面向机器人在未知居家场景中执行复杂操作任务的需求，本研究提出了一种基于概率模型的示教学习方法PRIMP（全称：PRobabilistically-Informed Motion Primitives）与基于工作空间密度的机械臂轨迹规划算法Workspace-STOMP。进而，通过学习物品可供性，在虚拟环境中模拟倒水、舀水等动作，得到机器人完成特定任务所需的关键末端六维位姿，从而生成全新操作轨迹，引导机器人操纵物品。所提出的算法提升了类人操作轨迹生成效率、新环境中避障成功率及任务完成度。相关研究成果发表于机器人领域的IEEE Transactions on Robotics (T-RO)期刊上，在RSS 2023研讨会上进行了展示。