路径规划技术是移动机器人研究领域中的一项重要问题。移动机器人路径规划是指在分布若干障碍的环境中,按照某一个或多个评价准则(如规划总路径最短,规划总时间最少,能量消耗最少等等),寻找从起始点到终点的一条满足条件的最优路径,且使机器人在运行过程中能够安全的避开障碍物。传统方法主要有基于图论的方法：如可视图法、自由空间法、栅格法、Voronoi图法以及人工势场方法等。最近发展应用较快的智能规划方法主要运用神经网络、模糊逻辑、遗传算法、蚁群算法等理论。结合多种理论各自特点进行路径规划是今后研究的一个主要方向。本论文根据目前路径规划技术的发展趋势,提出将量子遗传算法作为核心算法,利用其编码染色体占用空间小、算法收敛速度快、旋转更新寻优强等特点,结合模拟退火算法中的Metropolis准则以一定的概率接受恶化解,从而保证了算法在快速收敛的同时能够全局寻优,避免“早熟”。接着对移动机器人路径规划环境进行了数学建模,给出了适应度函数和模拟退火-量子遗传路径规划算法流程,并且用matlab仿真验证了算法的可行性和有效性。然后,开发设计了一款小型移动机器人,建立了移动机器人的运动学模型作为运动控制的基础；对机器人进行力学分析从而改进结构参数；设计虚拟原型的零部件和装配过程；开发了基于微处理器的机器人控制系统和基于无线传感器网络的信息传输系统；开发了上位机软件对程序进行模块化封装,简化了编程。最后,搭建了迷宫路径规划实验平台,设计实验分别比较了单机器人路径规划传统算法(Djikstra算法)、QGA算法SA-QGA算法,对实验结果进行分析,再次验证了本文所提算法的有效性。