在機器人向智能化的發(fā)展中，多機器人協(xié)作系統(tǒng)是一類具有覆蓋性的技術(shù)集成平臺。如果說單個機器人的智能化還只是使個體的人變得更聰明，那么多機器人協(xié)作系統(tǒng)則不但要有一批聰明的人，還要求他們能有效地合作。所以它不僅反映了個體智能，而且反映了集體智能，是對人類社會生產(chǎn)活動的想象和創(chuàng)新探索。

　　多機器人協(xié)作系統(tǒng)有著廣泛的應(yīng)用背景，它與自動化向非制造領(lǐng)域的擴展有著密切的聯(lián)系，由于應(yīng)用環(huán)境轉(zhuǎn)向非結(jié)構(gòu)化，多移動機器人系統(tǒng)應(yīng)能適應(yīng)任務(wù)的變化以及環(huán)境的不確定性，必須具有高度的決策智能，因而，對多移動機器人協(xié)作的研究已不單純是控制的協(xié)調(diào)，而是整個系統(tǒng)的協(xié)調(diào)與合作。在這里，多機器人系統(tǒng)的組織與控制方式在很大程度上決定了系統(tǒng)的有效性。

　　多機器人協(xié)作系統(tǒng)還是實現(xiàn)分布式人工智能的典范。分布式人工智能的核心是把整個系統(tǒng)分成若干智能、自治的子系統(tǒng)，它們在物理和地理上分散，可獨立地執(zhí)行任務(wù)，同時又可通過通信交換信息，相互協(xié)調(diào)，從而同完成整體任務(wù)，這無疑對完成大規(guī)模和復(fù)的任務(wù)是富有吸引力的，因而很快在軍事、信及其他應(yīng)用領(lǐng)域得到了廣泛重視。多機器協(xié)作系統(tǒng)正是這種理念的具體實現(xiàn)，其中每機器人都可看作是自主的智能體，這種多智體機器人系統(tǒng)MARS（Multi—AgentRoboticSystems）現(xiàn)已成為機器人學中一個新的研究熱點。

　　多移動機器人系統(tǒng)由于具有移動功能，能在非結(jié)構(gòu)環(huán)境下完成復(fù)雜任務(wù)，是多機器人協(xié)作系統(tǒng)中最具典型意義和應(yīng)用前景、也是得到最廣泛研究的一類系統(tǒng)。以下就以多移動機器人系統(tǒng)為代表，介紹智能機器人協(xié)作系統(tǒng)的主要關(guān)鍵技術(shù)：

　　1．體系結(jié)構(gòu)

　　體系結(jié)構(gòu)是系統(tǒng)中機器人之間邏輯上和物理上的信息關(guān)系和控制關(guān)系，以及問題解能力的分布模式，它是多移動機器人協(xié)作行為的基礎(chǔ)。一般地，多移動機器人協(xié)作系統(tǒng)的體系結(jié)構(gòu)分為集中式（Centralized）和分式（Distributed）兩種。集中式體系結(jié)構(gòu)可用一個單一的主控機器人（Leader）來規(guī)劃，該機器人具有關(guān)于系統(tǒng)活動的所有信息。而分布式體系結(jié)構(gòu)則沒有這樣一個機器人，其中所有機器人相對于控制是平等的。盡管集中式體系結(jié)構(gòu)可實現(xiàn)全局最優(yōu)求解，但因考慮到不確定性影響，實際上人們更偏好分布式結(jié)構(gòu)。近年采，在分布式體系結(jié)構(gòu)中，為了克服機器人在實際環(huán)境中對環(huán)境建模的困難，，提高多移動機器人協(xié)作系統(tǒng)的魯棒性和作業(yè)能力，一些學者采用了基于行為的反應(yīng)式控制體力，一些學者采用了基于行為的反應(yīng)式控制體系結(jié)構(gòu)，將合作行為建立在一種反應(yīng)模式上，加快了移動機器人對外界的響應(yīng)，避免了復(fù)雜的推理，從而提高了系統(tǒng)的實時性。

　　2．感知

　　感知是智能機器人行動的基礎(chǔ)，包括“感覺”（傳感）和“知道與理解”信息融合與利用）。在移動機器人中最主要的感知問題是定位和環(huán)境建模問題［7］o雖然已有里程計推算、基于視覺的路標識別、基于地圖匹配的全局定位、陀螺導航、GPS等多種定位方法，但在未知非結(jié)構(gòu)環(huán)境中，目前有GPS才能實現(xiàn)可實用的全局定位。但GPS同時受到精度、安全等因素的限制。如何借助機器人之間的配合提高定位和環(huán)境建模能力，是研究多移動機器人系統(tǒng)智能的重要內(nèi)容。近年來，提出了多種環(huán)境地圖建立與定位的同步處理方法［8］，其中環(huán)境建模與定位過程是相互伴隨的，兩者在彼此迭代的過程中逐步清晰化，但往往要求苛刻的環(huán)境條件。此外，在不少協(xié)作任務(wù)中只需要合作者間的相對位置信息，如編隊及局部避碰等，因此基于傳感器的局部定位也受到關(guān)注，機器人之間通過超聲、紅外、激光或視覺等傳感器相互探測，然后通過統(tǒng)計、濾波等算法進行信息融合，由此得到系統(tǒng)中各機器人的相對位置。

　　3．規(guī)劃

　　規(guī)劃問題主要包括任務(wù)規(guī)劃和路徑規(guī)劃，一直是人工智能及機器人學研究的主要問題，對其進行了大量和長期的研究，成果已應(yīng)用在多機器人協(xié)作系統(tǒng)的規(guī)劃問題研究中E引，與體系結(jié)構(gòu)相對應(yīng)，多移動機器人系統(tǒng)的規(guī)劃通常包括集中式規(guī)劃（Centra）—ized1anning）牙口分布式規(guī)戈 U（DistribUted“nning）兩種方式。集中式規(guī)劃一般能獲得效率高、全局最優(yōu)的規(guī)劃結(jié)果，但它主要適用于靜態(tài)環(huán)境，難以應(yīng)付環(huán)境的變化。分布式規(guī)劃中，每個機器人根據(jù)自身擁有的環(huán)境信息規(guī)劃自己的行動，其優(yōu)點是能適應(yīng)環(huán)境的變化，缺點是不能獲得全局最優(yōu)解和可能出現(xiàn)死鎖現(xiàn)象。

　　4．學習與演化

　　學習和演化是系統(tǒng)具有適應(yīng)性、靈活性等特性的體現(xiàn)。目前，在協(xié)作機器人學中主要采用增強型學習（ReinforcementLearning）方法和遺傳規(guī)劃（GeoeticPrgramming），并且在多機器人搬運系統(tǒng)和機器人足球中獲得了成功應(yīng)用［10］［11］。目前的多機器人學習和演化還停留在比較低的行為層次，其學習和演化的任務(wù)和環(huán)境也非常簡單，當其面對更為復(fù)雜的任務(wù)和環(huán)境時，存在時滯評價和組合爆炸問題，另外，對多智能體的分布式學習與演化，也與傳統(tǒng)的集中式的學習與演化方法有明顯區(qū)別，還有待尋找更為有效的行為優(yōu)化方法。

　　5．協(xié)調(diào)與協(xié)作策略

　　多移動機器人系統(tǒng)在協(xié)作完成復(fù)雜任務(wù)時，涉及到各機器人任務(wù)、規(guī)劃、控制間的協(xié)調(diào)［12］［13］，多智能體理論的研究已為這些協(xié)調(diào)行為提供了思想與策略，但如何把這些抽象的思想與策略結(jié)合到具體系統(tǒng)中加以實現(xiàn)，同時又能體現(xiàn)普適性，涉及到用什么工具正確描述各層次的系統(tǒng)行為。目前在任務(wù)協(xié)調(diào)層最典型的描述工具是離散事件動態(tài)系統(tǒng)理論中的有限狀態(tài)機（FSA）方法，但如何對不同層次的行為借鑒混合系統(tǒng)理論和方法進行統(tǒng)一描述，還是在研究的熱門課題。此外，在同一環(huán)境中運行的多個移動機器人，經(jīng)常會產(chǎn)生資源利用時的沖突。如果沒有適當?shù)膮f(xié)調(diào)策略，系統(tǒng)將不能正常工作。對于可預(yù)見的沖突，可通過規(guī)劃加以避免。但系統(tǒng)動態(tài)運行時的情況常常不能事先準確預(yù)測，僅依靠規(guī)劃的方法解決沖突將十分有限。對于動態(tài)沖突的消解主要包括磋商法、慣例法（Convention）和熟人模型法。在動態(tài)環(huán)境中的死鎖檢測與消解，仍是十分具有挑戰(zhàn)性的難題。

　　6．系統(tǒng)軟件平臺開發(fā)

　　多機器人系統(tǒng)的研究已經(jīng)持續(xù)進行了近20年，前期的工作主要集中在系統(tǒng)硬件和與之相關(guān)的某些單項技術(shù)的研究，隨著多移動機器人硬件系統(tǒng)的逐步完善，當前的軟件研究明顯滯后，所開發(fā)的軟件往往針對具體的硬件系統(tǒng)和單一任務(wù)，技術(shù)集成度低、通用性差，無法有效發(fā)揮硬件的效能。為此，人們迫切感到需要研制具有高度開放性、通用性、機器人硬件無關(guān)性和可擴展性的系統(tǒng)軟件平臺，對現(xiàn)有的零散技術(shù)成果進行系統(tǒng)集成，同時為規(guī)范系統(tǒng)軟件的設(shè)計框架提供標準。美國和歐洲各國近3年來啟動了多項針對多移動機器人協(xié)作系統(tǒng)軟件開發(fā)的大型項目，產(chǎn)生了一些有代表性的軟件開發(fā)平臺，并已獲得應(yīng)用。

　　7．實驗研究

　　多移動機器人協(xié)作系統(tǒng)的實驗研究最初是從計算機的模擬仿真起步，利用計算機軟件建立一個假想的機器人群體。通過這種途徑，可以較自由地賦予機器人主體以理想的機制，使其以不同的方式相互作用。但是，這種做法盡管能考察很多數(shù)理性或生物性原理對機器人群體協(xié)作行為規(guī)范的影響，卻很難直接應(yīng)用于構(gòu)造實際的作業(yè)系統(tǒng)。近年來，隨著機器人及其構(gòu)件性能的改善，使用實機多機器人系統(tǒng)的研究不斷增加，從而使理論研究與實際環(huán)境、現(xiàn)有物理機器人之間的距離逐漸縮小。目前，國際上多數(shù)機器人基礎(chǔ)研究實驗室都在從計算機仿真和實機實驗兩個途徑同時開展研究。