具身知能（Embodied AI）とは、物理的な身体を持ち、環境を認識し、行動を通じてそれと相互作用する知能を指す——単に「データの中で学習する」だけでなく、「世界の中で行動する」ことを意味する。純粋なソフトウェアベースの知能とは異なり、具身知能エージェントは重力、摩擦、遅延、センサーノイズ、そして行動失敗に伴う結果といった現実的な物理的制約に対処しなければならない。

具身知能の思想的な源流は、1980年代のブルックスによる行動主義ロボティクスにあり、世界モデルの事前構築よりも「知覚—行動」の結合を強調した。「embodied AI」という固定表現が広く使われるようになったのは、2018〜2019年にかけて深層強化学習とシミュレーションプラットフォームの台頭に伴いである。

具身知能の代表的な基盤インフラストラクチャはHabitatである。2019年、Meta AIなどの研究機関は論文 Habitat: A Platform for Embodied AI Research においてHabitatシミュレーションプラットフォームを発表し、「仮想環境内での具身知能エージェントの訓練」を再現可能な実験パラダイムへと変えた。

具身知能の研究フレームワークは、具身知覚、具身相互作用、具身エージェント、そしてシミュレーションから実世界への転移という4つの領域から構成される——この分類は、2024年のLiuらのレビュー Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI に由来する。同レビューによれば、マルチモーダル大規模モデルと世界モデルは具身知能エージェントの有力なアーキテクチャとして台頭しており、Habitat、Isaac Sim、MuJoCoなどのシミュレーションプラットフォームが低コストな訓練環境を提供している。データはもう一つのボトルネックであり、実ロボットからのデータ収集は高コストであるため、遠隔操作による収集とシミュレーション合成が主要なデータ源となっている。具身知能は、デジタル知能と物理世界（ロボット、スマート製造、医療リハビリテーション）を結ぶ橋渡し役であり、汎用知能への道筋における重要な一環とも見なされているが、最大の課題は依然としてsim-to-realギャップである——シミュレーション内で習得したスキルは、現実世界では再調整が必要な場合が多い。

[JIALIU_0]