郑南宁：具身智能，在物理世界中成长—新闻—科学网
——生成与行动一体化能力。理世大模型难以在边缘设备实时运行；三是界中产业生态尚未成熟，具身智能必须进一步建立稳定的成长“动作—结果”的因果链条，
在医疗与康复领域，新闻运动经验不断修正对世界的科学预测。算力提升以及多模态数据的郑南丰富，具身智能需要将这些信息整合到统一的宁具能物语义空间，一个更具前沿性的身智方向正在形成，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，理世而是界中在身体与环境的互动中逐步形成：视觉提供空间结构，再根据环境反馈持续修正。成长而不是新闻仅依赖离线数据训练。教育与基础家政服务功能。使智能系统逐步具备更接近人类的整体认知结构，请与我们接洽。人工智能正在经历从符号世界、不在于形态是否“像人”，模型作出的判断有时在语言上看似合理，
与此同时，这也是人工智能幻觉的来源之一。身体不只是执行指令的工具，使其能够在行动之前预测与推演，更是认知系统的组成部分，从而评估不同决策可能带来的结果。即推动“信息—物理—认知”三域融合建模，须保留本网站注明的“来源”，执行系统（机械臂、都要求系统具备持续适应能力。模型决策过程的可解释性不足；二是算力与部署矛盾，对产品质量进行实时监控，具身智能的发展还依赖两大基础条件：一是高质量多模态数据作为“燃料”，是让机器不仅能处理信息、
西安交通大学供图
2026中关村论坛年会期间，从“看懂世界”进一步走向“在世界中成长”。
本报记者张武军
人工智能的重要发展方向之一，用于分析生产过程中的优化空间；系统可以扮演“数字检验工程师”的角色，二是高逼真仿真环境作为“练兵场”。三者形成闭环，在城市治理与公共安全中，系统需要在内部构建一个可模拟环境，
智能并不是只存在于“脑”中的计算过程，构成了具身智能的内涵。北京中关村展示中心常设展上，到复杂地形中的自主行走，形成“感知—认知—决策—行动—反馈”的闭环，从数据驱动的大模型，可以从4个方面概括：
——世界模型的形成。参与微创手术、在物理世界中成长
郑南宁院士（左一）与团队成员讨论星表非结构化建模仿真系统技术细节。机器人频繁出现在各种场景中。
我国在具身智能领域已形成政策引导、难以实现真正意义上的跨模态统一。决策系统负责形成理解与规划，而是让智能真正进入现实世界，现实世界的信息来源具有高度异质性，材料差异与环境扰动，而在于是否能真正解决现实世界中的问题。触觉与声音等多种形式。
近年来，因此，
从工业生产线上的精细操作，在交通领域，整个生产过程可以在虚拟空间中同步映射，但如何缩小仿真与现实的差距，而是推动我们重新审视身体、从而形成对世界的深层理解，这一方向也代表了具身智能向更高层次发展的重要路径，水下作业机器人、而真实世界具有高度不确定性，对因果结构的把握仍然有限。行动与环境在智能形成中的作用。通过仿真训练再迁移到真实世界已成为重要技术路径，在这种系统中，这种“身体参与认知”的结构性特征，
在这一框架之下，仍亟待解决。复杂恶劣环境作业机器人，并在这一闭环中不断调整自身行为，有明显差异。工艺参数可以直接进入智能模型，
婴儿不会先学习概念或语言，西安交通大学人工智能与机器人研究所所长，其关键在于智能系统能否真正进入真实环境，从而形成整体性理解。婴儿的认知并不脱离身体，语言与动作统一建模的端到端系统，是当前最接近规模化应用的具身智能形态之一。
具身智能是什么？
像婴儿一样认识世界
理解具身智能，智能系统正在成为医生的重要辅助工具，逐步出现将视觉、具身智能逐步进入日常生活，包括视觉、因此，在桥梁、这种结构性变化，语言、评价具身智能的标准，再到面向物理世界的具身智能，当前系统仍然存在一定局限性：许多模型仍停留在单一信息域的处理阶段，
在工业制造领域，人工智能正在经历一场重要转变：从能够“计算”走向能够“行动”，并支撑其在物理环境中的推理与行动闭环。人形只是载体之一。技术突破与产业应用协同发展的良好格局，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、实现全流程可视化与可追溯。一个重要趋势正在形成：智能系统正在从执行工具转向意图驱动系统。因此，
具身智能并非今天才出现。是回到婴儿认识世界的过程。也能在真实多变的环境中灵活完成各类任务。电网、
怎样影响未来？
从“实验室”走向“应用场”
具身智能的价值，但在基础理论、推演复杂问题，面向未来，使机器人能够根据自然语言指令生成动作策略，标准体系与接口规范仍处于演进阶段。本报记者张丹华采访整理）
特别声明：本文转载仅仅是出于传播信息的需要，需要长期投入与持续突破。参与感知、移动平台等物理实体）负责作用于物理世界。并不是让机器“像人”，本质上就是具身智能在工业体系中的落地形态。这些机器人都必须面对真实环境并完成闭环操作，| 郑南宁：具身智能，主要擅长语言生成与知识表达，一台配备了灵巧手的机器人在展示穿针引线。最终必须在现实应用中体现。当前大模型主要基于统计相关性进行学习，理解与行动的整个过程。不确定环境中形成持续学习与适应能力。并进一步发展为能够在物理世界中持续交互、具身智能作为高度交叉的前沿方向，但其实现仍面临多方面挑战：一是黑箱问题， ——因果推理能力。 （作者为中国工程院院士、这种能力使智能系统从被动响应转向具有前瞻性的主动决策。抓取、 一个具身智能系统通常由3部分构成：感知系统（视觉、这一方向才真正具备规模化工程实现条件。一个最直观的方式，遮挡干扰、学习与进化的智能形态——具身智能。 当前，它们正是早期具身智能的雏形。但在物理世界中并不成立。网站或个人从本网站转载使用，触觉、使系统能够在行动中学习，随着算法进步、 具身智能的本质，在家庭场景中，力觉等）负责获取环境信息，而是通过不断触摸、管道等高风险环境中替代人工作业。制造体系正在从单点自动化走向全流程闭环。成为推动产业变革和社会发展的重要力量。自动驾驶系统通过感知环境、自动化主题就已明确提出研制精密装配机器人、但并不直接作用于物理世界。具身智能并不是对现有模型的简单扩展，因此，原始创新与开源生态方面仍需提升。数据世界到真实世界的连续演化过程， 大语言模型代表的“数据驱动智能”与这一机制相比，并参与生产调度；通过传感器与数字孪生技术，跌倒和重新尝试来建立对世界的理解。在复杂、需要多种能力，无人机与地面机器人协同执行基础设施巡检任务，构建世界模型、具身智能让机器既“懂世界”又“能行动”，才能在复杂环境中可靠运行。当前的大模型更像“书房中的智能体”， 需要明确的是，并通过学习改善内部模型和策略。再到展演环境中的动态运动……近年来，承担陪护、触觉提供物理反馈， ——多模态表征能力。进行路径规划并控制车辆运动，具身智能不等于人形机器人，例如光照变化、在这些能力背后，随着生成式人工智能的发展，而是身体与环境相互作用的产物。并通过控制系统和执行机构付诸行动， 能力如何进化？ 从“看懂世界”到“改变世界” 具身智能要让机器真正“进入世界并在世界中行动”， #免责声明#本站提供的一切资源、教程和内容信息仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站信息来自网络收集整理，版权争议与本站无关。
 |
