本书阐述了具身智能的科学基础、核心框架与关键技术，涵盖从生物学启示、控制论原理，到环境建模、运动控制、决策规划及终身学习全链条内容。
1.本书为你弥补理论与实践的鸿沟，系统阐述具身智能如何从生物学和控制论中汲取灵感，是理解下一代AI趋势的案头手册。
2.通过强化学习、虚实融合等前沿技术详解，助你系统掌握让机器人在动态世界中感知、决策与行动的核心方法与工程实践。
3.突破传统AI的“纯脑”视角，带你进入“身体与环境紧密耦合”的智能新范式，为机器人学和人工智能研究提供独特而深刻的洞察。
4.不仅描绘技术蓝图，更深入探讨安全、伦理与硬件瓶颈等现实挑战，为研究者与工程师应对未来复杂性提供了前瞻性的思考框架。
1 具身智能的科学渊源
1.1 从笛卡儿到具身性革命
1.2 生物学启示：动物智能的适应性
1.2.1 章鱼的“分布式智能”与触手自主性
1.2.2 昆虫的“机械智能”
1.2.3 被动猫与主动猫实验
1.2.4 形态学预适应的深层机制
1.3 控制论与动力系统理论
1.3.1 反馈循环的定义
1.3.2 反馈循环的基本类型
1.3.3 反馈循环的组成要素
1.3.4 层级化反馈网络
1.3.5 反馈机制
参考文献
2 具身智能的核心框架
2.1 感知－行动循环：智能的动态基石
2.2 具身性与环境耦合
2.2.1 身体物理属性的认知
2.2.2 环境要素的感知与利用
2.2.3 身体物理属性与环境的动态耦合
2.3 具身学习与决策推理
2.3.1 身体经验对认知模式的塑造
2.3.2 处理长期规划的能力
2.4 具身智能的整体框架
2.4.1 感知与建模
2.4.2 认知与决策
2.4.3 控制与行动
2.4.4 环境与具身
2.5 具身智能大模型
参考文献
3 环境动态建模与预测
3.1 不确定性感知的概率方法
3.1.1 环境不确定性的来源
3.1.2 概率方法的基本特征
3.1.3 贝叶斯滤波理论框架
3.1.4 基于贝叶斯滤波理论的实现方法
3.2 物理引擎与实时仿真
3.2.1 物理引擎的设计原则
3.2.2 机器人环境交互的预训练机制
3.2.3 物理引擎驱动的Sim2Real迁移技术
3.2.4 应用案例分析：以NVIDIA PhysX为例
3.2.5 挑战与未来研究方向
3.3 虚实结合训练场
3.3.1 混合训练模式的兴起
3.3.2 混合训练的核心架构
3.3.3 混合训练的技术优势
3.3.4 混合训练的典型应用场景
参考文献
4 情境理解与具身表征
4.1 具身语义：身体约束下的行为概念形成
4.1.1 基于时空关系建模的符号接地
4.1.2 基于动作空间离散化的表征学习
4.2 空间推理与物理直觉
4.3 多机器人通感与共感
参考文献
5 运动控制与身体动力学
5.1 仿生运动学：从双足步态到飞行稳定
5.1.1 人形机器人的双足步态仿生
5.1.2 无人机的飞行稳定仿生
5.2 肌肉－骨骼协同的能量优化
5.2.1 生物肌肉－骨骼系统的能量利用机制
5.2.2 仿生驱动系统：气动人工肌肉
5.2.3 电机驱动系统的能效
5.3 实时容错控制
5.3.1 分层容错控制系统架构与预测模型理论基础
5.3.2 预测模型在容错控制中的应用
参考文献
6 任务导向的具身决策
6.1 物理约束下的行动规划
……
新书资讯
