足式机器人有多种类型,其中四足机器人拥有更好的运动灵巧性和环境适应能力,因而成为了步行式自动机器人研究领域中的大热门。要进一步提高四足机器人的动作特性、环境适应能力和运动稳定性,就必须着重深入研究四足机器人的运动控制方式,尤其是运动中多关节的协调性控制、环境自适应性控制和动态稳定性控制。目前,对于足式机器人的仿生运动控制大多是建立在位于脊髓内中枢模式发生器（CPG）的基础上的。研究结果表明,基于CPG的运动控制方式是一种模仿脊椎动物低级神经系统自激活动时所产生的节律性运动的调控方式,其可以在缺乏高层中枢命令或外部反馈信号的前提下产生平稳的节律性控制信号;而高层中枢命令或外部的反馈信号又反过来对CPG的输出信号进行适当调节,可以实现一些高级别的运动功能,它们共同配合动物实现复杂的运动行为。所以,本文若把这两种生物学原理,分别作用在四足机器人的运动调控和动作决策上,可以明显提高四足机器人的环境适应性和运动的平稳性。首先,综述了国内外足式机器人的发展现状,确立了本文的研究方向和研究内容。然后,根据小狗身体的仿生学结构,设计了一款双驱平行缓冲腿的高性能四足机器人;对机器人腿部机构建立D-H模型,进行机械腿正逆运动学的分析,生成了腿部三个关节上的关节转角函数。然后,搭建中枢模式发生器CPG模块和轨迹规划模块,并将这两个模块的信号耦合,得到带有节律性运动特点的机器人控制信号;对CPG网络的数学模型进行建模,并分析其网络特性和模型参数,对四足机器人步态进行规划并通过联合仿真验证算法的可行性;构建基于反馈输入的CPG网络模型,实现四足哺乳动物的四种典型运动行为模式并对其进行数值仿真。接着,以Izhikevich尖峰神经元模型为生物神经元模型,建立基底神经节BG神经控制模块和数学模型,对其网络特性和各神经核团的联结特性进行详细分析,实现了基于BG的多通道行为选择方法,并利用其进行四种机器人四种行为选择的数值仿真,验证了基于BG的行为选择算法的正确性。最后,以网状脊髓RS神经元为参考模型,采用Hopf振荡器模型搭建了网状脊髓RS神经控制模块,同时对RS网络的耦合特性和Hopf振荡器的模型参数进行研究,实现了机器人运动方向和速度调节,并通过数值仿真验证了该模型的适用性。