---
crossref:
labels: alpha A
subref-labels: roman I
chapters: true
tags:
- 情境主義
---
>「**若身行於世，何能成慧道？何以就智身？**」〜「具身派」AI
# 🦾「具身派」AI
`身軀`是人類，也是萬物在世「**存活**」必需的物質基礎，展示 **具身** 特性。
隨著 🦾 機器手臂、🚗 自駕車、以及工廠中的 🏭 協作型機器人（Cobots）發展，現代人工智慧的應用已不僅限於數字符碼世界。
::: {.callout-tip #tip-game-ai-eg title="AI 的🦾`具身`例子（點開⏵可揭露細節）" collapse="true"}
如「熄燈生產」（lights-out manufacturing）——即完全自動化、幾乎無需人工在場的「黑暗工廠」（dark factory），展示了智能機器能與人類並肩或替代人類完成工作任務。
這些實踐正是`「具身派」AI`（embodied AI） 或「實體」AI （physical AI） 的典型應用，也展示 **具身** 對 **人工智慧** 的重要性：
- 首先，🔤⚓ [符碼紮根問題](01-03-Symbol_Grounding_Problem.qmd) 啟示：若無與世界互動的「身體」，符號無法真正落地。
- 其次，🖼️⏱️ [框架問題](01-04-Frame_Problem.qmd) 揭示：若缺乏「具身感知」，難以在複雜及動態環境中區分何者相關、何者無關。
- 再來，👁️⯊ [完形心理](01-05-Gestalt_Psychology.qmd) 說明感知依賴「身體—環境」的整體性，正是「具身認知」的基礎。
- 還有，☸🤖 [智能體導向](05-03-oriented_agent.qmd) 與 ☸🛠 [任務導向](05-01-oriented_task.qmd) 的實踐，將 AI 從純符號推理推向「感知—行動」閉環。
- 再來，🏆🐭🗺️ [IEEE電子老鼠走迷宮](07-01-ieee_micromouse.qmd) 等，在物理空間中測試「身體—環境—決策」的迴路，開展🔁😽🪄 [決策演算法](06-06-decision_making_algorithm.qmd) 重要分支。
- 近來，🧠⚡ [赫布學習論](09-07-hebb_rule.qmd) 提供「神經連結因共現而強化」的利用🌀🪢🧠 [神經網路](04-03-neural_networks.qmd) 仿擬腦活動「擬具身」學習能力，產出大語言模性，而「具身認知」的 **擴展心靈** 在此獲得新詮釋：人類與 AI 工具形成「群體認知系統」，並在社會互動中展現「湧現交互」。
- 🛣🤖 最終，正是本篇將依序探討的「具身派」AI 核心知識點。
:::
由此可見，`「具身派」AI` 不僅是技術分支，更是人工智慧發展中回應「如何讓智能**紥根具身**於世界」的核心答案。
::: {.callout-note #nte-embodied-ai title="🦾什麼是「具身派」AI？"}
`「具身派」AI` 指任何涉及到 `具身認知`（Embodied Cognition）與 `實體驅動`（Physical Actuation）的智能系統，包括能透過**物理身體**或**虛擬身體**與現實世界互動的 AI，又稱「具身智慧」。
**🦾「具身派」AI 三句箴言**：（點開⏵可揭露細節）
👁️ 「**感物知形，百境不惑**」 〜 感知環境與身體狀態，避免迷失方向。
這呼應了 布魯克斯（Brooks） 的「行動派 AI」：智慧來自直接感知與行動，而非抽象表徵 [@brooks1991]，也突出`實體驅動`的重要。
🚶 「**身行於世，具身生智**」 〜 世界即脈絡舞台，智慧由行動湧生。
這與 Clark 的「具身心智」一致：大腦、身體與環境的耦合才是智慧的根基 [@clark1997]。
🧘 「**行中有道，道成智能**」 〜 從行動中淬煉 AI 的智慧道理。
這正是 `具身認知` 的核心：智慧在於「行動—感知—回饋」的循環。
收斂三句箴言「**妙問**」成長偈：
- 🪷「**本來無來去，何體道自然？**」 〜智慧，不止於行動之「**身軀**」，更在於把智能**根源**的「道」視為去研究作為**承載**的智能生物或機械「體」的科學，於是「身心」的具象展現在「**神經與肌肉律動格局**」的道體合一。
參照 🔖附錄🌌 心智圖 🛣🤖
:::
::: {#fig-mindmap-08 caption="聚焦 🦾「具身派」AI 心智圖" .part }
:::
***
## 🦾具身派 AI 概論🌏
`「具身派」AI`（Embodied AI）廣義上指任何透過身體與環境交互而展現智能的系統，包括機器手臂、自駕車、以及工廠中的協作型機器人。它不僅是**機器人學**的分支，更是**認知科學**、**哲學**與**人工智慧**交匯的核心議題。
狹義上，`「具身派」AI` 內有幾種挑戰傳統**符號派 AI** 「心智模型」或「大腦中心論」的鮮明觀點，這些觀點主張智慧是來自「身—境—心」的耦合，深植於「身體與環境的互動」，並非抽象計算：
- **🦿🤖 行動派 AI** 的代表，機器人學家 **布魯克斯**（Rodney Brooks）提出「**智慧無需表徵**」（Intelligence Without Representation），強調直接感知與行動。他批評**符號派 AI** 過於僵化和脆弱，無法應對充滿不確定性和意外的現實世界。其核心思想是，與其先建立完整、準確的世界模型，不如從底層簡單的**感知**（perception）與**行動**（action）交互開始，構建**湧現行為**（emergent behavior）。他利用「**包容式架構**」（Subsumption Architecture），讓機器人先達成簡單的行為模組，再組合出更複雜的行為。可以說，**行動派 AI** 的**工程實踐**證明了「智慧無需表徵」的可行性。
- **🧠🪷 具身認知**的代表，認知科學家 **安迪·克拉克**（Andy Clark）也強調**具身性**以及與**環境互動**的重要性。他在著作《在場》（_Being There_）一書中主張，智慧不僅僅存在於大腦內部，而是**大腦、身體與外部世界**之間動態互動的產物。他提出了兩個核心觀點：
- **具身性**（Embodied Cognition）：思考並非獨立於身體的純粹邏輯運算，我們的身體形狀和感官方式會直接影響對世界的理解。
- **擴展心靈**（Extended Mind）：人類的心靈可以「擴展」到身體之外的工具和環境中，例如筆記本或手機等工具，會成為我們認知過程的**一部分**，與大腦形成緊密耦合的認知系統。
- **👣🌏 生成論**的代表，認知科學家 **法蘭西斯科·瓦雷拉**（Francisco Varela）提出更激進的`具身認知`觀點：「**生成論**」（Enactivism）。它主張智慧是透過**生命體**與**環境**的互動過程而被「生成」或「建構」出來的，並非存在於大腦對外部世界的表徵。這觀點將智慧與生命的本質緊密連結。
綜上，`具身認知`有別於傳統認知主義把人腦看作處理抽象的符號訊息的電腦計算機，而`實體驅動`則強調智慧是**透過身體在物理世界**中的真實**行動**來實現和展現的。「**生成論**」響應了**群體智慧**（Swarm Intelligence）的認知能力觀點：複雜的整體行為無需中央控制或表徵模型，可由個體之間的本地化的簡單互動「**從下而上**」湧現產生。
因此，`「具身派」AI` 在符號和語言之外的人工智慧發展開闢了新路，專注於智慧如何從與環境的動態互動中**湧現**。
## 🦾具身派 AI 簡史📜
以下按上節概論，以及本篇各條目知識點，簡述`「具身派」AI` 的發展進程：
* 🦾🔋 **1950s–1960s：早期機器人學與控制理論**
- 工業自動化與控制理論奠定了「實體驅動」的基礎，出現機械手臂（Unimate, 1961）與早期感測器，AI 開始具備「身體」雛形。
- ↪️對應知識點：**8.1** 🦾🎬🔋 [機器人學與實體驅動](08-01-robotics_and_physical_actuation.qmd)
- 📡🌡️ **1970s–1980s：符號派挑戰與行動派興起**
- 傳統 AI 側重於建立完整世界模型的「心智模型」，但在真實環境中表現不佳顯得脆弱。
- 機器人學家 **布魯克斯**提出「**智慧無需表徵**」，以 `包容式架構` 展示複雜行為有可能從簡單「感知—行動」模組湧現。
- ↪️參照知識點：**8.2** 🦾📡🌡️ [感知與環境](08-02-perception_and_environment.qmd)
- 🧠🪷 **1990s：具身認知與擴展心靈**
- 認知科學家 **安迪·克拉克**在《在場》（_Being There_, 1997）提出「**具身性**」與「**擴展心靈**」觀點。
- 強調智慧不是孤立於大腦，而是「大腦—身體—環境」的動態耦合，並指出**工具**與**外部環境**可成為認知系統的一部分。
- ↪️對應知識點：**8.3** 🦾🔄🖼️ [自適應機器人](08-03-adaptive_robotics.qmd) 的理論基礎逐漸成形。
- 🧬🐜 **1990s：生成論與生命互動**
- **法蘭西斯科·瓦雷拉** 等人提出「**生成論**」（Enactivism），主張智慧不是內部表徵，而是生命體與環境互動過程中「生成」的。
- 這一觀點將 AI 與生物學、現象學連結，影響了後來的「**群體智慧**」（Swarm Intelligence）與「湧現行為」研究。
- ↪️參照知識點：**8.2** 🦾📡🌡️ [感知與環境](08-02-perception_and_environment.qmd) 的延伸應用，特別是生命體與環境交互的感知模式。
- 🏭🚗 **2000s：突破性原型與暗工廠概念成型**
- `具身派 AI` 的突破性原型包括 **DARPA Grand Challenge**（2004, 2005, 2007）自駕車挑戰賽與工廠協作型機器人（如 **Baxter**，2012 前期研發），證明其在不可預測環境中的實用性。
- 同時「**暗工廠**」（Dark Factories）概念成形，展現全自動化、無人化生產線的可能。
- ↪️對應知識點：**8.3** 🦾🔄🖼️ [自適應機器人](08-03-adaptive_robotics.qmd) 走出實驗室；**8.5** 🦾🛡️🚨 [機器人安全與穩健性](08-05-robot_safety_and_robustness.qmd) 走入暗工廠
- 🚚🤖 **2010s：商轉與大規模應用**
- 自駕車進入商業化（**Tesla Autopilot**、**Waymo**），**長途自駕卡車**（Otto、TuSimple）成為物流代表案例。
- 倉儲物流機器人（Kiva → Amazon Robotics）、醫療與服務型機器人廣泛應用。
- 全球採用**暗工廠**：2019 年工業機器人安裝量達 **42.2 萬台**，與 2010 年相比幾乎翻倍，推動「**暗工廠**」在汽車與電子產業的普及。
- ↪️對應知識點：**8.3** 🦾🔄🖼️ [自適應機器人](08-03-adaptive_robotics.qmd) 走進產業；**8.4** 🦾🤝💪 [人機互動](08-04-human_robot_interaction.qmd) 與 **8.5** 🦾🛡️🚨 [機器人安全與穩健性](08-05-robot_safety_and_robustness.qmd) 成為產業關鍵能力。
- 🧞♀️🗪 **2020s–至今：虛擬代理與大模型耦合的認知挑戰**
- **虛擬代理** 與 **大語言模型** 使「具身性」不再侷限於物理機體。
- **擴展心靈** 在此獲得新詮釋：人類與 AI 工具形成「群體認知系統」，並在社會互動中展現「湧現交互」。
- 全球**暗工廠**市場估值從 2024 年約 **481 億美元** 持續增長，預計 2029 年達 **801.9 億美元**，CAGR 約 **10%**，顯示製造業正快速轉向無人化、全天候自動化。
- `大語言模型` 的大量及集中投資伴隨地緣政治格局挑戰，帶來「**認知戰**」的新風險。
- ↪️對應知識點：**8.5** 🦾🛡️🚨 [機器人安全與穩健性](08-05-robot_safety_and_robustness.qmd) 的智能體新興挑戰；**8.6** 🦾🧭🎯 [任務與目標規劃](08-06-robot_tasks_and_goals.qmd) 實踐與理論應對 [對齊與控制問題](01-06-Alignment_Control_Problem.qmd)
## 🦾具身派 AI 新論🚗
本書採取較寬鬆定義，`「具身派」AI` 指任何涉及到`具身認知`（Embodied Cognition）**或** `實體驅動`（Physical Actuation）的智能系統，包括能透過 **物理身體** 或 **虛擬身體** （甚至是**虛擬代理**） 與現實世界互動的 AI，又稱「具身智慧」。注意，相關術語 `實體 AI`（Physical AI）更著重要求 AI 系統的**物理存在**，即擁有機體、能在現實世界中移動、操作物體並直接與環境互動的機器人。
這操作性定義的使用主要是尋求啟發，雖然本篇精挑的知識點大多數都可以被歸類至機器人學，但這些選擇主要是來展示**當代人工智慧發展**和`具身認知`或`實體驅動`，甚至是更廣的 AI **情境主義**（Situated-ism）中任何能利用或運用具體「**實體或群體**」去進行「**感知、行動與環境**」的智能體導向互動。
為了更好的應用及創新，本書進一步主張，這種因 AI **情境主義** 框定的「個體—脈絡—世界」的「感知—行動」時，若可以應用寬泛`「具身派」AI`觀點的「**個體**—脈絡」的個體間或群體間**互動**的任何**湧現交互**：
- `「具身派」AI` 克服或應對無所不在、不得不面對的「物理限制」與「環境不確定性」。
- `「具身派」AI` 能為 [第陸篇 ❖ 分析與決策](06----analytics_decisions.qmd) 應用並創新 `具身認知` 觀點進行「個體—脈絡」分析，而所在「世界」存有至少一個以上的具體 `身體或代理`。
- `「具身派」AI` 通常突出了以下本書主張的新型態 [㉄ AI 問題意識](01----problematics.qmd)：
- [完形心理](01-05-Gestalt_Psychology.zh-hant) 是人類應對「環境不確定性」的認知捷徑經驗法測，是基於視覺的`具身認知`
- [語言賽局](01-07-Language_Games.qmd) 因 [大語言模型](02-07-large_language_models.qmd) 能「走心」討好用戶，成為現象級當代事實的同時，預示了人群 **湧現交互** 可能改寫人類市場甚或政經系統。其中，**擴展心靈** 觀點使 [大語言模型](02-07-large_language_models.qmd) 本身及其應用，成為 耦合人群認知過程，形成緊密群體認知系統的新科技，為「認知戰」提供有用框架。
- 如「獨立自主女大學生」的數據標籤或註記，經當代智能化平台，若有成為 **湧現交互** 形成具體「**實體或群體**」進行「**感知、行動與環境**」的智能體導向互動，亦可利用`「具身派」AI`思維工具進行分析及創新。
可以說，凡存在「湧現交互」——即任何涉及具體「**實體或群體**」進行「**感知、行動與環境**」的場景——都能運用 `「具身派」AI` 的經驗與教訓。這種跨域適用性在本書其他篇章亦有呼應，例如：
* [第伍篇 ☸](05----ai_orientations.qmd) 區分 AI 5 大導向（AI Orientations）
* **5.3** ☸🤖 [智能體／代理人導向](05-03-oriented_agent.qmd)（Agent-oriented）
* **5.4** ☸🛠 [任務導向](05-01-oriented_task.qmd)（Task-oriented AI）
* [第柒篇 🏆](07----game_ai.qmd) 「博弈派」AI（Game AI）
* **7.1** 🏆🐭🗺️ [IEEE電子老鼠走迷宮](07-01-ieee_micromouse.qmd)（IEEE Micromouse）
* [第玖篇 📐](09----ai_math.qmd) AI 用到的數學
* **9.7** 🧠⚡ [赫布學習論](09-07-hebb_rule.qmd)（Hebb’s Rule）
* [第拾篇 🌉](10----ai_engineering.qmd) AI 工程
* [AI 產品經理](#sec-ai-pm) 在開發如 [知識驅動生成（RAG）](10-04-retrieval_augmented_generation.zh-hant) 或 [脈絡工程](10-05-context_engineering.zh-hant) 的應用時，常能從客戶或使用者所處脈絡中觀察或期待某種「湧現交互」；其「價值」即在於具備能「生存」及「成長」的`「具身派」AI` 思維。
::: {.callout-tip #tip-situatedism-this-book title="🏮🛣🤖 情境主義"}
因篇幅限制，本書未系統介紹 `情境主義`，以下簡要說明：
* `情境主義` 核心主張是，智能是透過「**感知、行動與環境**」之間的即時互動而產生的，以 `具身智能` 與 `情境感知` 為其智能基礎。
* `情境主義` 主要影響本書精選說明的，以下兩派 AI 的發展：🏆「博弈派」AI 與 [🦾](08----embodied_ai.qmd) 「具身派」AI
🛣🤖
:::
## 🦾對照解讀✨
本書關於 博弈派 vs 具身派 AI 新論如下：
- **博弈派**：偏向「外部結構」——強調規則、格局、脈絡，智慧是如何在賽局中運作。
- **具身派**：偏向「內部載體」——強調身體、感知、行動，智慧是如何在世界中落地。
兩者其實互補：
- 博弈派提供「局勢與規則」的框架，
- 具身派提供「身體與行動」的基礎。
合起來就是「**身在局中，體道自然**」：AI 既要能在格局中運籌帷幄，也要能在世界中具體行動。
兩者互補合體的如🦾🧭🎯 [任務與目標規劃](08-06-robot_tasks_and_goals.qmd) 的應用，以及🏆🐭🗺️ [IEEE電子老鼠走迷宮](07-01-ieee_micromouse.qmd) 的實例。
| 面向 | 🏆 博弈派 AI 新論 | 🦾 具身派 AI 新論 |
| ---------- | --------------------------------------------------------- | ---------------------------------------------------- |
| **定義範圍** | 涉及 `博弈論` 或 `賽局` 視角的自動決策與智能系統，不限於數字遊戲或模擬 | 涉及 `具身認知` 或 `實體驅動` 的智能系統，包括物理身體、虛擬身體或代理人 |
| **操作性定義** | 案例多屬「數字遊戲」，但用來展示 AI 發展史與博弈論在情境主義中的角色 | 知識點多屬「機器人學」，但用來展示 AI 發展史與具身認知／實體驅動在情境主義中的角色 |
| **情境主義關鍵** | 強調「**賽局或格局**」作為智能體進行「感知—行動—環境」互動的框架 | 強調「**實體間或群體間**」作為智能體進行「感知—行動—環境」互動的載體 |
| **進一步主張** | 在「個體—脈絡—世界」的框架下，應用博弈派觀點的「**脈絡—世界**」來設計個體或群體的**參與**（賽局／格局） | 在「個體—脈絡—世界」的框架下，應用具身派觀點的「**個體—脈絡**」來設計個體或群體的**湧現交互** |
| 創新**隱喻焦點** | 「局」：智慧在於如何在格局中定位、博弈、協作或競爭創新 | 「體」：智慧在於如何透過身體與環境互動，展現感知與行動的融合創新 |
## 🦾關鍵技術構成🔑
`「具身派」AI` 也擴展了代理人／智能體（Agents）的研究與應用範疇，與傳統僅在**數位情境**中感知與行動的智能體相比，更強調透過身體與現實世界互動、學習與適應。
`「具身派」AI` 的關鍵技術構成可粗略分為以下：
* 🦾🎬🔋 **[實體驅動](08-01-robotics_and_physical_actuation.zh-hant)**（Physical Actuation）
- 運用**致動器**（actuators）模擬或創造運動與行動能力，使 AI 能「行動」。
- 涵蓋機械結構設計、動力系統、運動規劃與控制等領域。
* 🦾📡🌡️ **[具身認知](08-02-perception_and_environment.zh-hant)**（Embodied Cognition）
- 運用**傳感器**（sensors）模擬或創造感知能力，使 AI 能「感知」。
- 涵蓋視覺、聽覺、觸覺、力覺等多種感知模組，以及環境建模與情境理解。
`「具身派」AI` 透過**傳感器**感知世界（特別是脈絡情境與物理環境），再用**致動器**在世界中運動或行動，形成「感知—決策—行動」的閉環。有別於傳統「非具身」（disembodied）AI，這狹義的`「具身派」AI` 必須在「動態、不確定的物理環境」中持續閉環學習與適應。
可以說，現代人工智慧正在協助人類重塑自身，以及所處的符號、社會與物理世界，而`「具身派」AI` 則是其中涉及改造物理世界、並進而影響符號與社會結構的重要分支。
***
## 🪴 內容大綱
本章精選的 `「博弈派」AI`知識點內容如下。
### 🌰 內容：核心條目
* **8.1** 🦾🤖🔋 [機器人學與實體驅動](08-01-robotics_and_physical_actuation.zh-hant)（Robotics & Physical Actuation）
- 探討機器人機構設計、致動器技術與運動控制方法。
- 著重於將 AI 決策轉化為精確、可控的物理行動。
* **8.2** 🦾📡🌡️ [感知與環境](08-02-perception_and_environment.zh-hant)（Perception & Environment）
- 涵蓋多模態感知技術與環境建模方法。
- 著重於讓 AI 能理解並適應動態環境。
* **8.3** 🦾🔄🖼️ [自適應機器人學](08-03-adaptive_robotics.zh-hant)（Adaptive Robotics）
- 研究機器人如何根據環境變化與任務需求動態調整行為。
- 涉及強化學習、自適應控制與在線規劃等技術。
* **8.4** 🦾🤝💪 [人機互動](08-04-human_robot_interaction.zh-hant)（Human-Robot Interaction, HRI）
- 探討人類與機器人之間的交流、協作與信任建立。
- 涵蓋語音、手勢、視覺等多種交互方式。
* **8.5** 🦾🛡️🚨 [機器人安全與穩健性](08-05-robot_safety_and_robustness.zh-hant)（Robot Safety & Robustness）
- 闡述機器人在物理世界中運作的安全標準與防護機制。
- 著重於故障檢測、容錯設計與風險管理。
* **8.6** 🦾🧭🎯 [任務與目標規劃](08-06-robot_tasks_and_goals.zh-hant)（Task & Goal Planning）
- 涵蓋任務分解、行動序列規劃與資源分配策略。
- 著重於在多約束條件下達成最優目標。
***
### 📦 延伸：智能具體
按自己的興趣和需求，進一步搭建自己的 [知行鷹架](notes-constructive_fill-in.zh-hant)，認識所處世界 [框智格局](index.zh-hant)：
- 🦾🚶♀️🤖 **具身智能與自駕車**（Embodied Intelligence & Self-driving Cars）
- 探討自駕車作為具身派 AI 的典型應用，如何融合感知、決策與控制。
- 涵蓋感測器融合、路徑規劃與安全冗餘設計。
- 🤖🧠🕸️ **具身神經網路**（Embodied Neural Networks）
- 研究神經網路如何直接驅動具身系統的感知與行動。
- 涉及端到端學習與神經控制架構。
- 🌐🔗🤖 **具身網路**（Embodied Internet）
- 探討具身 AI 與物聯網、邊緣計算的融合應用。
- 著重於分散式協作與跨設備智能行動。