视觉语言动作模型的强化微调方法、装置、设备及介质

本发明涉及人工智能领域，可应用于金融科技、医疗健康等业务系统平台中，公开了视觉语言动作模型的强化微调方法、装置、设备及介质，包括：加载待微调的视觉语言动作模型，视觉语言动作模型用于根据视觉信息和语言指令操作机器人执行相应的动作任务；采集多条演示数据，通过演示数据对视觉语言动作模型进行离线强化学习，获得离线微调模型；将离线微调模型部署到实际环境中，控制机器人按任务重置策略与环境进行交互，获得探索轨迹与环境反馈；根据探索轨迹、环境反馈与演示数据对离线微调模型进行在线强化学习，获得微调后的视觉语言动作模型。通过分阶段的强化微调以及任务重置策略实现协同的模型微调，提高微调效果以确保机器人运行的可靠性。