基于大模型的具身智能系统综述 王文晟 1 谭 宁 1 黄 凯 1 张雨浓 1 郑伟诗 1 孙富春 2 摘 要 得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型 大语言模型, 大型视觉模型, 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗, 孙富春. 基于大模型的具身智能系统综述. 自动化学报, 2025, 51(1): 1−19 DOI 10.16383/j.aas.c240542 CSTR 32138.14.j.aas.c240542 Embodied Intelligence Systems

具身智能的基础知识 2025 年 9 月 11 日 R1 .0 版 目录 CONTENTS 具身智能 的基 本概念 具身智能 的发 展演 进 具身 智能 的核 心技 术 具身智 能 的产 业链 具身智能的基 本概念 PART ■ 具身智能的基本概念 □ 具身智能的定义 > 具身智能 (Embodied Intelligence) , 是一种基于物理身体进行感知和行动的智能系统。 智能行为和适应性。 > 具身智能是人工智能与机器人学交叉的前沿领域，其核心在于将感知、行动与认知深度融合。 ■ 具身智能的基本概念 □ 什么是“具身” >“ 具身“是一个很小众的名词，通常都出现在哲学、认知科学领域。 >“ 具身”的英文叫 Embodied , 是 embody 的过去式和过去分词。 em- 表示 进入，使 … … ” , -body 表 示 身 体”。组合起来，就是“使 体”。组合起来，就是“使 . … 进入身体”。 Embod'ed Inteligence ( 具身智能 ) , 顾名思义，就是“使智能进入身体”、“给智能一个身体”的意思。 具身智能 Embodied lntelli gence 维度 传统 Al ( 如 ChatGPT, 图像识别 ) 具身 Al ( 如家庭机器人，自动驾驶 ) 环境 静态、封闭的数字世界 动态、开放的物理世界 输入 单一或特定模态

传统行业的颠覆性变革和提升。具身智能作为人工 智能领域的前沿方向，正从理论研究阶段迈向实际应 用，开启人机深度协同的新纪元 ［1］。 2023 年以来，具身智能在技术突破和应用拓展方 面取得了显著进展。计算机视觉中激光雷达、深度相 机等感知技术的进步，使具身物理本体能够实现毫米 级环境感知 ［2］；强化学习、模仿学习、自适应控制等人 工智能算法的发展，让具身智能在虚拟仿真环境中通 Action 大模型的出现，进一步增 强了具身智能的泛化能力，使其能够适应不同的应用 场景 ［4］；分布式协同技术则构建了多智能体协作网络， 提升了群体智能的规模效应 ［5］。 随着技术的不断成熟，具身智能的不同初级形态 已广泛应用于工业制造、医疗健康、自动驾驶、家庭服 务等多个领域，为各行业的智能化升级提供了强大动 关键词： 具身智能；技术架构；应用案例；发展挑战；未来趋 势 文献标识码：A 开放科学（资源服务）标识码（OSID）： 摘 要： 具身智能作为人工智能领域中的前沿方向，正从技术验证走向实际应用，展现 出产业革新潜力。阐述了具身智能的核心概念与技术架构，探讨了其在多领域 的应用案例和边界，特别是工业应用实践、挑战和突破点；同时关注其发展所面 临的关键问题与挑战，展望了未来可能的演进路径。此研究表明，具身智能不 仅是技术发展的必然趋势，更是推动社会智能化转型的重要力量，将在全球范

已成为一项紧迫的时代课题。 具身智能，作为人工智能与物理世界深度融合的典范，正步入以 “AI+高端制造”为核心的黄金发展期，有望成为驱动未来经济增长的 核心引擎。它不仅将重塑制造业价值链，更将催生“制造服务业”、“现 代服务业”、“消费新物种”等新业态，并广泛赋能于国防无人系统、生 物科技设备等领域，展现跨行业的辐射力与生态带动力。 目前，我国具身智能产业生态，亟需产业协同与基础研究突破创 业专家、科研领军者、企业家和投资人构成的“具身智能技术与产业 战略研究小组”。在《创变下一浪》研究基础上，小组成员深入开展 全国范围的产业调研与企业访谈，历经近半年的扎实工作，最终凝练 成这份《2025 中国具身智能产业星图》。 具身智能发展日新月异，本报告所呈现的数据与分析均基于一定 时间内的调研与检索结果，如有疏漏与不足，恳请各界批评指正。我 们期待本报告为中国具身智能领域的创新与突破提供有价值的参考！ 具身智能技术与产业战略研究小组 中国制造业的全球压倒性优势为具身智能奠定产业土壤。2023 年，中国制造业增加值达 32.38 万亿元，已超过美、德、意、英制造 业增加值之和，并是日本制造业 GDP 总量的 5 倍以上。在传统制造 过剩和低附加值的背景下，“高端制造”成为转型必然，而具身智能 正是这一战略升级的底层支撑。 具身智能引领“自动化→智能化”的范式跃迁。传统机器人依赖 硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端

2025/07/DTPT —————————— 收稿日期：2025-06-11 0 引言 人工智能技术正加速从虚拟环境走向与现实世 界交互的“具身智能”新纪元。具身智能（Embodied In⁃ telligence）通过赋予人工智能体物理存在形式，使其能 在三维空间中实现环境感知、动态决策与自主行动， 构建起“感知—决策—执行”的闭环智能系统。该理 念可追溯至 1986 年 Rodney ［1］，它颠覆了传统 AI 对符号推理的依赖，主张智能 应通过身体与环境的实时交互自然涌现。2025 年北 京亦庄人形机器人半程马拉松赛事中参赛机型展现 出的环境适应能力，在一定程度上标志着具身智能已 从实验室验证迈向产业化落地。 近年来技术突破逐渐形成多维进化格局，在大规 模预训练模型方面，深度求索发布的 DeepSeek 系列开 源模型显著降低了开发门槛 ［2］；在硬件创新领域，宇树 联合开发的 Figure 01 已实现语 关键词： 具身智能；标准化；评测体系；应用场景 doi：10.12045/j.issn.1007-3043.2025.07.008 文章编号：1007-3043（2025）07-0046-07 中图分类号：TP18 文献标识码：A 开放科学（资源服务）标识码（OSID）： 摘 要： 具身智能作为融合了人工智能与机器人技术的新范式，是实现物理世界感知、

面向具身智能的 大小脑模型协同算法研究及实践 盛律 | 软件学院 2025-08-23 1 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 具身 智能 2 具身智能的基本概念 基于物理载体进行感知和行动的智能系统，其通过智能体与环境的交互获 取信息、理解问题、做出决策并实现行动，从而产生智能行为和适应性 行为和适应性 具身 智能 传统智能 具身智能 只可远观，被动接受 别人告诉我这就是盒子 可以打开，可以装东西 我主动体验什么是盒子 被动抽象接受 主动具体体验 重要 意义 具身智能因其能自主产生智能行为和适应性，是通用人工智能的可能起点 3 具身智能的关键任务 导航 问答 操作 4 具身智能的核心目标 5 具身智能的核心要素 具身载体(Agent) 具身模型(Model) 物理 载体 相比具身载体的日趋成熟，具身模型的算法研究方兴未艾、挑战众多 现状 6 具身模型应该考虑哪些能力？ n 技能泛化、真实交互、本体扩展 Skill （技能泛化） Reality （真实交互） Embodiment （本体扩展） Adapted from Jim Fan’s talk 7 具身模型的几种类型 大小脑协同 端到端 8 具身模型的最新进展：代表性新工作

中国具身智能产业发展规划与场景应用洞察 目录 C O NT E NT S 01 具身智能产业基础理论及战略意义 1.1 具身智能是推动新质生产力建设的重要引擎 1.2 政府报告首提，配套政策不断出台 1.3 地方政府具身智能核心发展需求 02 具身智能产业发展现状 2.1 具身智能市场规模不断扩大，人形机器人资本热度不断上升 2.2 技术泛化能力不足以满足场景需求复杂度，商业回报阈值不足以 03 具身智能应用场景洞察 3.1 科研场景 3.2 工业场景 3.3 商业场景 3.4 家庭场景 3.5 优秀企业案例分析 04 具身智能产业发展关键路径探索 4.1 基于自动驾驶经验的渐进式发展路径与落地策略 4.2 短期、 中期、长期的关键路径推演 4.3 未来商业模式和应用优势 新 质 生 产 力 u 定义：具身智能是一种基于 定义：具身智能是一种基于物理身体进行感知和行动的智能系统，强调机器与环境的交互能力。人形机器人作为具身智能的典型代表，被视为实现 具身智能的最佳载体之一。 u 具身智能的经济理论基础在于其通过技术融合与产业升级，推动新质生产力的发展，实现劳动生产率的提升和产业结构的优化。 要素一：环境 要与环境交互 人 - 机 本体 - 物理环境 多机 感知： 开放环境，感知能力 与环境的交互 呈现拟人化交互

头豹研究院 2025年具身智能产业链分析 从实验室到市场的商业化探索 概览标签：具身智能、人形机器人 2025 Embodied Intelligence Industry Chain 2025年の具身知能産業チェーン 市场研读 | 2023/11 www.leadleo.com 400-072-5588 2 01 具身智能产业链上游： ◆ 具身智能上游芯片方面，其所需芯片种类 视觉传感器、惯性传感器是人形机器人迈 向具身智能的关键传感器。这类传感器不 仅价值量较高，且与人形机器人的智能化、 仿生化和高自由度等发展方向紧密相连； ◆ 自动驾驶载具传感器方面，智能驾驶系统、 智能座舱系统、智能动力系统所需的传感 器数量，随自动驾驶等级的提升而增加。 02 具身智能产业链中游： ◆ 具身智能的载体不一定是人形机器人，可 以是任意形态的机器人，也可以是自动驾 驶载具，其均具备具身和智能两种属性； 器人、服务机器人、特种机器人及人形机 器人四大类，从具身智能的本质——通过 物理实体与环境的持续互动实现智能涌现 来看，人形机器人是其最佳载体； ◆ 自动驾驶载具为具身智能的物理载体之一， 其可大致分为汽车类和低空飞行类，两者 均通过“感知-决策-控制”闭环实现场景适 配，具身智能的强弱直接取决于对各自运 行场景的动态响应与任务完成能力。 ◼ 研究背景 2025年，中国政府工作报告首次将具 身智能纳入未来产业培育计划，标志