本文研究了复杂动态环境下多机器人系统的协作机制以及如何通过强化学习实现机器人的自主规划。提出了适用于组织大规模机器人群体的体系结构,实现了多机器人系统任务级的协作与运动级的协调。对于任务级的协作,首先针对静态任务分配问题提出了一种解决小规模任务分配问题的方法,并将匈牙利方法应用于多机器人系统解决了中等规模任务分配问题;其次,针对动态任务分配问题设计了一种适用于多机器人系统的分布式任务分配机制。对于运动级的协调,首先在采用了“全局规划—局部修正”的路径规划结构基础上,设计了一种基于预测的冲突消解策略作为了局部规划方法;其次,基于强化学习理论提出了一种分层学习方法实现了机器人的自主规划。为了验证所提算法的有效性,开发了一个通用的分布式多机器人仿真环境,并进行了大量的仿真实验研究。实验结果表明,任务分配方法能够满足静态任务分配的实时性与最优性要求,以及动态任务分配的自主性与鲁棒性要求,冲突消解方法具有较高的协调性,基于强化学习的避碰策略能够有效地实现机器人的自主规划并提高了其对环境的适应能力。