具身智能数据处理方法以及设备

本申请提供一种具身智能数据处理方法以及设备，涉及具身智能领域，该具身智能数据处理方法包括：获取具身智能体的任务参考视频；对任务参考视频进行多模态特征提取，得到任务参考视频的视觉语义特征和任务执行对象的身体姿态特征；对视觉语义特征和身体姿态特征进行融合，得到融合特征；根据融合特征，对任务参考视频进行任务识别和对任务执行对象进行行为意图识别，得到识别结果；根据识别结果，确定任务参考视频的有效视频片段，有效视频片段用于具身智能体执行任务过程中的操作的验证和/或参考。本申请通过多模态技术实现具身智能数据的自动化处理，提高了数据处理效率和准确性，节省了人力成本。