自主移动式机器人研究的主要目的是实现机器人自主完成其工作任务,尤其是在陌生的环境内,保证工作效率。机器人自主移动并工作的主要前提是机器人对工作环境有详细的了解,能够针对需要完成的任务进行路径规划与任务规划,实现工作的顺利完成。本文对自主移动式机器人的环境感知、理解及地图测绘进行研究,力求建立环境结构在机器人大脑中的映象,并通过移动式机器人易于理解的抽象的和形式化的图谱表示出来,取得了以下研究结果:一、针对室内清洁机器人,提出了一种机器人工作环境地图的测绘方法,该方法基于栅格地图表示环境,对环境地图进行分区,通过自由区域联结图广度优先搜索及深度优先遍历(WSDC)形成方形区域遍历顺序,对机器人探测环境的路线进行导航。实验研究表明栅格地图表示环境对于区域划分与区域遍历的可行性,采用WSDC算法,可以减少机器人的运动距离,提高工作效率。二、基于自组织特征映射图(SOM)构建了一种新的结构可增长的自组织特征映射图建立模型(GSOM),该模型的可增长就是特征映射图的神经元数不是确定的,它可以根据训练样本的分布情况,实现自身结构的自学习和自组织。实验表明该模型可以在网络结构自组织增长过程中实现输入空间结构的识别,准确的实现输入空间的模式聚类和模式分类。三、提出了一种基于GSOM的自主移动式机器人环境地图测绘方法,该方法利用GSOM的增长特性,实现机器人大脑中环境映象的形成和逐渐发展,可以在样本数未知情况下,确定描述环境特征的最优SOM神经元数量,以少数SOM图神经元分布描述具有大量特征信息的环境结构,建立更能准确描述环境的拓扑地图。实验表明基于GSOM算法建立拓扑地图,可以有效确定拓扑结点的数目,实现输入数据的压缩与分布结构的识别,便于机器人利用GSOM地图进行路径规划。本研究课题受到国家自然科学基金课题(60375017)、北京市人才强教计划项目、高等学校博士学科点专项科研基金(20050005002)的支持,相关论文成果发表在《机器人技术与应用》和《系统仿真学报》(EI刊源)杂志上。