针对人机共融场景中机器人任务快速变化、紧凑作业空间等导致机器人高性能运动控制困难的问题,提出一种基于环境吸引域的机器人运动控制与实时位型优化方法。为尽可能减小机器人本体的运动区域,采用两组关键点集对机器人本体与人类偏好的机器人作业区域进行抽象化表征,并提出基于点集距离的环境吸引域评价指标;设计笛卡尔空间运动控制器,并构造末端执行器跟踪误差收敛的关节角速度等式约束;结合关节角度、角速度等物理约束,建立基于约束-优化的机器人运动控制与位型优化问题模型。设计递归神经网络对机器人的角速度指令进行实时求解,并证明了系统的稳定性。最后通过四自由度机器人和七自由度Franka Panda机器人的仿真,验证了所提算法在保证机器人末端完成高精度运动控制的同时,能够使机器人的工作区域尽可能收缩到预设区域。