2026河北雄安中晟泰合科技有限公司具身智能实验室实习生招聘笔试历年备考题库附带答案详解

2026河北雄安中晟泰合科技有限公司具身智能实验室实习生招聘笔试历年备考题库附带答案详解一、单项选择题下列各题只有一个正确答案，请选出最恰当的选项（共30题）1、具身智能的核心特征是？

A.纯软件算法B.感知-决策-行动闭环C.云端大数据D.静态图像识别2、具身智能的核心特征是？

A.纯软件算法B.身体与环境的物理交互C.云端大数据D.静态图像识别3、具身智能（EmbodiedAI）的核心特征是？

A.纯软件算法B.身体与环境的物理交互C.云端大数据处理D.静态图像识别4、具身智能的核心特征不包括以下哪项？

A.身体与环境的物理交互

B.纯软件层面的逻辑推理

C.感知-行动闭环

D.多模态信息融合5、在具身智能机器人视觉系统中，Sim2Real主要解决什么问题？

A.提高图像分辨率

B.降低硬件成本

C.仿真到现实世界的策略迁移差距

D.增加训练数据量A.提高图像分辨率B.降低硬件成本C.仿真到现实世界的策略迁移差距D.增加训练数据量6、下列哪种算法常用于具身智能中的强化学习决策？

A.K-Means

B.PPO

C.SVM

D.LSTMA.K-MeansB.PPOC.SVMD.LSTM7、具身智能大模型中，VLA架构指的是？

A.视觉-语言-动作

B.视频-音频-文本

C.向量-逻辑-代数

D.虚拟-本地-云端A.视觉-语言-动作B.视频-音频-文本C.向量-逻辑-代数D.虚拟-本地-云端8、在机器人运动控制中，逆运动学（IK）的主要任务是？

A.根据关节角度计算末端位置

B.根据末端位置计算关节角度

C.规划无碰撞路径

D.优化能源消耗A.根据关节角度计算末端位置B.根据末端位置计算关节角度C.规划无碰撞路径D.优化能源消耗9、具身智能感知模块中，LiDAR相比摄像头的优势在于？

A.色彩识别能力强

B.不受光照影响，测距精准

C.成本低廉

D.纹理信息丰富A.色彩识别能力强B.不受光照影响，测距精准C.成本低廉D.纹理信息丰富10、关于世界模型（WorldModel）在具身智能中的作用，描述正确的是？

A.仅用于存储历史数据

B.预测未来状态以辅助规划

C.替代所有传感器

D.仅用于图像生成A.仅用于存储历史数据B.预测未来状态以辅助规划C.替代所有传感器D.仅用于图像生成11、具身智能机器人实现精细操作时，常采用的力位混合控制目的是？

A.仅控制位置精度

B.仅控制接触力大小

C.同时兼顾位置跟踪与接触力控制

D.提高运动速度A.仅控制位置精度B.仅控制接触力大小C.同时兼顾位置跟踪与接触力控制D.提高运动速度12、下列哪项技术不属于具身智能的多模态融合范畴？

A.视觉与触觉数据对齐

B.语音指令与动作映射

C.单一RGB图像的增强处理

D.深度信息与语义信息结合A.视觉与触觉数据对齐B.语音指令与动作映射C.单一RGB图像的增强处理D.深度信息与语义信息结合13、在具身智能实习项目中，ROS2相比ROS1的主要改进是？

A.仅支持Linux系统

B.去中心化通信，实时性更强

C.不再支持Python

D.节点数量限制更多A.仅支持Linux系统B.去中心化通信，实时性更强C.不再支持PythonD.节点数量限制更多14、具身智能的核心特征是？

A.纯软件算法B.身体与环境的物理交互C.云端大数据处理D.静态图像识别15、具身智能的核心特征是？

A.纯软件算法B.身体与环境的物理交互C.云端大数据D.静态图像识别16、具身智能（EmbodiedAI）的核心特征是“感知-决策-行动”的闭环。下列哪项最能体现具身智能与传统人工智能的区别？

A.仅依赖大数据进行离线训练

B.智能体通过物理身体与环境实时交互

C.专注于自然语言处理的文本生成

D.完全在虚拟仿真环境中运行而不接触物理世界17、在具身智能机器人的视觉感知模块中，Sim2Real（仿真到现实）迁移主要解决什么问题？

A.提高仿真渲染的画质清晰度

B.降低硬件传感器的制造成本

C.弥补仿真环境与真实物理环境之间的域差异

D.增加训练数据的标注数量18、下列哪种传感器组合最适合用于具身智能机器人在复杂动态环境中的SLAM（同步定位与建图）任务？

A.仅使用单目摄像头

B.激光雷达（LiDAR）与惯性测量单元（IMU）融合

C.仅使用超声波传感器

D.温度传感器与湿度传感器19、在具身智能的动作控制中，强化学习（RL）算法通常将“奖励函数”设计为关键要素。若希望机器人平稳抓取物体，下列哪项奖励设置最合理？

A.仅在抓取成功时给予巨大正奖励

B.对机械臂关节速度的剧烈变化给予负奖励，对抓取成功给予正奖励

C.无论是否抓取成功，每一步都给予固定正奖励

D.仅对机械臂末端位置误差给予负奖励20、关于具身智能中的“世界模型”（WorldModel），下列说法错误的是？

A.世界模型可以帮助智能体预测未来状态

B.世界模型能够减少智能体在真实环境中试错的次数

C.世界模型必须完全精确地还原物理定律才能生效

D.世界模型支持智能体在脑海中进行“想象”规划21、在具身智能大模型（VLA,Vision-Language-Action）架构中，引入语言模态的主要作用是？

A.替代视觉传感器进行环境感知

B.提高电机控制的响应速度

C.增强任务的理解能力与泛化指令遵循能力

D.降低模型训练的算力需求22、具身智能机器人在执行长序列任务时，常面临“稀疏奖励”问题。下列哪种方法最有效缓解该问题？

A.增加电机的最大功率输出

B.采用分层强化学习或课程学习策略

C.删除所有中间状态的传感器数据

D.将任务时间限制缩短至1秒以内23、下列哪项技术不属于具身智能中常用的“触觉感知”增强手段？

A.在指尖安装压阻式传感器阵列

B.利用电机电流反馈估算外部作用力

C.使用高分辨率RGB摄像头识别物体颜色

D.采用电子皮肤监测接触压力和剪切力24、在具身智能系统的边缘计算部署中，模型量化的主要目的是？

A.提高模型的预测精度

B.降低模型在嵌入式设备上的推理延迟和功耗

C.增加模型参数的数量

D.使模型只能在云端服务器运行25、关于具身智能中的“主动感知”（ActivePerception），下列描述正确的是？

A.被动接收所有传感器数据，不进行任何运动调整

B.智能体根据当前认知状态，主动调整视角或位置以获取更多信息

C.仅依靠预先存储的地图进行导航，不更新感知信息

D.关闭不必要的传感器以节省电量26、具身智能的核心特征是？

A.纯软件算法B.感知-决策-行动闭环C.云端大数据D.静态图像识别27、模仿学习相较于强化学习的优势是？

A.无需演示数据B.样本效率更高C.探索空间更大D.完全无需奖励28、具身智能的核心特征不包括以下哪项？

A.身体与环境的物理交互

B.纯软件层面的逻辑推理

C.感知-行动闭环

D.多模态信息融合29、在机器人SLAM技术中，主要用于解决“我在哪”问题的是？

A.路径规划

B.定位

C.建图

D.控制A.路径规划B.定位C.建图D.控制30、下列哪种传感器最适合用于高精度深度感知？

A.单目摄像头

B.激光雷达

C.麦克风阵列

D.温度传感器A.单目摄像头B.激光雷达C.麦克风阵列D.温度传感器二、多项选择题下列各题有多个正确答案，请选出所有正确选项（共15题）31、具身智能（EmbodiedAI）的核心特征包括哪些？

A.物理身体与环境的交互

B.感知-决策-行动的闭环

C.仅依赖云端大模型推理

D.在动态环境中泛化能力32、在具身智能机器人硬件系统中，常见的执行器类型有哪些？

A.刚性连杆

B.液压驱动器

C.气动人工肌肉

D.串联弹性执行器（SEA）33、Sim2Real（仿真到现实）迁移学习中，解决域差异（DomainGap）的方法包括？

A.域随机化（DomainRandomization）

B.增加仿真器物理引擎精度

C.使用领域自适应算法

D.完全忽略仿真数据34、具身智能中多模态感知融合的主要优势在于？

A.提高单一传感器的精度

B.增强环境理解的鲁棒性

C.弥补单一模态的信息缺失

D.降低硬件成本35、关于强化学习（RL）在具身智能控制中的应用，下列说法正确的是？

A.需要设计合理的奖励函数

B.样本效率通常较低

C.适用于所有连续控制任务无需调整

D.可与模仿学习结合提升初期性能36、具身智能大模型（VLA）相比传统控制方法的优势包括？

A.具备零样本或少样本泛化能力

B.能理解自然语言指令

C.实时控制频率远高于传统PID

D.具有更强的语义理解与推理能力37、在具身智能实验室研发中，常用的仿真平台包括？

A.IsaacSim

B.MuJoCo

C.PyTorch

D.Gazebo38、具身智能机器人导航系统中的SLAM技术主要解决什么问题？

A.同时构建环境地图

B.确定机器人在地图中的位置

C.识别物体的语义类别

D.规划最优运动轨迹39、提升具身智能操作灵巧手性能的关键技术包括？

A.高精度力/力矩传感

B.欠驱动机械设计

C.基于触觉反馈的控制算法

D.增加手指数量至10根以上40、具身智能伦理与安全考量主要包括？

A.数据隐私保护

B.物理交互的安全性（人机协作）

C.算法决策的可解释性

D.完全自主权无需人类监督41、具身智能（EmbodiedAI）的核心特征包括哪些？

A.物理身体与环境的交互

B.纯软件模拟无实体

C.感知-决策-行动闭环

D.依赖云端大数据仅做预测42、在具身智能机器人硬件系统中，常见的传感器类型有？

A.RGB-D相机

B.激光雷达（LiDAR）

C.六维力/力矩传感器

D.惯性测量单元（IMU）43、以下哪些算法常用于具身智能的运动规划与控制？

A.模型预测控制（MPC）

B.全身动力学控制（WBC）

C.逆向强化学习（IRL）

D.单纯形法线性规划44、Sim2Real（仿真到现实）迁移面临的主要挑战包括？

A.渲染差异（VisualGap）

B.动力学参数误差（DynamicsGap）

C.计算算力不足

D.传感器噪声分布不同45、具身智能中，大语言模型（LLM）主要承担什么角色？

A.高频关节扭矩直接控制

B.任务拆解与高层规划

C.代码生成以调用技能库

D.零样本场景理解与推理三、判断题判断下列说法是否正确（共10题）46、具身智能的核心特征是智能体通过物理身体与环境进行实时交互，而非仅依赖云端数据计算。（对/错）A.对B.错47、在机器人运动控制中，PID控制器中的“I”代表微分环节，主要用于预测误差变化趋势。（对/错）A.对B.错48、Sim2Real技术旨在将仿真环境中训练的策略直接迁移到真实机器人上，无需任何域适应处理。（对/错）A.对B.错49、多模态融合是指将视觉、听觉、触觉等多种传感器数据进行综合处理，以提升机器人感知鲁棒性。（对/错）A.对B.错50、强化学习中的“奖励稀疏”问题是指智能体在探索过程中难以获得即时反馈，导致训练收敛困难。（对/错）A.对B.错51、ROS（机器人操作系统）是一个真正的操作系统内核，类似于Linux或Windows，直接管理硬件资源。（对/错）A.对B.错52、端到端学习在具身智能中指从原始传感器输入直接映射到动作输出，无需人工设计中间特征或模块。（对/错）A.对B.错53、SLAM技术仅用于构建环境地图，不涉及机器人自身位置的估计。（对/错）A.对B.错54、具身智能大模型通常需要将语言指令转化为具体的动作序列或控制信号，这一过程称为“具身grounding”。（对/错）A.对B.错55、为了提高机器人抓取成功率，仅依靠高分辨率视觉图像即可，无需考虑力觉反馈。（对/错）A.对B.错

参考答案及解析1.【参考答案】B【解析】具身智能强调智能体通过身体与环境交互，形成“感知-决策-行动”的闭环。纯软件或静态识别缺乏物理交互，云端数据仅是辅助。只有B体现了智能体在物理世界中实时反馈与执行的本质，是区别于传统AI的关键。2.【参考答案】B【解析】具身智能（EmbodiedAI）强调智能体通过身体在与环境的实时交互中产生智能。不同于传统AI仅处理数据，它依赖传感器和执行器进行感知-行动循环。A、C、D均为传统AI或支撑技术，未体现“具身”这一核心物理交互属性。故选B。3.【参考答案】B【解析】具身智能强调智能体通过身体在与环境的实时交互中感知和学习。不同于传统离线AI，它依赖传感器和执行器实现“感知-行动”闭环。A、C、D均为传统AI或单一技术环节，未体现物理实体与环境互动的核心本质。故选B。4.【参考答案】B【解析】具身智能（EmbodiedAI）强调智能体通过身体与环境进行实时交互，依赖“感知-决策-行动”闭环。纯软件逻辑推理属于传统人工智能范畴，缺乏物理载体与环境的动态耦合，不符合具身智能定义。其他选项均为其核心要素。5.【参考答案】C【解析】Sim2Real（SimulationtoReality）旨在解决在仿真环境中训练的模型直接部署到真实世界时，因物理参数、传感器噪声等差异导致的性能下降问题，即域适应或迁移差距问题。6.【参考答案】B【解析】PPO（ProximalPolicyOptimization）是目前具身智能领域广泛使用的深度强化学习算法，因其训练稳定、样本效率较高而著称。K-Means和SVM为传统机器学习算法，LSTM主要用于序列数据处理，虽可辅助但非核心决策算法。7.【参考答案】A【解析】VLA（Vision-Language-Action）模型是具身智能的前沿方向，它将视觉感知、语言理解与动作控制统一在一个大模型框架下，使机器人能理解自然语言指令并执行相应物理操作。8.【参考答案】B【解析】正运动学是根据关节变量求末端位姿，而逆运动学（InverseKinematics）则是已知末端执行器的目标位姿，反解出各关节所需的角度或位移，是实现精准抓取和操作的基础。9.【参考答案】B【解析】激光雷达（LiDAR）通过发射激光束测距，具有极高的深度测量精度，且主动发光特性使其不受环境光照变化影响。摄像头在色彩和纹理识别上占优，但易受光线干扰且深度信息需估算。10.【参考答案】B【解析】世界模型旨在让智能体在内部构建对环境的理解，能够基于当前状态和动作预测未来的环境状态。这种预测能力使得智能体可以在“想象”中进行试错和规划，从而提高决策效率和安全性。11.【参考答案】C【解析】在与环境接触的任务（如插孔、打磨）中，单纯位置控制可能导致过大接触力损坏物体，单纯力控制难以保证轨迹。力位混合控制在自由空间控制位置，在接触方向控制力，确保操作的安全性与准确性。12.【参考答案】C【解析】多模态融合指整合两种及以上不同来源的信息（如视、听、触、深）。单一RGB图像增强仅涉及单模态内部处理，未体现跨模态信息的交互与互补，故不属于多模态融合。13.【参考答案】B【解析】ROS2引入了DDS（数据分发服务）作为中间件，实现了去中心化的发现与通信机制，显著提升了系统的实时性、安全性和跨平台能力，更适合工业级具身智能机器人的部署需求。14.【参考答案】B【解析】具身智能（EmbodiedAI）强调智能体通过身体感知并与物理环境进行实时交互来产生智能行为，区别于仅依赖数据处理的传统AI。A、C、D均缺乏物理实体交互这一关键要素，故B正确。15.【参考答案】B【解析】具身智能（EmbodiedAI）强调智能体通过身体在与环境的实时交互中产生智能。不同于传统AI仅处理数据，它依赖传感器和执行器进行感知-行动循环。A、C、D均为传统AI或数据处理范畴，缺乏物理实体交互这一核心要素，故选B。16.【参考答案】B【解析】具身智能强调智能体拥有物理身体，并通过传感器和执行器与环境进行实时、动态的交互，从而获取数据并优化行为。传统AI往往侧重于静态数据处理或虚拟环境中的算法优化，缺乏物理实体的直接互动。选项A、C属于传统AI范畴，D项虽涉及仿真但忽略了物理交互的本质。只有B项准确描述了具身智能通过物理身体与环境交互的核心特征，体现了其从“旁观者”到“参与者”的转变，是具身智能区别于其他AI范式的关键所在。17.【参考答案】C【解析】Sim2Real技术旨在将在仿真环境中训练好的策略或模型有效地迁移到真实机器人上。由于仿真器难以完美模拟真实世界的光照、摩擦系数、材质纹理等物理属性，存在“域差异”（DomainGap）。Sim2Real通过域随机化、域适应等方法，缩小这一差距，确保模型在真实环境中的鲁棒性。A项是渲染技术目标，B项是硬件工程问题，D项是数据增强手段，均非Sim2Real的核心目的。故选C，它直接针对仿真与现实不一致导致的性能下降问题。18.【参考答案】B【解析】SLAM要求高精度定位与环境建模。激光雷达提供精确的距离信息和3D点云，受光照影响小；IMU提供高频的姿态和加速度信息，能弥补激光雷达在快速运动时的数据缺失。两者融合（Lidar-IMU）是目前主流的高精度SLAM方案。单目摄像头缺乏深度信息且易受光照干扰（A错）；超声波精度低、视野窄（C错）；温湿度传感器无法提供几何空间信息（D错）。因此，B项组合最能满足复杂动态环境下对精度和鲁棒性的要求。19.【参考答案】B【解析】强化学习中，奖励函数引导智能体学习期望行为。若仅关注结果（A），智能体可能学会暴力碰撞式抓取，损坏设备或物体。固定奖励（C）无法区分优劣行为。仅关注位置误差（D）忽略了动态过程的稳定性。B项引入了对动作平滑性的约束（惩罚剧烈变化），同时鼓励最终目标（抓取成功），能引导机器人学习到既准确又平稳、安全的抓取策略，符合具身智能在物理世界中安全交互的要求。20.【参考答案】C【解析】世界模型是智能体对环境动态的内部表征。A、D正确，它允许智能体预测动作后果并进行内部推演（想象）。B正确，通过在内部模型中预演，可减少高风险的真实试错。C错误，世界模型不需要“完全精确”，只需具备足够的预测能力以支持决策即可。过度追求完美物理还原会导致计算开销过大且难以实现，实用的世界模型往往采用近似或概率化表示，注重功能性而非绝对物理真实性。21.【参考答案】C【解析】VLA模型结合视觉、语言和动作。语言模态提供了高层语义理解和抽象推理能力，使机器人能理解自然语言指令（如“把红色的苹果放在桌子上”），并利用预训练知识泛化到新任务。A错，语言不能替代视觉感知物理世界；B错，语言处理通常增加延迟，不直接提高电机底层控制速度；D错，多模态大模型通常算力需求更高。因此，C项准确描述了语言在提升语义理解和指令泛化方面的核心价值。22.【参考答案】B【解析】稀疏奖励指智能体仅在任务最终完成时才获得反馈，导致前期探索困难。分层强化学习将复杂任务分解为子任务，为每个子任务设计稠密奖励；课程学习则从简单场景逐步过渡到复杂场景，引导智能体循序渐进学习。这两种方法都能有效提供中间反馈，加速收敛。A、C、D均无助于解决信用分配问题，甚至可能破坏任务执行。故选B，这是解决长程任务稀疏奖励的标准技术路径。23.【参考答案】C【解析】触觉感知关注接触力、压力、纹理等物理接触信息。A（压阻传感器）、D（电子皮肤）直接测量接触力学量；B（电流反馈）通过电机负载间接估算力矩，属于本体触觉感知。C项RGB摄像头获取的是视觉信息（颜色、形状），属于视觉感知范畴，而非触觉。虽然视触融合是趋势，但单纯的颜色识别不构成触觉增强手段。因此，C项不符合题意。24.【参考答案】B【解析】具身智能机器人通常搭载算力有限的嵌入式芯片。模型量化通过将浮点数参数转换为低比特整数（如INT8），大幅减少内存占用和计算量，从而降低推理延迟和功耗，满足实时控制需求。A错，量化通常会轻微损失精度；C错，量化不增加参数量；D错，量化正是为了便于端侧部署，而非依赖云端。因此，B项准确阐述了量化在边缘部署中的核心价值：效率优化。25.【参考答案】B【解析】主动感知强调智能体不是被动记录数据，而是通过主动运动（如转动头部、移动位置、操纵物体）来消除感知不确定性，获取对决策最有价值的信息。例如，机器人遮挡时会主动绕行查看。A是被动感知；C是静态地图导航，缺乏感知交互；D是电源管理策略。只有B项体现了“行动服务于感知，感知指导行动”的具身智能核心理念，即通过主动交互优化信息获取。26.【参考答案】B【解析】具身智能强调智能体通过身体与环境交互，形成“感知-决策-行动”的闭环。纯软件或静态识别缺乏物理交互，云端数据仅是支撑。只有B体现了智能体在物理世界中实时反馈与执行的本质，是区别于传统AI的关键。27.【参考答案】B【解析】模仿学习通过专家演示快速习得策略，避免了强化学习从零探索的高成本，样本效率显著更高。A错误，它依赖演示；C、D描述不准确，其核心优势在于高效利用示范数据，故选B。28.【参考答案】B【解析】具身智能（EmbodiedAI）强调智能体通过身体与环境进行实时交互，依赖“感知-决策-行动”闭环。纯软件逻辑推理属于传统人工智能范畴，缺乏物理实体与环境的动态耦合，不符合具身智能定义。其他选项均为其核心要素。29.【参考答案】B【解析】SLAM即同步定位与建图。定位解决“我在哪”，建图解决“环境什么样”。路径规划基于地图和位置决定“怎么去”，控制执行具体动作。故选B。30.【参考答案】B【解析】激光雷达通过发射激光束测量距离，具备高精度、高分辨率的深度感知能力，受光照影响小。单目摄像头深度估算误差较大，麦克风和温度传感器无法直接获取几何深度信息。31.【参考答案】ABD【解析】具身智能强调智能体拥有物理身体，并通过传感器感知环境、执行器作用于环境，形成“感知-决策-行动”的闭环。它不同于传统离线AI，强调在真实或仿真动态环境中的交互与泛化能力。C项错误，具身智能通常采用云边端协同，而非仅依赖云端，且需具备本地实时响应能力。32.【参考答案】BCD【解析】执行器是机器人的“肌肉”。液压驱动器力量大，常用于重型机器人；气动人工肌肉柔顺性好；SEA通过弹簧串联提高力控精度和安全性。A项刚性连杆属于机械结构部件，非动力源执行器，故排除。33.【参考答案】ABC【解析】Sim2Real旨在将仿真训练策略迁移至真机。域随机化通过变化仿真参数增强鲁棒性；提高物理引擎精度可减少模型误差；领域自适应算法可对齐特征分布。D项错误，仿真数据是低成本获取大量训练样本的关键，不可忽略。34.【参考答案】BC【解析】多模态融合（如视觉+触觉+听觉）能互补信息，当视觉受阻时触觉可辅助，从而增强鲁棒性并弥补信息缺失。A项错误，融合不直接提高单一传感器物理精度；D项错误，多传感器通常会增加硬件成本和系统复杂度。35.【参考答案】ABD【解析】RL通过试错学习，奖励函数设计至关重要（A对）。由于需大量交互，样本效率低是主要瓶颈（B对）。结合模仿学习可利用专家数据加速收敛（D对）。C项错误，不同任务需调整算法超参数及状态空间，并非万能无需调整。36.【参考答案】ABD【解析】VLA（视觉-语言-动作）模型结合大语言模型的语义推理与视觉感知，能理解复杂指令并泛化到新场景（A、B、D对）。C项错误，大模型推理延迟较高，实时高频控制通常仍依赖底层传统控制器或蒸馏后的小模型，VLA本身控制频率不高。37.【参考答案】ABD【解析】IsaacSim、MuJoCo和Gazebo均为主流的机器人物理仿真平台，支持物理引擎渲染与传感器模拟。C项PyTorch是深度学习框架，用于模型训练，而非物理仿真环境，故排除。38.【参考答案】AB【解析】SLAM（同步定位与建图）的核心定义即在未知环境中同时实现定位（B）和建图（A）。C项属于语义感知范畴，D项属于路径规划范畴，虽与导航相关，但不是SLAM算法直接解决的核心问题。39.【参考答案】ABC【解析】灵巧手需精细操作，高精度力控（A）和触觉反馈（C）是关键。欠驱动设计（B）可用较少电机实现复杂抓取，简化控制。D项错误，手指数量并非越多越好，通常5指已足够，过多会增加控制难度和机械复杂度，非关键技术方向。40.【参考答案】ABC【解析】具身智能涉及物理世界，必须确保人机协作时的物理安全（B），保护采集的环境与用户数据隐私（A），并确保关键决策可追溯、可解释（C）。D项错误，当前及未来相当长时期内，具身智能仍需人类在环监督或紧急接管机制，不能完全无监督自主。41.【参考答案】AC【解析】具身智能强调智能体拥有物理身体，并通过传感器感知环境、执行器作用于环境，形成“感知-决策-行动”的闭环。B项属于传统disembodiedAI，D项忽略了本地实时交互与行动能力。具身智能的关键在于智能体在物理世界中的实时互动与学习，而非单纯的离线数据处理或虚拟模拟。因此，物理交互与闭环控制是其核心定义要素。42.【参考答案】ABCD【解析】具身智能需要多维感知。RGB-D相机提供视觉与深度信息；激光雷达用于高精度建图与避障；六维力传感器实现柔顺控制与人机交互安全；IMU提供姿态与加速度数据。这四类传感器共同构建了机器人对周围几何、力学及运动状态的全面感知能力，是具身智能系统不可或缺的基础硬件组件。43.【参考答案】ABC【解析】MPC用于处理约束下的最优控制，WBC解决冗余自由度机器人的协调运动，IRL通过观察专家演示学习奖励函数，均广泛应用于具身智能。D项单纯形法是通用数学优化算法，虽可用于底层求解，但不是具身智能特有的高层运动规划与控制策略核心算法，故不选。44.【参考答案】ABD【解析】Sim2Real的核心难点在于仿真环境与真实世界的差异。A项视觉纹理光照差异影响视觉策略；B项摩擦系数、质量分布等动力学参数不准导致控制失效；D项真实传感器噪声复杂多变。C项算力问题可通过硬件升级解决，不属于Sim2Real特有的迁移鸿沟本质问题。域随机化和域适应是常用解决手段。45.【参考答案】BCD【解析】L