由于对机器人的任务要求日趋复杂和多变,如何使机器人具备灵活的配置和运动规划能力,以适应复杂任务的需求,成为了目前运动规划领域所研究的核心问题。在实际的交互过程中,要想完成机器人与人类用户的自然有效的交互,又需要机器人根据任务需求和约束合理地规划自身的运动,使之与人类的运动模式相仿。因此,如何赋予机器人规划自然运动的能力,进而应用于复杂的人机交互任务,具有重要的学术价值和应用意义。本文以智能机器人在人机交互任务中的运动规划为背景,针对交互任务中如何快速有效地规划出满足任务需求的自然运动,从规划算法的可行性与快速性两方面进行了相关的研究,设计并提出了基于表征空间的机器人自然运动规划算法,并通过仿真实验验证了算法的有效性。本文的主要工作包括:1)提出了基于表征空间的交互式运动规划框架,以实现任务需求与运动规划之间的迭代和交互针对现有的机器人运动规划算法无法适应复杂任务需求的特点,尝试将人机交互思想引入运动规划过程,提出了一种交互式运动规划框架,使任务层与运动层之间产生动态的迭代,以满足复杂的任务约束。2)设计了以任务为导向的自然运动约束,使机器人规划出的运动路径与人类的任务完成模式相统一由于现有的对运动规划算法的应用较少考虑机器人完成任务的模式是否与人类相似,因而使得机器人在完成人机交互任务时可能会出现与人类完成模式相悖的运动。本文以此出发,针对特定的人机交互任务需求,设计了相应的自然运动约束,使机器人完成任务的方式更接近于人类。3)设计了多尺度的机器人运动空间分解方法并建立了各可达运动子空间之间的关联,以有效地完成对运动空间拓扑结构的理解由于自然运动约束可能会导致表征空间维度的扩张,从而增加规划任务求解的计算量,为了使机器人能够以较少次数的尝试来尽可能理解其所处运动空间的拓扑结构,本文提出了一种多尺度的空间分解方法,从而能够在更高层次上刻画出空间的拓扑结构,并能高效地完成对机器人可达运动空间的覆盖。4)提出了一种基于多尺度邻域的快速扩展随机树规划算法,能够大幅度缩小待探索运动空间的范围,从而提升运动规划任务的求解效率在求解运动规划任务时,为了能够尽可能避免规划算法对不可达和非最优运动子空间的探索,本文在多尺度子邻域层面利用规划算法限制后续在运动状态层面的待搜索空间范围,从而能够将计算力集中在可能存在最优运动路径的子空间内,如此便可极大提升求解的效率。