随着智能机器人技术的不断发展，人们已经注意到了多机器人群体协作行为的重要性和实施中的挑战性。因此，在单体机器人研究已经有了一定基础之后，人们开始对机器人群的有关理论和技术进行研究。本文针对多智能体系统进行了多方面探讨，结合自主式移动智能机器人的几个关键技术，进行了较详细的讨论，提出了相关模型，设计了实现方案。 本文首先对机器人的高级形态--自主式移动智能机器人的研究内容进行了阐述，重点介绍了多智能体系统(MAS)，综述了基于MAS的单体和群体移动智能体机器人的发展状况，提出了近期、远期的主要研究内容。 移动机器人体系结构是机器人研究的关键问题之一，根据任务性质的不同，确定合适的体系结构，是构造智能机器人系统的基础。根据移动机器人的特点，按照层次功能划分原则开展研究工作。结合多智能体系统(MAS)的描述能力，本文提出了一个适合于移动机器人系统构造的三层结构模型，即：组织层、关系层、个体层，并结合实例对各层进行了细化。 环境感知是移动机器人的基础关键技术，主要包括二维和三维信息处理、理解。二维信息处理解决道路识别与理解；三维信息处理是地形理解、障碍检测的最主要手段。文中提出了基于马尔科夫随机场(MRF)理论去除三维Range图象噪声的方法，为数据预处理提供了有效手段。 数据融合和局部路径规划是移动机器人中高层智能行为的体现。前者通过综合多种传感器所采集并处理的信息，对环境做出正确的理解，后者则根据总体目标和环境理解给出机器人的动作描述。文中主要研究了以下几个问题。首先解决了适合于线阵激光雷达联合标定的模板设计、特征点确定等问题：其次，针对线阵激光雷达信息量较少及安装位置的问题，不可避免地产生较高的虚报率和盲区问题，设计了用于障碍检测和障碍记忆的数据融合模型；对于移动机器人局部路径规划问题，采用期望路径逼近，滚动规划调整等策略，在折衷处理速度和克服误差干扰，保持路径平滑方面，取得了较好的结果。 提出并设计了智能移动机器人行驶速度控制的层次控制方法，即指标速度控制、状态速度控制、动作速度控制、执行速度控制和底层速度控制，旨在以分层的问题处理策略，结合速度控制的有关知识，改善了速度控制的整体效果。 群体机器人的研究是机器人研究的一个重要领域和新兴方向。本文以Anen上为基本描述手段，首先给出了机器人的统一的层次化描述，定义了Agent从微观、宏观到社会的概念，并设计了机器人社会的构成算法。 通过分析机器人群体的合作模式以及现有的技术水平，提出了机器人群体的通讯策略，即：组内采用点对点模型通讯，组长作为服务中枢，代表全组与其它组进行点对点通讯。 对于多Agent联盟，提出了一种新方法，该方法采用技能矩阵的概念。通过综合考虑价值、自信度、活跃程度及耦合度，提出了基于综合矩阵的选标机制，从而有效减少MAS中的通信和计算开销，提高了系统的性能。 最后，在多机器人协作方面，依据Petri网具有较强的多过程模型化描述能力，和易于描述可能产生的冲突等特点，提出了基于Petri 网的多机器人规划执行模型，该模型有效地解决了多个移动机器人规划中动静结合及规划协作问题。