路径规划是移动机器人导航系统中最重要的任务之一，灵活有效的路径规划算法能够帮助机器人适应各种复杂的环境，比如动态环境或未知环境等，大大提高机器人的应用领域，使得机器人能自动识别环境，判断路径，继而完成指定地点规定的工作任务。 本文在总结了已有的路径规划方法的基础上，进行了如下的几项工作：采用了一种新颖的算法——神经网络算法实现所要求的未知环境的路径规划任务，在具体进行实施之前，介绍了神经网络算法，并分析了不同神经网络针对不同系统的辨识过程，并一一举例验证。 接下来详细地就新的神经网络路径规划算法——“距离定位法”进行深入探讨，通过算法模型的介绍，禁忌思想的引入，稳定性分析等方面详细阐述，并且用动态和静态地图，简单和复杂环境等全方面的仿真验证了新算法的效率和收敛性。本文同时还提出了采用神经网络算法将路径规划和地图建模相结合的可行性。 最后，本文又对机器人路径规划中比较常用的人工势场法做了研究，根据以往人工势场法中的缺陷，提出了自适应的动态人工势场法，通过让机器人自适应的根据地图环境来改变步长的算法来提高机器人行进的速度，进一步来实现机器人在未知地图情况下的路径规划的效率的提高。数值仿真的结果也证明了算法的有效性。