机器人在各行各业的自动化升级中扮演了越来越重要的角色。随着信息技术和控制技术的发展,机器人能够完成越来越复杂的任务。末端执行器是机器人与工作环境交互的重要组成部分,而机械爪等通用型末端执行器难以满足特殊场景下任务执行的要求。冗余机器人由于其自由度多于任务完成所必需,具备更大灵活性和更多可行解。专用场景下,非常规末端执行器冗余机器人系统的高效运动规划方案成为任务完成的关键。基于此,本文针对带网球自旋发射末端和带远中心点运动（Remote center of motion,RCM）增长末端的冗余机器人,探究其非常规末端执行器结构和控制特征,及相应冗余机器人运动规划,并通过仿真与物理实验验证研究结果。主要研究内容概括如下。首先,本文探究网球自旋发射末端执行器和RCM增长末端执行器的结构和控制特征。一是针对带网球自旋发射末端的冗余度机器人,设计和试制一种三摩擦轮式网球发射末端执行器。通过控制三个轮子间差速运转,有效产生带有各种自旋的发球。此外,提出了基于减材的动平衡校正方法,通过调整摩擦轮质心位置,减弱其在高速旋转时的振动。二是面向带RCM增长末端的冗余机器人,根据操作工具始终通过空间中固定一点的RCM运动特征,建模机器人运动约束;考虑到末端执行器改装对机器人结构参数带来的影响,运用数据驱动技术实时修正带RCM增长末端的冗余机器人雅克比矩阵,减小机器人运动位置误差。一方面,本文将所设计测试的网球自旋发射末端执行器安装于商用机器人末端。通过对机器人发球物理过程的建模,并转化为二次规划（Quadratic programming,QP）问题,提出递归神经网络（Recurrent neural network,RNN）模型以获得问题的最优解,并分析其收敛性能。方案以优化落点偏差为核心,辅以关节角度和角速度相关约束条件,保证机器人运行状态的安全性。同时,通过数值分析和模拟仿真实验,围绕目标点发球任务,分别以自由发射、末端固定发射和低平弧度发射,全方面验证和展示所提机器人系统运动规划方案的有效性和可行性。给出与相关冗余机器人运动规划方案的对比,展示所提带网球自旋发射末端的冗余机器人运动规划方案的特点。另一方面,本文在研究冗余机器人RCM增长末端执行器结构和控制特征的基础上,设计运动规划方案,求解QP问题。针对机器人增长的末端执行器会放大结构信息误差的问题,方案加入数据驱动技术,实时修正机器人雅可比矩阵。考虑到受限空间中,姿态调整困难,方案目标函数引入重复运动指标,保证机器人在任务周期结束后各关节姿态复原。据此,提出基于数据驱动的远心点重复运动（Remote center of cyclic motion,RC~2M）方案。进一步,设计适用于RC~2M方案的RNN模型,获得运动规划问题最优解,并给出整个方案的收敛性分析。以加装细杆状末端执行器的FRANKA Panda机器人为原型,开展数值实验、Coppelia Sim仿真和实物展示实验。此外,通过与最新RCM运动规划方案的定性和定量对比,充分展示所提RC~2M方案的创新性和有效性。本文的研究成果为带非常规末端执行器的冗余机器人运动规划提供了可行思路和有益参考,对拓展冗余机器人特殊应用场景下的可用性具有重要意义。