在过去的几十年中,有越来越多的学者关注机器人系统的控制问题。现如今机器人被运用在各个领域,但由于其位置和速度容易被外界干扰,使得所获取的信息不准确。信息获取的不准确将导致机器人的行动受到限制。并且,在实际操作中由于外界环境和本身物理局限性的影响,其状态会受到一定约束。现阶段,对于无约束状态系统的控制问题已经有了许多解决方案。然而对于带有约束的机器人系统控制问题只有较少的关注和研究。本文提出了基于浸入与不变流形(I&I)工具来解决带有全状态约束的机器人系统控制器设计问题。浸入与不变流形方法是通过选取合适的映射将控制目标渲染到流形面内,使得目标系统的像在该流形面内的轨迹有界,从而获得稳定性能。本文中,由于系统状态受到约束,就需要通过约束条件来寻找流形面,并通过浸入与不变流形来估计未知变量,使得机器人系统在约束条件下达到稳定状态。有时流形面的寻找比较困难,我们可以考虑从目标系统出发,因为其基本原理是实现将高阶原始系统浸入到低阶目标系统。成立的条件是目标系统是稳定可控的。所以说,选取可控稳定且满足约束条件的目标函数是必需的。然而,在研究I&I方法控制机器人的同时发现,并不是所有机器人系统都可以直接通过寻找目标函数来进行控制设计的。所以在本文的第三部分引入了障碍型Lyapunov(BLF)函数,它是最近兴起的解决带有约束问题的方法。它是基于原先的障碍型函数建立的。BLF的存在可以直接在设计函数时解决机器人系统的全约束状态,从而设计控制器是系统稳定。但在设计过程中,由于机器人系统部分状态是不可测的,所以在运用该方法的同时需要结合I&I方法,来估计其中不可测的部分,从而完成控制器设计。