这篇综述论文探讨了具身人工智能（AGI）的五个演化阶段（L1-L5），强调与物理环境的互动。研究者认为，真正的AGI应具备感知、行动能力，并能在开放环境中持续学习和适应。论文为未来十年AGI的发展提供了技术路线图和理论支持。

本研究提出了一种新颖的神经脑框架，旨在提升具身人工智能系统在真实世界中的交互能力。该框架通过整合多模态感知、认知能力和适应性记忆，增强了代理在动态环境中的反应能力，推动了具身智能的发展。

本文探讨了多智能体具身人工智能的进展与未来方向，强调智能体在复杂动态环境中协作的重要性。研究提出系统性综述方法，分析关键进展、挑战及未来发展，以推动该领域的创新。深入理解多智能体系统是实现高效应用的关键。

本研究针对实现通用人工智能（AGI）中的关键问题，提出了一种识别和总结具身人工智能多种形式的方法。通过因果推断和虚拟环境模拟，展示了算法在动态环境中的有效性与适应性。

本研究提出了生成世界探险者（Genex）框架，旨在解决具身人工智能中的观察规划问题，增强智能体在3D环境中的决策能力，降低对物理探索的依赖。

本研究提出ReLIC，一种用于具身人工智能的强化学习方法，利用64,000步上下文经验帮助智能体快速适应新环境。该方法结合部分更新策略和Sink-KV机制，在多目标导航任务中表现优异，超越多种元强化学习基线，并展现模仿学习能力。

本文介绍了多种生成3D城市和游戏世界的机器学习方法，如CityDreamer、UrbanDiffusion和MetaUrban。这些模型通过分离建筑与背景对象、利用实际数据集和深度生成学习，提升了城市和游戏环境的真实性与多样性，推动了具身人工智能在城市空间中的应用。

本文介绍了SIMA项目，旨在通过虚拟3D环境训练智能代理系统，使其能够遵循语言指令，推动具身人工智能的发展。研究强调感知、行动、记忆和学习的重要性，探讨了人类与动物的区别，并提出新工具调用管道以提升大型语言模型的性能。同时，文章评估了体感式人工智能模拟器，并讨论了构建具社交交互能力的自主智能体所面临的挑战。

本文研究了体感式人工智能，评估了九个模拟器，并探讨了视觉探索、导航和身体问题回答等任务。提出“具身人工智能”是实现人工通用智能的关键，强调感知、行动、记忆和学习的重要性。讨论了多模态智能系统的应用及其在真实环境中的交互能力，提出虚拟体验策略以推动伦理发展。同时，研究探讨了AGI与人类意识的关系及其在元宇宙中的作用，强调实现稳定AGI的社会联系和治理的重要性。

研究人员强调加快人工智能发展需要投资神经人工智能基础研究，特别是实体图灵测试。提出“具身人工智能”是实现人工通用智能的关键，探讨其与传统人工智能的区别，强调感知、行动、记忆和学习的重要性。尽管取得了一定进展，仍面临新学习理论和先进硬件开发等挑战，研究旨在推动具身人工智能与人类及其他智能体的协作与共存。

该文章提出了“具身人工智能”作为追求“人工通用智能”的下一步，并与当前的人工智能进展进行了对比。通过探讨具身概念的演变，提出了一个基于认知架构的理论框架，强调感知、行动、记忆和学习的重要性。文章指出了人工智能领域面临的挑战，并提供了指导方针。强调创造具身人工智能代理与人类和其他智能体在真实环境中实现无缝通信、协作和共存的重要性。