一种基于扩散模型的机器人模仿学习方法

一种基于扩散模型的机器人模仿学习方法，属于机器人学习与具身智能技术领域。包括：对输入的图像观测数据和机器人状态进行标准化处理，并采用灰度变换、随机擦除和高斯模糊进行图像增强；基于增强后的图像和机器人状态，训练扩散模型以生成动作序列，包括正向扩散、条件特征融合、噪声预测及联合损失优化；在实时控制中，通过图像增强网络提取特征，利用DDIM加速采样生成动作序列，并基于视觉特征差异动态调整噪声调度系数，实现闭环优化。本发明通过将图像增强技术与扩散策略深度融合，实现视觉特征与动作序列的联合优化，显著提升了机器人在复杂视觉干扰和小样本条件下的动作生成准确性与鲁棒性，在40样本量下成功率较基线提升18%。