任务分配是多机器人系统研究领域的基础性问题,其重要性随系统规模和任务复杂度的增加而迅速增加。编队控制属于多机器人系统的几何问题,近年来在军事侦察、搜寻、排雷、编队飞行、空间探测等领域的应用日益增加,成为多机器人系统研究中一个非常活跃的研究方向。本文针对这两个问题开展了研究工作。在多机器人任务分配研究中,我们首先对其进行了分类及形式化描述,并总结了目前主要的任务分配方法。分别从控制框架结构、任务的动态性、通信方式、机器人失效、异构等角度出发,对多机器人系统任务分配问题进行了分类分析。通过对目前主要的任务分配方法进行总结,将其分为涌现式和意图合作式两大类,并对它们所包含的各种具体方法进行了讨论。从状态空间的角度来看,任务分配的思想是通过对多机器人协作问题进行分层处理,以减小解空间的规模从而实现求解;从组合优化的角度来看,任务分配问题的数学模型是一个标准的整数规划问题,在集中式框架下可采用匈牙利算法求解。市场机制是一种对社会稀缺资源进行合理配置的有效方法,在分析市场机制基本思想和要素的基础上,针对简单任务的动态分布式分配(Dynamic Distributed Task Allocation, DDTA)问题,基于密封第二价格拍卖方式的主要过程,设计了基于市场机制的任务分配算法NeA-MRTA和ReA-MRTA。其中NeA-MRTA算法针对多机器人系统中以前尚未出现的新任务进行分配;ReA-MRTA算法针对已经分配但随环境变化可能导致已分配结果不合理的任务,进行再次拍卖,实现重新分配。理论分析及仿真实验都表明,算法计算量和通信量合理,对于通信部分失效具有较好的鲁棒性。针对复杂任务动态分布式分配问题,基于NeA-MRTA算法的思想和主要过程,提出了CA-MRTA算法。从能力分类的角度出发,提出能力向量的概念,对异构机器人及任务进行了形式化描述。借鉴信息熵和简单群熵的概念,定义了能力群熵,用于度量采用能力向量描述的机器人及任务的异构程度。对于具有依赖关系的任务,给出了采用偏序关系进行描述的方法。CA-MRTA算法基于上述描述,能够通过机器人的显式合作完成复杂任务。仿真实例也验证了该算法的有效性。为验证所提出算法的正确性和有效性,我们设计并实现了一个用于动态分布式任务分配算法研究的多机器人仿真系统MRTASim。与构建实际多机器人系统相比,采用该仿真系统进行实验具有代价小、周期短、数据记录方便、场景设置灵活等特点。系统对于机器人及任务的指定基于本文提出的能力向量描述方法,通过特定的数据库文件进行各项能力值的设置。仿真中每个机器人对应一个独立的对象实体,并可根据需要设计机器人之间的显式通信内容。本文的任务分配算法都在该仿真系统上得到了验证。在多机器人编队控制研究中,基于跟随领航者方法(Leader-Follower)的原理,提出并实现了D-A和D-D两种跟踪控制算法和相应的编队跟踪规则,用于NuBot全向视觉——全向移动机器人系统的编队控制。该方法具有分布式控制、局部通信、无需全局定位、机器人朝向可单独控制的特点。其中D-A控制方法能够保证编队的平滑变换,避免产生较大波动,并具有较高的效率。针对编队运行过程中的不同障碍,提出了编队变换和编队变形两种避障方法。其中编队变换方法通过队形的切换实现避障,编队变形方法在尽量保持原始队形的情况下通过队形的伸缩变形实现顺利避障。在以上研究的基础上,我们组建了国防科大NuBot机器人足球队,并研究了其中的动态分布式角色分配问题。作为一个典型的多机器人系统研究与应用环境,机器人足球具有高度动态与对抗的特点。本文提出了一种适用于RoboCup中型组机器人足球赛的分布式角色分配算法。该算法既能满足比赛时环境高度动态性需求,又具有较好的鲁棒性,且能够自动判别机器人球员的失效离场等情况,并据此自适应选择不同的角色组合,进行分布式分配。