一种机器人策略生成方法、装置、计算机及存储介质

本申请公开了一种机器人策略生成方法、装置、计算机及存储介质，通过置信度触发器判定VLM策略网络生成的初始计划是否应该被直接执行，实现非必要不反思，提升任务执行效率，若置信度低于预设阈值，则进入反思阶段，通过生成由多个候选动作引导的多条候选未来轨迹，并对每条候选未来轨迹进行优势评估，提供更为精确的监督信号并增强决策的鲁棒性，将评估结果作为VLM策略网络的反馈，由VLM策略网络在解码阶段聚合所有轨迹的反馈信息修正初始计划，生成最优动作并执行，本申请能够精确识别出低质量动作规划并修正，实现了效率与性能的平衡。