运动基元（Motor Primitives，简称MPs）是指构成复杂运动行为的基本单元模块，类似于语言中的词汇或音乐中的音符。在具身智能领域，运动基元将连续的运动轨迹分解为可组合、可重复使用的基本动作片段，这些片段能够通过参数化调整适应不同的任务需求。从生物力学角度来看，运动基元模仿了人类和动物神经系统中存在的模块化运动控制机制，例如伸手、抓握、行走等基础动作模式。其数学表征通常采用动态系统模型（如动态运动基元DMPs），通过非线性微分方程描述运动轨迹的时间演化规律。
在AI产品开发中，运动基元技术显著提升了机器人动作规划的效率和适应性。工业机械臂可通过预定义的运动基元库快速组合出装配动作序列，服务机器人则能基于环境反馈实时调整基元参数实现柔性操作。近年来，运动基元与深度强化学习的结合更开创了新局面——波士顿动力Atlas机器人的跑酷动作便是通过分层运动基元架构实现的。这种技术路径既保证了底层动作的稳定性，又赋予系统应对突发状况的应变能力，为具身智能产品的落地提供了可靠的运动控制方案。