本文探讨了通过强化学习和层次性模拟实现多移动机器人协作的操纵行为。研究提出了多种方法，包括物体运动学习、安全的强化学习框架以及自主学习与行为规划，显著提高了机器人在复杂环境中的操作效率和成功率。实验结果表明，这些方法在实际应用中具有良好的转移能力和潜在价值。

该研究通过结合机器人的环境感知和行为规划，实现了日常任务中的协调性行为。方法在模拟和真实环境中验证有效，适应新颖未知环境，无需额外调优。