动态环境中的机器人与环境存在交互,环境未来的变化与机器人未来的动作紧密相关,使得环境存在高度不确定性,也使得行为决策系统与运动规划系统相互影响,给决策规划算法的设计带来极大的挑战。本文以多机器人为背景,设计了决策与规划方法,主要工作如下:首先,给出了坐标系及转换关系,建立轮式移动机器人的运动学模型,并对环境不确定性进行定性与定量描述,定义机器人的语义属性,并从输入输出角度给出决策规划系统的数学描述。其次,对于行为决策系统,基于采样获得静态环境的拓扑路径,再基于B样条曲线拟合得到参考路径。基于部分可观测马尔可夫决策过程（POMDP）描述决策问题,以多策略闭环决策算法为框架,求解多阶段闭环决策树中的最优动作序列。对于追击机器人,设计了基于价值的意图分类器来计算意图等级,基于贝塞尔曲线设计了快速预测轨迹生成算法。对于逃逸机器人,为应对不确定性,设计通过交互式反应式控制器更新机器人的状态,捕捉环境未来的变化。再次,对于运动规划系统,本质是一个轨迹优化问题。根据决策系统输出的决策轨迹与预测轨迹生成时空避障走廊,基于不确定性因子来应对预测的不确定性,增强规划的保守性。从非结构化空间的角度,以MPC为基础的轨迹和从结构化空间的角度,以Frenet坐标系为基础的轨迹两种思路出发,分别设计了非线性优化问题和层级式的二次规划优化问题。最后,开发多机器人仿真环境,对决策规划算法进行实现和部署,仿真实验验证算法的可行性、有效性与最优性。