由于群体机器人可以依靠规模效应产生的群体智能来完成单一机器人和多机器人无法完成的复杂任务，因此有关群体机器人的行为研究日益得到重视。针对如何形成群体机器人以及如何实现其队形变换和行走等技术内容，本文进行了相关研究。首先，本文研究了群体机器人的协调机制。作为分布式系统，群体机器人中的机器人个体很难通过直接信息交流方式进行彼此间的协调控制。为此，本文采用了一种基于环境的间接信息交流方式。基于该信息交流方式，本文分析了目前已有的一种群体机器人的协调机制。通过分析该机制所采用的群体中机器人个体环境模型和相应的运动模型，发现其存在不合理的全局性假设以及没有考虑机器人个体最大运动能力等缺陷。最终，通过对这些缺陷进行修正，本文提出了一个通用的群体机器人中机器人个体环境模型和相应的运动模型。其次，本文研究了群体机器人的自主聚集。通过分析已有的全局群体机器人自主聚集算法，证实只要适当地设置好群体中机器人个体所采用的吸引／排斥环境模型和相应的运动模型，该群体机器人就能够自主地进行聚集并拥有良好的聚集性能。但对于局部群体机器人，本文通过研究证明简单的采用用于全局群体机器人的自主聚集算法将无法实现该群体机器人的聚集。通过分析产生这一问题的原因，本文提出了实现局部群体机器人自主聚集的算法设计原则。基于该原则，本文提出了两个实现局部群体机器人的自主聚集算法。通过理论分析和实验仿真，证明这些算法是有效的。相比较而言，采用第二个算法的局部群体机器人有着更好的自主聚集效果。然后，本文研究了群体机器人的被动聚集。当恶劣的应用环境致使群体机器人无法实现自主聚集时，须通过技术手段使群体机器人进行被动聚集。本文首先提出了用于群体机器人被动聚集的新的群体中机器人个体吸引／排斥环境模型和相应的运动模型。随后，提出了用于群体机器人实现被动聚集的引导法和聚集区域限定法。通过理论分析和实验仿真，证明这些算法是有效的。相比较而言，聚集区域限定法更易于实际应用、聚集效果更好。接下来，本文研究了群体机器人的队形变换。队形变换是群体机器人拥有良好环境适应能力的一个体现。参考多机器人所采用的队形变换实现方法，依据群体机器人特有的协调机制，本文对群体机器人的队形变换实现方法进行了研究。针对全局群体机器人，本文提出了中心参考法和囚笼法。通过理论分析和实验仿真，证明这些算法是有效的。相比较而言，囚笼法可以更好地实现该群体机器人的队形变换。针对局部群体机器人，本文提出了基于环境的被动变形法。通过理论分析和实验仿真，证明该算法可以依据环境变化实现该群体机器人任意形状的队形变换。最后，本文研究了群体机器人的行走。行走能力是群体机器人必须具备的能力。针对全局群体机器人，本文设计了实现其行走的机制并提出了实现其行走的虚拟引导法，仿真结果证明了该方法的有效性。对于局部群体机器人，本文提出了实现其行走的邻居跟随法和真实引导法。仿真结果证明了该方法的有效性。最后，本文提出了一种更实用的路标法，该方法不仅简单易行、效果突出，还可广泛用于局部群体机器人和全局群体机器人的行走实现。