近年来,机器人作为最具有发展潜力的技术,在农业、服务业、工业等领域应用越来越广泛。随着对机器人稳定性、准确性、快速性需求的不断提高,单机器人技术已无法满足复杂工作的需要。因此,研究人员对多机器人系统的研究越来越深入。多机器人系统中,如何在多机器人多任务点的环境下,将各个任务点根据合理地分配策略分配给每个机器人,使其根据规划出的最短路径,最优地完成作业任务,成为一个研究热点。因此,机器人任务分配与路径规划的研究对人们的工作有着重要的意义。想要在障碍环境下解决多机器人任务分配问题,首先需要获取机器人到各个任务点的路径信息。为找到一条从起点到终点的安全、无碰撞的可行路径,同时解决路径中存在的局部路径欠优、收敛速度慢、折点较多的问题,本文提出基于天牛须搜索算法和A*算法相结合的全局规划方法。首先,采用栅格法建立机器人工作空间模型,并基于A*算法,采用曼哈顿距离作为启发函数得到原始路径;其次,通过融入天牛须搜索算法进行路径优化;最后,采用Bezier曲线进行圆滑处理,使机器人平稳工作。仿真实验结果表明,与平滑A*、势场蚁群算法相比,本文所提算法明显降低了路径长度,减少了转折角数量。同时为排除算法的随机性和偶然性,进行50次实验验证了结果的准确性。所得结果为多机器人任务分配提供更有的路径信息。获取准确的路径信息后,针对农田环境中多机器人协同作业的问题,提出了一种基于资源拍卖的任务分配算法,用于在具有机器人资源的,再填充站的长期任务中,高效地执行多个任务。首先,本文针对多机器人任务分配问题,对多机器人任务进行建模,并分析了任务能量指标;其次,进行任务分配时,在考虑机器人数目、工作时间、距离约束的基础上,加入了任务执行能力的约束,考虑机器人在长期任务执行期间资源量消耗问题,降低整个系统的执行代价,提高任务完成量。通过Matlab平台仿真实验,对比生成多机器人多任务点的分配优化结果。仿真结果表明,基于资源的拍卖算法可以有效地提高作业效率,在相同条件下使资源消耗量及任务完成量达到最优,证明了本文算法的有效性,同时本文计算结果与实际作业完成量更接近,提高了结果的精准性。在Pycharm开发环境下,使用Pyqt5完成了机器人软件设计,通过软件界面远程控制获取机器人在田间的工作数据,提高种植效率,更科学、智能地开展农业种植。