人工智能模型的训练方法、机器人的控制方法、系统、设备及程序产品

本申请提供了一种人工智能模型的训练方法、机器人的控制方法、系统、设备及程序产品，本申请通过构建对应不同认知功能的多类仿生引导特征单元，在模型内部实现不同能力的显式解耦，能够分门别类地利用互联网规模的异源数据进行自监督预训练，有助于降低对昂贵遥操作数据的依赖，并增强模型利用异源数据形成认知先验的能力；在推理阶段，根据任务需求动态激活所需认知单元并融合压缩记忆向量，使计算资源消耗与任务需求相匹配，并减少无关认知单元产生的计算开销。本申请能够在有限训练数据和边缘算力条件下兼顾认知先验学习、机器人动作对齐及任务自适应推理，为通用机器人从实验室环境走向大规模边缘应用提供了可行路径。