从“会说”到 真的会做
具身智能让 AI 获得感知与行动通道
AI 的 “身体” 在哪里？
从屏幕里的“聊天 AI”，走向能够感知、决策、行动并从物理交互中学习的“做事 AI”。
为什么走路 比下棋更难？
规则世界适合计算
模块化： 逐站接力
模块化便于独立开发和排错，代价是接口复杂与误差累积。
机器人正在走进 哪些现场？
越结构化的环境越容易落地，家庭与农业等开放场景仍更具挑战。
平台如何 拆掉数据瓶颈？
真机、仿真和自动标注协同
按编号进入后续页面，逐项核对核心主张、工作机制与应用边界。
从“会说”到真的会做
具身智能让 AI 获得感知与行动通道，进入真实或仿真的物理世界。
关键线索CHAT AI知道怎么做写文章 · 翻译 · 写代码能够去做
感知、决策、执行不是单行道
机器人每执行一次，环境就可能变化，因此必须重新感知并持续修正。
关键线索感知相机 · 雷达 · 传感器决策大模型 / VLA · 策略
为什么走路比下棋更难？
规则世界适合计算，真实世界却要求 AI 随时处理噪声、变化和意外。
关键线索下棋规则明确 · 信息完整走路 / 抓杯子开放 · 不确定 · 充满意外
按编号进入后续页面，逐项核对核心主张、工作机制与应用边界。
精确菜谱，还是见多识广？
结构化高精度任务仍适合传统机器人；具身智能拓展的是变化更大的场景。
关键线索传统机器人工程师精确编程固定环境 · 极高精度具身智能
模块化： 逐站接力
模块化便于独立开发和排错，代价是接口复杂与误差累积。
关键线索感知识别物体CAMERA理解
VLA： 一个模型直达动作
VLA 省掉人工模块拆分，但依赖海量轨迹、强算力与额外安全机制。
关键线索相机图像红色杯子在桌上语言指令“放到托盘上”
两条路线， 同一块地基
路线可以并行，数据却是两者共同的训练燃料和评估依据。
关键线索模块化短期落地主力可解释 · 可调试 · 可加安全层端到端 VLA
按编号进入后续页面，逐项核对核心主张、工作机制与应用边界。
机器人正在走进哪些现场？
越结构化的环境越容易落地，家庭与农业等开放场景仍更具挑战。
关键线索环境结构化程度决定落地速度仓储物流分拣 · 搬运 · 上架
为什么“身体数据” 最难获得？
机器人轨迹必须真实操作或高质量仿真采集，时间与硬件成本远高于文本。
关键线索文本互联网海量内容易获取图像
平台如何拆掉数据瓶颈？
真机、仿真和自动标注协同，目标是降低高质量具身数据的采集成本。
关键线索真机遥操作采集真实动作REAL数字孪生
