近几年,以互联网、大数据、人工智能为代表的新兴技术与制造业加速融合,促进了工业智能制造以及机器人等相关行业的快速发展,在国内外掀起了一股科研浪潮。未来机器人产业的发展在国家智能制造发展战略中必定占有举足轻重的地位。面对如此广阔的行业发展前景,机器人相关技术必须不断进行调整和突破,才能拥有更好的性能、更高的智能、应用到更高端行业。纵观已有的机器人相关研究,定位问题作为各项技术发展的基础和前提,显得尤为关键。一般而言,我们所建立的物理模型在真实环境中难免会受到非线性、非高斯噪声以及干扰的影响。而粒子滤波算法作为非线性、非高斯等数据处理领域重要研究内容,不仅具有不限制噪声模型的优点,而且在物体跟踪及定位等方面取得了一定成果,因此本文提出将粒子滤波算法用于机器人对运动目标定位以解决模型噪声问题。首先,粒子滤波算法虽然也能达到对目标定位的效果,但会因粒子退化等原因而致使误差偏大,因此提出利用无迹变换理论对其改进得到无迹粒子滤波算法,以便获得更好的估计精度。最后通过对几种滤波算法进行仿真验证得出改进后的滤波算法确实具有较好的滤波精度和准确性。多智能体系统的发展在一定程度上促进了对机器人网络以及分布式系统等多个问题的研究。由于只对单个机器人的测量数据采用滤波算法,其最终结果可能面临精度较低或估计结果不具代表性等问题,因此提出机器人网络的概念,利用建立的有向网络通信拓扑结构进行信息交流和传递,以接收来自不同机器人的滤波估计数据结果。为使系统最终输出结果唯一且稳定,提出采用有限时间平均一致性算法使其在有限时间范围内收敛到一个稳定值。即在分布式无迹粒子滤波算法基础上结合平均一致性算法,对采集的运动目标相关数据信息进行融合,进而获得机器人网络对运动目标位置的整体状态估计。实验结果表明该方法在一定程度上能够改善机器人网络的信息融合与估计能力,不仅可以获得对运动目标位置的准确估计,还具有较好的跟踪精度和实时性,能够完成对运动目标的定位工作。