具身智能是人工智能与物理实体(机器人)深度融合的终极形态,指智能体通过身体

与环境的实时交互产生智能行为,强调智能体的认知和行动在物理环境中的相互依赖,赋予机器感知、理解、决策并与物理世界进行交互的能力。其核心涵盖"大脑"(负责语义理解和任务规划等认知智能)与"小脑"(负责高精度运动执行)两大模块,涉及仿真、VLA(视觉-语言-动作)、diffusion policy(扩散策略)、VLN(视觉语言导航)、世界模型、强化学习等多个子模块。