气味源定位是指发现环境中易挥发的化学物质源头的行为。这对于自然界的许多生物至关重要,它们利用气味信息来搜寻食物、发现猎物、躲避天敌、寻觅配偶等。开发具有这种功能的机器人可以更深入的了解生物的以上行为,并且有重要的应用价值。潜在的应用包括:查找有毒/有害气体泄漏源,检查毒品等违禁物品,营救地震、台风、矿难等灾难中的幸存者,应对生化恐怖袭击等。机器人气味源定位的研究始于上世纪九十年代初,因其广阔的应用前景,日益引起各国学者和科研机构的关注。单机器人气味源定位已得到了较为广泛和深入的研究,而多机器人气味源定位的研究还远远不够。针对室内自然风条件下的多机器人气味源定位问题,本文主要开展了以下研究工作:第一,总结了国内外单机器人和多机器人气味源定位的研究现状,简要介绍了典型的烟羽发现、烟羽跟踪和气味源确认策略。第二,围绕多机器人气味源定位实验,利用全局视觉和航位推算相结合的方法实现了多机器人定位;在包容式体系结构下,实现了基于交通规则法的多机器人避障;应用简化的标定公式对机器人携带的气体传感器进行了标定。第三,针对多机器人烟羽跟踪问题,在室内自然风条件下,对改进的蚁群优化(ACO)算法进行了实验研究,并将其与外螺旋(Spiral Surge)算法相对比。大量的实验表明,前者在搜索效率和鲁棒性方面优于后者。基于对实验的观察,发现减少因避障等问题引起的内耗是改善多机器人气味源定位性能的重要途径,并提出了可行的方案。