机器人广泛应用于人们的生产生活中,将人们从单调重复性的工作中解放出来,大大提高了生产效率和质量。然而,现阶段的机器人灵巧操作水平和智能决策能力仍远低于人类,仅能应用于结构化环境下重复性的任务操作。针对动态非结构化环境下机器人的操作,难以设计具有高适应性和稳定性的运动规划算法。针对复杂接触环境下的任务操作,其位置和力的规划与控制仍需针对特定的任务进行调试,难以推广应用于不同场景。因此,本文提出基于模仿学习的机械臂运动规划与柔顺控制方法,用以提高机器人的易用性和智能性,实现复杂场景下机器人自主拟人化操作。为提高机器人的易用性和对环境的适应性,可采用基于动态系统的机械臂运动规划方法,但传统的动态系统模型设计过程较为复杂。本文提出了基于微分同胚映射的动态系统设计方法,可以实现单步快速训练。从动态系统的约束条件出发,分析微分同胚映射的约束,并提出了统一的融合位置和姿态的微分同胚映射框架。在此框架基础上提出了两种映射算法:基于径向基函数的迭代算法,和基于可逆神经网络的映射算法。随后在仿真和实验中进行了对比和分析,验证该映射算法框架的有效性。其次,现有的时不变动态系统仅考虑位置的规划,姿态的规划仍采用时域插值,无法实现全过程位置和姿态同步性,本文提出了融合位置和姿态的动态系统设计方法。该方法通过建立示教数据空间和隐空间之间的微分同胚映射,并在隐空间中构建一个全局渐近稳定的动态系统,从而得到示教空间中全局渐进稳定且能精确表征示教数据的动态系统,并设计了Lyapunov函数证明了其稳定性。采用二维空间仿真和三维空间中机器人实验进行验证,结果表明该方法构造的运动规划算法对时间和空间扰动的适应性好,在动态变化的环境中可以在线规划运动轨迹,证明了算法的有效性。最后,考虑接触式的任务操作,需要对接触力进行规划并基于力和位置反馈进行柔顺控制器设计,本文提出了接触式任务操作的技能表达模型。通过采集人执行接触式任务操作过程中的数据,构建接触式任务中位置、速度、交互力和交互刚度之间的关系,将其用于指导机器人自主执行时的运动规划和柔顺控制器设计。并提出了基于模仿学习的接触式任务柔顺操作技能学习框架,针对典型的接触式任务设计了基于系统状态的自适应力/位混合控制器和阻抗控制器。为验证该框架,设计了三类机器人实验:机械臂打磨实验,轴孔装配实验,变刚度交互实验。实验中均能实现机械臂的拟人化柔顺操作,并成功的完成了任务,验证了该柔顺操作技能学习框架的有效性。本文系统地研究了机械臂的运动规划与柔顺控制方法,并提出了基于模仿学习的规划和控制算法,可以快速适应不同的操作场景,并能适应动态变化的环境和未知干扰,对机器人的运动规划和柔顺控制研究和快速应用具有一定的价值和意义。