近年来，随着Internet的广泛应用和遥操作技术的发展，越来越多的研究人员和组织将各种可控设备和机器人连接到Internet。网络机器人不仅可以向控制者提供真实的远程场景，而且能够在远程环境执行和完成各种不同的操作任务。然而，数据传输存在不确定性延时，这个Internet的固有特性大大妨碍了用户和机器人迅捷而及时地交互、影响了控制系统的稳定性和鲁棒性。在这种情况下，网络机器人的性能和应用都被严重地限制和降低。 本文在对现有解决方案进行详细综述的基础上，提出了通过网络机器人自主性的研究来克服网络信息传输延时问题对机器人控制的影响。具体研究工作包括以下几个方面： (1)可调整自主性 提出用动态可变的机器人自主性克服动态不确定的网络延时问题。不同自主性层次下，机器人能够实现的功能不同、用户拥有的可控性也不同。在遥操作过程中，用户可以根据网络状况和任务执行情况调整机器人的自主性层次，以动态可变的自主性来适应动态变化的网络状况。实验结果表明可调自主性改善了遥操作过程中整个机器人系统的执行效率和效果。 (2)用户意图学习 提出机器人应该具有从实践经历(有与人之间的也有与环境之间的交互过程)中进行学习以提高其自主性的能力。这种能力的体现之一就是机器人能够从人机交互和自身感知中评估用户意图。在遥操作过程中，网络机器人从一系列用户控制命令和本地传感器感知中，对用户意图进行建模。通过对用户意图的学习和捕获，机器人具有在线估计用户期望行为的智能。当网络状况影响了人机交流时，机器人自主地执行所预测到的用户行为，从而补偿网络状况带来的用户可控性的损失，以保证任务继续执行直到最终完成。实验结果表明意图学习模型的有效性和可行性。 由于不同人机交互层次上的用户控制意图体现为多种形式，因此进一步提出机器人应该能够对各种层次上的用户意图进行学习和预测，即不仅能够对较低层次上的用户意图(比如正确的控制指令)进行学习，而且还能评估高层次上的用户意图(例如合适的控制模式)。当网络状况影响了任务执行时，机器人能够主动地向用户提供符合用户期望和形势要求的控制模式，以使用户和机器人在一个适宜的交互层次上进行合作，从而提高整个人机系统的工作效率。实验结果表明这一方法的有效性和可行性。 (3)自适应自主性 在意图学习和可调自主性研究的基础上，继续探讨机器人的自主性理论和智能控制，进一步提出网络机器人的自适应自主性。不仅人可以调整机器人自主性.机器人也应该具备动态改变自身自主性的能力。在遥操作过程中，网络机器人从人机交互经历中通过学习获得能够根据网络状况和任务需求来自发改变自身自主性的智能，即网络机器人具有适应性的自主性。面对复杂多变的网络状况和Internet上的普通用户，机器人动态地调整自己的自主性，以适应用户的需求从而协助用户共同更好地完成遥操作任务。实验结果表明，自适应自主性改善了网络机器人系统的性能、提高了执行的效率。