随着科技的发展机器人逐渐从工业扩展到服务性行业,相比于工业机器人的结构化环境,服务性机器人由于所处的环境是复杂多变的,所以对于机器人的要求就会更高。本文在国家自然科学基金项目的资助下,借鉴生物学的智能来研究机器人的学习方法,具有较高的研究价值。主要内容包括：(1)分析比较了第三代与之前的神经元模型,选择了适合本文的尖峰神经元模型。深入的对尖峰神经元的三种代表性模型进行仿真并比较各自的优缺点,在以较小的复杂度达到较高的生物学的真实性基础上选择了适合本文的Izhikevich模型。重点讨论了Izhikevich模型,对常见的6种尖峰进行仿真研究,深入了解了模型中各个参数的作用。(2)研究了尖峰神经元群在时间和空间上的整合问题,并通过仿真实验分析了突触前神经元数目对突触后神经元的影响。通过改变突触前神经元刺激的时间间隔,给其输入一个较大刺激(电流)使其产生尖峰,研究了外部刺激的时间间隔对突触后神经元的影响,仿真结果表明,时间间隔过大时,突触后神经元不会产生尖峰。研究了多巴胺在条件反射过程中的活动特性以及对突触可塑性的调节作用。利用Izhikevich模型探讨了多巴胺调节的LTP、LTD,通过仿真实验研究了多巴胺在学习过程中的作用,探讨了突触强度与多巴胺延时释放时间之间的关系。(3)在simbad仿真平台上,利用强化学习思想把尖峰神经元模型应用到机器人学习中。设计了机器人走迷宫实验,编写仿真程序,通过多次模拟训练提高机器人的学习能力,仿真结果说明了该方法的有效性。(4)研究了影响机器人学习能力的因素,通过改变迷宫复杂程度以及构成传感器信息处理单元和控制器的神经元数目来研究机器人的学习能力,利用此实验验证了延时时间对机器人学习能力的影响。本文相关研究成果为今后研制具有更高智能和生物学基础的机器人具有积极地意义。