具身智能（Embodied AI）的定義與核心概念

具身智能是指通過(guò)物理身體與環(huán)境的交互實(shí)現(xiàn)智能行為的系統(tǒng)，強(qiáng)調(diào)感知、決策、行動(dòng)一體化，而非依賴(lài)純符號(hào)化推理。其核心在于智能體需具備本體（物理載體）與智能體（決策核心）的耦合，并通過(guò)實(shí)時(shí)交互學(xué)習(xí)適應(yīng)環(huán)境。具身智能需在真實(shí)或虛擬世界中“身體力行”完成任務(wù)。

n核心要素與技術(shù)架構(gòu)

1. 本體（物理載體）

l形態(tài)多樣：涵蓋人形機(jī)器人、四足機(jī)器人、工業(yè)機(jī)器人、無(wú)人機(jī)等，需具備環(huán)境感知、運(yùn)動(dòng)和執(zhí)行能力。

l人形機(jī)器人被認(rèn)為是終 極形態(tài)，因其更接近人類(lèi)行為模式，便于復(fù)雜任務(wù)泛化。

2. 智能體（決策核心）

l依賴(lài)大語(yǔ)言模型（LLM）、視覺(jué)語(yǔ)言模型（VLM）等技術(shù)，賦予機(jī)器人自然語(yǔ)言交互、多模態(tài)感知和任務(wù)分解能力。

l需解決復(fù)雜環(huán)境下的3D感知、多級(jí)語(yǔ)義推理、長(zhǎng)期記憶等挑戰(zhàn)。

3. 學(xué)習(xí)與進(jìn)化機(jī)制

l通過(guò)仿真環(huán)境加速訓(xùn)練，結(jié)合真實(shí)環(huán)境遷移優(yōu)化決策。

n技術(shù)難點(diǎn)與突破方向

1. 數(shù)據(jù)與泛化能力

l現(xiàn)實(shí)場(chǎng)景復(fù)雜多變，高質(zhì)量數(shù)據(jù)稀缺，需結(jié)合仿真與真實(shí)交互生成動(dòng)態(tài)數(shù)據(jù)。

l大模型（如RT系列）通過(guò)端到端訓(xùn)練提升泛化，但需解決算力與實(shí)時(shí)性矛盾。

2. 多模態(tài)融合與交互

l需整合視覺(jué)、語(yǔ)言、動(dòng)作等多模態(tài)信號(hào)，如CLIP模型統(tǒng)一視覺(jué)與文本表征。

3. 技術(shù)路線(xiàn)分歧

l開(kāi)源與閉源之爭(zhēng)：開(kāi)源可加速生態(tài)構(gòu)建（如DeepSeek模式），但需平衡核心技術(shù)與商業(yè)化。

n應(yīng)用場(chǎng)景與產(chǎn)業(yè)現(xiàn)狀

1. 典型應(yīng)用

l服務(wù)機(jī)器人：客服、家庭服務(wù)機(jī)器人，通過(guò)自然語(yǔ)言交互執(zhí)行任務(wù)。

l工業(yè)場(chǎng)景：自適應(yīng)高精度操作，如智元機(jī)器人靈犀X1實(shí)現(xiàn)開(kāi)源硬件與軟件協(xié)同。

l人機(jī)協(xié)作：如特斯拉Optimus執(zhí)行精細(xì)動(dòng)作，需結(jié)合預(yù)訓(xùn)練技能與大模型規(guī)劃。

2. 國(guó)內(nèi)發(fā)展動(dòng)態(tài)

l上海徐匯區(qū)推出政策支持具身智能研發(fā)，單項(xiàng)目最 高資助1000萬(wàn)元，并成立產(chǎn)業(yè)聯(lián)盟。

l智元機(jī)器人推出全球首款全棧開(kāi)源人形機(jī)器人靈犀X1，推動(dòng)“人人可造”生態(tài)。

n未來(lái)趨勢(shì)與挑戰(zhàn)

1. 技術(shù)融合

l大模型與機(jī)器人深度結(jié)合（如RT-H分層決策），需解決語(yǔ)義到物理動(dòng)作的精準(zhǔn)映射。

2. 倫理與標(biāo)準(zhǔn)化

l需建立統(tǒng)一技術(shù)路線(xiàn)與行業(yè)標(biāo)準(zhǔn)，避免重復(fù)投入與生態(tài)碎片化。

3. 商業(yè)化落地

l當(dāng)前人形機(jī)器人仍處早期，應(yīng)用效率低于人類(lèi)，需突破成本與性能瓶頸。

總結(jié)

具身智能正從實(shí)驗(yàn)室走向產(chǎn)業(yè)，其發(fā)展依賴(lài)跨學(xué)科技術(shù)突破與開(kāi)源生態(tài)共建。中國(guó)在硬件制造與場(chǎng)景資源上具備優(yōu)勢(shì)，但需解決核心算法、數(shù)據(jù)閉環(huán)與商業(yè)化路徑問(wèn)題。未來(lái)十年或成為繼智能手機(jī)后的萬(wàn)億級(jí)市場(chǎng)。

空天具身智能

空天具身智能（Aerospace Embodied Intelligence）旨在賦能無(wú)人機(jī)、衛(wèi)星等空天平臺(tái)實(shí)現(xiàn)自主感知、認(rèn)知、行動(dòng)端到端閉環(huán)，具備以自我為中心主動(dòng)與人類(lèi)和環(huán)境交互的能力。空天具身大模型是實(shí)現(xiàn)無(wú)人機(jī)自主智能的有效手段，也是通往空天具身智能的必經(jīng)之路。構(gòu)造無(wú)人機(jī)智能體數(shù)據(jù)集主要存在以下幾個(gè)挑戰(zhàn)：

無(wú)人機(jī)具身任務(wù)缺乏統(tǒng)一定義：無(wú)人機(jī)智能體需要在場(chǎng)景隨機(jī)和環(huán)境局部可觀測(cè)條件下理解四維時(shí)空的內(nèi)在關(guān)聯(lián)并做出準(zhǔn)確的行動(dòng)，涉及感知、認(rèn)知、規(guī)劃、決策等多個(gè)層面。任務(wù)多樣且相互耦合，導(dǎo)致空天智能體的任務(wù)定義至今仍不清晰。

無(wú)人機(jī)3D數(shù)據(jù)采集難：采集戶(hù)外環(huán)境3D數(shù)據(jù)需要無(wú)人機(jī)等設(shè)備，門(mén)檻較高，并且戶(hù)外3D數(shù)據(jù)采集需要專(zhuān)業(yè)人員操控?zé)o人機(jī)在更廣的范圍中采集更多的點(diǎn)云數(shù)據(jù)。

無(wú)人機(jī)具身數(shù)據(jù)標(biāo)注成本高：無(wú)人機(jī)智能體的動(dòng)作空間多，需要對(duì)標(biāo)注人員進(jìn)行長(zhǎng)期的培訓(xùn)才能完成對(duì)無(wú)人機(jī)智能體的熟練標(biāo)注。

空天具身智能領(lǐng)域的應(yīng)用主要包括以下方面：

無(wú)人機(jī)自主導(dǎo)航與控制：提高無(wú)人機(jī)在復(fù)雜城市環(huán)境中的自主導(dǎo)航、避障和任務(wù)執(zhí)行能力。

衛(wèi)星遙感與智能解析：空天具身智能技術(shù)可應(yīng)用于衛(wèi)星遙感圖像的智能解析，提高衛(wèi)星對(duì)地觀測(cè)數(shù)據(jù)的處理和分析能力。

空中交通管理：利用無(wú)人機(jī)具身智能技術(shù)，實(shí)現(xiàn)空中交通的自主管理，提高空中交通系統(tǒng)的安全性和效率。

災(zāi)害監(jiān)測(cè)與救援：無(wú)人機(jī)智能體可應(yīng)用于災(zāi)害現(xiàn)場(chǎng)的快速偵查、監(jiān)測(cè)和救援任務(wù)，提高救援效率。

城市規(guī)劃與管理：通過(guò)無(wú)人機(jī)智能體收集的城市空間數(shù)據(jù)，為城市規(guī)劃、建設(shè)和管理工作提供有力支持。

環(huán)境保護(hù)與監(jiān)測(cè)：利用無(wú)人機(jī)智能體對(duì)環(huán)境進(jìn)行實(shí)時(shí)監(jiān)測(cè)，及時(shí)發(fā)現(xiàn)和處理環(huán)境污染問(wèn)題。

軍事領(lǐng)域：空天具身智能技術(shù)可應(yīng)用于軍事偵察、目標(biāo)識(shí)別、戰(zhàn)場(chǎng)態(tài)勢(shì)感知等方面，提高軍事作戰(zhàn)能力

SkyAgent-Models：空天智能體模型

空天具身場(chǎng)景感知：二維視覺(jué)語(yǔ)言模型的視覺(jué)模型僅能接收?qǐng)D片，無(wú)法接收環(huán)境特征，因此在測(cè)試該任務(wù)時(shí)對(duì)二維視覺(jué)語(yǔ)言模型進(jìn)行調(diào)整，將輸入改為無(wú)人機(jī)位置前后左右所拍攝的四張圖片，通過(guò)描述圖片的prompt生成各自的caption之后，對(duì)四個(gè)caption進(jìn)行拼接，得到輸出的環(huán)境觀察信息。

空天具身空間推理：該任務(wù)同樣需要輸入三維特征，因此在測(cè)試該任務(wù)時(shí)對(duì)二維視覺(jué)語(yǔ)言模型進(jìn)行調(diào)整，將輸入改為無(wú)人機(jī)位置正前方的觀察圖像與問(wèn)題，通過(guò)對(duì)該圖像進(jìn)行推理問(wèn)答，得到空間推理答案。

空天具身導(dǎo)航探索：將輸入改為無(wú)人機(jī)飛行路徑上的幾張圖片和問(wèn)題，通過(guò)生成各自圖像的caption之后，根據(jù)拼接后的caption回答問(wèn)題，最終得到無(wú)人機(jī)導(dǎo)航探索的答案。

空天具身任務(wù)規(guī)劃：首先通過(guò)對(duì)終點(diǎn)圖片生成caption并設(shè)計(jì)問(wèn)題，即詢(xún)問(wèn)無(wú)人機(jī)智能體怎么到達(dá)該地點(diǎn)。然后，依據(jù)拼接后的飛行路徑圖片caption進(jìn)行解答，得到無(wú)人機(jī)路徑規(guī)劃的答案。

易和聯(lián)航&具身智能體AIBOX

公司愿景:

以通信、定位、導(dǎo)航、識(shí)別、控制（CLNRC）五大智能體核心能力為技術(shù)底座，通過(guò)具身智能理論構(gòu)建智能體物理存在與數(shù)字認(rèn)知的深度融合，讓智能系統(tǒng)不僅擁有環(huán)境感知的大腦，更具備與環(huán)境共融的"身體"。結(jié)合人工智能與自動(dòng)駕駛技術(shù)的深度耦合，打造具有物理具身性、環(huán)境交互性和認(rèn)知涌現(xiàn)性的跨設(shè)備（無(wú)人機(jī)/機(jī)械臂/機(jī)器狗/無(wú)人艇）、跨介質(zhì)（陸地/空中/水域）、跨場(chǎng)景的自主決策系統(tǒng)，致力于成為無(wú)人化垂直場(chǎng)景的智能基礎(chǔ)設(shè)施構(gòu)建者。

讓智能體突破人類(lèi)操作的物理邊疆

通過(guò)構(gòu)建空間智能時(shí)代的具身智能載體："手"（機(jī)械臂）、"足"（機(jī)器狗）、"翼"（無(wú)人機(jī)）、"鰭"（無(wú)人艇），我們正在重新定義生產(chǎn)力工具的邊界。每個(gè)智能體通過(guò)多模態(tài)傳感器形成"數(shù)字軀體"，在真實(shí)物理環(huán)境中實(shí)現(xiàn)感知-決策-執(zhí)行的具身閉環(huán)，讓危險(xiǎn)場(chǎng)景無(wú)人值守，讓精密操作無(wú)限重復(fù)，讓人類(lèi)專(zhuān)注更具創(chuàng)造力的價(jià)值領(lǐng)域。

核心技術(shù)與產(chǎn)品布局

公司聚焦定位、導(dǎo)航、邊緣視覺(jué)大模型等核心技術(shù)，推出AiBox系列產(chǎn)品，涵蓋通信增強(qiáng)、安全增強(qiáng)、算力增強(qiáng)等功能，滿(mǎn)足不同無(wú)人化場(chǎng)景需求。