机器人的控制问题无论在理论界还是工程界多年来一直备受人们关注。机器人不仅是一个十分复杂的时变、强耦合、高度非线性系统,而且实际上还存在诸多不确定因素,诸如测量误差、摩擦、负载变化、随机扰动及未建模动态等,因此无法得到完整的、精确的机器人系统模型。在机器人轨迹跟踪过程中,也存在系统元件故障引起机器人结构变化及运动轨迹逆解求取的实时性等问题。对于高速、高精度、高性能机器人系统而言,这些不确定因素严重影响其控制品质,为此研究不确定机器人的控制问题具有重要的理论意义和实用价值。鲁棒控制问题则恰恰是其中的焦点问题之一。我们必须面对机器人大量不确定性因素的存在,而鲁棒控制正是以具有不确定性的系统为研究对象的控制技术。因此,研究具有不确定性机器人的鲁棒控制问题就具有十分重要的理论和实践意义。首先,本文针对双足步行机器人进行基础性的研究工作,建立了七连杆步行机器人的简化模型。基于齐次坐标变换理论对双足步行机器人进行了正逆运动学建模。在运动学建模的基础上,基于拉格朗日动力学方程推导双足机器人的动力学方程。接着,系统地梳理了当前机器人技术的几类控制策略,分析比较了各自的有缺点。然后,针对外部干扰难以测量的不确定机器人系统,采用一种改进后的机器人鲁棒控制策略,通过仿真实验验证了所提控制方案的有效性。针对鲁棒控制策略虽然可以保证系统的稳定性,但是不能获得良好的暂态性能,并且不确定性的上界难以获知的缺点,探讨一种基于神经网络的鲁棒控制器。它将鲁棒控制和神经网络结合起来构成自适应控制系统。而在鲁棒自适应控制中加入了PD控制器,可以避免加速度测量,增强速度信号的抗干扰能力,而且通过设计纯粹的前馈项并对其进行离线计算,大大降低实时控制的运算量,故简化了控制结构。最后,文中给出该方向发展趋势与展望。