具身智能综述：对齐网络空间与物理世界

具身智能最难的从来不是让模型在屏幕里答对题，而是让它在有质量、有摩擦、有延迟的物理世界里做出恰当的动作。这份综述的标题把问题直接摆在台面上：网络空间与物理世界如何对齐。换句话说，它关心的不是某个单点算法，而是数字侧的表征、数据与模型，怎么和物理侧的身体、感知、行动真正接上。在具身智能被频繁写进论文与产品叙事的当下，这样一份以“对齐”为主线的梳理，值得先看它把问题切成了哪几块。

从材料给出的信息看，这是一份综述性质的公开论文，由中山大学等机构完成，2024 年 7 月公开在 arXiv 上，全文 PDF 可以免费下载，方向标注为具身智能与机器人基础模型。标题里的“对齐”是横切主题，可以理解为它不限定在某个子领域，而是围绕网络空间与物理世界之间的落差来组织材料——综述的价值通常也在这里，把分散的工作放进同一个坐标系。至于它具体采用什么文献筛选口径、如何分类、引用了哪些工作，给定材料没有交代，只能打开原文确认。

有一点必须先说清楚：在这份资料的范围内，没有可以转述的具体结论，也没有任何可引用的数字。材料对内容的描述只到“属于具身智能/机器人基础模型方向”这一层，并明确写着“具体结论以原文为准”。这意味着任何关于它提出了几类方法、覆盖多少文献、在哪些基准上做过比较的说法，都不能从这里推导出来。反过来说，“以原文为准”这句提示本身就是一个信号：它不建议读者依赖二手摘要做判断。

另一处值得留意的细节是署名里的“等”字。它说明这是多机构合作的工作，但材料没有逐一列出参与单位，因此转述来源时应保留“中山大学等”的写法，不宜简化成单一机构。时间上，2024 年 7 月是一个相对靠前的切面，此后该方向的进展不在这份综述的覆盖之内——这是根据时间点做的推断，不是原文的判断。两件事合起来提醒读者：这是一份有明确时间标记和集体署名的文献，引用时要带着这两个限定。

那它到底能提供什么。我的理解是，它更适合当作框架性的入口，而不是结论性的参考。做论文解读时，可以用它来校准“问题被怎么划分”这一层；做产品发布解读时，“网络空间与物理世界是否对齐”本身就是一个可以拿来提问的视角——一个具身系统宣称的能力，究竟停留在仿真和演示里，还是在真实物理约束下依然成立。这些只是解读，具体框架是否如此，仍然要回到原文核对。

这份资料适合正在做具身智能或机器人基础模型方向调研的读者，也适合需要为相关内容准备背景材料的人。读完能拿走的，是一条明确的线索（对齐网络空间与物理世界）、一个可免费获取全文的入口，以及一条使用纪律：结论与数字只从原文取。它的边界同样清楚——没有摘要细节，没有方法与数据来源的说明，没有可核对的结论。把它当作索引而不是依据，是对这份资料比较稳妥的用法。