机器人是解决人力资源成本升高的潜在办法。机器人学的研究已经逐渐从功能复杂的单一机器人发展到了由相对简单的多个机器人组成的复杂系统,在多机器人系统中由功能较为简单的大量个体所组成系统称之为群集机器人。要发挥多机器人系统的优势,关键是要解决它们之间的协调问题。多机器人任务分配(Multi-robot task allocation,MRTA)属于多机器人协调中智能水平最高的任务规划层。传统的MRTA中所使用的中心式和分布式方法具有鲁棒性和可扩展性较差、且对通信条件要求过高的缺点。此外,大多数研究成果只有仿真并没有开展基于真实机器人的物理实验。自组织式方法虽然具有扩展性好、控制简单、灵活性高等优势,但也存在三个无标准答案的开放性问题:1)自组织系统缺少规范的描述方法;2)根据局部个体规则预测自组织系统的高等群体行为是一个挑战;3)缺乏可靠的自组织系统分析方法。受这三个问题的启发,在机器人系统任务分配的前提下,本文进行了自组织多机器人任务分配在建模与设计方面的研究。本文模拟群居生物的群集智能涌现机制,建立自组织多机器人系统进行任意有限种任务分配的微观可预测模型,使用基于行为的设计法自底向上的构造多机器人物理系统完成任务分配与获取,最后提出了群集分工宏观分析模型。本文研究的是机器人领域、生物学领域和应用数学领域的一项交叉课题。其主要目的是通过任务分配满足多机器人协调中的最高层“任务规划协调”的需求,使大量移动机器人在工作空间的各个位置上有分工的、并行的、协调的工作,以更有效的方式完成预先定义好的系统行为目标。该研究工作的具体创新点如下:1、以机器人视觉系统为背景,提出了图像处理管道方法。针对由大量图像数据引起的降低视觉传感器反应速度和信息准确性的问题,给出了一种机器人基于管道的瀑布式信息获取模型。设计管道的四个流水线模块:1)用于图像压缩的金字塔模块;2)用于图像分割的反向投影模块,其中引入阈值化和图像形态学法增加了信息准确性;3)用于目标提取的外接矩形模块;4)用于目标统计与定位的行为信息生成模块。2、针对传统Sense-Plan-Act模式所造成的驱动器和传感信息不匹配问题,提出了基于包容框架的机器人行为控制的改进方案。设计了C-S-B行为释放机制:包括基于抑制规则的行为冲突消解,C-S-B关系映射,和基于优先级层次的框架拓扑。实验表明,本方案可同时处理视觉、红外、压力三种传感器,并在触发行为的同时,消解冲突、使行为相互协调,实时响应性良好。3、构建了一种基于统计物理和随机过程的可扩展自组织多机器人任务分配模型。建立了任务分配动态系统的主微分方程组,用特征值法和微分方程理论求得描述机器人任务分配的概率向量随时间演化的闭式表达式,推出了机器人任务分配结果的稳态形式。4、构建了一种全参数化的可用状态空间理论证明正确的群集机器人任务分配模型。从一般性角度出发,建立状态数为N的任务分配马尔可夫可预测模型,并提出了一种自组织局部优先任务分配算法(Self-organized local optimal task allocation algorithm,SOLOA),提高了群集并行性、缩短了群集任务执行消耗时间、降低了机器人之间的碰撞率。5、构建了一种群集机器人任务分配宏观分析模型,提供了解群集系统性能与模型参数之间关系的分析手段。通过拟生灭过程模型(Quasi-birth-and-death model)建立系统演化方程,并引入矩阵分析法(Matrix analytic methods)到群集机器人,推导出群集行为服从的统计规律。综合定性与定量分析总结出所涌现的群集任务分配行为的正面效应是二项分布的数学期望,负面效应是其方差,和增加系统规模可以减小方差这个结论。仿真结果说明了模型分析的正确性和可靠性。最后,总结全文,并对未来的工作进行展望。