本研究提出SayCoNav方法，解决自主机器人在复杂导航任务中的协作策略适应性不足问题。实验结果显示，该方法的搜索效率提高了最多44.28%。

本研究探讨了在动态对抗环境中评估自主多无人机团队组建的问题，开发了仿真工具以比较团队形成策略，并记录日志和性能指标，为无人机协作策略优化提供新方法。

该研究提出了一种名为PRIMAL的新的多智能体路径规划框架，结合了强化学习和模仿学习。该框架能够在部分可观测的环境中在线反应式规划路径，并具有隐式协调性。通过引入专家规划器的演示、奖励重新塑造和环境抽样，该框架扩展了以前在协作策略的分布式学习方面的工作。最终，该研究通过模拟机器人实验验证了所学策略的性能。