随着机器人技术的不断发展和理论的不断完善,仿人机器人越来越成为人们的研究重点。人们对仿人双足步行机器人的环境适应性提出了更高的要求,不仅需要在规整地面环境下稳定行走,还要适应诸如野外、不平整路面等复杂地势的问题。与仿人双足步行机器人相比,类人猿机器人由于具有多种移动方式和步行方式转换机能,对复杂地势具有良好的环境适应性和移动灵活性,在未来的空间技术、国防、军事等方面具有很大的应用潜力,其研究具有重要的实际意义。本文是在仿人机器人步行理论的基础上,分别采用基于动力学模型的运动控制研究方法和基于小脑神经网络的智能学习运动控制研究方法,对类人猿机器人“GoRoBoT”进行了步行方式转换和起立运动的研究。首先在分析类人猿机器人步行方式转换的基础上,运用拉格朗日方程建立简化的机器人模型,对此模型设计线性多变量控制器,通过控制力矩来进行起立运动控制研究,采取摆动双臂来实现成功起立,获得了在不同着地位置下的多组起立样本及其控制参数。其次运用CMAC——小脑模型关联控制器,运用C语言进行编程,并且通过小脑神经网络的方法,使类人猿机器人对成功的样本进行学习,通过对成功样本及控制参数的泛化获得了通用的样本生成器及控制器。进而实现未经历环境下的运动控制。基于上述的理论,在机械系统动力学仿真软件ADAMS的环境下对类人猿机器人“GoRoBoT”仿真,实现了机器人的起立运动过程,并且生成了若干样本,从而验证了本文的起立样本生成方法的正确性和合理性;并将由CMAC学习得到的控制参数带入机械系统动力学仿真软件ADAMS中的控制器,对样本最大值与最小值之间的新的四足着地位置进行起立控制仿真,验证了通用样本生成器和控制器的正确性。本文还对仿真结果进行了全面的分析,通过分析类人猿机器人起立运动过程中各个运动参数的动态变化,进一步验证了本文所采用方法的正确性和合理性。