具身智能关键模型技术演化路线图

编辑：陈萍萍的公主@一点人工一点智能

横跨2012–2025年，把计算机视觉（CV）、自然语言处理（NLP）、强化学习（RL）、大语言/多模态模型（LLMs/MLLMs）以及世界模型（WMs）五条技术线的里程碑工作放在同一条时间轴上，直观呈现它们如何交替推动具身智能从“单模块感知”走向“多模态-物理-语义”统一体。

图片

下面按时间顺序对图中出现的30个核心模型逐一给出技术要点与在具身智能中的角色。

CV模型（粉色）

图片

NLP模型（黄色）

图片

RL模型（绿色）

图片

LLMs/MLLMs（靛蓝色）

图片

World Models（蓝色）

图片

此图用一张“地铁线路图”式的时间轴，把原本碎片化的 30 余个里程碑串成五条“技术快线”，帮助初入具身智能的研究者一眼看清：“我该在哪一站上车、在哪一站换乘、最终在哪一站下车”。

参考：《Embodied AI：From LLMs to World Models》