【科普金华】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 2025 年 3 月 5 日在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？

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。

具身智能是什么，

是怎么跟机器人结合的?

具身智能，英文全称是“Embodied Artificial Intelligence”，从这个全称我们可以看出，其实具身智能这个词中的“智能”就是“ AI ”（人工智能）的意思。而说到 AI ，大家早都不陌生了，从 ChatGpt 到 DeepSeek ，都是 AI 的一种。它们就像没有身体的“大脑”，虽然能从外部接收数据并解决问题，但它们作为没有身体的软件系统，缺乏通过身体与环境交互的能力和反馈机制。

举个例子，下围棋的 AlphaGo ，就必须有一位工作人员在场上帮它落子，因为 AlphaGo 是个纯算法系统，尽管能在服务器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，并用肢体与环境互动，进而形成“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，从而产生智能行为和适应性。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，现在有一些机器人产品，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，智能必须通过物理身体与环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”在一起是不行的。

为什么我们需要具身智能机器人？

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。

笔者自己学习 LeRobot 时调试机械臂

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”的动作并放进盒子里，这样更加灵活，但仍需要事先编写相应的程序。

而 LeRobot 则是靠人操作主动臂，“手把手”地教从动臂完成一次捡起积木放进盒子的过程，从动臂运动的整个过程会被 2 个不同位置的摄像头全程监控并记录。改变几次积木位置，操纵机械臂重复数十到上百次捡起和放下的动作，就能获得足够的资料。

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术路线有很多，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比捡起积木扔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，具身智能和机器人技术的融合，将会让未来的机器人变得更加能干，甚至能理解和模拟简单的感情交互。而且，对具身智能和机器人的持续投入，更将带动从软件到硬件的整个产业链的发展。

策划制作

作者丨丁崝 科普作者

审核丨于乃功 北京工业大学机器人工程专业负责人，北京人工智能研究院机器人研究中心主任，博士生导师

策划丨丁崝

审校丨徐来、林林

本文经授权转自“科普中国”（id：Science_China）公众号

编辑：吴裕慧

一审：施新杭

二审：卢立明