指挥与控制多机器人系统是一项富有挑战性的任务,面对不同特性的机器人,静态的控制命令很难完全满足控制要求。随着机器人数量的增多,机器人的动作级命令也难以满足同时指挥多机器人系统的需求。本文使用受限的自然语言来控制多机器人系统,提出了一种基于Battle Management Language（BML）的框架来指挥多机器人系统。BML人机交互框架由三部分组成,BML标记、词汇树和角色树。每个机器人都拥有角色树和词汇树,输入BML命令时,通过搜索角色树和词汇树将BML命令转化为机器人可执行的指令。基于BML人机交互框架,本文提出一种上下文无关语言BML来指挥多机器人系统,可以使用文本和语音进行人机交互,当输入的文本符合本文提出的BML的语法规则时,就能被机器人识别并转化为机器人可执行的指令。同时,本文提出的基于BML的人机交互框架支持语音输入,将输入的语音转化为相应的文本就能使用本文提出的方法去解析文本,从而指挥机器人。为了让控制系统只服从指挥者的命令,本文使用Gaussian Mixture ModelsUniversal Background Model（GMM-UBM）完成说话人识别,让控制系统只对指挥者的声音命令做出响应。GMM-UBM的优势在于训练出一个通用模型后,只需要少量语音注册,就可以通过一条10s左右的语音完成识别。本文训练的GMM-UBM在自行采集的数据集上的等错误率为0.218%。本文提出RML（Robot Management Language）和RVM（RML Virtual Machine）控制机器人,以解决实际使用中会面临着意料不到的一些问题。这些问题往往无法使用预先设定的命令去完成任务,需要用更基础的指令来控制机器人,通过这些基础指令的组合来完成复杂的任务。RML运行在RVM中,机器人通过将函数注册到RVM中,就能让RML调用机器人内部的函数,从而实现对机器人的控制。RML支持条件语句、循环语句和函数调用。通过编写RML可以让机器人完成没有预先设定的复杂任务。本文以Robo Cup机器人足球比赛为应用背景,通过实物加仿真的方式开展实验研究:1、使用文本和语音的人机交互在仿真和实物中都开展了实验,完成了单机器人控制、机器人从群体中分离与加入、多机器人指挥控制等实验项目,并与传统遥控方法做了对比实验。结果表明,本文提出的基于BML的人机交互框架是一种具有通用性的框架,可以让指挥者以任务级和行为级的方式指挥多机器人系统,本文所提出的方法完成复杂任务时有明显优势。2、使用RML的人机交互在仿真系统中开展了实验,验证了RML的语法和计算能力,RVM与机器人之间的交互能力,通过RML可以让机器人完成没有预先设定的复杂任务。