一种具身机器人的处理方法、装置、电子设备及存储介质

本申请提供了一种具身机器人的处理方法、装置、电子设备及存储介质，包括：获取具身机器人针对于目标场景的当前视觉信息、任务指令信息以及当前机械臂状态信息；将当前视觉信息、任务指令信息、当前机械臂状态信息输入至全局状态中间监督网络模型之中进行视觉预测处理以及动作预测处理，预测出具身机器人的下一时刻视觉信息以及身机器人的动作块序列；当具身机器人执行完动作块序列后将下一时刻视觉信息以及执行完动作块序列的机械臂状态输入至全局状态中间监督网络模型之中继续进行视觉预测处理以及动作预测处理，直至具身机器人完成任务指令信息所对应的目标任务时停止预测。显著提升了具身机器人在复杂操作场景中的适应性和执行精度。