具身智能综述：发展历程与未来展望

具身智能起源

具身智能(Embodied Intelligence)是指通过物理或虚拟身体与环境互动来学习和适应的智能形式。这一概念最早由认知科学家提出，认为智能不仅仅是抽象的计算过程，更是一种与身体和环境密切相关的适应性能力。在人工智能领域，具身智能的研究旨在创造能够感知环境、做出决策并执行动作的智能系统。

关键技术与方法

具身智能研究涉及多个技术领域的融合，包括：

• 多模态学习：整合视觉、语言、触觉等多种输入信号
• 强化学习：通过尝试与环境互动来学习最优策略
• 仿真环境：为智能体提供安全、可控的学习场景
• 迁移学习：将模拟环境中学到的知识迁移到真实世界

一：训练数据来源、动作预测策略、模型训练方法

VLM和VLA中的动作预测

端到端及其发展之路

借鉴大语言模型的发展之路

参考文献

一次性总结数十个具身模型(2024-2025)

• Exploring Embodied Multimodal Large Models: Development, Datasets, and Future Directions

• Huang, S., Xu, C., Yu, B., & Li, S. (2023). Language models as embodied agents.