现代智能机器人的起步和发展使得机器人所要完成的任务变得更加繁冗复杂,规模化机器人的任务分发部署成为一大问题。如果按照传统的方式将每个机器人需要执行的任务程序逐一烧录或拷贝到机器人上,将会消耗大量的物质人力资源和执行时间。而多机器人系统的出现促进了规模化机器人的发展,人们迫切的需要将多机器人需要执行的相同或不同任务程序高效稳定地分发到机器人设备上。因此,机器人任务规模化分发与部署平台的研究具有十分重要的理论意义和实际应用价值。传统的分发机制主要有Polling,SMS Push和IP Push,但对于机器人设备的任务分发,这些现有的分发机制都无法完全满足系统的分发需求。而当机器人所处的网络环境发生变化时,也需要积极寻找一种能够在有限网络条件下高效分发的方式。所以,论文围绕机器人任务规模化分发机制及方式和机器人客户端的任务接收及部署展开研究,本文的主要工作体现在以下四个方面:首先,针对机器人任务规模化的分发需求,在深入分析传统消息推送技术的基础上,本文基于MQTT和HTTP协议提出了“直接推送”和“推拉结合”两种任务分发机制。并对多机器人在不同网络环境下进行通信的方式进行了调研,提出了集中式和分布式两种任务分发方式。其次,在机器人客户端需要支持任务包的接收和运行功能。针对大文本机器人任务包的接收问题,本文为机器人客户端的接收模块提供了“断点续传”的传输机制,并以开源的机器人操作系统ROS为载体,为机器人设备提供了任务包的运行支撑。接着,针对系统的实现,系统采用B/S架构模式,并在Web服务器上加入了Nginx模块以实现负载均衡机制,在发布服务器Mosquitto上加入了SSL/TLS安全通信机制,从而能够提高系统的运行效率。最后,针对本文提出的两种任务分发机制,采用Wireshark网络封包分析软件测试两种分发机制在相同网络环境下的分发时延。然而,由于实验环境受限,本文使用Docker容器技术模拟数量规模化的机器人,对两种分发机制的分发效率进行了更加深入的分析。测试结果表明,“直接推送”任务分发机制在传输文本较小时性能优于“推拉结合”任务分发机制,而当有大文本任务包在网络中传输时,“推拉结合”任务分发机制不仅效率高于“直接推送”任务分发机制,而且随着机器人数量和任务包大小的增大,此种分发机制具有很高的稳定性。针对整个系统的完整运行验证,本文利用turtlebot2机器人,选用基于FastSLAM算法的Gmapping地图功能包构建机器人任务包,对本文构建的基于MQTT协议和机器人操作系统ROS的规模化任务分发与部署系统进行了有效性验证。