具有多自由度机械臂和多指灵巧手的机器人系统是仿人型机器人的重要组成部分，是实现机器人灵巧操作的执行机构。目前，随着机械臂和灵巧手越来越广泛的应用，其作业环境的复杂性和执行任务所要求的精细化程度也变得越来越高，这就对机器人的自主规划能力提出了更高的要求。本文利用HIT的4自由度机械臂和多指灵巧手为操作平台，为提高机器人臂/手系统的自主操作能力，对机器人臂/手系统的抓取和操作规划进行了深入的研究。　　多指手对物体进行精确抓取，需要确定合适的抓取点。针对机器人多指手抓取点选择困难的问题，提出一种通用的精确抓取的规划算法。通过手指与物体的接触位置，构建抓取螺旋空间，对抓取进行质量评估。根据抓取的薄弱方向，有启发地调整手指对物体的抓取点。对于任意形状的物体，可以快速计算出满足稳定性的优化抓取。　　由于机器人灵巧手与物体接触所产生的摩擦力约束为非线性约束，导致实时计算手指抓取力受到了极大的限制。本文提出了一种计算多指手优化抓取力的通用方法，其关键是利用拉格朗日乘子法，通过自动调节各手指法向接触力的权值系数，来获得满足非线性摩擦锥约束的初始抓取力，并结合梯度流的方法对初始抓取力进行优化。对于任意的干扰外力，在满足抓取稳定性的情况下，可以快速地计算出各手指的优化抓取力。并在基于位置的阻抗控制算法中引入参考力，建立了手指关节控制器，实现了任意指尖力的输出。　　多自由度机械臂和多个手指的灵巧手相当于一个冗余的串并联机构，对于同一组抓取点，存在多种抓取构型。本文对于机器人臂/手抓取结构提出一种通用的逆运动学解决方法。该方法根据D-H参数，利用优化迭代来逐次计算机器人各关节的角度，使各手指指尖到达抓取点的距离最小。并通过在目标函数中融入了多指手灵活度的目标，在计算抓取构型的同时，保证了多指手具有最佳的灵巧度。在工作空间内对于任意给定的抓取点，该方法可以快速计算出机械臂和优化的多指手抓取构型。　　基于随机采样的运动规划方法在多自由度机器人的运动规划中有着广泛的应用。针对基于随机采样的路径规划缺乏确定性的问题，提出一种具有启发式的多自由度机器人路径规划算法。该算法在快速扩展随机树(rapidly-exploring random tree，RRT)算法的基础上，引入了启发式估价函数。根据多次随机采样点的估计代价值，选择最优叶节点加入扩展树，使扩展随机树有利于朝目标点方向进行生长。实验结果表明，该算法与RRT算法相比，提高了复杂环境下机器人路径规划的效率，保证了规划的路径接近于最短路径，对同一任务的规划具有一定的可重复性。　　最后，本文阐述了机器人臂/手抓取操作系统的实现过程。并针对机器人臂/手抓取操作规划的需要，建立了机器人虚拟仿真操作环境，包括虚拟环境的构建，仿真场景中的碰撞检测和基于视觉的虚拟物体的定位。对于已知任意摆放的物体和障碍物，利用视觉提供的位姿信息，机器人自主对抓取操作进行规划，并成功完成了躲避障碍物和稳定抓取物体的操作实验。