中科深谷：2026具身智能实验室建设白皮书（55页）.pdf

1、目目录录第一章 具身智能介绍.11.1 具身智能概述.11.2 发展历程.11.2.1 技术发展阶段.11.2.2 产业发展历程.21.3 主要应用场景与产品分析.21.3.1 人形机器人.21.3.2 非人形产品.31.3.3 科学智能.41.4 发展必要性.4第二章 具身智能专业.72.1 具身智能专业介绍.72.2 建设必要性.72.3 就业.82.4 专业建设.92.4.1 基础课程：构筑跨学科知识基石.102.4.2 专业核心课程：体现主导范式的差异化“脊柱”.102.4.3 高端发展层：面向产业前沿与个人志趣的能力跃迁模块.122.4.4 实施路径：动态构建与特色聚焦.12第三章

2、具身智能教学科研实验室建设.143.1 具身智能课程安排.143.2.具身智能综合创新实践中心建设方案.163.2.1 中心简介.163.2.2 中心组成简介.183.2.2.1 具身运动控制中心.183.2.2.2 全局感知与复杂控制中心.293.2.2.3 具身高级控制与应用中心.363.2.2.4 具身智能应用系统中心.501第一章第一章 具身智能具身智能介绍介绍1.1 具身智能概述具身智能是人工智能与物理实体（机器人）深度融合的终极形态，指智能体通过身体与环境的实时交互产生智能行为，强调智能体的认知和行动在物理环境中的相互依赖，赋予机器感知、理解、决策并与物理世界进行交互的能力。其核心

3、涵盖“大脑”（负责语义理解和任务规划等认知智能）与“小脑”（负责高精度运动执行）两大模块，涉及仿真、VLA（视觉-语言-动作）、diffusion policy（扩散策略）、VLN（视觉语言导航）、世界模型、强化学习等多个子模块。从核心特征来看，具身智能打破了传统人工智能仅限于虚拟世界的界限，实现了信息空间与物理世界的深度融合，其最大特征在于自主认知与环境交互能力传统机器人依赖预编程指令和结构化环境，而具身智能体可在非结构化环境中动态感知、学习与决策，体现出从“感知+控制”向“感知+推理+行动”的范式跃迁。其技术架构呈现“大脑-小脑”分层协同特征：云端“大脑”作为认知与规划中枢，融合多源数据构

4、建实时共享空间记忆体，完成宏观任务分解与多智能体协同调度；边缘“小脑”部署于不同形态本体，依托模块化技能库将高层指令快速编译为可执行的技能原语，保障低时延、强鲁棒的执行。在技术路径上，具身智能正沿着多模态融合、自适应学习、跨场景泛化的方向演进，通过视觉、触觉、力觉等多模态感知数据的协同处理，结合 Sim2Real（仿真到现实）迁移、强化学习等技术，实现对复杂动态环境的精准适应。其应用场景广泛，覆盖工业制造、服务业、医疗康复、教育娱乐、交通出行、公共安全等多个领域，相关产品包括人形机器人、服务机器人、自动驾驶载具、协作机器人等，能够替代人类在高危、枯燥、高精度岗位作业，同时支撑高级人机协作，推动

5、生产模式与生活方式的革新。1.2 发展历程1.2.1 技术发展阶段第一阶段：聚焦抓取位姿检测，通过点云或图像预测末端执行器姿态，实现静态物体抓取，策略多为单步决策，缺乏对任务上下文和动作序列的建模，难以胜任复杂操作任务。第二阶段：进入行为克隆阶段，机器人借助专家演示数据学习从感知到控制的端到端映射，具备模仿人类完成复杂任务的能力，但存在泛化能力弱、误差累积、多目标场景表现不佳等问题。第三阶段：2023 年 Diffusion Policy 方法兴起，引入序列建模范式创新，通过扩散模2型生成整个动作轨迹，更好捕捉任务执行中的时序结构与多样性，提升策略稳定性与泛化能力；2024 年进入 VLA 模

6、型阶段，融合视觉感知、语言理解与动作生成模块，支持零样本或小样本快速泛化，实现从“感知+控制”向“感知+推理+行动”的范式跃迁。第四阶段：2025 年以来，业界与学界探索 VLA 模型与强化学习、世界模型、触觉感知等模块的融合，弥补 VLA 模型“只能理解不能反馈”“只能关注当下不能看见未来”“只能看不能触”的局限，提升机器人在长时任务中的试错与自我改进能力、环境动态预测能力及复杂非结构化环境下的精细操作与安全交互能力。1.2.2 产业发展历程1950 年代：概念萌芽阶段，图灵在论文中提出人工智能可能的发展方向，为具身智能概念奠定基础。1980 年代-1990 年代：早期探索与理论发展阶段，罗