类脑计算成为学术界和产业界热议话题，脑机融合及其一体化成为智能科学、人工智能发展的一个重要趋势。研究生物智能与机器智能深度融合并协同工作的新型智能系统，是当前人工智能与脑认知科学交叉领域面临的重要课题。人工智能研究表明，机器在搜索、计算、存储等方面有人类无法比拟的优势，然而在感知、推理、学习等方面却无法与人类智能相匹敌。　　在人工智能领域中，智能体作为模拟人类智能体的实体，需要通过感知获取环境信息用于内部推理。973课题“脑机协同的认知计算模型”的研究内容中，将脑机协同的认知过程定义环境感知、动机解析、意图理解以及动作规划四个环节，环境感知成为了研究中的最基础也是最关键部分。因此，论文针对973课题研究内容“脑机协同的环境感知”，在感知-信念-目标-规划(Awareness-Belief-Goal-Plan，ABGP)智能体理论模型的基础上展开智能体的环境视觉感知方法研究，主要研究为智能体模型构建基本的环境视觉感知模块，针对复杂环境提升视觉感知模块识别性能与改善特征鲁棒性问题，为智能体构建类似生物视觉通道的分层可解释性特征表达的视觉感知模块，以及展开ABGP智能体编程框架的实现与应用研究。论文研究主要取得了如下创新点:　　(1)基于深度卷积网络为ABGP智能体构建了视觉感知模型，实现智能体具有环境视觉感知的基本功能以及视觉信息转换为内部事件表达的机制，并从智能体的内部推理解释过程以及视觉感知模块识别性能实验上分析了采用深度网络研究智能体视觉感知模块的可行性与有效性。　　(2)针对生成随机网络对数据不完整性（如局部丢失、模糊，变形等）有着较强鲁棒性且能够采用灵活的框架和噪声形式，以及卷积网络在图像视觉特征表达上拥有特征多层不变性和空间局部相关性等优点，将卷积网络模型引入生成随机网络，提出了卷积生成随机模型用作构建智能体的环境视觉感知模型，使得智能体在复杂环境下具有较强特征表达能力的同时还有噪声鲁棒性，能够实现更准确的环境视觉感知。　　(3)考虑到人脑视觉感知通路不仅是一种层次结构，而且不同层次所得到的特征表达还具有一定可解释性的特点，提出了拥有可解释性隐层多特征融合的深度网络用作智能体视觉感知模块的构建，使得智能体的视觉感知模块拥有更强的决策判断能力与更明确的层次特征可解释性。　　(4)基于具有视觉感知功能的ABGP智能体模型，实现了ABGP智能体统一编程框架以及运行开发环境，并设计了相应实验来验证编程框架的有效性与正确性。此外，还将ABGP智能体模型应用到玩具小车上，使得玩具小车在多障碍物复杂环境中，能够依靠视觉感知与信念目标相结合进行避障活动。