由多个相互作用的智能无人系统组成的集合。
通过多个智能无人系统之间的高效交互与协同配合，完成单个无人装备难以独立胜任的复杂任务。核心特点是自主性、分布式、社会性、鲁棒性。
一架无人机坏了整个任务就停了。一百架里坏了三架，剩下的九十七架自动补位继续干。这种坏一个不影响全局的性质，单机做不到。
那里讲的是软件智能体怎么分工协作，这里讲的是硬件设备怎么分工协作。组织形式、任务分配、通信协调这些问题完全一样。
一百架无人机同时飞，怎么保证它们不撞在一起？
协作型、竞争型、混合型，区别在于目标是不是一致。
协作型所有成员共享同一个整体目标，共同完成复杂任务。竞争型各成员通过博弈的方式争夺资源、实现自身目标。混合型既在部分任务环节形成协同，也可能在资源分配等环节产生冲突。
左边几台机器人围着同一个目标干活，是协作。中间几台抢同一个通道，是竞争。右边挂着一张任务分配板，既分工又抢资源，是混合。
纯协作和纯竞争都是理想情况。真实系统里成员往往有共同的大目标，但在具体资源上又互相挤，所以混合型才是常态。
几台扫地机器人在同一个屋子里工作，属于哪一类？
通过信息共享与感知融合，弥补单个系统看不全的短板。
单个无人系统感知范围有限，容易被遮挡。多个系统把各自看到的东西共享出来，就能拼出一张更完整的图。
左边红色的车被前面的公交车挡住，看不见路口的行人。右边公交车把自己看到的行人位置发给了后车，后车虽然看不见，但知道那里有人。这一步的价值可能就是一条命。
车辆、道路基础设施与交通系统实时共享信息，整合局部感知，形成全局交通态势。它不是靠把单车的传感器做得更强，而是靠让大家把看到的说出来。
被大车挡住看不见的地方，怎么才能知道那里有没有人？
多节点在共享信息下协同规划行动，特点是强耦合、高维度。
强耦合指一个成员改变动作，其他成员都得跟着调整。高维度指要同时决定几十上百个成员各自怎么动。两者叠加，可能的方案数量大到没法穷举。
无人机编队控制是合作博弈，大家一条心。多种类机器人抢空间资源是非合作博弈，各顾各的。车辆合流是混合博弈，既要抢位置又不能撞。
单个智能体的决策已经不容易，几十个智能体互相影响，方案空间是指数级增长的。第 6 章第 46 页讲的市场化任务分配，就是应对这种复杂度的一种办法。
十辆车在路口汇流，怎么定谁先走？
具备物理载体，能在真实世界感知、学习与行动的智能形态。
软件智能体只在虚拟空间里解决抽象问题，具身智能要求真正具备在物理世界中感知、学习和行动的能力。区别不在于聪不聪明，在于有没有身体。
服务机器人、机械臂、巡检机器人、人形机器人。形态差别很大，共同点是都有一个能动的物理身体。
一个很聪明但没有身体的AI，做不了哪些事？
在三维环境中识别、定位和理解目标物体及其空间关系。
系统通常融合 RGB 图像、深度信息或点云数据，构建对场景结构的空间表征。任务中，智能体需要根据自然语言描述，在三维场景中找到对应目标。
这是房间中央的深蓝色沙发、这是凳子后面那张长吧台、这是房间角落里的棕色木桌。让机器根据这样一句话在真实房间里找到东西，就是三维视觉理解要干的活。
认出一张桌子不难，难的是理解在角落里、在凳子后面这些描述。这需要模型不只认识物体，还要理解物体之间的位置关系。
让机器人去拿桌子后面那把椅子，它要理解哪几件事？
依据人类自然语言指令自主完成导航任务。
将自然语言理解、视觉感知和路径规划结合，实现从语言任务到物理行动的转换。少了任何一样，这件事都做不成。
指令是去卫生间拿毛巾。机器人要听懂这句话，认出眼前的房间布局，规划出一条从客厅到卫生间的路，然后真的走过去。右边那条黄色轨迹就是它规划的路线。
那里讲的视觉语言动作模型输出的是机械臂的动作，这里的视觉语言导航输出的是移动路径。两者都是把语言变成物理行为。
去卫生间拿毛巾这句话，机器人要拆成几步？
先在模拟环境中训练，再迁移到真实世界中执行任务。
缩小仿真环境与真实世界之间的差距。仿真里训得再好，真实世界的光照、摩擦、噪声都不一样，模型一到现实就可能失灵。
这是域随机化的做法。训练时故意把桌面颜色、光照、纹理随机换成各种夸张的样子，模型见得多了就不再依赖某一种特定外观。等到了真实环境，虽然没见过，但也算是它见过的那一大堆里的一种。
第 7 章第 38 页说过，真机器人摔一百万次早就报废了。仿真训练是强化学习能落地的前提，而虚拟到现实迁移就是把仿真成果搬到现实的那座桥。
在游戏里练得再好，到了现实为什么可能不管用？
为机器人提供语言、视觉、动作一体化的能力。
理解自然语言指令，结合视觉场景进行任务规划，并输出可执行动作。三件事在一个模型里完成，不用分成三段再拼起来。
把草莓放进正确的碗里、捡起快要掉下去的袋子、挑出不一样的那个物体。每一条都要同时用到语言理解、视觉判断和动作控制。
图上左边写着互联网规模的视觉问答数据加机器人动作数据，两者联合微调。也就是说它一半知识来自网上的图文，一半来自真实的机器人操作记录。
挑出不一样的那个，这句话里藏着几个判断？