随着工业4.0和制造2025的持续深化，协作机器人脱颖而出。从工业制造到家庭，机器人的应用广泛，工作环境逐渐从结构化环境演化为非结构化环境，机器人不再是完全替代人而是赋予人的角色，与人协作完成复杂的任务。实际过程中，人机协作面对不同的环境、不同任务以及不同的协作者，而且若在人机协作的场景中加入障碍物，这也对协作机器人来说是一个巨大的挑战。
　　面向人机协作和避障这一共性问题，针对时间敏感的人机协作任务，开展基于时间索引高斯过程的双空间协作概率运动基元研究，规避了复杂的逆运动学求解。针对状态敏感的人机协作任务，开展基于状态索引的非线性动态系统的融合动态协作系统的协作基元研究，增加了协作的鲁棒性，并将上述两种协作框架分别结合避障算法以实现人机协作中的避障。本文具体研究如下：
　　（1）人机协作中深度学习检测空间障碍物的研究。根据目前前沿的深度学习算法，YOLOv3算法具备实时性和识别速度快的性能，利用实验室现有的小觅双目深度摄像头，搭建好实验平台，拍摄好照片利用YOLOv3算法识别出实验给定的障碍物，接着根据深度图可得到空间坐标，进而可得到空间障碍物的尺寸信息。
　　（2）时间/状态索引协作基元研究。开展双空间并行概率运动基元框架研究，该框架构建人机协作在关节和笛卡尔两个空间运动基元的概率模型，从示范任务中学习人与机器人在双空间中交互动作的非线性相关性，接着使用人体动作为条件并根据人与机器人在双空间中的相关关系来推断机器人的协作运动，适用于时间敏感的人机协作任务。针对状态敏感的协作任务，基于SEDS模型总结出基于状态索引的融合动态系统，并融合两个SEDS动力学系统，通过GMR预测同步协调人和机器人的运动，通过点对点的多步估计收敛到目标终点，且能够对环境的变化做出快速反应。
　　（3）人机协作中避障路径规划研究。总结出两种避障方法来与两种协作系统模型进行结合，皆能很好的完成避障。其一是改进的RRT*作为双空间协作概率运动框架的避障方法，由于双空间协作框架已经预测出轨迹，因此这是属于有轨迹导向的路径点选择，接着在RRT*引力函数中加入人工势场法的引力分量，使其到达目标的速度加快。其二是在融合动态协作系统中加入在线避障算法，在保证很好的与提出的人机协作框架进行协调的前提下，根据障碍物的大小、位置以及形状等信息建立一个动态系统调制矩阵，对利用动态系统描述的机器人轨迹进行实时的调制，可以保证机器人在不确定的环境下安全到达目标位置。
　　（4）人机协作和避障仿真结果验证研究。本文采用两个XSENS传感器穿戴在协作者的手臂上采集人体上肢动作，UR5协作机器人采集机器人动作，最后使用ROS读取两者的数据。接着采用MATLAB进行人机协作框架数据的处理与训练，以及协作智能体的意图识别以及机器人的动作预测。最后使用MATLAB和机器人工具箱进行实验的仿真验证，通过实验结果证明融合动态协作系统以及避障算法是有效的。