Embodied AI

具身智能代表了从被动算法向智能系统的重大转变，这些系统能够在物理或模拟的3D环境中感知、推理和交互。与仅在静态数据集上运行的传统机器学习模型不同，这些系统拥有一个“身体”——无论是物理机器人底盘还是虚拟化身——这使它们能够执行动作并从持续的环境反馈中学习。通过将传感器输入与智能决策相结合，具身智能体架起了数字计算与现实世界执行之间的桥梁。

Link to this section具身系统如何感知世界#

这些动态系统的核心是先进的计算机视觉，它使智能体能够从空间上理解其周围环境。为了安全有效地导航，具身智能体非常依赖实时目标检测和持续的姿态估计。当开发者为这些智能体构建神经通路时，他们通常会集成来自PyTorch生态系统或TensorFlow部署工具的深度学习框架来处理复杂的空间数据。

为了实现真正的自主性，这些系统越来越多地利用视觉语言模型以及强大的实时推理引擎。这使AI不仅能识别杯子，还能理解诸如“拿起桌子边缘附近的红色杯子”这样复杂的指令。来自斯坦福大学以人为本人工智能研究院 (HAI)等机构的研究不断突破这些智能体整合多感官数据的界限。

Link to this section区分相关的人工智能术语#

理解这一领域需要将其与密切相关的概念区分开来：

• 机器人学：机器人学非常关注机械硬件、执行器和电机控制。具身智能提供了使硬件自主化的认知软件层，正如在波士顿动力公司 Atlas 机器人等项目中看到的那样。
• 物理人工智能：虽然经常被互换使用，但物理人工智能严格要求有形的、现实世界的硬件。具身智能涵盖范围更广，包括在NVIDIA Isaac 机器人平台等模拟3D物理环境中训练的虚拟智能体。
• AI 智能体：传统的AI智能体在数字空间中运行（例如，浏览网页或编写代码）。具身智能体专门用于处理空间维度、物理约束和连续的感官流。

Link to this section实际应用#

认知推理与物理行动的整合已经在多个行业带来了变革性应用，这些应用在ACM数字图书馆的人工智能研究中得到了大量记录。

• 自动驾驶车辆：自动驾驶汽车依靠具身智能在城市街道上导航。它们处理连续的激光雷达和摄像头数据来解读交通标志和行人动态，就像Waymo的自动驾驶技术在动态城市环境中安全交互一样。
• 智能制造：配备Ultralytics YOLO26模型的机械臂执行复杂的装配线任务。它们动态识别、抓取和分类有缺陷的零件，展示了最近DeepMind机器人研究中探索的原理。
• 农业无人机：无人驾驶飞行器利用空间感知能力来监测作物健康状况，并仅在需要的地方智能喷洒资源，从而减少浪费并提高产量。

Link to this section为具身智能体构建感知能力#

构建这些物理系统的开发者通常利用Ultralytics Platform来标注动态训练数据，并将轻量级边缘 AI模型无缝部署到低功耗硬件上。

以下是一个 Python 示例，演示了机器人智能体如何使用视觉模型持续检测其环境中的交互式对象。

from ultralytics import YOLO

# Load the lightweight YOLO26 model designed for real-time edge hardware
model = YOLO("yolo26n.pt")

# Perform continuous object detection on a robotic camera feed
results = model.predict(source="camera_feed.mp4", stream=True)

# Process the spatial bounding boxes to guide robotic interaction
for r in results:
    print(f"Detected {len(r.boxes)} objects ready for physical interaction.")

随着硬件设计和认知建模领域的成熟——在Anthropic的AI安全研究和OpenAI的最新推理模型等对齐工作的指导下——具身系统将继续从研究实验室过渡到日常环境中，正如IEEE Spectrum的机器人报道中经常强调的那样。