1 最新政策
党的二十届四中全会通过的“十五五”规划建议明确提出，前瞻布局未来产业，推动量子科技、生物制造、氢能和核聚变能、脑机接口、具身智能、第六代移动通信等成为新的经济增长点。
今年10月，上海市政府网站披露，全国首个具身智能领域国家级标准化试点落地浦东。该试点由人形机器人（上海）有限公司（国家地方共建人形机器人创新中心）承担，将以位于浦东的上海国地中心主训练场统领、全国各分训练场支撑的“1+N”模式开展，在全国各分训练场推动标准验证实施与迭代优化。
2 基本概念
具身智能：智能体（生物或机械）与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。
具身智能假设，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。因此，地球上所有的生物，都可以说是具身智能。
具身智能：能够提升当前的“弱人工智能”认知能力的重要方式，人工智能可以通过与环境交互的渠道，从真实的物理或虚拟的数字空间中学习和进步。同时，具身智能是产生超级人工智能的一条可能路径。
具身智能（Embodied Intelligence）可以拆分成两个词：一是“具身”，二是“智能”。
“具身”（Embodiment）首先是一个心理学概念，具身的基本含义是指认知对身体的依赖性，即身体对于认知具有影响。
智能体技术实现主要围绕软件算法以及数据处理开展：
具身还分为“弱具身”和“强具身”，前者认为认知依赖于身体，但保留了认知自身的计算和表征功能，后者则主张：“认知是被身体作用于世界的活动所塑造出来的，身体的特殊细节早就了认知的特殊性。”
结合第二个词，“智能”，具身智能可粗略定义为：智能体（可以是生物或机械），通过与环境产生交互后，通过自身的学习，产生对于客观世界的理解和改造能力。具身智能假设，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。地球上所有的生物，都可以说是具身智能。
此外，一些通过强化学习训练的机器人，也可以被认为是具身智能的一种形式，如OpenAI的单手还原魔方机器人等。
3 核心技术
（1）感知与建模：构建高保真的世界“心智模型”
智能体要理解并作用于世界，首先必须精准地“感知”它。这超越了简单的图像识别，要求构建一个融合多传感器信息、蕴含物理规律和语义知识的动态世界模型。
1）多模态融合感知
核心技术在于打通视觉、深度、触觉（如六维力传感器）、听觉及本体感知（位置、力距）等多源异构数据，形成对环境、物体及自身状态的统一、实时表征。例如，机器人不仅“看到”一个玻璃杯，还能通过触觉“感知”其易碎和光滑的特性，并估算其重量，从而决定抓取的力度和方式。
2）物理与场景理解
重点是从感知数据中抽取出对物理交互至关重要的属性与关系。这包括理解物体的功能性（杯子用于盛水）、物理属性（刚性、质量、摩擦系数）、场景的语义结构（厨房中冰箱、水槽、柜台的空间关系），以及基本的因果关系（推倒积木塔会导致其散落）。当前，利用大规模互联网数据预训练的视觉-语言模型（VLMs）为快速理解开放世界的语义提供了强大先验知识。
3）仿真与数字孪生
由于在现实世界中收集海量交互数据成本高昂且危险，高保真物理仿真器（如Isaac Gym、MuJoCo）变得至关重要。它们构建了一个可无限试错的“平行世界”，不仅能模拟视觉外观，更能精确模拟刚体、柔体动力学、摩擦、接触等物理规律，为后续的大规模强化学习训练提供了数据引擎和测试沙盒。
（2）认知与决策：从任务规划到实时控制的智能“大脑”
在理解环境的基础上，智能体需要规划如何达成目标。这一过程从抽象的任务分解开始，最终必须落实到毫秒级的连续运动控制指令上，形成了一个复杂的决策层级。
1）大模型赋能的高层规划
以大型语言模型（LLMs）和视觉-语言模型（VLMs）为代表的“大脑”正在革命性地解决高层任务理解与规划问题。它们能够将自然语言指令（如“请帮我做一杯加冰的咖啡”）分解为一系列可执行的子任务步骤（走向厨房、找到咖啡机、取杯子…），并能处理未预定义的开放词汇对象和复杂约束。
2）分层强化学习与技能抽象
针对中低层控制，分层强化学习是关键。它通过将长期任务分解为可重复使用的技能基元（如“抓握”、“旋拧”、“推拉”）来降低决策复杂度。智能体先在仿真中通过试错（强化学习）或模仿人类演示（模仿学习）掌握这些基础技能，再由高层策略像调用函数一样组合它们，以解决新任务。
3）端到端学习与闭环控制
最前沿的方向是探索端到端的感知-决策-控制模型，即用单一的深度神经网络直接将原始传感器数据映射为驱动电机的扭矩指令。这种方法能最大化整体性能，但对数据、算力和模型架构提出了极致挑战，目前更多在自动驾驶等特定领域取得突破。
（3）控制与执行：实现灵巧、鲁棒操作的“小脑”与“身体”
无论决策多么智能，最终都必须通过物理身体安全、精确、柔顺地执行出来。这是连接数字智能与物理世界的“最后一公里”，也是当前最主要的工程瓶颈。
1）仿生运动控制
借鉴生物原理的“小脑”模型负责将高层路径规划转化为稳定、节能的步态和姿态。对于双足或四足机器人，这涉及到在非结构化地形上的动态平衡控制、抗扰动恢复等核心问题，通常依赖于模型预测控制等先进控制理论。
2）精细操作与柔顺交互
灵巧手操作是具身智能的“皇冠上的明珠”。其核心是力位混合控制，使机器人不仅能控制位置，更能感知并控制与环境的交互力，实现像人类一样“轻轻拿起鸡蛋”或“稳稳拧紧螺丝”的柔顺操作。这需要高精度的力传感和毫秒级的实时控制回路。
3）硬件本体创新
技术进步最终凝结于硬件。仿生关节设计（如串联弹性驱动器）、高保真触觉传感器皮肤、轻量化高强度材料（碳纤维）以及高功率密度电机的进步，共同塑造着机器人身体的潜能上限。
（4）系统集成与数据闭环：支撑迭代的“数字基础设施”
1）软硬件协同设计
算法开发必须考虑硬件的物理约束（如扭矩极限、延迟），而硬件设计也需为算法预留传感和控制接口。这种深度协同是提升系统整体性能的关键。
2）仿真到真实的迁移
如何将仿真中学到的策略无损地迁移到千变万化的真实世界，是核心挑战。领域随机化（在仿真中随机化纹理、光照、物理参数等）、系统辨识（精确校准真实机器人模型）和在线自适应等技术被用来缩小“模拟到现实的鸿沟”。
3）数据流水线与操作系统
构建自动化的数据采集、标注、仿真生成、模型训练和部署的完整流水线，以及统一的机器人中间件与操作系统（如ROS 2），是规模化开发与部署的基石。
具身智能的技术前沿正呈现出 “大脑”先行引领、“小脑”与“身体”加速追赶、虚实世界深度联动的鲜明特征。多模态大模型为理解开放世界和复杂任务提供了前所未有的认知高度，而如何让这些智能决策通过一个灵巧、可靠的身体在物理世界中流畅、安全地执行，仍是整个领域攻坚的焦点。未来，核心技术的突破将依赖于神经科学、认知科学、机器人学、计算机视觉与控制理论等多学科的更深层次交叉融合。
4 应用领域
（1）工业场景专用智能体与解决方案
迭代逻辑：这是商业闭环最清晰、投资回报率要求最明确的领域。市场需求并非“全能通用机器人”，而是能解决特定产线痛点（如柔性装配、杂乱分拣）的专用方案。关键任务：将多模态大模型的认知能力与领域知识深度结合，打造在特定场景下可靠、高效、易部署的解决方案，快速证明技术价值和商业价值。
（2）核心零部件与“小脑”运动控制
迭代逻辑：智能的“大脑”需要灵巧可靠的“身体”来执行。目前，高精度减速器、六维力传感器等核心硬件，以及让机器人稳健行走、操作的运动控制（“小脑”）仍是主要瓶颈。关键任务：突破高性能、低成本的国产核心零部件。同时，优化运动控制算法，提升在复杂地形行走、与物体进行柔顺交互的成功率和适应性。
（3）第三领域：数据闭环与仿真工具链
迭代逻辑：真实世界数据采集成本极高且危险，而仿真数据的保真度又直接影响训练效果。因此，构建高效、高保真的数据生产和训练平台是产业规模化前提。关键任务：开发能自动生成大规模、高质量训练数据（包括物理交互数据）的仿真系统；建立连接仿真与实物的高效工具链，加速“仿真训练-真实部署”的迭代循环。
例：近日，商业航天领域领军企业椭圆时空宣布，已于近日顺利完成数亿元人民币的C1轮融资。本轮融资将主要用于持续推动其核心战略项目——“星池计划”的建设与技术升级，构建“太空具身智能”体系，进一步巩固并扩大其在空天信息即时服务领域的优势。