Autonome mobiele robots moeten veilig en doelgericht kunnen navigeren in complexe dynamische omgevingen, bij voorkeur met inachtname van een beperkte hoeveelheid rekenkracht en een beperkt energieverbruik. Om van deze robots commercieel haalbare huis-en-tuin-producten te maken met de intelligentie en de capaciteiten om abstracte berekeningen te maken, zijn ook goedkope sensoren nodig, bijvoorbeeld zijn infrarood-afstandssensoren met beperkte nauwkeurigheid. De huidig beste methoden voor robotlocalisatie en -navigatie vereisen echter volledig uitgeruste robotplatformen met dure laserscanners om de omgeving in kaart te brengen, een belangrijke hoeveelheid rekenkracht en uitgebreide expliciete modellering van zowel de omgeving als de uit te voeren taak. Het onderzoek voorgesteld in deze doctoraatsthesis is een stap richting de ontwikkeling van intelligente autonome mobiele robots met abstracte redeneermogelijkheden maar met gebruik van een beperkt aantal zeer eenvoudige sensoren die ruwe en ruizige signalen leveren, zoals bijvoorbeeld in afstandssensoren het geval is. Deze thesis stelt een aantal Reservoir-Computing-architecturen voor die gebruikt kunnen worden in autonome navigatietaken, door impliciet abstracte representaties van een omgeving te modelleren en door navigatiegedrag te leren dat sequentieel uitgevoerd kan worden in de fysieke omgeving, ofwel gesimuleerd als een plan in doelgerichte taken.