水下机器人能在复杂的、不确定的环境下完成特定的任务,必须规划出一个有效的任务序列,这对完成任务是必不可缺的。机器人任务规划是一个重要环节,在一定程度上标志着机器人的智能水平,也是提高机器人智能水平的关键技术。本文中以智能水下机器人为研究背景,对大范围海洋环境下机器人的任务规划技术进行了系统深入的研究:首先明确了水下机器人的任务规划定义:AUV根据预先下达的使命文本,结合海区海图、水文信息、特殊障碍物信息、目标信息以及自身状态,进行任务分解,生成下一层控制所需的特定任务序列。水下机器人的良好体系结构是系统高效和合理工作的基础,决定着系统的整体行为和整体性能,而任务规划系统是这个机构的一部分。设计一个适合AUV工作环境特点和任务要求的分层体系体系结构是十分重要的。在AUV任务规划方面,分别采用了基于层次任务网的规划方法和基于有限状态机规划方法。其中,基于层次任务网的规划方法是通过分解任务和解决冲突来进行的。基于有限状态机的方法对机器人的状态进行了划分,将作业中的各种状态及其变化响应映射到系统中,从而实时地进行任务规划。AUV的任务执行时,是通过任务规划层来协调低层行为的执行,或是采用行为竞争的机制,或是采用行为融合的方法。行为协调机制的研究对提高AUV的任务规划能力及智能水平都有重要意义。本文设计了两种行为协调的方法:固定优先级仲裁方法及基于激活度行为融合方法。最后,在OpenGL和Visual C++6.0结合环境中,给出了相应的仿真结果验证了方案的可行性。