英文：Robot Foundation Model 分类：embodied
在跨本体、跨任务的大规模机器人数据上预训练，再针对具体机型与任务微调的通用机器人模型。它试图复刻语言领域「一个基础模型适配多种下游任务」的成功路径。
具身智能的技术栈包括：感知（多传感器融合：视觉、LiDAR、力觉）、决策（VLA模型或强化学习策略）、控制（MPC或全身控制）。Sim2Real迁移是关键难点，需通过域随机化（Domain Randomization）缩小仿真与现实差距。
该领域从早期的工业机械臂示教再现，发展到ROS开源生态，再到2020年后大模型赋予机器人自然语言理解与泛化操作能力。Tesla Optimus、Figure、宇树等公司推动了人形机器人商业化。
当前落地场景包括：仓储物流分拣、工厂柔性装配、医疗辅助手术、家庭服务与特种作业。挑战在于长尾场景泛化、安全性与成本控制。