多智能体技术的理论研究始于20世纪80年代,并随着机器人技术的快速发展,目前已经实现大规模群体机器人应用,如无人机集群编队协同、物流群体机器人等。在多智能体协同业过程中,由于每个智能体只能观察局部环境信息,智能体想要在更大环境中执行作业,需要通过与其他智能体的通信才能获得全局的环境信息。此外,在大规模群体任务执行过程中,智能体需要通过同步保证任务协同、编队协同,这也离不开通信。因此,目前主流的多智能体协同作业技术都严重依赖于通信。但是,当处于极端条件下无法通信或者通信中断时,智能体无法根据通过交流分享彼此的信息和意图,保持智能体之间的协同将极为困难。本文针对以上问题,提出了一种在无通信情况下的基于贝叶斯逆规划的多智能体协同机制,主要工作包括:第一,本文提出了一种基于贝叶斯逆规划的动作预测模型。在智能体无法相互通信的条件下,本模型可以仅通过观察智能体的历史动作序列,基于贝叶斯定理计算出智能体的目标概率,并根据目标概率计算智能体未来可能采取的动作的概率,从而实现对智能体的动作预测。第二,本文设计了基于纳什均衡的多智能体协同算法。该算法使得智能体能够基于动作预测模型的结果,采取相应的协同动作避免相互碰撞,并基于纳什均衡原则选择最佳的移动路径,实现了智能体之间高效的协同。第三,本文分别在公开数据集上验证了基于贝叶斯逆规划的动作预测模型和模拟仿真案例上测试了基于纳什均衡的多智能体协同算法。针对基于贝叶斯逆规划的动作预测模型,本文将其应用于公开的行人轨迹预测数据集进行测试,实验结果表明,本模型在行人轨迹预测的准确性上表现良好;针对基于纳什均衡的多智能体协同策略,本文设计了自动驾驶场景中的多车协同的模拟仿真案例,定量和定性的实验结果验证了该协同模型所具备的高效性和灵活性。