寫在前面：

當今正處在科技迅猛發(fā)展的時代，人工智能技術的應用與創(chuàng)新已經滲透到各個領域，并為人類的生活與工作帶來了深遠的影響?！熬呱碇悄堋笔侨斯ぶ悄芘c物理實體結合的產物，正逐漸成為推動科技發(fā)展和產業(yè)變革的重要力量。5月17日是世界電信日，科普中國聯(lián)合中國移動科學技術協(xié)會特別策劃“具身智能”系列內容，為您詳細解讀。

（一）背景篇

具身智能（Embodied Artificial Intelligence, EAI）是人工智能領域的一個重要分支，其核心理念是能夠感知環(huán)境并采取行動以實現(xiàn)特定目標的自主實體（即為智能體），通過與物理環(huán)境的交互來實現(xiàn)智能行為。簡單地說，是強調智能行為需要通過身體與環(huán)境的交互來實現(xiàn)，而不僅僅依賴“大腦”的運算。正如著名哲學家梅洛-龐蒂所說：“身體是我們擁有世界的方式。”類比剛出生的嬰兒認識世界，不是僅僅通過大腦來思考，而是用眼睛去看、用耳朵去聽、用手去觸摸，通過與外部環(huán)境的互動來獲取信息，從而產生智能行為。聯(lián)想一下科幻電影里一些讓人屏息的瞬間，比如《銀翼殺手2049》中的“復制人K”，他的每一次呼吸、每一次觸摸都承載著對世界的感知；《機械姬》的實驗室里，艾娃透過玻璃觀察人類時，她的攝像頭不僅是眼睛，更是穿透人性迷霧的棱鏡，當她的機械手指輕輕觸碰鏡面，震顫的不僅是傳感器，更是一種渴望被世界接納的生命信號；而在《超能陸戰(zhàn)隊》的大白身上，它圓滾滾的身體不僅是醫(yī)療掃描儀的載體，更通過笨拙的擁抱傳遞治愈的力量；以及《終結者》中“T-800”從火焰中走出的震撼畫面......具身智能將科幻的浪漫注入金屬骨骼，讓這些逐漸可以成為現(xiàn)實。

圖1 電影《機械姬》劇照（圖源：網絡）

基本概念

根據(jù)中國計算機學會（CCF）《具身智能》中的定義，具身智能是指一種基于物理身體進行感知和行動的智能系統(tǒng)，其通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實現(xiàn)行動，從而產生智能行為和適應性[2]。人形機器人作為具身智能的典型代表，被視為實現(xiàn)具身智能的最佳載體之一。但是，并非所有具身智能系統(tǒng)都必須采用人形機器人的形態(tài)。具身智能的實現(xiàn)方式多種多樣，可以根據(jù)具體任務和環(huán)境需求選擇合適的智能實體形態(tài)。其核心思想在于：智能并非孤立于大腦或算法，而是身體形態(tài)、運動能力與環(huán)境動態(tài)耦合的涌現(xiàn)性結果[3]。智能體通過與環(huán)境的持續(xù)交互來實現(xiàn)智能行為。智能體的身體、感知系統(tǒng)和環(huán)境之間的相互作用是其智能行為的基礎。

基本特征

身體與環(huán)境的耦合性。具身智能體與其環(huán)境之間存在緊密的耦合關系。智能體的行為受到其身體結構和環(huán)境特性的共同影響，智能行為是身體與環(huán)境相互作用的結果。身體不僅是智能的載體，更是認知的構成部分，強調身體與環(huán)境的交織共生。例如傳統(tǒng)AI（如AlphaGo）依賴離線訓練數(shù)據(jù)，而具身智能（如波士頓動力Atlas）通過身體運動實時生成數(shù)據(jù)。

感知、行動與認知的循環(huán)交互。具身智能強調感知、行動和認知之間的動態(tài)循環(huán)關系。智能體通過感知環(huán)境來指導行動，行動的結果又反饋給感知系統(tǒng)，進而影響認知過程。這一循環(huán)交互使得智能體能夠適應復雜多變的環(huán)境。例如自動駕駛汽車需融合實時路況、天氣與行人意圖，而非僅依賴高精地圖。

自適應性和生成性。具身智能體能夠通過自適應性調整其行為，以應對環(huán)境中的不確定性和變化。智能通過行動主動塑造環(huán)境，而非被動反映世界。例如，機器人推開障礙物開辟路徑，或通過試錯學習抓取策略。

具身智能的這些特征和理論基礎使其在機器人學、人工智能和認知科學等領域中具有重要的應用價值，尤其是在需要智能體在復雜、動態(tài)環(huán)境中進行自主決策和行為的場景中。

概念辨析

具身智能，強調智能體在真實環(huán)境中的感知、行動和學習能力。這種以“身體”為媒介的智能形式更接近人類自然認知過程，以交互為核心，強調智能體通過身體與環(huán)境動態(tài)互動實現(xiàn)智能行為，適用于動態(tài)、開放式任務，如機器人導航、人機協(xié)作等。能夠更好地適應動態(tài)、不確定的復雜環(huán)境，在機器人、自動駕駛、虛擬現(xiàn)實等領域具有廣泛應用前景。

傳統(tǒng)人工智能（AI），多依賴于數(shù)據(jù)驅動和符號推理，以計算為核心，強調算法優(yōu)化和數(shù)據(jù)訓練，與環(huán)境的交互有限，多用于靜態(tài)任務如圖像識別、自然語言處理等。

智能體（Agent），和具身智能相比范圍更廣，是指能夠感知環(huán)境并通過行動實現(xiàn)目標的實體，涵蓋虛擬、物理形態(tài)。具身智能是智能體在物理世界中的具體化形式。而以ChatGPT為代表的“軟件智能體”（或稱“離身智能體”）使用大模型通過網頁端、手機APP與用戶進行交互，能夠接受語音、文字、圖片、視頻的多種模態(tài)的用戶指令，通過計算處理數(shù)據(jù)執(zhí)行任務，當前存在“智能是否必須具身”的爭議。

通用人工智能（AGI），以全域智能為核心目標，追求像人類一樣跨領域自主學習、推理和適應，被視為人工智能發(fā)展的終極形態(tài)?。具身智能?是推動AGI從數(shù)字世界走向物理現(xiàn)實的關鍵技術路徑?。

具身機器人（Embodied Robot），與具身智能緊密關聯(lián)但內涵不同的概念。具身智能是智能體通過物理身體與環(huán)境動態(tài)交互實現(xiàn)認知和行動的能力，而具身機器人則是具身智能的具體載體和表現(xiàn)形式。

發(fā)展脈絡

具身智能的發(fā)展歷程跨越了從哲學思辨到技術落地的多個階段，其核心理念是通過智能體與物理環(huán)境的動態(tài)交互實現(xiàn)認知與行動能力。以下是結合現(xiàn)有研究和技術報告總結的具身智能發(fā)展脈絡：

圖2 具身智能發(fā)展脈絡

首先是早期萌芽階段，主要是理論與實踐探索。早在1945年法國哲學家梅洛-龐蒂在《知覺現(xiàn)象學》中提出“具身性”（Embodiment）概念[3]，該書與薩特的《存在與虛無》并稱為法國現(xiàn)象學運動的奠基性著作?，強調身體是認知與環(huán)境的媒介，其思想對心理學、認知科學及人工智能（如“具身智能”研究）產生了深遠影響?；此后在1950年，圖靈在論文中首次提出“具身智能”設想，認為智能需通過物理實體與環(huán)境的互動實現(xiàn)。此后在1960年代后，機器人開始應用于汽車制造業(yè)，但功能局限于預設程序的重復動作，缺乏自主性。到了1980年代，羅德尼·布魯克斯在MIT人工智能實驗室提出“包容架構”（Subsumption Architecture），主張主張以“感知-行動”模式模擬生物對環(huán)境的直接反應，通過簡單行為模塊組合實現(xiàn)智能，其團隊開發(fā)了成吉思”（Genghis）六足機器人是包容架構的典型代表，其分布式控制單元使機器人無需全局地圖即可適應復雜地形?。20世紀90年代后進入技術積累階段，跨學科融合與算法突破。

一是認知科學與機器人學結合，具身認知理論（Embodied Cognition）逐漸成熟，強調身體形態(tài)與環(huán)境交互對智能的塑造作用。仿生機器人（如波士頓動力早期四足機器人）開始模擬生物運動機制，推動形態(tài)計算（Morphological Computation）的研究。

二是算法與技術演進，2000年代，深度學習與強化學習（Reinforcement Learning）的興起，使機器人能夠通過試錯優(yōu)化行為策略（如OpenAI的Dactyl機械手）；2010年代，多模態(tài)感知技術（視覺、觸覺融合）和邊緣計算的應用，提升實時環(huán)境交互能力。

2022年后隨著大模型的出圈，進入技術突破階段。大模型與具身智能的融合，生成式AI與機器人技術結合，賦予智能體語言理解和任務泛化能力。例如，谷歌RT-2模型通過自然語言指令控制機器人完成復雜操作。2024年，OpenAI與Figure公司合作推出Figure系列人形機器人，實現(xiàn)高精度感知與動態(tài)任務執(zhí)行。隨著技術與算法革新，在大模型和政策的推動下邁入產業(yè)化新階段。其未來將圍繞“感知-決策-行動”閉環(huán)持續(xù)突破，成為連接虛擬與物理世界的智能橋梁，深刻重塑工業(yè)、醫(yī)療、家庭等領域的運作模式。

【參考資料】

[1] 莫里斯·梅洛-龐蒂. 知覺現(xiàn)象學. 姜志輝, 譯. 北京: 商務印書館, 2001[2] 中國計算機學會，《具身智能》，2023[3] Merleau-Ponty, M. (1945). Phénoménologie de la perception. Gallimard.Pfeifer, R., & Bongard, J. (2006). [4] Liu, Yang, et al. “Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI.” arXiv preprint arXiv:2407.06886, 2024.[5]《科技熱詞“具身智能”到底是什么？》，中科院物理所[6]《具身智能時代來了？》,中國報道[7] Brooks, R. A. (1991). Intelligence Without Representation. Artificial Intelligence, 47(1-3), 139–159.

[8] Lakoff, G., & Johnson, M. (1999). Philosophy in the Flesh: The Embodied Mind and Its Challenge to Western Thought. Basic Books.

[9] Pfeifer, R., & Bongard, J. (2006). How the Body Shapes the Way We Think. MIT Press.

[10] How the Body Shapes the Way We Think: A New View of Intelligence. MIT Press.Shapiro, L. (2010). Embodied Cognition. Routledge.

[11] Varela, F. J., Thompson, E., & Rosch, E. (1991). The Embodied Mind: Cognitive Science and Human Experience. MIT Press.

[12]《2024年具身智能產業(yè)發(fā)展研究報告》，36氪研究院

[13]《具身智能發(fā)展報告（2024年）》，中國信息通信研究院

[14]《具身智能行業(yè)發(fā)展研究報告 系列報告之一：具身智能技術發(fā)展與行業(yè)應用簡析》，甲子光年智庫

[15]《中國具身智能創(chuàng)投報告》，量子位智庫

[16] L. Londono, J. V. Hurtado, N. Hertz, P. Kellmeyer, S. Voeneky, and A. Valada, “Fairness and bias in robot learning,” Proceedings of the IEEE, 2024.

[17] J. Duan, S. Yu, H. L. Tan, H. Zhu, and C. Tan, “A survey of embodied ai: From simulators to research tasks,” IEEE Transactions on Emerging Topics in Computational Intelligence, vol. 6, no. 2, pp. 230–244, 2022.

[18] Z. Xu, K. Wu, J. Wen, J. Li, N. Liu, Z. Che, and J. Tang, “A survey on robotics with foundation models: toward embodied ai,” arXiv preprint arXiv:2402.02385, 2024.

作者：畢蕾 中國移動咪咕公司北京研究院 系統(tǒng)開發(fā)總監(jiān)

審核：

單華琦 中國移動咪咕公司北京研究院 技術標準總監(jiān)

邢剛 中國移動咪咕公司北京研究院 技術項目總監(jiān)

徐嵩 中國移動咪咕公司北京研究院 資深系統(tǒng)架構與分析專家

出品：科普中國×中國移動科學技術協(xié)會