具身智能发展报告.docx

目 录

一、全球具身智能发展态势 1

（一）具身智能的概念与内涵 2

（二）具身智能发展历程 7

（三）全球具身智能提速发展 14

二、具身智能技术突破，重塑智能边界 15

（一）感知模块—赋予机器感官，实现多模态感知泛化 17

（二）决策模块—提升机器脑力，实现人类思维模拟 19

（三）行动模块—提升机器自主行动能力，实现精细动作执行 21

（四）反馈模块—拓展机器交互通道，实现自主学习演进 23

（五）支撑要素—本体、数据和软硬件底座共同构成具身智能发展基础.25

（六）安全与隐私保障—确保具身智能执行安全可信 29

三、具身智能在各领域的应用前景 29

（一）工业制造领域：打破人机协作瓶颈，实现智能化柔性适配 30

（二）自动驾驶领域：适应开放交通环境，实现安全可靠智能驾驶 31

（三）物流运输领域：优化仓储物流产线，实现高效货物运转 32

（四）家庭服务领域：解放人类双手束缚，实现全场景的智能家务服务.34

（五）医疗康养领域：应对老龄化问题，实现拟人化交互服务 35

（六）其他领域：从赋能到变革，推动各行各业创新与转型 36

四、具身智能发展所面临的挑战 38

（一）技术挑战 38

（二）应用挑战 41

（三）标准与合规挑战 44

五、迈向未来，具身智能迎来无限可能 45

（一）技术创新发展，推动具身智能持续进化 45

（二）产业跨界整合，开辟更广阔的市场空间 46

（三）体系重构加速，引发更深层次社会思考 47

图目录

图1 国内外专家有关具身智能的观点 3

图2 具身智能的“三要素”概念内涵示意图 6

图3 具身智能发展历程 13

图4 具身智能技术体系 16

图5 具身智能产业链示意图 43

一、全球具身智能发展态势

1950年，图灵在其经典论文《ComputingMachineryandIntelligence》1中探讨“机器是否能思考”这一根本问题，认为人工智能的终极形态是像人一样能与环境交互感知，自主规划、决策、行动和执行的机器人/仿真人（在虚拟环境中）。而有望实现的两条路径，一是聚焦抽象计算（比如下棋）所需的智能，二是为机器配备最好的传感器，使其可以与人类交流，像婴儿一样进行学习。后续，这两条路径逐渐演变成了离身智能（DisembodiedArtificialIntelligence2）和具身智能（EmbodiedArtificialIntelligence，简称“EAI”）。

当前，依靠海量数据，结合算法和计算能力的提升，以ChatGPT为代表的离身智能实现智能涌现。自其推出之后，数字世界的AI技术逐步展现出逼近人类甚至超越人类的思维能力。加利福尼亚大学圣迭戈分校的研究团队在交互式双人图灵测试中发现，人们无法区分GPT-4与人类3。但在物理世界中，智能机器人仍然仅是智力有限的任务工具。在此背景下，人们的关注点转向如何让AI的认知从互联网的数字信息拓展到现实的物理概念，包括感官、空间、行动等信息，并将其更好地应用于物理世界。实际上，大模型对互联网上大量图文信息的处理和学习，本质上是“读万卷书”的过程，这

1/f/TuringComputing.pdf

2/pmc/articles/PMpdf/frai-06-1148227.pdf

3/pdf/2405.08007

可以增强智能体的感知、知识理解和思维能力，但无法取代“行万里路”所带来的体验。就像人类在真实世界中的亲身体验和劳动，无法仅通过阅读和观看视频来替代。具身智能可以赋予AI身体，并具备与物理世界的交互学习能力，这是不能通过看图、看文这些数字信息所能够弥补、习得的。2023年，Nature子刊刊登了由YoshuaBengio、YannLeCun等科学家联名发表的文章，提出下一代AI的终极挑战是通过具身图灵测试，即复现生物体的感觉运动能力，包括与世界互动、灵活的行为、高效的能源利用等4。具身智能被誉为迈向通用人工智能的重要一步，引发了新一轮的技术浪潮。

（一）具身智能的概念与内涵

具身智能：依靠物理实体通过与环境交互来实现智能增长的智能系统

具身智能从字面可理解为“具身化的人工智能”，“具身”是前提，即具有身体且能通过交互、感知、行动等能力来执行任务，具身本体的形态不必限制在外观上的“人形”，同时身体的形态也不能作为判断是否属于“具身智能”的依据。根据使用用途和场景的不同，具身智能可以有多种形态。例如，通用智能机器人，大型的工业设备加上AI