具身智能（Embodied AI）论文全谱：SYSU HCP Lab 的里程碑综述

图1：具身智能研究框架总览，涵盖从感知、交互到智能体的完整技术栈（来源：HCPLab-SYSU/Embodied_AI_Paper_List）

当 AI 走出屏幕：具身智能的时代命题

想象一个场景：你在厨房里说「帮我把蓝色的杯子拿过来」，一个机器人立刻理解你的意图，穿过障碍、识别杯子、稳稳递到你手中。这不是科幻——这正是 具身智能（Embodied AI） 正在努力实现的目标。

传统 AI 擅长处理数据、生成文字、识别图像，但它「困在」数字世界里。而具身智能要做的，是让 AI 真正「长出手脚」，与物理世界发生交互。这正是通往通用人工智能（AGI）的关键路径之一。

HCPLab-SYSU（中山大学人机物智能融合实验室）联合鹏城实验室，发布了这份重量级综述——《Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI》，发表于 IEEE/ASME Transactions on Mechatronics 2025。该仓库收录了 300+ 篇相关论文，覆盖具身智能的全链条研究。

仓库解析：不是一个普通论文列表

这个仓库远远超出了「贴 arXiv 链接」的范畴。其 README 长达 16 万字，按研究主题精细分类，形成了完整的学习地图。

核心内容架构

此外还附有完整的 arXiv 论文 PDF（EmbodiedAI_Review.pdf），可直接下载阅读，无需跳转到外部网站。

图2：中山大学人机物智能融合实验室（HCPLab-SYSU）GitHub 主页

为什么这份综述值得关注？

1. 覆盖范围极广

从 2023 年 Vision-Language-Action Model（VLA）浪潮，到 2025 年的世界模型（World Models）在机器人领域的应用，这份综述几乎涵盖了具身智能领域的每一条重要技术路线。收录的论文按主题分类组织，读者可以快速定位感兴趣的方向。

2. 四大核心研究维度

论文将具身智能的研究目标归纳为四大维度：

（1）具身感知（Embodied Perception）：让智能体理解环境——不只是看到，还要主动探索、推理空间关系。这涉及主动视觉探索（Active Visual Exploration）、3D 视觉定位（3D Visual Grounding）和视觉语言导航（VLN）。

（2）具身交互（Embodied Interaction）：理解意图、执行动作、操作物体。核心问题是如何让机器人在真实物理环境中完成「拿、取、放、推」等基础操作。

（3）具身智能体（Embodied Agent）：这是最前沿的方向——利用多模态大模型（MLM）和世界模型（WM）构建能够感知、推理和执行的统一智能体。VLA（Vision-Language-Action）方法正在成为主流范式。

（4）Sim-to-Real 适应：在仿真环境中训练，迁移到真实机器人。这是降低数据成本、加速研究迭代的关键技术路径。

3. 紧跟技术前沿

仓库保持着活跃更新（最近更新：2026年3月31日，发布 Physics-R1 项目），每次具身智能领域有重大突破，作者团队都会及时补充相关工作。这种持续维护在学术资源库中非常难得。

实用价值：如何高效使用这个仓库

对于不同背景的读者，这个仓库有不同的使用方式：

AI/机器人研究者：按分类浏览论文，快速了解某一子方向的 SOTA 工作。特别推荐「Embodied Multimodal Foundation Models」和「Sim-to-Real Adaptation」两个子章节，前者覆盖 VLA 和世界模型最新进展，后者解决实际部署中的核心痛点。

硕博研究生：作为文献调研的一站式入口。每个子分类下都标注了论文的关键信息（方法、数据集、实验设置），节省大量检索时间。结合 PDF 综述全文，可以快速建立对领域的系统性认知。

工业界工程师：重点关注数据集章节——这里收录了几乎所有主流具身智能基准数据集的链接和说明，包括 OSRT、Habitat-Matterport 3D、Meta-World 等，是选择基准测试环境的重要参考。

局限性与使用注意事项

这个仓库是综述性资源库而非代码项目，以下几点值得注意：

不提供可运行代码：所有代码需参考各论文原始仓库。本仓库仅做内容组织和引用，不对各论文方法提供额外实现或 demo。

论文质量参差不齐：收录范围广意味着包含了从顶会论文到 arXiv 预印本的不同层次工作，读者需要自行甄别论文的同行评审状态和学术影响力。

中文资料有限：综述内容以英文为主，对中文学习者可能存在一定语言门槛。不过论文列表本身不受语言限制，是无障碍的学习资源。

行业意义：从论文到AGI的桥梁

具身智能正处于历史性突破的前夜。2024-2025 年，Google RT 系列、Tesla Optimus、国内的宇树科技和傅利叶智能等掀起了具身机器人热潮。而这些进展的底层，是具身感知、多模态理解、Sim-to-Real 适应等核心技术的持续积累。

HCPLab-SYSU 的这份综述仓库，不仅是一个论文索引，更是一张具身智能研究全景图。它告诉我们：这个领域正在往哪里走、走了多远、以及还差什么。对于任何想要进入这个领域的人来说，这都是一份不可多得的起点资源。

GitHub 持续更新中，预计随着具身智能热潮的持续，这个仓库的 star 数还将继续攀升。