在人类探索世界的过程中,存在着许多无法到达的场所,而足式机器人由于其承载能力强、稳定性好、适应各种不同地形而成为研究重点,六足机器人由于其相对四足机器人可以实现更好的稳定性,而与八足机器人相比,六足机器人机体结构又更为简单,因此有更简单的运动控制策略,因而有其重要应用。本文设计构建了六足机器人模型,从足尖轨迹规划、中枢模式发生器、深度强化学习三种运动控制方法对机器人运动控制策略进行了研究与仿真。本文主要研究内容如下:1、为了在仿真环境中验证控制算法的有效性,构建了六足机器人机体结构,对六足机器人的运动步态进行了分析,由于现有机器人足尖运动轨迹规划方案数学模型参数较多且不明确,本文提出了一种足尖轨迹规划方案,然后对机器人正逆运动学解进行了分析解算,并对运动学解进行了验证,最后结合机器人足尖运动轨迹规划和机器人腿部逆运动学解实现了机器人运动控制。2、以低级神经中枢中的中枢模式发生器（CPG）为研究对象,通过Matsuoka和Hopf两种振荡器构建了用于机器人节律性运动控制的CPG模型,针对六足机器人特定结构,改进了Hopf振荡器,使其可以控制六足机器人实现多种步态的运动,然后对振荡器模型参数进行了分析,构建了CPG网络结构用于控制六足机器人,将振荡器输出信号通过关节映射函数进行了处理,用于控制机器人股节与胫节。最终在仿真环境中以两个振荡器为基础构建了CPG网络,实现了机器人运动控制,并对机器人运动进行了定量分析,从机器人运动控制效果和参数复杂度的角度对两个振荡器进行了比较。3、研究了基于深度强化学习的方法控制六足机器人运动,从LQR控制系统与强化学习智能系统的对比出发,确定了智能系统用于机器人运动控制策略训练学习相关的状态值、动作值以及奖励函数,基于DDPG算法对机器人运动控制策略进行了训练学习,实现了机器人运动控制,为了提高训练效率,在智能系统运动过程中设计了提前结束模块,当机器人运动到危险状态下,提前终止轮次训练。提升了智能系统训练效率。最后通过设置不同地形结构,包括平面、斜坡、沟壑等对上述运动控制策略进行了比较,并对全文进行了总结与展望。