具身智能研究的是 AI 如何通过视觉、语言、动作和反馈感知环境，并在机器人、仿真世界或游戏环境中完成导航、操作和协作任务。
普通大模型主要处理文本，具身智能则要把语言、视觉和动作接到同一个闭环里。模型需要知道自己在哪里、目标物体是什么、下一步怎么移动、失败后如何重新规划。
这个方向适合学生做项目，是因为它天然有可视化和交互形态：虚拟房间导航、桌面抓取、游戏任务、机器人流程规划、视觉语言行动等，都可以形成可演示系统。
中文链路图：把方向拆成输入、模型、任务和成果
一个方向能不能做成项目，关键看它能不能落到明确任务、评价指标和实验数据。
任务地图：适合小白先判断项目切入点
让智能体在房间、街区或虚拟环境中找到目标位置。
让机器人抓取、移动、打开、放置或组合物体。
把自然语言目标转成环境中的连续行动。
从人类演示或机器人数据中学习动作策略。
解决仿真训练和真实机器人之间的差距。
防止机器人或具身 Agent 执行危险、越界或不可恢复动作。
技术路线不是模型名清单，而是看这个方向的问题意识如何一步步变化。
技术路线图：帮助学生看懂方法演进
先用虚拟环境建立感知、定位和路径规划闭环。
从专家轨迹或奖励信号中学习导航、抓取和操作策略。
用 VLM/LLM 理解指令和场景，再生成可执行动作。
让智能体在内部模拟环境变化，支持长任务规划和失败恢复。
这不是让你背论文名，而是按时间线建立路线感：先看每篇论文解决了什么问题，再看图里哪一块最关键，最后知道它适合放进什么项目里。
为什么重要：提供高性能仿真环境，让学生可以不用真实机器人也能研究导航和具身智能。
新手读法：重点看仿真环境、任务定义和导航评测如何组成研究闭环。
打开论文 / 来源为什么重要：把语言模型的高层规划和机器人可执行性结合，是具身智能从语言到动作的重要代表。
新手读法：重点看语言计划如何被 affordance 分数筛选。
打开论文 / 来源为什么重要：把网络视觉语言知识迁移到机器人控制，是 VLA 方向的里程碑论文。
新手读法：重点看视觉语言 token 如何和机器人动作 token 接到一起。
打开论文 / 来源为什么重要：系统整理 foundation models 在机器人规划、感知、操作和控制中的应用，是入门具身智能的地图。
新手读法：重点看高层规划、低层控制、数据集和 benchmark 四条线。
打开论文 / 来源不同任务不能只看 Accuracy。论文和项目都要说明指标为什么适合当前问题。
任务最终是否完成，是具身任务最核心指标。
导航任务中同时考虑成功率和路径效率。
动作选择是否符合专家或目标策略。
机器人或智能体是否频繁碰撞或违反约束。
仿真中有效的策略到真实环境是否仍然有效。
真实执行中需要人工接管的比例。
小白选题时先确认数据、代码和 benchmark 是否可获得，否则方向再热也很难落地。
学生看老师主页最难的是不知道关键词背后对应什么任务和能力要求。
通常研究智能体如何在环境中感知、规划和行动。
把视觉、语言和动作接成统一模型。
关注仿真训练如何迁移到真实机器人。
偏抓取、放置、装配和工具使用。
偏室内/室外路径规划和目标寻找。
用大规模数据训练更通用的机器人策略。
真正适合学生的路线，是先跑通最小闭环，再逐步加难度。
先用 Habitat 或 AI2-THOR 完成一个目标导航任务。
把自然语言目标转成路径、动作或 API 调用。
用 VLM 理解场景，用 Planner 拆解任务。
围绕长任务、失败恢复、仿真到真实、安全执行或数据效率做实验。
下面这些题目不是空泛口号，而是可以沉淀代码、实验结果、图表和论文雏形的方向。
输入“找到厨房里的杯子”，在虚拟房间中规划路径并输出动作。
识别桌面物体并生成抓取、移动和放置步骤。
比较不同 VLM 在环境理解和动作选择上的表现。
改变光照、材质和视角，观察策略性能下降。
记录失败动作，重新规划并完成多步任务。
为机器人动作添加安全规则和人工接管机制。
这部分覆盖搜索和咨询时最高频的问题。
不一定。学生可以先用 Habitat、AI2-THOR、ManiSkill 等仿真平台做项目。
AI Agent 更偏工具和软件环境，具身智能强调物理或虚拟环境中的感知和行动。
建议先做视觉导航或语言条件操作，不要一开始就上真实机械臂。
这个方向只是计算机科研路线中的一个入口。你也可以继续查看多模态学习、世界模型、推荐系统、可信 AI 等方向，再结合自己的专业基础、目标导师和时间周期选择更合适的切入点。