机器人系统将人类从一些繁琐、枯燥的,不适宜人类存在的工作环境的劳动中解放出来,给人类的生活、工作带来了极大的方便。机器人系统的发展在人类未来的生活中,工作中都具有非常重要的意义。由于传统工业机器人需要针对特定任务预先进行编程,适应性不强,随着机器人领域的不断发展,机器人的性能逐渐向智能化的方向发展。其中发展型机器人为了解决了智能机器人研究领域存在的问题——模拟动物运动和人的学习适应能力,逐渐成为目前机器人研究领域的热点之一,具有广阔的应用前景。　　 本文主要研究工作就是通过了解发展型机器人的研究背景及其广泛的应用前景,并且结合了研究热点机器人手眼协调,建立一个新型的发展模型和自主学习系统。为了建立发展模型,本文回顾了发育的相关知识和人类婴儿抓取动作的发育过程,并在此过程中提取出重要的发育特征,通过模仿这些特征,实现一个机器人学习系统来支持机器人学习抓取能力。同时,将人类发育过程中的重要特征约束引入到本研究来。感觉、行为和感知上的各种限制大大减小了输入信息和可能采取的行为的复杂性。在某项任务中当获得了一个高层次的能力时,一个新层次或者更高层次的任务和难度将随着新限制的出现而暴露出来。因此,婴儿发展模型和发育限制的相关知识要被引入到本文的研究中来。受人类婴儿抓取动作发育过程的启发,本文将提出一个仿脑的神经网络结构,这个神经系统的设计能够反映了婴儿抓取过程的发育特征。最后本文设计了详细的实验步骤实现了在三维环境下机器人对目标物体的抓取,并对实验结果进行了分析。本文的研究工作也为发展型机器人手眼协调的研究领域提供了一些参考方向,并为建立了更加有自主能力的机器人探索了一条解决途径。