作者：Damon Li | 更新日期：2026年8月25日
具身智能前沿技术与应用研究 | A Comprehensive Research Repository on Embodied AI
本仓库是一个关于**具身智能（Embodied AI）**的综合性研究项目，旨在系统性地探索具身智能与多模态AI的融合、安全治理、技术创新和产业应用。项目涵盖系统课程、深度调研报告与可追溯专题，从技术原理到实践案例、从安全风险到开发流程，并将公众号等二手线索回溯至论文、会议页、项目页和官方代码，为理解和应用具身智能提供可复核的知识体系。
具身智能是人工智能向物理世界延伸的关键形态，它通过将AI的感知、决策和控制能力与机器人等物理实体相结合，使智能系统能够在真实环境中自主学习、适应和行动。随着大型语言模型（LLM）的突破性进展，具身智能正迎来前所未有的发展机遇，成为工业制造、医疗健康、智慧城市和家庭服务等领域的变革性力量。
embodied-intelligence-nexus/
├── README.md # 项目主文档
├── course/ # 课程内容目录
│ ├── 01-robot-grasping-intro/ # 第一章：机器人抓取与操作介绍
│ ├── 02-classical-control/ # 第二章：经典规划控制方法
│ ├── 03-robot-vision/ # 第三章：机器人视觉方法
│ ├── 04-deep-learning-grasping/ # 第四章：基于深度学习的抓取
│ │ ├── 4.7-dexterous-manipulation-2026.md # 2026年灵巧操作与遥操作更新
│ │ └── 2026-08-dense-visual-policy/ # Patch Policy 密集视觉控制专题
│ ├── 05-imitation-learning/ # 第五章：模仿学习
│ │ ├── 2026-08-motiondecode-dataset/ # 具身动作数据集专题
│ │ ├── 5.8-embodied-datasets-benchmarks-2026.md # Open-AoE 与 DexVerse
│ │ ├── 5.9-latent-humanoid-tennis-imitation-2026.md # LATENT 人形网球模仿学习
│ │ └── 5.10-human-videos-to-vla-survey-2026.md # 人类视频到 VLA 表征桥接综述
│ ├── 06-reinforcement-learning/ # 第六章：强化学习方法
│ ├── 07-vla-vlm-models/ # 第七章：具身智能：VLA与VLM模型
│ │ └── 2026-08-verified-embodied-ai-updates/ # 已核验模型、世界模型与真实评测专题
│ │ ├── 7.14-xiaomi-robotics-1-vla-2026.md # Xiaomi-Robotics-1 VLA
│ │ ├── 7.15-vla-architecture-innovations-2026.md # VLA 架构创新
│ │ ├── 7.16-vla-post-training-rl-2026.md # VLA 后训练与 RL 微调
│ │ ├── 7.17-world-models-for-robotics-2026.md # 机器人世界模型
│ │ ├── 7.18-humanoid-world-models-2026.md # 人形世界动作模型
│ │ ├── 7.19-vla-training-paradigm-breakthroughs-2026.md # VLA 训练范式与评测基准突破
│ │ ├── 7.20-tau0-vla-world-model-guided-ttc-2026.md # τ₀-VLA 测试时计算
│ │ ├── 7.21-lumo2-latent-world-action-alignment-2026.md # Lumo-2 潜在世界—动作模型
│ │ ├── 7.22-xcot-vla-executable-cot-driving-2026.md # XCoT-VLA 可执行思维链
│ │ ├── 7.23-moe-for-vla-and-world-models-2025-2026.md # 具身 MoE
│ │ ├── 7.24-masked-visual-actions-unified-world-model-2026.md # MVA 统一世界模型
│ │ ├── 7.25-vla-world-model-survey-reading-map-2026.md # VLA/世界模型阅读图谱
│ │ ├── 7.26-psg-jepa-physical-state-grounding-2026.md # PSG-JEPA 物理状态锚定
│ │ └── 7.27-simulators-and-world-models-survey-2025.md # 仿真器与世界模型综述
│ └── 08-engineering-experience/ # 第八章：工程经验和总结展望
│ └── 2026-08-vla-inference-performance/ # VLA-Perf 与 DriveVLA-M0 性能/部署专题
└── researches/ # 研究报告目录
├── README.md # 研究报告索引
├── 多模态与具身智能关键技术原理与创新发展趋势.md
├── 多模态与具身智能应用路径及典型案例深度解析.md
├── 全球人工智能与具身智能安全治理体系及合规应对.md
├── AI与具身智能安全风险及应对技术体系构建解析.md
├── 人工智能与具身智能安全治理方式及实践案例解析.md
├── 大模型智能体与具身智能的赋能场景与需求分析.md
├── 具身智能应用开发全流程及企业级解决方案与实践.md
├── 大模型平台选型与具身智能赋能行业落地案例解析.md
├── 2026-08-industry-platforms-claims/ # 产业平台与信息核验专题
│ └── industry-supplement-august-2026.md # AGIBOT/Galbot/NVIDIA/WHRG 补充
├── 2026-08-robotics-systems-verification/ # 同行评审机器人系统案例专题
├── 2026-08-wechat-source-followup/ # 九篇推文的一手来源溯源台账
├── 2026-08-wechat-embodied-source-followup/ # 七篇公众号线索台账与跨章节导航
├── 2026-08-wechat-embodied-source-followup-0825/ # 三篇公众号线索台账与跨章节导航
├── 2026-08-rss-closed-loop-multi-robot-manipulation.md # RSS 2026 多机器人闭环系统
├── images/ # 技术图表与架构图
└── diagrams/ # 图表源文件（Mermaid）
└── skills/ # 仓库专用工作流
└── embodied-intel-updater/ # 深度研究更新、理论/实验审计与资源核验 Skill
├── SKILL.md
├── references/ # 信源注册表、理论与实验审计标准
└── scripts/ # 研究文档质量验收脚本
本仓库新增了基于“机器人抓取与操作”课程大纲的知识体系结构。
| 章节编号 | 章节名称 | 核心内容 |
|---|---|---|
| 第一章 | 机器人抓取与操作介绍 | 运动规划、传感器、学习方法、实战工具、2026开源框架与平台 |
| 第二章 | 经典规划控制方法 | 轨迹算法、控制算法、智能抓取接触方法 |
| 第三章 | 机器人视觉方法 | 传感器标定、特征系统、2D/3D图像处理、6D位姿估计 |
| 第四章 | 基于深度学习的抓取 | 2D/6DoF抓取、Dex Grasping、2026 Sim-to-Real与操作新进展、Patch Policy 密集视觉控制 |
| 第五章 | 模仿学习 | Behavior Cloning、Interactive IL、Inverse RL、MotionDecode 具身动作数据集、LATENT 人形网球模仿学习、人类视频到 VLA 表征桥接综述 |
| 第六章 | 强化学习方法 | Q-Learning、Policy Gradient、Actor Critic、Offline RL |
| 第七章 | 具身智能：VLA与VLM模型 | Transformer、Diffusion Policy、RT1/RT2/Octo、2026 WAMs模型更新、PSG-JEPA、物理仿真器与世界模型综述 |
| 第八章 | 工程经验和总结展望 | 后处理优化、轨迹平滑、未来展望、VLA-Perf 与 DriveVLA-M0 推理性能/部署专题 |
- 维护者: Damon Li
- 更新日期: 2026年8月25日（新增三篇公众号线索的分层归档：PSG-JEPA、人类视频到 VLA 表征桥接综述、物理仿真器与世界模型综述；并保留可追溯来源台账）
仓库内置 embodied-intel-updater 专用 Skill，用于周期性追踪具身智能的学术与产业进展。该工作流以论文、官方项目页、代码、模型卡、数据卡与基准页面为主要证据，要求补齐目标函数推导、训练/推理算法、实验协议、统计边界、失败模式与复现资源；微信公众号和媒体内容仅用于发现线索，不作为技术结论的单独依据。
探讨具身智能的核心技术原理，包括多模态感知与跨模态对齐、世界建模与Sim-to-Real、策略决策与控制等。分析大语言模型作为"具身大脑"、端到端学习与模块化设计融合、人形机器人平台等前沿趋势。
关键词: 多模态感知、F-CMA机制、世界建模、大语言模型、人形机器人
系统性梳理具身智能的三大应用路径：增强型自动化、人机协同作业、自主智能服务。深度剖析特斯拉Optimus、优必选Walker S、ANYbotics ANYmal、谷歌RT-2等标志性案例。
关键词: 工业制造、服务机器人、特种作业、应用案例
对比分析欧盟《人工智能法案》、美国AI权利法案蓝图、中国《人工智能安全治理框架2.0》等全球主要治理框架。提出跨国企业的合规应对策略。
关键词: AI法案、治理框架、合规应对、风险分级
从技术视角系统性分析具身智能的多维度安全风险，提出涵盖感知层、决策层、执行层、系统层的"四层八柱"安全技术框架。
关键词: 安全风险、对抗鲁棒性、安全强化学习、零信任架构
探讨政府监管、行业标准、企业自律、多方共治等治理模式。分析欧盟AI法案执行、ISO机器人安全标准、微软负责任AI、Partnership on AI等实践案例。
关键词: 治理模式、监管沙盒、负责任AI、多方共治
分析大模型如何通过语义理解、常识推理、任务规划赋能具身智能。探讨工业制造、医疗健康、智慧城市、家庭服务等关键场景的应用需求与挑战。
关键词: 大模型智能体、任务规划、零样本泛化、人机协同
梳理从需求分析、系统设计、算法开发、仿真测试、实物部署到运维监控的完整开发流程。介绍NVIDIA Isaac、英特尔大小脑融合方案、AWS RoboMaker等企业级平台。
关键词: 开发流程、仿真测试、Sim-to-Real、企业级解决方案
提出大模型平台选型的四维评估框架（技术能力、成本效益、生态支持、合规性）。对比GPT-4、Gemini、DeepSeek、智谱GLM等主流平台，并分析行业落地案例。
关键词: 大模型选型、GPT-4、DeepSeek、行业落地
对本次输入资料中的 Tesla Optimus、Terafab、AI5、Grok 等产业信息进行一手来源核验；同时提供 13 个资料入口与论文、官方项目页、GitHub、模型和数据集之间的可追溯台账。未获官方或论文证实的量化指标均明确标记为待核验。
关键词: 产业核验、Optimus、具身模型、世界模型、开源资源、数据集
以同行评审论文、Code Ocean 与 Zenodo 为证据，审计磁控神经介入、ANYmal Parkour、EPIC 外骨骼和软体肩部穿戴机器人的控制机制、统计设计、公开数据和代码边界。
关键词: 磁控连续体、Sim-to-Real、外骨骼控制、软体机器人、可复现性
1️⃣1️⃣ 九篇公众号推文的一手来源溯源台账
对九篇输入推文执行“线索—论文/官方页—代码/模型/数据”回溯，汇总 τ₀-VLA、Lumo-2、VLA-Perf、Patch Policy 等专题，并明确 Tesla 等产业主张的可证实边界。
关键词: 证据分级、VLA、世界模型、开源资源、资料溯源
1️⃣2️⃣ 七篇公众号具身智能线索：台账与跨章节导航
本专题只保存输入线索、证据等级和最终归档位置；XCoT-VLA、LATENT、具身 MoE、MVA、DriveVLA-M0、综述阅读图谱及 RSS 多机器人框架已分别写入最贴近的课程章节或研究专题。
关键词: 分层归档、VLA、世界模型、模仿学习、工程时延、多机器人系统
1️⃣3️⃣ RSS 2026 闭环多智能体多机器人操作
独立审计 Planning、Manipulation、Verification 三类 agent 的闭环结构、真机证据和端到端复现边界，不将其混同为单一端到端模型。
关键词: 多机器人、LLM Agent、闭环验证、任务分解、真实操作
1️⃣4️⃣ 三篇公众号具身智能线索：来源台账与跨章节导航
将 PSG-JEPA、人类视频到 VLA、物理仿真器—世界模型三项线索分别归入世界模型与模仿学习课程，并保留 C 级输入材料到 A/B 级来源的回溯路径。
关键词: JEPA、表征桥接、第一视角视频、物理仿真、世界模型、资料溯源
- 系统性: 覆盖技术原理、应用实践、安全治理、开发流程等全维度
- 前沿性: 基于2025年最新研究成果和产业动态
- 实用性: 提供可操作的技术框架、选型指南和最佳实践
- 权威性: 引用顶级学术论文、政府报告和企业案例
- 政府决策者: 了解具身智能的战略价值和治理挑战
- 企业管理者: 把握产业趋势，制定技术战略和投资决策
- 技术开发者: 学习核心技术原理，掌握开发工具和最佳实践
- 学术研究者: 获取前沿知识，发现研究方向和合作机会
本项目包含多个技术架构图和决策树，帮助读者直观理解复杂概念：
- 具身智能三层架构框架 - 展示感知、建模、决策、执行的完整闭环
- AI安全风险分类图 - 系统性呈现技术内生风险和应用层面风险
- 开发流程图 - 梳理从需求到运维的六大阶段
- 大模型选型决策树 - 提供基于场景的平台选择指导
所有图表均可在 researches/images/ 目录中查看。
欢迎通过 Issues 提出问题、建议或补充资料。
本项目采用 CC BY-NC-SA 4.0 许可协议。 您可以自由分享和改编本内容，但需注明出处，且不得用于商业目的。
感谢所有为具身智能领域做出贡献的研究者、工程师和企业。本项目的研究基于大量公开的学术论文、技术报告和产业实践，特此致谢。
让智能从数字世界走向物理世界，让机器成为人类的智能伙伴。
Connecting the digital and physical worlds through embodied intelligence.