一种基于双扩散模型的机器人持续模仿学习方法及系统

本发明属于机器人学习技术领域，并具体公开了一种基于双扩散模型的机器人持续模仿学习方法及系统。包括：通过利用预训练的潜扩散模型，在潜空间中生成旧任务数据，通过任务标识的引导，结合条件扩散生成模型，生成与旧任务相关的图像和状态数据，建模来构建扩散模型，实现从状态到动作的多模态映射，生成多样化的动作序列，通过预训练的变分自编码器和条件扩散模型，生成高质量的图像和状态数据，通过时序连续性约束和语义一致性约束，确保生成的数据在时间上的一致性和全局语义的准确性；对潜扩散模型进行反馈优化训练。本发明通过动态调整损失权重，结合模仿学习策略和生成器的协同训练，确保模型在复杂任务中表现出良好的泛化能力和稳定性。