对未知环境的地形探索问题是机器人领域的经典问题,对于人类难以到达或环境过于复杂的应用场景中,例如灾难现场探测、紧急情况搜救、军事信息搜集等等,机器人地图探索都有着重要的应用价值。目前针对地图探索问题的研究集中于多机器人系统,而多机器人系统的研究重点在于协同策略。传统的多机器人协同策略采用少量领导节点承担群体决策任务的集中式/半分布式控制模式,这类方法适合群体规模较小的多机器人系统。当群体规模增大时,领导节点的计算与通信负担呈指数增长,难以达到需求。本课题采用群体智能方式解决多机器人系统地形探索的协同策略问题,利用无中心的,非同步的,准同构的、简单的个体构成多机器人系统,相比传统方法具有更好的可扩展性,动态适应性和鲁棒性,因而更适用于广阔、恶劣和复杂的非结构化环境。本课题进行的主要工作如下:首先,引入气体分子模型解决多机器人协同与探索策略问题,即利用排斥性的虚拟信息素方法实现了机器人群体队形的扩散与趋向未知地区的运动。其次,独创性设计了机器人路标-探索角色转换机制,即部分机器人转换为固定的路标节点,标示已探索区域并推动群体趋向未知区域的运动。路标机制解决了气体分子模型难以解决的重复探索问题,增强了系统的通信保障,提高了探索效率。第三,将上述思路转换为可编程实现的运动模型,并对该模型的参数选取与针对性配置进行了分析和验证。最后,基于自主设计的仿真器对算法进行实现,并分别针对30到150内的群体规模,在空旷、少量障碍与大量障碍的目标区域内的表现进行了评估。仿真结果证实了算法在提高可扩展性,增强鲁棒性以及降低通信量上是卓有成效的。综上所述,本课题提出,设计并仿真验证了一种基于群体智能的多机器人地形探索方式。仿真结果证明,该算法解决了传统方法难以解决的大规模群体协同问题,具有一定应用前景。