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

“具身人工智能”（Embodied AI）对于实现“人工通用智能”（AGI）至关重要，也是连接虚拟空间和现实世界的各种应用的基础。最近，多模态大型模型（MLMs）和世界模型（WMs）的出现引起了极大的关注，因为它们具有卓越的感知、交互和推理能力，成为具身智能代理的大脑的有前途的架构。然而，在MLMs时代，还没有全面的关于具身人工智能的调查报告。在本次调查中，我们全面探讨了具身人工智能的最新进展。首先，我们通过对具身机器人和模拟器的代表性作品的前沿分析，全面了解了研究重点及其局限性。然后，我们分析了四个主要的研究目标：1）具身感知，2）具身交互，3）具身代理，以及4）模拟到现实的适应性，涵盖了最先进的方法、基本范例和全面数据集。此外，我们探讨了MLMs在虚拟和真实的具身代理中的复杂性，强调了它们在促进动态数字和物理环境中的交互方面的重要性。最后，我们总结了具身人工智能的挑战和局限性，并讨论了它们的未来发展方向。我们希望本次调查能够为研究社区提供基础参考，并激发持续的创新。相关项目可在https://github.com/HCPLab-SYSU/Embodied_AI_Paper_List找到。

综述了当前多模态大型模型在具有身体的人工智能领域的最新进展，并探讨了其在虚拟和现实环境中的应用和挑战。

论文着重介绍了多模态大型模型和世界模型在具有身体的人工智能领域的应用，并探讨了其在感知、交互、代理和模拟到真实世界的适应等方面的关键思路。

论文全面介绍了具有身体的人工智能领域的最新进展，包括代表性的机器人和模拟器、四个主要研究目标、复杂性等。同时，论文还涉及到实验设计、数据集和开源代码等方面的亮点，以及未来研究的方向。

与该论文相关的研究包括《Multi-Modal Large-Scale Learning for Embodied Question Answering》、《Embodied AI: Challenges and Opportunities》等。