计算机与人工智能导论 课件 第11章 机器人学、智能体与具身智能

第11章

机器人学、智能体与具身智能AI第11章知识导图机器人学、智能体与具身智能机器人学基本概念机器人的发展历程机器人的感知、规划与控制第1章计算机工具与计算机演进史第2章计算机系统组成第3章计算机中的数据表示第4章操作系统与网络基础第5章软件构建基础：语言、编译与工程第6章算法与数据结构第7章数据管理与大数据技术第8章人工智能概述第9章机器学习基础第10章深度学习基础第11章机器人学、智能体与具身智能第12章自然语言处理与大语言模型第13章AI伦理、法律、治理与未来第14章AI赋能行业典型应用第15章前沿技术与实践能力培养机器人的定义与核心特征感知系统任务与运动规划控制系统智能体概述机器人的分类机器人系统的核心组成机器人伦理与安全原则从工业机器人到服务机器人工业机器人服务机器人两者的核心差异技术融合与发展趋势智能体的定义与核心特征智能体类型智能体任务环境智能体的运行机制智能体的技术架构和核心技术智能体的典型应用场景智能体未来发展趋势具身智能概述大模型：具身智能的“大脑”具身智能：定义、特征与前沿趋势关键技术：“四肢”与“神经”的协同内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能11.1机器人学基本概念机器人学是一门融合机械工程、电子技术、计算机科学、控制工程、人工智能等多学科的交叉领域，其核心目标是设计和实现能够自主执行任务的智能机器。从古代的木偶机械到现代的人形机器人，机器人技术的发展始终围绕“模拟生物行为、辅助人类工作”的核心诉求展开。11.1.1机器人的发展历程古代构想与机械雏形（公元前-19世纪末）2.概念诞生与理论奠基（20世纪初-1950年代）3.工业机器人时代开启（1950年代末-1960年代）4.技术发展与领域拓展（1970年代-1990年代）5.智能化与多元化爆发期（21世纪-至今）约公元230年木牛流马1920年木偶机器人“Robot”提出1942年“机器人三定律”提出《控制论》出版铸铁公鸡约公元600年1948年1949年机器乌龟1959年首台工业机器人Unimate1966年Shakey早期AI机器人1978年PUMA机器人1986年“中文房间”思想实验ASIMO人形机器人1997年2000年“深蓝”击败国际象棋冠军1999年AIBO娱乐机器狗2002年Roomba扫地机器人2004年BigDog四足机器人IBM“沃森”在智力竞赛中击败人类冠军2011年2012年机器人Sophia获得公民身份2015年Atlas人形机器人AlphaGo击败李世石2016年Spot机器人商业化销售2020年2022年ChatGPT发布2023年“具身智能”成为研究前沿2024年Figure01机器人2025年人形机器人量产元年图11.1机器人发展历程11.1.1机器人的发展历程图11.2左至右：Robot机器人、机器人三定律、Unimate工业机器人图11.3左至右：Shakey机器人、PUMA机器人、Roomba扫地机器人图11.4左至右：BigDog、AlphaGo击败围棋冠军李世石、Atlas机器人Unitree图11.5左至右：Spot机器人、Figure01机器人、宇树H2机器人和特斯拉Opto机器人11.1.2机器人的定义与核心特征（1）机器人的定义“机器人（Robot）”的定义随着技术进步不断演化。广义上，机器人是一种能够通过编程和自动控制，半自主或全自主地执行操作或移动任务的智能机器装置。国际上广泛采纳的定义强调可编程性和功能性，如美国机器人协会的定义：“一种可编程和多功能的操作机；或为了执行不同的任务而具有可用计算机改变和可编程动作的专门系统。”；中国科学家的定义则更突出其智能属性：“机器人是具备感知、规划、动作、协同等智能能力的自动化机器，能够辅助或替代人类完成危险、繁重、复杂的工作，扩大人类的活动范围与能力边界。”11.1.2机器人的定义与核心特征无论定义如何表述，真正的机器人系统通常包含三个核心环节：①感知：通过摄像头、激光雷达、力传感器等传感器获取自身状态和外部环境信息，是机器人的“眼睛”和“耳朵”。②决策：“大脑”对感知信息进行处理、分析和理解，根据预设目标或学习到的经验进行规划、推理和判断，决定要采取的行动，涉及人工智能算法。③执行：通过电机、机械臂、轮子等驱动装置和末端执行器，将决策转化为实际物理动作，作用于环境并完成任务。11.1.2机器人的定义与核心特征（2）机器人的核心特征根据机器人学的研究共识，智能机器人需具备七大核心要素，涵盖硬件基础与智能能力，如图11.6所示：自动控制系统柔性操作感知能力伦理社交自主学习本体结构情感情绪识别环境与自身状态获取（如摄像头、激光雷达）机械动作基础（如多关节臂）适应不同作业对象（如力控技术）大脑中枢（解析数据、生成指令）理解人类状态（语音、表情）遵循人机伦理（如机器人三原则）经验积累优化策略图11.6智能机器人核心特征构成示意图11.1.3机器人的分类（1）按应用环境分类①工业机器人：工作在结构化、可控的工厂环境中，追求高精度、高速度、高可靠性。通常固定安装，如焊接、喷涂、装配机器人。②服务机器人：工作在非结构化、与人共存的环境中，强调安全性、交互性和自主性。如清洁机器人、陪护机器人、导览机器人、酒店服务机器、手术机器人。③特种机器人：用于替代人执行极端或危险环境下的任务。如太空探测车（火星车）、深海机器人、排爆机器人、极地科考机器人。11.1.3机器人的分类（2）按移动方式分类①固定式机器人：如大多数工业机械臂。②移动机器人：包括轮式（如AGV小车）、足式（如波士顿动力Spot机器狗）、履带式、飞行（无人机）、水下机器人等。11.1.3机器人的分类（3）按智能水平分类①示教再现型机器人：示教再现型：需要人工预先示教动作，然后精确重复，如早期工业焊接机器人。②感知型机器人：具备传感器，能根据环境反馈微调动作，如避障清洁机器人。③智能决策型机器人：拥有较强的环境感知、建模和自主决策能力，如自动驾驶汽车、人形服务机器人。11.1.4机器人系统的核心组成一个完整的机器人系统是机电一体化的复杂集成，通常包含以下部分（对应传统机器人学“机械、传感、控制”三部分），如图10.7所示：上层负责任务规划下层负责运动控制控制系统摄像头激光雷达麦克风陀螺仪传感系统伺服电机液压气动驱动驱动系统机身臂部(机械臂)腕部手部移动机构机械本体示教器语音接口图形界面人机交互系统图11.7机器人系统核心组成部分11.1.4机器人系统的核心组成（1）机械本体（执行机构）：机器人的“身体”，负责最终完成动作，包括机身、臂部（机械臂）、腕部、手部（末端执行器，如夹爪、焊枪）以及移动机构。（2）驱动系统：机器人的“肌肉”，提供动力。常见的有电动（伺服电机）、液压、气动驱动。（3）传感系统：机器人的“感官”。分为：①内部传感器：感知自身状态，如关节角度编码器、陀螺仪。②外部传感器：感知环境，如摄像头（视觉）、激光雷达（测距）、麦克风（听觉）、力/力矩传感器（触觉）。（4）控制系统：机器人的“大脑”和“神经”。接收传感器信号，进行处理和决策，并向驱动系统发出控制指令。通常采用分层结构：上层负责任务规划、下层负责运动控制。（5）人机交互系统：实现人与机器人的沟通，如示教器、语音接口、图形界面。11.1.5机器人伦理与安全原则机器人技术的快速发展带来了伦理与安全挑战，1942年科幻小说家艾萨克·阿西莫夫在小说《我，机器人》中提出的“机器人三原则”，成为机器人开发的核心伦理纲领：第一原则：机器人不得伤害人类，不得看到人类受到伤害而袖手旁观；第二原则：机器人必须服从人类给予的命令，除非这与第一原则相冲突；第三原则：只要与第一或第二原则没有冲突，机器人就必须保护自己的生存。这三条原则构成了机器人安全设计的伦理基础：第一原则是保障人类安全的根本底线；第二原则强调在安全底线之上的服从性；第三原则则赋予机器人在合乎伦理条件下的自我保护权限。在现代机器人技术的发展中，这些原则得到了进一步落实与强化。例如，协作机器人通过力控安全机制避免对人类造成伤害，服务机器人则集成隐私保护功能以防止信息泄露，推动机器人技术朝着与人类价值观和利益相一致的方向稳步发展。内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能11.2机器人的感知、规划与控制机器人要完成一项任务的内部工作流程，可抽象为感知→规划→控制三个核心环节，对应硬件与软件系统的协同运作，如图11.8所示。感知系统规划系统控制系统输入：环境/自身信息输出：处理后的数据输入：感知数据+任务目标输出：动作指令序列输出：执行动作+状态反馈输入：动作指令状态反馈：执行结果回传感知/规划系统，优化后续动作核心逻辑：自主行动的基础闭环路径规划任务规划传感器数据处理控制器驱动装置反馈装置图11.8机器人“感知-规划-控制”闭环链路示意图11.2.1感知系统感知系统是机器人的“五官”，是机器人通过传感器获取并理解环境信息的能力，是机器人智能化的基础，其核心由传感器与数据处理模块组成。（1）传感器类型与功能机器人传感器按感知对象可分为内部传感器与外部传感器：①内部传感器：用于检测机器人自身状态，确保动作精准执行，包括：位置传感器：检测关节角度、肢体位置，如编码器、电位器；速度/加速度传感器：检测运动速度与加速度，如陀螺仪、加速度计；力传感器：检测关节力矩、末端执行器接触力，如应变片式力传感器；电源传感器：检测电池电量、电压电流，确保能源供应稳定。11.2.1感知系统②外部传感器：用于获取外部环境信息，实现环境交互，包括：视觉传感器：摄像头（单目、双目）、激光雷达（LiDAR），用于目标识别、环境建模、距离测量；听觉传感器：麦克风，用于语音识别、声音定位；触觉传感器：接触式传感器、压力传感器，用于检测物体材质、表面状态；红外传感器：用于障碍物检测、温度测量；导航传感器：GPS、北斗导航模块，用于户外机器人定位。11.2.1感知系统（2）感知的核心任务①状态估计：确定自身状态（如位置、姿态）和环境状态。②物体识别与分类：识别视野中的物体是什么（如“杯子”、“门”）。③定位与地图构建：在未知环境中，同时进行自身定位和地图构建，是移动机器人的关键技术。④场景理解：超越单个物体，理解场景的整体语义（如“这是一个厨房，桌子上有一个杯子和一个苹果”）。11.2.1感知系统（3）机器感知的典型应用①自动驾驶汽车通过摄像头识别车道线、交通标志、行人；通过激光雷达和毫米波雷达精确感知周围车辆的距离和速度；通过GPS和IMU进行自定位。所有这些信息融合在一起，形成了车辆对周围环境的“理解”，实现车道线识别、障碍物检测、行人避让；②工业机器人通过视觉传感器实现零件定位抓取，定位精度可达0.1mm；③服务机器人通过语音传感器实现语音指令识别，通过视觉传感器实现人脸解锁、表情识别。11.2.2任务与运动规划在感知环境后，机器人需要决定“做什么”和“怎么做”，这就是规划层的工作。（1）任务规划任务规划是一种高层规划，关注逻辑和顺序。它将一个高级目标（如“把桌子上的水杯拿到厨房”）分解为一系列可执行的基本动作序列（如“移动到桌子旁”→“识别并抓取水杯”→“移动到厨房”→“放下水杯”）。常用技术：基于搜索的规划算法（如A）、规划领域定义语言（PDDL）、目前也常用大语言模型（LLM）进行高层任务分解。11.2.2任务与运动规划（2）运动规划运动规划是一种低层规划，关心几何和动力学问题。它在给定的环境中，为机器人找到一条从起点到终点、且满足约束（如避障、关节极限）的运动路径。基本问题：在充满障碍物的“配置空间”中找一条无碰撞路径。常用算法：①基于采样的方法：快速探索随机树（RRT）、概率路线图（PRM），适用于高维空间，效率高。②基于搜索的方法：A算法、Dijkstra算法，在离散化后的栅格地图中寻找最优路径。③局部规划：动态窗口法（DWA），用于机器人在动态环境中实时避障。11.2.2任务与运动规划（3）轨迹规划在找到几何路径后，还需要为机器人（特别是机械臂）的每个关节规划出随时间变化的位置、速度、加速度曲线，即轨迹。这要满足运动平滑、速度、加速度不超限等动力学约束。11.2.3控制系统控制系统是机器人的“执行驱动中心”，负责将规划系统生成的动作指令转化为执行机构的实际运动，同时通过反馈机制调整动作，确保精度与稳定性。（1）核心原理：反馈控制控制器不断比较机器人的实际状态（由传感器测量）和期望状态（规划给出的目标），计算出误差，并调整输出以减小误差，形成一个闭环。如，恒温热水器根据实际温度调节加热功率。11.2.3控制系统（2）典型控制方法①PID控制：最经典、应用最广的反馈控制算法。通过比例（P）、积分（I）、微分（D）三个环节的组合来消除误差。简单可靠，是许多伺服系统的基础。②力/阻抗控制：用于需要与环境进行力交互的任务（如打磨、装配）。控制目标不是精确的位置，而是期望的接触力或柔顺性。③自适应控制与鲁棒控制：用于应对机器人模型不精确或环境变化带来的不确定性。④基于模型的控制：如计算力矩控制，利用机器人精确的动力学模型来设计控制器，性能更优。11.2.3控制系统（3）综合实例：机械臂抓取积木①感知：视觉系统识别出积木的位置(X,Y,Z)和姿态。②规划：运动规划器规划出机械臂末端从当前位置无碰撞运动到杯子附近的抓取预备位姿，并生成平滑轨迹。③控制：上层控制器将末端轨迹通过运动学逆解分解为每个关节的目标角度轨迹。下层（关节）控制器（通常是PID）接收目标角度，并驱动电机转动，同时编码器反馈实际角度，形成闭环，确保关节精确跟踪目标轨迹。当末端执行器接触杯子时，力传感器反馈信号，可能触发力控制模式，以合适的力度握紧杯子。内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能11.2机器人的感知、规划与控制机器人技术的发展历程，本质上是“从工业场景到生活场景、从自动化到智能化、从单任务到多任务”的演进过程。工业机器人与服务机器人作为两大核心应用领域，展现了技术在不同场景下的适配与创新。11.3.1工业机器人工业机器人是机器人技术最早落地的领域，是工业4.0与智能制造的核心装备。（1）工业机器人的技术特点①环境结构化：工作环境固定、已知、可控（如汽车生产线）。②任务确定：重复执行预设的、高精度的动作序列（如焊接同一个点位）。③强调性能：追求高速度、高精度、高可靠性、大负载。④安全隔离：通常在工作时与人类物理隔离（装安全围栏）。11.3.1工业机器人（2）工业机器人的典型类型与应用①串联机械臂：多关节串联结构，工作空间大、灵活性高，适用于装配、焊接、搬运等作业，如汽车车身焊接机械臂（如图11.9）。②并联机器人：多关节并联结构，速度快、刚度高、精度高，适用于高速分拣、精密装配，如食品包装线上的Delta机器人（如图11.10）。图11.9串联机械手臂进行汽车焊接作业图11.10食品包装线上的Delta机器人11.3.1工业机器人③自动导引车：用于车间内物料运输，支持磁导航、激光导航、视觉导航等方式，实现物料的自动化流转；如，AGV（自动导引运输车)、AMR（自主移动机器人），如图11.10。④协作机器人：具备力控感知与安全协作能力，可与人类在同一工作空间作业，无需安全围栏，适用于柔性生产场景（如小批量、多品种产品装配），如图11.12。AGVAMR图11.11物流领域应用的自动导引车图11.12协作机器人在进行3C电子产品的装配11.3.2服务机器人服务机器人直接面向人或与人协同工作，其核心挑战从“精度和速度”转向“安全性、交互性和在复杂环境中的自主性”；其核心定位是“服务人类生活、提升生活质量、拓展人类能力边界”，涵盖家庭、医疗、教育、公共服务等多个场景。11.3.2服务机器人（1）服务机器人的技术特点①人机交互友好：支持语音、手势、表情等多模态交互，能够理解人类的自然语言与情绪，如智能音箱的语音对话、陪护机器人的表情识别；②环境适应性强：需应对非结构化、动态变化的生活环境，如家庭中的家具障碍、公共场所的人流变化；③任务多样化与个性化：需满足不同用户的个性化需求，如老人陪护机器人的健康监测、儿童教育机器人的个性化学习推荐；④安全性与伦理要求高：直接与人类接触，需具备碰撞防护、隐私保护、伦理合规等设计，如协作机器人的力控安全机制、服务机器人的语音数据加密存储。11.3.2服务机器人（2）服务机器人的典型类型与应用①家用服务机器人清洁机器人：自主导航、避障，完成地面清洁、窗户清洁；陪护机器人：提供健康监测、紧急呼叫、聊天陪伴，为儿童提供早教、娱乐互动；厨房机器人：自动烹饪、食材处理，如智能炒菜机、咖啡机。图11.13家用服务机器人清洁机器人陪护机器人厨房机器人11.3.2服务机器人②医疗服务机器人手术机器人：如达芬奇手术机器人，通过微创技术提高手术精度，减少创伤；康复机器人：辅助肢体残疾患者进行康复训练，如下肢外骨骼机器人；护理机器人：为卧床患者提供翻身、喂食、换药等护理服务。达芬奇机器人在做手术康复机器人家用护理机器人图11.14医疗服务机器人11.3.2服务机器人③公共服务机器人接待与导航机器人：在机场、商场、医院、银行提供路径指引、信息查询；酒店/餐饮机器人：完成客房送物、餐厅点餐送餐；教育机器人：为学生提供个性化学习辅导、编程教育，如AlphaEbot悟空机器人；安防巡检机器人：在园区、变电站进行巡逻监控。酒店送餐机器人迎宾导览机器人变电站巡检机器人教育机器人图11.15公共服务机器人11.3.3工业机器人与服务机器人的核心差异对比维度工业机器人服务机器人应用场景制造业车间（结构化环境）家庭、公共空间（非结构化环境）核心目标提高生产效率、保证产品质量提升生活便利、提供个性化服务交互对象工件、设备（少与人直接交互）人类（高频自然交互）技术重点精度、速度、负载能力交互友好性、环境适应性、安全性任务特性单一化、标准化、重复性多样化、个性化、动态变化环境要求稳定、可控、无干扰复杂、动态、多干扰感知需求相对简单（定位、检测）高度复杂（场景理解、人脸识别、语音交互）决策智能程序化、确定性高需自主规划、应对不确定性典型代表焊接机械臂、SCARA机器人扫地机器人、手术机器人、导览机器人表11.1工业机器人与服务机器人核心差异对比

11.3.4技术融合与发展趋势（1）技术融合发展随着技术进步，工业机器人与服务机器人的界限逐渐模糊，呈现融合发展趋势。①工业机器人智能化：引入视觉引导、力控装配，变得更柔性，能适应小批量、多品种的生产模式（“工业4.0”）。②协作机器人：一种新型工业机器人，设计初衷就是能与人在共享空间中安全协作，无需安全围栏。它结合了工业机器人的精度和部分服务机器人的安全交互特性。③服务机器人产业化：在物流、医疗等专业领域，服务机器人正朝着更可靠、更标准化的方向演进。11.3.4技术融合与发展趋势（2）未来趋势展望①具身智能：机器人通过与物理环境的持续交互来学习和进化智能，成为真正“有身体”的智能体。②群体机器人：多个简单机器人通过协作完成复杂任务，如无人机编队、仓库机器人集群调度。③AI深度融合：深度学习、强化学习等AI技术将更深度地赋能机器人的感知、规划与决策，使其更加“聪明”，能处理更模糊的指令和更复杂的任务。内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能11.4智能体概述当我们清晨被智能手机的智能闹钟轻柔唤醒，上班途中依赖自动驾驶辅助系统规避拥堵，工作中使用聊天助手处理邮件，晚上回家由扫地机器人自动清洁地板时，我们已经在与各种智能体进行着频繁的交互。11.4.1智能体的定义与核心特征（1）智能体的定义广义上，智能体（Agent）是一种具备自主感知、决策和执行任务能力的智能系统，包括人类、生物、机器人、软件程序（如聊天机器人、搜索引擎爬虫）等。

狭义上，人工智能领域的智能体指“基于软硬件实现的自主决策系统”，其核心公式为：Agent=LLM（大模型）+Planning（规划）+Feedback（反馈）+Tooluse（工具使用）。【类比生活场景】智能体就如一个“拥有高级大脑和手脚的数字实习生”。这个“实习生”能听懂你的指令（感知），比如“帮我整理本月的销售数据”；它会自己思考该先做什么、后做什么——先从数据库导出原始数据，再用Excel筛选无效信息，然后计算关键指标，最后生成图表（决策）；接着它会实际操作电脑，完成数据导出、筛选、计算和图表制作（行动）；如果发现图表格式不对，它还会调整优化，下次遇到类似任务时会做得更好（学习）。11.4.1智能体的定义与核心特征（2）智能体的核心特征智能体的核心特征主要包括：自主性、

交互性、反应性、适应性和目标导向性，如图11.16所示。①自主性无需人类干预，自主感知、决策与行动（如，智能家居温度调节）②交互性与环境/人类/其他智能体交互与协作（如，自动驾驶与信号灯、行人交互）③反应性及时响应外部环境变化（如，机器人避障）④适应性经验积累优化自身行为策略（如，股票交易智能体调整模型）⑤

目标导向性行为围绕预设目标展开（如，清洁智能体保持环境整洁）智能体图11.16智能体核心特征11.4.2智能体类型（1）按功能与能力分类①简单反射型：基于“条件-动作”规则（if-then），直接根据当前输入做出反应，无记忆能力。示例：自动化客服关键词回复、温控系统。②基于模型的反射型：通过内部模型跟踪环境状态，能处理部分不确定性。示例：自动驾驶车辆实时感知路况。③目标驱动型：通过规划实现特定目标，需评估不同行动的后果。示例：物流路径规划、游戏AI（如AlphaGo）。④效用驱动型：在多个目标中权衡，选择最大化“效用”（收益/成本）的行动。示例：金融交易AI、资源分配系统。⑤学习型：通过机器学习（如强化学习）动态优化行为。示例：推荐系统、机器人自适应控制。11.4.2智能体类型（2）按自主性分类①自主智能体：独立决策，无需持续人工干预。示例：火星探测车、工业巡检机器人。②半自主智能体：部分依赖人类输入。示例：医疗诊断AI（医生辅助决策）。③从属智能体：完全受控于用户或其他系统。示例：语音助手（如Siri执行用户指令）。（3）按协作方式分类①单智能体：独立完成任务。示例：个人语音助手。②多智能体系统：多个智能体协作或竞争。示例：交通信号协同控制、多机器人协作。11.4.2智能体类型（4）按应用领域分类①物理智能体：通过传感器/执行器与环境交互。示例：扫地机器人、无人机。②虚拟智能体：纯软件形式存在。示例：聊天机器人（如ChatGPT）、游戏NPC。③混合智能体：结合物理与虚拟能力。示例：数字孪生系统。（5）按决策方式分类①反应式：实时响应，无长期规划。示例：工业流水线分拣机器人。②慎思式：基于逻辑推理或符号AI进行规划。示例：IBMWatson（医疗知识推理）。③混合式：结合反应速度与长期规划。示例：人形机器人。11.4.2智能体类型（6）其他特殊类型①生成式智能体：能生成新内容（文本、图像、代码等）。示例：GPT-4、MidJourney。②认知智能体：模拟人类思维（如情感、意识）。示例：强AI/通用人工智能（AGI）。随着技术进步，智能体的类型和边界不断扩展（比如具身智能体、AIAgent+大语言模型结合等），而在实际系统中常常混合多种类型以满足复杂的业务需求。11.4.3智能体任务环境要理解智能体的运作，我们必须先理解它所处的任务环境。在人工智能领域，通常使用PEAS模型来精确描述一个任务环境，即分析：①P（Performance，性能度量）：评估智能体行为好坏的标准（如何衡量智能体的成功？）。如，自动驾驶智能体的“安全性、舒适性”。②E（Environment，环境）：智能体所处的物理或数字空间（智能体在什么环境中运行？）如，自动驾驶智能体的“道路、交通、天气、行人”。③A（Actuators，执行器）：智能体影响环境的工具或部件（智能体能做什么？）。如，自动驾驶智能体的“方向盘、油门、刹车”。④

S（Sensors，传感器）：智能体获取环境信息的设备或渠道（智能体能知道什么？）。如，自动驾驶智能体的“摄像头、雷达、GPS”。11.4.3智能体任务环境智能体类型性能度量（P）环境（E）执行器（A）传感器（S）自动驾驶汽车安全、快速、合法、舒适、利润最大化、对交通影响小道路、其他交通工具、行人、交通灯、天气、乘客方向盘、油门、刹车、转向灯、喇叭、显示屏、语音摄像头、激光雷达、雷达、北斗/GPS、IMU、转速表、麦克风商场导航机器人导航准确性、响应速度、用户满意度商场楼层、货架、人流、指示牌移动轮子、显示屏、扬声器摄像头、激光雷达、麦克风医疗诊断系统诊断准确率、治疗效果、成本患者、医院、医疗设备、医护人员诊断报告生成、治疗方案推荐、测试建议症状输入、检验结果、医疗影像、病史数据股票交易智能体投资收益率、风险控制水平股票市场、新闻资讯、政策变化买入/卖出指令、交易记录生成市场行情数据、新闻API、财务报表数据家庭清洁机器人清洁覆盖率、电池续航、噪音家庭环境、家具、障碍物清洁刷、吸尘装置、移动轮子红外传感器、摄像头、碰撞传感器、灰尘传感器交互英语教师学生的考试分数一组学生、考试机构用于练习、反馈、发言的显示器键盘输入、语音表11.2典型智能体的PEAS描述11.4.4智能体的运行机制智能体并非一次性完成任务，而是通过一个持续的循环与环境进行交互，这个核心机制被称为

智能体循环。如图11.17所示，该循环描述了智能体与环境之间的动态交互过程，构成了其自主行为的基础。感知Perception思考Thought规划工具选择行动Action观察Observation状态改变环境智能体图11.17智能体与环境交互的迭代循环11.4.4智能体的运行机制（1）感知：通过传感器获取环境输入（用户指令、工具反馈），是循环的起点。（2）思考：LLM驱动的核心决策阶段，细分为“规划”（分解任务、制定步骤）和“工具选择”（匹配最优工具及参数）。（3）行动：通过执行器（Actuators）执行工具调用，改变环境状态。（4）观察：环境反馈行动结果，作为下一轮循环的输入，形成“感知-思考-行动-观察”的持续闭环。这个循环的关键是“动态调整”——智能体不会一成不变执行初始计划，而是根据观察结果实时修正，比如旅行助手发现推荐酒店超出预算，会重新搜索符合预算的选项。11.4.5智能体的技术架构和核心技术（1）智能体的技术架构Agent是具备自主感知、分析决策和执行能力的智能系统，核心架构由三大模块构成，形成“感知-决策-行动-反馈”的闭环系统，其架构如图11.18所示。①感知端是Agent的“感官系统”。负责处理文本、语音、图像、传感器等多模态输入，让智能体能够“感知”周围的环境和用户的需求。②控制端是Agent的“大脑中枢”。以大语言模型为核心，结合短期记忆（上下文缓存）和长期记忆（领域知识）进行规划与决策，制定并选择最优行动方案。③行动端是Agent的“执行手脚”。通过API接口、硬件控制等方式执行操作，将控制层制定的决策转化为实际的行动。11.4.5智能体的技术架构和核心技术这三大模块相互协作，形成完整的智能闭环，让Agent能够像一个拥有自主意识的个体一样运作。智能体（Agent）环境（Environment）感知端（Perception）控制端（Brain）行动端（Action）多模态输入信息集成规划和推荐存储文本工具API调用实施记忆知识总结回忆学习检索图11.18智能体技术架构11.4.5智能体的技术架构和核心技术（2）智能体的核心技术Agent之所以能拥有强大的自主能力离不开四大核心技术的支撑，缺一不可。①大语言模型：Agent的“语义理解中枢”，能解析模糊指令，突破传统AI对精确指令的依赖，理解人类自然语言中的模糊需求和潜在意图。②多模态融合技术：让Agent能够同时处理文本、图像、传感器数据等多种类型的信息，综合分析后作出判断。③强化学习：使Agent具备了持续学习和优化的能力。通过“奖励/惩罚”机制，从环境反馈中不断调整策略。④工具调用与知识库：为Agent提供了强大的外部支持，可连接支付接口、法律数据库等外部资源，在需要时调用相应工具和知识。11.4.6智能体的典型应用场景①工业制造领域：生产调度优化、预测性维护、质量检测升级。②医疗健康领域：辅助诊断、手术与康复、药物研发。③交通物流领域：自动驾驶、智慧交通管理、智慧物流。④生活服务领域：家庭与陪护、酒店与零售。⑤金融科技领域：风险管控、智能投顾、区块链应用。⑥教育培训领域：个性化学习、教学辅助。⑦客户服务领域：智能客服、营销自动化。⑧环境与能源领域：智慧电网调度、环境监测与治理。⑨媒体与内容创作：AIGC生成与协作、跨媒体智能运营。⑩农业与食品供应链：精准农业管理、供应链溯源与优化。⑪科学研究与创新：自动化实验平台、文献智能分析。⑫智慧城市与公共服务：智慧城市、智慧应急响应、政务服务自动化。11.4.7智能体未来发展趋势随着大语言模型、多智能体系统、具身智能等技术的突破，智能体正朝着更协同、更自主、更专业、更安全的方向演进，未来将呈现以下发展趋势：（1）技术融合：从单一智能到融合智能①

多模态融合成为常态：大语言模型将与视觉、语音、文本、传感器数据的深度融合，使智能体具备更接近人类的感知与交互能力，应用于全息交互、混合现实等场景。②

脑机接口与神经拟态智能：未来智能体与机器人、无人机等脑机接口结合，实现更直接的人机意念交互，或借鉴神经科学模型再结合神经网络与符号推理，开发出能效更高、自适应更强的类脑智能体。11.4.7智能体未来发展趋势（2）协作模式进化：从人机协同到人机共生①人机协同深化：医疗智能体作为“数字医生”辅助人类医生进行手术规划，设计师智能体与人类设计师共同完成创意设计，如建筑、时尚。②情感智能与共情能力提升：智能体将逐渐具备识别、理解甚至回应人类情绪的能力，在养老陪护、心理健康、教育等领域成为更可信赖的伙伴。③去中心化自治组织与智能体治理：在区块链与多智能体协同结合下，可能出现由多个智能体自主协作或不同领域智能体跨域协同完成决策与执行的去中心化组织形态。11.4.7智能体未来发展趋势（3）产业应用纵深：从工具到伙伴①

从通用到垂直深耕：开发专科型智能体实现场景化定制满足行业特定需求。②

行业知识深度固化：智能体将深度融合行业Know-how与专家经验，成为“数字专家”，如法律智能体可起草合同、预测案件结果，建筑智能体可参与设计评审与施工管理。③长周期任务自主管理：智能体能够跨时间、跨场景持续跟踪目标并自主学习并调整策略，如个人健康管理智能体统筹饮食、运动、就医全流程。11.4.7智能体未来发展趋势（4）生态与部署：从平台化到泛在化①

低代码/无代码智能体开发普及：企业甚至个人用户可通过可视化工具快速定制智能体，推动“人人可拥有智能体助手”的时代到来。②

边缘-云协同智能：智能体将分布在终端、边缘与云端，根据任务需求动态分配算力，实现响应速度、数据安全与计算效率的平衡。11.4.7智能体未来发展趋势（5）社会治理：伦理与安全机制不断完善①伦理规范内置化：在自动驾驶、医疗决策、公共服务等敏感场景，智能体将遵循更明确的伦理准则，如碰撞责任划分、隐私保护优先。②安全可控性增强：通过可解释AI、联邦学习、数据加密等技术，保障智能体的决策透明、数据安全与行为可控，防范技术滥用与系统风险。③监管框架建立：政府出台智能体分级分类管理政策，明确责任边界，如自动驾驶事故责任划分、AI生成内容版权归属。11.4.7智能体未来发展趋势（6）可持续发展与社会融入①

绿色智能与能效优化：智能体将在企业碳足迹监测、能源调度、循环经济管理中发挥关键作用，助力实现“双碳”目标。②

数字包容与普惠服务：通过低成本、易使用的智能体解决方案，缩小数字鸿沟，让偏远地区、老年群体等也能享受智能化服务。智能体不是替代人类，而是将我们从"不得不做的事"解放出来，让我们专注于"生而为人该做的事"——创造、共情、探索意义。这不仅是技术革命，更是人类文明的成年礼。内容导航AI11.1机器人学基本概念11.2机器人的感知、规划与控制11.4智能体概述11.3从工业机器人到服务机器人11.5具身智能概述第11章

机器人学、智能体与具身智能11.5具身智能概述近年来，随着大语言模型等人工智能技术的突破，具身智能（EmbodiedAI）这一新的智能形态逐渐走入视野。它不再是计算机中的软件，而是通过物理实体与真实世界连接、交互，能自主学习并适应环境的智能体。从“机器智能”到“具身智能”，这场跨越半个多世纪的进化，正重新定义人与智能的关系。11.5.1大模型：具身智能的“大脑”