在各种形式的机器人中，仿人机器人是系统结构相对较为复杂、集成度较高且与人类最为相似的一类机器人。近年来，由于仿人机器人在加工、制造和运输等工业领域，以及医疗、服务和娱乐等社会领域的广泛应用前景，仿人机器人的研究与开发引起了日本和欧美等许多发达国家的科学家和企业家的极大热情。对于仿人机器人而言，类人的双足步行运动是其显著特点。如何高效地实现仿人机器人的双足步行，并提高其在特殊地形下的步行平衡性，一直是机器人领域的一个研究热点。本论文研究了仿人机器人双足步行的步态规划高效性和特殊地形下的步行稳定性，主要工作可归纳为以下四个方面:　　第一，分析基于线性耦合振荡器的仿人机器人步态规划方法。常用的仿人机器人的步态规划方法主要包括以下四种:基于几何约束的步态规划，基于倒立摆模型的步态规划，基于目标ZMP（Zero Moment Point，零力矩点）的步态规划，以及基于线性耦合振荡器的步态规划。前三种方法中的模型均具有明确的物理含义，最后一种方法来源于仿生学。基于线性耦合振荡器的步态规划方法相对于前面的三种方法具有计算简便、高效的优点，较适合应用在计算能力有限的小型仿人机器人上。　　第二，在采用线性耦合振荡器模型的仿人机器人步态规划中，线性耦合振荡器(Linear Coupled Oscillator)部分参数依靠手动调整、难以获得能稳定行走的参数值。故给出了一种优化线性耦合振荡器参数的算法以改善整个步态规划方法。将机器人的步行速度、行走过程中的质心振动幅度和ZMP曲线的回绕率组合起来作为优化目标，定义并选定ZMP稳定裕度为约束条件，采用带约束的非线性优化方法作为求解工具，在部分参数固定的情况下，计算得到线性耦合振荡器部分参数的最优值。　　第三，给出坡面地形上机器人步行平衡控制方法。由于单独使用加速度计或者陀螺仪的误差过大，需要联合这两者的数据来测量机器人身体的倾角。为机器人上下坡步行过程建立一个MDP（Markov Decision Procession，马尔可夫决策过程），再通过RLA（Reinforcement Learning，增强学习）算法来求解最佳的决策来对的机器人重心进行控制以确保坡面步行平衡性。　　第四，通过仿真实验和实际平台来验证所述方法的有效性。Matlab仿真结果表明，优化方法选择的参数能在保证较大ZMP稳定裕度的情况下实现机器人的快速步行。在DARwIn-OP仿人机器人开放平台上进行了步态规划实验，其结果表明优化得到的线性耦合振荡器参数能保证仿人机器人以较大速度稳定行走。此外，在基于ODE的开源动力学、机器人仿真软件Webots上进行了DARwIn-OP机器人爬坡仿真实验，实验结果表明所述平衡控制方法能实现机器人在0°～30°坡面上的稳定步行。