們也可以說(shuō)，具身智能是Al發(fā)展到一定階段的必然產(chǎn)物，是一種新的A范式?！?/p>

具身智能的發(fā)展演進(jìn)□

具身智能的五個(gè)階段>無(wú)智能階段：只能執(zhí)行簡(jiǎn)單的預(yù)設(shè)任務(wù)，缺乏自主性和適應(yīng)性；基礎(chǔ)智能階段：開(kāi)始具備基本的感知能力，能夠?qū)ν饨绛h(huán)境做出簡(jiǎn)單的反應(yīng)；>中等智能階段：能夠進(jìn)行更復(fù)雜的感知和處理任務(wù)，如圖像識(shí)別和語(yǔ)音識(shí)別；>高度智能階段：展現(xiàn)出較高的自主性和適應(yīng)性，能夠進(jìn)行自我學(xué)習(xí)和優(yōu)化，執(zhí)行復(fù)雜的任務(wù)；>超級(jí)智能階段：理論上將具備超越人類(lèi)的智能水平，能夠進(jìn)行創(chuàng)新和自我意識(shí)的決策?！?/p>

具身智能的核心技術(shù)□具身智能的三大核心要素>本體：智能體的物理載體，具備感知、運(yùn)動(dòng)和操作能力。本體的形態(tài)和功能直接影響智能體的任務(wù)執(zhí)行能力。>智能：負(fù)責(zé)感知、理解、決策和控制的核心模塊，通常由多模態(tài)大模型(如LLM、VLM)驅(qū)動(dòng)。通過(guò)整合視

覺(jué)、語(yǔ)言、觸覺(jué)等多種模態(tài)數(shù)據(jù)，生成適應(yīng)環(huán)境的行動(dòng)策略。>環(huán)境：智能體交互的物理世界，包括動(dòng)態(tài)變化的場(chǎng)景和任務(wù)目標(biāo)。環(huán)境的復(fù)雜性和不確定性要求智能體具備

強(qiáng)大的適應(yīng)能力和實(shí)時(shí)學(xué)習(xí)能力。感知交互環(huán)境■

具身智能的核心技術(shù)□

具身智能的分類(lèi)

(按功能用途)工業(yè)機(jī)器人：應(yīng)用于生產(chǎn)過(guò)程與環(huán)境的機(jī)器人。·搬運(yùn)作業(yè)/上下料機(jī)器人、焊接機(jī)器人、噴涂機(jī)器人、加工機(jī)器人、裝配機(jī)器人、潔凈機(jī)器人等。

服務(wù)機(jī)器人：個(gè)人/家用服務(wù)機(jī)器人及專業(yè)服務(wù)機(jī)器人

,·家務(wù)機(jī)器人、教育機(jī)器人、娛樂(lè)機(jī)器人、養(yǎng)老助殘機(jī)器人、餐飲機(jī)器人、講解機(jī)器人、迎賓機(jī)器人等。

特種機(jī)器人：可以在極端環(huán)境下

(如高溫、高壓、輻射等)

替代人類(lèi)完成任務(wù)。·檢查維修機(jī)器人、專業(yè)檢測(cè)機(jī)器人、搜救機(jī)器人、專業(yè)巡檢機(jī)器人、偵察機(jī)器人、排爆機(jī)器人、專業(yè)安裝機(jī)

器人、采掘機(jī)器人等?！?/p>

具身智能的核心技術(shù)□

具身智能的分類(lèi)

(按形態(tài))>

人形機(jī)器人>

固定式機(jī)器人>

輪式機(jī)器人/履帶式機(jī)器人

>

多足機(jī)器人>

仿生機(jī)器人智能汽車(chē)/無(wú)人機(jī)/無(wú)認(rèn)船□具身智能的分類(lèi)(按形態(tài))

——人形機(jī)器人>人形機(jī)器人是目前最常見(jiàn)，也最引人矚目的類(lèi)別。>人形機(jī)器人的最大優(yōu)勢(shì)——通用性強(qiáng),>人形機(jī)器人因?yàn)橛蓄?lèi)似人類(lèi)的身體結(jié)構(gòu)，可以更方便地使用門(mén)把手、樓

梯、工具等設(shè)施，也能夠適應(yīng)人類(lèi)工作場(chǎng)景。>人形機(jī)器人在交互上也有天然優(yōu)勢(shì)。它們可以通過(guò)表情、動(dòng)作與人類(lèi)交

流，比如點(diǎn)頭、揮手，甚至模仿人類(lèi)的情緒，更容易被用戶接納。■

具身智能的核心技術(shù)■

具身智能的核心技術(shù)□

具身智能的分類(lèi)

(按形態(tài))

——固定式機(jī)器人>

通常安裝在固定位置執(zhí)行任務(wù)。常用場(chǎng)景：安裝在工業(yè)生產(chǎn)線上

(如焊接、裝配、搬運(yùn))

。□具身智能的分類(lèi)(按形態(tài))

——輪式機(jī)器人>輪式機(jī)器人主要依靠輪子進(jìn)行移動(dòng)，常見(jiàn)于倉(cāng)儲(chǔ)物流、巡檢安防等領(lǐng)域。>為了方便工作，制造廠商往往會(huì)開(kāi)發(fā)那種“下面是輪子，上面是手臂

9

的輪式機(jī)器人，也叫做輪臂機(jī)器人。>輪式機(jī)器人的優(yōu)點(diǎn)主要是移動(dòng)速度較快，能夠快速穿梭在倉(cāng)庫(kù)或工廠中

丨

完成貨物的搬運(yùn):分揀等工作。它們具備較好的環(huán)境感知能力

丨

能夠在

復(fù)雜環(huán)境中自主導(dǎo)航和避障〉■

具身智能的核心技術(shù)■

具身智能的核心技術(shù)□具身智能的分類(lèi)(按形態(tài))

——多足機(jī)器人>比較常見(jiàn)的機(jī)器狗，其實(shí)就屬于多足機(jī)器人(四足機(jī)器人)。>多足機(jī)器人模仿了昆蟲(chóng)或爬行動(dòng)物的行走方式，具備較強(qiáng)的地形適應(yīng)能力，靈活性和穩(wěn)定性更強(qiáng)，可以在崎

嶇不平的山路、廢墟等環(huán)境中自由行走，執(zhí)行勘探、救援等任務(wù)。>像機(jī)器狗這樣的四足機(jī)器人，也適合扮演Al寵物這樣的角色，用于家庭服務(wù)或特殊人群服務(wù)(導(dǎo)盲)場(chǎng)景?！?/p>

具身智能的核心技術(shù)□

具身智能的分類(lèi)

(按形態(tài))

——仿生機(jī)器人>仿生機(jī)器人是一類(lèi)通過(guò)模仿生物體的結(jié)構(gòu)、運(yùn)動(dòng)方式、感知機(jī)制或行為特性來(lái)設(shè)計(jì)和工作的機(jī)器人。>它們?nèi)诤狭松飳W(xué)、機(jī)械工程、電子技術(shù)、控制科學(xué)和人工智能等多個(gè)領(lǐng)域的知識(shí)

，旨在讓機(jī)器人能夠像生

物一樣靈活、高效地適應(yīng)復(fù)雜環(huán)境并執(zhí)行任務(wù)。>代表：水下仿生機(jī)器人、空中仿生機(jī)器人、地面仿生機(jī)器人、特殊仿生.

…■

具身智能的核心技術(shù)□具身智能的分類(lèi)(按形態(tài))

——智能汽車(chē)/無(wú)人機(jī)/無(wú)人船>

智能汽車(chē)、無(wú)人機(jī)、無(wú)人船等設(shè)備，本質(zhì)上也屬于具身智能。它們通過(guò)傳感器

(攝像頭、雷達(dá)等)

實(shí)時(shí)感知周?chē)h(huán)境，并利用Al算法進(jìn)行數(shù)據(jù)處理和分析，從

而實(shí)現(xiàn)自動(dòng)駕駛、自主導(dǎo)航、自動(dòng)避障等功能，符合前面說(shuō)的具身智能定義。■具

身智能的核心技術(shù)□具身智能的技術(shù)體系

參考：《具身智能發(fā)展報(bào)告

(2024)

》

,

中國(guó)信通院

。位

置定位世

界

模

型

視

覺(jué)語(yǔ)古

動(dòng)作模

里

V

A

s強(qiáng)化學(xué)習(xí)

范式升

級(jí)環(huán)

填交

互大模型加環(huán)境

交

互基

礎(chǔ)支撐層

操作系統(tǒng)中間件

云計(jì)算與邊緣計(jì)算

仿真平臺(tái)具

身本體決策

行動(dòng)從環(huán)境感知信息任務(wù)層感知對(duì)象識(shí)別場(chǎng)聚理解

……真實(shí)世界數(shù)據(jù)知覺(jué)

溫

度

觸行

動(dòng)改變環(huán)境反饋安全與隱私保護(hù)預(yù)

到

練視

覺(jué)

模

型

V

F

M

S視覺(jué)語(yǔ)言模型V

LMs/視貸語(yǔ)言動(dòng)作模型V

LAS態(tài)學(xué)習(xí)運(yùn)動(dòng)軌跡、力位、觸覺(jué)等物理交互數(shù)據(jù)計(jì)算機(jī)視覺(jué)多頻

態(tài)

合

感

如3

D

重

理

與

場(chǎng)

聚

理解大

樓型

賦

能

人

機(jī)

交互大

樓

型

構(gòu)

注

多智能

體協(xié)

作大

語(yǔ)

吉

樓

型

L

M

S視

覺(jué)適

言

模

型

M

L

M

S大模型結(jié)合強(qiáng)化學(xué)習(xí)視

覺(jué)語(yǔ)高動(dòng)作樓型VLAS人機(jī)交互多機(jī)交互環(huán)境重建位定位狀態(tài)蓋測(cè)行

為

規(guī)

劃動(dòng)作規(guī)劃……關(guān)鍵技術(shù)層仿真合成數(shù)據(jù)任務(wù)規(guī)劃算法任務(wù)規(guī)劃推理分析堿知增強(qiáng)決萊優(yōu)化位置導(dǎo)練物體探作動(dòng)作控制算法數(shù)

據(jù)層交互視覺(jué)物理交互行動(dòng)適應(yīng)聽(tīng)覺(jué)壓力覺(jué)計(jì)算機(jī)視覺(jué)

通用大模型知識(shí)圖譜深度學(xué)習(xí)強(qiáng)化學(xué)習(xí)生成式Al自

然語(yǔ)言處理云化操迮平臺(tái)

VR/AR/XR/MR開(kāi)源定制化Os

動(dòng)作捕捉技術(shù)

腦機(jī)接口HMI姿態(tài)控制運(yùn)動(dòng)控制

生機(jī)電一體控制剛?cè)狁詈霞夹g(shù)

一體化硬件技術(shù)多模態(tài)感癡技術(shù)多體動(dòng)力學(xué)建模模型融合無(wú)線通信

可視化建模

數(shù)據(jù)驅(qū)動(dòng)建模統(tǒng)計(jì)學(xué)習(xí)優(yōu)化算法ROS硬件抽象虛擬化導(dǎo)航定位執(zhí)行驅(qū)動(dòng)技術(shù)傳統(tǒng)感知技術(shù)有線通信■

具身智能的核心技術(shù)□

具身智能的技術(shù)層級(jí)決策層交互層控制層執(zhí)行層感知層通信層大腦小腦軀干■

具身智能的核心技術(shù)□

具身智能的組成部分從整體來(lái)看，具身智能可以分為本體、大腦和小腦。小腦●運(yùn)動(dòng)控制器●動(dòng)作大模型靈巧手旋轉(zhuǎn)關(guān)節(jié)線性關(guān)節(jié)大腦●

Al大模型●

控制系統(tǒng)外部傳感器內(nèi)部傳感器決策感知執(zhí)行執(zhí)行本體腦也可以分為本地

腦和云

腦，也是快慢腦。小腦本體M大腦

(云端)Ml大腦

(本地)■

具身智能的核心技術(shù)□

具身智能的組成部分CPU/GPU/NPU/

…1通信模抉

感知模塊CANSPW2CWF(BT

視覺(jué)聽(tīng)覺(jué)觸覺(jué)力覺(jué)溫度距離平貨覺(jué)■

具身智能的核心技術(shù)□

具身智能的組成部分頸部關(guān)節(jié)肩關(guān)節(jié)腕關(guān)節(jié)頸部關(guān)節(jié)膝關(guān)節(jié)踝關(guān)節(jié)肘關(guān)節(jié)靈巧手驅(qū)動(dòng)控制集中電

機(jī)驅(qū)動(dòng)+分散電

機(jī)驅(qū)動(dòng)電源管理

電池組中央控制器

(大腦)能源模塊充電模塊BMS運(yùn)動(dòng)控制(小腦)5GL.

…■

具身智能的核心技術(shù)□

具身智能的組成部分>

本體·本體，包括頭、軀干、四肢、關(guān)節(jié)、靈巧手等組成部分，本質(zhì)上就是機(jī)械結(jié)構(gòu)、傳感器、執(zhí)行器、驅(qū)動(dòng)與

能源系統(tǒng)、通信系統(tǒng)等。·機(jī)械系統(tǒng)是本體的物理框架，決定了機(jī)器人的機(jī)械強(qiáng)度、運(yùn)動(dòng)能力和整體外觀?！鞲衅髫?fù)責(zé)獲取外部信息和自身狀態(tài)信息，包括外部傳感器和內(nèi)部傳感器，主要包括攝像頭、麥克風(fēng)、壓

力傳感器、關(guān)節(jié)角度傳感器等?！を?qū)動(dòng)和能源系統(tǒng)負(fù)責(zé)提供動(dòng)力，一般都采用電機(jī)、液壓等驅(qū)動(dòng)方式。能源則是鋰電池、燃料電池之類(lèi)?！?/p>

具身智能的核心技術(shù)□

具身智能的組成部分本體

激光雷達(dá)

深度相機(jī)肩關(guān)節(jié)上臂小臂手肘關(guān)節(jié)大腿小腿腳上臂關(guān)節(jié)腰關(guān)節(jié)胯關(guān)節(jié)醒關(guān)節(jié)髖關(guān)節(jié)膝關(guān)節(jié)踝關(guān)節(jié)軀干旋轉(zhuǎn)關(guān)節(jié)本體線性關(guān)節(jié)靈巧手■

具身智能的核心技術(shù)□

具身智能的組成部分能源模塊(電池)傳感器冷卻系統(tǒng)通信系統(tǒng)力

矩電機(jī)諧波減速器絕對(duì)值編碼器力矩傳感器軸承電機(jī)絲杠拉壓力傳感器軸承空心懷電迅力矩傳感器齒輪本體■

具身智能的核心技術(shù)□

具身智能的組成部分大腦(中央控制器)·大腦，負(fù)責(zé)感知理解和規(guī)劃，主要通過(guò)大語(yǔ)言模型、視覺(jué)語(yǔ)言動(dòng)作(VLA)大模型來(lái)驅(qū)動(dòng)。·感知，是基于傳感器反饋的信息，實(shí)時(shí)監(jiān)測(cè)自身的位置、姿態(tài)、運(yùn)動(dòng)速度等狀態(tài)，避免動(dòng)作失衡。這是一

個(gè)多模態(tài)數(shù)據(jù)融合的過(guò)程，難度極大.·在感知的基礎(chǔ)上，再進(jìn)行決策。決策算法需要根據(jù)具身智能的結(jié)構(gòu)進(jìn)行設(shè)計(jì)，常用的技術(shù)包括強(qiáng)化學(xué)習(xí)

(讓智能體在交互中試錯(cuò)學(xué)習(xí))、模仿學(xué)習(xí)(模仿人類(lèi)動(dòng)作),·大腦的本質(zhì)就是計(jì)算芯片和搭載的算法。因?yàn)閷?duì)算力的要求很高，有時(shí)候也會(huì)分為云端大腦和本地大腦兩

個(gè)部分，協(xié)同完成計(jì)算任務(wù)?！?/p>

具身智能的核心技術(shù)□

具身智能的組成部分小腦

(運(yùn)動(dòng)控制器)·小腦，負(fù)責(zé)將決策轉(zhuǎn)化為具體動(dòng)作，也就是運(yùn)動(dòng)控制和動(dòng)作生成。·這些主要通過(guò)運(yùn)動(dòng)控制算法、反饋控制系統(tǒng)來(lái)實(shí)現(xiàn)。我們可以把小腦理解為是將大腦的一部分功能給獨(dú)立

出來(lái)，減少大腦的工作負(fù)荷?！ば∧X的關(guān)鍵技術(shù)包括模型預(yù)測(cè)控制(MPC)、力控與柔順控制、實(shí)時(shí)響應(yīng)優(yōu)化等，技術(shù)實(shí)現(xiàn)難度同樣很大?！?/p>

具身智能的核心技術(shù)□

具身智能的工作原理>

具身智能系統(tǒng)通常分為四個(gè)模塊：感知-決策-行動(dòng)-反饋。·感知模塊：通過(guò)傳感器(如攝像頭、激光雷達(dá)、觸覺(jué)傳感器)收集環(huán)境信息。感知模塊需要整合多模態(tài)數(shù)

據(jù)，生成對(duì)環(huán)境的全面理解?！Q策模塊：基于感知數(shù)據(jù)，利用大模型(如LLM、VLM)進(jìn)行任務(wù)規(guī)劃和推理。決策模塊需要

將抽象任務(wù)

分解為具體的子任務(wù)，并生成可執(zhí)行的行動(dòng)序列

,·行動(dòng)模塊：執(zhí)行決策結(jié)果，如移動(dòng)、抓取、操作等。行動(dòng)模塊需要結(jié)合環(huán)境的物理特性和智能體的運(yùn)動(dòng)能

力，生成精確的控制指令。·反饋模塊：通過(guò)環(huán)境反饋優(yōu)化感知、決策和行動(dòng)，形成閉環(huán)。反饋模塊是具身智能體實(shí)現(xiàn)持續(xù)學(xué)習(xí)和動(dòng)態(tài)

適應(yīng)的關(guān)鍵?！?/p>

具身智能的核心技術(shù)□

具身智能的工作原理——感知模塊機(jī)器人需要具備環(huán)境感知能力，依據(jù)感知對(duì)象的不同，可以分為四類(lèi)：·物體感知：幾何形狀、鉸接結(jié)構(gòu)、物理屬性·場(chǎng)景感知：場(chǎng)景重建&場(chǎng)景理解·行為感知：手勢(shì)檢測(cè)、人體姿態(tài)檢測(cè)、人類(lèi)行為理解·

表達(dá)感知：情感檢測(cè)、意圖檢測(cè)■

具身智能的核心技術(shù)□

具身智能的工作原理——決策模塊>將感知信息轉(zhuǎn)化為行動(dòng)策略。>

關(guān)鍵功能：·環(huán)境理解：

構(gòu)建地圖、識(shí)別物體、理解指令?！と蝿?wù)規(guī)劃：

將高級(jí)目標(biāo)分解為低級(jí)步驟?！み\(yùn)動(dòng)規(guī)劃：

計(jì)算如何移動(dòng)機(jī)械臂或身體以避免碰撞、高效到達(dá)目標(biāo)。·學(xué)習(xí)與適應(yīng)：

從交互中學(xué)習(xí)新技能、適應(yīng)新環(huán)境?！?/p>

具身智能的核心技術(shù)□

具身智能的工作原理——行動(dòng)模塊>將決策轉(zhuǎn)化為物理世界的改變。>

關(guān)鍵執(zhí)行器：·移動(dòng)：

輪子、履帶、腿足(雙足/四足機(jī)器人)·操作：

機(jī)械臂、靈巧手(抓取、操縱物體)·交互：

屏幕顯示、語(yǔ)音合成(與人交流)■

具身智能的核心技術(shù)□

具身智能的工作原理——反饋模塊反饋模塊是具身智能的“調(diào)節(jié)器”,

通過(guò)多層交互不斷接收來(lái)自環(huán)境的反饋經(jīng)驗(yàn)并進(jìn)行調(diào)整和優(yōu)化，以提高對(duì)

環(huán)境的適應(yīng)性和智能北水平

,>反饋模塊主要依賴大模型來(lái)加速反饋經(jīng)驗(yàn)的學(xué)習(xí)，形成閉環(huán)?！ひ皇峭ㄟ^(guò)大模型處理收集到的真實(shí)交互數(shù)據(jù)，實(shí)現(xiàn)更細(xì)致的環(huán)境感知。·二是通過(guò)大模型處理交互信息，實(shí)現(xiàn)模仿人類(lèi)反饋的決策

,

·三是大模型獲取交互行動(dòng)經(jīng)驗(yàn)，學(xué)習(xí)最佳行為策略,■

具身智能的核心技術(shù)□

具身智能的訓(xùn)練方法模仿學(xué)習(xí)：·通過(guò)觀察和模仿專家(經(jīng)驗(yàn)豐富的人類(lèi)操作者或具有高級(jí)性能的系統(tǒng))的行為來(lái)學(xué)習(xí)任務(wù),

·優(yōu)勢(shì)：可以快速學(xué)習(xí)專家策略，無(wú)需復(fù)雜的探索過(guò)程,·劣勢(shì)：學(xué)習(xí)到的行為策略受限于專家數(shù)據(jù)，對(duì)于未見(jiàn)過(guò)的情況泛化能力較差。強(qiáng)化學(xué)習(xí)：·智能體通過(guò)與環(huán)境的交互來(lái)學(xué)習(xí)最佳行為策略，以最大化某種累積獎(jiǎng)勵(lì),·優(yōu)勢(shì)：能夠通過(guò)探索環(huán)境學(xué)習(xí)未知的策略?？梢蕴幚砀叨炔淮_定和動(dòng)態(tài)變化的環(huán)境。·劣勢(shì)：需要大量的探索和試錯(cuò)，學(xué)習(xí)過(guò)程緩慢。對(duì)于復(fù)雜任務(wù)，設(shè)計(jì)合適的獎(jiǎng)勵(lì)函數(shù)難度較高?！?/p>

具身智能的核心技術(shù)□

具身智能的數(shù)據(jù)集具身智能的數(shù)據(jù)采集主要分為：真實(shí)世界數(shù)據(jù)采集和仿真世界數(shù)據(jù)采集：>真實(shí)世界數(shù)據(jù)采集：·采集方式：人類(lèi)動(dòng)作捕捉(MotionCapture)、機(jī)器人遙操作(Teleoperation)。·基本原理：通過(guò)傳感器或人工操作，在物理環(huán)境中直接記錄機(jī)器人或人的動(dòng)作軌跡與環(huán)境反饋。·優(yōu)勢(shì)：質(zhì)量高，最貼近真實(shí)物理交互，包含豐富的噪聲和不確定性?！ち觿?shì)：成本高昂，需要投入大量人力

、物力和時(shí)間資源；擴(kuò)展性差，難以覆蓋所有可能場(chǎng)景。>仿真世界數(shù)據(jù)采集：·采集方式：虛擬環(huán)境模擬(Simulation)

。·基本原理：利用計(jì)算機(jī)模擬技術(shù)，在虛擬環(huán)境中生成智能體與環(huán)境交互的數(shù)據(jù)?！?yōu)勢(shì)：成本低、效率高、可生成大量且多樣的場(chǎng)景數(shù)據(jù)?！ち觿?shì)：存在“仿真與現(xiàn)實(shí)鴻溝”(Sim-to-RealGap),虛擬數(shù)據(jù)與真實(shí)世界存在差異,■

具身智能的核心技術(shù)□

具身智能的工作流程演示基于規(guī)則

基于大模型執(zhí)行環(huán)境

智能體傷真環(huán)境

交互感知

感知學(xué)習(xí)交互數(shù)據(jù)

基于學(xué)習(xí)圖片來(lái)自：《具身智能發(fā)展報(bào)告

(2024)》,

中國(guó)信通院從交互中學(xué)習(xí)真實(shí)環(huán)境具體分為任務(wù)規(guī)劃環(huán)境反饋

推理物體

場(chǎng)景

感知

感知表達(dá)感知Sim2Real位為感知具體分為具身問(wèn)答導(dǎo)航物人■

具身智能的核心技術(shù)□

核心技術(shù)——多模態(tài)大模型>

大語(yǔ)言模型

(LLM):如GPT系列，用于自然語(yǔ)言理解和任務(wù)規(guī)劃?！?shí)例：OpenAl的GPT-4被用于機(jī)器人任務(wù)規(guī)劃，能夠理解復(fù)雜的自然語(yǔ)言指令并生成相應(yīng)的動(dòng)作序列。

>

視覺(jué)語(yǔ)言模型

(VLM):如

PaLM-E,

結(jié)合視覺(jué)和語(yǔ)言信息，提升環(huán)境感知能力。·實(shí)例：Google的PaLM-E模型被用于機(jī)器人導(dǎo)航和物體識(shí)別，能夠在復(fù)雜環(huán)境中執(zhí)行多步驟任務(wù)。

>

視覺(jué)語(yǔ)言動(dòng)作模型

(VLA):如VoxPoser,直接生成可執(zhí)行的動(dòng)作指令?！?shí)例：VoxPoser模型被用于機(jī)械臂控制，能夠根據(jù)自然語(yǔ)言指令生成精確的動(dòng)作序列

,■

具身智能的產(chǎn)業(yè)鏈□

產(chǎn)業(yè)鏈芯片算法設(shè)備維護(hù)設(shè)備保養(yǎng)上游：原材料和零部件供應(yīng)Al大模型芯片工業(yè)制造交通物流養(yǎng)老護(hù)理兒童陪拌中游：制造和集成下游：應(yīng)用場(chǎng)景工業(yè)機(jī)器人骨骼架服務(wù)機(jī)器人·…

…醫(yī)療救治教育培訓(xùn)本體制造特種機(jī)器人線纜線束電機(jī)

(空心杯電機(jī)等)個(gè)人和家庭客戶電子皮膚家政服務(wù)軸承減速器

(精密、RV、諧波等)公共服務(wù)XX行業(yè)解決方案電池政府用戶維護(hù)保養(yǎng)系統(tǒng)集成垂直行業(yè)客戶傳感器(力、位置、視覺(jué)、觸覺(jué)等)通信模組…

…XX系統(tǒng)集成數(shù)據(jù)解決方案絲杠(梯形、滾珠、行星滾柱等)驅(qū)動(dòng)器大腦本體小腦■

具身智能的產(chǎn)業(yè)鏈□

硬件產(chǎn)業(yè)鏈→具身智能產(chǎn)業(yè)的基礎(chǔ)，主要涉及各類(lèi)硬件組件：·芯片：提供強(qiáng)大計(jì)算能力，支持復(fù)雜算法運(yùn)行，未來(lái)有望集成到機(jī)器人本體，具備端側(cè)計(jì)算能力?！鞲衅鳎贺?fù)責(zé)收集外部環(huán)境多維數(shù)據(jù)，如力傳感器(六維力傳感器技術(shù)壁壘和價(jià)值量高)、IMU慣性傳感器

(用于自主導(dǎo)航與姿態(tài)平衡)

等。當(dāng)前力傳感器、IMU慣性傳感器是國(guó)產(chǎn)替代重點(diǎn)，六維力傳感器市場(chǎng)集中

度較高，國(guó)內(nèi)廠商正逐步縮小與外資品牌差距?！た刂破鳎簩?duì)傳感器收集的數(shù)據(jù)進(jìn)行高效處理，并發(fā)出精確控制指令

,·電機(jī)：驅(qū)動(dòng)執(zhí)行機(jī)構(gòu)運(yùn)動(dòng)，伺服電機(jī)可根據(jù)控制器指令實(shí)現(xiàn)精確控制，空心杯電機(jī)是靈巧手核沁部件,

·通信模組：負(fù)責(zé)設(shè)備之間的數(shù)據(jù)傳輸和通信，確保系統(tǒng)協(xié)同工作,·能源管理：為系統(tǒng)提供穩(wěn)定能源供應(yīng)，包括高性能電池、先進(jìn)電源管理系統(tǒng)等?！?/p>

具身智能的產(chǎn)業(yè)鏈□

硬件產(chǎn)業(yè)鏈>

芯片方案：·國(guó)外：NVIDIA(Orin芯片)、Intel(Mobileye)、Tesla(Dojo芯片)等。·國(guó)內(nèi)：地平線(征程系列)、寒武紀(jì)(思元系列)、華為(異騰系列)

、紫光國(guó)微等?！?/p>

具身智能的產(chǎn)業(yè)鏈□

軟件產(chǎn)業(yè)鏈產(chǎn)業(yè)鏈的技術(shù)核心，通過(guò)編程和系統(tǒng)集成激活硬件組件：·

AI算法：是具身智能的“大腦”,

負(fù)責(zé)處理和分析數(shù)據(jù)、做出決策。具身大模型分為端到端大

模型和分層具身大模型，端到端大模型可直接從人類(lèi)指令到機(jī)械臂執(zhí)行，分層決策模型將感知、

規(guī)劃決策、控制和執(zhí)行分解為多個(gè)層級(jí)?！?/p>

操作系統(tǒng)：為智能設(shè)備提供統(tǒng)一軟件平臺(tái)，支持應(yīng)用程序運(yùn)行和管理?！?/p>

云服務(wù)：提供數(shù)據(jù)存儲(chǔ)、處理和分析能力，支持大規(guī)模數(shù)據(jù)處理和智能應(yīng)用?！ぶ虚g件：起到連接不同系統(tǒng)和組件的橋梁作用?！?/p>

具身智能的產(chǎn)業(yè)鏈□

整機(jī)廠商>

科技大廠：·小米、華為、阿里、騰訊、百度

…

…>

機(jī)器人企業(yè)：·

優(yōu)必選、宇樹(shù)、傅利葉、達(dá)闥、樂(lè)聚

…

…

>

汽車(chē)企業(yè)：·小米、廣汽、長(zhǎng)安汽車(chē)、比亞迪、小鵬汽車(chē)

…

…

>

高校以及科研機(jī)構(gòu)銀河通用2023.5人形機(jī)器人GALBOT

G1、

GalbotS1星動(dòng)紀(jì)元2023.8人形機(jī)器人小星、小星Max、星動(dòng)L7、星動(dòng)Q5有鹿機(jī)器人2023.2具身智能大模型Master2000、

LumosLUS

2、

Lumos

MoS智平方科技2023.4人形機(jī)器人Alpha

Bot戴盟機(jī)器人2021.12人形機(jī)器人Sparky

1、

DM-TacW、

DM-Hand1

、

DM-EXton艾歐智能2023.5數(shù)據(jù)及系統(tǒng)方案頭盔和動(dòng)作捕捉套裝星海圖2023.9其他機(jī)器人超輕型力控機(jī)械臂A1若愚科技2023.4具身智能大模型若愚·九天大模型開(kāi)普勒探索2023.8人形機(jī)器人先行者K1

、先行者S1和先行者D1雅可比機(jī)器人2023.4具身智能大模型J-Mind、

J-Box■

具身智能的產(chǎn)業(yè)鏈□

具身智能的代表企業(yè)(國(guó)內(nèi))公司創(chuàng)立時(shí)間產(chǎn)品類(lèi)型代表產(chǎn)品智元機(jī)器人2023.2人形機(jī)器人遠(yuǎn)征A2、靈犀X2、精靈G1

、D1、絕塵C5帕西尼感知科技2021.6人形機(jī)器人TORA、

TORA-ONE、

DexH5、

PX-6AX、

PX-3A、

GMH18逐際動(dòng)力2022.1人形機(jī)器人CL-1

、

CL-2、

TRON

1、

W1

、

LjmX

Oli星塵智能2022.12人形機(jī)器人AstribotS1、

星動(dòng)

L7穹徹智能2023.11具身智能大模型Noematrix

Brain-01、

Noematrix

Brain-Plus跨維智能2021.6數(shù)據(jù)及系統(tǒng)方案KingfisherRo

Plot、DexVerse、Kingfisher

Pro、

Ro

PiotMax加速進(jìn)化2023.6人形機(jī)器人BR002松延動(dòng)力2023.9人形機(jī)器人Song、

Dora、

N1、

N2、

HobbsX

Square2023.12具身智能大模型具身大模型月泉仿生2023.6其他機(jī)器人行走機(jī)器人■

具身智能的產(chǎn)業(yè)鏈□

具身智能的代表企業(yè)(國(guó)內(nèi))公司創(chuàng)立時(shí)間產(chǎn)品類(lèi)型

代表產(chǎn)品波士頓動(dòng)力

2013人形機(jī)器人

Atlas特斯拉2021人形機(jī)器人

Optimus

、

Cybercab、

CybervanCovariant

2017

具身智能大模型

Covariant

Brain、

RFM-1Figure2022.1人形機(jī)器人

Figure01、

Figure

02AgilityRobotics

2015人形機(jī)器人

Digit1XTechnologies

2014、3人形機(jī)器人

NEOSkild

Al

2023.5

具身智能大模型

Skild

BrainSanctuary

Al

2018人形機(jī)器人

第七代PhoenixWorld

Labs

2024、4具身智能大模型理解三維物理世界的模型Apptronik

2016.1人形機(jī)器人

ApclloMentee

Robotics2022

人形機(jī)器人

Menteebot公司創(chuàng)立時(shí)間產(chǎn)品類(lèi)型代表產(chǎn)品本田211人形機(jī)器人ASIMO

、

E1、

E2、

E3、

E4、

E5、

E6、

P1

、

P2、

P3、

P4

、

HRP

1S■

具身智能的產(chǎn)業(yè)鏈□

具身智能的代表企業(yè)(國(guó)外)應(yīng)用領(lǐng)域

應(yīng)用場(chǎng)景零售服務(wù)無(wú)人零售、大堂導(dǎo)引、旅游指引、娛樂(lè)表演、展區(qū)講解

…

…科學(xué)研究深海探索、太空探索、極地科考、高