1樓：森羅永珍
現在的多單體協作技術只是可控場景下單體的模組化技術，還是很粗糙的，應該與題主認為的有很大差距。
就以題主所提供的例子為例，來說說有一些什麼具體的瓶頸。
A被阻擋是否可預估，不可預估的話首先要進行場景觸發，然後進行場景掃瞄，這些都需要高精度的雷射掃瞄，但現在雷射掃瞄裝置體積還是比較大，所以最起碼要實現掃瞄裝置微型化。
掃瞄的資料與方案計算都要非常高效能的計算裝置才能盡可能壓縮延時，為減少機械人體積就要計算器外接，一般應該使用無線技術進行資料傳輸，而現實可控場景下5G應該能滿足（這只是估計），但現實商用的話應該要6G甚至7G才能滿足。
A與B是同一系列，完全技術透明的情況下，許可權問題沒什麼。但如果是不同主人、不同系列或不同生產體系製造，大部分技術不透明的情況下，如何獲取對方的許可權和誰為主導的問題就大了，而這個是領導層才能解決的，技術員沒戲。
協同作業的計算模型與單體分離下的模型疊加是不同的，例如說A與B的實時狀態管理就要有乙個額外的管理層C來實現，因為A與B只進行必要資料的處理而不是全部資料，否則效率會很低。這種模型混合很可能需要全套控制程式重編，這個手工操作基本上難以實現，所以要實現自編。但自編最大的毛病就是人類難以解讀，在解讀不清的情況下如何開發，這個還沒有可行方案。
協同作業的失敗率是難以清零的，如果對外造成損害，那麼它的法律責任如何定性，這個現在還遠沒上日程。
以上是我現在想到的瓶頸，不排除還有更多。現在這種協作技術還只是起步階段，還遠說不上進入推廣階段，所以也就沒有什麼入門不入門的。起步階段的理論被推倒重來是常有的，所以不要有什麼固定的學習路線，一切以可行性為準。
如果題主對這方面有興趣，可積極嘗試去攻破這些瓶頸，以此作為你個人的學習路線。
2樓：戴曉天
以上每乙個關注的點都不太一樣。再往廣義上說，還有諸如多機械人的fleet management，以及自動駕駛+智慧型交通規劃等（已經屬於運籌學Opertional research的範疇了）。
3樓：
你這個想法學術界比較好的是模組化機械人Modular Robotics系統。
可以留意一下Upenn
ModLab UPenn
EPFL, 等做的機械人系統
機械人不僅能翻越各種障礙物，還能夠自購成各種家具，椅子桌子等等。
4樓：簡單嫲嫲
背景技術：
隨著計算機和機械自動化技術的快速發展，促使人們不斷開發新的智慧型機械人來幫助我們做複雜，精細，危險，工程量浩大的工作，來減輕我們的壓力和保護人身安全。一些新型機械人的出現，為我們的生活帶來很多便利，例如月球探測儀，排爆機械人，服務型（飯店服務型，迎賓型）機械人，無人機。
但是，目前機械人大都停留在單個個體完成乙個任務，缺點是顯而易見的。
首先，機械人個體能力往往是有限的，常常會遇見單個個體不能完成的任務。特別是在搜尋、救援、戰場等複雜場景，單個個體顯然無法勝任，即使使用多個單個的機械人也難以勝任，甚至很容易妨礙人們的正常秩序。單個機械人的「智商」是有限的，其控制晶元往往只能完成預定難度的計算任務，在執行任務的過程中，往往會出現超過單個機械人「智商」的場合。
其次，目前機械人領域任務分配困難，特別是大任務、多工。當任務為繪製地圖、測量某個複雜建築時，逐一給機械人下達具體指令極為複雜的。在完成某個複雜任務時，沒有涉及到相互協作，靠人工給機械人持續分配任務和人工協作會導致任務完成效率低下。
在執行任務的過程中，也會出現各種意想不到的情況，如機械人與控制者失去聯絡，如果此時失去了人工干預，機械人在智慧型不足的情況下往往會導致任務失敗。
最後，機械人也是有一定故障機率的，在單個機械人作業的情況下，單個個體的失敗往往就意味著整個任務的失敗。在複雜的多機械人任務中，每個機械人都有具體的任務，缺一不可，無可替代，一旦乙個環節（機械人）出問題後，整個任務都會受影響，比如流水線上的機器手。
協作機械人相對於傳統工業機械人對控制器有哪些需求？
弗格特移動機械人 第一是負載不一樣的，協作機械人偏向處理精密型加工，這也造成了針對的應用領域不同 第二是協作機械人得安全放碰撞功能，可以省去安全圍欄，確保操作員得安全 還有得是協作機械人的拖動示教功能，不需要操作人員完全掌握程式語言，簡單培訓就可以直接上手，所有的機械人都是需要人的維護和調整的，只是...
機械人控制與機器視覺？
兩個領域各有千秋.簡單的容易出東西,複雜的出東西慢.但是好玩程度,最後都差不多,是你的智商 努力 方向感與競爭者的智商 努力 方向感對比的結果.愛好和職業是兩個概念,能做到做一行愛一行的人,才有突破和發展.現在機器視覺裡面做的很多東西,其他人分分鐘學會.工作之後,自己有台電腦,其他人有台電腦,幾天,...
機械人程式設計怎麼入門？
2016年夏天 機械人是個很複雜的系統，其程式設計涉及到很多專業知識。大致需要以下幾個方面的知識 首先，計算機程式設計基礎，熟練C C Matlab,Python。第二，數學基礎 微積分，線性代數，數值方法，優化。第三，計算機演算法基礎及資料結構 第四，機械人運動學，動力學及基本控制方法 第五，機械...