未知环境下移动机器人的同时定位与建图(Simultaneous Localization and Mapping-SLAM)是自主探索领域的核心问题，现已受到了广泛关注，并涌现出大量的解决方法。与单机器人SLAM相比，多机器人协作完成的SLAM具有更准确、更高效和更鲁棒的优势。然而目前有关多机器人SLAM问题的研究成果相对较少。共同执行SLAM任务的多个机器人如果一味追求扩大新增探索面积提高效率则难以利用冗余信息提高建图准确性；如果一味通过冗余信息提高建图准确性则难以高效地构建环境地图，由此产生了二者的矛盾关系。并且，在现实环境中，尤其是大规模环境，多个机器人之间的通讯距离往往受约束，地图共享受限，再次相遇的机器人直接融合地图会产生地图过度融合问题。　　 本文针对多机器人同时定位与建图中所面临的上述问题展开研究，具体研究内容包括：　　 1．为了达到多个机器人既高效又准确地建图，在每个建图阶段开始，依据机器人不确定性大小判定机器人所处状态，处于定位增强状态的机器人通过观测曾经被观测过的路标或通过其他机器人协助的方法来提高定位准确性。机器人通过竞争方式获得执行定位增强任务的权利。除执行定位增强机器人外，其他机器人均进入探索状态。由此实现机器人间的协作建图。为提高建图效率，在每个建图阶段内各机器人采用局部子地图方法，待接收到阶段终止信号后，停止建图并将各自的局部子地图融合到全局地图中。　　 2．在机器人通讯距离存在约束的情况下，多个机器人采用基于最优控制的协作探索策略，创建自身周围区域的子地图，在每个建图周期内使用扩展卡尔曼滤波器估计和维护子地图状态，并在一个周期结束后联络通讯范围内的其他机器人，进行子地图的传递与融合。同时，为避免由于通讯距离受约束而带来的地图过度融合问题，每个机器人保存每个建图周期内的局部子地图，待与其他机器人相遇时只传递并融合子地图的增量部分。