近年来,协作机器人在工业现场的应用越来越多。目前协作机器人的主要应用之一是在阻抗控制下的拖动示教,但目前的拖动示教存在着诸多问题,其中主要问题是在交互的过程中,由于人类操作员的不确定性,使得机械臂末端实际运行轨迹与人类的期望轮廓相差较大。基于该问题,本文将迭代学习引入人机交互中,旨在通过多次的迭代降低轮廓误差,并提出空间域迭代学习以提升迭代学习速度。本文从机器人、人类操作员以及交互的关系框架出发,建立机器人运动学及动力学模型、人类肢体动力学模型,再利用阻抗控制将二者结合。接着针对所提出的交互框架,提出时间域迭代学习算法,将人类的任务目标更精确的转移至协作机器人上,在阻抗控制的基础上,将人机协同工作时的人类施加给机器人末端的力、机器人末端实际运行轨迹的位置等信息输入至设置好的迭代学习算法中,从而更新得到下一次的参考轨迹,在经过数次的人机共同协作最终使得机器人的参考轨迹能逼近至人类期望轮廓,与之同步的是人类操作员与协作机器人间的接触力也在不断下降,逐渐趋近于零。最后,针对时间域中接触力的方向与轮廓误差方向存在偏差,直接利用接触力使得迭代效率较低的问题,提出空间域迭代学习算法。将机器人末端所受的接触力在所实际运行轨迹下的法向上进行分解,再将分解的力代入法向迭代学习算法中以优化普通的人机交互迭代学习算法。提出空间回溯迭代学习,引入空间回溯思想,通过寻找离参考轨迹最近的实际轨迹位置点,进一步根据实际轨迹的曲率大小进行插值以得到对应的回溯方向,再将接触力分解至回溯方向,分解值代入空间回溯迭代学习算法之中。本文通过理论分析、算法仿真和实验验证了人机协作迭代学习算法的收敛性。经过多人多次的实验验证,得出空间回溯迭代学习算法比法向迭代学习、普通迭代学习更优。