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