遥操作（Teleoperation）技术对于实现人机交互具有重要意义,但是传统的遥操作技术往往是通过操纵杆、控制面板控制机械臂,在操作任务中对操作者的经验技术要求很高,并且无法模仿人类动作完成任务。针对无经验的操作者,本文提出基于可穿戴设备遥操作和基于VR设备遥操作两种方式,分别实现了基于概率运动基元的Baxter机械臂与基于新颖的Teach Net深度学习网络Shadow灵巧手的模仿学习操作。具体研究内容如下:首先,针对可穿戴设备遥操作过程中的延迟问题,延迟问题主要在于远距离通讯与映射关系的设计,本文在利用实验室中的局域网进行通讯的前提下,给出人体关节到机械臂关节的映射关系。利用自主研制的数据手套实时采集操作者手臂的姿态信息,采用基于速度的控制方式使Baxter机械臂运动过程十分平滑。针对可穿戴设备遥操作过程中的距离限制问题,在数据手套加入无线通讯模块,并设计无线通讯模块与机器人操作系统ROS的通讯系统。实验结果表明,机械臂能够完成多个轨迹动作,实现了机械臂与人类动作实时的运动跟随,并且在一定距离范围内能够完成远程遥操作任务。其次,针对穿戴设备遥操作数据单一、距离限制、目标性差的问题,提出了一种基于VR虚拟现实技术的遥操作方案。利用HTC vive pro设备完成Baxter机械臂遥操作示教,设计Unity项目获取HTC vive pro设备的两个手柄姿态信息,并在ROS系统完成与Unity平台通讯以及机械臂控制。由于可穿戴设备遥操作过程使用的关节角控制方式,需要人类基于经验不断调整手臂姿态才能完成机械臂末端夹具的抓取操作,所以进一步提出基于时间的差值增量控制方法,实现机械臂高精度的目标抓取任务。实验结果表明,基于VR虚拟现实技术的遥操作比基于可穿戴设备的遥操作精度更高,能够很好的完成复杂的操作任务。最后,为了实现机械臂与灵巧手联合弹钢琴任务,对机械臂与灵巧手分别提出了不同的模仿学习算法。由于VR虚拟现实遥操作需要依赖实验环境及操作人员,提出了基于概率运动基元的机械臂模仿学习方法。通过学习Baxter机械臂遥操作的高质量运动样本获得的轨迹数据,完成模仿学习任务,相比于VR设备每次针对不同任务需要调整定位相机位置等初始化工作,所提方法能够针对不同地点任务泛化出对应轨迹。实验结果表明,不仅在异地远程模仿了相似的任务轨迹,而且针对不同类型的UR机械臂,依然可以模仿出相似的任务轨迹。进一步提出基于视觉的深度学习网络（Teach Net）Shadow灵巧手模仿学习方法,实验结果表明,利用该框架进行灵巧手模仿操作时误差更小,在不同操作者进行灵巧手模仿任务时表现较好,同时省略了操作者学习适应的过程,减少了灵巧手模仿任务的时间。在完成模仿手臂弹钢琴任务上,先利用UR5机械臂模仿手臂运动轨迹到达目标点,然后模仿人手完成灵巧手弹钢琴任务。