机器人用于代替人在复杂环境从事各种作业任务已经成为一种趋势,而狭窄通道是一种常见的作业工况,多自由度的冗余机器人是实现狭窄空间操作的关键技术。连续体机器人是一种自身自由度大于任务空间自由度的多冗余机器人,其特性据定了自身更加灵活,能够完成许多传统工业机械臂完成不了的任务,同时,因其自由度较大,所以其规划难度也较大。因此研究超冗余的连续体机器人的路径规划具有现实意义。具有结构柔顺、灵活性高的特点,在狭窄空间探测和操作领域具有广阔的应用前景。然而,连续体机器人在规划上存在巨大挑战,需要同时满足末端和形状的约束。针对此问题,本文提出了基于改进高斯采样的PRM规划方法,解决了连续体机器人狭窄空间规划问题。首先,以连续体机器人为研究对象,进行了连续体机器人的运动学建模,为连续体机器人的规划奠定了基础。首先,研究了连续体机器人的正运动学,分析了连续体机器人的运动关系映射,介绍连续体机器人的各项参数和关系,根据经典的D-H方法建立和推导了机器人正运动学方程。以此数学模型为基础点采用蒙特卡洛的方法绘制出了机器人的工作空间点云分布图,并对工作空间进行了详细的分析。其次,针对连续体机器人在狭窄空间下的路径规划问题,介绍了传统的PRM算法,在该算法的基础上提出了改进的高斯采样的PRM方法,实现了连续体机器人的末端的轨迹规划。并针对PRM算法中的关键问题进行了仿真,通过仿真进一步分析了PRM算法在狭窄空间中规划的关键性问题。同时针对狭窄空间的识别问题,提出将聚类方法应用于此,达到识别狭窄空间的目的。针对改进的算法进行了仿真,结果表明该改进算法在狭窄空间环境中提升了搜索效率。针对狭窄空间的识别问题的仿真结果表明基于聚类算法识别狭窄空间的有效性,同时将该方法与传统的方法进行了比较,仿真结果表明了聚类识别在狭窄空间下的识别效率有了很大的提升。最后,为实现连续体机器人形状规划,以上一章节得到的末端轨迹为约束,研究了连续体机器人的逆运动学求解和规划方法。提出了一种基于改进FABAIK的臂型空间规划方法,实现了连续体机器人的臂型轨迹规划。针对此改进算法进行了仿真,验证了所提算法在狭窄空间规划下的有效性。