在日常生活中处理复杂任务时，人类表现出惊人的适应性。这种适应性是个人学习能力的直接体现，它使人类能够独立，逐步地提高自己的行为能力。
因此，如果机器人可以具有此功能，则它们可以根据数据和案例的实时获取自动生成新的行为模式中国机械网okmao.com。这种能力显示出明显的智力，这被称为行为智力。
最近，中国科学院沉阳自动化研究所的研究人员开发了一种新方法，该新方法开发了一种改善机器人行为智能的新方法，相关结果发表在IEEE认知与发展系统交易上。
该研究人员提出了一种基于Q学习和自适应核线性（AKL）模型增量学习方法的新框架。该框架允许机器人学习新的行为而不会忘记以前的行为。在这种新方法下，可以通过自主学习和模仿学习来评估机器人的行为，并且可以使用新型的L2-范数核递归最小二乘（L2-KRLS）算法实时更改模型结构和参数。
此外，他们进行了两个实验以验证新方法的性能。结果表明，提出的框架可以渐进地学习不同环境中的行为。基于局部贪婪策略的Q学习比现有的Q学习算法要快。目前，该成果已应用于机器人自主导航中。