多机器人系统（Multi-robot System;MRS）是当今机器人领域研究的热点之一。该系统是由多个机器人组成的集合,通过机器人之间的相互协同,共同完成一个集体任务的复杂系统。多机器人系统有着非常广泛的应用场景,包括定位系统、巡逻系统、持续监控系统和交通控制系统等多个方面。其中,室内定位是多机器人系统定位问题的重点和难点。与室外定位环境相比,室内环境具有许多局限性和复杂性,如电磁波不能穿过钢筋混凝土的建筑结构和多路径效应等因素,所以室外定位技术在室内环境中不再适用。因此,使得室内的相对定位问题成为一个关键技术。本文就针对多机器人系统室内定位的方法和定位精度进行了深入研究,主要研究内容如下:（1）基于RSSI测距信号原理,提出了一种利用多机器人系统实现室内协同定位的多边测距算法。与传统利用固定锚节点定位的算法相比,该方法是给环境中的三个移动机器人安装上距离传感器和信号接收器,把这三个机器人作为定位的“锚节点”,通过传感器发射和接收的信号值,利用RSSI测距算法分别计算出机器人与待测点之间的距离,然后通过多边定位原理确定待测点的准确位置。优势在于在室内等较小的空间环境,在不需要很多锚节点的情况下就能完成定位任务,减少了通讯成本。同时设计了一种算法,保证多机器人在指定的区域巡逻和监控时,如果有任意一台机器人发现符合特征的目标进入监控范围内,利用通讯架构进行全局广播,控制所有的机器人向目标移动,然后利用多边测距算法进行协同定位,确保多机器人系统从室内巡逻到协同定位功能能够平稳快速的实现。（2）针对多机器人系统室内定位过程中存在噪声干扰,从而影响定位精度的问题。提出了一种基于博弈理论的无迹卡尔曼滤波算法（Unscented Kalman Filter;UKF）来实现多机器人系统的协同定位。该方法是利用博弈理论对多机器人之间的相对信息冲突进行筛选,根据筛选后获得的一致性信息进行协同定位。同时推导出利用相对信息与UKF相结合的协同定位公式。其优势在于,博弈可以有效的消除机器人之间的信息冲突,同时UKF算法与传统的扩展卡尔曼滤波（EKF）相比,也具有更好的定位精度。最后,通过仿真验证了使用博弈理论不仅消除了多机器人协同定位时机器人之间感知数据的冗余,还减少了一些不必要的计算量,从而确保了协同定位过程中位姿更加准确、可靠。