زمانیکه محیط حرکت ربات مشخص باشد، مسیریابی برای ربات متحرک در حالت جهانی و بصورت خارج خط انجام می گیرد. چنانچه مشخصات محیط شناخته شده نباشد، مسیریابی در حالت محلی و بصورت روی خط، با اخذ اطلاعات از سنسورها انجام می شود. در این رساله انواع روشهای مسیریابی انجام شده، بررسی گردیده و نتایج آنها مورد ارزیابی قرار گرفته است . با تعمیم الگوریتم ژنتیک ، از آن بعنوان ابزاری برای مسیریابی در حالت خارج خط استفاده شده و با طرح کنترلر بهینه، هدایت ربات از روی مسیر بدست آمده، انجام گرفته است . مسیر حرکت در حالت روی خط، در حضور موانع ساکن و متحرک و با اجتناب از برخورد با آنها طرح ریزی شده است . برای طرح ریزی حرکت و ناوبری ربات در چنین محیطی، از کنترلرهای فازی و فازی عصبی استفاده شده است که هر یک بطور جداگانه اعمال و مورد بررسی قرار گرفته اند. جهت یادگیری شبکه های فازی - عصبی کنترلرها نیز، از یادگیری تقویت شده استفاده شده است . به دلیل مشکلات موجود در فراهم نمودن سینگالهای یادگیری مناسب برای سیستم کنترل فازی - عصبی ربات متحرک و تسهیل و تسریع در امر آموزش ، یادگیری تقویت شده به عنوان یک ابزار یادگیری مناسب برای آموزش کنترلر فازی - عصبی ربات متحرک ، معرفی شده است .