在21世纪,机器人具有能极大地改变人类生产和生活的潜力。机器人技术的研究和进步将会使机器人进入人们的日常生活,并提供形式多样的服务和生活辅助。仿人机器人作为机器人学研究中的一个研究热点,其终极目标不仅是制造一个看起来像人的机器人,而且行动上也要跟人一样,甚至比人更有能力。为了实现这一目标,许多研究者和研究机构针对仿人机器人展开了各种研究活动。为了提升仿人机器人运动能力,实现多仿人机器人智能编队与避障行为,论文从仿人机器人步态规划、复杂运动规划和基于蜂拥控制的多机器人编队与避障三个方面展开了研究,具体研究内容如下:1、为了实现双足机器人仿人行走,提出了一种基于自然ZMP轨迹的双足机器人步行模式生成方法。在单腿支撑相,基于三维线性倒立摆模型,在设定从脚跟到脚趾移动的自然ZMP轨迹后,得到质心轨迹方程。在双腿支撑相采用线性摆模型生成质心轨迹方程。同时给出了在统一坐标系中的多步规划质心轨迹方程。在RoboCup 3D仿真平台实现了采用自然ZMP轨迹的双足机器人仿人稳定步行,实验和竞赛结果都验证了该方法的有效性;2、为了实现快速稳定的射门动作,提出了一种基于三质心模型的仿人机器人射门轨迹规划方法。首先,根据三质心模型,得到包含游动腿轨迹和躯干轨迹的ZMP方程,采用三次贝塞尔曲线规划游动腿轨迹和ZMP轨迹,根据ZMP方程求解出仿人机器人的躯干轨迹。其次,在双腿支撑相,根据线性摆模型计算出仿人机器人的质心轨迹,实现射门姿态的快速调整。最后,在RoboCup 3D仿真平台中应用此算法实现了仿人机器人的快速射门动作,并与其它球队的射门动作进行了对比。实验结果表明应用该算法仅需手工调试即可快速实现稳定的射门动作,射门动作时间有很大减少,可增强机器人足球队的竞争力;3、针对直接采用简化模型规划机器人运动轨迹时需要大量手工调试的问题,本文提出了一种基于粒子群算法来优化步态和射门动作参数的机器学习方法。首先对基于三维线性倒立摆模型的步态和射门动作进行研究和分析,并提取出可优化的重要参数。在步行模式的优化中,根据比赛步态模式的要求设置不同的评价函数,优化出了快速模式、不跌倒模式和高稳定性模式。在射门动作的优化中,对游动腿采用贝塞尔曲线规划轨迹进行优化。在RoboCup 3D仿真平台中实现了步态和射门动作的优化。在学习训练中,利用分层学习的思想,对目标函数层层优化。实验结果表明,分层优化比直接进行最后一步优化所得出步态和射门动作的效果更好。4、在多智能体系统的通信网络中需要对交换信息进行量化。如何实现多仿人机器人编队与避障是机器人研究领域的一个课题。为此,论文采用基于量化信息的蜂拥控制算法研究了二阶多智能体系统的编队和避障问题。假设多智能体系统采用一致量化器对速度和位置信息进行量化,并且有1个虚拟领导者沿着固定方向匀速运动。论文设计了基于量化信息的多智能体蜂拥控制输入,利用非平滑系统的Lyapunov稳定性判据和不变集原理分别证明了在蜂拥编队和避障运动情况下系统的稳定性。最后,利用Matlab仿真了多智能体系统在二维平面上的蜂拥编队和避障运动,仿真结果验证了理论分析的正确性。基于以上算法,在RoboCup 3D仿真平台实现了多仿人机器人蜂拥编队和避障行为。5、建立了CIT3D RoboCup仿真实验平台。采用族谱关系建立了NAO机器人的数据编程模型,建立了RoboCup 3D仿真足球机器人球队CIT3D和调试工具,实现了精确定位系统,建立基于粒子群算法的机器学习训练环境。基于论文算法设计的CIT3D球队多次参加竞赛并取得了包括世界亚军在内的较好成绩。