目前，在对非线性系统的预测中，使用神经网络的方法已经取得了良好的效果和广泛的应用，特别是循环神经网络在预测中更具有优势，但是长期以来其学习方法却一直没有较大的提高。 回声状态神经网络是一种新型的循环网络结构与循环网络学习方法，它的结构非常类似生物神经网络，从而表现出了生物循环神经网络的典型特性：大量的神经元，循环的路径，稀疏的随机连接以及只修改部分的权值；在学习过程中它使用一个大规模的循环网络作为信息的存储池，然后通过计算这个循环网络的状态空间对输出节点的线性回归权值，来最小化学习平方误差，从而达到学习的目的。这些特性使它具备良好的短期记忆能力。针对机器人运动控制的非线性和路径规划的问题，利用回声状态神经网络的优点，本文做了以下工作。 首先，对机器人足球及机器人足球比赛系统作了介绍。包括足球机器人的运动特点和角色选择方法。 其次，重点对回声状态神经网络做了研究和介绍。包括其结构特点、运行机制及学习方法。 然后，针对于回声状态神经网络的这些特性以及轮式移动机器人控制的典型非线性，将回声状态神经网络应用到足球机器人的运动控制问题上来，取得了良好的效果。 最后，介绍了机器人的路径规划并把回声状态神经网络应用到机器人的路径规划上来。由于回声状态神经网络具有对数据大规模并行处理及对知识有较强的融合能力的优点，把它用到机器人的路径规划上来具有较高的研究价值，并取得了很好的效果。