マルチロボットシステムにおいて，台数の増加に伴って環境が複雑になり，予めロボットの制御器を設計しておくような手法では限界が生じる．そのため，制御器を教師なし学習である強化学習により獲得する研究が行われてきた．通常の強化学習では，その状態・行動空間の離散化具合の設計を，問題毎に試行錯誤的に設定してやる必要がある．この問題に対処するため，我々はBRLという手法を提案しており，実機実験によりその有効性が示されてきた．BRLでは，他の機械学習同様に過学習を引き起こし，システムが不安定になることがあった． 本稿では，この過学習に対処するために，BRLにメタ学習を導入する手法を提案する．これにより学習率を学習進度に合わせて調整する．このとき学習進度の指標としてルール発火エントロピを用いる．連結されたロボット群によるゴールエリアへの移動というタスクを通して，従来のBRLと提案手法を比較検証する．