近年来,机器人逐渐从隔离作业的环境中走出,加速融入人类的生产和生活。在此过程中,机器人与人和环境之间直接接触的物理交互成为机器人执行任务的重要方式,这对机器人的柔顺操作能力提出了更高的要求。具体而言,机器人柔顺操作一方面需要机器人自身具备变刚度运动的能力,在执行任务时同时考虑机器人的运动信息和刚度信息,从而实现类人化的变刚度操作;另一方面,在与人协作完成任务时,需要机器人能够根据人的物理交互作用在线调整运动策略。为了提高机器人的柔顺作业能力,本论文对机器人变刚度运动技能学习和人机协作控制进行了研究。主要研究工作如下:稳定的人机物理交互能够为机器人传递准确的运动信息和刚度信息,是实现机器人变刚度运动技能学习的前提条件。在人机物理交互中机器人与人手耦合接触,人手刚度的增加会破坏人机之间的期望动态响应,造成不稳定的交互行为,导致传递给机器人的信息不准确。针对此问题开展了实现稳定人机物理交互的变阻抗控制研究,首先基于人体手臂构型和肌电信号估计手臂末端刚度,作为人机物理交互稳定与否的先验判据;然后基于交互力信号设计一种振荡观测器作为后验判据;最后结合二者信息设计变阻抗控制器,通过实时调节阻尼系数保证人机物理交互的稳定性。该部分工作为后续研究提供了稳定的人机物理交互基础。受机器人可编程能力和经验知识的限制,为一个给定的机器人任务找到合适的变刚度运动策略不是一个简单的问题。示教学习能够实现将人的运动技能快速传递给机器人,然而现有机器人示教学习方法大多仅仅关注轨迹跟踪任务,或者直接将示教的轨迹和刚度曲线进行简单的复现,而不具备对于变刚度运动的建模表达和泛化能力。本文开展了机器人变刚度运动技能示教学习方法研究。首先基于人机物理交互构建机器人拖动示教学习系统;然后研究机器人变刚度运动技能建模方法,不仅对运动轨迹建模,还要对刚度特性曲线建模,并通过正则系统保证两个模型输出的相位同步。相比于传统的机器人示教学习,该方法实现了将人示教的运动信息和刚度信息向机器人的多模态信息传递。考虑到上述基于示教编程的机器人技能学习方法依赖于专家示教和专家经验,适用于简单变刚度运动的学习,而对于复杂变刚度运动的学习则存在示教困难或者示教的变刚度运动不是最优等问题,进一步开展了面向复杂变刚度运动学习的强化学习方法研究,实现机器人对变刚度运动技能的自主学习。该方法基于上述的变刚度运动技能模型,利用基于路径积分的策略优化算法通过迭代更新模型参数,使得机器人在重复训练中自主调整运动轨迹和刚度曲线,最终获得完成任务的最优变刚度运动。最后通过仿真和实验验证了机器人对复杂变刚度运动技能的自主学习效果。变刚度运动仅仅实现了机器人对外界扰动的顺应性,而不具备自主调整机器人运动策略以适应环境动态变化的能力。针对此问题,对人机协作控制进行研究,允许机器人在人的接触下在线调整运动。研究包括两个主要内容:（1）将机器人行为解耦成两部分:提供主动行为的动态系统模型,以及提供被动顺应行为的阻抗控制模型;在两种模型之间建立转换机制,使得机器人在没有受到人的引导时,自主执行任务,而在检测到人的引导后,表现出顺应行为。（2）构建人工阻尼场,建立系统状态到阻尼特性的映射,实现机器人阻尼自适应。最后通过设计人机协作实验验证了人机协作控制的有效性。