由于单个机器人在信息获取、处理和控制等方面的局限性，人们考虑通过多机器人系统来完成单个机器人无法完成的工作、提高工作的效率。如今利用多机器人系统的灵活性、自适应性、鲁棒性和高效性等特点，在未知、动态的环境中实现复杂的任务，已成为今后机器人技术的一个主要研究方法，并在工业、航空航天、军事、服务业等许多领域都有广泛的应用前景。但是，多机器人系统绝对不是简单的将多个机器人堆放在一起，这样不仅不能发挥上述多机器人系统的优势，而且机器人之间的冲突和对抗会大大降低多机器人系统的作业效率。因此，鉴于多智能体的动态复杂性，要发挥多机器人系统的能力和潜力，必须有机组织多机器人群体，充分利用多机器人之间的协作。机器人最初的出现是为了模拟人类或者其他生物的智能，来帮助、代替人类从事工作。因此多机器人系统也希望能从人类社会、生物群体中得到灵感和启发，实现多机器人之间更好的合作。基于生物免疫系统的识别、学习和记忆能力，以及表现出的分布性、动态平衡性、适应性等，本文利用生物免疫系统的工作机理和特性，在多机器人系统的体系结构、协作、任务分配、学习等多方面进行研究，涉及了多机器人系统的几个重要研究领域，提高了系统的灵活性、对动态环境的适应能力和协作能力，发挥了多机器人系统的潜在优势。本文的主要研究工作有：1)综述了多机器人系统的研究内容和研究现状，总结了本文在研究多机器人协作时涉及的几个典型应用领域，特别是多机器人系统仿生研究。2)介绍了生物免疫系统的特性、主要功能以及相应的免疫理论，总结了人工免疫系统在机器人领域的研究和应用。通过对免疫机理的模拟和应用，搭建了整篇论文的基本框架——多机器人系统群体和个体体系结构，并提出和分析了基于免疫体系结构的多机器人协作。3)研究体系结构中的行为决策模块。以环境探测为背景，在超声传感信息融合的基础上，提出了基于免疫机理的多机器人协作探测算法，在线实现了未知环境的完全探测和地图构建。基于免疫的探测算法不仅实现了未知环境的完全探测，而且有效的避免了机器人之间的冲突和干涉，大幅降低了重复探测率。仿真验证了算法的有效性和系统的鲁棒性。4)针对未知任务的协作问题，利用抗原的自强化调整和抗体间相互作用，设计了在未知环境中的多机器人自主协作方法。仿真中以合作推箱子为背景，多机器人系统实现了未知环境中对未知箱子的自主协作，并解决了任务死锁的问题。自主协作研究也属于体系结构中的行为决策模块。5)研究体系结构中的任务分配模块。为了克服多机器人任务分配中普遍存在贪婪算法的弊病，在抗原(任务)信息的基础上，利用内部抗体(机器人内部行为)和外部抗体(不同机器人行为)间相互作用，提出基于免疫的任务分配算法。仿真中的紧急事件处理实验验证了算法的有效性。6)研究体系结构中的学习模块。为了提高多机器人系统的智能性，更好的适应环境，利用免疫系统的自学习、自适应和免疫记忆特性，提出免疫强化学习方法，应用于机器人系统。在基于免疫学习的单机器人系统基础上，考虑多机器人协作性，并迎用于多机器人多目标探测中。仿真验证了基于免疫学习机制的多机器人系统对未知动态环境的学习能力和动态协作的有效性。对上述几种典型任务的研究结果表明，基于免疫的多机器人协作系统，很好的体现了自主性、协作性、适应性和鲁棒性等，为解决多机器人系统的协调协作、任务分配、学习等经典问题提供了新的思路，具有广阔的研究和应用前景。