网络空间与物理世界对齐：具身 AI 的综合综述
计算机视觉与模式识别
2025-08-26 v8 人工智能
机器学习
多智能体系统
机器人学
摘要
具身人工智能（Embodied AI）是实现人工通用智能（AGI）的关键技术，为诸多应用（如智能机电系统、智能制造）提供了网络空间与物理世界之间的桥梁。近年来，多模态大模型（MLMs）和世界模型（World Models，简称 WMs）因其卓越的感知、交互与推理能力而受到广泛关注，成为具身智能体的有前景的架构。在本综述中，我们全面探讨了具身 AI 的最新进展。我们的分析首先浏览代表性工作的前沿，涵盖具身机器人与模拟器，全面理解研究重点及其局限性。随后，我们分析四大研究目标：1）具身感知、2）具身交互、3）具身智能体、4）仿真到现实的适应，涵盖最新方法、核心范式与完整数据集。此外，我们探讨了 MLMs 在虚拟与真实具身智能体中的复杂性，强调其在促进数字与物理环境交互中的重要性。最后，我们总结了具身 AI 的挑战与局限，并讨论了潜在的未来方向。我们希望本综述将为研究社区提供基础参考。相关项目可在 https://github.com/HCPLab-SYSU/Embodied_AI_Paper_List 查看。
引用
@article{arxiv.2407.06886,
title = {Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI},
author = {Yang Liu and Weixing Chen and Yongjie Bai and Xiaodan Liang and Guanbin Li and Wen Gao and Liang Lin},
journal= {arXiv preprint arXiv:2407.06886},
year = {2025}
}
备注
The comprehensive review of Embodied AI. We also provide the resource repository for Embodied AI: https://github.com/HCPLab-SYSU/Embodied_AI_Paper_List