一种基于频域增强小波Transformer模型的类人机器人学习方法

本发明公开了一种基于频域增强小波Transformer模型的类人机器人学习方法，包括，采集类人机器人的RGB图像数据集、主动臂关节信息数据集、从动臂关节信息数据集、底盘线角速度数据集和IMU线角速度数据集；将从动臂关节信息数据集、底盘线角速度数据集、IMU线角速度数据集和CLS输入Transformer编码器模块，获得重参数化样本；该方案在FE‑EMA模块在EMA基础上引入频域增强，小波Tranformer模型负责对一维时间序列数据进行处理，为捕获数据中丰富的频域信息，利用小波变换捕捉多尺度信息，实现更丰富的特征表达，同时在频域信息提取上展现出更强的鲁棒性；显著提升类人机器人的学习效率和任务完成能力。