在人类环境中执行抓取和操作任务是许多机器人应用的必须功能,也是近年来机器人领域的研究热点。实现上述功能对机器人末端执行器的研究提出了诸多挑战。与通用夹持器和全驱动机械手等末端执行器相比,欠驱动机械手(欠驱动手)具有较好抓取性能和一定的操作性能,具有较好的研究和应用价值。欠驱动手的驱动单元数小于自由度,这一特性使它只需使用简单的控制方法就能抓取形状各异的物体,易于实现力量抓取。但这一特性也使它在建模分析、捏取和操作等问题上存在着许多研究难点,让欠驱动手在相关领域的研究进展滞后于实际应用的需求。本文针对在人类环境中执行抓取和操作任务的挑战,围绕着欠驱动手抓取能力分析、捏取和操作展开研究。针对欠驱动手抓取能力分析中的计算复杂度问题,提出了基于物体初始位置允差的抓取能力分析方法。采用互补法建立抓取模型来描述物体与支撑面及欠驱动手之间的相互作用。以此为基础,引入物体及其初始位置在实际应用中出现的概率模型,定义基于物体初始位置允差的抓取能力评价指标,采用该指标可以设计具有明确物理意义的剪枝方法,控制抓取能力分析的计算复杂度。最后,采用上述抓取能力分析方法,针对3指节-2指欠驱动手,进行了参数设计和结构设计研究。针对物体初始位置不确定性对欠驱动手执行捏取任务的影响,提出了基于接触检测和物体初始位置允差的抓取策略。通过基于接触检测的抓取控制,消除抓取过程中的物体非预期运动;同时采用物体初始位置允差作为抓取轨迹规划的目标函数,提高对物体初始位置不确定性的适应能力。在此基础上,针对接触检测中的参考模型不确定性问题和信号噪声问题,采用高斯过程回归逼近参考模型和信号噪声,提高接触检测的灵敏度和准确性。在仿人欠驱动手i Cub Hand上进行了抓取实验研究。与i Cub Hand标准抓取控制器的对比实验结果表明,本文提出的抓取策略对物体初始位置不确定性具有更好的适应能力。针对欠驱动手操作模型容易发生模型失配的问题,提出了基于高斯过程回归的增强单步预测控制并应用于欠驱动手操作的研究。采用高斯过程回归来逼近和补偿操作模型的残差,并将经过补偿的操作模型应用于单步模型预测控制中,通过在线训练高斯过程来实现滚动优化,解决操作中的模型失配问题。在仿人欠驱动手i Cub Hand上进行了操作实验研究。针对多种物体的操作实验结果表明,该方法能够有效地提高操作模型的精度和操作控制的精度。搭建了3指节-2指欠驱动手样机,并进行了力量抓取实验、捏取实验和操作实验,分别验证了本文提出的抓取能力分析方法、抓取策略和操作控制方法。