本发明公开了一种应用于智能机器人的增量学习及装置。该方法在模型初始化阶段，将所述混合数据集输入至第一深度学习神经网络模型，并完成第一深度学习神经网络模型的初始化，得到第一深度学习神经网络模型的初始权重参数；在知识蒸馏阶段，根据交叉熵损失函数和蒸馏损失函数继续对所述第一深度学习神经网络模型进行训练，得到第二深度学习神经网络模型及其第二权重参数；在权重对齐阶段，根据第一深度学习神经网络模型的初始权重参数对第二深度学习神经网络模型的第二权重参数进行对齐调整，得到第三深度学习神经网络模型及其第三权重参数。本发明技术方案大大减轻了增量学习中的灾难性遗忘问题，提高了智能机器人对旧任务的记忆力和执行力。