云机器人是近年来新兴的交叉研究领域,其主要是借助云计算资源,协助完成机器人本体端的诸多任务。为机器人构建云端大脑,实现机器人的终身学习是云机器人系统的愿景之一,针对这一目标,本文作出了研究,提出了基于联邦学习的机器人终身学习系统框架及其关键算法,并且对相同含义不同维度传感器数据(同源异构)、不同含义且不同维度传感数据(异源异构)的情况进行了分析,提出了相适应的框架和算法,实现了云机器人系统中云端大脑的构建。借助云端的共享模型,云机器人系统能够实现本地机器人知识的融合、进化、迁移,有效地提升了本地机器人的学习效率。本文主要完成了以下工作:1、首先,在云机器人终身学习系统数据同源同构的前提下,提出了基于联邦学习的机器人终身学习系统基本框架:终身联邦强化学习(LFRL)。提出了其中的基于生成式网络的云端知识融合算法,提供了两种可用的知识迁移方法,并分别对LFRL和其中的关键算法进行了实验验证,实验结果表明框架和方法有效地进行了知识融合和进化。2、进一步地,针对云机器人终身学习系统中数据同源异构的情况,提出了异构联邦学习(HFL)及其云端知识融合算法、知识迁移算法,并分别对HFL和云端知识融合算法进行了实验验证。3、更进一步地,针对云机器人终身学习系统中更复杂的数据异源异构的情况,提出了联邦模仿学习(FIL)及其云端知识融合算法,提供了可用的知识迁移方法,并分别对FIL和云端知识融合算法进行了实验验证。