随着移动机器人应用领域的拓展,要求移动机器人能适应在未知环境下工作。移动机器人自主导航和轨迹跟踪能力是提高移动机器人适应性关键技术。本文以差速轮式移动机器人为研究对象,以增强学习为理论基础,研究移动机器人在未知环境下自主导航和轨迹跟踪控制器优化方法。应用所提出的导航方法,结合单目视觉技术实现自主设计的移动机器人在障碍物环境中导航。针对移动机器人导航问题,提出一种基于增强学习反应式导航策略。首先分析移动机器人导航环境特点,建立移动机器人导航Markov模型,优化Markov模型中状态空间和回报函数设计,用BP神经网络逼近状态值和策略空间来解决连续状态空间“维数灾难”问题。由于Q-学习算法收敛速度较慢,移动机器人学习训练采用Actor-Critic策略梯度算法,最后设计Matlab仿真实验证明提出的导航方法使得移动机器人可以根据外界传感器获取的环境信息实时路径规划,自主避障,同传统方法相比学习效率更高,具有更强的泛化能力和环境适应力。针对轮式移动机器人轨迹跟踪问题,提出一种基于增强学习算法的移动机器人轨迹跟踪控制方法。首先建立移动机器人运动学模型和动力学模型,分别建立运动学控制器和动力学控制器。在动力学控制器中,通过对移动机器人系统模型分析简化,将增强学习方法和最优控制原理结合形成的HDP(启发式动态规划)控制方法用于轨迹跟踪控制问题之中,实现轨迹跟踪控制器在线学习优化,使用Matlab软件simulink模块进行移动机器人轨迹跟踪控制仿真实验。实验结果表明,所设计的控制器可以有效提高轨迹跟踪精度,并且具有较好的稳定性和鲁棒性。设计移动机器人视觉导航系统。提出了一种单目视觉障碍物深度信息提取的方法,该方法主要利用机器视觉技术中图像分割Kmeans++算法和边缘检测技术提取障碍物边缘特征,然后利用相机成像原理计算障碍物到摄像头距离。设计一种基于嵌入式小型差速转向移动机器人平台,该移动机器人以STM32F103为控制器,设计车体结构和硬件电路,开发软件控制程序。在该平台上进行了视觉导航实验,证明所提出的导航算法可以根据移动机器人单目视觉获取的障碍物信息完成反应式导航。