具身智能百科

通往物理世界的智能：具身智能百科

系统梳理具身智能（Embodied AI）的定义、历史、核心要素、关键技术（VLA / 世界模型 / 模仿学习 / 强化学习 / Diffusion Policy / Sim2Real）、机器人形态、产业与论文资源。面向研究者、工程师与学习者。

知识库简体中文静态站 · HTTPSEN / 简中 / 繁中

快速入口

定义与内涵

与无身智能的区别，身体—感知—决策—行动闭环。

关键技术

VLA、世界模型、IL/RL、Diffusion Policy、Sim2Real。

机器人形态

固定基座、轮式、四足、人形、仿生。

关键论文

RT 系列、OpenVLA、ACT、Diffusion Policy 等。

数据与仿真

Open X-Embodiment、MuJoCo、Isaac、Habitat、RoboTwin。

学习资源

Embodied-AI-Guide、Lumina 社区、课程与 newsletter。

一句话理解

大模型已经能很好地处理文字和图像；要让机器人真正拿起桌上的杯子，模型必须输出连续、有物理后果的动作。数据从哪来、动作怎么表示、做得好不好怎么衡量——构成具身智能当前的核心矛盾。（整理自 Embodied-AI-Guide）

四大研究方向

综述 Aligning Cyber Space with Physical World（arXiv:2407.06886）将具身智能研究归纳为：

  1. 具身感知：主动视觉、VLN、3D 场景理解
  2. 具身交互：EQA、语言引导抓取等
  3. 具身智能体：多模态基础模型与任务/动作规划
  4. Sim-to-Real 迁移：世界模型、数据采集与域随机化等

本站覆盖范围

  • 定义、历史、核心要素（身体 / 感知 / 决策 / 行动）
  • 关键技术栈与代表工作
  • 人形 / 移动 / 操作机器人与具身设备
  • 应用、公司、论文、数据集与学习路径