随着移动机器人研究和应用的日益发展,多机器人协作问题已经成为机器人学研究的热点。多机器人协作自主探索未知环境并建立环境地图,已经被认为能够真正实现移动机器人在未知环境中协作完成导航任务的关键技术和协作完成高度自治作业的重要标志。这在星球探测、野外探险、军事侦察和灾难救助等领域有着巨大的应用潜力。本文从多机器人协作探索环境的效率和精度出发,研究多机器人如何快速协作建立全局环境地图,如何通过多机器人间的任务分配提高系统完成任务的效率,如何解决多机器人移动过程中的协调问题,保障多机器人在高效覆盖环境的探索能力下,能够快速、准确地建立环境地图。首先,研究了基于约束控制的分布式多机器人编队控制策略。为了增加机器人协作的可能性、探索覆盖能力和运动协调能力,簇内机器人采用编队的方式移动。分析机器人与参考机器人之间的约束方程特点,设计了基于约束控制的机器人静态避障和路线跟踪行为,大大简化了机器人控制难度。同时,为了提高机器人动态避障能力,设计了基于速度空间的多机器人动态避障策略,大大减少了簇间机器人的碰撞。其次,研究了基于分簇的多机器人任务分配策略。借鉴生物群体协作行为模式,设计了基于分簇的多机器人协作策略,通过对系统行为的建模求解,分析了系统行为随任务执行的时间演化规律,为机器人的任务分配提供方法支持。结果表明,该方法能够使得机器人根据任务状态自组织地分配机器人,快速、灵活地完成探索任务。再次,研究了基于专职化的多机器人簇间协作方法。借鉴群体生物专职化协作思想,设计了基于专职角色的簇间机器人任务转换方法,采用主动和被动机器人簇相结合的方式实现未知环境的探索。通过该方法,系统能够根据环境中任务的变化实时调整适当的协作群体规模,从而增强了系统协作的效率和灵活性,以及适应不同任务的能力。最后,研究了基于局部地图的多机器人相互定位方法。在未知环境探索任务中,为了能够产生准确的环境信息,需要将环境信息表示在地图中。而多机器人准确地建立环境地图,离不开同时利用地图实现准确的相互定位技术,即协作定位与建图(Cooperative Localization and Mapping,CLAM)。针对机器人的定位问题,设计了单个机器人的连续自定位方法和多机器人的局部地图相互定位方法,将机器人的定位范围缩小到了机器人的局部环境中,大大增加了多机器人定位的速度和准确性。