基础知识
具身智能
01定义
聊天机器人只能处理用户碰巧输入的文本。具身智能体则通过身体持续接收传感器数据，例如摄像头、关节和力传感器，并以同一身体采取行动。这个身体可以是仓库地面上的实体机器人，也可以是在三维仿真环境中移动的虚拟角色。“具身”指的是承载感知与行动的媒介，而不是某种特定外形。
02学术源流：Rodney Brooks 与“具身认知”
这一概念源于具身认知研究，即智能由身体与环境的互动塑造，而不只是孤立地处理抽象符号。机器人学家 Rodney Brooks 在 20 世纪 80 年代有力地倡导了这一观点。他于 1986 年提出的包容架构用简单的反应式行为层构建机器人，而非依赖中央规划模块；1990 年的论文《Elephants Don't Play Chess》则指出，以国际象棋式符号推理作为智能范式并不恰当，因为动物无需类似机制也能在物理世界中行动。
03与物理 AI 的关系
具身智能
范围更广的学术概念，包括完全在仿真环境中训练和评估、完全不涉及真实硬件的智能体。
物理 AI
偏产业界的术语，通常强调已经部署在真实实体硬件上的智能体。
04“拥有身体”让 AI 变难的原因
在实践中，具身智能体必须处理纯文本系统从不会遇到的问题：观测不完整，例如摄像头只能看到房间的一部分；反馈延迟且含噪，传感器读数可能迟到并存在误差；还有刚性的物理约束，例如夹爪施力过大会损坏物体。当“环境”只是一段文本时，这些问题都不存在。
05研究使用的仿真器
真实硬件训练速度慢，还可能损坏昂贵的机器人，因此大多数具身智能研究会先在仿真环境中进行。
Isaac Sim／Isaac Lab
Isaac Sim 是 GPU 加速的机器人仿真器；Isaac Lab 是建立在其上的开源机器人学习框架，可并行运行数千个环境，用于强化学习和模仿学习。
AI2-THOR 仿真器
一个可交互的三维环境，智能体可在数十个仿真房间中拿取、打开和操作日常物品。
06常见问题
具身智能是学术术语还是产业术语？
它源于学术界的具身认知和机器人研究，包括 Rodney Brooks 在 20 世纪 80 至 90 年代的工作，因此比产业界提出的“物理 AI”更早、范围也更广。
只在仿真环境中训练的智能体也算具身智能吗？
算，这正是定义的一部分，也是它与强调现实部署的物理 AI 之间的关键区别。让仿真训练出的策略在真实硬件上运行，是另一个独立步骤，即仿真到现实迁移。
Brooks 所说的“无表征智能”是什么意思？
他的观点是，机器人无需建立详尽的内部符号世界模型，也能表现出智能。直接响应传感器输入的简单行为可以组合成复杂而自适应的结果，就像昆虫没有类似地图或计划的东西也能导航。