本发明涉及一种基于空间关系推理的多模态指令解析与执行方法及系统，属人机交互领域。其中，该方法包括获取自然语言指令和场景图像，进行意图识别并输出意图列表，意图列表包括主要意图、目标对象和空间关系关键词；基于意图列表构建空间关系推理引擎，并...