该文首先利用轮式移动机器人Pioneer2-DXE,Panasonic彩色CCD摄像机和大恒CG200图像采集卡,使用所开发的彩色图像目标识别和Socket通信方法,设计了无标定机器人视觉运动模仿实验.在该实验中,机器人重复跟踪某一个轨迹,利用历史运行经验来修正当前的行动,使位置跟踪误差逐渐收敛.该文提出了一种基于模糊自适应谐振理论(Fuzzy Adaptive Resonance Theory)的算法,解决了变光照条件下图像分割和目标识别的问题.该理论是一种竞争学习神经网络,可以对输入量进行正确的聚类,具有自组织、非监督学习和竞争的特点.该方法在HSI空间自组织非监督地进行颜色聚类,使用该文提出的增加、削减和融合聚类的方法,寻找适当的聚类个数,使得图像分割和目标跟踪更加精确.该方法具有的在线升级目标颜色模型的能力,可以克服环境光线变化所带来的影响.最后该文对基于视觉的移动机器人行为学习进行了初步的研究.移动机器人为实现在未知环境中的探索任务,由于无法获取环境的完备信息,难以预先建立环境的精确模型,因此必须具有自主学习行为的能力.该文提出了一种自主机器人行为学习算法,机器人利用视觉信息与环境交互,使机器人在无教师指导的情况下,进行行为的学习.该方法组合自组织映射神经网络和连续值强化学习,能够接受连续值输入状态,并将其离散化,从而减少了状态-动作对的数量.机器人在执行一个动作后立刻接收一个实连续强化信号,因此没有延时的回报,不需要估计累计的奖赏,提高了学习的速度.