移动机器人是机器人领域的重要研究方向,是机器人学、计算机科学和人工智能等多学科的结合。在实际应用中,移动机器人需要在缺少环境相关先验知识的情况下完成探测与路径规划的任务。如何提高移动机器人的自主学习能力已经成为移动机器人领域的研究热点,本文对移动机器人室内未知环境探测与规划进行研究。本文针对移动机器人获取未知环境中目标信息的需求,提出基于视觉的目标状态探测系统,在机器人运动过程中实时获取目标信息引导机器人完成路径规划。该系统使用基于约束最小二乘法的目标拟合方法,保证目标检测有效性的同时,提高在有遮挡情况下定位的准确性。同时,为了提高目标定位信息对路径规划的贡献,使用基于差额奖励的目标状态检测方法,应用于强化学习中奖励信号的设计。以移动机器人传感器探测的数据为基础,本文设计了基于自适应模糊神经网络的移动机器人路径规划系统,利用环境信息控制移动机器人完成路径规划任务。该系统有效结合模糊系统的表达推理能力和人工神经网络的泛化能力,通过专家样本训练,准确地建立环境信息与动作之间的映射关系,表现出良好的学习能力。根据移动机器人对室内未知环境中探测与规划的需求,本文提出基于自适应模糊神经网络的强化学习决策系统,使得移动机器人无需依赖环境模型,直接从环境学习状态空间与动作空间的映射关系。自适应模糊神经网络的函数逼近能力和泛化能力可以有效解决强化学习Q函数学习时表示空间快速膨胀问题,同时利用视觉信息完善奖励信号的设计,提高系统的实用性。本文提出的方法均通过相关的实验测试验证了有效性,研究思路与研究成果对移动机器人智能水平的发展具有一定的参考和应用价值。