写给小白的“具身智能”入门科普

VIP写给小白的“具身智能”入门科普
智能”,大家都懂,也就是AI。那么,什么是“具身”?“具身”是一个很小众的名词,通常都出现在哲学、认知科学领域。它的英文叫Embodied,是embody的过去式和过去分词。em-表示“进入,使……”,-body表示“身体”。组合起来,就是“使……进入身体”。Embodied Intelligence(具身智能),顾名思义,就是“使智能进入身体”、“给智能一个身体”的意思。那么,具身智能,是不是就是“AI+身体”呢?这样说并不准确。
开通可读全文 ·1.8k 人阅读
最低0.47元/天 解锁文章

根据业界有关机构的数据,2023年,全球人工智能(AI)机器人市场规模达到143.0亿美元,预计到2032年,将达到824.7亿美元左右,复合年增长率为21.50%。

最近具身智能这个概念很火。那么,究竟什么是具身智能?它包括哪些类别和关键技术?

通过这篇文章,我们来深入了解一下。

什么是具身智能

“智能”,大家都懂,也就是AI。那么,什么是“具身”?

“具身”是一个很小众的名词,通常都出现在哲学、认知科学领域。它的英文叫Embodied,是embody的过去式和过去分词。

em-表示“进入,使……”,-body表示“身体”。组合起来,就是“使……进入身体”。

Embodied Intelligence(具身智能),顾名思义,就是“使智能进入身体”、“给智能一个身体”的意思。

那么,具身智能,是不是就是“AI+身体”呢?

这样说并不准确。

根据业界的普遍共识——具身智能,除了物理身体之外,更关键的是在于能够“与环境进行交互,在交互中不断调整优化”。

也就是说,具身智能是一种基于物理身体进行感知和行动的智能系统。它通过实体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。

本体、智能、环境,被称为具身智能的三要素。AI领域著名大佬李飞飞也曾明确指出:“具身的含义不是身体本身,而是与环境交互以及在环境中做事的整体需求和功能。”

图片

举个例子来解释一下:

我们通过手机和电脑使用的大模型(例如ChatGPT和DeepSeek)或虚拟智能体(AI Agent),擅长处理文字、图片、视频等数据,能与我们进行交流并输出信息,功能非常强大。然而,手机和电脑的感知能力很弱,行动能力几乎为零。所以,无法与环境进行交互。

这种智能,就不是具身智能,而是离身智能(Disembodied Intelligence,智能和身体分离、解耦)。

我们打造一个实体机器身体,在上面部署了AI大脑。如果,只有感知能力(有摄像头、传感器等),没有行动能力(没有手、脚、轮子等),或者,只有行动能力,没有感知能力。那么,它也不属于具身智能。

只有同时具备了AI大脑,以及有感知能力、行动能力的身体,能够和外部环境进行实时互动,才是真正的具身智能。

具身智能的发展历程

具身智能并不是一个新概念。它的起源,可以追溯到1950年。

那一年,著名科学家艾伦・图灵发表了经典的《计算机器与智能》一文,标志着人工智能理论的奠基。在这篇论文的最后两个段落里,图灵展望了人工智能未来可能的两种发展途径。一种是比较抽象的、像下棋所需的智能,一种则是拥有最好的感官、能学习甚至能说英语的智能。

没错,这两种智能,分别就是离身智能和具身智能。

在那之后,人工智能经历了非常波折的发展阶段。受限于当时的科技发展水平,人工智能的主要研究方向,还是以离身智能为主。

至于身体(机器人),当时完全是一条独立的技术路线,没有什么智能可言,行动能力很弱,感知能力更弱。

世界上第一个机器人——尤尼梅特(Unimate)

VIP 一文读懂具身智能(基本概念、发展历程、政策推动、技术体系、产业现状、应用场景、市场现状、创业机会、就业机会、未来趋势) 一文了解具身智能的基本概念、发展历程、政策推动、技术体系、产业现状、应用场景、市场现状、创业机会、就业机会、未来趋势。 开通可读全文·4.1k 阅读·28 点赞·39 收藏 阅读全文

相关推荐

什么是具身智能?

这种智能不仅仅依赖于算法和数据处理,而是通过实体的感知、运动和环境交互来实现智能行为。具身智能的核心观点是,智能行为是身体和环境相互作用的结果,而不仅仅是大脑内部计算的结果。在这个示例中,我们通过一个简单的迷宫环境和一个机器人控制类来演示具身智能的基本概念。机器人通过感知环境(检查移动是否有效)并做出相应的行动(移动),形成了一个感知-行动循环。这个示例展示了具身智能的核心思想:智能行为是通过与环境的交互和适应来实现的。为了更好地理解具身智能,我们可以通过一个简单的机器人控制示例来说明。

xycxycooo的博客 4662

研究生课程笔记:软件包在流行病学中的应用(三)——STATA软件

关键词:STATA软件基本操作、STATA对于流行病学研究的实现、STATA对复杂抽样设计样本量计算的实现 一、STATA软件基本操作 这部分网上教程有很多,也可以直接根据stata自带的help功能进行自学,在此只记录课程中提及的功能项。 1. 变量编辑 1.1 赋值:label type(按精度区分) 1) 整型:int(32), short(16), long(32) 2) 实型:flo...

weixin_45463530的博客 2433

【GAMES201学习笔记】物质点法入门

《GAMES201》 学习笔记

捕鱼维的个人小站 9203

Qt6导入QtChart绘制图表(添加组件)

我在按照大佬们的说明添加QtChart时发现,我的电脑上并不能正确的添加QtChart并编译通过,所以在综合了两位大佬的说明又自己探索了一番后,正确编译通过,分享出来,以便同志们节省一些时间。

Nuaa0719301zyx的博客 2957

ARM SMMUv3设备树配置实战:从零开始为RK3588搭建IOMMU环境

本文详细介绍了在RK3588平台上配置ARM SMMUv3设备树的实战经验。从理解硬件架构、设备树节点定义,到内核驱动集成与调试,提供了完整的IOMMU环境搭建指南,并分享了解决StreamID冲突、中断配置等常见问题的技巧,帮助开发者高效完成控制器初始化。

l3m4n的博客 892

工业音频故障检测:从CNN到Transformer的技术演进

音频信号处理是工业设备预测性维护的核心技术之一,通过分析设备运行时产生的声波特征实现故障预警。传统方法依赖梅尔频率倒谱系数(MFCC)等手工特征,而深度学习技术尤其是Transformer架构,通过自注意力机制突破了CNN在跨频段特征提取上的局限。Audio Spectrogram Transformer(AST)等先进模型在工业场景中展现出91.2%的高召回率,显著优于传统方案。这种非接触式监测技术结合边缘计算优化,已成功应用于石油化工、电力能源等领域,实现提前72小时预测轴承故障,单项目可避免数百万元的

weixin_30467861的博客 328

pycharm下载continue插件接入DeepSeek的API,向其提问输出乱码,如何解决?

🏆本文收录于 《全栈Bug调优(实战版)》 专栏,该专栏专注于分享我在真实项目开发中遇到的各类疑难Bug及其深层成因,并系统提供高效、可复现的解决思路和实操方案。无论你是刚入行的新手开发者,还是拥有多年项目经验的资深工程师,本专栏都将为你提供一条系统化、高质量的问题排查与优化路径,助力你加速成长,攻克技术壁垒,迈向技术价值最大化与职业发展的更高峰🚀!

**My Coding Family** 2233

基于YOLO26深度学习框架的文档表格识别系统的算法研究实现方法

本文研究了基于YOLO26深度学习框架的文档表格识别系统实现方法。系统采用YOLO26网络架构,通过数据预处理、模型训练、检测推理和表格分析四个模块实现高效表格识别。研究详细阐述了数据归一化、增强等技术处理,以及采用迁移学习策略优化模型训练过程。实验表明,该系统能有效识别多种表格结构并生成结构化数据,为文档自动化处理提供了可靠解决方案。

一键难忘的博客 976

YOLO26改进策略【Neck】| 关键点检测:SDFM 表层细节融合模块,利用通道-空间注意力机制,实现深层与浅层特征融合,抑制噪声干扰

本文记录的是利用SDFM 模块改进 YOLO26 的颈部融合部分,专门用于关键点检测。SDFM模块(Surface Detail Fusion Module,表层细节融合模块) 通过在特征提取网络的浅层引入通道-空间注意力机制,动态生成深层与浅层特征融合权重。该模块可自适应保留不同模态中的独特信息,抑制背景噪声与光照干扰,实现低层细节的精准对齐与互补增强,为后续检测提供高保真度的底层特征表示,从而提升模型在复杂场景下的目标检测鲁棒性与定位准确性。Rethinking the necessity of ima

Limiiiing的博客 180

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

上一篇: USENIX Security 25 | TEE+Legacy GPU混合算力下的模型隐私安全攻防
下一篇: CIO可能无意间阻碍AI战略落地的方式
码事通
博客等级 码龄5年 2470粉丝 1364原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值