具身感知

Embodied Perception进阶

为行动服务的感知：边移动边观察，理解三维空间并支撑决策。

具身感知指身处环境中的智能体为了行动而进行的感知。和传统计算机视觉「给一张图、输出标签」不同，它的输入是随身体移动不断变化的第一人称观测，要回答的是「我在哪、周围是什么三维结构、下一步该往哪看、怎么动」。中山大学等团队 2024 年的具身智能综述把它列为四个研究方向之一，内容包括视觉 SLAM（同时定位与建图）、3D 场景理解、主动探索，以及视觉语言导航等任务。它的关键特点是主动：智能体可以转头、走近、挪开遮挡物来获取更多信息，而不是被动接收数据。机器人上的深度相机、激光雷达、触觉传感器，以及点云、语义地图等表示，都服务于具身感知。