用于智能体连续控制系统的多任务AI世界模型训练方法及系统

本发明公开了用于智能体连续控制系统的多任务AI世界模型训练方法及系统，涉及人工智能及世界模型技术领域，解决采用非结构化残差拟合真实值与骨干预测值的差距时，容易拟合高频噪声致使鲁棒性不足的技术问题。在每个训练迭代步：获取轨迹片段，轨迹片段包括多个连续时间步的观测状态、动作和任务嵌入；将观测状态、动作和任务嵌入输入AI世界模型，其包括：编码器、基础潜在动力学模块、结构化残差模块、预测头组，结构化残差模块基于的潜在状态、动作和任务嵌入获得残差特征，基于结构化基专家组的输出特征获得结构化残差和下一修正潜在状态；基于多个预测结果计算损失，基于损失更新结构化残差模块和预测头组的可学习参数。