1.一種高斯預測模型訓練方法，其特征在于，所述方法包括：
2.如權利要求1所述的方法，其特征在于，所述預訓練高斯預測模型包括：預訓練參數預測模型和初始參數優化模型；所述根據所述第一樣本圖像采用預訓練高斯預測模型進行參數預測，得到第一預測高斯參數和第二預測高斯參數，包括：
3.如權利要求2所述的方法，其特征在于，所述根據所述第一樣本圖像采用所述預訓練參數預測模型進行參數預測，得到所述第一預測高斯參數，包括：
4.如權利要求3所述的方法，其特征在于，所述采用所述預訓練參數預測模型中的深度預測模塊對所述樣本特征圖進行深度估計，得到深度圖像，包括：
5.如權利要求4所述的方法，其特征在于，所述獲取訓練三維場景在第一預設視角的第一樣本圖像和第一目標視角的第二樣本圖像，包括：
6.如權利要求3所述的方法，其特征在于，所述根據所述第一樣本圖像采用預訓練高斯預測模型進行參數預測，得到第一預測高斯參數和第二預測高斯參數之前，所述方法還包括：
7.如權利要求6所述的方法，其特征在于，所述根據所述第一訓練損失和所述第二訓練損失，對所述預訓練高斯預測模型進行訓練，得到目標高斯預測模型，包括：
8.如權利要求2所述的方法，其特征在于，所述初始參數優化模型為圖神經網絡模型，所述根據所述第一預測高斯參數采用所述初始參數優化模型進行優化，得到所述第二預測高斯參數，包括：
9.一種基于高斯預測模型的機器人強化學習方法，其特征在于，所述方法包括：
10.一種電子設備，其特征在于，包括：處理器、存儲介質和總線，所述存儲介質存儲有所述處理器可執行的程序指令，當電子設備運行時，所述處理器與所述存儲介質之間通過總線通信，所述處理器執行所述程序指令，以執行如權利要求1至8任一項所述的高斯預測模型訓練方法，或者如權利要求9所述的基于高斯預測模型的機器人強化學習方法。