一、机器人向智能化的发展
机器人是多学科交叉的产物，集成了运动学与动力学、机械设计与制造、计算机硬件与软件、控制与传感器、模式识别与人工智能等学科领域的先进理论与技术。同时，它又是一类典型的自动化机器，是专用自动机器、数控机器的延伸与发展。当前，社会需求和技术进步都对机器人向智能化发展提出了新的要求。
1．自动化应用领域的扩展对智能机器人及系统提出了新的需求
随着社会进步的步伐日益加快，对自动化的需求正在从制造业向工程、社会、生活等广泛领域扩展。原来在工厂结构化环境下工作的自动机器或工业机器人，适合于大规模、较少柔性和变动的生产环境，对智能程度并无过高要求，而在广泛领域内所需要的自动机器，则要满足不同的非结构环境下的不同需求，必须具有综合集成和自主的能力，向以技术集成为特征征的智能机器人发展。
2．信息技术与机器人的互动发展提升了机器人的高技术含量
信息技术需要载体，用信息化改造传统工业和各行各业，最后都要落实到用自动机器去完成信息的物化，机器人就是其载体之一。而另一方面，信息技术的发展，特别是高性能计算机、通讯网络和电子器件、模式识别和信号处理、软件等技术的进展，又可促进机器人本身“智力”和“体质”的增强，为机器人向智能化、多样化发展创造条件，机器人技术与信息技术的这种互动发展在信息技术飞速发展的今天更为突出，这使机器人的高技术含量不断得到提升，始终处于高技术研究的前沿。
3．围绕机器人的概念创新、技术创新是国际科技竞争的重要方面
机器人由于本身具有无限的想象空间，历来是概念创新、技术创新的源泉，无论是在空间、水下、救灾、服务、医疗、娱乐……领域，都可根据需要设想出具有对应功能的智能机器人，而且这种想象空间由低到高，永无止境。当前，由于自动化的概念正在急速向广泛领域扩展，而信息技术的发展又极大地提高了机器人的智能程度，使这种想象空间的扩展有了需求和实现的可能，从而会更加激励围绕机器人的概念创新和技术创新，并蕴含着产生各种竞争前核心技术的可能性，从而必然是国际科技创新的重要竞争点。
4．机器人是自动化领域中富有代表性和生命力的亮点
机器人是多学科交叉的产物，但随着机器人应用环境和任务的复杂化，在非结构复杂环境下的信息综合与处理、针对复杂任务的规划和协调的难度和影响变得突出，需要采用信息反馈、优化控制、协调集成的理论、方法与技术去解决，控制学科在系统优化和综合集成方面的优势，将越来越在智能机器人中发挥主导作用。而智能机器人作为一种自动化系统，无论在理论与技术的覆盖面与前沿性、与各种先进信息技术的结合以及物理实现的多样性方面都是其它任何一类自动化系统所不能比拟的。因此，机器人在自动化科学技术中的代表性和地位将随着其应用范围的拓宽、所采用信息技术的更新和智能程度的提高，得到进一步的认可。
二、智能机器人协作系统及其关键技术
在机器人向智能化的发展中，多机器人协作系统是一类具有覆盖性的技术集成平台。如果说单个机器人的智能化还只是使个体的人变得更聪明，那么多机器人协作系统则不但要有一批聪明的人，还要求他们能有效地合作。所以它不仅反映了个体智能，而且反映了集体智能，是对人类社会生产活动的想象和创新探索。
多机器人协作系统有着广泛的应用背景，它与自动化向非制造领域的扩展有着密切的联系，由于应用环境转向非结构化，多移动机器人系统应能适应任务的变化以及环境的不确定性，必须具有高度的决策智能，因而，对多移动机器人协作的研究已不单纯是控制的协调，而是整个系统的协调与合作。在这里，多机器人系统的组织与控制方式在很大程度上决定了系统的有效性。
多机器人协作系统还是实现分布式人工智能的典范。分布式人工智能的核心是把整个系统分成若干智能、自治的子系统，它们在物理和地理上分散，可独立地执行任务，同时又可通过通信交换信息，相互协调，从而同完成整体任务，这无疑对完成大规模和复的任务是富有吸引力的，因而很快在军事、信及其他应用领域得到了广泛重视。多机器协作系统正是这种理念的具体实现，其中每机器人都可看作是自主的智能体，这种多智体机器人系统MARS（Multi—AgentRoboticSystems）现已成为机器人学中一个新的研究热点。
多移动机器人系统由于具有移动功能，能在非结构环境下完成复杂任务，是多机器人协作系统中最具典型意义和应用前景、也是得到最广泛研究的一类系统。以下就以多移动机器人系统为代表，介绍智能机器人协作系统的主要关键技术：
1．体系结构
体系结构是系统中机器人之间逻辑上和物理上的信息关系和控制关系，以及问题解能力的分布模式，它是多移动机器人协作行为的基础。一般地，多移动机器人协作系统的体系结构分为集中式（Centralized）和分式（Distributed）两种。集中式体系结构可用一个单一的主控机器人（Leader）来规划，该机器人具有关于系统活动的所有信息。而分布式体系结构则没有这样一个机器人，其中所有机器人相对于控制是平等的。尽管集中式体系结构可实现全局最优求解，但因考虑到不确定性影响，实际上人们更偏好分布式结构。近年采，在分布式体系结构中，为了克服机器人在实际环境中对环境建模的困难，，提高多移动机器人协作系统的鲁棒性和作业能力，一些学者采用了基于行为的反应式控制体力，一些学者采用了基于行为的反应式控制体系结构，将合作行为建立在一种反应模式上，加快了移动机器人对外界的响应，避免了复杂的推理，从而提高了系统的实时性。
2．感知
感知是智能机器人行动的基础，包括“感觉”（传感）和“知道与理解”信息融合与利用）。在移动机器人中最主要的感知问题是定位和环境建模问题[7]o虽然已有里程计推算、基于视觉的路标识别、基于地图匹配的全局定位、陀螺导航、GPS等多种定位方法，但在未知非结构环境中，目前有GPS才能实现可实用的全局定位。但GPS同时受到精度、安全等因素的限制。如何借助机器人之间的配合提高定位和环境建模能力，是研究多移动机器人系统智能的重要内容。近年来，提出了多种环境地图建立与定位的同步处理方法[8]，其中环境建模与定位过程是相互伴随的，两者在彼此迭代的过程中逐步清晰化，但往往要求苛刻的环境条件。此外，在不少协作任务中只需要合作者间的相对位置信息，如编队及局部避碰等，因此基于传感器的局部定位也受到关注，机器人之间通过超声、红外、激光或视觉等传感器相互探测，然后通过统计、滤波等算法进行信息融合，由此得到系统中各机器人的相对位置。
3．规划
规划问题主要包括任务规划和路径规划，一直是人工智能及机器人学研究的主要问题，对其进行了大量和长期的研究，成果已应用在多机器人协作系统的规划问题研究中E引，与体系结构相对应，多移动机器人系统的规划通常包括集中式规划（Centra）—ized1anning）牙口分布式规戈U（DistribUted“nning）两种方式。集中式规划一般能获得效率高、全局最优的规划结果，但它主要适用于静态环境，难以应付环境的变化。分布式规划中，每个机器人根据自身拥有的环境信息规划自己的行动，其优点是能适应环境的变化，缺点是不能获得全局最优解和可能出现死锁现象。
4．学习与演化
学习和演化是系统具有适应性、灵活性等特性的体现。目前，在协作机器人学中主要采用增强型学习（ReinforcementLearning）方法和遗传规划（GeoeticPrgramming），并且在多机器人搬运系统和机器人足球中获得了成功应用[10][11]。目前的多机器人学习和演化还停留在比较低的行为层次，其学习和演化的任务和环境也非常简单，当其面对更为复杂的任务和环境时，存在时滞评价和组合爆炸问题，另外，对多智能体的分布式学习与演化，也与传统的集中式的学习与演化方法有明显区别，还有待寻找更为有效的行为优化方法。
5．协调与协作策略
多移动机器人系统在协作完成复杂任务时，涉及到各机器人任务、规划、控制间的协调[12][13]，多智能体理论的研究已为这些协调行为提供了思想与策略，但如何把这些抽象的思想与策略结合到具体系统中加以实现，同时又能体现普适性，涉及到用什么工具正确描述各层次的系统行为。目前在任务协调层最典型的描述工具是离散事件动态系统理论中的有限状态机（FSA）方法，但如何对不同层次的行为借鉴混合系统理论和方法进行统一描述，还是在研究的热门课题。此外，在同一环境中运行的多个移动机器人，经常会产生资源利用时的冲突。如果没有适当的协调策略，系统将不能正常工作。对于可预见的冲突，可通过规划加以避免。但系统动态运行时的情况常常不能事先准确预测，仅依靠规划的方法解决冲突将十分有限。对于动态冲突的消解主要包括磋商法、惯例法（Convention）和熟人模型法。在动态环境中的死锁检测与消解，仍是十分具有挑战性的难题。
6．系统软件平台开发
多机器人系统的研究已经持续进行了近20年，前期的工作主要集中在系统硬件和与之相关的某些单项技术的研究，随着多移动机器人硬件系统的逐步完善，当前的软件研究明显滞后，所开发的软件往往针对具体的硬件系统和单一任务，技术集成度低、通用性差，无法有效发挥硬件的效能。为此，人们迫切感到需要研制具有高度开放性、通用性、机器人硬件无关性和可扩展性的系统软件平台，对现有的零散技术成果进行系统集成，同时为规范系统软件的设计框架提供标准。美国和欧洲各国近3年来启动了多项针对多移动机器人协作系统软件开发的大型项目，产生了一些有代表性的软件开发平台，并已获得应用。
7．实验研究
多移动机器人协作系统的实验研究最初是从计算机的模拟仿真起步，利用计算机软件建立一个假想的机器人群体。通过这种途径，可以较自由地赋予机器人主体以理想的机制，使其以不同的方式相互作用。但是，这种做法尽管能考察很多数理性或生物性原理对机器人群体协作行为规范的影响，却很难直接应用于构造实际的作业系统。近年来，随着机器人及其构件性能的改善，使用实机多机器人系统的研究不断增加，从而使理论研究与实际环境、现有物理机器人之间的距离逐渐缩小。目前，国际上多数机器人基础研究实验室都在从计算机仿真和实机实验两个途径同时开展研究。
三、发展趋势
概括来讲，多移动机器人协作系统研究的主要发展趋势可以归纳为以下几点：
（1）分布式多智能体的体系结构逐步占据优势；
（2）从硬件和单项技术的研究向建立通用性软件开发平台的方向发展；
（3）基于行为的方法将与传统的规划和控制方法相互融合；
（4）强调面向任务多变、非结构化环境、局部感知条件的群体协作理论、方法与技术研究；
（5）要求具有较高的自组织、自学习、适应能力；
（6）在强调自主性的同时，仍需不断提高人与多机器人间的协调性；
（7）在实验研究中强调实机途径，开发在真实环境下具有高鲁棒性和高适应能力的实，技术；
（8）特种应用、制造业和服务业的需求日益迫切。
我国在该领域的研究工作已经起步，在863计划、自然科学基金等资助下，经过多年的持续研究，国内已经有一批单位，在局部领域达到了较高的研究水平，实验研究情况也有了明显改善，在体系结构、协调控制和实验研究等方面都取得了初步成果。
经过20来年的发展，多移动机器人协作系统领域研究取得了一定成绩，但也遇到了诸多困难，尤其是在复杂系统控制与分布式智能领域的相关基础研究明显不足，缺乏强有力的理论和技术支持，而且大部分技术对环境的要求比较苛刻，实验多是在人工或半人工的环境下进行的，这诸多原因限制了多移动机器人系统的发展和向实用系统的转化。综上所述，面对真实世界的非结构化和动态特点，高适应性，高鲁棒性、高柔性的协作理论、方法与技术将是今后的研究重点。
