当今机器人主要在受控制的工业环境中进行着重复的运动。如果将机器人部署在新的环境,或者执行其他的任务,则需要专业人员重新编程。因此,研究人员提出了可以通过演示直接向计算机或机器人教授新的技能,而不是通过机器命令对计算机或机器人进行编程的想法,并称之为示范学习。本文提出了一种从演示视频中学习机器人操纵规划的算法,其目的是让机器人可以通过观看演示视频学习新的操纵规划,而非由专业人员重新编程。这可以极大的降低机器人重新部署或者更换任务的成本和时间,在日常生活中更好地服务人类。并且输入算法的演示视频是无约束限制的,这意味着机器人可以在互联网中寻找已经存在的演示视频,自动学习新的技能。更具体地说,本文使用三元组操纵规划表达式对演示视频进行高度概括。通过使用双流卷积神经网络和Mask R-CNN对演示视频中演示者的动作和被演示者操纵的物体进行分析,从而得到三元组操纵规划表达式。然后通过深度摄像机扫描机器人运行时的真实环境,之后由机器人将从演示视频学习到的三元组操纵规划表达式在真实环境下执行。本文在名为MPII的一个包含273段无约束的演示视频公开数据集上进行实验,结果表明,本文提出的算法能够从演示视频中准确的获得三元组操纵规划表达式,总体准确率达到了73.36%。此外,本文将所提出的算法与人形机器人Baxter整合在一起,Baxter机器人通过演示视频学习操纵规划,并在真实环境中执行了所学内容,有效地验证了本文所提出的算法的性能。