软体机器人易于制备、成本低、控制简单、柔顺性好,是机器人技术的前沿热点。软体手是软体机器人的重要方向,天然的被动柔顺特性使得采用简单的驱动算法即可实现稳定的抓取操作。结合可变刚结构,软体手具备刚度可控的特性,并且,柔顺性好、抓取力大,用于操作任务时,优势明显。因此,本文围绕可变刚度软体手的混合驱动结构设计、控制系统设计、抓取定位算法和智能视觉抓取等方面展开研究。具体内容如下:（1）结合层阻塞变刚度结构与腱绳驱动方法,设计具备可变刚度能力的软体手指。通过4根软体手指和支撑底座组成可变刚度软体手,腱绳带动手指弯曲形变,真空操作实现手指提升,通过腱绳与变刚度的混合驱动,实现可变刚度软体手多技能操作。（2）设计实现可变刚度软体手的软硬件控制系统。通过在嵌入式控制系统的硬件平台上实现控制策略算法,产生多个执行元件的同步控制时序信号,实现可变刚度软体手包络抓取、夹取、勾取和吸取的操作技能。（3）通过基于抓取数据样本的迁移学习,实现基于残差网络的深度学习算法的训练。算法用于处理深度相机的RGB-D深度图像,生成当前平台下对应的抓取成功概率分布二维矩阵,获得抓取成功率最高的抓取位点,为机械臂的抓取规划提供了抓取依据。（4）搭建以可变刚度软体手为末端机构的智能抓取平台。利用深度网络算法获取可靠的抓取位置点,经过坐标转换,将图像坐标系下的抓取位置点转化为机械臂坐标系下的位置点,使用机械臂带动可变刚度软体手到达该位置点,完成对目标物体的抓取。研制的可变刚度软体手柔顺性好、抓取力大,具备多技能操作能力。在智能抓取平台上,可变刚度软体手展现了稳定的抓取效果和对算法识别偏差的强大容错能力,能够在不损坏被抓取物体和平台的前提下,完成对物体的抓取。可变刚度软体手的可靠性强,安全性高,能够应用于较为杂乱的物体分拣场合。目前的研究工作中,可变刚度软体手可结合多技能学习,进一步开展多技能智能抓取研究,同时也可以结合柔性传感器,开展抓取感知方面的研究。