基于触觉预测预训练的机器人控制方法

一种基于触觉预测预训练的机器人控制方法，通过在离线阶段通过采集并生成由三通道的图像张量组成的人类玩耍数据集，用于训练构造得到的包含触觉编、解码器以及动作、视觉编码器的条件化扩散模型，在在线阶段将训练后的条件化扩散模型集成到标准的模仿学习策略网络中，根据机器人自身状态、当前视觉特征以及模仿学习策略网络提取的触觉特征向量，生成机器人的动作指令。本发明通过训练深度神经网络模型完成特定的代理任务，即根据历史信息和未来的动作意图，预测未来的触觉信号序列并经优化该预测任务后，使得模型能够表征接触物理动态规律的通用触觉特征以进一步迁移至下游的机器人控制任务中。