大模型驱动的云边协同具身学习方法、装置及存储介质

本发明提出一种大模型驱动的云边协同具身学习方法，包括：在云端利用小样本测试集对感知模型的性能进行量化评估，以确定当前感知模型智能水平，所述小样本测试集通过第一智能体在未知环境中采集到的测试样本构建得到，所述测试样本由观测图像数据及对应的语义真值表征；在云端利用大模型根据量化评估结果生成用于指导多模态训练数据采集的环境选择策略与探索策略；布设在边缘端的第二智能体在云端策略指导下采集多模态训练数据；将所述第二智能体采集的多模态训练数据上传至云端，在云端基于该多模态数据优化所述感知模型。本发明通过云端和边缘端的协同工作，可在有限的时间内显著提升机器人对环境的感知和理解能力。