全身智能

全身智能指人形机器人在真实场景中同时协调手、臂、躯干、腿、重心、触觉和任务规划的能力。它把具身智能从桌面抓取和单臂操作扩展到全身物理协同。

观察

全身任务的关键变量不是手部轨迹本身，而是身体姿态、重心移动、躯干借力、双手协作和与物体重量之间的力学关系。
当前来源用推拉门场景说明数据缺口：轻门和重门的手部轨迹可能相似，但重门需要身体前移重心、用全身力量抵消阻力；单纯手部数据无法表达这个差异。
源策未来的路线把模型拆成大脑、中脑和小脑：大脑负责长周期规划，中脑学习跨本体全身运动表征，小脑负责姿态跟踪和平衡控制。这说明全身智能天然属于具身智能系统工程。
全身智能会重写具身智能数据基础设施的优先级：一条包含重心和躯干变化的全身数据，可能比大量只记录末端轨迹的桌面数据更有训练价值。
PSI Lab 与人形机器人基础模型补充了另一条研究路线：先从第一视角人类视频学习操作先验，再用人形机器人轨迹对齐 embodiment，并用开放世界任务和物理世界预测评估可执行性。
人形机器人实景实训专项行动把全身智能的数据要求制度化：政策文本直接把全身运动轨迹、力位控制曲线、操作执行序列和异常工况列为高质量实景数据的一部分。
人体模型从人类侧补充全身智能：全身协同不只是机器人控制问题，也可以被用于建模人的动作学习、疲劳、平衡和反馈适应。