机器人控制方法、装置、电子设备及计算机可读存储介质

本申请涉及机器人控制技术领域及保险业务和智慧医疗领域，提供了一种机器人控制方法、装置、电子设备及计算机可读存储介质，方法包括：获取语音指令和初始观察图像；基于预训练的视觉语言模型中的因果注意力子模块、语音指令和初始观察图像进行视觉推理处理，得到子目标图像；基于视觉语言模型中的全注意力子模块、语音指令、初始观察图像和子目标图像进行动作预测处理，得到预测动作序列信息；对预测动作序列信息进行评估处理，得到动作评估信息；在动作评估信息表征预测动作序列信息满足预设条件的情况下，将预测动作序列信息确定为最终动作序列信息。通过上述技术方案，能够提升机器人的任务执行的准确度。