生理學研究發現，大鼠進行空間導航和記憶依賴多種空間細胞。基于此，本文對鼠腦內嗅—海馬結構內空間細胞的放電機制進行研究，提出了一種移動機器人空間定位模型。其特點為：在網格細胞到位置細胞信息傳遞模型的基礎上，引入位置細胞相互作用的神經網絡模型得到具有單峰興奮活動包的細胞板。通過建立興奮活動包在細胞板上的位置與機器人在物理環境中的位置之間的轉換關系，實現對機器人位置的解算。本文設計了仿真實驗和物理實驗對模型進行驗證。實驗結果表明：相較于RatSLAM和網格—位置映射模型，本文模型的定位性能更加精確，且在機器人長時間的路徑積分過程中所產生的累積誤差也更小。本文研究成果為仿鼠腦認知機制的機器人導航方法奠定了基礎。
生物學研究表明，位置細胞是大鼠知曉當前所處空間位置的主要依據。由于網格細胞是位置細胞的主要信息輸入源，因此需要構建由網格細胞到位置細胞的映射模型。針對這一問題，本文提出一種網格細胞到位置細胞的逆傳播誤差神經網絡映射模型，實現在給定區域內對位置的精確表達。又依據邊界細胞對環境邊界特異性放電這一生理特性，實現利用邊界細胞對網格野位相的周期性重置，使該模型完成任意大小空間中的位置認知。本文設計了仿真實驗對比理論位置細胞板的活動情況，又分別對比競爭型神經網絡模型的耗時和 RatSLAM 位姿細胞板的定位誤差。實驗結果表明，本文模型能夠得到單一的位置野，并在耗時實驗中較競爭型神經網絡模型算法效率提高 85.94%；在定位實驗中較 RatSLAM 位姿細胞板的平均定位誤差下降 41.35%。因此本文提出的位置認知模型不僅可以實現網格細胞到位置細胞之間信息的高效傳遞，而且能夠在任意大小的空間區域內實現自身位置的精確定位。
直接使用速度信息和角度信息驅動網格細胞吸引子對環境編碼的方法，抗干擾能力較差且不具有仿生性。針對這一問題，本文提出一種基于感知速度與感知角度的網格野計算模型。其特點在于，通過對視覺流進行解碼處理獲得視覺速度，對速度細胞建模并解碼獲得本體速度，對視覺速度和本體速度進行融合求得感知速度信息；利用加入興奮性連接的一維環狀模型模擬頭朝向細胞的放電機制，使機器人以仿生的方式獲取當前的感知角度信息。最后，融合速度和角度兩種感知信息實現對網格細胞吸引子模型的驅動。對所提模型進行實驗驗證，結果表明該模型可以實現網格細胞周期性六邊形放電野模式以及精確的路徑積分功能。研究成果為仿海馬認知機制的機器人認知地圖構建方法研究奠定了基礎。
生物學研究發現，采用簡單線性疊加數學模型不能表達嚙齒類動物大腦皮層海馬區多個激活網格細胞網格野到單一位置細胞位置野輸出特征映射關系。針對這一難題，引入高斯分布激活函數。本文利用其局域化特性，對網格細胞輸入和網格細胞與位置細胞之間連接權值線性疊加輸出進行處理，濾掉激活率比較低的位置野，得到了與生物學研究發現相一致的單一位置細胞位置野。與已有競爭學習算法位置細胞模型、獨立成分分析方法位置細胞模型、貝葉斯位置重建方法位置細胞模型相比，本文實驗結果表明，該模型在神經生理學基礎上不僅能表達嚙齒類動物大腦皮層海馬區多個網格細胞網格野激活得到單一位置細胞位置野輸出特征映射關系，而且算法簡單，所需網格細胞輸入較少，輸出單一位置細胞野準確率高。