机器人的发育机制类似于人类大脑,对新的事物和环境有一定的认知学习能力。通过学习和经验的积累,使机器人具有类似于人的行为,体现了机器人自主发育的性能。研究了仿生模型在机器人运动平衡控制中的自主学习和发育的能力,取得的主要研究成果如下:1)提出一种动态结构神经网络的生长算法,以两轮机器人为实验平台。做了自由运动平衡控制实验,验证了其有效性和较好的抗干扰能力。2)针对神经网络一直生长必然会导致结构规模过大的问题,构思了一种动态结构神经网的修剪算法,该算法通过评价函数来评价行为动作的好坏,同时产生奖励或惩罚信号。对机器人做了定点平衡控制实验,体现了该改进算法的有效性和鲁棒性以及机器人自主发育的性能。3)对以上两种算法进行优化,将Boltzmann机与仿生自主学习算法相结合。设计了一种动态仿生优化模型。分别做了定点平衡控制实验和自由运动平衡控制实验,体现了机器人的自主发育的能力。所提出的动态结构仿生模型,在自适应和自学习方面模仿了人或动物的技能学习行为。该仿生模型与生长和修剪算法模型相比,进一步改善了发育机器人系统的学习速度和精度。