多智能体协作一直是人工智能领域的研究热点，在机器人救援领域中救援机器人的协作面临着环境未知且动态变化、通信及资源受限等诸多挑战，本文将多智能体系统相关理论应用于RoboCup机器人救援仿真中，构建救援机器人协作模型，包括世界模型构建、基于拍卖算法的任务分配协作机制以及动态路径规划方法，主要工作和创新点如下：首先，世界模型作为智能体协作的基础，然而机器人的感知信息具有局部性、相对性、不准确性等特点。本文通过构建Apollo-Hescue救援智能体世界模型，在救援机器人行动前和行动中对地图信息进行处理，运用粒子滤波算法处理感知信息噪声，对动态对象状态进行估计，维护全局、准确的世界模型。其次，为了有效解决RoboCup机器人救援仿真环境中的多救援智能体协作问题，提出了一种基于拍卖算法的任务分配协作机制，在该协作框架中智能体能够快速进入和离开拍卖市场并且能够动态角色切换，通过焦虑度对分配后的策略进行动态调整，以适应动态变化的灾难环境。在有限时间内救援队伍能够协作完成多项任务，适应多种复杂灾难场景，并降低任务响应的迟滞，提高了机器人救援队伍的整体协作效率。最后，对传统的蚁群算法进行改进，定义新的启发函数目标优势度，根据救援智能体当前行为模式改变选择下一个节点的概率，通过局部信息素更新、全局信息素更新以及信息素共享更新来加速收敛并保持解的多样性，使救援智能体在路况未知、环境复杂的救援行动中获取最优路径，保障救援机器人的协作完成。