具身智慧百科

扎根物理世界的智慧：具身智慧百科

系統整理具身智慧（Embodied AI）的定義、歷史、核心要素、關鍵技術（VLA／世界模型／模仿學習／強化學習／Diffusion Policy／Sim2Real）、機器人形態、產業與論文資源，供研究者、工程師與學習者使用。

知識庫繁體中文（台灣）靜態站 · HTTPSEN / 简中 / 繁中

快速入口

定義與內涵

與無身智慧的差異；身體—感知—決策—行動閉環。

關鍵技術

VLA、世界模型、IL/RL、Diffusion Policy、Sim2Real。

機器人形態

固定基座、輪式、四足、人形、仿生。

關鍵論文

RT 系列、OpenVLA、ACT、Diffusion Policy 等。

資料與模擬

Open X-Embodiment、MuJoCo、Isaac、Habitat、RoboTwin。

學習資源

Embodied-AI-Guide、Lumina 社群、課程與電子報。

一句話理解

大型模型已擅長處理網路上的文字與影像；要讓機器人真正拿起桌上的杯子，模型必須輸出連續、具物理後果的動作。資料從哪來、動作怎麼表示、好不好怎麼衡量——構成具身智慧當前的核心矛盾。（整理自 Embodied-AI-Guide）

四大研究方向

綜述 Aligning Cyber Space with Physical World（arXiv:2407.06886）將領域歸納為：

  1. 具身感知：主動視覺、VLN、3D 場景理解
  2. 具身互動：EQA、語言引導抓取等
  3. 具身代理：多模態基礎模型與任務／動作規劃
  4. Sim-to-Real 遷移：世界模型、資料蒐集與域隨機化等

本站涵蓋範圍

  • 定義、歷史、核心要素（身體／感知／決策／行動）
  • 關鍵技術棧與代表系統
  • 人形／移動／操作機器人與具身裝置
  • 應用、公司、論文、資料集與學習路徑