1. 具身智能概述：定义、发展历程、核心要素、应用场景
大家好，我是你们这趟课的老朋友。今天咱们聊聊具身智能这个“热得发烫”的概念。
说实话，我第一次接触这个领域，是在一个做服务机器人的项目里。当时客户要求机器人能自己开门、自己倒水。我心想，这不就是让机器“长出手脚”吗？后来才发现，这事儿远没那么简单。
1.1 到底什么是具身智能？
先给个定义。具身智能，英文叫 Embodied Intelligence。
说白了，就是让智能体（机器人）拥有一个物理身体，并且能在这个真实世界里感知、思考、行动。它不再是“纸上谈兵”的AI，而是能动手干活的AI。
你想想看，传统的AI，比如ChatGPT，它只能跟你聊天。它知道“拿起杯子”这个动作，但它永远没法真的拿起杯子。具身智能不一样，它得真的去抓、去走、去推。
核心区别：
- 传统AI：感知世界 → 输出文字/图片
- 具身智能：感知世界 → 规划动作 → 执行物理交互
我个人习惯把具身智能比作“给AI装上了身体和眼睛”。它不光要会看，还要会动。
1.2 发展历程：从“死板”到“灵活”
这个领域不是一天建成的。我把它分成三个阶段来讲。
| 阶段 | 时间 | 特点 | 代表案例 |
|---|---|---|---|
| 萌芽期 | 1950s-1980s | 规则驱动，动作僵硬 | 工业机械臂（按固定轨迹走） |
| 发展期 | 1990s-2010s | 传感器融合，开始有反馈 | 扫地机器人（撞墙会转弯） |
| 爆发期 | 2020s至今 | 大模型+强化学习，端到端学习 | 特斯拉Optimus、谷歌RT-2 |
我记得在2018年做项目时，我们还在用传统的“状态机”来控制机器人。每个动作都要手写逻辑，比如“如果门把手在左边，就向左转30度”。那代码量，啧啧，简直噩梦。
现在不一样了。有了大模型和模仿学习，机器人可以自己看、自己学。嗯，这里要注意，虽然技术进步了，但底层的物理约束（比如摩擦力、重力）依然存在，这是很多新人容易忽略的。
1.3 核心三要素：感知-规划-行动
这是具身智能的“铁三角”。缺一个，机器人就玩不转。
我画了一张图，帮你理清它们的关系。
这张图你看懂了吗？我来拆解一下。
1.3.1 感知
机器人得先知道“我在哪”、“周围有什么”。
- 视觉感知：摄像头、深度相机。识别物体、检测障碍物。
- 触觉感知：力传感器、触觉皮肤。知道抓没抓住杯子。
- 本体感知：编码器、IMU。知道自己胳膊转到哪了。
我在项目中遇到过一个问题：摄像头明明看到了杯子，但机械臂一抓就滑掉了。为什么？因为视觉只给了位置，没给摩擦力信息。后来加了力传感器，才搞定。
1.3.2 规划
感知完了，得想“接下来怎么做”。
- 任务规划：把“倒水”分解成“走到桌边→拿起水壶→倾斜壶嘴→放下水壶”。
- 运动规划：计算机械臂的轨迹，避开障碍物。
你想想看，如果规划做得不好，机器人可能会把水壶举到天花板再倒下来。嗯，我见过这种“智障”操作。
1.3.3 行动
最后一步，执行。电机转起来，轮子动起来，手指合起来。
这里有个坑：规划是理想状态，但真实世界有延迟、有摩擦、有误差。所以行动层必须能快速调整。
我的小建议： 做具身智能项目时，别只盯着算法。多花点时间在“行动”层的硬件调试上。我曾经因为一个电机PID参数没调好，整个项目延期了两周。
1.4 应用场景：机器人都在哪干活？
具身智能不是实验室里的玩具。它已经在很多地方落地了。
- 工业制造：柔性装配、质检。机器人能自己适应不同型号的零件。
- 家庭服务：扫地、洗碗、叠衣服。我家里就有一台扫地机器人，虽然它偶尔会卡在拖鞋上。
- 医疗康复：外骨骼机器人、手术辅助。帮助病人重新走路。
- 物流仓储：亚马逊的仓库机器人，自动分拣、搬运。
- 特种作业：核电站巡检、深海勘探。人去不了的地方，机器人去。
注意： 应用场景越复杂，对“感知-规划-行动”闭环的要求就越高。比如在家庭场景里，地面可能有玩具、电线、宠物。机器人必须能实时感知并调整动作。这不是一个“训练一次就万事大吉”的事。
好了，这一章的内容就到这里。具身智能的核心逻辑，说白了就是“让机器人像人一样，边看边想边做”。后面的章节，我们会深入每个环节，从算法到代码，一步步拆解。