基于多模态大模型的具身智能体研究进展与展望.pdfVIP

108BIGDATARESEARCH大数据

基于多模态大模型的具身

智能体研究进展与展望

赵博涛，亢祖衡，瞿晓阳，彭俊清，张旭龙，王健宗

平安科技（深圳）有限公司，广东深圳518063

摘要

具身智能体指能够根据指令完成某种或多种任务并且具备与物理环境交互能力的智能实体。其在服务机器人、

智能教育、辅助医疗等领域具有巨大的潜在应用，是实现通用机器人的重要途径之一。随着多模态大模型的

发展，具身智能体具备了更强的语言理解、推理判断和环境感知能力，极大地推动了该领域的发展。近年来，

具身智能体领域涌现出许多优秀的研究工作，但缺乏系统的调查评述。为了帮助研究者更全面地了解这一领

域，对具身智能体的研究进行了深入调研与展望。首先，介绍了多模态大模型，其次回顾了常用数据集和用

于构建具身智能体的物理载体。然后，回顾了具身智能体的3个关键研究方向：具身大模型、高级任务规划

和低级动作控制。最