英文：具身智能体（Embodied Agent） 分类：embodied
拥有物理载体（机器人本体），能够在真实物理世界中完成感知、决策、行动闭环的智能体。与纯软件智能体不同，具身智能体的输出作用于物理世界，需要通过视觉、触觉等多模态感知理解环境，再生成可执行的运动指令，并在执行中根据反馈不断调整，是人形机器人、机械臂、四足机器人等硬件实现"智能化"的核心。
通常包括：①感知层——多模态视觉语言模型（VLM）与触觉传感融合，实时构建环境理解；②决策层——视觉-语言-动作（VLA）大模型将高层指令直接映射为动作（如 RT-2、π0 等机器人基座模型），结合世界模型进行运动预测；③控制层——运动规划、阻抗控制、遥操作与仿真到现实迁移（Sim2Real）；④数据层——真实遥操作数据与仿真数据混合训练。难点在于物理世界的开放性与长尾分布。
2010 年代深度强化学习驱动的机器人控制奠定基础；2023 年 RT-2 等 VLA 模型证明大模型可直接输出机器人动作；2024-2025 年人形机器人产业爆发，多家厂商发布通用机器人基座模型（如 GR00T 系列、π0）；2026 年具身智能从单任务走向跨场景泛化，"物理 AI"成为产业共识。
智能制造与装配、物流分拣搬运、家庭服务与护理、医疗康复辅助、危险环境巡检与作业。