强化学习是机器学习重要研究领域之一,是实现智能体自动适应环境的主要工具,并在复杂任务中显示出巨大潜力。但是当前强化学习技术需要大量的交互数据,在现实应用中需要高昂的数据成本。尤其在机器人导航应用中,可训练数据较少,数据利用率低,为了缓解该问题,本文提出一种基于规则的强化学习及其在六边形栅格地图环境下的机器人导航方法,该方法可提高算法收敛速度并提高路径的平滑性。在机器人导航中,本文选择使用六边形栅格地图代替传统的四边形栅格地图,以提高对复杂环境的适应性并提高了机器人动作规划的自由度以及规划路径的平滑性;在此基础上,以规则的形式引入人类导航常识,提出并实现了基于规则的强化学习方法。具体工作包括:(1)建立适用于机器人导航的六边形栅格地图,实现并测试了六边形栅格地图环境下基于强化学习的导航方法;(2)提出了基于规则的强化学习方法,首先通过沿墙走规则获得两条从起点到终点的轨迹,进而使用约简规则对所获得的轨迹进行空间约简,并通过理论分析证明最优路径仍在约简后的空间内,最后使用Pledge规则引导智能体进行高效学习;(3)构建了机器人导航系统,通过实验验证了不同环境下所提出方法的有效性和优越性。本文工作是对结合了规则推理的强化学习方法的有益尝试,并结合机器人导航控制进行了应用研究,对于强化学习方法和室内导航技术的研究均具有借鉴意义。