移动机器人是近年来发展起来的一门综合科学，它集中了机械、电子、控制以及计算机等多学科最新的研究成果，涉及智能控制、人工智能、信息处理、图像处理、传感技术等，代表了机电一体化的最高成就。机器人路径规划是移动机器人中的一个重要问题，一直以来是国内外学者们热衷的课题。 根据工作环境机器人路径规划规划可分为两种。离线路经规划(又称静态或全局路径规划)：环境信息是完全已知的，根据先验环境模型找出从起始点到目标点的可行或最优路径；在线路经规划(又称动态或局部路径规划)：环境信息全部未知或部分未知，障碍物的尺寸、形状和位置都是通过传感器获得的。在离线路经规划方面已有大量深入的研究，在线路径规划方面则还有些问题有待进一步研究。 本文首先综述了国内外机器人技术的研究概况，对当前机器人路径规划的研究进展以及研究方法进行了必要的综述，并阐述了论文的研究目的、内容和意义。 其次，分析了BUG算法和两点法的优点和不足，针对移动机器人在线路径规划问题提出了一种混合实用的方法，从而弥补了两种方法各自的不足。并且提出把一种并行模块化神经网络运用到机器人在线即环境未知的局部路径规划中，神经网络一般用在解决复杂的问题，用在环境很复杂的路径规划中，会有较好的结果，本文在第四章初步分析它的优点和不足，同时分析了它的可行性。 最后对全文进行了总结，指出了本文研究的一些不足，并对机器人在未知环境下的路径规划问题作了展望。