面向机器人大模型的作业场景对齐生成方法、系统及介质

本公开涉及面向机器人大模型的作业场景对齐生成方法、系统及介质。用于解决现有技术不能生成对齐现实场景的视频，缺乏物理交互相关的细节，影响示教效果和后续规划的可靠性的问题。本公开方案利用红外图像增强附加场景背景信息，以获得场景中的细粒度结构信息，从而获得更全面的视频生成上下文提示。随后，利用扩散模型将这些增强的提示准确转化为高质量的视频内容，使得生成的视频对齐现实场景，增强机器人示教效果和后续规划的可靠性。