目前的具身智能架構分為端到端模型與凍結參數的大模型結合基礎模型。端到端的架構可以直接從輸入數據到目標結果, 不需要進行提示詞工程, 較為簡潔高效, 往往在規劃級、動作級中使用; 凍結參數的大模型結合基礎模型使用的大模型通常是在廣泛的數據上預訓練好的, 在利用大模型的強大能力的同時保留了對特定任務進行微調的靈活性,在需求級、任務級中使用較多。使用預訓練模型可以顯著減少訓練時間和所需的數據量, 普遍適用于數據較為稀缺的任務。