随着机器人持续变得更加复杂，需要能够与其他机器人及人类队友互动和协作的机器人。设想的机器人是专为与其他智能体（无论是机器人还是人类）协作而设计的。这一愿景带来了诸多挑战，本论文特别聚焦于探索不同层次的智能体间交互与推断的队友信息。

首先在协作导航的范畴内探索单人类-单机器人组队，这需要直接的人机交互与推断的队友信息。考虑这样一种情况：一个人类和一个机器人必须在环境中导航以到达一个共同目标。提出了两种不同的触觉导引系统，通过力反馈为人类用户提供防撞和路径建议。每种方法在计算量和最优性方面各有优势。分析与实验结果表明，本文方法能同时保证防撞和向目标导引。

虽然这第一项工作处理的是双智能体协作，但本论文的其余部分聚焦于多智能体协作，其中机器人与人类的交互很少，且队友信息层次不同。考虑一个异构多智能体团队，即每个机器人具有不同的能力，例如感知或资源容量。本文提出了部署机器人以服务复杂动态任务的控制策略，使团队能够适应任务和团队内部的变化。分布式方法支持大规模应用。分析表明，本文方法在适应动态环境的同时收敛于最优解，仿真和硬件实验显示其性能与基线算法相当。

本文探索了一系列多样化的协作自主系统，涵盖从人机协作到多智能体团队协作。具体而言，首先在第三章研究了人机协作导航，通过力反馈提供防撞和沿建议路径的导引。该方法探索了高层次的智能体间交互与推断的队友信息。接着，在第四章中，考虑了一个多机器人团队在协作资源交付场景中的应用，该团队拥有关于队友的完整信息，但智能体间交互很少。最后，在第五章中，放宽了关于队友信息的假设，机器人通过观察队友来调整其交付行为。

图1·2： 本文研究了三种不同形态的协作自主系统。在第4、5章探讨了多智能体团队协作（上图），并在第3章研究了人机协作导航（下图）。