事實上，仿生學現(xiàn)在在機器人L域無處不在，并且反復從動物的結構和感覺運動控制中獲取見解，以開發(fā)多個系統(tǒng)。

人類和動物能夠依靠多種感官線索來識別地點，從視覺和聲音到嗅覺和時間。多感官細胞參與特定位置的時空表示的產生。然而，機器人很難完成這項看似微不足道的任務，因為有幾個因素與感興趣位置的動態(tài)條件有關。此外，許多機器人系統(tǒng)依靠一種感官線索來識別地點。F. Yu，Y. Wu及其同事現(xiàn)在已經(jīng)開發(fā)出一種名為NeuroGPR的系統(tǒng)，該系統(tǒng)在多模態(tài)傳感，編碼和計算方面模仿大腦，用于一般位置識別。這是使用動態(tài)視覺傳感器、深度傳感器和用于多模態(tài)傳感的姿態(tài)傳感器的組合來實現(xiàn)的。此外，他們還使用了神經(jīng)形態(tài)計算芯片Tianjic，該芯片能夠并行執(zhí)行多個混合神經(jīng)網(wǎng)絡。該系統(tǒng)部署在四足機器人上，以評估其在現(xiàn)實世界中的表現(xiàn)，他們證明它能夠在各種照明條件下可靠地識別室內和室外的位置。他們還將其神經(jīng)形態(tài)計算系統(tǒng)的性能與其他常用計算平臺的性能進行了比較，并表明它們可以實現(xiàn)更低的延遲和功耗，并具有更G的原位識別精度。采用這種受大腦啟發(fā)的多感官方法對于提G部署在非結構化環(huán)境中的自主機器人的能力至關重要。

由于感覺和運動神經(jīng)元與運動效應器的耦合，機器人的運動控制系統(tǒng)也根據(jù)動物和人類神經(jīng)科學的經(jīng)驗教訓進行了設計。P. Ramdya 和 A. Ijspeert 重點介紹了采用各種動物物種的神經(jīng)力學原理來控制機器人運動的研究。其中一個原理是中樞模式發(fā)生器（CPG）的存在，它們是神經(jīng)元回路，在沒有感覺或下降輸入的情況下產生節(jié)奏模式，用于重復動作（如步行，游泳和飛行）中的運動控制。CPG已被用作機器人運動控制系統(tǒng)開發(fā)的靈感。該評論還討論了結合模擬和物理機器人的神經(jīng)機器人框架如何有助于闡明動物（包括已滅J生物）的運動和運動控制。神經(jīng)機器人學也被采用來研究脊椎動物和無脊椎動物的神經(jīng)結構，使用計算和物理模型來評估與大腦相關的各種理論。T. Prescott和S. Wilson的另一篇評論強調了神經(jīng)機器人模型的早期工作，以及更多當代模型如何建立在這些開創(chuàng)性工作的基礎上。他們討論了大腦具有分層控制架構的證據(jù)。此外，他們還討論了神經(jīng)機器人的未來，以及將神經(jīng)生物學約束整合到模型中的重要性。

模擬自然界中的原理，例如神經(jīng)系統(tǒng)的結構和功能組織，顯然為設計具有適應性，感知性和與環(huán)境交互的機器人控制系統(tǒng)提供了一個d特的平臺。此外，機器人L域在開發(fā)物理和計算模型方面也發(fā)揮了關鍵作用，這些模型用于審視與動物行為相關的假設，終為基礎科學提供信息。Science Robotics邀請進一步的研究，利用自然原理來開發(fā)更好的機器人，以及旨在使用d特的機器人獲得與固有生物功能相關的研究。