问题——随着即时配送、城市应急保障和低空经济应用加快落地，卡车与无人机协同的“末端+支线”配送模式受到关注。但真实城市配送中，订单往往带有先后顺序、时间窗和优先级等约束：冷链、医疗及高时效件需要优先送达，不同客户点之间也可能存在依赖关系。如何在满足这些约束的同时，统筹车辆与无人机的路径与任务分配，并尽量缩短整体完工时间，仍是规模化应用的关键难题。 原因——现有研究多聚焦成本最小、里程最短或一般时间窗条件下的联合路径规划，对“具有明确优先级与时序关系”的约束处理较为零散，缺少结构清晰、计算效率高且便于工程部署的系统方法。同时，多卡车多无人机的组合优化问题规模大、变量多，若依赖复杂的全局搜索，计算时间往往过长，难以快速响应动态订单。 影响——针对上述难点，深圳大学团队在《IEEE Transactions on Robotics》发表论文“Efficient Routing for Multitruck Multidrone Package Delivery With Precedence Constraints”，提出面向“带优先级时序约束”的多卡车多无人机协同配送优化框架，以“在满足全部时序约束前提下最小化最后一个客户被服务时间”为目标，形成三阶段启发式求解思路：第一阶段生成满足约束的纯卡车路径；第二阶段在考虑无人机续航能力基础上，将部分任务从卡车路径中拆分，构造车机混合路径；第三阶段通过变邻域下降策略对纯卡车路径进行针对性扰动优化，深入提升解的质量。实验结果显示，在仿真与真实数据集上，该方法相较常用的自适应大邻域搜索等策略，在解的质量与计算效率上实现综合提升，性能提升达7.2%。研究得到国家自然科学基金对应的项目及广东省自然科学基金等支持。 对策——从应用角度看，该成果不仅在于算法更高效，也在于将“优先级时序约束”作为城市配送与多机器人调度的关键要素进行系统整合，为行业落地提供更贴近业务规则的技术路径。下一步可围绕道路交通不确定性、无人机起降点资源约束、跨区飞行合规以及安全冗余等因素，将该类算法与数字孪生仿真、在线重规划机制结合，形成更便于理解、计算和部署的一体化调度体系；同时在应急物资投送、园区物流、海岛与山区保障等场景开展更广泛验证，提升其在复杂环境下的鲁棒性与稳定性。 前景——业内人士认为，随着低空基础设施逐步完善、城市精细化治理需求提升，“车—机—仓—站”协同将成为智慧物流的重要方向。具备工程可用性的多智能体协同优化能力，正成为高校与科研机构支撑区域产业升级的重要能力。深圳大学建校以来持续面向特区发展需求推进改革创新，近年来高水平大学建设加速推进，学科体系与科研能力不断增强。此次在机器人学国际顶级期刊发表成果，反映了学校在交叉学科研究与高水平成果产出上的进展，也为粤港澳大湾区智能制造、智慧物流与低空经济相关产业提供了更有针对性的技术储备。
从“能飞、能跑”到“会协同、守约束”，智慧物流的竞争正从单点设备能力转向系统级优化能力；高校与科研机构以面向真实需求的基础研究突破关键瓶颈，有助于让技术进步更快转化为产业效率与民生便利。把论文写在解决问题的路径上，把成果落在可验证、可复制的场景里，才是创新走向高质量发展的更长远价值。