两轮机器人在环境中的行为学习存在自主探索效率低等问题,基于人脑中关于人类行为学习时的信息处理机制和相关神经结构之间的协调机制,建立了基于基底神经节的仿生行为学习模型,并引入内在动机,研究其背后的神经结构与其协调机制,建立基于内在动机的基底神经节的仿生行为学习模型。基于人脑基底神经节的多巴胺持续调机制,引入价值衰减机制,提出了基于价值衰减机制的基底神经节仿生行为学习模型(VD-BG),机器人获得的评价值随时间进行衰减,以此来快速达到目标,改善机器人的学习效果。通过仿真实验证实了模型的有效性。针对机器人在未知环境中自主探索效率低等问题,研究内在动机背后的神经结构以及与基底神经节的相关协调机制(CIM-BLM),建立基于内在动机的基底神经节仿生行为学习模型,提高机器人的智能化程度。该模型在Actor-Critic模型的基础上将内在动机设置为其奖励值,使机器人可以自主选择合适的动作。仿真实验表明了该模型具有较高的自主学习能力。由于内在动机奖励函数在真实环境中不易获得,引入元学习概念,提出了基于元学习的内在动机仿生行为学习模型(MIM-BLM),更符合生物的可解释性,在Actor-Critic模型的基础上加入一个元价值网络来获得内在奖励,并且通过仿真实验达到了预期效果。课题提出的仿生行为学习模型,主要针对两轮机器人平衡控制行为的学习,通过模拟人脑中的信息处理机制,为提高智能体的自主探索和学习能力提供了新的思路与方法。图38幅;表4个;参51篇。