一种基于自适应加权的VLA流模型的机器人控制方法

本发明公开了一种基于自适应加权的VLA流模型的机器人控制方法。方法包括：建立能量加权流匹配损失函数作为VLA流模型的损失函数；建立权衡样本数据质量和原损失函数梯度方差的关于自适应缩放因子的非线性方程；以批次训练模型并求解非线性方程后获得最优缩放因子，动态调整损失函数的样本权重直至收敛；将机器人的多模态观测信息输入VLA流模型中，处理后输出动作序列以控制机器人的关节角度运动。本发明提供了高效且稳定的自适应离线强化学习流匹配ARFM后训练方法，通过动态调整损失函数中的样本权重，在样本数据质量和损失函数梯度方差之间取得平衡，从而显著提升VLA流模型在机器人操作的复杂任务中的泛化能力、鲁棒性以及少样本和持续学习性能。