针对传统神经网络机器人路径规划中存在需要学习，对运动目标追踪速度较慢的问题，提出了一种带自反馈的生物激励神经网络机器人路径规划方法。该机器人路径规划算法的路径生成过程是由神经网络组成的动态变化的神经元活性值状态路线图来实现的。通过神经元活性值的传播，机器人被目标点全局吸引，同时障碍物使自己处在活性值最低点，起到推开机器人以避免碰撞的目的，为了增强算法对运动目标的追踪能力引入了新的权值函数求取方法。仿真结果表明该方法生成的路径是连续的、平滑的，比原方法产生的路径更优，并且算法能对快速变化的动态环境作出迅速反应。