近年，移動ロボットの自己位置・状態推定にニューラルネットワークを用いる手法が多く提案されている．これらの手法はある特定の静的な環境に対してロボットを適応させることに主眼が置かれており，異なる環境に置かれたときに頑健に振舞うことが出来ない．一方，包摂アーキテクチャは動的環境でも頑健に振舞うことができると期待されている．しかし，包摂アーキテクチャは環境の構造に依存するタスクには向いていない．そこで，本研究では包摂アーキテクチャに基づく行動則と学習により獲得した行動則を状況に応じて切り替えるハイブリッドモデルを提案する．強化学習の状態空間には，状態数を事前に決定する必要がなく追加学習に頑健な自己増殖型ニューラルネットワークを改良した力学的自己増殖型ニューラルネットワークを用いた．本提案の有効性は，移動ロボットが複数の環境（迷路）上で獲得した行動則を環境の変化に応じて適切に切り替えながら振舞う事ができることをシミュレーション実験により確認した．