过去50年中，人工智能研究的主要问题是“单主体静态可预测环境中的问题求解”，其标准问题是国际象棋人-机对抗赛；未来50年中，人工智能的主要问题是“多主体动态不可预测环境中的问题求解”，其标准问题是足球的机-机对抗赛和人-机对抗赛。随着多机器人系统越来越广泛的应用。多机器人协作也受到了越来越多学者的关注，它是多机器人系统中一个关键部分，直接关系到系统完成任务的效率、成本和优劣。从多智能体系统的观点来看，足球机器人系统是一个极富挑战性的研究平台，它融合了实时视觉处理、无线通讯、多机器人协作等多个领域的技术。机器人足球环境下的多机器人协作可以应用到很多领域中，具有重要的现实意义。 本文主要研究了Simurosot 11对11机器人足球环境下的多机器人协作防守，即多个机器人按照机器人足球比赛规则，通过协调各自的行为，合作完成防守的共同目标。本文先简要的介绍了机器人足球系统以及FIRA仿真平台。然后，针对Simurosot 11对11比赛环境规划并设计了策略子系统的防守体系，并遵循该防守体系设计理念设计出球队的阵型。通过对比赛的态势分析，动态调整球队的阵型以适应不同的比赛环境。接着，深入的分析了传统守门员策略的优势和不足，并提出一种通过评估射门状态概率，动态的调整守门员防守重心的新策略，提高了防守成功率。最后，研究了基于阵型的角色动态分配机制，以求达到角色与球员间的最佳映射，从而使每周期阵型的重建时间最短化，提高防守体系的运行效率。 主要工作包含以下内容： (1)规划和设计了策略子系统的防守体系。在分析了Simurosot 11对11比赛环境的基础上，定义防守体系为层次防守，防守体系以阵型作为支撑得以实现。防守体系设计为四层：第一层由前锋组成，负责对球进行抢断和破坏对方的进攻；第二层由中场球员组成，负责布防在高危险区域；第三层由后卫球员组成，负责对第一层和第二层防线的协防，并兼顾次危险区域的防守；最后一层防线是守门员把守球门。 (2)基于态势分析的阵型控制。传统策略中，阵型各角色相对位置固定，策略缺乏灵活性，不能应对球场复杂环境带来的挑战。本文引入了多种权衡因子，对比赛双方的态势进行了分析，并基于分析的结果对球队的阵型进行动态的调整，以适应不同的比赛环境。 (3)明确了角色的优先级。定义了各个角色的优先级，在进行角色的动态分配时，严格按照角色的优先级来筛选球员，这既符合了防守体系的设计理念，又能保证重要的角色优先选择最佳球员，提高了角色动态分配的效率。 (4)改进了最优球员筛选标准。在闪电队旧的策略中，筛选一个角色的最优球员，是以球员距离目标点的远近作为标准的。现实当中，当机器人自身的角度与目标点角度有偏差时，机器人是以先曲线后直线的轨迹跑到目标点的。因此，本文提出用时间最短及最优作为新标准取代距离最近即最优的旧标准，提高了角色动态分配中筛选最优球员的准确率。 (5)采用了角色的动态分配机制。在设计了阵型并明确了角色的职责后，依据角色优先级，动态的选择最佳位置球员去填充阵型中的各个角色，优化了角色与球员间的映射，缩短了防守体系的建立时间，提高了防守的成功率。 (6)守门员策略的改进。传统守门员策略相对简单，防守效果不佳。闪电队旧的策略中，将球在禁区内的状态定义为射门终态和非射门终态。根据球未来的状态以及对方前锋的状态，来预判球处于射门终态的概率为P，非射门终态的概率为1-P。然后，规定守门员选择概率最大的射门状态进行针对性的防守。该策略等于放弃了概率小的射门情况，在对方强势攻击下，仍会丢一定的球。本文在该策略的基础上，提出更佳的守门员站位方案。新方案中根据预判的球处于射门终态和非射门终态的概率，来确定守门员的站位重心，重点防守概率大的射门情况，同时兼顾概率小的射门情况，防守策略更加稳定和完善，而且，点球防守采用了出击战术，提高了防守成功率。