机械臂技能传授一直是人工智能领域的研究热点之一,现阶段的技能传授方法主要通过三维重建技术搭建虚拟空间对机械臂进行模拟训练。但现阶段的重建方法计算流程繁琐,重建误差大、时间长,环境适应差。此外,现阶段的重建方法还存在构建的虚拟空间与真实世界物体尺寸不同和人与机械臂观察视角不同等问题,导致在虚拟空间内的抓取技能难以转化为机械臂在真实世界中的现实操作。针对以上问题,本文提出了一种面向机械臂操作的视觉信息重建方法,研究工作主要内容如下:（1）针对当前三维重建方法计算流程繁琐、环境适应差的问题,提出了一种基于深度学习的视觉空间和操作空间映射方法DL-VOM。首先使用单个RGB-D相机进行视觉信息采集,之后利用卷积神经网络对视觉信息进行特征提取,最后将提取到的特征值经过全连接后计算得出所对应的机械臂操作空间三维位置信息。实验表明,该方法仅需使用单个RGB-D相机及卷积神经网络即可完成映射,简单快捷,误差约为15mm。（2）针对当前三维重建方法重建误差大、时间长的问题,提出了一种基于DL-VOM单目视觉三维实时重建方法DL-3D。首先通过Mask R-CNN网络对单个RGB-D相机实时采集的视觉信息进行提取,之后使用DL-VOM方法将提取到的视觉信息进行映射,最后提出了一种聚类簇中心距离受限离群值调整方法BCC-Drop用于减小重建误差,并通过Open GL搭建虚拟空间。实验表明,该方法重建速度可达16fps,重建绝对误差约为5.73mm,重建相对误差约为5.23%。（3）针对当前虚拟空间中的抓取技能难以转化为机械臂在真实世界中的现实操作的问题,提出了一种新型技能传授策略,建立了一个基于DL-3D的人机协同机械臂技能传授系统。在此系统中,我们通过记录虚拟对象的状态变化用于指导机械臂在真实世界中的运动规划。实验表明,该系统与传统系统相比在机械臂抓取技能传授任务中摆放位置误差减少约1.7%,摆放角度误差减少约2.1%,所消耗时间减少约3.6s。