移动机器人广泛应用于医疗服务、工业生产、家庭服务等领域。而移动机器人的各种基础功能要求它能被远程控制,同时移动机器人在场景内的活动要求它具有准确感知当前所处环境、进行自主导航的能力。所以,研究移动机器人远程控制下的定位与导航功能具有重要的意义。本文设计了基于嵌入式开发板的远程分布式移动机器人控制平台,其中PC通过WIFI与嵌入式开发板进行通讯,嵌入式开发板通过串口和USB分别向移动机器人与传感器收发数据。PC对于移动机器人底层运动系统的控制和传感器数据的接收均是通过机器人操作系统(Robot Operating System,ROS)系统实现。为了实现移动机器人室内环境自主感知并在传统场景分类器基础上进一步提高场景定位准确率,本文提出了一种基于Q学习(Q-learning)的移动机器人室内场景主动定位方法,解决了当传感器探测范围较小时定位准确率较低的问题。对于Q-learning动作价值函数的拟合问题,提出了一种极限学习机与方向传播梯度下降法相结合的神经网络算法,减少了神经网络的计算量。针对分类器对于场景轮廓图像分类正确率较低的问题,采用了环投影的特征提取方式处理场景轮廓图,提升了分类器分类正确率。算法基于Q-learning动态地学习场景识别率最高的机器人朝向角,使机器人能够自主获取多次更为可靠的传感器信息并将对应识别结果融合,进而提高场景定位准确率。将算法应用在移动机器人场景定位中进行实验,结果表明该算法可以有效提高场景定位准确率。为了实现移动机器人自主移动功能,提出了一种基于模糊控制与Q-learning的移动机器人导航方法,实现了移动机器人路径规划功能。移动机器人能够自主确定目标,在模糊控制规则下接近目标。通过在场景中对Q-learning神经网络的训练,移动机器人能够在接近目标的过程中绕过障碍物。搭建仿真场景并在其中进行避障训练,训练完成后进行导航实验。实验结果表明移动机器人具备了自主导航的能力。