الذكاء الاصطناعي المجسد (Embodied AI) يشير إلى الذكاء الذي يمتلك جسداً مادياً، ويستطيع إدراك البيئة والتفاعل معها من خلال الأفعال؛ فهو لا يتعلم فقط "داخل البيانات"، بل يتصرف أيضاً "في العالم". وعلى عكس الذكاء البرمجي الخالص، يجب على الوكلاء المجسدين التعامل مع القيود الفيزيائية الحقيقية: الجاذبية، والاحتكاك، والتأخير، وضوضاء أجهزة الاستشعار، والعواقب الناجمة عن فشل الأفعال.

تعود الجذور الفكرية للذكاء الاصطناعي المجسد إلى علم الروبوتات السلوكي الذي طوره بروكس في الثمانينيات، والذي ركز على الاقتران بين "الإدراك والفعل" بدلاً من بناء نموذج للعالم أولاً؛ أما عبارة "الذكاء الاصطناعي المجسد" كاصطلاح ثابت فقد ظهرت في الفترة 2018–2019 مع صعود التعلم المعزز العميق ومنصات المحاكاة.

البنية التحتية التمثيلية للذكاء الاصطناعي المجسد هي Habitat. في عام 2019، أطلقت منظمات مثل Meta AI منصة المحاكاة Habitat في الورقة البحثية Habitat: A Platform for Embodied AI Research، مما حول "تدريب الوكلاء المجسدين في بيئات افتراضية" إلى نموذج تجريبي قابل للتكرار.

إطار البحث في الذكاء الاصطناعي المجسد يتكون من أربعة أجزاء: الإدراك المجسد، والتفاعل المجسد، والوكلاء المجسدون، والنقل من المحاكاة إلى الواقع — وهذا التقسيم مستمد من مراجعة شاملة أجراها ليو وآخرون في عام 2024 بعنوان Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI. تشير هذه المراجعة أيضاً إلى أن النماذج اللغوية الكبيرة متعددة الوسائط ونماذج العالم أصبحت معمارات قوية للوكلاء المجسدين، وتوفر منصات المحاكاة مثل Habitat وIsaac Sim وMuJoCo ساحات تدريب منخفضة التكلفة؛ وتشكل البيانات عنق الزجاجة الآخر، حيث أن بيانات الروبوتات الحقيقية باهظة الثمن، وتُعد جمع البيانات عبر التشغيل عن بُعد والتركيب عبر المحاكاة المصادر الرئيسية. يُعد الذكاء الاصطناعي المجسد جسراً يربط بين الذكاء الرقمي والعالم المادي (الروبوتات، والتصنيع الذكي، وإعادة التأهيل الطبي)، كما يُنظر إليه كحلقة أساسية نحو الذكاء العام، ولا يزال العائق الأكبر هو الفجوة بين المحاكاة والواقع (sim-to-real gap) — فالمهارات المكتسبة في المحاكاة غالباً ما تتطلب إعادة ضبط وتدريب في العالم الحقيقي.