拟人双臂机器人符合人类对机器“人”的认知,它具有躯干并配置两条像人类一样灵活的冗余机械臂,利用其双臂协调特点既可以代替人类在特殊环境下作业,又可以在日常环境中实现与人类共融。视觉是常见的机器人外部传感器,通过视觉采集复杂环境信息可以提高双臂机器人的环境适应能力。另外,示教学习可以使机器人从人类示教数据中获得操作技能,实现与人协作,动作模仿,进而提高双臂机器人的人机交互能力以及自主学习能力。本论文围绕双臂协调操作展开研究,引入视觉伺服和示教学习方法来提高双臂机器人操作能力,推动双臂机器人智能化发展。重点解决双臂操作中环境和控制模型不确定,双臂协调特征学习等问题。主要研究内容如下:在双臂机器人非对称协调操作中,基本的任务目标是实现两个操作物位姿对齐。在工业装配场合,操作物的位姿信息是已知的,然而在其他多数应用场合下操作物的位姿信息是未知的。本研究提出一种基于图像视觉伺服的双臂自主定位方法来通过手眼协调方式实现操作物位姿对齐。将协调任务分为操作物位姿预对齐和对齐两个阶段。在第一阶段,采用场景摄像机观测双臂末端特征,结合非对称协调约束与射影空间模型,推导视觉空间路径规划算法获得双臂末端特征的期望轨迹,并采用任务函数法进行轨迹跟踪控制实现操作物位姿预对齐。在第二阶段,通过场景和手眼摄像机同时观测操作物位姿特征,建立操作物视觉位姿约束,推导多任务图像雅克比实现操作物位姿对齐。采用双臂机器人平台,通过两个典型双臂非对称协调任务来验证提出方法的有效性。双臂机器人执行对称协调操作时,任务目标是实现操作物的轨迹跟踪。当双臂末端对操作物的抓取位置精确已知时,双臂末端可以驱动操作物实现轨迹跟踪。然而,当操作物抓取位置存在偏差时,将无法实现操作物轨迹跟踪。本研究提出了基于自适应神经网络视觉伺服的双臂自主跟踪方法来实现抓取位置存在偏差情况下的操作物轨迹跟踪,通过径向基函数神经网络补偿由操作物抓取位置导致的图像雅克比不确定量。另外,由于机械臂冗余自由度的存在,双臂对称协调运动会产生关节角度漂移现象,通过对偶神经网络来求解二次规划问题进而优化冗余闭链运动来抑制关节角度漂移。采用双臂机器人平台,通过两个典型的对称协调任务来验证提出方法的有效性。在人机协作任务中机械臂末端需要跟随人类手部的位置与接触力变化。末端执行器与手部之间存在位置约束和力约束,然而这种位置/力约束通常是依靠经验给定的,这使得机械臂难以实现平稳、安全的协调操作。本研究提出基于人臂协作特征学习的人机协作方法,通过观测和学习人类双臂操作数据,获得可变的位置/力约束,也就是人类双臂协作特征。建立人机协调阻抗模型将人臂协作特征应用于机械臂控制中。采用机器人平台,通过机械臂与人类手臂进行协作搬运任务来验证提出方法的有效性。对于双臂协调运动,两个机械臂末端服从位姿协调约束,双臂关节空间服从运动学约束。然而这两种约束通常依靠经验给定的,这使得双臂机器人在笛卡儿空间难以实现平稳地协调运动,在关节空间难以实现自然地运动。本研究提出了基于人臂协调特征的拟人双臂运动方法。使用体感摄像机获取人类双臂运动数据,采用基于深度卷积神经网络的人臂末端姿态估计方法获得人臂示教数据。采用主成分分析将示教数据映射到特征空间,建立学习模型对人类双臂的臂内和臂间协调特征进行提取。将协调特征进行相似性测量,并建立特征空间冗余机械臂运动学约束以及双臂协调约束,推导双臂拟人协调运动方程重建双臂拟人协调运动。采用双臂机器人平台,通过双臂模拟倾倒和模拟搬运等两类实验任务来验证提出方法的有效性。