通过对人体动作的模仿、学习并最终实现自主行为，是机器人智能的重要研究课题。本文以NAO机器人为平台，研究机器人关节运动的数据驱动方法，主要工作包括以下两方面。根据人机生物模型的一一对应关系，确定人体左臂肩关节驱动NAO机器人左臂肩关节的实验方案。采用高精度、灵敏度的MTi传感器，穿戴在人体左臂肩关节，实时获取人体关节运动信息，利用串口通信发送数据到PC机。基于Visual Studio2010平台，编写应用程序，实现数据的提取、计算，将数据处理成NAO关节运动可识别的Roll、Pitch以及Yaw形式。通过无线网络，建立与NAO的连接，对NAO目标关节赋值。基于Choregraphe，调用上述应用程序，实现数据驱动NAO运动，完成对人体关节动作的模仿。实验表明，NAO可实现对人体关节路线的完全模仿。基于回声状态网络，设计中枢模式发生器模型，在MATLAB平台实现此模型的训练。采用MTi传感器获取慢走状态下人体右臂、左腿的运动数据，用于训练回声状态网络，构建中枢模式发生器。取腿部运动数据作为教师信号，训练完全自主的中枢模式发生器。结果表明，这种方法对相位预测有一定的缺陷。分别以手臂运动的欧拉角、加速度作为输入，腿部运动数据为输出，训练可调制的中枢模式发生器。对比发现，输入欧拉角时，幅值预测能力较好，输入加速度时，相位预测能力较好。本文的工作是一个初步探讨，关于NAO机器人平台的调试，基于回声状态网络的运动数据建模等问题，还需要进一步研究。