具身智能(Embodied Intelligence)
有身体的 AI
亦作、亦称:Embodied Intelligence · Embodied AI · 具身 AI
概述
将人工智能与物理实体(机器人)结合的技术领域,使 AI 系统能够在真实物理世界中感知、决策和行动。2026 年因荣耀「闪电」机器人以 50 分 26 秒完成半程马拉松(超越人类世界纪录)而引发全球关注,被视为具身智能的「莱特兄弟时刻」。
工作原理
将人工智能与物理实体(机器人)结合的技术领域,使 AI 系统能够在真实物理世界中感知、决策和行动。2026 年因荣耀「闪电」机器人以 50 分 26 秒完成半程马拉松(超越人类世界纪录)而引发全球关注,被视为具身智能的「莱特兄弟时刻」。
应用场景
具身智能常见于:AI 研究与产业落地。实际选型需结合业务指标、数据规模与部署约束评估适用性。
局限与误区
围绕 具身智能 的口语化说法(见「常见误解」)常过度简化。效果依赖数据质量、任务匹配与系统整体设计;生产环境应配合评测、监控与人工复核。
背景与发展
具身智能随 AI 研究与工程实践持续演进,定义边界与最佳实践仍在更新。建议结合原始论文、官方文档与本站延伸阅读建立准确认知。
常见误解
日常交流中容易听到的简化说法,未必准确,但能帮助理解误解从何而来。
- 「有身体的 AI」
- 「机器人+大模型」
相关术语
和本术语关联紧密的其他词条,便于串联理解。
🎯 考点练习
含该术语的高频面试题,含标准答案与追问。
- 中级概念查看详解 →
什么是 Agentic RAG?它相比传统 RAG 强在哪里?
Agentic RAG 让 LLM 自主决定何时、检索什么、是否再查,支持多步与多源,胜在复杂查询与可纠错。
- 中级场景查看详解 →
Agent 调用工具失败时应如何设计重试与回退?
区分错误类型:瞬时错误带退避重试,参数错误回灌让模型修复,持久失败走回退并把错误反馈给模型决策。
- 中级概念高频查看详解 →
什么是 MCP(Model Context Protocol)?解决什么问题?
Anthropic 提出的开放协议,标准化 LLM 与外部工具/数据源连接,类似 AI 应用的 USB 接口。
- 中级概念高频查看详解 →
Function Calling / Tool Use 的实现原理是什么?
模型输出结构化 JSON 描述要调用的函数及参数,应用层执行后把结果回传,模型继续推理。