英文：Embodied Foundation Model 分类：embodied
面向具身智能（机器人、自动驾驶等）的大模型：统一感知、语言理解与动作生成，让智能体在真实物理世界执行任务。
技术：视觉-语言-动作统一训练（VLA）、预训练（互联网视频/图像+机器人数据）、跨本体泛化（不同机器人共享策略）；代表：RT-2、OpenVLA、Figure 02 等；挑战：真实数据稀缺、实时推理、安全。
用于人形机器人（操作、导航）、自动驾驶（感知决策）、服务机器人（家庭/工厂）与遥操作辅助；具身大模型被视为"AI 走进物理世界"的核心。