随着人们生活水平的提高,以及越来越严重的老龄化问题,人们迫切希望能够拥有一种智能机器人,能够进入人们的家庭,用于照料越来越多的老年人。仿人机器人由于外形和动作与人类相似,因此更容易被人类所接受,也容易适应人类社会的各种设施,因此,仿人机器人作为进入人类日常生活的机器人首选,已经引起越来越多科研人员的关注,成为机器人研究的热点。本论文工作主要围绕仿人机器人的数字仿真与虚拟示教所涉及的一些关键技术进行展开,在对国内外仿人机器人的研究现状进行分析的基础上,着重研究了仿人机器人在重力场作用下的数字仿真方法。基于当前仿人机器人行为规划的预规划数据获取困难、成本高昂的问题,本文提出虚拟示教的实现方法,通过虚拟方式实现仿人机器人预规划数据的获取,并对神经网络集成应用到人手与仿人灵巧手的运动映射建模展开了研究。本文的主要工作成果和创新点如下:1.针对仿人机器人研究缺乏仿真实验环境的现状,采用OpenGL图形库开发了仿人机器人三维实时仿真系统,并在仿真系统中实现了全方位观测技术。通过分析重力场环境中仿人机器人的受力情况与支撑状态,提出了在点支撑、线支撑和面支撑三种支撑模式下,机器人的平衡条件和失稳时翻转的旋转轴及旋转速度的求解方法,为模拟仿人机器人步行过程中的平衡效果提供了依据;将上述方法应用到仿人机器人三维实时仿真系统中,实现了仿人机器人控制算法验证的虚拟化与可视化,为仿人机器人后续研究提供了强有力的科研手段。2.针对仿人机器人行为控制过程中的预规划问题,提出了基于仿人机器人的虚拟示教方法,给出七自由度冗余机器手臂与六自由度机器腿的逆运动学求解方法。针对虚拟示教过程中由于操作员手的震颤等原因导致的示教动作不平滑,关节速度与加速度波动过大的问题,采用三次多项式插值的空间轨迹规划方法来平滑示教动作,减轻关节速度与加速度剧烈波动对电机的影响。最后将上述方法应用到仿人机器人三维虚拟示教系统中,通过示教仿人机器人双足步行、指挥交通和舞蹈,仿真实验结果表明了虚拟示教系统的正确性和实用性。3.由于仿人灵巧手与人手的结构差异,使得对仿人灵巧手进行主从示教时,需要对人手与仿人灵巧手建立运动映射模型。基于传统运动映射方法往往基于特定灵巧手设计,缺乏普适性的问题,本文提出一种基于神经网络集成的运动映射自学习算法。为了提高神经网络集成的预测精度,本文提出一种基于改进的K-Means算法的神经网络集成训练方法,并将该方法应用到人手拇指与仿人灵巧手拇指的运动映射建模中。针对运动映射模型构建前无法获得仿人灵巧手拇指的最佳跟随姿态的问题,提出一种基于人工势场法的逆运动学求解算法,并将该算法应用到人手拇指与仿人灵巧手拇指的主从示教样本集的生成上。最后,通过在映射数据集上的对比实验及人手与仿人灵巧手的主从跟随实验,验证了本文所提方法的合理性和有效性。4.为了进一步提高神经网络集成的预测精度,降低仿人灵巧手对人手的跟随误差,本文提出一种基于多维云模型的改进AdaBoosting(Cloud-Adaboosting)神经网络集成训练算法,将个体训练样本集看作一个不确定性云,通过正向云发生器和逆向云发生器产生“云滴”来弥补Adaboosting算法中由于偏向“困难样本”而导致个体训练样本集中“有效样本”数不足的问题,并通过计算待验证样本对个体训练样本集的确定度,来修正个体神经网络在神经网络集成中的输出权值。通过对比实验,结果表明,该方法能够进一步提高神经网络集成的预测精度,对于改善仿人灵巧手对人手的主从跟随效果,提高示教效率具有积极作用。