六足机器人具有离散落足的特点,具备稳定性好、负载能力强、地形适应能力强等优点,具备极强的在复杂场景中广泛应用的潜力。然而,要想充分发挥六足机器人的潜能,对其自主感知、决策、规划算法都提出了很高的要求,受限于当前人工智能技术的发展水平,自主智能对场景的泛化性通用性处理能力还不强。此外,人具有强大的推理决策、场景理解、总结学习的高级思维能力,具备突出的泛化复杂多场景及各种突发异常的处理能力。基于此,本文研究复杂环境下针对六足机器人的人机协同运动规划算法,旨在对人机智能优势互补,形成具有更高智能程度的人机协同系统。本文首先提出了考虑复杂环境多约束条件的面向六足机器人的人机协同路径规划算法,在备选路径集生成和路径选择两个环节进行了人机协同。在备选路径集生成环节:首先基于人类通过六自由度触觉力反馈设备的意图输入,应用三种方法生成人机协同的初始导引路径;接着采用三次B样条曲线对初始导引路径进行平滑,生成平滑导引路径;最后面向六足机器人针对性的设计综合多约束代价,采用基于随机梯度估计的优化求解方法,以平滑导引路径为初始解进行多轮次迭代优化,生成综合约束代价下的最优化路径作为备选路径。在从备选路径集进行路径选择的环节,采用直观的信息反馈方式,供人分析思考后通过六自由度触觉力反馈设备进行路径选择,并在路径选择时施加给人以力反馈信息,帮助人不断学习,进而使整套系统的智能不断进化。人不擅长于进行高维空间计算密集的规划任务,因此本文接着提出了考虑离散接触状态规划的快速路径评分算法。考虑无碰撞约束、准静态稳定约束、运动学约束构建了状态单步可达性判断算法,并基于深度优先剪枝搜索的主序列生成算法和基于分治搜索的主序列优化算法对路径进行了快速评分,对备选路径考虑离散接触状态规划的实际易跟踪性及跟踪质量以路径分值的形式作出了有效预测,进而作为在线交互式的有效信息帮助人进行路径选择。最后,本文设计了面向六足机器人的人机协同系统软硬件架构,并搭建了多种具有挑战性的包含多障碍物、稀疏离散几何可落足点、具有混合地形物理特征的复杂环境,基于ROS/Gazebo/rviz对提出的各算法进行了仿真验证,结果证明了算法的有效性和鲁棒性;同时开展了实物实验验证,将算法应用在具体的实物场景中,进一步证明了算法的有效性。本文的工作为六足机器人的实际运用提供了一种人机协同运动规划方案并促进了人机智能融合。