2025年，“具身智能”这个词想必已经无人不知无人不晓了！
作为首次被纳入《政府工作报告》的新兴科技关键词，连公交车上都能看到“具身智能”一词的科普~~
就在不久前，腾讯在全球数字生态大会广州峰会上，展示了其在具身智能领域的阶段性成果。腾讯旗下最新一代机器人小五，凭借融合了多项自研技术，能在真实人居环境中完成复杂任务，惊艳众人。

就在上周，在2025北京智源大会上，宇树科技CEO王兴兴、北京人形机器人创新中心总经理熊友军、银河通用创始人兼CTO王鹤、穹彻智能联合创始人卢策吾分别携自家机器人在现场演示了当下机器人在各个领域的精彩表现。

宇树G1拳击表演

天工2.0「准备一些茶点」

从密集的货架上，成功取下安慕希酸奶和果粒爽果冻

刮冰淇淋的人形机器人

与此同时，美团对具身智能公司 “自变量机器人” 的巨额投资，以及蚂蚁集团、京东等大厂在该领域的频繁动作，无不彰显着具身智能已成为当下科技竞争的新高地。
2025 年，更被业界广泛视为 “人形机器人量产元年”，这一关键节点，标志着具身智能正从理论探索大步迈向大规模商用的新征程。
在这样的时代背景下，你是否也想了解一下这个行业，以及人工智能究竟如何突破虚拟的数字世界，像人类一样在真实物理空间中感知、思考与行动？
今天，为大家重磅推荐一本系统解读具身智能的佳作 ——《具身智能原理与实践》（全彩版）。

无论你是 AI 领域的研究者、机器人技术爱好者，还是想抢占科技趋势先机的从业者，这本书都将成为你探索智能体物理世界的 “导航地图”。

为什么说这本书是具身智能领域的 “百科全书”？

三大核心亮点，重构认知维度

01

硬核作者天团，产学研深度融合

02

从理论到实践，全链条技术拆解

基础篇（第 1-2 章）：厘清具身智能的定义、发展历程与核心技术（三维视觉、强化学习、大模型），构建系统化知识框架。
技术篇（第 3-7 章）：聚焦感知、导航、操控、规划、多智能体协作五大核心模块，详解视觉 / 触觉 / 听觉感知技术、物体姿态估计、可供性识别技术、VLN、VLA、Diffusion Policy、空间智能、具身世界模型。
实战篇（第 8 章）：手把手教你使用 NVIDIA Isaac Sim 仿真平台，从环境搭建、机械臂控制到数据生成，完成 “理论→代码→物理世界” 的落地闭环。

目录

第1章 具身智能概述 1
1．1 具身智能的内涵与重要性 1
1．1．1 具身智能的基本概念 2
1．1．2 具身智能的发展历程 3
1．1．3 与其他概念的区别与联系 4
1．2 具身智能系统的核心组成 7
1．2．1 具身智能中的感知 7
1．2．2 具身智能中的规划 8
1．2．3 具身智能中的操控 9
1．2．4 安全性与可靠性 9
1．3 具身智能产业现状与挑战 10
1．3．1 在新型农业领域的应用 10
1．3．2 在工业制造领域的应用 11
1．3．3 在新兴服务领域的应用 12
1．3．4 技术层面与应用层面的挑战 13
1．3．5 时代赋予的新机遇 15

第2章 具身智能基础技术 17
2．1 三维视觉概述 17
2．1．1 三维表达方式 17
2．1．2 NeRF技术 20
2．1．3 三维高斯泼溅 25
2．2 强化学习概述 31
2．2．1 什么是强化学习 31
2．2．2 价值学习 33
2．2．3 策略学习 43
2．2．4 模仿学习 46
2．3 大模型技术初探 49
2．3．1 大语言模型基本概念与架构 50
2．3．2 大语言模型核心训练技术 58
2．3．3 视觉与多模态基础模型 63

第3章 感知与环境理解 69
3．1 视觉感知 69
3．1．1 视觉传感器及其特性 70
3．1．2 三维物体检测与识别 71
3．1．3 三维视觉定位 78
3．1．4 物体位姿估计 86
3．1．5 物体可供性识别 95
3．2 触觉感知 103
3．2．1 触觉传感器及其特性 103
3．2．2 基于触觉的物体识别 104
3．2．3 基于触觉的滑移检测 105
3．3 听觉感知 106
3．3．1 听觉传感器及其特性 106
3．3．2 声音源定位技术 107
3．3．3 语音识别技术 108
3．3．4 语音分离技术 111
3．4 本体感知 113
3．4．1 本体感知传感器及其特性 113
3．4．2 本体运动控制 114
3．4．3 本体平衡维护 115
3．4．4 本体惯性导航 117

第4章 视觉增强的导航 118
4．1 视觉导航的基础 118
4．1．1 导航的基本概念 118
4．1．2 环境的表示方法 119
4．1．3 视觉导航的分类 122
4．1．4 挑战与机遇 124
4．2 视觉同步定位与建图 125
4．2．1 视觉SLAM的基本原理 125
4．2．2 端到端视觉SLAM 130
4．2．3 隐式生成视觉SLAM 132
4．2．4 动态环境中的视觉SLAM 135
4．3 基于多模态交互的导航 138
4．3．1 基于视觉―语言模型的导航 139
4．3．2 面向问答的导航 144
4．3．3 通过对话进行导航 146
4．4 面向复杂长程任务的导航 148
4．4．1 长程任务的数据获取与基准测试 149
4．4．2 面向长程任务的导航模型 151

第5章 视觉辅助的操控技术 155
5．1 具身操控任务概述 155
5．1．1 操控任务的基本概念156
5．1．2 仿真数据基准与评测158
5．1．3 真实场景数据集 163
5．1．4 统一标准的大规模具身数据集 168
5．2 用于具身操控的经典方案 171
5．2．1 基于自回归模型的方案 171
5．2．2 基于扩散模型的方案 175
5．3 基于预训练大模型的方法 180
5．3．1 视觉―语言―动作模型 181
5．3．2 多模态大模型+概率生成模型 186
5．4 基于世界模型的方法 188
5．4．1 世界模型的基本概念 189
5．4．2 基于隐式表达的方案 190
5．4．3 基于显式表达的方案 193

第6章 视觉驱动的任务规划 196
6．1 具身任务规划初探 196
6．1．1 任务规划的基本概念 197
6．1．2 基于技能库的增量式规划 199
6．1．3 基于交互反馈的闭环规划 202
6．2 面向复杂任务的规划与纠错 205
6．2．1 任务检索增强与重新规划 205
6．2．2 多任务依赖关系与优先级判定 208
6．3 基于空间智能的时空规划 213
6．3．1 空间智能的基本概念 213
6．3．2 基于时空限制的规划 215

第7章 多智能体交互 221
7．1 多智能体系统概述 221
7．1．1 多智能体系统的基本组件 222
7．1．2 多智能体系统的组织形式 223
7．1．3 多智能体系统任务执行 225
7．2 多智能体通信 226
7．2．1 通信的内容表示 227
7．2．2 通信的基础范式 229
7．3 多智能体协作 231
7．3．1 基于预训练大模型的方法 232
7．3．2 基于世界模型的方法 238

第8章 仿真平台入门 241
8．1 Isaac Sim概述 241
8．1．1 NVIDIA Omniverse 平台介绍 241
8．1．2 NVIDIA Isaac Sim 及其组件介绍 242
8．1．3 使用 Isaac Sim 进行机器人开发 244
8．2 Isaac Sim与Isaac Lab 的安装指南 245
8．2．1 Isaac Sim的安装流程 245
8．2．2 Isaac Lab 的安装流程 247
8．2．3 资产加载失败问题与解决方案 249
8．3 掌握CoreAPI：构建机械臂仿真环境实战指南 250
8．3．1 开发模式选择与介绍 250
8．3．2 使用Task类模块化仿真 256
8．3．3 使用控制器控制机器人 260
8．3．4 使用 Standalone 模式运行仿真 262
8．4 Isaac Sim 仿真与开发进阶 263
8．4．1 场景构建进阶：添加相机传感器 263
8．4．2 使用 Isaac Replicator 实现仿真数据生成 265
8．4．3 Isaac Sim与 ROS 结合进行仿真开发 270

参考文献 275

03

前沿趋势预判，把握产业脉搏

覆盖具身大模型、多智能体交互、仿真平台技术等热点方向，分析农业、工业、服务领域的应用案例，同时直面技术瓶颈（如传感器精度、多模态融合）与伦理挑战。
书中特别强调 “具身智能是 AI 从‘感知’迈向‘认知 + 行动’的关键一跃”，并展望其与脑科学、量子计算的交叉创新可能。

哪些人必读这本书？

✅ 学生 / 研究者：想切入具身智能领域，需系统学习理论与前沿技术；
✅ 工程师 / 从业者：从事机器人开发、自动驾驶、智能硬件，需解决感知 - 行动一体化难题；
✅ 科技爱好者：对 AI 未来充满好奇，想提前了解 “能干活的 AI” 如何改变世界；
✅ 企业管理者：关注 AI 产业趋势，需布局具身智能赛道的战略决策者。

具身智能离我们有多近？
从特斯拉 Optimus 机器人的蹒跚学步，到家庭服务机器人的自主清洁，具身智能正从实验室走向日常生活。
正如书中所言：“当 AI 不仅能‘看’会‘说’，还能‘做’善‘协作’，真正的智能时代才拉开序幕。”

还等什么？快来购入这本领域佳作，解锁物理世界的智能密码吧！