具身人工智能 | Guaifinition Docs

具身人工智能（Embodied AI, EAI）旨在创造能够感知、理解并与物理世界互动的智能体。

核心要点

本章主席： Alan Mackworth

以高度简化的方式看 AI 的历史发展，可以区分两种主要范式。第一种以显式知识表示为基础，知识可以内置或学习获得。第二种从“白板”状态开始，在人工神经网络中学习。这两种方法通常都是“非具身”的。

第三种方法则坚持认为，对于处于具体环境中的智能体，具身性是实现智能的必要条件 [2]。其假设是：无论在进化还是个体发展中，智能都通过物理身体与真实环境持续互动和耦合而涌现。这一第三范式即“具身人工智能”。

心理学 [9]、神经科学 [4,7] 和哲学 [3,5] 等认知科学领域，也发展出以具身性为核心、但各具特点的相关思想。

具身运动可以用六个以 E 开头的概念概括：Embodied（具身）、Embedded（嵌入）、Enactive（生成/行动认知）、Extended（扩展）、Emergent（涌现）和 Evolving（演化）。

具身智能体具有物理身体；情境化智能体嵌入特定环境，而环境中还可能存在其他具身智能体。行动认知论认为，认知来自智能体与环境之间的动态互动。智能不仅存在于智能体控制器中，也扩展到身体，以及身体与环境之间的耦合关系。智能通过这种耦合的演化而涌现。

机器人是一种具有目标导向性的人工具身智能体。EAI 强调感知和行动之间的紧密耦合，很多时候感知本身就是行动，行动也构成感知。由此，机器人学成为 EAI 的理想测试领域。

构建机器人足球运动员作为具身 AI 挑战正源于这一动机 [6]。RoboCup 挑战推动了具身多智能体实时学习、决策和行动的新实验与新理论 [8,10]。

具身性可以被视为通向智能的必要科学条件，但在需要现实世界交互的应用中，它也可以被视为工程要求，例如自动驾驶汽车或工厂机器人。不同的具身形态——例如人形机器人与非人形机器人——会为人与机器人交互提供不同的可供性。

如果智能体只是通过文本或视频被动观察世界，它无法真正学习如何在世界中自主决策和行动。文本有时包含明确而真实的世界知识，但通常不包含那些被默认共享的、隐含且日常化的常识。

现实世界中的具身智能体需要这类常识 [1]，而这种知识只能通过互动获得。同样，只被动观看视频也不足以让智能体学习应该如何行动。

与通常学习相关性模型的被动智能体不同，具身智能体能够学习、测试并修正世界的因果模型。具身性是实现这种能力的充分基础，但严格来说并非唯一必要条件。

当前一个重要趋势，是让机器人在模拟和现实世界中通过大量试验进行强化学习。另一个研究方向是适配大型语言模型，让它们生成机器人规划。还有一个前沿方向，是反转前向概率因果模型，从而让与真实或人工世界互动的机器人推断因果关系。

仍存在大量开放问题：

目前，我们还无法构建能够在广泛任务上达到人类水平表现的智能情境化智能体，但我们可能已经拥有部分，甚至大部分必要组件。主要挑战在于如何应对现实世界的复杂性。

迄今为止，似乎不存在任何内在障碍，能够证明我们无法构建达到或超过人类水平表现的智能具身系统。

约 31% 的调查参与者回答了本主题问题。

由于回答本主题的人是自我选择的，仅约占总受访者三分之一，因此必须考虑选择偏差。但仍然值得注意的是，约四分之三的回答者认为 EAI 与其研究有关，也有类似比例认为 EAI 对未来研究很重要；同样约四分之三认为机器人对于 EAI 有用或不可或缺。

只有约三分之一认为人工进化是有前景路线，但对于其他认知科学领域能够为 EAI 提供重要启发，则存在强烈共识。

原报告列出 10 项参考文献，包括 Brachman & Levesque、Brooks、Clark、Damasio、Di Paolo & Thompson、Mackworth、Shanahan、Stone、Varela 等。