生物在空间环境中能够感知环境信息，确定自身位置，并引导自身从当前位置到达另一目标地点。生物在空间中的导航是一个空间认知的过程。大脑中主要通过神经元放电的方式对空间环境感知且编码，根据不同神经元响应模式的不同，将目前检测到的与空间认知能力有关的神经元分成了位置细胞、网格细胞、头朝向细胞、边界细胞、条纹细胞和速度细胞等。其中，位置细胞与网格细胞承担着最为重要的部分，有大量针对其各自的放电模式以及两者间联系的计算建模。
　　导航能力是机器人具备的基础能力之一，目前对机器人导航的研究已经较为成熟，具有不同功能的机器人已经广泛应用至工业以及家庭生活中。然而相较于生物的导航能力，机器人对空间的认知能力、针对外界环境变化时的适应性等都有待进一步提升。因此，借鉴生物大脑中空间认知细胞对空间信息的处理机制，与机器人导航相结合，将使机器人技术向更智能化的方向发展。本文主要研究工作如下：
　　（1）依据网格细胞承担空间度量尺的这一特性，构建了网格细胞图作为空间表征模型，为机器人导航提供环境信息。利用连续吸引子网络模型模拟了网格细胞放电过程，根据网格细胞放电特征构建了单一网格细胞放电率模型。网格细胞在空间中具有类似坐标系功能，能够衡量空间中的相对位置，据此，采用等间隔平铺的方式在单一网格放电率模型的基础上构建网格细胞图，用以表征整体空间环境。仿真实验结果表明，构建的网格细胞图根据放电率大小能够估计出机器 人的位置，且针对网格细胞间隔与放电野半径这两个参数对模型估计效果进行了分析。
　　（2）受位置细胞特征启发，对强化学习中的 SARSA 算法进行改进，在单机器人导航实验中进行验证。针对强化学习过程中在训练后期存在的 Q 值冗余现象，利用位置细胞能够在特定地点放电，类似“路标”这一特性，构建了层级模型。前一部分构建的网格细胞图构成了机器人的感知系统，作为强化学习的状态输入，为机器人提供环境信息。依据Q值设置虚拟目标点作为下一次训练的新目标区域，将训练过程分段。将模型应用至基于 SARSA 算法的水迷宫实验中，结果表明模型能有效缩短训练时间，提升学习效率，且在有简单障碍物的环境中依然适用。
　　（3）从对单一细胞特征的研究扩展至对细胞之间信息传递关系的研究，利用细胞间的竞争抑制关系对免疫优化算法进行改进，在多机器人路径规划算法中验证算法有效性。生物学中发现，网格细胞输入到位置细胞的过程中，细胞间存在着竞争抑制关系。受此启发，在免疫优化算法变异过程中加入了变异抗体的抑制过程，种群中已存在的抗体将被抑制生成，变异后生成新抗体才被激活。在多个机器人覆盖平面中全部任务点的最短路径规划问题中，改进后的免疫优化算法收敛更快且能找到更优的解。
　　最后，针对本文研究内容分析了有待解决的问题并提出了新的研究方向。