仿人机器人的研究开始于70年代。自从1996年本田推出仿人机器人P2后,仿人机器人的研发成为了机器人研究的一个重要领域,至今方兴未艾。双足机器人的步行一直是机器人研究的热点。其难点体现在实现的复杂性以及步行的灵活性和稳定性。运动学模型通常是机器人动作尤其是步行实现的重要前提。本文先针对一种具体的机器人模型详细阐述其正运动学的实现方法。在推导解析法求解逆运动学过程的同时,还介绍了使用BP神经网络进行求解的方法。全向步行是类人的高度灵活的步行方法。关键帧在机器人步行控制中有着重要的地位。本文通过对全向步态进行分解,将其看成是独立的三个运动的融合。并且只需要规划每个运动中的关键帧。通过一系列的比较,采用了三次样条插值来生成步行中的中间帧。文中分阶段地对每一个运动进行详细的规划,在得到关键帧后生成中间帧,并通过逆运动学实现对各关节角的控制,从而实现了全向步态。本文在RoboCup3D仿真平台(SimSpark)中对全向步态方法进行了实现。之后利用BP神经网络及强化学习的方法进行全向步行参数的学习和优化。最终达到了步行的灵活、稳定和低耗时,能满足机器人进行动态目标跟踪的要求。SimSpark还是研究多智能体系统的重要平台。基于该平台我们开发了Engine3D仿真球队,并在该平台下进行仿人机器人和多智能体的研究。提出了基于通讯和可信度的定位方法,以及基于角色切换的多机器人协作进攻和协作防守的方法。在结合全向步态生成器后,双足机器人不仅在行动上也表现出很高的灵活性,而且在决策上也表现出很好的智能型。