随着社会的发展，机器人的应用需求进一步提高，机器人更多地向协作化方向发展。当机器人需要停止一项任务去执行另一项任务时，需要花费较多成本。同时，为应对不同的任务需求，机器人末端执行器的动作也是不同的。如何使机器人在非结构化场景中高效率地工作是机器人产业的一大热点需求。本文以多任务人机协作为背景，将机器人与人的意图相结合。使机器人在根据人手行为意图直接从一项任务切换到另一项任务的同时，还可以根据人手的语义意图执行相应的末端动作。
　　本文主要工作如下：
　　首先，分析了ProMP和iProMP的缺陷。针对这些缺陷，提出了MTProMP和mtiProMP两种混合的概率运动模型。这些改进的模型混合了多个运动基元，可以更加有效地学习到示范任务的特征。
　　其次，任务过程中提出基于EM算法的双空间交替估计方法，在优化局部独立运动基元的同时，优化全局的权重信息，保证了轨迹的精度和平滑。并从理论上验证了该方法的可行性。
　　然后，基于GeoConGAN框架实现了对人手的行为意图识别和语义意图识别。并将这两种意图融合到多任务协作中，使机器人和人在协作过程中，不仅能根据人手行为意图的变化切换任务轨迹，还可以根据人手语义意图的变化执行不同的末端操作。
　　最后，在Sawyer机械臂上通过轨迹规划实验验证了模型的可靠性，并将基于行为意图的任务切换实验和基于语义意图的猜拳识别实验结合，使机器人在整个猜拳游戏中，可以实时根据行为意图切换任务轨迹，根据语义意图做出对应的猜拳手势。实验结果验证了该方案的可行性。