本文属于类型b，是一篇系统性综述论文。以下为据此生成的学术报告。
本文的第一作者为Dan Xia，其所属机构为河海大学信息科学与工程学院（College of Information Science and Engineering, Hohai University）；通讯作者为Guangjie Han，来自河海大学江苏省输配电装备技术重点实验室（Jiangsu Key Laboratory of Power Transmission & Distribution Equipment Technology, Hohai University）。第二作者Pengpeng Xu来自优必选机器人研究院（Research Institute of UBTECH Robotics, UBTECH Robotics Corp Ltd.）。该综述发表于Journal of Industrial Information Integration第50卷（2026年），文章编号101020，于2025年11月29日在线发表。论文题目为“Emerging perspectives on embodied intelligence in future smart manufacturing”，系统梳理了具身智能（embodied intelligence, EI）在智能制造领域的研究现状、关键技术、典型应用及未来挑战。
论文的核心论点是：具身智能正成为推动智能制造向自主化、柔性化与人性化方向演进的关键范式。传统制造系统大多依赖离线训练模型或预定义规则，其智能行为本质上属于“离身认知”（disembodied cognition），在结构化、静态环境中效率较高，但面对环境扰动、任务重构或非结构化场景时往往表现出决策延迟与行为刚性。具身智能的核心范式在于，智能并不单纯存在于“AI大脑”或中央控制器中，而是通过智能体物理形态、感知-行动协调机制与周围环境之间的实时动态交互而涌现。围绕这一核心论点，论文从制造系统演进、体系架构、关键技术、典型应用与未来挑战五个层面展开论述。
第一个核心观点是，制造系统经历了从自动化制造系统（AMS）、计算机集成制造系统（CIMS）、网络化协同制造系统（NCMS）到智能制系统（SMS）的演进，当前正迈向具身智能驱动的未来智能制造（EI-driven future smart manufacturing, EIFSM）。论文以表格形式对比了各阶段的技术特征、系统架构、关键技术与局限性。例如，AMS阶段以PLC加HMI为典型架构，存在信息孤岛与固定自动化问题；CIMS阶段以ERP-MES-PLC为架构，实现了纵向与横向集成，但依赖预定义规则、灵活性不足；NCMS阶段引入SOA、RAMI 4.0与云边协同，实现了信息物理映射，却面临多协议转换、数据不兼容与网络安全问题；SMS阶段由数据驱动，采用机器学习、数字孪生与知识图谱，但自适应性不足、依赖大量标注数据。EIFSM则强调环境交互、自主决策与在线学习，其定义性特征在于将物理实体视为具备态势感知与自主决策能力的具身智能体，而非被动执行单元。
第二个核心观点是，EIFSM体系架构应由五层构成：物理层、通信层、工业数据层、智能核心层与应用层。物理层整合人机协作单元、智能执行器与物联网物料节点，借助多模态传感器与分布式边缘控制实现实时监控与自适应调节，是上层智能决策的物理世界数字化基础。通信层集成5G、时间敏感网络（TSN）与工业以太网，并通过SDN、NFV以及OPC UA over TSN实现高带宽、低时延、跨平台互操作，同时需支持服务质量、时延约束管理、网络安全策略与边缘缓存等机制。工业数据层不再局限于静态数据管理，而是向可自我进化与知识发现的知识中心转变，通过建立统一数据湖或仓库，并集成因果推理、迁移学习与图神经网络，形成从数据到信息再到知识的链条。智能核心层作为认知枢纽与AI决策中心，整合机器学习、联邦学习、迁移学习、知识图谱、因果推理与大语言多模态模型，通过神经-符号编排框架实现异构算法模块的并发执行与涌现协同。应用层则将智能决策转化为可执行动作，依托数字孪生、增强现实、虚拟现实、触觉交互与人机交互技术，为个性化定制、质量监控、远程控制与供应链优化等业务场景提供解决方案。
第三个核心观点是，EIFSM依赖六类关键技术：多模态感知与理解、工业数字孪生与数字原生、任务规划与执行、人机交互与协同决策、多智能体协作以及云边端协同。在多模态感知方面，论文指出单一模态感知在光照剧变、强噪声或部分遮挡条件下鲁棒性下降，而视觉-触觉、视觉-力觉、视觉-语言等融合范式可提升自主操作的精确性与可靠性；大语言多模态模型如CLIP、BLIP系列、Flamingo与GPT-4V通过将异构信息映射至统一语义空间，实现跨模态对齐与推理。在数字孪生与数字原生方面，数字孪生通过高保真建模与多源数据融合为具身智能体提供虚拟训练环境与策略验证空间，而数字原生则强调在虚拟空间中自主生成模型、智能体与环境，突破物理世界约束，为异常响应与极端工况提供推演能力。在任务规划与执行方面，论文提出了“任务理解—任务分解与规划—策略执行”三阶段流程，并详细说明大模型负责解析自然语言指令、生成符号化执行工作流，小模型负责将高层目标翻译为低层控制命令；同时总结了大模型在任务解析、任务分解、VLA模型、VLN模型与多模态Transformer等方面的应用。在人机交互与协同决策方面，论文强调构建人-机-环境三元动态闭环，涵盖行为感知、意图理解、决策支持与认知负荷自适应调节，并贯穿产品设计、工艺规划、质量检测与运维服务全生命周期。在多智能体协作方面，论文从通信鲁棒性、任务分配与资源调度三个维度展开，指出从传统优化算法向融合感知、认知与决策的端到端智能协作范式演进的趋势，并介绍了MASAC、MADDPG、MAPPO等算法以及LLM驱动的CoT与EoT推理框架。在云边端协同方面，论文围绕任务卸载与动态调度、边缘智能轻量化部署与场景自适应、安全与隐私保护三大关键维度，分别讨论了博弈论、深度强化学习、模型分割、知识蒸馏、模型剪枝、模型量化、元学习、联邦学习、差分隐私、零信任架构与区块链等技术手段。
第四个核心观点是，具身智能在智能制造中的典型应用包括客户需求驱动的定制化生产、人机协作装配、预测性维护与智能运维，以及数字孪生与具身智能融合驱动的系统级优化。论文以独特礼品盒生产平台（Unique Gift Box Production Platform, UGBP）为例进行说明。该平台集成了2台数控雕刻工作站、1台激光打标工作站、1台装配工作站、多个上下料工作站、智能传送带、私有云服务器与视觉监控系统，能够在不中断生产的情况下实现蓝牙自拍杆、个性化U盘与手工吊坠三大类产品的混线生产。在客户需求驱动定制化方面，系统通过视觉传感器、自然语言处理与触觉传感器实现多模态需求解析，并利用PPO强化学习与云边端协同计算实现任务驱动的动态资源调度。在人机协作装配方面，系统通过RGB-D相机与关节力矩反馈实现安全防护，并通过视觉偏差检测与AR引导实现主动辅助。在预测性维护方面，系统利用振动、温度与视觉传感器采集全生命周期数据，结合LSTM与GNN模型提取“振动频率异常→轴承磨损”等潜在关联，并通过强化学习动态优化维护时机。在数字孪生与具身智能融合方面，系统借助5G/TSN网络实现物理-虚拟同步，并在数字孪生环境中模拟数控机床故障或AGV交通拥堵等极端场景，以验证优化策略鲁棒性。
第五个核心观点是，具身智能在制造系统中的实际落地仍面临四类核心挑战。其一，多模态感知的稳定性与泛化性不足，工业环境中的光照变化、机械振动、粉尘遮挡与电磁干扰严重影响感知精度，自监督学习、神经辐射场、持续学习与云边协同感知架构被视为潜在解决路径。其二，自主决策的可解释性与安全性不足，深度强化学习与图神经网络的黑箱特性削弱了人机信任，神经-符号AI、因果推理、不确定性量化与安全-性能帕累托优化是发展方向。其三，场景适配与跨域泛化能力有限，现有系统多为单一场景定制，未来需要基于大规模多模态工业数据预训练的通用智能体，以及工业级仿真与sim2real迁移平台。其四，系统级集成与标准化缺失，异构接口、协议与数据格式造成互操作性障碍，亟需建立参考架构、开放基准平台与覆盖感知-决策-行动全链路的标准化评估框架。
综上所述，本文的学术价值在于系统性地构建了具身智能驱动未来智能制造的分析框架，弥补了现有综述在内在使能机制、大-小模型协同架构与系统集成方面缺乏系统分析的不足。其应用价值在于为制造系统从“离身认知”向“具身认知”范式转换提供了技术路线图，对工业机器人、AGV与数控机床等制造实体的智能化升级具有指导意义。论文提出的大-小模型协同、数字孪生与数字原生融合、以及多智能体协作等方向，为后续研究提供了明确切入点。