北京人形机器人创新中心有限公司

本公开提供了一种动作预测方法、解码器训练方法及系统，其中动作预测方法，包括：基于预设采样算法对候选动作序列进行采样；根据当前观测的上下文词元序列，通过动作查询解码器预测得到目标时间步的状态表征；基于状态表征和目标表征，采用预设代价计算公式，分别计算候选动作序列的规划代价；根据规划代价筛选候选动作序列，更新当前采样分布，直到预设采样算法达到预设收敛条件；基于收敛后的采样分布确定目标动作序列，并将目标动作序列中的目标动作加入目标机器人的执行序列。本公开可以使得机器人动作规划更加关注动作引起的观测变化，避免了冗余视觉干扰。并且基于当前观测，避免了自回归方式产生的误差累积问题，提高动作预测的精度。

本申请提供了一种轨迹信息处理方法以及电子设备，属于数据处理技术领域，该方法包括：获取轨迹；确定待操作对象的几何结构信息；根据几何结构信息，确定待操作对象的关节中心以及关节方向；根据待操作对象的关节中心、关节方向以及可动高斯点集合，对轨迹进行划分，得到多个阶段的子轨迹。本申请使划分轨迹的判定严格服从对象自身的运动约束边界，摆脱对易受噪声干扰的动态信号的依赖，使轨迹划分处理具备先天鲁棒性，不仅彻底规避了静摩擦破滞、机械限位归零等导致的误识别问题，保障了动作语义的连续性与完整性，更使得各子轨迹段可作为独立单元用于后续，显著提升了机器人技能复用的可靠性、跨工件适配的免调性以及工程可维护性。

本申请提供了一种数据处理模型的训练方法、机器人控制方法及机器人，涉及机器人技术领域，其中，该方法包括：获取机器人的自然语言指令、多视角二维图像以及本体感知状态；采用初始数据处理模型中的初始视觉语言模型，根据自然语言指令、多视角二维图像、本体感知状态、随机掩码以及预设融合令牌，生成特征识别结果；根据特征识别结果，获取一种或多种损失信息；根据一种或多种损失信息，对初始数据处理模型进行调参，得到目标数据处理模型，其中，目标数据处理模型包括：目标视觉语言模型。本申请降低了机器人的制造成本以及计算成本，提升机器人在复杂真实场景中执行开放性自然语言指令的准确性与泛化性。