近些年,随着生产工艺要求的不断提高和工作环境逐渐复杂化,传统工业机器人固定单一的工作方式已经不能满足要求。协作机器人以其灵活、可协作等特点经常和人工作在一起,逐渐被广泛的应用在生产生活中。为应对随机出现在机器人工作环境中的障碍物,本文提出以人机协作的工作方式实现避障同时完成任务,对于人机协作,首先需要机器人的自身运动具有良好的抗扰动性和鲁棒性,而且在协作过程中需要具有柔顺性。本文主要从机器人的运动规划和人机协作柔顺控制两方面进行研究,内容如下:对于机器人的运动规划方法,考虑到协作机器人的工作环境比较复杂,扰动较多,人工势场法、图搜索法等传统的运动规划算法会出现工作效率低、实时控制性差等特点,本文利用高斯混合模型（GMM）来实现对机器人的运动规划,这是一种基于概率模型的模仿学习算法,通过提取演示轨迹的运动特征,建立运动模型,可以实现对多维运动的规划和应对时间和空间上的扰动。首先需要提供N条基于任务的演示轨迹,然后建立由K个高斯概率分布组成的高斯混合模型,对模型中的参数估计与优化,确保得到的模型是稳定的,全局收敛到目标点;同时对实验中用到的UR10机器人的运动学进行分析推导,最后在UR10机器人上完成实验验证了该算法的有效性。对于人机协作过程中的柔顺控制研究,首先建立人机协作时的等效阻抗模型,然后对模型中的参数进行分析得到其对人机协作过程中的影响;对力传感器的信号进行滤波处理与重力补偿的分析;考虑到工作任务的特点,设计了基于位置和力的动态阻尼的便阻抗控制;对于人机协作中主被动角色的确定,本文提出了人机协作系数,可以实现协作过程中角色的平滑转换;最后结合运动规划算法与阻抗控制设计了整体的控制策略,确保协作过程中的柔顺性。最后对本文中的运动规划与柔顺控制算法进行实验验证。首先搭建实验平台,包括软件和硬件两个方面,并模拟存有随机障碍物的机器人工作环境,设计人机协作实验,对实验相关数据进行记录并分析,验证本文提出算法的有效性并具有实际的应用价值。