对于大规模任务，多机器人系统可以有效提高效率，特别是对于异构多机器人系统，系统可以利用系统中每个机器人的不同工作能力、移动能力和功能，从而更高效地完成给定的任务。

在本研究中，我们引入了一种名为“工作机器人-补给机器人”的异构多机器人系统，该系统由多个具有有限能量或消耗品的工作机器人与一个具有足够资源补给的补给机器人组成，以解决多机器人覆盖路径规划问题。

我们为“工作机器人-补给机器人”的异构多机器人系统的多机器人覆盖路径规划问题设计了一种有效建模方法，并提出了一种基于深度强化学习的分布式在线规划方法，该方法解决了工作机器人的覆盖规划以及补给机器人的会和规划，同时能避开环境中的动态干扰物。

在AirStation强大训练能力的帮助下，我们基于深度强化学习的方法成功针对覆盖任务为每个机器人生成了协作协调放的规划行为，从而获得了令人满意且具有竞争力的性能。