具身人工智能是通向通用人工智能的关键路径，但长期面临环境适应性挑战。大模型的突破为其带来革新。此综述系统梳理了这一前沿领域，聚焦大模型如何重塑具身智能的决策范式与学习方法，为研究者提供清晰的理论框架，揭示了核心挑战与未来机遇。
智能速览
大模型通过增强感知与规划，为具身智能奠定了通用能力基础。
具身决策分为分层与端到端两种范式，VLA模型是后者关键。
LLM在分层决策中增强高级规划、低级执行与闭环反馈。
具身学习通过模仿学习与强化学习，让智体在环境中持续进化。
世界模型为智体提供模拟推理空间，是提升决策能力的重要一环。
精华内容
大模型究竟如何赋能具身智能？其核心在于自主决策与具身学习的两大革新。下面将深入剖析这两种范式，揭示其技术细节与实现路径。
决策范式革新
具身智体的自主决策主要分为分层与端到端两种范式。分层范式将感知、规划与执行拆分为独立模块，结构清晰但协同复杂。端到端范式则追求一体化，直接将多模态输入映射为动作输出。视觉-语言-动作（VLA）模型是后者的关键代表，如RT-2，它通过将动作离散化为tokens实现了泛化能力。近期研究正致力于解决VLA模型在连续动作生成、视觉处理和计算效率上的局限，推动其向更通用、更高效的方向发展。
分层决策增强
大模型显著增强了分层决策的能力。在高级规划层，LLM可通过结构化语言（生成或验证PDDL）、自然语言（分解任务并结合价值函数评估可行性）及编程语言（生成可执行代码）三种方式制定更灵活、更具泛化性的规划。在低级执行层，控制方式从传统PID算法演变为学习驱动控制（结合模仿与强化学习）和模块化控制（动态调用CLIP、SAM等预训练模型），提升了智体对动态环境的适应性与执行精度。
反馈闭环机制
为确保规划质量，引入反馈闭环机制至关重要。该机制主要包括三类：大模型的自我反思，利用LLM自身作为评估器，通过重提示或自省机制迭代修正规划；人工反馈，当智体面临不确定性或执行失败时，主动寻求人类干预与指导；环境反馈，智体通过与真实世界交互，将多模态感知结果转化为语言描述，动态调整后续行动。这些反馈机制共同增强了系统的鲁棒性和适应性。
具身学习方法
具身学习使智体能通过环境互动持续进化。主流方法包括模仿学习与强化学习。大模型赋能后，模仿学习可从海量人类演示数据中高效提取技能，而强化学习则能借助LLM设计更合理的奖励函数或构建更复杂的策略网络，加速策略收敛。大模型的生成能力还能创造出多样化的训练场景，有效解决了具身数据稀缺的难题，显著提升了学习效率和策略泛化能力。
世界模型角色
世界模型通过构建一个模拟现实的推理空间，为具身智能提供了关键的“想象”与“预演”能力。它不仅能用于在部署前模拟验证决策方案的有效性，降低试错成本，还能作为知识的增强器，为智体提供关于环境物理规律和动态变化的先验知识。此外，世界模型还能生成高质量的合成数据，扩充训练集。它在决策与学习中的关键作用，正使其成为具身AI研究的核心方向之一。
大模型正深刻重塑具身人工智能，在决策与学习方面取得了系统性进展。尽管面临数据稀缺、计算效率等挑战，但这一融合路径为通向通用人工智能开辟了充满希望的道路。未来，更高效的模型架构、更紧密的虚实结合将是关键突破方向。
