随着人工智能和机器人技术的高速发展,多机器人围捕系统有着越来越多的科学研究与工程应用意义。但是针对多机器人围捕的相关研究主要集中在仿真环境下围捕策略的有效性,实际应用性较低,而基于真实环境中的开发方式通常不开源,无法进行功能的扩展。同时,由于围捕行为往往因缺少先验信息而执行被动围捕,导致其围捕效率较低。此外,围捕机器人的行驶路径对其围捕效果至关重要,需要结合实际情况合理配置使用的路径规划算法。本文针对以上问题,实现了一种基于ROS平台,通过预测目标机器人位置进行围捕的多机器人系统,其中主要工作和贡献如下:为加强多机器人围捕系统的实用价值和二次开发性,采用开源的ROS分布式软件框架平台,结合先锋机器人、激光雷达传感器、外接主控和服务器等硬件设备,构建了多机器人围捕系统。预测服务接口以订阅和发布的形式与机器人进行信息交互和控制,在加强系统计算能力的同时,降低了机器人的功耗。机器人通过传感器和外接主控完成逃逸与围捕任务。为避免被动围捕行为,实现拦截式围捕,采用LSTM预测模型对目标机器人的轨迹位姿进行了训练和学习,能够有效预测目标机器人下一时刻的位置信息。通过该预测值分配围捕点,驱动围捕机器人朝着预测的结果方向前进。实验验证多台机器人进行预测性围捕可以有较好的围捕线路,减少了围捕时间,提高了机器人的围捕效率。为了实现围捕机器人到达目标围捕点的围捕行为,采用基于A*算法的全局路径规划算法和基于DWA的局部路径规划算法,并对其中的重要参数进行了分析及合理配置。通过仿真和实验,表明可有效进行静态环境下的路径规划和动态环境下的障碍物避障,可靠地完成围捕任务。