随着科学技术的发展，机器人学的研究已经从最初的工业领域拓展到航空航天、军事等许多不同的领域，其中有些作业环境不适合人类的直接参与，例如危险的矿井、核废墟等，这就需要机器人在这些未知环境中能够自主地完成各种智能任务。有效的环境探索是机器人建立环境模型及完成各种复杂智能任务的关键，在实际应用中具有十分重要的意义。多移动机器人系统相对于单个机器人又具有更明显的优势。然而，多移动机器人环境探索策略的制定也比单个机器人环境探索策略的选择要困难得多。本文就主要针对多机器人系统在完全未知的静态环境下的探索策略的选择和协调机制的运用进行了探讨。本文首先对移动机器人以及多移动机器人系统环境探索的相关内容以及研究现状等进行了综述性介绍，并对本文的选题背景和主要内容作了阐述。其次，很多学者尝试将其他学科的理论引入机器人领域，如市场机制。本文对此进行了简要介绍，并提出了一种改进的基于多Agent理论的合同网协议框架的拍卖策略。文中对多Agent系统和合同网协议进行了介绍，并将此思想运用于多机器人系统，让不同的机器人担当不同的角色，实现了分布式的多机器人环境探索过程。同时证明了此算法具有较高的容错性和鲁棒性。独立开发的仿真平台为算法的仿真验证提供了很好的平台基础，在平台上可以模拟机器人探索环境的全过程。在此基础上的对基于多Agent理论的合同网协议框架的拍卖策略算法的仿真实验，得到了很好的仿真结果。第三，人工势场是机器人领域应用较为成熟的人工智能算法之一，但是多应用于路径规划问题的解决中。其应用背景多是已知环境。而本文则将其应用于机器人在未知环境的探索过程。在基于栅格地图的完全未知的环境中，在边界概念的基础上，我们引入人工势场理论。将边界对机器人的引力和障碍物对机器人的斥力进行定义和量化，并由此确定机器人每前进一步的运动方向。在单机器人系统中验证了此算法的基础上，又在多机器人系统中引入机器人之间的排斥力，从而实现了多机器人系统环境探索过程的有效性和多个机器人之间的协作。此算法与应用组合拍卖等复杂决策算法的方法相比，在计算量上要小很多，同时探索效率也有相应的提高。在仿真平台上进行的对算法的仿真实验则验证了基于人工势场理论的机器人环境探索算法的有效性。最后，对本论文所做的工作和取得的成果加以总结，并指出需要进一步研究的工作。