随着科技发展和相关学科的不断完善，机器人研究具有了更广泛的技术手段，区别与传统的设计理念，通过观察、学习、模仿生物体与环境的交互行为的仿生学方法来复制和再创造生物的形态、功能以及控制机制为机器人研究带来了新思路。多年以来，模仿和复制生物结构给机器人研究领域带来了巨大成功；同时，随着神经生物学和仿生机理研究的不断深入，基于CPG网络的仿生控制方法逐渐成为足式机器人研究的热门课题。其中，CPG网络的拓扑结构、步态生成方法是研究者共同关注的焦点。目前，在CPG网络结构的形成原理、形成过程等方面的研究尚处于理论初始阶段，而这恰是构造CPG网络的基础，因此在该方面开展研究具有重要意义。本课题在生物神经网络生长发育的相关研究的基础上，进行了CPG局部网络自生长方法的研究。首先，分析神经元在生物大脑内的分布规律、分布密度等特性，利用概率统计方法，研究了神经元在有限区域内的分布特性与规律，在此基础上，建立了在有限区域内多神经元分布的拓扑结构，为CPG局部网络自生长提供基础。其次，通过分析神经元经自身发育、轴突生长而形成局部神经网络的生物学机理，获得了神经元极性建立和轴突生长的简化方法；通过研究引力场约束下多神经元轴突生长的特点，研究了平面内多神经元轴突生长的规则和相应的数学处理方法；通过分析大量的网络生长实验结果，获得了从神经元连接长度到其相互间相位关系的映射函数；最后，根据前文所设计的网络生长算法，针对两种常见的步态进行了的网络自生长实验，分别获得了与这两类步态相对应的相位关系，实验验证了本文所设计的基于引力场约束的网络自生长算法的有效性；利用开源动力学引擎（Open Dynamic Engine，ODE），在codeblocks开发环境内建立四足机器人运动控制仿真平台，建立四足机器人节律运动控制子系统，进行节律步行实验，实现了基于自生长网络的四足机器人节律步行。