地空多机器人系统（Unmanned Aerial and Ground Vehicles System,UAGVS）一般由多个无人机与多个无人车组成。相比于传统同构多机器人系统,地空多机器人系统可以形成在负载能力、运动机动性、环境感知能力、通信能力等方面的性能优势互补。本文以地空多机器人协同搜救任务为背景,在系统中令无人机采用区域覆盖方法执行搜索任务并进行待救援目标的定位,无人车运动至待救援目标位置实施救援。本文主要研究了多无人机搜索与多无人车救援的任务规划与路径规划问题。地空多机器人系统任务完成效果取决于系统中任务规划与路径规划算法的性能。在问题模型的基础上,本文研究了地空多机器人系统的路径规划算法。多无人机区域覆盖路径规划算法采用集中式规划方法,分为目标覆盖区域分解、子区域分配与单无人机路径生成等步骤执行;无人车路径规划算法包含基于通视图与A*方法的全局路径规划方法和基于动态窗口的局部路径规划方法。在多无人车救援任务规划方面,本文采用分布式任务规划框架与市场机制,对原有传统方法进行改进,提出任务扩展价值张量任务规划算法（Task Extended Utility Tensor Algorithm,TEUTA）,采用张量形式描述无人车救援任务点之间的转移时间,解决任务规划问题中前序任务点影响任务执行时间估计值准确性的问题。在TEUTA算法基础上,本文提出TEUTA算法的改进方法,具有迭代策略的任务扩展价值张量任务规划算法（Task Extended Utility Tensor Iterative Algorithm,TEUTIA）,引入迭代验证策略,设计了TEUTIA方法的“预处理层-任务分配层-后处理层”三层结构、多无人车任务规划算法流程。最后,本文介绍了本文研究过程中搭建的地空多机器人系统实物实验平台,并且通过仿真实验与实物实验验证了方法的有效性。实验证明,本文所提出的任务扩展价值张量任务规划算法与具有迭代策略的任务扩展价值张量任务规划算法可以有效提高多机器人系统在运动受限情况下的任务执行效率,同时具有迭代策略的任务扩展价值张量任务规划算法可以在保证任务执行效率的情况下显著降低规划过程的计算量。