为助力老年人和残疾人身体健康,填补专业护理人员的空缺,发展康复机器人事业迫在眉睫。在目前的研究中,智能助行器和智能拐杖等康复机器人能为用户提供辅助支撑、导航和跌倒防护等服务。然而由于这类机器人大多在离人较近的前方运动,用户容易产生被阻挡的心理从而选择小步幅行走,这将影响到行走体验和康复效果。受到康复医师在病人侧面跟随并适时提供辅助的启发,本文力图研制一种能在用户侧面跟随且在需要时提供辅助支撑的康复跟随机器人,用于辅助下肢肌力减退患者群体进行基本的行走康复训练。首先,设计了一款康复跟随机器人,它由差动驱动移动底盘、传感器装置和嵌入式计算机Jetson TX2组成。康复跟随机器人通过Open Pose和Kinect检测人体关键点的三维坐标,采用IMU传感器检测用户的行走朝向角,根据里程计记录自身位姿,这些功能节点都通过机器人软件系统进行同步和通信。然后,提出了基于Seq2Seq模型的行走轨迹预测算法,根据历史行走状态序列预测未来的行走轨迹序列。针对行走朝向角和关键点轨迹存在小幅度周期性摆动的问题,提出了基于卡尔曼滤波的多模态数据融合算法以获得相对平滑的行走状态序列。进一步利用康复跟随机器人采集了行走轨迹数据集,并通过实验验证了所提出的行走轨迹预测算法能够对目标未来小段时间内的运动轨迹进行准确的预测。最后,提出了基于模型预测控制和行走轨迹预测的侧面跟随控制算法,经过误差模型设计、预测模型设计、目标函数设计和约束条件设计后,侧面跟随控制问题被转换为在每个控制周期优化求解二次规划的问题。通过仿真实验对比了模型预测控制和李亚普洛夫直接法在侧面跟随控制中的效果,对比结果表明,由于模型预测控制算法综合考虑了控制变量的约束、控制增量的惩罚项和跟踪目标的预测轨迹,其控制性能总体优于基于李亚普洛夫直接法的控制。另外,本文还通过直线行走和转向行走这两项实际机器人实验验证了所提出控制算法的有效性。