원래 이름 기록: 重庆市科学技术研究院

本申请涉及数据处理技术领域，公开了基于多模态科技创新资源的数据管理方法及系统，方法包括：从多个数据源采集多模态数据；执行噪声剔除、缺失值填充和格式标准化处理；输入数据至相应模型，生成各模态特征向量；使用图神经网络映射特征向量至统一向量空间；动态调整模态索引权重，更新跨模态索引集合；接收查询请求，计算相似度并返回查询结果；根据查询反馈调整索引权重，优化存储策略；系统包括：数据采集模块、数据清洗模块、特征提取模块、跨模态索引生成模块、动态索引优化模块及查询与存储管理模块。本发明采用了多模态数据融合与处理的方法，通过对文本、图像、视频多种类型的数据进行有效整合，构建了更为全面的特征表示体系。

本发明公开一种基于时序和阶段信息的机器人模仿学习方法及装置，包括在机器人任务执行过程中，获取时序增强指令，对所述时序增强指令进行编码获取时序嵌入向量，获取顶部视觉图像，基于所述顶部视觉图像获取阶段嵌入向量，基于时序嵌入向量获取特征级线性调制参数，提取视觉特征，基于特征级线性调制参数和视觉特征获取时序调制后的视觉特征，将时序调制后的视觉特征、机器人本体状态和阶段嵌入向量进行融合，得到融合特征，输入融合特征到策略模型中，输出机器人的预测动作。本发明实时推断机器人任务执行过程中的阶段嵌入向量，再与时序调制后的视觉特征和机器人本体状态一同输入至策略模型，实现对复杂任务的细粒度引导。