基于三维空间与实例理解增强的VLA机器人控制系统

本发明提供了一种基于三维空间与实例理解增强的VLA机器人控制系统，属于计算机视觉与机器人控制技术领域。该系统中，多视角空间融合模块与空间条件几何聚合模块，将多视角的图像视觉特征提升至统一的全局记忆库中，并在所有模态中引入显式的多视角一致性约束，使模型能够建立全局一致的几何特征；以物体为中心的三维实例模块，直接在连续的三维空间中初始化状态探测器，提取物理实体的高层三维实例特征向量，实现了对物体三维边界和几何形状的精确感知；坐标驱动的三维自监督预测模块，保留了预训练后的自监督预测器，将其重新用于坐标条件下的特征回归，从部分可见的视角中合成被遮挡的几何结构特征，从而在严重遮挡下依然保持连贯的推理能力。