具身智能（Embodied AI）技术综述：从基础理论到工程实践
具身智能（Embodied AI）作为人工智能通往通用人工智能（AGI）的关键路径，近年来取得了突破性进展。本文基于 Every-Embodied 开源项目的丰富实践经验，系统性地综述具身智能领域的技术栈、算法演进、工程实践和前沿复现。全文涵盖：（1）具身智能的基础理论与发展历程；（2）机器人学基础（运动学、动力学、坐标变换）；（3）计算机视觉在具身场景中的应用；（4）强化学习与模仿学习；（5）视觉-语言-动作（VLA）大模型全景；（6）视觉语言导航（VLN）技术；（7）世界模型最新进展；（8）无人机控制与规划专题；（9）仿真环境与真机部署；（10）数据集与评估基准。本文强调"理论-实践-复现"三位一体的学习路径，为工程师和从业者提供从入门到前沿复现的完整技术指南。
关键词：具身智能、机器人学习、视觉-语言-动作模型、VLA、视觉语言导航、VLN、世界模型、强化学习、模仿学习、MuJoCo仿真
- 引言
- 具身智能基础理论
- 机器人学基础
- 具身场景的计算机视觉
- 强化学习与模仿学习
- 视觉-语言-动作（VLA）大模型
- 视觉语言导航（VLN）
- 具身世界模型
- 无人机控制与规划专题
- 仿真环境与真机部署
- 数据集与评估基准
- 工程实践指南
- 总结与展望
人工智能的发展历程中，我们见证了从"非具身"（Disembodied）到"具身"（Embodied）的