随着工业4.0的到来和中国制造2025规划的颁布,制造业产品日趋复杂、多样,而且个性化需求日益突出,因此智能人机交互成为智能制造的重要内容。然而,目前传统人机隔离的生产方式制约了智能制造的进程。如何提高机器人的环境感知能力和人机交互能力,从而满足高端化、个性化、智能化的需求,成为智能制造面临的巨大瓶颈和挑战。首先,本文提出了一种基于位置的视觉伺服方法来执行双臂抓取和在线跟踪任务。该方法采用基于位置的视觉伺服方法构建了一个控制回路,将来自视觉系统、关节编码器的传感器数据流融合处理,获得机械臂期望的关节速度值和在线运动轨迹,从而在抓取固定物体和在线跟踪等人机交互方面具有良好的性能。其次,本文提出了一种基于力控的单主双从遥操作系统,并应用于物流行业中常见的箱体翻转任务。采用相对位姿增量的方法,实现主从姿态的匹配,比传统方法更加灵活可靠,并使得操作员以舒适的姿态执行遥操作任务。在从臂间没有信息共享的假设下,设计了一个力控制器,基于接触力为控制辅助跟随机器人（AFR）生成参考轨迹,使AFR在箱体翻转过程中能够主动移动到与所需接触力相对应的正确位置,实现人机之间的协调配合。最后,本文提出了一种基于表面肌电（s EMG）信号的人类意图识别与人机交互算法。不同手势的s EMG信号被应用到人类意图识别,机器人根据对s EMG信号的识别结果自动选择交互模式和交互等级,灵活按照人类意图进行人机交互。此外,为了确保瞬态性能和保证跟踪效果,提出了tan型障碍李雅普诺夫函数（BLF）与径向基（RBF）神经网络相结合的控制框架,可使得跟踪误差在一定的范围之内,防止人机交互时出现过冲现象。