湍流环境下的气味扩散瞬时变化,导致气味烟羽随机弯曲、蜿蜒曲折,呈间歇稀疏分布,给溯源追踪带来了巨大挑战。以最大化源位置信息增益为决策核心的信息趋向机制,使机器人能够有效利用稀疏气味在湍流环境下进行溯源。本文针对气味检测间断稀疏及缺乏有效浓度梯度问题,在深入分析信息趋向原理及其存在不足的基础上,研究了基于信息趋向机制的机器人气味溯源方法。本文的主要工作及创新性研究成果如下:（1）基于小规模随机采样粒子的信息趋向溯源方法针对信息趋向方法中离散栅格概率地图存在贝叶斯推理冗余、信息决策复杂等问题,提出一种基于随机采样粒子近似概率地图的信息趋向溯源方法。采用粒子滤波中序贯重要性采样方法使粒子覆盖感兴趣的搜索区域,并通过对有效粒子数的控制实现序贯重要性采样和重采样之间的切换,使得仅需少量粒子即可动态集中于感兴趣区域,有效降低了概率地图的计算和存储复杂度。进而利用小规模采样粒子进行信息趋向决策,提高了溯源搜索效率。数值仿真验证了所提方法的可行性和有效性。（2）基于最小自由能的信息趋向溯源方法针对信息趋向方法在进入近源区域气味稀疏性减弱引起溯源效率退化问题,从溯源过程中探索与利用的角度出发,提出一种强化利用项的最小自由能信息趋向溯源方法。利用自由能温度参数自适应调节自由能中的吸引势能和香农熵的权重,实现在收集新的气味采样以改进当前的估计和利用现有的不充分信息实施趋源之间的权衡,提高了溯源搜索效率。数值仿真验证了所提方法的可行性和有效性。（3）基于认知差异的多机器人协作信息趋向溯源方法针对基于共享概率地图机制的多机器人协作信息趋向方法在应对多源、误检、局部极值等气味检测情形的不足,提出了一种基于认知差异的多机器人协作信息趋向溯源方法。分析认知层面的交互机制在气味追踪溯源中的作用,研究差异协同和自组织在信息趋向方法中的实现方式;给出个体之间认知差异的衡量方法,进而采用贝叶斯权重估计获取差异化概率地图,实现分布式信息趋向溯源,提高了溯源搜索的鲁棒性。数值仿真验证了所提方法的可行性和有效性。（4）基于几何拓扑编队的多机器人协同信息趋向溯源方法为了提升多机器人协同溯源效率,基于编队控制和信息趋向相结合的研究思路,提出了一种三角形编队的协同溯源方法,并采用领航者-跟随者方法实现溯源决策和队形控制;对于大规模机器人编队溯源,提出了一种基于环形编队的协同溯源方法,分别设计固定环形拓扑和半径尺度伸缩的编队模式;为降低编队溯源决策计算复杂度,提出了少数机器人主导溯源决策的方式,提高了大范围空间探索和气味线索捕获的效率。数值仿真验证了提出的编队溯源方法的可行性和有效性。