摘要：随着电子商务和物流行业的快速发展，仓储管理面临越来越大的压力和挑战。仓储机器人作为提高效率和降低运营成本的重要工具，受到了广泛关注。综述了近年来仓储机器人在路径规划和避障、多机器人调度、深度学习和图像处理、机器人导航和视觉系统、增强现实技术以及空中机器人和无人机技术等方面的研究进展。研究表明，这些技术在提高仓储机器人的智能化、自动化和安全性方面发挥了重要作用。尽管如此，仓储机器人技术仍面临诸如续航时间、导航复杂性及数据安全等挑战。未来的研究应致力于优化现有技术，提升机器人与人类的协作能力，并探索更多工业应用，以实现更加高效和智能化的仓储管理。这些进展为物流和仓储行业的发展奠定了坚实的基础。

　　关键词：仓储机器人；路径规划；多机器人调度；安全系统；无人机

　　0引言

　　随着全球电子商务和物流行业的迅猛发展，仓储管理面临着前所未有的压力和挑战。消费者对快速、准确和高效配送的需求不断增加，促使仓储系统必须提升其效率和响应能力。在此背景下，仓储机器人作为一种能够显著提高操作效率和降低运营成本的技术解决方案，受到了学术界和工业界的广泛关注。本文阐述近年来仓储机器人在路径规划和避障、多机器人调度、深度学习和图像处理、机器人导航和视觉系统、增强现实技术以及空中机器人和无人机技术等方面的研究进展，分析了这些技术在提升仓储机器人智能化、自动化和安全性方面的作用，并探讨未来的发展方向和面临的挑战。仓储机器人是自动化仓储系统中的关键组成部分，它们能够自动

　　执行一系列仓储任务，如物品的拾取、移动、存储和分拣等。这些机器人不仅能够减少人为操作错误，还能在复杂和高强度的工作环境中保持稳定的性能。近年来，随着人工智能、机器学习和物联网等技术的快速发展，仓储机器人的智能化水平得到了显著提升，使其在实际应用中展现出了巨大的潜力。

　　本文将从多个角度对近5年来的研究进行综述，旨在为学术界和工业界提供参考。尽管仓储机器人技术在多个方面取得了显著进展，但仍面临诸多挑战，如续航时间、导航复杂性及数据安全等问题。未来的研究应继续优化现有技术，提升机器人与人类的协作能力，并探索更多工业应用，以实现更加高效和智能化的仓储管理系统。

　　1路径规划和避障技术在仓储机器人中的应用

　　路径规划和避障是仓储机器人研究的核心问题之一。Cao等提出了一种多策略Harris Hawks优化算法（Harris Hawks Optimization，HHO），已用于仓储机器人的路径规划。该算法基于逃逸能量更新机制和基于个体位置极值的搜索机制设计，它可以提高搜索过程的紧凑性和效率。Ishihara等提出了一种利用模型预测控制（Model Predictive Control，MPC）的方法来优化仓储机器人的路径规划，该方法考虑了每个机器人的自位置测量不确定性和安全边界，以防止机器人之间的碰撞，并提高整体系统的效率。Emanuelsson等则开发了一种多智能体回滚算法，通过重新排列来优化多机器人系统的路径规划，此算法在不同情况下可表现出一致且稳定的性能。Kanai等[5]研究利用易于维护的地图信息，通过模型预测控制实现了多机器人在仓库中的高效路径规划，这种方法允许机器人在复杂环境中进行高自由度的路径选择，从而提高了整体效率。Liu和Sun提出了一种基于马尔可夫决策过程（Markov Decision Process，MDP）的上下文感知仓储机器人碰撞检测和避障系统，该系统能够在多机器人系统中提高碰撞检测的准确性和避障效率。Sharma和Kulhalli研究了行走跟随机器人在工业环境中的应用，特别是在拾放机制中的路径规划和避障问题。这些机器人能够高效地在复杂的工业环境中移动，并完成各项任务。Ahmed则通过多核模糊逻辑系统（Fuzzy Logic System，FLS）和FPGA板设计了一种避撞系统，该系统集成了传感器数据和智能控制算法，显著提高了仓储机器人的导航安全性。Belotserkovsky等提出了一种基于外部固定摄像机的视觉导航方法，该方法利用现有的仓库视频监控基础设施来简化设计、降低成本并提高灵活性和可靠性。

　　确保仓储机器人的功能保障和安全性是研究的另一个重点。Baouya等[9]提出的BRAIN-IoT框架，通过多层次的安全和功能验证措施，确保了仓储机器人的可靠运行。Rabb等提出了一种多层安全系统，结合视觉和扭矩反馈安全措施来停止机器人的运动，与当前普遍的将机器人置于笼子中的解决方案不同，该系统能够提高工业过程的效率和安全性。

　　上述研究可以看出路径规划和避障是仓储机器人研究的关键领域。不同的算法和方法在提高机器人移动效率、减少碰撞风险和优化路径规划方面展现了显著效果。

　　2多机器人调度

　　多机器人调度是提升仓储效率的重要途径。Fu等[12]提出了一种合作算法，用于调度大量异构机器人（取货和运输机器人）在自动仓库环境中协同工作。该算法通过云边终端架构来分配任务、监控区域状态、规划路径并通过竞标机制解决冲突。Lian等[13]提出了一种时空约束的层次调度策略，该策略适用于工业网络物理系统（Cyber-Physical System，CPS）下的多仓库移动机器人调度。该方法通过分层次的调度策略，优化了多机器人系统在复杂环境中的协调和调度效率。Tahir和Para‐suraman[14]提出了一种基于共识的资源调度策略，将边缘计算整合到多机器人任务中。相比传统的集中式云系统，该去中心化方法适应动态的计算和通信需求，从而降低了任务延迟并提高了任务性能。Qiu和Li[15]则提出了一种基于二元搜索优化算法（Binary Search Optimization，BSO）的统一调度路径规划方法，该方法通过优化路径规划和任务分配来提高调度效率。Park等[16]利用序贯概率比检验（Sequential Probability Ratio Test，SPRT）开发了一种算法，通过混合整数线性规划模型（Mixed-Inte‐ger Linear Programming，MILP）优化任务分配和调度，确保任务要求的失败概率低于设定的阈值，并考虑时间约束和其他限制条件。Teck等[17]提出了一种高效的多智能体方法，用于机器人移动履行系统中的订单拣选和机器人调度。该方法通过多智能体系统优化了订单拣选和机器人调度的效率。Sandula等[18]提出了一种需求感知的多机器人任务调度方法，利用Thompson采样带有ϵ-策略来基于需求优先级任务，这种方法在需求感知性能指标方面优于其他方法。Cheng等的研究则集中在智能医院中自律移动机器人（Autonomous Mobile Robot，AMR）的调度问题，提出了一种优化调度策略，旨在通过减少AMR数量和行驶距离来降低医院的总成本，同时满足电池状态、容量和医疗请求时间窗口等约束。Lippi等提出了一种在精细农业环境中用于人类-多机器人系统的优化分配和调度方法。该方法旨在最小化人类等待时间和机器人能耗，同时考虑速度限制和正确的任务顺序，并基于不断变化的人类参数进行在线重新分配。Wessén等提出了一种约束编程模型，用于双臂多工具组装机器人的调度和工作空间布局设计。该模型涵盖了更多的机器人编程子问题，包括调度和路径规划，以及任务位置等要素。Cremer Kalempa等提出了一种基于共识的容错智能机制，称为共识容错行为（Consensual Fault-Resilient Behavior，CFRB），用于智能工厂中的多机器人任务调度。该机制通过实施、协商和共识计划的三元决策来优化仓库操作。Hagenow等[23]研究集中于“共享自主”方法，通过协调两台机器人完成相同任务，实现实时纠正，提高多机器人调度的灵活性。Deng等提出了一种分布式调度方法，称为分布式三节点服务（Distrib‐uted Three Nodes Service，DTNS），通过充电站之间的通信来减少拖车机器人在仓库环境中充电的延迟预期。

　　可见，多机器人调度的研究集中在优化任务分配、路径规划和调度策略上，通过引入新算法和技术，如共识机制、二元搜索优化、序贯概率比检验等，提高了多机器人系统的效率和灵活性。

　　3深度学习与强化学习在仓储机器人及其工业应用中的整合与实践

　　深度学习和图像处理技术在提高仓储机器人的感知和决策能力方面发挥了重要作用。Jia等[25]提出了一种基于点云和ResNet50神经网络模型的托盘检测方法，用于复杂背景下仓储机器人的托盘检测，检测精度达到了94.5%。Hoang等开发了一种框架，利用卷积神经网络和最新的密集SLAM系统，实现了准确的3D实例感知语义重建和6D位姿估计。这种方法大大提高了仓储机器人在复杂环境中的操作精度和效率。

　　Lee等通过在自动化仓库环境中实施多智能体强化学习（MARL）方法，提出了一种基于双重奖励模型的方法，以解决在路径学习中的稀疏奖励问题。这种方法通过增加复杂的动作和各种路线，增强了多移动机器人学习路径的过程，并在稀疏奖励问题中表现出稳定的学习进展。

　　仓储机器人在实际工业中的应用也得到了广泛研究。例如，Qin等[28]研究了京东的智能仓储系统中的存储架移动机器人调度算法，该算法通过实时决策显著提高了仓库效率，降低了履约费用比。Sharma和Kulhalli的研究探讨了使用行走跟随机器人进行仓库自动化，指出这些机器人在工业环境中主要用于拾放机制，极大地提高了仓库操作的自动化水平。Chen的研究则集中在物流配送机器人底盘设计，通过4个独立驱动的车间轮和一个障碍物穿越结构，实现了全向运动和障碍物穿越能力，从而适应复杂的路况环境。

　　4机器人导航、视觉系统与增强现实技术在仓储管理中的应用

　　仓储机器人的导航和视觉系统是实现自动化的重要组成部分。Belotserkovsky等提出了一种基于外部固定摄像机的视觉导航方法，该方法利用现有的仓库视频监控基础设施来简化设计、降低成本并提高灵活性和可靠性。Ahmed使用多核模糊逻辑系统（Fuzzy Logic Sys‐tem，FLS）和FPGA板（Field-Programmable Gate Array）设计了一种避撞系统，该系统通过集成传感器数据和智能控制算法，提高了仓储机器人的导航安全性。此外，Raghad Alqobali等[31]对室内环境中的机器人语义导航系统进行了调查，强调了基于视觉的系统在场景理解和提高导航结果方面的重要性，特别是在增强人机交互和导航任务方面。Fazina Kosser和N Kumar[32]讨论了基于Pure Pursuit和路径跟踪控制器的Simulink模型，用于在已知环境中的自主机器人导航。该研究的目的是通过Turtle Bot Gazebo模拟器和MATLAB的机器人系统工具箱，在没有遇到障碍的情况下，从起点导航到目标位置。R Pradyumna等研究了一种手势控制的人形机器人，该机器人可以通过用户控制和自主操作，在映射区域内利用惯性测量单元（Inertial Measurement Unit，IMU）进行用户控制，并利用激光雷达（Light Detection and Ranging，LiDAR）进行自主导航。Sagar Manglani研究利用视觉技术和先进的路径规划算法，开发了一个实时的视觉导航系统，使机器人能够在室内环境中实时导航并避开障碍物。Suryaprakash S等[35]提出了一种基于传感器融合和路径规划技术的移动机器人室内导航系统，该系统整合了惯性测量单元（IMU）、WiFi、蓝牙低功耗（Bluetooth Low Energy，BLE）传感器、Arduino微控制器、MAT‐LAB路径规划算法和后台服务器，用于实时更新和路径优化。Thanh Phuong Nguyen等的研究提出了一种用于移动机器人的视觉导航框架，利用2D激光雷达和Kinect数码相机进行自主导航和人体检测，特别适用于防疫消毒。Guo J和Zhang Z研究中，机器人安装了一台深度相机，用于检测和定位前方的物体，提高了机器人在未知环境中的导航能力。Xu Y等研究探讨了在机器人的自动跟踪系统中应用视觉技术，通过识别目标物体的形状或颜色，实现目标跟踪或自主跟踪功能。

　　机器人导航和视觉系统的研究集中在利用先进的传感器技术、视觉处理算法和路径规划方法，提高仓储机器人的导航精度和安全性。未来的研究应继续探索这些方向，以进一步提升仓储管理系统的智能化和自动化水平。

　　增强现实（Augmented Reality，AR）技术在多机器人系统中的应用也是一个研究热点。Limeira等提出了一种增强现实系统，用于多机器人在仓库物流中的实验。该系统通过增强现实技术提高了机器人操作的直观性和效率。Birais P H和Rafikova E开发了一种增强现实系统，提供沉浸式和交互式的学习体验，通过仿真、交互和可视化自主移动机器人轨迹，提高了定位的准确性。Aivaliotis Sotiris等[41]开发了一套增强现实软件，适用于微软HoloLens混合现实头戴设备，并集成了机器人操作系统。该软件套件使人机交互更加顺畅，提高了机器人的操作效率。Thoo Y等研究了增强现实接口在机器人编程中的应用，指出这种接口可以减少操作员对机器人和编程技能的知识要求，通过更直观的方式控制和编程机器人。Wulff L等的研究表明，增强现实技术可以在仓库环境中的多机器人系统中用于物体识别、定位和导航，提高仓库操作的效率和安全性。Duan Q等提出了一种结合增强现实、同步定位与地图构建（Simultaneous Localization and Mapping，SLAM）和深度学习的机器人导航系统。该系统利用增强现实作为界面，SLAM使机器人感知物理世界，深度学习则使机器人能够识别物体，成功完成任务。Gu M等开发了一种增强现实系统，通过可视化移动机器人及其运动方向和地面平面，提高了与机器人的交互安全性和效率。这些研究表明，增强现实技术在多机器人系统中的应用潜力巨大，可以提高操作直观性、效率和安全性。未来的研究应进一步探索这些方向，以增强仓储机器人系统的功能和性能。

　　5空中机器人和无人机技术

　　空中机器人和无人机在仓储管理中的应用也得到了广泛研究。Gago[46]研究综述了用于库存管理的空中机器人系统，指出这些系统可以提高库存管理的准确性和效率。空中机器人通过实时监控和数据采集，能够有效地管理大规模库存。其他研究也突出了无人机在仓储管理中的多样化应用。例如，利用物联网（IoT）技术的无人机在货物处理和资产监测方面展现了巨大的潜力，这突显了它们在军事用途之外的广泛应用。此外，无人机在监控、空中测绘和农业精准控制等方面的应用，证明了它们在各种行业中的实用性和效率。在更具体的应用中，无人机用于精确的库存管理和配送系统，特别是在自动化飞行控制的帮助下，无人机不仅可以进行定位和监测，还能在固定翼无人机和飞机中架起桥梁，提供更加精准的库存监控和配送系统。无人机在配送和库存管理中的应用不仅限于普通任务。例如，多旋翼无人机在灾害监测和地理测绘方面的应用，展示了它们在商业、物流和基础设施监控等行业中的潜力。此外，配备传感器和执行器的无人机在观察、检查和地图绘制等任务中表现出色，尽管在空中操控等复杂动作方面仍处于实验阶段，但已在空中检查和测绘服务中发挥实用作用。

　　5.1空中机器人和无人机多样化应用

　　（1）实时监控和数据采集

　　空中机器人和无人机的实时监控和数据采集能力使得大规模库存的管理更加高效和准确。Gago等的研究表明，这些系统通过在仓库上空飞行并使用高分辨率摄像头和传感器，可以捕捉仓库内每一个角落的详细图像和数据。这些数据可以实时传输到中央管理系统，从而实现对库存状态的实时监控和快速响应。

　　（2）货物处理和资产监测

　　利用物联网技术的无人机在货物处理和资产监测方面展现了巨大的潜力。通过将传感器和RFID（射频识别）技术集成到无人机上，仓库管理人员可以实时跟踪和监控货物的位置和状态。Sonker等的研究指出，这种应用不仅提高了货物处理的效率，还减少了人为错误和货物丢失的风险。

　　（3）精准库存管理和配送系统

　　无人机在精准库存管理和配送系统中的应用也非常广泛。通过自动化飞行控制系统，无人机可以精确定位并监测库存情况，提供实时数据支持决策。Wang研究指出，这些无人机不仅能够在仓库内自由飞行，还能在固定翼无人机和飞机中架起桥梁，实现更加精准和高效的库存监控和配送。

　　（4）灾害监测和地理测绘

　　多旋翼无人机在灾害监测和地理测绘方面的应用展示了它们在商业、物流和基础设施监控等行业中的潜力。Suroso研究表明，这些无人机可以在灾害发生后快速部署，进行灾区的实时监测和数据采集，帮助制定应急响应和救援计划。

　　（5）观察、检查和地图绘制

　　配备传感器和执行器的无人机在观察、检查和地图绘制等任务中表现出色。Bogdan研究指出，尽管在空中操控等复杂动作方面仍处于实验阶段，这些无人机已经在空中检查和测绘服务中发挥了实用作用。这些无人机可以在高空中对建筑物、基础设施和自然环境进行详细地观察和检查，并生成高精度的地图。

　　（6）自动跟踪和交互

　　无人机的自动跟踪和交互能力使其在仓储管理中的应用更加广泛。Zou JT和Dai X Y[51]研究开发了一种视觉跟踪系统，使无人机能够准确地跟踪移动机器人，并在机器人停止移动时实现精确降落。这一系统通过PID控制和OpenCV图像处理技术，实现了无人机的自主起飞和降落。

　　5.2空中机器人和无人机的技术优势

　　（1）高效的覆盖范围和灵活性

　　空中机器人和无人机在仓储管理中的应用，一个显著的优势在于其高效的覆盖范围和灵活性。传统的地面监控系统通常受限于地面障碍和视角限制，而无人机可以在三维空间中自由移动，无需受到地面条件的影响。这使得无人机能够更全面、更快速地覆盖整个仓库区域，进行全面的监控和数据采集。

　　（2）成本效益和减少人力依赖

　　相较于传统的人力操作和地面车辆，无人机具有更高的成本效益。无人机的自动化和自主飞行能力大大减少了对人力的依赖，降低了运营成本。Sonker等的研究显示，通过部署无人机进行库存管理，企业可以减少人工成本，同时提高操作的准确性和效率。

　　（3）数据精度和实时性

　　无人机配备了先进的传感器和高分辨率摄像头，能够捕捉到非常详细和精确的数据。这些数据可以实时传输到中央管理系统，帮助管理人员做出快速和准确的决策。Wang研究强调了自动化飞行控制系统在提高数据采集精度和实时性方面的关键作用。

　　5.3应用实例和实际效益

　　（1）库存管理

　　无人机在库存管理中的应用得到了广泛认可。Kulkarni等[52]提出了AI和ML驱动的自主无人机系统，该系统能够在仓库环境中进行高效的库存监控和数据采集，通过人工智能和机器学习算法，提高库存管理的准确性和效率。

　　（2）货物配送

　　在货物配送方面，无人机也展现了巨大的潜力。Reddy等研究讨论了无人机在轻型物品自动配送中的应用，强调了碰撞避免技术和车辆跟踪的成本效益。

　　（3）多机器人协作

　　无人机与地面机器人的协作也在不断发展。Arora和Papachristos研究开发了一种移动机器人操纵臂上的无人机发射系统，使无人机能够在复杂环境中安全起飞和定位，增强了空中机器人探索任务的灵活性。

　　（4）观察和检查

　　无人机在观察和检查任务中的应用也非常广泛。Badni和Muragod的研究提出了一种无人机即服务模式（Drones-as-a-Service，DaaS），为仓库管理提供集中管理和按需服务。

　　5.4面临的挑战和未来研究方向

　　尽管空中机器人和无人机在仓储管理中具有诸多优势，但仍面临一些挑战。首先，无人机的续航时间和电池寿命限制了其连续工作的时间。其次，复杂的仓库环境可能对无人机的导航和避障能力提出更高的要求。最后，数据的安全性和隐私保护也是需要重点考虑的问题。未来的研究方向可能包括以下几个方面。

　　（1）续航时间和电池技术

　　提高无人机的续航时间和电池效率是一个重要的研究方向。通过开发更高效的电池技术和能源管理系统，可以延长无人机的工作时间，提升其在仓储管理中的应用效果。

　　（2）高效的导航和避障系统

　　开发更智能和高效的导航和避障系统，使无人机能够在复杂的仓库环境中安全飞行。利用人工智能和机器学习技术，无人机可以学习和适应不同的环境条件，提高其自主飞行和避障能力。

　　（3）数据安全和隐私保护

　　随着无人机在仓储管理中的应用越来越广泛，数据安全和隐私保护将成为一个重要的研究课题。开发可靠的数据加密和隐私保护机制，确保无人机采集的数据不被未经授权的第三方访问和使用，是未来研究的重要方向。

　　可见，空中机器人和无人机在仓储管理中的应用已经展现了显著的优势和广阔的前景。通过持续的技术创新和研究，这些系统将进一步提高仓储管理的效率和智能化水平，推动物流和仓储行业的发展。

　　6结束语

　　综上所述，近年来仓储机器人的研究在多个关键领域取得了重要进展。本文综述了仓储机器人在路径规划和避障、多机器人调度、深度学习和图像处理、机器人导航和视觉系统、增强现实技术以及空中机器人和无人机技术等方面的最新研究成果。通过引入先进的算法和技术，这些研究在提升仓储机器人智能化、自动化和安全性方面发挥了显著作用。

　　具体而言，路径规划和避障技术显著提高了仓储机器人在复杂环境中的移动效率和安全性，多机器人调度优化了系统的协同工作能力，深度学习和图像处理技术增强了机器人在复杂背景下的感知和决策能力。此外，增强现实技术通过提供直观的用户界面和操作方法，提升了人机交互的效率和准确性，而空中机器人和无人机技术则在实时监控和精准配送方面展示了独特优势。

　　本文的研究表明，尽管仓储机器人技术已经取得了显著进展，但仍然面临一些挑战和问题。例如，无人机的续航时间、复杂仓库环境中的导航和避障能力以及数据的安全性和隐私保护等问题，仍需进一步研究和优化。未来的研究应致力于解决这些问题，进一步提升仓储机器人的性能和应用效果。

　　本文的创新之处在于系统性地总结和分析了近年来仓储机器人技术在多个关键领域的研究进展，提供了全面的理论依据和实际应用参考。这些研究成果不仅对仓储管理系统的智能化和自动化具有重要意义，还为未来的研究指明了方向。通过持续的技术创新和研究，仓储机器人系统将进一步提高物流和仓储行业的效率和智能化水平，为行业发展奠定坚实基础。

       参考文献：

　　[1]李晨辉,王泽峰,胡德燕,等.移动机器人的路径规划技术研究[J].机电工程技术.2023,52(1):5-9.

　　[2]Cao Y,Sun Z,Surname G N.Multi-strategy optimization of HHO algorithm for path planning of warehouse robots[C]//IEEE,2023.

　　[3]Ishihara S,Kanai M,Narikawa R,et al.Comparative study on col‐lision avoidance methods in path planning for warehouse robots using MPC[C]//48th Annual Conference of the IEEE Industrial Electronics Society:IECON 2022,October 17-20,Brussels,Bel‐gium.Newyork:IEEE,2022.

　　[4]Emanuelsson W,Riveiros A P,Li Y,et al.Multiagent rollout with reshuffling for warehouse robots path planning[J].IFAC-Papers On Line,2023,56(2):3027-3032.

　　[5]Kanai M,Ishihara S,Narikawa R,et al.Efficient Path Planning of Warehouse Robots Utilizing Model Predictive Control[C]//48th Annual Conference of the IEEE Industrial Electronics Society:IECON 2022,October 17-20,Brussels,Belgium.Newyork:IEEE,2022.

　　[6]Sharma R,Saxena K,Sindhwan N,et al.Secure Food Warehouse Architecture and Automation for Safety of Foods using of Robots[C]//2022 10th International Conference on Reliability,Infocom Technologies and Optimization:Trends and Future Directions,ICRITO 2022,October 13-14,Noida,India.2022.

　　[7]Ahmed H O.FLS-based collision avoidance cyber physical sys‐tem for warehouse robots using FPGA[C]//6th International Con‐ference on Dependable Systems and Their Applications:6th In‐ternational Conference on Dependable Systems and Their Appli‐cations(DSA),2020,Jan 3-6,Harbin,China.2020

　　[8]Belotserkovsky A,Lukashevich P,Doganli M,et al.A concept of a multi-robotic system for warehouse automation[C]//2021 Inter‐national Conference on Information and Digital Technologies:In‐ternational Conference on Information and Digital Technologies(IDT),22-24 June 2021,Zilina,Slovakia.2021.

　　[9]Baouya A,Chehida S,Bensalem S,et al.Deploying warehouse ro‐bots with confidence:the BRAIN-IoT framework's functional as‐surance[J].The Journal of Supercomputing.2024,80(1):1206-1237.

　　[10]Rabb E,Hagberg I,Murphy A,et al.Multi-Tiered Safety for Dy‐namic Autonomous Warehouse Robots[C]//Multi-Tiered Safety for Dynamic Autonomous Warehouse Robots Proceedings of the ASME International Mechanical Engineering Congress and Ex‐position,Columbus,Ohio,USA:IMECE,2022.

　　[11]蒋家志,刘国.多机器人智能仓储系统中智能调度的研究[J].机电工程技术.2017,46(9):82-84,107.

　　[12]Fu S,Li J,Fu Z.Cooperatively scheduling hundreds of fetch and freight robots in an autonomous warehouse[C]//2022 IEEE International Conference on Real-Time Computing and Robot‐ics:RCAR,Guiyang,China.Newyork:IEEE,2022.

　　[13]Lian Y,Yang Q,Liu Y,et al.A spatio-temporal constrained hi‐erarchical scheduling strategy for multiple warehouse mobile ro‐bots under industrial cyber–physical system[J].Advanced En‐gineering Informatics.2022,52:101572.

　　[14]Tahir N,Parasuraman R.Consensus-based Resource Schedul‐ing for Collaborative Multi-Robot Tasks[J].arXiv preprint arX‐iv:2311.10194.2023.

　　[15]Qiu G,Li J.Path Planning for Unified Scheduling of Multi-Ro‐bot Based on BSO Algorithm[J].Journal of Circuits,Systems and Computers.2023:2450133.

　　[16]Park J,Messing A,Ravichandar H,et al.Risk-Tolerant Task Allocation and Scheduling in Heterogeneous Multi-Robot Teams[C]//32nd IEEE International Conference on Robot and Human Interactive Communication:32nd IEEE International Conference on Robot and Human Interactive Communication(RO-MAN),28-31 August 2023,Busan,Korea.Newyork:IEEE,2023.

　　[17]Teck S,Vansteenwegen P,Dewil R.An efficient multi-agent ap‐proach to order picking and robot scheduling in a robotic mobile fulfillment system[J].Simulation Modelling Practice and Theo‐ry.2023,127:102789.

　　[18]Sandula A K,Khokhar A,Ghose D,et al.Demand-Aware Multi-Robot Task Scheduling with Mixed Reality Simulation[C]//2023 32nd IEEE International Conference on Robot and Human Interactive Communication:32nd IEEE International Conference on Robot and Human Interactive Communication(RO-MAN),28-31 August 2023,Busan,Korea.Newyork:IEEE,2023.

　　[19]Cheng L,Zhao N,Wu K,et al.The multi-trip autonomous mo‐bile robot scheduling problem with time windows in a stochastic environment at smart hospitals[J].Applied Sciences.2023,13

(17):9879.

　　[20]Lippi M,Gallou J,Gasparri A,et al.An optimal allocation and scheduling method in human-multi-robot precision agriculture settings[C]//32nd IEEE International Conference on Robot and

　　Human Interactive Communication:32nd IEEE International Conference on Robot and Human Interactive Communication(RO-MAN),28-31 August 2023,Busan,Korea.Newyork:IEEE,2023.

　　[21]Wessén J,Carlsson M,Schulte C,et al.A constraint program‐ming model for the scheduling and workspace layout design of a dual-arm multi-tool assembly robot[J].Constraints.2023,28(2):71-104.

　　[22]Kalempa V C,Piardi L,Limeira M,et al.Multi-Robot Task Scheduling for Consensus-Based Fault-Resilient Intelligent Be‐havior in Smart Factories[J].Machines.2023,11(4):431.

　　[23]Hagenow M,Senft E,Orr N,et al.Coordinated Multi-Robot Shared Autonomy Based on Scheduling and Demonstrations[J].IEEE Robotics and Automation Letters,2023,8(12):8335-8342.

　　[24]Deng Y,LiT,Xie M,et al.Distributed multi-robot-trailer sched‐uling based on communication between charging stations for ro‐bot being towed to recharge[J].Electronics.2023,12(6):1402.

　　[25]Jia F,Tao Z,Wang F.Pallet detection based on Halcon for ware‐house robots[C]//2021 IEEE International Conference on Artifi‐cial Intelligence and Industrial Design:IEEE International Con‐ference on Artificial Intelligence and Industrial Design(AIID 2021),28-30 May 2021,Guangzhou,China.Newyork:IEEE,2021.

　　[26]Hoang D,Lilienthal A J,Stoyanov T.Object-RPE:Dense 3D re‐construction and pose estimation with convolutional neural net‐works[J].Robotics and Autonomous Systems,2020,133: 103632.

　　[27]Lee H,Hong J,Jeong J.MARL-based dual reward model on segmented actions for multiple mobile robots in automated ware‐house environment[J].Applied Sciences,2022,12(9):4703.

　　[28]Qin H,Xiao J,Ge D,et al.JD.com:Operations research algo‐rithms drive intelligent warehouse robots to work[J].INFORMS Journal on Applied Analytics.2022,52(1):42-55.

　　[29]Sharma A,Kulhalli S G.Warehouse Automation using Line Fol‐lower Robot[C]//2023 4th IEEE Global Conference for Advance‐ment in Technology:4th IEEE Global Conference for Advance‐

ment in Technology(GCAT 2023),6-8 October 2023,Banga‐lore,India.Newyork:IEEE,2023.

　　[30]S C.A mobile industrial robot design[C].2023.

　　[31]Alqobali R,Alshmrani M,Alnasser R,et al.A Survey on Robot Se‐mantic Navigation Systems for Indoor Environments[J].Applied Sciences,2023,14(1):89.

　　[32]Kosser F,Kumar N.Autonomous Robot Navigation in Known Environment[J].International Journal of Recent Technology and Engineering(IJRTE),2023,12:128-132.

　　[33]Pradyumna R,Ravikiran U,Vaishnav B,et al.Gesture Con‐trolled Humanoid Robot with Autonomous Movement in a Mapped Region[C]//2020 IEEE/RSJ International Conference on Intelligent Robots and Systems:IEEE/RSJ International Con‐ference on Intelligent Robots and Systems(IROS),25-29 Oct.2020,Virtual,Las Vegas,NV,USA.Newyork:IEEE,2020.

　　[34]Manglani S.Real-time Vision-based Navigation for a Robot in an Indoor Environment[J].arXiv preprint arXiv:2307.00666.2023.

　　[35]Suryaprakash S,Thirumoorthi P,Viswanathan T.Development of an Indoor Navigation System for Mobile Robots Using Sensor Fusion and Path Planning Algorithms[C]//32nd IEEE Interna‐tional Conference on Robot and Human Interactive Communica‐tion:32nd IEEE International Conference on Robot and Human Interactive Communication(RO-MAN),28-31 August 2023,Busan,Korea.Newyork:IEEE,2023.

　　[36]Nguyen T P,Nguyen H,Ngo H Q T.Visual application of naviga‐tion framework in cyber-physical system for mobile robot to pre‐vent disease[J].International Journal of Advanced Robotic Sys‐tems,2023,20(2):812801370.

　　[37]Guo J,Zhang Z.System Design of a Mobile Dual-Arms Robot with Autonomous Navigation[C]//32nd IEEE International Con‐ference on Robot and Human Interactive Communication:32nd IEEE International Conference on Robot and Human Interactive Communication(RO-MAN),28-31 August 2023,Busan,Ko‐rea.Newyork:IEEE,2023.