快速准确的面向预定目标位置的导航(如:归巢和觅食)是高等动物赖以生存的一个重要能力。生理学研究表明鼠脑中的海马结构是空间认知的核心脑区,在陈述性记忆和空间导航方面有着重要作用。模仿鼠脑海马结构空间导航相关细胞的信息处理机制和认知机理,构建计算模型,并将这种模型运用于机器人环境认知,使机器人能够更加快速、准确的面向目标位置进行导航是当前人工智能领域的研究热点和难点。课题组基于海马结构生理学和行为学的研究成果,进行仿鼠脑海马结构认知机理的自主移动机器人面向目标的导航模型及其物理体现方法研究。论文构建了基于空间细胞的神经网络模型,并将这种神经网络模型用于精确的认知地图构建,在此基础上研究了无外源性信息输入的机器人面向目标的仿生导航模型。主要研究工作包括:(1)提出了一种基于空间细胞放电机理的路径积分方法。根据海马结构中存在的四种空间细胞的放电特性和信息投射关系建立了每种空间细胞的数学模型以及整体的神经网络模型。模型的输入信息是速度和方向信息,经一维连续吸引子模型对线速度的路径积分形成条纹细胞放电野;条纹细胞的放电信息驱动二维连续空间的吸引子模型形成网格细胞族的六边形放电野,覆盖整个环境;网格细胞族活动通过一个竞争型网络模型,选择相应的子集,形成单峰型的位置细胞放电野,位置细胞群编码对空间环境进行了表达。仿真结果表明这些数学模型能够对自运动线索进行路径积分,较好的模拟了空间细胞的放电特征。(2)提出了一种基于颜色深度图对自运动线索路径积分产生的固有误差进行校正,构建精确认知地图的方法。该方法采用RGB-D传感器采集环境的颜色深度信息图进行闭环检测。当检测到闭环时,利用RGB-D图像作为视觉线索去校正空间细胞路径积分的误差,并重置空间细胞族活动到先前的活动状态。最终生成的认知地图上的节点包含的是位置细胞群编码信息、对应的视觉线索以及位置拓扑关系。物理实验表明该方法能够在大范围的空间中实现精确的地图构建。(3)提出了一种基于直接强化学习的机器人在连续的动作和状态空间中面向目标位置的导航模型。基于行为学中老鼠的Morris水迷宫实验研究结果,探索老鼠在无外源性信息输入环境中实现面向目标导航的机制,在生理学研究的基础上,针对连续动作和状态空间中面向目标的导航问题,依据海马结构中位置细胞相关特性和相关信息传递通路,构建海马位置细胞到前额叶皮层假设的动作细胞的脉冲神经网络模型。连续的状态空间和动作空间分别由位置细胞和动作细胞进行表征,模型采用直接强化学习与脉冲响应模型相结合的算法进行面向目标的自主导航。在Morris水迷宫环境中的仿真实验结果表明,该模型能够解决连续状态空间中面向目标导航问题,所采用算法在性能上优于传统的时间差分学习算法。调整网络中动作细胞的数量,模型的收敛性能不变,在改变状态空间、目标位置以及有障碍物的复杂环境中,也可以实现面向目标的导航。