感知系统是生物体实现智能行为的逻辑起点，而在具身智能语境下，感知不再是孤立的信息接收，而是一个深嵌于动作-感知闭环中的动态过程，旨在构建对物理世界几何、语义及时间维度的深层动态表征。
然而，这种从静态到闭环的范式转变，使得感知系统必须直面真实物理世界带来的挑战：
主动感知与探索是具身智能实现自主性和适应性的核心能力。与传统的被动感知不同，具身感知强调智能体的主动性，即智能体能够根据任务需求，主动调整自身姿态、视角或交互方式，以获取更丰富、更相关的环境信息，从而更好地完成任务。
主动感知系统并非全盘接收所有感知信息，而是基于任务目标和环境状态，有选择地关注特定信息。主动感知强调感知过程与动作的紧密结合。智能体通过控制自身的视角和交互方式，主动地获取有利于理解环境的感知信息。例如：
除了短期内辅助感知的主动行为，主动感知还包括更长时期内的规划探索：
在具身智能体系中，多模态感知正在从早期的传感器堆叠向更深度的全感官表征耦合转变。单一模态的局限性要求系统必须整合视觉语义、激光雷达、触觉反馈及本体感受等多源数据，以实现准确的环境评估、意图理解及安全决策。
为应对数据异构性与关联建模挑战，早期研究主要侧重于特征级联和决策级融合，以及利用交叉注意力机制实现异构特征对齐的统一空间表征。近年来，具身感知更强调在非结构化交互中的感知鲁棒性与多传感器的协同对齐：
这些进展标志着多模态感知已跨越简单的语义感知任务，迈向具备持续时空一致性的全感官物理认知。
在动态环境中，感知模块的自适应能力至关重要，这使得智能体能够实时调整其感知策略以应对环境的变化。这种适应性主要通过在线学习和迁移学习来实现。
在线学习使智能体能够通过与环境的持续交互来逐步优化其感知模型。通过持续环境交互，智能体可以持续提升感知能力，并学会更有效地利用信息来完成任务。实现这一目标需要解决两个关键问题：
最近的研究开始尝试完善整个自进化具身智能框架，提出了记忆自我更新、任务自我切换、环境自我预测、具身自我适应和模型自我进化五个重要组成部分，展现了具身智能进化的潜力。
关于具身智能感知的轻量化研究，正在从早期的静态模型压缩迈向深度耦合现实任务与硬件底层特性的全方面优化，核心目标是在边缘侧有限的功耗与算力约束下，维持高频、高精度的环境感知建模。
在算法层面，针对视觉 Transformer 计算复杂度随词元数量呈二次方增长的瓶颈，研究界引入了层级化提前退出机制与跨模态引导裁剪等任务驱动的加速技术。这些技术能够：
此外，轻量化设计也进一步下沉至硬件底层，针对硬件特性实现有针对性的加速设计。这种从算法逻辑到芯片架构的深度协同，缓解了模型在资源受限终端部署的实时性瓶颈。