2. 多机器人系统基础

多机器人系统（Multi-Robot System, MRS）是指由两个或两个以上机器人通过感知、通信与协同决策，共同完成单机器人难以或无法高效完成任务的系统。它并不是简单地把多台机器人放在同一空间里，而是强调机器人之间在任务、信息、时空和行为层面的耦合关系。理解多机器人系统，需要从“定义—分类—体系结构—通信拓扑—应用案例”这条主线建立整体认知，因为后续的协同导航、编队控制与避碰算法，都建立在这些基础概念之上。

一、核心定义与系统要素

一个典型的多机器人系统通常包含五个关键要素：机器人个体（具备感知、计算、执行能力）、通信网络（交换位姿、速度、任务与地图信息）、协同决策机制（任务分配、路径规划、编队保持）、环境感知与共享（局部地图、障碍物、目标状态）以及任务目标（覆盖、搬运、搜索、巡逻等）。与单机器人相比，多机器人系统的优势主要体现在鲁棒性、可扩展性、并行效率和任务适应性上；代价则是通信约束、协调复杂度和故障传播风险。

二、多机器人系统的分类

多机器人系统可以从多个维度分类。按同构性可分为同构系统与异构系统；按控制方式可分为集中式、分布式与混合式；按协作关系可分为合作型、竞争型与混合型；按规模与通信可分为小规模强连通系统和大规模弱连通系统。不同分类维度会直接影响导航与避碰策略的选择。

三、体系结构与通信拓扑

体系结构决定“谁决策、谁执行、谁协调”。集中式结构中，中央节点统一收集信息并下发指令，优点是全局最优、冲突易消解，缺点是通信压力大、单点故障风险高。分布式结构中，每个机器人基于局部信息和邻居信息自主决策，鲁棒性强、扩展性好，但难以保证全局最优。混合式结构则把全局任务分配交给中心节点，把局部避碰与轨迹跟踪交给个体，兼顾效率与鲁棒性，是当前工程中较常见的方案。

通信拓扑描述机器人之间的信息连接关系，常见形式包括：全连接拓扑（任意两机器人可直接通信）、环形拓扑（信息沿环传递）、星型拓扑（中心节点汇聚）、网状拓扑（多跳路由）以及动态拓扑（随位置变化而重构）。拓扑直接决定信息传播延迟、一致收敛速度和避碰决策的实时性。

四、典型应用案例

多机器人系统已广泛应用于多个领域。在仓储物流中，AGV/AMR 集群通过集中调度与局部避碰完成拣选和搬运，典型如 Kiva 类系统；在无人机编队中，多旋翼通过一致性协议保持队形，用于灯光表演、区域侦察和农业植保；在搜索与救援中，异构机器人（无人机 + 地面车）协同覆盖废墟区域，利用空中视角引导地面机器人进入；在智能制造中，多机械臂与移动平台协同完成装配与上下料；在环境监测中，水面与水下机器人编队完成水质采样和地形测绘。这些案例的共同点是：任务可分解、信息可共享、行为需协调。

五、常见误区与复盘要点

复盘时应重点检查：通信拓扑是否与实际链路匹配、控制结构是否与任务规模匹配、避碰策略是否考虑了通信延迟与邻居数量变化、任务分配是否造成局部拥堵。只有把体系结构、通信拓扑与协同算法统一考虑，多机器人系统才能在真实场景中稳定运行。

# 典型多机器人系统参数配置示例
robot_count: 5
control_arch: hybrid          # centralized / distributed / hybrid
comm_topology: dynamic_mesh   # full / ring / star / mesh / dynamic
neighbor_range: 8.0 m
comm_delay_max: 120 ms
avoidance_mode: reciprocal    # 互惠避碰，考虑邻居意图
task_alloc: auction           # 拍卖式任务分配

掌握多机器人系统的定义、分类、体系结构与通信拓扑，是后续学习协同导航、编队控制与分布式避碰的前提。只有先明确“系统如何组织、信息如何流动、个体如何协调”，才能进一步设计出可靠、可扩展的多机器人协同算法。