Embodied AI bezeichnet Intelligenz, die über einen physischen Körper verfügt, die Umgebung wahrnimmt und durch Handlungen mit ihr interagiert – sie lernt nicht nur „in Daten“, sondern agiert auch „in der Welt“. Im Gegensatz zu rein softwarebasierter Intelligenz müssen Embodied-AI-Agenten reale physikalische Einschränkungen bewältigen: Schwerkraft, Reibung, Latenz, Sensorrauschen sowie die Folgen fehlgeschlagener Aktionen.

Die ideologischen Wurzeln der Embodied AI liegen in der verhaltensbasierten Robotik von Brooks in den 1980er Jahren, die die Kopplung von „Wahrnehmung–Handlung“ statt der vorangehenden Erstellung von Weltmodellen betonte; der feste Begriff „embodied AI“ setzte sich erst 2018–2019 mit dem Aufkommen von tiefem Reinforcement Learning und Simulationsplattformen durch.

Die repräsentative Infrastruktur für Embodied AI ist Habitat. Im Jahr 2019 veröffentlichten Institutionen wie Meta AI in dem Paper Habitat: A Platform for Embodied AI Research die Simulationsplattform Habitat und machten „das Training von Embodied-AI-Agenten in virtuellen Umgebungen“ zu einem reproduzierbaren experimentellen Paradigma.

Der Forschungsrahmen für Embodied AI umfasst vier Säulen: Embodied Perception, Embodied Interaction, Embodied Agents sowie den Transfer von Simulation zu Realität – diese Einteilung stammt aus dem 2024 veröffentlichten Übersichtsartikel von Liu et al. Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI. Dieser Übersichtsartikel weist zudem darauf hin, dass multimodale große Modelle und Weltmodelle zu leistungsfähigen Architekturen für Embodied-AI-Agenten werden, während Simulationsplattformen wie Habitat, Isaac Sim und MuJoCo kostengünstige Trainingsumgebungen bereitstellen. Daten bilden eine weitere Engstelle, da echte Roboterdaten teuer sind; die Hauptquellen sind die Erfassung durch Teleoperation und die synthetische Generierung in Simulationen. Embodied AI ist die Brücke zwischen digitaler Intelligenz und der physischen Welt (Robotik, intelligente Fertigung, medizinische Rehabilitation) und wird als ein entscheidender Schritt auf dem Weg zu allgemeiner künstlicher Intelligenz angesehen. Die größte Hürde bleibt dabei die Sim-to-Real-Lücke – Fähigkeiten, die in der Simulation erlernt wurden, müssen oft in der realen Welt erneut angepasst werden. [JIALIU_0]