步行动物在适应环境时表现出高能量效率和多功能运动能力。腿足机器人运动系统采用了机器学习、模型控制和生物启发控制等不同的方法来模拟这些自然特性。但目前大部分腿足式机器人只能模仿自然界中动物的简单行为,面对环境因素的变化不能做出足够合适的反应,与其自然特性相差甚远。为了能够提高腿足式机器人适应性和行为多样性,本文提出一种自适应、多样行为控制策略,集成多神经模块构建机器人神经行为控制架构。根据不同地形特征和环境状况,该神经架构能实现机器人对行为突变进行快速切换并形成各种复杂行为运动。整个神经控制系统主要由自适应神经调节模块和灵活运动神经控制模块组成。自适应神经调节模块作用是对外部环境信息进行处理,得到目标导向的行为指令并将其转化为神经信号强度,从而得到类似动物的信号处理机制和行为反应,实现机器人机身和腿部的自适应调节,包括信号预处理神经模块和神经强度调节模块。信号预处理神经模块用于传感信号处理,将其转化为行为指令。神经强度调节模块接收到行为指令后将其转化为神经信号强度,对机器人运动行为变量进行精确实时控制,包括机器人机身姿态和轨迹、足端状态和轨迹,实现更加灵巧和快速的行为运动。灵活运动神经控制模块主要是用于生成机器人机身和腿部的基本运动行为,包括运动协调神经调节模块和虚拟运动神经元模块。运动协调神经调节模块主要是产生基本的节律信号和步态信号,维持腿部之间的协调;虚拟运动神经元模块通过接收运动协调神经调节模块发出的节律信号以及神经强度调节模块发出的强度信号形成不同机身和足端轨迹,然后通过逆运动学模块得到驱动机器人关节电机的信号。此外,虚拟运动神经元模块具有贝塞尔曲线的数学特征和神经网络参数及层数可调的特性,作为腿足机器人行为规划模块,能够根据环境参数的不同调整行为轨迹变化的复杂程度、精确度和可控性。同时所建立的基于神经架构的机器人上层自适应行为控制模块,结合虚拟运动神经元模块能够完成机器人各部分所有运动行为的实时调节。最后在腿足式六足机器人实验平台上进行了机器人多样性运动实验、机器人机身自适应避障实验、机器人腿部自适应避障实验以及机器人通用性验证实验。结果表明本文提出的神经架构能够根据环境变化,自动调节轨迹规划神经模块,使得机器人能够通过各种复杂环境,运动形式灵活多变。这一策略让机器人能够灵活稳定地应对环境变化,体现了很好的自适应性。