当前机器人技术的研究正朝着智能化和多样化的方向发展。为了符合各种应用环境的特殊要求,机器人需要具有更高的适应性,以及一定的学习能力。而传统的构建机器人的方法往往只针对特定的任务,且需要大量手工编程,费时费力,难以满足这样的要求。为此,人们在积极探索新的机器人构建方法,将人类从复杂的编程工作中解放出来,从而有更多的精力从事创造性的劳动。在构建智能机器人的方法中,模仿学习由于具有适应性强、学习效率高等优点,越来越受到关注。模仿学习避免了针对特定任务的复杂编程过程,使机器人像人类一样可以通过自己的感觉系统与环境交互作用,在与环境的交流中学习新的知识和解决问题的方法。模仿学习使机器人具有了更高的适应性,通过观察示教者的动作可以快速学习到有用的动作,这样,就能够迅速适应新的环境。并且,较之传统的机器人个体之间相互独立的学习过程,模仿学习大大提高了机器人的学习效率。实践证明,模仿学习是一种有效的机器人学习方法。本论文对“机器人动作模仿”的研究方法和研究现状做了较为详细的介绍,并搭建了用于机器人动作模仿的仿真系统,实现了对示教者手臂动作的模仿。在“智能发育理论”的启发下,本文尝试提出了一种基于HDR方法和神经网络的建立机器人“感知-行为”映射的方法,一定程度上解决了对于输入为高维复杂变量时网络收敛速度慢的问题,并且成功应用于机器人动作模仿问题,较好的完成了视觉信息处理与特征提取任务。论文的主要工作如下:1、分析了机器人模仿学习的优势与研究现状;2、通过图像处理的方法提取出了示教者手臂动作时肩关节和肘关节的转动角度;3、在“智能发育理论”的启发下,使用HDR与神经网络相结合的方法实现对手臂运动关节角度的识别,并对识别结果进行了误差和相关性分析;4、建立虚拟机械臂模型,用关节角度控制虚拟手臂转动,完成动作复现。