在过去20余年的发展过程中,多移动机器人系统依据其时间、空间的分布性与高效性展现了其无可匹敌的魅力,在工业、军事、国防、生活和深空等应用领域均受到了广泛关注。多移动机器人协作在诸如流水线生产、编队巡逻、仓储运输、交通规划与环境探索等应用领域的研究中均显示出了极大的优势。而在一些具体的应用任务,如大型物体的运输、目标的抓捕、多传感器协作地图探索等研究中,要求机器人组成特定的队形并在任务过程中保持队形不变或改变队形执行任务,以此引发了多机器人编队控制的研究热潮,并成为多移动机器人协作与协调的关键技术之一。本文以协作大型物体运输为应用背景,依据从底层运动控制、运动规划到高层任务规划的思路,对多移动机器人的编队行为控制到编队规划最终到编队任务分配做了相关研究。本文的研究工作可以总结为以下几个方面：1)作为机器人运动与编队控制的基础,首先设计了机器人基本运动行为和基于服务的运动行为结构。在基于行为的控制方法研究中,以往主要是针对具体任务或实验进行设计并且多为上层的描述性语言,缺少基本运动行为的设计和对行为的可重复利用的研究。本文提出以机器人与编队中虚拟目标机器人之间的位姿误差作为驱动输入,驱动轮速度作为输出,设计移动机器人的基本运动行为,运用具有可重用性的面向服务架构(service-oriented architecture, SOA),设计了基本运动行为的结构。基于服务的运动行为结构,只需根据编队任务进行适当修改或扩展、组合就能满足新的情况或任务。所设计的基本行为和基于服务的运动行为结构的可行性和可重用性,在仿真环境和物理实验中得到了验证,并在多机器人编队形成、编队运动与协作运输任务的研究中得到应用。2)在基本运动行为的基础上,研究基于Leader-Follower的编队形成与运动规划。本文提出了基于竞标机制的编队时间最优规划方法。该方法将多机器人编队问题转换成任务分配问题,即处于跟随位置的移动机器人对编队中的虚拟机器人位置进行投标,而处于领航者位置的机器人根据投标进行集中规划,将分布式投标方法与集中式优化方法相结合,在降低集中规划方法计算维数的同时,完成编队位置的指派任务。此外,利用竞标时产生的实时监督机制,实现在编队中机器人故障或任务需求等时刻重新规划队形,保持编队队形的完整性。通过仿真与物理实验验证了基于竞标机制的时间最优实时编队规划算法的可行性,与其他编队规划算法相比,所提出的编队时间最优策略在编队形成中具有时间短、效率高的优点。3)利用基本行为服务与监督机制,研究多移动机器人编队形成和运动过程中出现障碍物时的避障策略。本文提出了基于多动态虚拟目标跟踪的编队避障策略,同时考虑了编队和障碍物信息。将具有多动态虚拟目标的跟踪方法与基本运动行为服务结合,实现编队运动中移动机器人能脱离U型槽障碍物,继续形成编队运动,同时采用监督机制保证编队机器人的避障过程中编队队形不会发生改变。通过多机器人编队运动的避障实验,表明本文提出的基于多动态虚拟目标跟踪的编队避障策略的有效性。4)利用基本行为服务和避障策略,在编队控制的基础上,研究多移动机器人在开阔平坦环境中的协作运输问题。与已有的反应式行为协作运输不同,本文以观测者—推动者的协作关系,将运输任务转换成多移动机器人编队问题,考虑了实际机器人的传感器和搬运机构的限制条件。为减少反应式行为控制方法所导致的动作重复执行的缺陷,利用几何原理对编队运输的运动和避障路径进行规划,通过设置虚拟目标点,对虚拟目标进行跟踪,完成编队运输的任务。在Microsoft Robotics Developer Studio (MRDS)仿真环境中,设计推箱子实验并与反应式行为控制方法比较,验证协作运输策略的可行性。5)研究了起伏地形环境下的多移动机器人协作运输问题。起伏地形环境中由于地形限制,机器人的侧滑、驱动轮形变、摩擦和环境难以区分等,使得多机器人协作运输面临更多困难。本文提出了Navigate Straight Forward to Destination (NSFD)和Navigate Plain First to Destination (NPFD)导航策略,设计了推动者机器人发生滑动时编队重新形成策略。在起伏地形的仿真环境中,设计了协作推箱子实验,验证了协作运输策略的有效性,并对NSFD和NPFD两种导航策略在不同环境下的协作运输效果进行了比较,结果表明NPFD更适合于复杂地形环境下的协作运输。6)以多移动机器人编队与单任务为基础,研究多任务机器人—多机器人任务(MT-MR)的任务分配问题,研究多个任务并存时的机器人联盟建立问题。本文考虑机器人能源有限及携带传感器不同的情况,提出了一种具有次优解的基于信用机制的动态任务联盟形成方法CoSGCrM。通过与first-price竞拍方法进行比较,验证了提出的多机器人联盟多任务分配方法的可行性,并具有较高的任务完成效率。