[首發于智駕最前沿微信公眾號]2025年，是科幻照進現實的一年。當小鵬汽車發布的“IRON”人形機器人以高度擬人的步態與流暢的運動控制進入大眾視野時，著實驚呆眾人。

還記得年初的具身智能還是在春晚節目中拋個手絹，走路還磕磕絆絆，不到一年，就已經發展到接近真人的步伐，具身智能時代或許真的來了！

為什么身體對智能很重要

具身智能，說白了就是有身體、會動、會感知的智能體。相較于只能在云端跑大模型、寫文章、聊天的人工智能不同，具身智能更強調感知、行動和認知三者合一。

智能體通過傳感器看、聽、觸，靠執行器動、抓、走，從而為人類提供服務，并且在服務過程中學習和調整自己的行為。這個過程要求把感知到的信息、行動的結果和內部決策緊密連接起來，形成一個閉環。具身智能并不是一個“只會想”的系統，而是能做事并從做事里變聰明的系統。

有人一定好奇，既然大模型那么聰明，為什么非要把它裝到“身體”里？其實在認知科學里有個基本觀點，人類的思維方式、注意力和很多常識判斷，都是建立在身體與環境長期交互的結果上。

身體提供了感官輸入和行為反饋，將影響人類形成概念和預測世界的結果，如果沒有身體，就少了那部分“從做中學”的經驗。此外，對于搬運物品、裝配、巡檢、護理、救援、駕駛等很多有用的工作都必須依賴身體才能完成，正因如此，身體對于人類來說非常重要。

對于具身智能，其實也是如此，只有把智能和執行結合，才能讓系統真正替人做事。把大模型單純放在服務器上，它可以推理、預測，但無法直接去擰螺絲、遞東西或處理搬移障礙物等工作，這也是為什么很多企業都在布局具身智能的原因。

具身智能的核心技術與現有問題

具身智能的視線離不開硬件和軟件的深度耦合。視覺、深度、力覺、觸覺、聲音以及本體感知（比如關節角度、電流等）等感知層共同組成了對外界的感知，為確保感知的準確性，需多個傳感器相互融合。

認知與決策層負責把傳感器數據轉變成對環境的理解和未來行為的計劃。對此會采用包括基于模型的規劃算法和基于學習的方法，尤其是強化學習和自監督學習在很多研究中被用來讓智能體通過交互積累經驗。

行動層負責將決策轉為實際運動指令，其中涉及運動學、動力學和實時控制等技術。由于有些任務需要微米級的精度和毫秒級的反應，因此需要在精度與速度之間進行權衡。

“閉環學習”在具身智能中的應用也很重要，閉環學習強調把行動結果反饋回認知模塊，形成持續改進的能力。一個合格的具身智能體不僅能在已知場景執行任務，還能在新環境下通過少量試錯快速適應。

類比到自動駕駛，其實我們可以發現，具身智能和自動駕駛很多的技術是相通的，只是在執行目標及使用場景中有所區別。與自動駕駛一樣，在將具身智能投入市場化運營時，也將面臨一系列問題。

由于需要多模態融合，視覺數據量大、幀率高，觸覺和力覺采樣速度不同，如何把這些信息在時間和語義上對齊并提取有用特征，需要精心設計的數據流和網絡架構。

強化學習在仿真中訓練相對容易，但如果應用到現實機器人上就會出現sim-to-real差距，對此可以采用包括更好的物理建模、域隨機化和在線微調來解決。

實時控制和硬件可靠性問題是具身智能一定要考慮的問題，由于具身智能主要服務于人，控制算法得保證在突發情況下不會讓機器人做出危險動作，機械和傳感器也要耐用并可維護。

具身智能的應用及評判標準？

具身智能在很多場景都有明確用途。工廠里的裝配和協作機器人已經能在一定程度上替人做重復、精細的工作；倉儲和物流中，自動搬運、分揀和輸送系統可以顯著提高效率；像是送餐機器人、家務機器人等服務領域的具身智能在受控場景下也能完成特定任務。

自動駕駛其實也可以看成具身智能的一種形式，汽車通過傳感器感知環境，通過控制系統執行駕駛動作，并在行駛中不斷調整策略。救援和巡檢也是具身智能應用的重要方向，機器人可以進入對人類危險或難以到達的區域完成探測和作業。

要判斷一個系統是否是具身智能，有多個評價角度。看它能否在真實環境中獨立完成指定任務，其中要包括感知到任務相關信息、規劃執行步驟、在執行過程中及時處理意外，并在任務后對經驗進行總結和優化；看它對未知情況的適應能力，能否在遇到新場景時通過少量交互調整策略而不是完全報廢；看它的人機交互能力，是否能理解人的指令、預測人的行為并安全協同；還可以考察運行的連續性和魯棒性，其中可包括對硬件故障、傳感噪聲和外界干擾的容忍度。

最后的話

具身智能不是把人工智能套上身體那么簡單，而是要把感知、動作和認知深度結合，讓系統能在物理世界里真正完成任務并在過程中進步。具身智能讓人工智能從“會想”變成“會做”，這無疑是未來幾年最值得關注的一條技術路線。

審核編輯 黃宇