关键词：移动机器人；情景记忆；神经元激励；行为控制
摘 要：针对不确定环境下机器人行为控制的维数灾难和感知混淆问题引入神经元激励机制，提出一种情景记忆驱动的马尔可夫决策过程(EM-MDP)以实现机器人对环境经验自主学习，及多源不确定性条件下的行为控制。首先，构建情景记忆模型，并基于认知神经科学提出事件中状态神经元激活及组织机制。其次，基于自适应共振理论(ART)与稀疏分布记忆(SDM)通过Hebbian规则实现情景记忆的自主学习，采用神经元突触势能建立机器人行为控制策略，机器人能够评估过去的事件序列，预测当前状态并规划期望的行为。最后，实验结果验证，该模型框架与控制策略能够实现机器人在普遍场景中的行为控制目标。