本发明提供一种基于联邦学习的机器人控制方法，包括如下步骤：A、聚合节点向各本地节点发送训练请求；B、本地节点利用当前所积累的运行数据在本地模型进行训练，并将训练所得数据发送至聚合节点；C、若聚合计算次数n＝1，则计算全模型及对应于该全模型的全准确率，并进入步骤D；若n＞N+1，则进入步骤E；D、聚合节点将所有本地节点划分为重要节点和非重要节点，并进入步骤A；E、聚合节点根据重要节点的数据进行聚合计算，并进入步骤F；F、第二周期T2后，需要时向聚合节点发送更新请求，进入步骤A。本发明能够保证机器人的工作精度始终保持在一个较高的水平，且能够在保证本地模型精度的前提下，减少聚合计算过程中计算资源的开销及通讯开销。