随着计算机技术和机器人技术的发展,新型的隐式人机交互技术打破了传统的机器被动接受人指令的程式控制方式,而以一种对人的交互意图主动进行理解的方式存在,如语音识别、手势识别、机器人自动编程等。在机器人应用领域,本文基于生物电的穿戴式人机交互技术为实现隐式人机交互的主要方式之一。由于这种方式具有交互自然方便、应用操作简单易用以及可以对动作进行预判性理解等优点,被作为新型交互前沿技术,广泛应用于高级机器人交互系统研究。基于生物电的穿戴式人机交互系统关键技术可以分为离散动作识别和连续运动估计两大方面技术,本文在这两个方面的研究基础上,特别对目前技术上的一些难点问题进行了探究,并设计相关实验进行进一步应用和验证。最后结合两方面关键技术,以协作机器人演示编程交互系统为背景,研究多模态交互系统技术,对两种技术的综合应用进行研究。在离散动作识别方面,重点对非特定人下的手势识别算法进行了研究,包括特征提取和特征选择方案对比分析。在非特定人数据集下,提出了基于人工特征融合的多核相关向量机分类算法（KAMKRVM）以及基于自动特征处理的深度并行卷积神经网络算法（PCNN）。其中PCNN通过加入数据扩充等技巧,有效适应了非特定人识别环境,避免了过拟合。两种分类方法都获得了非特定人数据集下比传统SVM算法高2%以上识别率的结果。通过turtlebot移动机器人手势在线控制实验有效验证了其应用可行性。在连续动作估计方面,重点研究了应用最普便的单关节连续运动量估计算法。建立了基于希尔（Hill）肌肉骨骼动力学模型以及人机系统前向动力学模型的开环关节运动量估计模型。特别针对其对负载扰动敏感,不易稳定的不足,提出了基于负载补偿的参数辨识算法,以及结合惯性量测单元（IMU）信息的量测方程,建立了基于扩展非线性卡尔曼滤波的闭环估计模型。以下肢康复外骨骼交互系统为应用,在脱机环境进行了参数辨识实验和开环-闭环运动估计实验。所提出的闭环估计算法,以及负载扰动补偿策略可以在不同负载下正常工作,且保持长时间稳定。在综合应用实验部分,对人机协作机器人多模态交互方法进行了研究,通过结合提出的非特定人手势识别算法和运动量估计算法,系统可以准确自然的识别手势和手部运动。验证实验中,在协作机器人系统中进行了基于肌肉电信息的多模态演示编程实验。通过对多模态信息进行统计学编码和解码可以实现演示编程和示教在线。最后提出一种基于高斯过程的Q学习算法,对再现过程末端执行器操作进行强化学习。