物理人机协作(Physical Human-Robot Collaboration,p HRC)机器人不同于传统工业机器人。协作机器人同人在同一生产线上共享物理空间,不需要使用安全护栏将机器人隔离起来。因此可与人直接接触,协助人完成精密性的工作任务。在此过程中,人和机器人会频繁接触,由于环境的动态变化和不可预知性使得人机交互极具不确定性,人的安全存在着极大的隐患。因而突破传统机器人在环境,安全交互能力的限制,研宄协作机器人的安全行为,构建协作机器人交互的安全机制,可以极大的提高人机交互的安全性。为了解决如何使人和机器人高效地共同协作这一问题,以基于触觉信息(交互点处的位置和力)的人机协作方法,即物理人机协作为背景,引入自适应控制以及空间迭代学习控制等先进控制理论。考虑不确定的人体肢体动力学的影响,在阻抗控制框架提出新的方法实现力跟踪,以减少人在人机协作中的负担。最终在人机协作任务中实现更好的协调性。首先针对在交互点处不使用力传感器的情况下机器人对人进行主动跟随问题,建立了人运动控制的动力学模型,通过开发系统观测器来估计此模型中人的控制输入。将机器人控制器设置为阻抗控制模型,从而保证了接触过程的安全。并且使人机协作系统结构简化,提高了系统的可靠性。其次将空间轨迹迭代学习方法引入到人机协作中。使得协作机器人能够在人的指导下学习所需要的路径,并且能完成在速度变化情况下机械臂周期轨迹的学习。实现操作技能从人到机器人的转移。进一步将空间迭代学习引入到协同驾驶/半自动驾驶中,使得车辆控制器通过迭代交互来学习人类的驾驶行为。通过反复的协同驾驶,车辆控制器通过最小化控制输入来估计驾驶员的期望路径。最终,由于车辆控制器能够自动跟踪目标路径并使驾驶员暂时脱离驾驶任务,因此实现了半自动驾驶。该方法提供了从人独自驾驶到完全自动驾驶之间切换的桥梁。上述三个方面均进行了严格的理论分析和稳定性证明,并进行了仿真或者实验验证,证明了所提出的方法的有效性。