具身智能问题边界：不是学科拼盘，而是新问题边界具

具身智能不是人工智能、机器人学、控制、图形学、安全、设计学和法学的有序堆叠，而是打破现有学科边界，在交叉处形成新的科学内容。
与人工智能相比，具身智能把研究重心从“表征和生成”推向“行动和后果”。大模型可以在语言空间中生成计划，但计划是否能被执行，还取决于本体能力、任务结构、控制约束、环境变化和安全边界。苏州论坛中关于端到端 VLA 与机理融合的争论说明，模型能力并不能自动转化为现场行动能力。李治军提出的“机制与策略分离”强调，物理世界中的可靠行动需要把机制、策略和约束分层组织，而不能只依赖黑箱策略输出。
与传统机器人学相比，具身智能把机器人从预设任务执行器推向开放场景中的智能行动系统。传统机器人学在运动规划、控制、感知和机械设计方面积累了深厚基础，但具身智能进一步要求系统理解自然语言指令、处理不完整信息、利用常识、适应新任务，并在开放环境中持续学习。顾凯团队的 NeuroSymbolic TAMP 和蔡盼盼关于 Tru-POMDP 的讨论，都说明具身智能需要把感知、规划、不确定性和任务结构放到新的统一框架中处理。
与控制和自动化相比，具身智能不是取消反馈控制，而是把反馈推向更开放、更高层的交互。传统自动化擅长在定义良好的流程中稳定闭环；具身智能则要处理流程本身被行动和环境共同改变的情况。工厂现场的机器人不是只要沿着既定轨迹运动，还要判断是否抓对了零件、是否满足工艺约束、是否需要请求人工接管、是否能在异常中恢复生产。

与图形学和仿真相比，具身智能把“真实”的含义从视觉保真度推向任务有效性。南京图形学论坛中关于三维表达、合成数据和仿真世界的讨论表明，具身智能需要可计算世界，但可计算世界不等于可行动世界。一个仿真场景看起来逼真，不代表机器人在真实接触、摩擦、材料形变和工位扰动中也能成功。真实不是画面属性，而是任务属性。
与安全、法学和伦理相比，具身智能把风险从数字空间推向物理和社会空间。传统 AI 安全关注数据、模型、权限和对齐；具身智能还要关注传感器欺骗、执行器失控、人机共处、物理伤害、证据链和责任边界。这就是为什么安全可信不能只是后置审查，而必须成为与行动能力和经验获取并列的基本问题。
因此，具身智能的学科边界不是由现有院系边界决定的，而是由新研究对象决定的。只要研究对象是物理交互中的智能行为，模型、本体、环境、反馈、安全和价值就必须同时融入到一个新的定义。
6