本申请公开了一种面向具身智能的视觉自监督学习方法、系统、设备及介质，该方法包括：获取具身的第一人称长视频并拆分为连续视频帧，经预处理后输入预设的教师网络模型与学生网络模型；通过深度引导优化、原型物体视觉表征学习优化及教师过滤的时序学习优...