移动操作机器人将移动平台的移动能力和机械臂的操作能力进行了高效结合,因此在物料搬运、自动上下料、大型零件的表面处理以及智能运维等领域具有巨大的潜力,但针对单一任务对移动操作机器人进行编程的传统方法不仅技术上的门槛和成本高,且效率低下。机器人模仿学习技术的发展,让机器人的使用者可以按照自身的任务需求,通过示教实现机器人的性能提升和功能扩展,让机器人的应用摆脱了对使用者专业知识的依赖,不仅带来了机器人智能化水平和相关行业效率的提升,也使得机器人能够逐渐走近不具备相关专业知识的普通人。然而,目前关于机器人模仿学习的研究还主要集中在固定基座机械臂,而固定机械臂与移动操作机器人在结构、任务以及环境等方面都存在显著的差异,因此,相比于固定机械臂的模仿学习,移动操作机器人的模仿学习在示教轨迹的自主学习、任务的执行等各个方面都面临着新的挑战,固定机械臂的模仿学习方法已无法适应移动操作机器人的模仿学习要求,而目前仍缺乏面向移动操作机器人的模仿学习方法。针对移动操作机器人模仿学习所面临的挑战,本文从未知轨迹的自主学习、多约束下的轨迹跟踪以及面向移动操作机器人的模仿学习方法等三个层面展开对移动操作机器人模仿学习的研究,不仅对机器人、人工智能等相关领域起到一定的推动作用,也在工业生产、生活等方面有广阔的前景。轨迹学习是移动操作机器人模仿学习的核心,本文基于动态运动基元,研究了周期型和非周期型轨迹的学习模型,通过对基于动态运动基元的轨迹学习过程的深入分析和拆解,探讨了基于动态运动基元的学习模型在自主性方面所面临的两大难题,即未知轨迹类型的自主判定和学习模型参数的自主配置。本文通过融合贝叶斯优化与动态运动基元的自主学习模型,解决了上述两大难题,实现了未知轨迹的自主学习,并通过实验测试和对比分析,验证了自主学习模型的可行性。任务的执行是机器人模仿学习的重要环节,而轨迹跟踪是移动操作机器人执行任务的关键,移动操作机器人在轨迹跟踪过程中面临的自身结构以及外界环境的诸多约束,不同的约束会给机器人造成相应的约束力,本文通过最小化总约束力,实现了不同约束任务优先级的自主分配,同时,通过基于人工势能场的雅克比矩阵建立方法,建立了轨迹跟踪、避障、奇异位姿等各项约束任务的雅克比矩阵,通过雅克比矩阵零空间投影的方法,确保了移动操作机器人按照指定的任务优先级协调自身运动,在上述基础上,建立了基于多目标优化与零空间投影的移动操作机器人轨迹跟踪算法,实现了移动操作机器人在满足各项内外部约束条件下的轨迹跟踪。最后,通过实验验证了该算法的可行性,结果表明该算法不仅确保了轨迹跟踪过程的安全性,轨迹跟踪的平均误差也比类似算法降低了37.1%。本文根据机器人模仿学习的过程,基于固定机械臂与移动操作机器人在结构、任务和环境等方面的差异,对固定机械臂与移动操作机器人的模仿学习进行了对比分析,明确了移动操作机器人模仿学习所面临的挑战,在上述自主学习模型与轨迹跟踪算法的基础上,提出了面向移动操作机器人的自主模仿学习方法,不仅解决了移动操作机器人模仿学习所面临的各种问题,而且实现了移动操作机器人模仿学习全过程的自主管理。最后,根据移动操作机器人模仿学习的需求和理论研究结果,搭建了轮式移动操作机器人实验平台,通过擦白板学习实验、倒水学习实验以及抓取放置任务学习实验等实验,验证了本文所提出的基于自主学习模型的移动操作机器人模仿学习相关理论的可行性以及对不同类型任务的适用性。