从符号主义到联结主义，智能体与真实世界的交互得到日益重视。上世纪五十年代的达特茅斯会议之后的一段时期内,对人工智能的研究主要限于符号处理范式(符号主义)。符号主义的局限性很快在实际应用中暴露出来,并催动了联接主义的发展,形成了包括多层感知机、前向神经网络、循环神经网络,直至今日风靡学术界与产业界的深度神经网络等多种方法。这种用人工神经网络模拟认知过程的方法在适应、泛化与学习方面的确取得了很大的进展,但并未真正解决智能体与真实物理世界交互的难题。该难题“莫拉维克悖论”可以通俗地表述为：要让电脑如成人般地下棋是相对容易的，但是要让电脑有如一岁小孩般的感知和行动能力却是相当困难甚至是不可能的。
针对以上问题，“具身智能”（Embodied AI）概念应运而生。针对智能体的交互问题, 明斯基从行为学习的角度提出了“强化学习”的概念。1986年，布鲁克斯从控制论角度出发，强调智能是具身化(Embodied)和情境化 (Contextlized)的，传统以表征为核心的经典AI进化路径是错误的，而清除表征的方式就是制造基于行为的机器人。Rolf Pfeifer在其著作《How the Body Shapes the Way We Think》中通过分析“身体是如何影响智能的”对“智能的具身化”做了清晰的描述,阐明了“具身性”对理解智能本质与研究人工智能系统的深远影响。以上这些工作为人工智能的第三个流派——以具身智能为代表的行为主义方法奠定了坚实基础。
“具身智能”的基本假设是，智能行为可以被具有对应形态的智能体通过适应环境的方式学习到。可以简单理解为各种不同形态的机器人，让它们在真实的物理环境下执行各种各样的任务，来完成人工智能的进化过程。拆分来理解，“具身”的基本含义是认知对身体的依赖性，即身体对于认知具有影响，换句话说，身体参与了认知，影响了思维、判断等心智过程。“具身”意味着认知不能脱离身体单独存在。此外，“具身”相对的概念是“离身”(Disembodiment),指的是认知与身体解耦（ChatGPT为代表的大模型就仅仅实现了离身智能）；“智能”代表智能体(生物或机械)通过与环境产生交互后，通过自身学习，产生对于客观世界的理解和改造能力。此外，一些通过强化学习训练的机器人，也可以被认为是具身智能的一种形式，如OpenAI的单手还原魔方机器人等。因此，具身智能旨在基于机器与物理世界的交互，创建软硬件结合、可自主学习进化的智能体。
