具身决策（Embodied Decision-Making）是指智能体通过感知-行动循环与环境实时交互，结合自身物理形态和运动能力进行动态判断的过程。与传统的抽象决策不同，具身决策强调身体形态、运动约束和环境物理特性对认知过程的根本性影响，其核心在于智能体必须将感知信息、运动能力和任务目标整合为统一的行动策略。这种决策范式源自认知科学的具身认知理论，认为智能行为产生于身体与环境的耦合互动中，而非纯粹的符号计算。
在AI产品开发中，具身决策技术使服务机器人能够根据实时环境变化调整清洁路径，让工业机械臂在碰撞风险下自主选择最优抓取方案。当前研究重点包括多模态感知融合、运动轨迹在线优化以及在不确定环境中的鲁棒决策。具身决策系统的落地需要特别关注计算延迟、传感器噪声和物理约束等现实因素，这要求算法设计时必须考虑硬件平台的实时性能与能耗平衡。