學習和演化是系統(tǒng)具有適應性、靈活性等特性的體現(xiàn)。目前，在協(xié)作機器人學中主要采用增強型學習（ReinforcementLearning）方法和遺傳規(guī)劃（GeoeticPrgramming），并且在多機器人搬運系統(tǒng)和機器人足球中獲得了成功應用[10][11]。目前的多機器人學習和演化還停留在比較低的行為層次，其學習和演化的任務和環(huán)境也非常簡單，當其面對更為復雜的任務和環(huán)境時，存在時滯評價和組合爆炸問題，另外，對多智能體的分布式學習與演化，也與傳統(tǒng)的集中式的學習與演化方法有明顯區(qū)別，還有待尋找更為有效的行為優(yōu)化方法。

l Schneider Modicon（施耐德莫迪康）：Quantum 140系列處理器、控制卡、電源模塊等。

l ABB：工業(yè)機器人備件DSQC系列、Bailey INFI 90等。

l Siemens(西門子)：Siemens MOORE， Siemens Simatic C1，Siemens數(shù)控系統(tǒng)等。

l Motorola（摩托羅拉）：MVME 162、MVME 167、MVME1772、MVME177等系列。

l XYCOM：I/O 、VME板和處理器等。

l GE FANUC(GE發(fā)那科)：模塊、卡件、驅(qū)動器等各類備件。

l Yaskawa（安川）：伺服控制器、伺服馬達、伺服驅(qū)動器。

l Bosch Rexroth（博世力士樂）：Indramat，I/O模塊,PLC控制器,驅(qū)動模塊等。
RELIANCE ELECTRIC 0-52807 NSFP 052807

RELIANCE ELECTRIC 811643 USPP 811643

RELIANCE ELECTRIC 45C-98B NSFP 45C98B

RELIANCE ELECTRIC 1SC4000 NSFP 1SC4000

RELIANCE ELECTRIC 78177-1W NSFP 781771W

RELIANCE ELECTRIC 0-57408-1 NSPP 0574081

RELIANCE ELECTRIC 61C-515 NSPP 61C515

RELIANCE ELECTRIC 0-57408-D NSPP 057408D

RELIANCE ELECTRIC 0-57408-1B NSPP 0574081B

RELIANCE ELECTRIC 0-60031-1 USPP 0600311

RELIANCE ELECTRIC 0-60031-4 USPP 0600314

RELIANCE ELECTRIC 0-60031-5 USPP 0600315A

RELIANCE ELECTRIC 831658 USPP 831658