人工智能应用通识教程 课件 -第十二次课（具身智能）

第四章：

具身智能课程导入—一个让大模型尴尬的问题引子：当AI遇上漏水的水龙头想象一下，你正在使用最先进的AI大模型，它能写诗、编程、甚至解答宇宙奥秘。但当厨房的水龙头漏水时，你问它“帮我修一下？”，它会如何回应？局限：被束缚的“数字大脑”它最多只能给你一份文字说明书。因为它没有手、没有眼睛，无法感受水的温度，也不知道拧螺丝需要多大的力气。它始终被局限在虚拟的云端世界里。思考：打破“云端”的桎梏如何让人工智能摆脱“云端”的束缚，真正走进物理世界，像人类一样看、听、触摸、行走和动手操作？答案：具身智能(EmbodiedAI)它旨在为AI装上感知和行动的“身体”，让智能从冰冷的虚拟数据走向充满真实交互的物理现实。这就是我们今天要探讨的核心主题。前沿动态极限挑战：机器人马拉松2026年4月19日，北京亦庄半程马拉松暨人形机器人半程马拉松于7:30正式开跑，来自全国13个省份的超百支参赛队伍齐聚亦庄，共有约1.2万名人类选手及26个品牌的300余台人形机器人参赛。从“被动执行”到“具身智能”——这是AI进化的关键一跃这些机器人已不再是单纯的指令执行者，而是进化为拥有感知、决策与行动力的具身智能体。它们走出数据中心，进入真实物理世界，将彻底重塑工业制造、生活服务与社会交互的未来图景。接下来，让我们深入探索具身智能的无限可能。本单元学习目标与重难点🎯学习目标01认知目标·理解概念与演进准确陈述“具身智能”核心定义与闭环本质；清晰描述从工业机器人、协作机器人到具身智能机器人的“三步走”演进路径。02能力目标·分析技术与场景列举“多模态感知、端侧大模型、群体协同”三大技术突破方向；结合真实案例分析技术突破对行业产业化落地的关键意义。03素养目标·建立自信与担当了解我国在该领域发展成就，树立科技自信；理解其作为“新质生产力”对国家战略的重要性。💡教学重难点核心重点·CoreFocus掌握具身智能的核心定义与发展脉络；清晰认知行业的现状、技术趋势，以及在工业、生活等领域的典型应用场景。理解难点·Challenge理解“场景与技术的双向驱动”：即特定的应用场景需求如何倒逼并驱动技术发展，以及技术能力提升如何支撑场景落地的逻辑关系。PART01理论溯源与发展脉络什么是具身智能？——给AI一个身体💡核心定义：具身智能(EmbodiedAI)是指具有物理身体、能够与真实世界进行交互的人工智能系统。它通过传感器感知环境，通过“大脑”(AI模型)进行认知决策，通过执行器(身体)完成物理动作，最终形成“感知-决策-行动-反馈”的完整闭环。感知(Perceive)拥有类似人类的感官，如视觉(摄像头)、听觉(麦克风)、触觉(各类传感器)，从而“看见”和“感受”世界。行动(Act)拥有物理载体和执行器，能够在真实物理世界中执行动作，例如自主移动、抓取物体或操作工具。交互(Interact)能与环境和人类进行动态、实时的互动，并能从每一次交互反馈中持续学习、调整策略并适应新场景。课堂思考：监控摄像头和全自动洗衣机是具身智能吗？为什么？监控仅有单向“感知”无行动；洗衣机仅有预设的“行动”无感知与实时决策。真正的具身智能必须三者闭环结合。理论基石——从哲学到认知科学哲学源头：具身认知▌核心思想认知并非仅发生在大脑中，而是与身体的感知、运动系统及所处环境紧密相关。身体不是认知的“容器”，而是认知的载体与生成基础。▌哲学家梅洛-庞蒂提出“身体-主体”的哲学概念，强调身体是我们感知世界的首要方式。比如接住一个球，并非大脑解出复杂的抛物线方程，而是身体与环境互动下的本能、即时反应。对AI的启示▌打破传统局限彻底打破了符号主义AI“身心分离”的范式。真正的智能无法脱离物理实体（身体）与环境的动态交互而孤立存在。▌具身智能的终极目标让AI拥有物理身体（如人形机器人、机械臂等），像人类婴儿一样，通过与真实世界的互动、探索和试错，来自主学习知识、形成常识并发展能力。机器人的进化之路：从自动化到智能化01/传统工业机器人1960s-2010s特征：固定基座、可编程、高精度，专注执行。核心：人类“手”的延伸，在固定场景执行重复任务。代表：汽车生产线焊接与搬运机械臂。02/协作机器人2010s-2020s特征：轻量化设计、高安全性、人机共融协作。核心：打破人机物理边界，在同一空间高效协同工作。代表：优傲（UR）系列协作机械臂。03/具身智能机器人2020s-至今特征：高度移动性、多模态感知、AI大模型驱动。核心：成为“自主智能体”，理解环境并自主完成复杂任务链。代表：优必选Walker、特斯拉Optimus人形机器人。发展历程总结1961Unimate诞生，工业机器人时代开启，标志着机器开始替代人类进行重复劳动。2005波士顿动力BigDog展示卓越的动态平衡能力，让机器人拥有了“强健的体魄”。2017Transformer架构诞生，为AI大模型奠定基础，机器“大脑”开始具备通用学习潜力。2022ChatGPT正式发布，LLM能力爆发，展示了强大的语言理解与推理能力。2023谷歌发布RT-2，首次成功将视觉-语言-动作（VLA）模型与机器人控制直接连接。2025“具身智能”首次写入中国政府工作报告，行业关注度飙升，技术产业化进程加速。思考与练习：为什么说大模型是具身智能发展的关键催化剂？请从“大脑”的角度出发，结合技术发展路径进行分析。具身智能vs.传统AI：核心区别对比维度传统AI(如ChatGPT)具身智能(如人形机器人)智能载体无物理身体，仅存在于云端/软件系统中必须依托物理身体，作为与世界交互的实体数据来源依赖大规模离线、人工标注的静态数据主动从物理环境中获取实时、多模态感知数据与环境关系与物理环境分离，对环境变化呈被动响应与环境深度交互、主动探索，持续适应动态变化学习模式&目标离线海量数据预训练+上线推理为主

目标：精准的感知与逻辑认知在线交互中持续试错、进化(边做边学)

目标：真实世界中精准的行动与适应PART02核心技术解析技术架构：感知-决策-行动-反馈闭环感知层Perception▍功能：全面理解物理世界，获取环境与自身状态的信息。▍技术：多模态传感器融合（视觉、听觉、触觉、力觉、空间感知）。决策层Decision▍功能：理解用户任务、规划最优路径，并生成具体的动作序列。▍技术：具身大模型(VLA)、强化学习、动态世界模型、任务规划算法。行动层Action▍功能：将高层决策转化为精准、流畅的物理动作，与物理世界进行交互。▍技术：仿生运动控制算法、高灵巧度机械臂/手、高性能驱动与执行技术。反馈层Feedback▍功能：实时收集行动结果与环境变化，形成闭环，支持持续自我优化与学习。▍技术：端到端传感器数据闭环、强化学习奖励函数设计、在线自适应控制。三大技术突破（一）：多模态感知集成目标：让机器人拥有媲美人类的感官三维视觉融合结合RGB-D摄像头和激光雷达，构建厘米级精度的环境三维模型。💡案例：特斯拉Optimus通过视觉输入完成物体分类和复杂动作。高精度触觉反馈让机器人“皮肤”能感知细微的力度和材质。📊数据：帕西尼感知科技的传感器可测15种维度，采样频率达1000Hz。本体觉感知持续监测机器人关节角度、肌肉张力与整体姿态，让机器人实时感知并精确控制自身状态。⚙️核心：实现运动控制的精准闭环。当前最大挑战如何高效将不同物理原理、不同采样频率的传感器数据进行时空对齐与深度融合，是决定多模态感知上限的关键。三大技术突破（二）：端侧大模型部署🎯核心目标：将强大的AI“大脑”直接装进机器人的“身体”里，绕过云端网络延迟，实现毫秒级的本地实时感知与决策。🧠VLA(视觉-语言-动作)核心模型一个能理解多模态信息并直接“输出动作”的模型，它可以统一理解视觉场景和人类的自然语言指令，生成机器人底层可执行的动作序列。📝案例：谷歌RT-2能理解“把可以当锤子用的东西递给我”这种抽象指令，在桌面上自主识别并抓取最适合的物体。⚡️端侧部署的双重挑战与破局1.推理延迟：大模型计算量极大，云端调用无法满足实时交互。解决方案是使用专为大模型优化的端侧AI芯片（如辉羲智能R1），将推理延迟压缩至150ms以内。2.模型压缩：在保证性能不显著下降的前提下，通过稀疏化、量化等技术，大幅减小模型体积，以适配机器人有限的端侧硬件资源。三大技术突破（三）：群体智能协同目标：让多个机器人协同工作，完成单个机器人无法完成的复杂任务。应用场景●工业制造：多台机器人协同完成大型设备的组装。●物流仓储：一队机器人分工合作，实现高效分拣和搬运。●灾害救援：多形态机器人协同进入危险区域进行搜索和救援。关键技术●分布式任务分配：将复杂任务智能地分解并分配给各个机器人。●协同感知与通信：机器人之间共享信息，形成全局认知。●群体行为控制：避免碰撞，实现流畅的协同动作。关键技术组件：仿生运动控制技术柔性驱动摒弃传统电机的刚性传动，采用形状记忆合金(SMA)、气动肌腱(PMA)等柔性材料，模拟人类骨骼肌的伸缩特性。优势：赋予机器人关节更强的环境适应性与抗冲击能力，实现更流畅、自然的类肌肉运动表现。动态平衡算法基于深度强化学习(DRL)与全身动力学建模，让双足机器人在复杂地形中，实时感知重心偏移并修正姿态，保持行走稳定。触变抓取策略结合高灵敏度触觉传感器，根据物体的软硬、形状与重量，毫秒级动态调整机械爪的抓取力度和接触方式，实现精准作业。关键技术组件：硬件系统集成核心零部件：性能与成本的平衡术核心为伺服电机、减速器与传感器。关节电机成本已从数万元降至数百元，成本的显著下降与性能的持续提升，是推动具身智能机器人从实验室走向产业化的决定性因素。模块化设计：敏捷适应多场景摒弃传统“一体机”架构，通过标准化接口实现部件的快速拆卸与组装。这种设计大幅降低了维护成本，更能根据工业制造、家庭服务等不同应用场景，灵活调整配置。能源系统：突破续航瓶颈引入高能量密度的固态电池技术，并结合无线充电方案，解决了传统锂电池续航短、充电不便的痛点，显著延长机器人的单次连续工作时间，保障任务执行的连贯性。关键技术组件：强化学习(ReinforcementLearning)核心思想：试错与优化机器人通过与环境交互进行“试错”学习。执行动作后，根据环境反馈的“奖励”或“惩罚”信号，不断迭代优化自身的决策策略。典型应用：复杂技能习得广泛应用于机器人自主运动与操作，例如：双足/四足机器人的行走与平衡、机械臂的物体精准抓取、以及智能家居中机器人的开门、取物等复合任务。关键挑战：奖励函数设计“稀疏奖励”与“奖励函数”是最大难题。如何科学定义任务中的“成功”与“失败”标准，直接决定了算法的收敛速度与最终学习效果。关键技术组件：世界模型(WorldModel)核心概念：物理世界的“脑内”映射在机器人的“大脑”中构建一个高精度的物理世界模拟模型，使其具备“预判”能力，能准确推测自身动作对周边环境产生的连锁反应。核心优势：降本增效，安全可靠机器人可在虚拟“脑中”进行大规模、低成本的模拟训练，验证策略可行性后再迁移至现实世界，显著降低物理试错成本并提升操作安全性。发展现状：AI范式的关键跃迁从当前主流的VLA（视觉-语言-行动）框架，向WAM（世界模型驱动的自主智能）的演进，是实现下一代通用人工智能的必经之路。PART03产业现状与竞争格局市场规模与增长全球市场概览2025年全品类市场规模：195.25亿元2030年预测规模/年复合增长率(CAGR)：2326.3亿元/64.18%中国市场表现2025年预计规模(占全球比例)：52.95亿元(27%)人形机器人领域市场份额：~50%|展现强大产业优势核心驱动因素01.技术融合：

AI大模型与机器人技术深度结合，赋予机器更高智能。02.成本优化：

核心零部件供应链成熟，硬件成本大幅下降。03.需求激增：

工业制造、智慧物流、家庭服务等场景需求爆发。全球主要玩家图谱国际阵营特斯拉(Tesla)：凭借FSD技术优势，押注人形机器人Optimus，致力于打造通用机器人平台。波士顿动力(BostonDynamics)：运动控制领域的“老大哥”，以高动态的Spot四足机器人和Atlas人形机器人闻名全球。FigureAI：备受关注的明星创业公司，与OpenAI深度合作，主打“GPT赋能”的通用人形机器人。AgilityRobotics：务实的商业化落地者，其双足搬运机器人Digit已在亚马逊物流仓库投入试点使用。国内阵营宇树科技(Unitree)：凭借极高的性价比优势快速打穿市场，四足机器人在全球消费级与轻量级行业市场市占率均位居前列。智元机器人(Agibot)：行业出货量领先企业，产品主打高情商的情感交互能力与多元化工业场景的灵活适配能力。优必选(UBTech)：国内人形机器人行业的领军者，Walker系列已实现规模化量产交付，技术与生态布局均较为完善。典型案例剖析：优必选WalkerS2背景介绍优必选是中国具身智能领域的领军企业，其推出的Walker系列是目前技术最成熟、功能最全面的全尺寸人形机器人旗舰产品，代表了国内人形机器人的顶尖水平。我国在人形机器人领域已实现与国际同步甚至局部领先。优必选WalkerS2凭借其卓越的工程化能力和商业化落地速度，在2025年以1079台的成绩成为全球人形机器人销量冠军，彰显了“中国智造”的硬实力。WalkerS2的“大脑”与“四肢”感知系统·多模态融合核心技术：自研纯RGB双目视觉方案，无需深度相机即可实现高精度三维感知。功能价值：实现厘米级精度的自主导航、动态避障、目标识别与抓取。控制系统·运动小脑核心技术：基于模型预测控制（MPC）和全身控制（WBC）的高性能混合架构。功能价值：确保机器人在行走、奔跑、搬运重物等复杂场景下，始终保持卓越的平衡与动态稳定性。决策系统·智慧大脑核心技术：搭载自研的CoAgent协作智能体，深度集成端侧大模型，具备自主推理能力。功能价值：精准理解人类复杂的自然语言指令，并能自主完成任务的拆解、逻辑规划与执行。躯体结构·精密四肢核心技术：全身配置52个高精度伺服驱动器，末端配备第四代仿生灵巧手。功能价值：实现全身上下36+高自由度灵活运动，可完成15公斤重物搬运及毫米级精细操作。7x24小时不间断工作的秘密：自主换电01.核心痛点：续航焦虑传统机器人单次续航仅2-4小时，且充电时间长，频繁的停机充电严重中断工业生产流程，难以满足对连续、稳定作业的需求。02.解决方案：技术双引擎●双电池动力平衡：BMS智能管理系统实现无缝切换，工作/备用电池协同，保障机器人零停机运行。●3分钟全自动换电：电量低于阈值自动导航至换电站，通过视觉定位与机械臂，全程自动化完成电池更替，效率极高。03.产业价值：降本增效实现设备利用率质的飞跃，最大化投资回报率。在德国ROSSMANN项目的实践中，预计18-24个月即可实现投资回本。WalkerS2的“打工”版图智慧物流德国ROSSMANN零售物流中心，执行搬运、分拣任务，降低员工劳动强度30%以上，显著提升物流作业效率。高端制造✈️航空制造:进入空中客车(Airbus)工厂，参与飞机制造环节。🚗汽车制造:在富士康新能源汽车研发中心，实现SPS上料无人化。🪨风电制造:在5G柔性智造工厂进行工业上料与料盘搬运。国际合作与日本日立、本田贸易、日本航空等行业巨头达成深度合作，成功输出“中国量产技术+日本场景经验”的协同创新模式。典型案例剖析：AgilityRoboticsDigitAgilityRobotics|美国明星机器人创业公司一家专注于研发适用于真实复杂环境的高性能双足机器人公司，致力于通过机器人技术赋能供应链与物流行业，解决实际场景中的效率瓶颈。核心使命：解决物流“最后一米”难题Digit拒绝“大而全”的通用路线，将研发重心极致聚焦于仓储与物流场景，专门应对货物搬运中极具挑战的“最后一米”接驳环节，填补自动化物流中的关键短板。Digit的“肌肉”与“平衡感”技术创新：卓越的力量与控制全身协调控制：通过“仿真驱动的力量训练”，Digit能够硬拉29公斤重物，在负重条件下依然保持出色的动态平衡与精准控制。铰接式躯干：独特的腰部关节设计，使其在复杂搬运和上下台阶行走时，能灵活调整重心，显著提升稳定性。定位对比：专业化vs通用化定位差异：Digit聚焦于高效物流搬运的垂直场景，追求极致的任务表现；Walker则更偏向通用型服务机器人，旨在适应更多样化的生活场景。技术路径：Digit侧重全身协调控制算法以赋能重物搬运；Walker侧重多模态感知与端侧大模型结合，以增强通用交互能力。Digit的工作日常核心应用：仓储自动化•从传送带上精准拾取包裹•将包裹搬运至指定货架

•标准化堆叠周转箱•辅助装载运输推车人机与机机协同旨在与自主移动机器人（AMR）形成互补，由AMR负责仓库内长距离的货物运输，而Digit则专注于对精度要求更高的装卸、码垛操作。当前技术局限性•通用性受限：高度针对物流场景优化，对非结构化环境适应性弱。

•操作能力单一：手部设计相对简单，目前主要用于抓取标准周转箱。典型案例剖析：越疆动力机器狗背景介绍越疆科技是中国领先的轻量级工业机器人制造商，其动力机器狗以高性价比和强大的环境适应性著称，能够灵活适应户外草地、碎石路等复杂地形，满足多种工业和民用场景需求。越疆动力机器狗是国产自主技术的优秀代表，它不仅打破了国外技术垄断，更展示了我国在机器人领域从模仿到超越、从单点突破到多元化创新的强大发展能力。机器狗的“独门绝技”01结构特点多足冗余自由度设计通常采用四足或六足结构，拥有高度的关节冗余，不仅能分散冲击力，还能灵活调整身体姿态，容错率极高。超强地形适应能力相比双足机器人，静态与动态稳定性更强，可轻松应对台阶、碎石路、崎岖草地等复杂的非结构化地形。02核心技术精准步态规划算法基于动力学模型与感知数据，实现行走、小跑、跳跃、匍匐、侧行等高自由度运动，动作流畅自然。毫秒级独立运动控制对每条腿进行独立且实时的高精度伺服控制，突破物理限制，实现高速奔跑和各类高动态的极限运动。03与Walker对比✅显著优势地形适应能力强、移动速度更快，且研发与制造成本相对较低，适合大规模部署与工业级应用。⚠️局限性自身操作能力较弱，难以处理精细复杂任务，通常需要额外搭载机械臂模块，才能具备完整的作业能力。机器狗的应用舞台工业巡检在电力、石化、矿山等领域，代替人类进入高温、高压、有毒等危险环境进行设备巡检。科研探索搭载传感器，进入地震、洪水等灾害现场进行搜救和环境探测。物流运输在仓库内部进行小件货物的点对点运输，提升物流周转效率。教育娱乐作为编程教育平台，激发青少年对科技的兴趣；或参与各类展览、现场表演。典型案例剖析：宇树科技G1产品定位|高性能通用人形机器人面向大众消费与产业级应用，兼具高性能与高性价比。核心技术亮点具备卓越的动态平衡能力，可流畅完成后空翻、鲤鱼打挺等高难度动作，运动性能行业领先。多元应用场景广泛应用于高校教育科研、工业自动化巡检及未来家庭服务等领域，极具拓展潜力。市场表现与行业影响2025年出货量已位居全球前列，大幅降低了行业准入门槛，有力推动人形机器人“价格平民化”。典型案例剖析：特斯拉Optimus01核心定位面向大规模生产和家庭服务场景，打造一款具备通用能力的人形机器人。02技术基座复用特斯拉FSD自动驾驶视觉感知系统，采用端到端神经网络技术进行全身运动控制。03落地测试已在特斯拉工厂内部，成功完成零部件搬运、物品分拣等重复性劳动任务的初步测试。04宏大愿景马斯克曾公开预测，未来量产版售价将低于2万美元，最终市场保有量甚至会超过全球人类总数。中国产业集群与政策支持三大产业集群粤港澳大湾区硬件创新生态完整，汇聚了大量核心零部件企业，为具身智能硬件落地提供了坚实的制造基础。长三角地区拥有全国首个异构人形机器人训练场，制定了明确的人形机器人产业规模发展目标，产学研联动紧密。京津冀地区形成独特的“技术攻坚(北京)+制造基地(天津)+场景落地(河北)”的协同生态，分工明确，优势互补。政策东风2025年·国家战略定调“具身智能”首次被正式写入政府工作报告，标志着该领域已上升为国家关注的核心科技赛道之一。八部门·专项行动意见工信部等八部门联合印发《“人工智能+制造”专项行动实施意见》，明确提出推动具身智能产品的技术创新与行业应用落地。新质生产力的核心抓手国家战略的全方位支持，为具身智能产业发展提供了前所未有的时代机遇，是培育和发展“新质生产力”的关键领域。PART04典型应用场景应用场景概览工业制造精密装配、设备维护、

危险品处理。医疗健康手术辅助、康复训练、

远程医疗。物流仓储智能分拣、自动搬运、

仓储管理。家庭服务家庭清洁、烹饪协助、

老人与儿童陪伴。教育科研AI教学辅助、

高风险实训模拟。太空探索月面/火星探测、

在轨卫星维护。应用场景一：工业制造核心痛点•人口红利消退，劳动力成本持续上升，招工难问题日益凸显。•高温、高噪音、粉尘大等高危作业环境对人员健康构成威胁。•精密制造环节对操作精度、稳定性要求极高，人工难以持续达标。解决方案优必选WalkerS2：在汽车产线精准执行零部件抓取与柔性装配，适配复杂工况。上海宝钢“AI-孪生闭环”：Agent实时分析产线数据，自动调节轧辊参数，使超薄板成材率提升2.1%。波士顿动力Atlas：承担现代汽车工厂高危零件搬运与处理任务，保障生产连续性。核心价值📈生产效率提升

实现24小时不间断稳定作业，降低停机损耗🛡生产质量与安全保障

将人从高危环境中解放出来，产品良率更可控应用场景二：医疗健康行业痛点：优质医疗资源分布极度不均衡、术后康复周期漫长且成本高、偏远地区对高质量远程医疗有迫切需求。微创机器人·图迈®全球首个可全科室远程手术的腔镜机器人，操作精度达0.1毫米，显著提升手术精准度与安全性。傅利叶智能·GR-3先进的人形康复训练机器人，基于AI算法提供千人千面的个性化康复方案，加速患者康复进程。远程手术跨越时空的救治已成功完成跨越5000公里的5G远程手术和近13000公里的低轨卫星远程手术，打破了距离对医疗的限制。核心价值：打破医疗资源的时空限制，大幅提升优质医疗服务的可及性与诊疗精准度。应用场景三：物流仓储行业痛点传统物流模式下，人力分拣效率低、成本高昂，且重复性强，难以应对电商大促等业务高峰期的爆发式订单压力。星动纪元L7在双11期间将仓储作业整体效率提升40%以上，显著降低运营成本。AgilityRoboticsDigit被亚马逊投入仓库测试，可适应仓库复杂的动态环境，实现货架间的自主搬运与精准分拣。智元机器人精灵G1具备精细操作能力，可自主完成包裹抓取、翻转、扫码、投放全流程，实现“货找人”的高效作业。核心价值打破物理和生理限制，实现24小时不间断稳定作业，有效解决“用工荒”与成本压力，大幅提升整体物流流转效率。其他应用场景家庭服务未来的家庭管家，可协助完成家