一种基于虚实大数据的机器人多任务迁移方法、设备及介质

本发明涉及一种基于虚实大数据的机器人多任务迁移方法、设备及介质，在其模型训练中，采集虚拟数据和真实数据，构建迁移评估模型，通过域对齐损失函数量化并减小虚实数据分布差异，生成增强虚拟数据。依据子任务在环境复杂度、传感器精度等维度的需求，动态确定虚实数据混合比例，构建集成训练数据集，输入Transformer架构进行预训练，得到初始多模态大模型。在多任务设定下构建共享特征空间，引入对抗训练，通过联合优化多任务损失和域适应损失实现跨域特征对齐。利用对齐后的多任务虚实数据对模型进行微调，获得具备跨任务、跨场景迁移能力的视觉‑语言‑动作大模型。与现有技术相比，本发明具有高适应性、效率高和泛化能力强等优点。