多机器人协作技术的研究已经成为机器人技术发展的最具潜力和应用前景的研究方向。伴随着科学研究领域的不断扩展和深入，为了更好地替代人类对各种复杂危险的空间环境进行实地考察获取第一手资料，多机器人协作已成为人类进行科学探索必不可少的技术手段之一。本文对多机器人协作研究中的多机器人协作体系结构、协作定位及多机器人任务分配三个问题进行了相关研究，主要工作如下：以自主移动机器人技术的发展历程为基础，对多机器人协作技术的实际应用作了较为详细的介绍，指出多机器人协作是机器人技术发展的必然结果和发展目标。同时对多机器人协作技术的主要研究内容、难点和存在的问题进行了归纳总结。并对本文的研究基础做了简单的介绍。多机器人系统的体系结构是一种协调系统中机器人之间行为和功能逻辑关系的有效控制机制。在自主移动机器人所具备的行为功能基础上，针对自主移动机器人系统功能实现模式，以个体机器人系统体系结构为出发点结合各功能模块之间的逻辑功能关系提出了面向功能层次的多机器人分布式体系结构；针对机器人协作中所要实现的行为功能，给出了多机器人协作的关键技术关系图。并对各关键技术的研究重点和主要研究方法进行简单阐述。移动机器人的定位是其执行任务和进行协作的前提和基础，以足球机器人为载体对机器人自定位和路径规划进行了研究。针对足球机器人视觉传感器和自身移动机构的特点建立了机器人全景摄像机模型和运动模型，通过对场地环境进行采样点观测进行颜色识别和距离标定研究，在此基础上的实现了机器人在结构化场地中的基于白线检测的视觉自定位。以足球机器人通过协作完成射门为目的，设计了一种基于贝塞尔曲线的最优路径规划方法，在完成射门动作的同时能够有效避开障碍。通过动态仿真实验和实体机器人测试实验对其可行性进行了验证。最后，对机器人多传感器混合定位和融合定位进行了研究，并通过仿真实验对定位结果进行了比较。对多机器人协作定位进行了研究。协作定位的关键在于机器人之间的信息交流和对机器人获取的局部信息进行有效融合得到全局信息。针对信息融合问题，本文采取一种分布式多传感器信息融合方法对里程计和视觉传感器进行信息融合，同时在融合过程中通过马氏距离数据关联模型对初步融合结果进行数据匹配，提高了信息融合的可靠性和容错性。在此基础上，提出了一种基于特征检测的扩展卡尔曼滤波协作定位方法。通过机器人之间的相对观测量对协作定位中的机器人观测方程和状态方程进行更新校正，此方法有效降低了里程计在观测中所带来的累积误差，提高了定位的精度。最后给出了仿真实验的定位误差，结果证明此方法是可靠有效的。对多机器人任务分配进行了研究。首先对当前的任务分配方法进行了分类总结，并对任务分配问题进行了数学描述。多机器人任务分配问题属于机器人控制系统上层组织决策的范畴，需要分层协调处理。通过对多机器人和多任务的状态空间描述，可以将机器人和任务分别以有限集合的形式进行描述，则多机器人任务分配可以看做是一个有约束条件的组合优化问题。通过以能力向量的形式对机器人和任务进行能力向量定义，并确定机器人完成任务的能力条件。市场机制是一种对现有资源进行合理分配的有效方法，结合多机器人任务分配系统的功能结构提出一种基于市场机制的多机器人动态任务分配方法。通过对仿真实验结果的分析得出了此种分配方法中机器人个数与任务个数之间的关系。最后，以机器人足球比赛中的动态角色分配问题对此分配方法的可行性进行了验证。