具身智能（Embodied AI）是指拥有物理身体、能感知环境并通过行动与之交互的智能——它不只“在数据里学习”，还要“在世界里行动”。与纯软件智能不同，具身智能体必须处理真实的物理约束：重力、摩擦、延迟、传感器噪声，以及动作失败后的后果。

具身智能的思想源头是 1980 年代 Brooks 的行为主义机器人学，强调“感知—行动”耦合而非先建世界模型；“embodied AI”作为固定说法则在 2018–2019 年随深度强化学习与仿真平台兴起。

具身智能的代表性基础设施是 Habitat。2019 年，Meta AI 等机构在论文 Habitat: A Platform for Embodied AI Research 中发布 Habitat 仿真平台，把“在虚拟环境中训练具身智能体”变成可复现的实验范式。

具身智能的研究框架是四块：具身感知、具身交互、具身智能体，以及从仿真到现实的迁移——这一划分来自 2024 年 Liu 等人的综述 Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI。该综述还指出，多模态大模型与世界模型正成为具身智能体的有力架构，Habitat、Isaac Sim、MuJoCo 等仿真平台提供了低成本的训练场；数据是另一道瓶颈，真实机器人数据昂贵，遥操作采集与仿真合成是主要来源。具身智能是连接数字智能与物理世界（机器人、智能制造、医疗康复）的桥梁，也被视为通向通用智能的关键一环，最大的拦路虎仍是 sim-to-real gap——仿真里学会的技能，到了真实世界往往要重新调教。