为实现机械手自主执行复杂的抓取任务,传统的抓取规划方法通常采用预先编程或者示教学习的方法,但这多数都依赖于抓取任务的简化表示,结构化的建模方式或基于特定任务的控制器设计。一旦考虑到抓取任务执行的实际应用场景,复杂多变的作业目标,任务执行的不确定性将大大增加,功能单一的机械手适用范围也受到极大限制。仿照人手性能所设计的欠驱动多指手扩展了工业机械手的性能,但同时也使其控制难度加大。因此,本文提出面向欠驱动灵巧手的抓取规划与控制框架。主要研究内容如下:结合机械手实际抓取经验与仿真运动数据建立抓取经验数据库。面向自主研发的欠驱动三指机械手,从灵巧性及自适应性分析其传动特点与运动特性,并通过实验验证机械手抓取特性。记录实验中的抓取参数,将其作为仿真的数据来源。在仿真环境中搭建机械手的柔性传动结构与协同运动特性,提取抓取过程的运动路径,得到抓取任务的演示样本,最终建立抓取经验数据库。基于核态运动基元开发自适应抓取规划算法。通过高斯混合模型对抓取经验数据库中的演示样本进行建模,学习到运动路径的概率信息并得到偏转运动基元与屈伸运动基元。基于此,利用物体到机械手的关联表示以及核态运动基元的重规划,将学习的运动特性在不同目标对象上推广,实现抓取轨迹的局部调整以满足新抓取任务的自适应要求。采用触觉感知信息构建“感知-行为”抓取控制系统。为增强机械手的稳定抓取能力,通过触觉传感器提取出抓取任务中的受力信息,并结合抓取规划算法设计基于触觉感知的控制策略。利用运动基元的位置信息与传感器的感知信息,提出基于力与位置的跟踪控制与基于力补偿的自适应控制方法,并应用于自主研发的欠驱动机械手。最后通过多组实验验证系统对新抓取任务的泛化能力与控制算法的可行性。整体系统面向自主研发的机械手,以“灵巧抓取规划”为核心,“稳定控制”为原则,基于模仿学习与感知信息构建“感知-行为”的关联关系,实现新环境抓取任务的自主规划。