News
新闻中心
时间：2025-04-30
1、引言：什么是具身智能？
你有没有想过，AI 不再只是待在屏幕里回答问题、写代码，而是真真正正地走进现实世界，像人一样感知、决策、行动？
想象在一个智能仓库，机器人自主规划路径，把包裹从货架上取下来打包发货。再想象一下家里的扫地机器人，未来可能不只是扫地，而是能帮你收拾房间、洗碗、开窗通风。这一系列动作的背后就是具身智能（Embodied AI），它的核心就是：让 AI 拥有身体，拥有“行动的智能”，具备理解环境、感知人类指令、完成一连串操作的能力。
具体而言，具身智能是人工智能、机器人学、认知科学的交叉领域, 主要研究如何使机器人具备类似人类的感知、规划、决策和行为能力[1]。不同于传统的纯计算智能（如语言模型或图像识别），具身智能强调“身体”与环境的感知与互动，使用物理实体来感知和建模环境, 根据任务目标和实体能力进行规划和决策, 最后使用实体的运动能力来完成任务[2]，赋予了AI在现实场景中执行任务的能力。
具身智能的应用场景极其广泛，在以下领域中都有它的身影：
- 工业自动化：机械臂完成精准抓取、装配、焊接等任务，提高生产效率。
- 家庭服务：服务机器人实现清扫、送物、协助老人等功能，改善生活质量。
- 医疗辅助：手术机器人、康复机器人帮助医生完成复杂操作或患者康复训练。
- 探索与救援：自主机器人进入危险区域执行探测、救援任务。
- 教育与娱乐：教育机器人辅助教学，陪伴机器人提供情感交互。
从“脑力型AI”（如ChatGPT、Copilot）走向“动手型AI”（如智能机械臂、家庭机器人），这是人工智能发展的必经之路。毕竟，真正聪明的 AI，不该只是“懂”，更应该能“做”。未来，随着硬件成本降低、算法进步和数据积累，具身智能将成为智能时代的核心驱动力。
图 1 具身智能可应用于多种形态的机器人
来源：https://arxiv.org/pdf/2407.06886.pdf
2、具身智能研发的挑战
尽管具身智能前景广阔，但具身智能的研发仍面临诸多挑战，让机器人高效学习新技能的道路并不平坦。现实中的具身智能远比想象中更复杂，特别是在控制机械臂这样的典型任务上，哪怕是“开个门”，对研发人员来说都是“灾难三连”：
1、搭建场景：在仿真环境中搭建物理场景，定义门的物理属性、初始状态
2、设计动作：精心设计如何移动机械臂，如何抓门、门往哪开
3、写训练代码：编写奖励函数，调节超参数，通过强化学习方法进行大量训练调优
上面每一个环节都高度依赖人工干预，开发周期长，效率低。更麻烦的是：每训练一个新技能，就像从头造一辆车。比如你希望机器人学会“关窗”或“递杯子”，就得重写仿真环境、重新配置动作参数，甚至连训练逻辑都得重做。总结下来，具身智能的研发过程有三座大山横在前面：
- 高人力成本：每个新技能的开发都需要专业团队投入数周甚至数月时间，涉及仿真设计、动作规划、算法调试等多个领域。
- 低通用性：为特定任务设计的环境、动作和奖励函数难以复用到其他任务。
- 扩展性差：当任务复杂度增加（如从单一抓取到多物体协作），开发难度呈指数级上升，难以快速迭代。
所以现实中很多具身智能研究，只能聚焦于几个固定任务，很难做到快速拓展。
3、使用大语言模型，打造“智能技能生成器”
近年来大语言模型（Large Language Model，LLM）以其强大的语言理解、知识推理和代码生成能力，在多个领域展现出革命性潜力[3]。面对上一节中提到的挑战，我们思考：能不能把“自然语言+通用智能”的强大能力，用在具身智能开发上？是否有可能利用AI自身的智能，自动化技能开发流程，从而大幅降低成本、提升效率？
为此，我们参考了多个使用LLM的优秀开源方案[4]，并将其与具身智能的开发流程相结合。最终我们推出了：沐曦具身智能仿真生成系统，实现从任务描述到技能学习的端到端自动化。
具体而言，我们使用具备强大语言理解与通用知识推理能力的 LLM，结合具身智能中机械臂任务的特性，设计了一系列高质量的提示词 Prompt 模板，让它能够自主生成新技能任务，理解任务需求，将自然语言任务描述转化为可执行的仿真任务，生成任务所需的全部内容，实现了机械臂技能开发流程的高度自动化。
简单来说，它有点像一个“具身任务魔法师”——你告诉它要完成什么任务，它就能自动生成整套执行方案，从场景到动作，从奖励函数到仿真环境，全都一步到位，彻底改变了具身智能技能开发的范式。
本系统能够自动完成以下任务：
上面整个过程中不再需要你手动写 MuJoCo仿真平台所需的场景XML配置、设置各种配置参数、调整代码逻辑。你只需要告诉LLM场景中有哪些可操作的物体，系统就能自动生成多个机械臂操作不同物体的任务，输出每个任务完整的训练配置，然后调用 MuJoCo 引擎启动仿真，机械臂就开始一一学习这些技能，是不是有点“AI 的魔法感”？
为了便于演示，本系统以厨房场景来展示整个的自动化执行流程，其场景如下图2所示。
图 2 厨房虚拟场景样例图
本系统整个流程可以总结为两个阶段：任务生成阶段和任务执行阶段，具体内容如图3所示。
图 3 沐曦具身智能仿真生成系统框架
3.1 任务生成阶段
在任务生成阶段，本系统会通过精心设计的提示词，多次调用大语言模型，逐步生成新技能任务描述、任务对应的仿真环境配置、机械臂执行任务的操作步骤、仿真环境中物体初始配置参数等信息。每个步骤的具体作用如下：
技能任务描述生成LLM根据场景中多个不同物体的属性信息，生成多个机械臂操作物体的任务信息描述。任务描述中包含：任务名、任务详细描述、机械臂操作的物体名称、机械臂与物体交互的关节名等。针对厨房场景，其生成的部分样例如下：
任务操作步骤生成LLM根据生成的任务描述信息、不同物体的属性信息、机械臂具备的元动作函数列表、可从仿真环境中获取状态信息的函数列表，生成机械臂完成该任务所需执行的一系列操作步骤。对于每个步骤，LLM需要判断该操作的类型，包括：{元动作、强化学习动作}。若为元动作，则生成机械臂执行的元动作序列，若为强化学习动作，则生成使用强化学习算法训练学习该技能所需奖励函数Python逻辑代码。针对打开滑动柜门任务，其生成的工作步骤样例如下：
3.2 任务执行阶段
在任务生成阶段完成多项生成任务后，本系统即可根据LLM生成环境配置信息、操作步骤信息、关节角度值，调用MuJoCo仿真引擎构建虚拟环境，按生成步骤控制机械臂运动，执行任务并完成强化学习训练。其中，包括执行元动作，或调用强化学习算法进行训练与推理。最终系统将整个任务的操作过程通过仿真引擎渲染保存为视频，如下图4所示。
图4 机械臂技能学习操作演示
4、和传统开发比，新方案优势是什么？
与传统手动开发相比，新方案具有以下多个突破性优势。这意味着，即便你不是机器人专家，也能用大语言模型为机械臂设计新任务；对于专业团队而言，也可以极大提升开发效率，加快原型验证，释放更多创意空间。
新方案具备以下技术亮点：
提示工程：我们设计了一套针对具身任务的高质量提示词模板，确保LLM生成内容的准确性和一致性。例如，提示词会引导LLM明确物体属性（如“关微波炉门任务，门应该处于开启状态”）和机械臂动作逻辑（如“先靠近门把手，再闭合夹爪”）。
模块化生成：系统将任务分解为环境、动作、奖励等模块，分别生成并整合，既保证了生成内容的结构化，又便于调试和复用。
与MuJoCo深度集成：系统生成的配置能直接兼容MuJoCo仿真引擎，支持高效的物理仿真和实时渲染。
端到端训练：通过生成的奖励函数和动作序列，系统支持强化学习的全流程自动化，机器人可在仿真中快速收敛到最优策略。
最重要的一点，本系统完美适配沐曦C系列GPU产品，可在曦云C500 GPU上高效进行LLM大模型推理、以及多种强化学习算法的训练&推理。
5、为什么开源？我们希望更多人一起创造具身智能！
虽然本系是以厨房场景机械臂操作物体为例，但参照本系统中方法，可以便捷拓展到轮式机器人、四足机器人等人形机器人，支持更复杂的多任务学习场景。例如，未来可实现“机器人自主整理房间”或“协作完成生产线装配”等高级任务。
我们相信，具身智能的未来，是“人人可用、人人可创”的智能。
为了推动具身智能领域的进步，我们已经正式开源完整的沐曦具身智能仿真生成系统方案，所有代码可用，且示例齐全，欢迎所有开发者、研究者、爱好者尝试、改进、拓展。
你可以：
- Star项目，为我们的仓库点亮星星
- Fork 代码，训练你自己的任务
- 给系统加点你喜欢的动作
- 分享你想到的新玩法（甚至做个机器人“小助手”）
- 在自己的研究项目中快速验证任务原型
开源地址
GitHub：https://github.com/MetaX-MACA/Embodied_AI_Simulation
Gitee：https://gitee.com/metax-maca/Embodied_AI_Simulation
6、结语
过去十年，AI 靠着“认字、听话、写代码”带来了巨大变革；而下一个十年，AI 将走出屏幕，走入工厂、家庭、医院和每一个现实场景。具身智能就是连接这两者的桥梁，它既有 AI 的大脑，也拥有对世界的“动手能力”。我们希望这套系统，能让更多人参与到具身智能的探索中来。不再困在复杂的开发流程里，不再被高门槛挡在门外！
如果你也对这个方向感兴趣，欢迎关注我们，一起造点不一样的东西！有任何问题或想法，欢迎留言或私信，我们非常乐意交流与合作！
参考资料
[1] Smith L, Gasser M. The development of embodied cognition: six lessons from babies. Artif Life, 2005, 11: 13–29.
[2] Bai C J, Xu H Z, Li X L. Embodied-AI with large models: research and challenges (in Chinese). Sci Sin Inform, 2024,54: 2035–2082, doi: 10.1360/SSI-2024-0076.
[3] Y. Liu, W. Chen, Y. Bai, X. Liang, G. Li, W. Gao, and L. Lin. Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI. arXiv:2407.06886, 2024.
[4] Wang, Yufei, et al. Robogen: Towards Unleashing Infinite Data for Automated Robot Learning via Generative Simulation. arXiv:2311.01455, 2023.
