基于视觉语言动作模型的机器人控制方法及其相关设备

本申请提出的一种基于视觉语言动作模型的机器人控制方法及其相关设备，涉及智能机器人技术领域，方法包括：获取目标机器人的视觉观察信息、目标语言指令及机器人本体状态信息；通过预训练的视觉语言动作模型对视觉观察信息、目标语言指令及机器人本体状态信息进行推理，得到预测低维潜在向量；通过预训练的高维动作重构模块，将预测低维潜在向量重构为机器人动作指令；其中，机器人动作指令的维度与目标机器人的动作空间维度相匹配；驱动目标机器人执行高维度的机器人动作指令。本申请能够解决现有视觉语言动作模型对动作输出维度的限制，进而有效控制高自由度机器人。