人类作为高度智能体,可以在不断的学习中掌握新技能与经验。并通过技能经验的不断丰富,实现针对复杂问题及任务的解决与执行。机器人作为工业产品,在其诞生最初阶段并不具备解决问题并执行任务的能力。为使机器人可基于任务自主执行,需要机器人通过学习来掌握操作技能。针对机器人学习并掌握技能的过程有两个问题需要解决,一是如何获取更具学习价值的技能动作作为学习样本;二是如何对样本动作进行表征,实现对技能动作的学习。直接基于人类经验进行学习可使机器人更加快速掌握运动操作技能。为解决上述问题,本文设计并实现基于可穿戴设备的机器人经验学习与操作系统。该系统在设计层面可分为两个模块:一是为实现机器人直接基于人类经验获取高质量拟人动作样本的基于可穿戴设备的随动系统模块;二是为实现对人类运动的理解和学习的基于动态运动基元(Dynamic Movement Primitives,DMP)的机器人经验学习与操作模块。对于随动系统模块,设计可穿戴式数据手套与机器人之间的通讯模式,实现数据手套采集的人体手臂运动原始轨迹信息到机器人端的实时传输。为保证机器人手臂与人体手臂的运动姿态一致性,提出通过绝对角、相对角转换与人体关节与机械臂关节直接映射相结合的方法来实现人类手臂向机械臂的映射转移。为解决机械臂基于位置控制的延迟与抖动问题,提出基于PID控制的机械臂关节电机速度控制,使机械臂基于所构建的随动系统运行时,其运动更加柔顺且延迟更低。最终实现高价值动作样本的获取。机器人经验学习与操作系统模块建立在随动系统实现基础上,在实现高价值动作样本获取后,为理解机器人手臂的运动动作,本系统设计采用改进的DMP来实现对运动动作的特征提取与学习。通过基于多参数表达的机器人动作理解,实现对运动技能的学习。随后,在技能学习的基础上,为机器人构建动作基元库,使机器人学习并掌握一套属于自身的动作技能。且所掌握技能具有旋转不变性、尺度不变性以及时间不变性等特性,使机器人可以在执行不同任务时针对性的选取具体技能动作予以实现。最后将上述完整系统应用于简单的人交互实验中,实现机器人在技能学习后,可凭借己掌握技能实现简单的互动,且其交互中的动作更加符合人类行为规范。