机器人的诞生是近几十年来人类科学取得的重大成就之一，机器人学的快速发展给人类社会带来了巨大的变化。机器人在人类社会中的角色正在从传统的军用、工业机器人向民用、服务型机器人发展。服务机器人是一种工作于具体的环境、任务的机器人系统，活动空间通常较大，一般属于移动机器人。移动机器人的目标是在没有人的干预、无需对环境做任何规定和改变的条件下，有目的地移动并完成任务。因此路径规划是移动机器人能否成功完成任务的重要前提和条件之一。移动机器人目前的发展趋势之一是智能化、自主化，即自主式移动机器人。随着许多学者和技术人员对生物机制的不断研究，以神经网络、进化计算、人工免疫等为代表的智能控制理论正应用于自动控制领域，并且给解决实际控制问题提供了新的思路和方法。同样，这些智能控制理论也能应用于移动机器人的路径规划。因此人工智能技术的发展对机器人的应用有着十分重要的影响。本论文以移动机器人为研究对象，主要对自主式移动机器人在不同环境下的路径规划进行研究，主要工作有：首先研究了神经网络，重点是BP神经网络。分析了BP网络的特点、结构及本身的局限。其次简要介绍了生物免疫系统。讲述了有关人工免疫系统的理论及算法。重点对免疫系统的机理、特征进行研究和阐述。结合进化计算提出了免疫进化算法。该算法结合了免疫算法和进化计算的特点，将进化规划同生物免疫系统中的浓度机制及个体多样性保持策略相结合，不但考虑了抗体与抗原间的亲和度，也考虑了抗体间的亲和度即抗体的浓度。并基于两者构造抗体的选择概率。既保留了进化规划的全局搜索特性，又能增强个体适应环境的能力，避免了未成熟收敛。最后对机器人的路径规划进行了研究，将神经网络和免疫进化算法共同应用于机器人的路径规划。用神经网络构造机器人周围环境及障碍物的描述模型，用免疫进化算法寻找最佳路径。在足球机器人平台上进行了仿真实验。实验结果表明，该方法对于机器人的路径规划是有效可行的。