具身智能包含具身感知、具身想象和具身執(zhí)行三個模塊，涉及機(jī)器人學(xué)、計算機(jī)視覺、認(rèn) 知科學(xué)、博弈學(xué)等諸多學(xué)科，各學(xué)科相對成熟的積累為具身智能進(jìn)一步發(fā)展提供基礎(chǔ)。2023年5月，北京市發(fā)布的《北京市促進(jìn) 通用人工智能創(chuàng)新發(fā)展的若干措施（2023-2025 年）（征求意見稿）》中提出探索具身智能、通用智能體和類腦智能等通用人工 智能新路徑，包括推動具身智能系統(tǒng)研究及應(yīng)用，政策支持加速具身智能技術(shù)突破。

1 具身感知（Perception）：通過視覺、觸覺等傳感器交互感知，構(gòu)建模型，定義、獲取、表達(dá)可以被機(jī)器人使用的具身概念。

2 具身想象（Imagination）：構(gòu)建仿真引擎，模擬具身任務(wù)，為機(jī)器人具身執(zhí)行提供支撐。

3 具身執(zhí)行（Execution）：基于計算機(jī)視覺、機(jī)器人學(xué)和計算機(jī)圖形學(xué)，通過多模型訓(xùn)練，在多傳感器合作下完成任務(wù)執(zhí)行。