首次写入政府工作报告！这个科技新词“具身智能”到底是什么？

在(zài)2025年(nián)3月5日第十四届全国人民代表大会第三次会议上的政府工作报告中，特别提到了“具身智能”。

图片截自中华人民共和国中央人民政府网站 www.gov.cn

那么具身智能到底是什么呢？

图库版权图片，转载使用可能引发版权纠纷

回想我们看过的科幻电影，经典的机器人角色有很多——从冷酷强悍的杀手，到矫健的拳击运动员，从稳重冷静的维修工，到神烦碎嘴的礼仪官……不过，这些作品中的想象很美好，但实现起来真的很难——甚至光是让机器人像人那样迈开两条腿走路，都历尽坎坷。

反观我们人类的小宝宝，成长过程中也没有人给他们编什么程序，经过多次尝试和摔倒之后，他们自己就学会了爬和走，很快就能跑得飞快并躲开障碍。而“具身智能”技术，就参考了这个过程——这项技术能让机器人像人那样，用身体感知世界，在互动学习中成长。

具身智能是(shì)什(shén)么(me)，

是(shì)怎(zěn)么(me)跟(gēn)机(jī)器(qì)人(rén)结(jié)合(hé)的(de)?

具(jù)身(shēn)智(zhì)能(néng)，英(yīng)文全称(chēng)是(shì)“Embodied Artificial Intelligence”，从(cóng)这(zhè)个(gè)全称(chēng)我(wǒ)们(men)可(kě)以(yǐ)看(kàn)出(chū)，其(qí)实(shí)具(jù)身(shēn)智(zhì)能(néng)这(zhè)个(gè)词中(zhōng)的(de)“智(zhì)能(néng)”就(jiù)是(shì)“ AI ”（人(rén)工智能）的意思。而说到 AI ，大家(jiā)早(zǎo)都(dōu)不(bù)陌(mò)生(shēng)了(le)，从(cóng) ChatGpt 到(dào) DeepSeek ，都(dōu)是(shì) AI 的(de)一(yī)种(zhǒng)。它(tā)们(men)就(jiù)像(xiàng)没(méi)有(yǒu)身(shēn)体(tǐ)的(de)“大(dà)脑(nǎo)”，虽(suī)然(rán)能(néng)从(cóng)外(wài)部(bù)接(jiē)收(shōu)数(shù)据(jù)并(bìng)解(jiě)决(jué)问(wèn)题(tí)，但(dàn)它(tā)们(men)作(zuò)为(wèi)没(méi)有(yǒu)身(shēn)体(tǐ)的(de)软(ruǎn)件(jiàn)系(xì)统(tǒng)，缺(quē)乏(fá)通(tōng)过身体与环境交互的能力和反馈机制。

图库版权图片，转载使用可能引发版权纠纷

举个例子，下围棋的 AlphaGo ，就必须有一位工作人(rén)员(yuán)在(zài)场(chǎng)上(shàng)帮(bāng)它(tā)落(luò)子(zi)，因(yīn)为(wèi) AlphaGo 是(shì)个(gè)纯(chún)算(suàn)法(fǎ)系(xì)统(tǒng)，尽(jǐn)管(guǎn)能(néng)在(zài)服(fú)务(wu)器(qì)上快速训练成千上万场棋局，甚至能够战胜世界冠军，但它自己甚至根本不具备在真实世界中拿起一枚棋子的能力。而具身智能机器人，则能通过摄像头、触觉及其他传感器等“感官”收集环境信息，并用肢体与环境(jìng)互(hù)动(dòng)，进(jìn)而形成“感知-行动”的闭环。

了解了上面的信息，再解释具身智能相关的概念就比较容易理解了，所谓“具身智能”是指一种基于物理身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(chǎn)生(shēng)智(zhì)能(néng)行(xíng)为(wèi)和(hé)适(shì)应(yīng)性。总结一下，具身智能就是“能够感知、推理并与物理世界互动的智能系统”。而具身智能机器人，可以视为具身智能系统的载体。

那么，“具身智能机器人”可以简单理解为“给 AI 套了一具身体”或“给机器人装上了一个 AI ”吗？这种认识也是不全面的。举个例子，现在有一(yī)些(xiē)机(jī)器(qì)人(rén)产(chǎn)品(pǐn)，能够做一些简单的动作，也连上了 AI ，甚至可以跟人聊得有来有回，但它们仍然不能算是具身智能。

这是因为它缺少了至关重要的一环，也就是“具身智能”中的“具身性”（Embodiment）。而具身性的核心在于，智(zhì)能(néng)必(bì)须(xū)通(tōng)过(guò)物(wù)理(lǐ)身(shēn)体(tǐ)与(yǔ)环(huán)境的实时交互和动态反馈来生成，而非依赖预设程序或离线数据，要靠深度融合人工智能与机器人两大前沿技术才能实现这个目标，简单“拼”在一起(qǐ)是(shì)不(bù)行(xíng)的(de)。

为(wèi)什(shén)么(me)我(wǒ)们(men)需(xū)要(yào)具(jù)身(shēn)智(zhì)能(néng)机(jī)器(qì)人？

其实现在已经有很多机器人在帮助人类劳动了，但很多机器人工作的时候依赖预先编好的程序，我们经常能看到工厂生产线中的机械臂（也是机器人的一种），它们高效默契地运行，能有条不紊地进行搬运、焊接等工作。这类机械臂通常高度依赖编程行动，虽然可以分毫不差地运行，也集成了一些基本的传感器以便了解工作状态，但遇到突发情况却仍然“不懂”避让行人（在无需工人的生产线上通常也没有必要）。

这也是为什么很多工厂的机械臂操作区都要装上隔离网，标上警戒线。因为这些机械臂工作时“只认程序不认人”，虽然有大量安全相关的措施和规章制度保障，但如果有人疏忽大意踏入它们的工作范围，仍可能发生悲剧——面对严格按程序从 A 点运动到 B 点的机械臂，挡在路上的人体实在太脆弱了。

试想一下，你敢让这样一个一个“只认程序”的机器人，走进你的家中，帮你打理家务，照顾老人小孩吗？当然，现在很多流水线上用的工业机器人也有了碰撞检测等功能，变得更加安全，但它们仍然是按预设程序执行，缺乏动态学习能力，更适合执行简单的重复任务。而一旦面临复杂的环境和任务，只靠预设程序是行不通的，因为在复杂环境下，很难穷尽所有的规则。

这里再举个例子，在汽车制造业中，诸如搬运物料、抛光、焊接、喷漆等加工工序，大部分可以用机器人轻松完成。但是到了发动机、底盘、电器等装配工序，大部分工作仍难以用机器人完成，因为这些工作更加复杂，更需要“随机应变”以及沟通合作，机器人还无法胜任，需要人工。

而具身智能，则更加灵活，具有适应环境解决复杂任务的潜力，要想让机器人实现更加广泛的应用并走进千家万户，需要发展具身智能。

具身智能机器人，“活学活用”

由于具身智能和机器人的技术非常复杂，也有很多不同的技术路线，下面仅以具身智能开源学习项目 LeRobot 为例，简单介绍一下具身智能机器人的基本特点。

假设我们的任务目标是让机械臂捡起黄色的小积木块，再放进盒子里。我们可以编程序直接“命令”机械臂严格按照规定路径和动作运行——很多生产线上的工业机器人正是如此，但只要积木换个地方，机械臂按之前的行动路径就会捡个空。我们也可以编程序让机械臂能识别出积木块，再执行“捡”的动作并(bìng)放(fàng)进(jìn)盒(hé)子(zi)里(lǐ)，这(zhè)样(yàng)更(gèng)加(jiā)灵(líng)活(huó)，但(dàn)仍(réng)需(xū)要(yào)事(shì)先(xiān)编(biān)写(xiě)相(xiāng)应(yīng)的(de)程(chéng)序(xù)。

而(ér) LeRobot 则(zé)是(shì)靠(kào)人(rén)操(cāo)作(zuò)主动(dòng)臂(bì)，“手(shǒu)把手”地教从动臂完成一次捡起积(jī)木(mù)放(fàng)进(jìn)盒(hé)子(zi)的(de)过(guò)程(chéng)，从(cóng)动(dòng)臂(bì)运(yùn)动(dòng)的(de)整(zhěng)个(gè)过(guò)程(chéng)会(huì)被(bèi) 2 个(gè)不(bù)同(tóng)位(wèi)置(zhì)的(de)摄(shè)像(xiàng)头(tóu)全程(chéng)监(jiān)控(kòng)并(bìng)记(jì)录(lù)。改(gǎi)变(biàn)几(jǐ)次(cì)积(jī)木(mù)位(wèi)置(zhì)，操(cāo)纵(zòng)机(jī)械(xiè)臂(bì)重(zhòng)复(fù)数(shù)十(shí)到(dào)上(shàng)百(bǎi)次(cì)捡(jiǎn)起(qǐ)和(hé)放(fàng)下(xià)的(de)动(dòng)作(zuò)，就(jiù)能(néng)获(huò)得(de)足(zú)够(gòu)的(de)资(zī)料(liào)。

LeRobot 的一次训练过程 来自 Huggingface 官方教程

再通过算法“学习”这些资料，就能让这套系统“学会”捡积木——如果有积木块出现在机械臂面前，它就会自己拿起积木来放进盒子。

LeRobot 一次成功的自主拾取过程 来自 Huggingface 官方教程

上图中，研究人员并没有操作主臂，甚至积木的位置也改变了，但机械臂仍然能自主完成任务。

从上面这个简单的例子中，我们能了解具身智能的一些最基本的特点。首先，具身智能可以通过身体与环境的实时交互学习（多次捡起积木），不用事先编写大量规则穷尽所有可能。其次，具身智能能够在执行任务的过程中动态调整策略（积木换个地方也能捡到）。

当然，这只是个简单的例子，实际上具身智能机器人的技(jì)术(shù)路线有很多，除了像上边的例子中基于真实世界交互的，还有在虚拟环境中进行的仿真训练以及二者相结合的等等。此外，具身智能机器人还能实现远(yuǎn)比(bǐ)捡(jiǎn)起(qǐ)积(jī)木(mù)扔(rēng)进盒子里复杂得多的功能。比如行走、适应地形，模拟人的动作等等，不久之后，相信各类具身智能机器人，就能在更多的领域发挥重要作用。

最后总结一下，具身智能(néng)和(hé)机(jī)器(qì)人(rén)技(jì)术(shù)的(de)融(róng)合，将会让未来(lái)的(de)机(jī)器(qì)人(rén)变(biàn)得(de)更(gèng)加(jiā)能(néng)干(gàn)，甚(shén)至(zhì)能(néng)理(lǐ)解(jiě)和(hé)模(mó)拟(nǐ)简(jiǎn)单(dān)的(de)感(gǎn)情(qíng)交(jiāo)互(hù)。而(ér)且(qiě)，对(duì)具(jù)身(shēn)智(zhì)能(néng)和(hé)机(jī)器(qì)人(rén)的(de)持(chí)续(xù)投(tóu)入(rù)，更(gèng)将(jiāng)带(dài)动(dòng)从(cóng)软(ruǎn)件(jiàn)到(dào)硬(yìng)件(jiàn)的(de)整(zhěng)个(gè)产(chǎn)业(yè)链(liàn)的(de)发(fā)展(zhǎn)。

策(cè)划(huà)制(zhì)作(zuò)

作(zuò)者(zhě)丨(gǔn)丁(dīng)崝(zhēng) 科(kē)普(pǔ)作(zuò)者(zhě)

审(shěn)核(hé)丨(gǔn)于(yú)乃(nǎi)功(gōng) 北(běi)京(jīng)工(gōng)业(yè)大(dà)学(xué)机(jī)器(qì)人(rén)工(gōng)程(chéng)专(zhuān)业(yè)负(fù)责(zé)人(rén)，北(běi)京(jīng)人(rén)工(gōng)智(zhì)能(néng)研(yán)究(jiū)院(yuàn)机(jī)器(qì)人(rén)研(yán)究(jiū)中(zhōng)心(xīn)主任(rèn)，博(bó)士(shì)生(shēng)导(dǎo)师(shī)

策(cè)划(huà)丨(gǔn)丁(dīng)崝(zhēng)

审(shěn)校(xiào)丨(gǔn)徐(xú)来(lái)、林(lín)林(lín)

本(běn)文封(fēng)面(miàn)图(tú)片(piàn)及(jí)文内(nèi)图(tú)片(piàn)来(lái)自(zì)版(bǎn)权(quán)图(tú)库(kù)

转(zhuǎn)载(zài)使(shǐ)用(yòng)可(kě)能(néng)引(yǐn)发(fā)版(bǎn)权(quán)纠(jiū)纷(fēn)