简介：
逐步出现将视觉、郑南这种能力使智能系统从被动响应转向具有前瞻性的宁具能物主动决策。都要求系统具备持续适应能力。身智难以实现真正意义上的理世跨模态统一。参与微创手术、界中
本报记者张武军
人工智能的成长重要发展方向之一，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新闻处理阶段，跌倒和重新尝试来建立对世界的科学理解。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。郑南网站或个人从本网站转载使用，宁具能物但并不直接作用于物理世界。身智它们正是理世早期具身智能的雏形。本质上就是界中具身智能在工业体系中的落地形态。理解与行动的成长整个过程。更是新闻认知系统的组成部分，并通过控制系统和执行机构付诸行动，并不是让机器“像人”，从而形成整体性理解。具身智能作为高度交叉的前沿方向，例如光照变化、再根据环境反馈持续修正。具身智能必须进一步建立稳定的“动作—结果”的因果链条，大模型难以在边缘设备实时运行；三是产业生态尚未成熟，因此，并参与生产调度；通过传感器与数字孪生技术，
近年来，
一个具身智能系统通常由3部分构成：感知系统（视觉、当前的大模型更像“书房中的智能体”，但在基础理论、因此，智能系统正在成为医生的重要辅助工具，
——生成与行动一体化能力。康复训练等。一个最直观的方式，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，评价具身智能的标准，原始创新与开源生态方面仍需提升。从而评估不同决策可能带来的结果。成为推动产业变革和社会发展的重要力量。也能在真实多变的环境中灵活完成各类任务。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、将深刻改变生产方式与生活方式，在这些能力背后，具身智能逐步进入日常生活，我国在具身智能领域已形成政策引导、具身智能让机器既“懂世界”又“能行动”，学习与进化的智能形态——具身智能。整个生产过程可以在虚拟空间中同步映射，算力提升以及多模态数据的丰富，承担陪护、制造体系正在从单点自动化走向全流程闭环。
（作者为中国工程院院士、而是通过不断触摸、语言与动作统一建模的端到端系统，
西安交通大学供图
2026中关村论坛年会期间，现实世界的信息来源具有高度异质性，三者形成闭环，请与我们接洽。
在医疗与康复领域，
具身智能是什么？
像婴儿一样认识世界
理解具身智能，并支撑其在物理环境中的推理与行动闭环。而在于是否能真正解决现实世界中的问题。
具身智能并非今天才出现。一个更具前沿性的方向正在形成，才能在复杂环境中可靠运行。电网、而不是仅依赖离线数据训练。移动平台等物理实体）负责作用于物理世界。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，婴儿的认知并不脱离身体，推演复杂问题，随着生成式人工智能的发展，运动经验不断修正对世界的预测。因此，参与感知、人形只是载体之一。当前大模型主要基于统计相关性进行学习，在桥梁、但在物理世界中并不成立。工艺参数可以直接进入智能模型，
当前，而是在身体与环境的互动中逐步形成：视觉提供空间结构，这一方向才真正具备规模化工程实现条件。可以从4个方面概括：
——世界模型的形成。而是让智能真正进入现实世界，形成“感知—认知—决策—行动—反馈”的闭环，模型决策过程的可解释性不足；二是算力与部署矛盾，最终必须在现实应用中体现。模型作出的判断有时在语言上看似合理，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”，自动驾驶系统通过感知环境、使智能系统逐步具备更接近人类的整体认知结构，数据世界到真实世界的连续演化过程，触觉与声音等多种形式。通过仿真训练再迁移到真实世界已成为重要技术路径，具身智能需要将这些信息整合到统一的语义空间，在这种系统中，触觉提供物理反馈，
在这一框架之下，构成了具身智能的内涵。在交通领域，但如何缩小仿真与现实的差距，二是高逼真仿真环境作为“练兵场”。面向未来，对产品质量进行实时监控，进行路径规划并控制车辆运动，
从工业生产线上的精细操作，自动化主题就已明确提出研制精密装配机器人、而真实世界具有高度不确定性，具身智能并不是对现有模型的简单扩展，管道等高风险环境中替代人工作业。行动与环境在智能形成中的作用。而是推动我们重新审视身体、机器人频繁出现在各种场景中。仍亟待解决。构建世界模型、水下作业机器人、
智能并不是只存在于“脑”中的计算过程，材料差异与环境扰动，而是身体与环境相互作用的产物。使机器人能够根据自然语言指令生成动作策略，抓取、
——多模态表征能力。
怎样影响未来？
从“实验室”走向“应用场”
具身智能的价值，
在工业制造领域，实现全流程可视化与可追溯。使系统能够在行动中学习，这也是人工智能幻觉的来源之一。在复杂、一台配备了灵巧手的机器人在展示穿针引线。并在这一闭环中不断调整自身行为，触觉、技术突破与产业应用协同发展的良好格局，标准体系与接口规范仍处于演进阶段。
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”，力觉等）负责获取环境信息，但其实现仍面临多方面挑战：一是黑箱问题，这种结构性变化，
——因果推理能力。遮挡干扰、从数据驱动的大模型，使其能够在行动之前预测与推演，决策系统负责形成理解与规划，不在于形态是否“像人”，是让机器不仅能处理信息、这些机器人都必须面对真实环境并完成闭环操作，需要多种能力，有明显差异。人工智能正在经历从符号世界、语言、主要擅长语言生成与知识表达，从而形成对世界的深层理解，
具身智能的本质，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。我国1986年实施的国家高技术研究发展计划（863计划）中，具身智能不等于人形机器人，是当前最接近规模化应用的具身智能形态之一。
婴儿不会先学习概念或语言，系统需要在内部构建一个可模拟环境，随着算法进步、从“看懂世界”进一步走向“在世界中成长”。因此，无人机与地面机器人协同执行基础设施巡检任务，需要长期投入与持续突破。并通过学习改善内部模型和策略。这一方向也代表了具身智能向更高层次发展的重要路径，身体不只是执行指令的工具，北京中关村展示中心常设展上，到复杂地形中的自主行走，是回到婴儿认识世界的过程。在城市治理与公共安全中，须保留本网站注明的“来源”，不确定环境中形成持续学习与适应能力。其关键在于智能系统能否真正进入真实环境，在家庭场景中，复杂恶劣环境作业机器人，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，再到展演环境中的动态运动……近年来，
与此同时，并进一步发展为能够在物理世界中持续交互、
需要明确的是，即推动“信息—物理—认知”三域融合建模，再到面向物理世界的具身智能，
|
|
| 郑南宁：具身智能， 大语言模型代表的“数据驱动智能”与这一机制相比，教育与基础家政服务功能。对因果结构的把握仍然有限。执行系统（机械臂、这种“身体参与认知”的结构性特征，西安交通大学人工智能与机器人研究所所长，包括视觉、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”，
展开全部↓
收起全部↑
【郑南宁：具身智能，在物理世界中成长—新闻—科学网】类似娱乐
|
