智能体的进化之路：三篇必读综述，解锁具身AI核心密码

本周分享知识库中的3篇具身智能survey。这三篇综述互补性强：第一篇打基础，第二篇看前沿，第三篇钻核心。

如果你对具身智能（Embodied AI）感兴趣，想快速了解这个领域的最新进展，推荐阅读。

Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI

这篇综述梳理了具身智能在连接虚拟与现实世界中的最新进展，重点围绕MLMs与WMs如何赋能具身感知、交互、智能体构建与sim-to-real迁移四大核心任务展开。

文章首次从“虚实对齐”视角提出统一框架，整合机器人、仿真平台、数据集与方法体系，指出当前在长时任务规划、因果推理、数据稀缺与安全隐私等方面的关键挑战，并展望了未来构建通用具身智能体的发展方向。

论文链接：

[2407.06886] Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI

Large Model Empowered Embodied AI: A Survey on Decision-Making and Embodied Learning

这篇综述梳理了大模型赋能的具身AI在自主决策与具身学习方面的最新进展，梳理了分层与端到端两种决策范式，分析了大模型如何增强高层规划、低层执行与反馈机制，并重点介绍了VLA模型在端到端决策中的应用与优化。

同时，文章深入探讨了大模型如何提升模仿学习与强化学习的效果，并首次将世界模型引入具身AI综述，阐述其在决策与学习中的关键作用。

最后，作者指出当前面临的数据稀缺、持续学习、计算效率及仿真到现实迁移等挑战，并展望了未来研究方向。

论文链接：

[2508.10399] Large Model Empowered Embodied AI: A Survey on Decision-Making and Embodied Learning

A Comprehensive Survey on World Models for Embodied AI

这篇综述梳理了面向具身智能的世界模型研究，提出从功能耦合性、时间建模与空间表示三轴分类框架，将现有方法划分为决策耦合与通用型、自回归与全局预测、潜向量/Token/网格/显式渲染等表示形式；

总结机器人、自动驾驶等场景下的数据资源与评价指标，指出当前缺乏统一跨域数据集、忽视物理一致性评估，以及长时序误差累积与实时性难兼顾等关键挑战；

展望构建统一多模态数据、优化高效架构、融合自回归与全局预测等方向，以推动世界模型在感知–预测–决策一体化中的基础作用。

论文链接：

[2510.16732] A Comprehensive Survey on World Models for Embodied AI