随着科学技术的发展,机器人表现出了越来越高的智能化水平。机器人可以更加积极的与合作者进行交流以便于完成共同的任务目标。因此,如何实现合作者与机器人之间的有效交互成为了智能控制领域中新的研究问题。赋予智能控制系统人机交互能力以及决策能力是实现合作者与机器人在协同作业下完成任务的必由之路,具有重要的学术价值和实际意义。本课题以合作者与机器人在搬运或者抓取任务中实现点到点的协调柔顺运动为背景。首先,针对在人机协作中机器人如何实现对合作者意图的感知与理解,构建了基于外界信息感知的人机协调运动控制方法;其次,针对如何更加柔顺自然的实现协作任务,设计了一种基于强化学习的角色自适应分配方法,实现了在人机协作过程中合作者与机器人对系统控制权的动态分配;最后,通过点到点的人机协作实验验证了本文的研究成果。本课题主要对以下内容进行研究:（1）首先,针对如何描述与分配合作者与机器人之间的角色关系问题,建立了一种既能利用合作者的智能知识,又能利用机器人柔顺能力的人-机器人系统共享控制模型。基于该模型提出了对系统协作性能的评价指标和评价方法,建立了合作过程中的综合合作表现模型,确定了在分配系统控制权角色时的分配规则。（2）其次,针对合作者与机器人之间如何有效交互以便实现协调运动问题,提出了基于力信息的人机协调运动控制方法。在接触式人机协作中,对机器人的控制伴随着力的相互作用,因此建立了人-机器人系统基于力信息采集的通信接口,并设计了基于力信息的人机协调运动导纳控制方法,并对导纳控制中参数性能的影响进行了仿真分析。（3）最后,针对人机协作系统中如何通过对合作者与机器人之间角色进行调整以实现柔顺自然的运动形式,提出了基于模糊强化学习的人机协作系统角色自适应分配方法。对强化学习模型进行了构建,设计了一种基于ε贪婪策略指导的模糊强化学习算法。系统通过不断地学习知识和积累经验,实现了对控制权的自适应分配,最终实现了提高运动柔顺性与减小合作者努力程度的双重目标。