在 2025 年 3 月 5 日在第十四屆全國人民代表大會第三次會議上的政府工作報告中，特別提到了“具身智能”。

圖片截自中華人民共和國中央人民政府網站 www.gov.cn

那么具身智能到底是什么呢？

回想我們看過的科幻電影，經典的機器人角色有很多——從冷酷強悍的殺手，到矯健的拳擊運動員，從穩重冷靜的維修工，到神煩碎嘴的禮儀官……不過，這些作品中的想象很美好，但實現起來真的很難——甚至光是讓機器人像人那樣邁開兩條腿走路，都歷盡坎坷。

反觀我們人類的小寶寶，成長過程中也沒有人給他們編什么程序，經過多次嘗試和摔倒之后，他們自己就學會了爬和走，很快就能跑得飛快并躲開障礙。而“具身智能”技術，就參考了這個過程——這項技術能讓機器人像人那樣，用身體感知世界，在互動學習中成長。

具身智能是什么，

是怎么跟機器人結合的?

具身智能，英文全稱是“Embodied Artificial Intelligence”，從這個全稱我們可以看出，其實具身智能這個詞中的“智能”就是“ AI ”（人工智能）的意思。而說到 AI ，大家早都不陌生了，從 ChatGpt 到 DeepSeek ，都是 AI 的一種。它們就像沒有身體的“大腦”，雖然能從外部接收數據并解決問題，但它們作為沒有身體的軟件系統，缺乏通過身體與環境交互的能力和反饋機制。

舉個例子，下圍棋的 AlphaGo ，就必須有一位工作人員在場上幫它落子，因為 AlphaGo 是個純算法系統，盡管能在服務器上快速訓練成千上萬場棋局，甚至能夠戰勝世界冠軍，但它自己甚至根本不具備在真實世界中拿起一枚棋子的能力。而具身智能機器人，則能通過攝像頭、觸覺及其他傳感器等“感官”收集環境信息，并用肢體與環境互動，進而形成“感知-行動”的閉環。

了解了上面的信息，再解釋具身智能相關的概念就比較容易理解了，所謂“具身智能”是指一種基于物理身體進行感知和行動的智能系統，其通過智能體與環境的交互獲取信息、理解問題、做出決策并實現行動，從而產生智能行為和適應性。總結一下，具身智能就是“能夠感知、推理并與物理世界互動的智能系統”。而具身智能機器人，可以視為具身智能系統的載體。

那么，“具身智能機器人”可以簡單理解為“給 AI 套了一具身體”或“給機器人裝上了一個 AI ”嗎？這種認識也是不全面的。舉個例子，現在有一些機器人產品，能夠做一些簡單的動作，也連上了 AI ，甚至可以跟人聊得有來有回，但它們仍然不能算是具身智能。

這是因為它缺少了至關重要的一環，也就是“具身智能”中的“具身性”（Embodiment）。而具身性的核心在于，智能必須通過物理身體與環境的實時交互和動態反饋來生成，而非依賴預設程序或離線數據，要靠深度融合人工智能與機器人兩大前沿技術才能實現這個目標，簡單“拼”在一起是不行的。

為什么我們需要具身智能機器人？

其實現在已經有很多機器人在幫助人類勞動了，但很多機器人工作的時候依賴預先編好的程序，我們經常能看到工廠生產線中的機械臂（也是機器人的一種），它們高效默契地運行，能有條不紊地進行搬運、焊接等工作。這類機械臂通常高度依賴編程行動，雖然可以分毫不差地運行，也集成了一些基本的傳感器以便了解工作狀態，但遇到突發情況卻仍然“不懂”避讓行人（在無需工人的生產線上通常也沒有必要）。

這也是為什么很多工廠的機械臂操作區都要裝上隔離網，標上警戒線。因為這些機械臂工作時“只認程序不認人”，雖然有大量安全相關的措施和規章制度保障，但如果有人疏忽大意踏入它們的工作范圍，仍可能發生悲劇——面對嚴格按程序從 A 點運動到 B 點的機械臂，擋在路上的人體實在太脆弱了。

試想一下，你敢讓這樣一個一個“只認程序”的機器人，走進你的家中，幫你打理家務，照顧老人小孩嗎？當然，現在很多流水線上用的工業機器人也有了碰撞檢測等功能，變得更加安全，但它們仍然是按預設程序執行，缺乏動態學習能力，更適合執行簡單的重復任務。而一旦面臨復雜的環境和任務，只靠預設程序是行不通的，因為在復雜環境下，很難窮盡所有的規則。

這里再舉個例子，在汽車制造業中，諸如搬運物料、拋光、焊接、噴漆等加工工序，大部分可以用機器人輕松完成。但是到了發動機、底盤、電器等裝配工序，大部分工作仍難以用機器人完成，因為這些工作更加復雜，更需要“隨機應變”以及溝通合作，機器人還無法勝任，需要人工。

而具身智能，則更加靈活，具有適應環境解決復雜任務的潛力，要想讓機器人實現更加廣泛的應用并走進千家萬戶，需要發展具身智能。

具身智能機器人，“活學活用”

由于具身智能和機器人的技術非常復雜，也有很多不同的技術路線，下面僅以具身智能開源學習項目 LeRobot 為例，簡單介紹一下具身智能機器人的基本特點。

筆者自己學習 LeRobot 時調試機械臂

假設我們的任務目標是讓機械臂撿起黃色的小積木塊，再放進盒子里。我們可以編程序直接“命令”機械臂嚴格按照規定路徑和動作運行——很多生產線上的工業機器人正是如此，但只要積木換個地方，機械臂按之前的行動路徑就會撿個空。我們也可以編程序讓機械臂能識別出積木塊，再執行“撿”的動作并放進盒子里，這樣更加靈活，但仍需要事先編寫相應的程序。

而 LeRobot 則是靠人操作主動臂，“手把手”地教從動臂完成一次撿起積木放進盒子的過程，從動臂運動的整個過程會被 2 個不同位置的攝像頭全程監控并記錄。改變幾次積木位置，操縱機械臂重復數十到上百次撿起和放下的動作，就能獲得足夠的資料。

LeRobot 的一次訓練過程 來自 Huggingface 官方教程

再通過算法“學習”這些資料，就能讓這套系統“學會”撿積木——如果有積木塊出現在機械臂面前，它就會自己拿起積木來放進盒子。

LeRobot 一次成功的自主拾取過程 來自 Huggingface 官方教程

上圖中，研究人員并沒有操作主臂，甚至積木的位置也改變了，但機械臂仍然能自主完成任務。

從上面這個簡單的例子中，我們能了解具身智能的一些最基本的特點。首先，具身智能可以通過身體與環境的實時交互學習（多次撿起積木），不用事先編寫大量規則窮盡所有可能。其次，具身智能能夠在執行任務的過程中動態調整策略（積木換個地方也能撿到）。

當然，這只是個簡單的例子，實際上具身智能機器人的技術路線有很多，除了像上邊的例子中基于真實世界交互的，還有在虛擬環境中進行的仿真訓練以及二者相結合的等等。此外，具身智能機器人還能實現遠比撿起積木扔進盒子里復雜得多的功能。比如行走、適應地形，模擬人的動作等等，不久之后，相信各類具身智能機器人，就能在更多的領域發揮重要作用。

最后總結一下，具身智能和機器人技術的融合，將會讓未來的機器人變得更加能干，甚至能理解和模擬簡單的感情交互。而且，對具身智能和機器人的持續投入，更將帶動從軟件到硬件的整個產業鏈的發展。

策劃制作

作者丨丁崝 科普作者

審核丨于乃功 北京工業大學機器人工程專業負責人，北京人工智能研究院機器人研究中心主任，博士生導師

策劃丨丁崝

審校丨徐來、林林

本文經授權轉自“科普中國”（id：Science_China）公眾號

編輯：吳裕慧

一審：施新杭

二審：盧立明