摘要
多目标采摘是提升果园采摘机器人效率、推进其工程化部署的重要方向。与单目标采摘相比，多目标采摘受到果实分布密集、枝叶遮挡、光照变化、机械臂可达性、采摘序列规划以及多智能体冲突等因素的制约。这些因素对视觉感知、状态表示、决策和任务调度提出了更高要求。本文聚焦于复杂果园环境下的多目标采摘任务。首先分析任务特征和约束来源，然后综述目标识别、属性识别、空间定位以及时空一致性维护方面的视觉感知与场景理解进展。总结了典型的决策方法，包括基于规则与经验的启发式方法、基于成本模型的优化方法以及数据驱动的学习方法。进一步综述了多臂和多机器人采摘系统在感知共享、任务分配、协同作业与冲突避免方面的进展。复杂遮挡下的连续稳定感知、面向统一调度的状态表示、强约束下的实时决策、共享多智能体工作空间中的碰撞避免以及分布式状态同步仍然是关键挑战。总体而言，多目标采摘在提升果园作业效率方面展现了潜力，但在复杂果园环境中的高效协同与工程化部署仍需要进一步突破。
