多运动体系统相关课题研究,主要包括多机器人、多无人机的研究与应用,随着计算机、人工智能、控制理论及通信等关键技术的快速发展,得到了越来越广泛的关注,成为国内外相关领域重要的研究方向。推进人工智能在无人驾驶汽车、无人系统等方面实际应用,人工智能基础理论和机器人研究工作充分结合,将是第四次工业革命的核心内容。同时在新兴领域和现代化国防上,面对某些更为复杂、需要高效并行完成的任务时,单体机器人已经不能满足实际的需求,比如空间无人机与地面机器人协同作战等,多运动体协同系统的研究课题成为解决该问题的关键。本文从无人车智能感知技术、深度学习技术以及多运动体协同等方面的发展历史及研究现状进行了研究分析,针对智能感知及编队控制问题,设计了多运动体智能感知及编队平台总体方案,从硬件平台和软件仿真两个方面为相关理论算法验证提供了研究基础。其次,为解决目标识别跟踪问题,研究基于点云数据的目标识别跟踪算法,对指定跟踪目标建立模型数据库,利用支持向量机以及自适应粒子滤波算法,实现多运动体对指定跟踪物体的在线识别及编队跟踪。然后,研究了基于深度学习的智能感知算法,研究分析了典型深度学习模型、深度学习开源框架以及深度强化学习算法结构及开发流程,设计实现了基于深度强化学习的机器人导航算法。最后,针对多运动体协同编队问题,研究了基于图论及势场函数的编队控制算法,结合全局刚性图、结构持久图以及势场函数设计了多运动体编队跟踪策略。在此基础上,利用多运动体智能感知及编队平台对上述算法分别进行了实验分析验证。