随着社会进步和科技发展,机器人在医疗、教育、服务等诸多领域发挥着越来越重要的作用,也为机器人技术的研究带来了巨大的挑战和机遇。到今天人工智能技术的飞速发展,机器人已经具备感知、决策、记忆等能力,越来越接近人们想象中的机器“人”的概念。而机器人轨迹规划是机器人迈向智能化的基础。轨迹规划目的是为给定的起始和目标配置计算无碰撞路径。一个快速准确的轨迹规划算法对机器人系统是至关重要的。同时为使机器人更好的融入人类生活,要求机器人运动轨迹更加自然,更符合人类的运动习惯。而从演示中学习是实现这一目的有效选择。演示学习可以有效地借助人类的运动特点,实现人类经验向机器人的迁移,使机器人更加自主,运动更加拟人化。本文提出了一种基于行为示范的机械臂轨迹规划算法,并将人类运动示范迁移至机器人。基于虚拟现实(VR)技术搭建虚拟环境,收集人类手部的运动轨迹。使用人类示范的轨迹数据,训练长短时记忆(LSTM)递归神经网络,端到端生成轨迹序列。同时将人类手部位姿映射至机械臂末端,借助逆向运动学和关节插值,将人手运动轨迹迁移至机械臂,完成机械臂轨迹规划。除此以外,基于演示数据集,本文设计并实现了人机实时交互抓取系统,配合视觉伺服,实现人机抓取行为的自然交互。本文的主要贡献点有以下几点:1、基于虚拟现实技术和数据手套,使用多种虚拟物体引导人类进行抓取,采集大量人手抓取示范的运动轨迹,并对轨迹数据进行分析处理。2、采用学习的方法,基于循环神经网络,设计轨迹规划算法,并将其应用于机械臂轨迹规划问题。在虚拟仿真环境中验证了算法的可行性。3、设计实现人机实时交互系统。通过人类的抓取示范,获得已知模型的抓取方式。搭建视觉伺服系统,实时识别物体,估计物体位姿,使机器人自主选择合适的抓取点抓取物体。