2025年智能仓储机器人路径规划技术创新在智能物流中心的应用

2025年智能仓储机器人路径规划技术创新在智能物流中心的应用参考模板一、项目概述

1.1项目背景

1.2技术现状

1.3挑战与机遇

二、智能仓储机器人路径规划技术分析

2.1路径规划算法的类型与特点

2.2路径规划策略的优缺点

2.3路径规划软件的功能与挑战

2.4路径规划技术创新方向

2.5路径规划技术在智能物流中心的实际应用

三、智能仓储机器人路径规划技术创新的关键点

3.1算法创新与优化

3.2环境感知与建模

3.3实时性与鲁棒性

3.4人工智能与大数据的融合

四、智能仓储机器人路径规划技术创新的应用挑战与解决方案

4.1复杂动态环境下的路径规划

4.2高效路径规划算法的需求

4.3传感器融合与数据处理

4.4机器人的自主决策与学习能力

五、智能仓储机器人路径规划技术创新的案例分析

5.1案例一：多机器人协同路径规划在大型仓库中的应用

5.2案例二：强化学习在智能仓储机器人路径规划中的应用

5.3案例三：基于遗传算法的路径规划优化

5.4案例四：传感器融合与数据处理在路径规划中的应用

六、智能仓储机器人路径规划技术创新的未来发展趋势

6.1跨学科融合与技术整合

6.2高度智能化的路径规划算法

6.3实时性与鲁棒性的提升

6.4软硬件协同优化

6.5人机协同与智能化管理

七、智能仓储机器人路径规划技术创新的风险与应对策略

7.1技术风险与应对

7.2数据安全与隐私保护风险

7.3系统稳定性与可靠性风险

7.4法律法规与伦理道德风险

八、智能仓储机器人路径规划技术创新的政策与市场环境分析

8.1政策支持与推动

8.2市场需求与增长潜力

8.3市场竞争与挑战

8.4合作与产业生态构建

8.5政策与市场环境对技术创新的影响

九、智能仓储机器人路径规划技术创新的实施与推广策略

9.1技术研发与产品创新

9.2人才培养与团队建设

9.3合作与产业链协同

9.4市场推广与品牌建设

9.5政策与资金支持

十、智能仓储机器人路径规划技术创新的可持续发展与未来展望

10.1可持续发展的重要性

10.2可持续发展的实施策略

10.3未来展望与挑战

十一、结论与建议

11.1技术创新对智能物流中心的推动作用

11.2行业发展趋势与挑战

11.3对未来发展的建议一、项目概述随着科技的飞速发展，智能物流行业在近年来迎来了前所未有的机遇。智能仓储机器人作为智能物流领域的重要组成部分，其路径规划技术创新在智能物流中心的应用显得尤为重要。本报告旨在探讨2025年智能仓储机器人路径规划技术创新在智能物流中心的应用，分析其背景、现状、挑战与机遇，并提出相应的解决方案。1.1项目背景智能物流行业的兴起。随着电子商务的蓬勃发展，物流行业面临着巨大的压力和挑战。为了提高物流效率，降低成本，智能物流行业应运而生。智能仓储机器人作为智能物流体系的关键环节，其路径规划技术的研究与应用成为行业关注的焦点。智能仓储机器人技术的快速发展。近年来，智能仓储机器人技术取得了显著进展，尤其在路径规划领域，研究者们不断探索新的算法和策略，以实现更高效、更稳定的路径规划。市场需求。随着企业对仓储物流效率的追求，智能仓储机器人市场潜力巨大。2025年，智能仓储机器人路径规划技术创新在智能物流中心的应用将有望实现行业突破。1.2技术现状路径规划算法。目前，智能仓储机器人路径规划算法主要分为两大类：基于图论的算法和基于采样的算法。其中，A*算法、Dijkstra算法等基于图论的算法在路径规划领域具有较高的应用价值；而RRT、RRT*等基于采样的算法则具有较好的鲁棒性和效率。路径规划策略。在实际应用中，智能仓储机器人路径规划策略主要包括：静态路径规划、动态路径规划、多机器人协同路径规划等。这些策略各有优劣，适用于不同的场景和需求。路径规划软件。随着技术的不断发展，路径规划软件在智能仓储机器人路径规划中发挥着越来越重要的作用。这些软件具备良好的易用性、扩展性和稳定性，能够满足不同场景下的路径规划需求。1.3挑战与机遇挑战。智能仓储机器人路径规划技术创新在智能物流中心的应用面临着诸多挑战，如：算法复杂度高、实时性要求严格、多机器人协同控制等。机遇。随着人工智能、大数据、云计算等技术的不断进步，智能仓储机器人路径规划技术创新在智能物流中心的应用将迎来前所未有的机遇。2025年，有望实现以下突破：（a）算法优化。通过研究新型算法，提高路径规划的效率和准确性。（b）多机器人协同控制。实现多机器人高效、安全、稳定的协同作业。（c）智能化路径规划。利用人工智能技术，实现路径规划的智能化，提高物流中心的整体运行效率。二、智能仓储机器人路径规划技术分析2.1路径规划算法的类型与特点路径规划算法是智能仓储机器人路径规划技术的核心。目前，常见的路径规划算法主要分为两大类：基于图论的算法和基于采样的算法。基于图论的算法。这类算法通过构建环境地图，将环境抽象为一个图，然后利用图搜索算法寻找最优路径。A*算法和Dijkstra算法是其中较为典型的代表。A*算法通过启发式搜索，能够快速找到最优路径，但其计算复杂度较高；Dijkstra算法则具有较好的鲁棒性，但计算效率相对较低。基于采样的算法。这类算法通过随机采样来生成候选路径，然后通过优化算法选择最优路径。RRT（Rapidly-exploringRandomTrees）和RRT*（Rapidly-exploringRandomTreesStar）是其中较为常见的算法。RRT算法能够快速生成路径，但路径质量可能较差；RRT*算法在RRT的基础上引入了“星”的概念，能够提高路径质量。2.2路径规划策略的优缺点智能仓储机器人路径规划策略主要包括静态路径规划、动态路径规划和多机器人协同路径规划。静态路径规划。静态路径规划适用于环境相对稳定、机器人数量较少的场景。其优点是计算简单、实时性好；缺点是难以应对环境变化，当环境发生变化时，需要重新进行路径规划。动态路径规划。动态路径规划适用于环境变化较快、机器人数量较多的场景。其优点是能够适应环境变化，提高路径规划的鲁棒性；缺点是计算复杂度高，实时性较差。多机器人协同路径规划。多机器人协同路径规划适用于多机器人同时作业的场景。其优点是能够提高作业效率，降低单个机器人的负载；缺点是协同控制难度较大，需要考虑机器人之间的交互和冲突。2.3路径规划软件的功能与挑战路径规划软件在智能仓储机器人路径规划中扮演着重要角色。目前，路径规划软件主要包括以下功能：环境建模。通过传感器采集环境信息，构建环境地图，为路径规划提供数据基础。路径规划。根据环境地图和规划算法，生成机器人最优路径。仿真与测试。在虚拟环境中对路径规划结果进行仿真和测试，验证路径规划的可行性和有效性。然而，路径规划软件在实际应用中仍面临以下挑战：算法复杂度高。路径规划算法的计算复杂度较高，对硬件资源要求较高。实时性要求严格。在动态环境中，路径规划需要实时更新，以保证机器人的正常运行。软件兼容性。路径规划软件需要与不同的硬件平台和操作系统兼容，以满足不同应用场景的需求。2.4路径规划技术创新方向为了应对上述挑战，智能仓储机器人路径规划技术需要在以下方向进行创新：算法优化。研究更高效、更鲁棒的路径规划算法，降低计算复杂度，提高实时性。数据驱动。利用大数据和机器学习技术，从海量数据中提取特征，优化路径规划策略。跨学科融合。将人工智能、物联网、云计算等跨学科技术融入路径规划领域，实现智能仓储机器人路径规划技术的全面升级。2.5路径规划技术在智能物流中心的实际应用在智能物流中心，路径规划技术在实际应用中发挥着至关重要的作用。以下是一些典型的应用场景：仓库自动化。通过路径规划技术，实现仓库内部自动化搬运、存储等作业，提高仓库运行效率。物流配送。利用路径规划技术，优化物流配送路线，降低运输成本，提高配送速度。多机器人协同作业。在多机器人协同作业场景下，路径规划技术能够实现机器人之间的有效协作，提高作业效率。三、智能仓储机器人路径规划技术创新的关键点3.1算法创新与优化智能仓储机器人路径规划技术创新的关键之一在于算法的创新与优化。随着人工智能和机器学习技术的不断发展，新的算法不断涌现，为路径规划提供了更多的可能性。多智能体路径规划算法。在多机器人协同作业的环境中，多智能体路径规划算法尤为重要。这类算法通过分布式计算和协作决策，实现机器人之间的有效通信和路径规划。例如，基于多智能体系统的分布式路径规划算法（MAS-basedPathPlanning，MBPP）能够有效处理动态环境和机器人冲突问题。强化学习在路径规划中的应用。强化学习作为一种机器学习算法，能够通过与环境交互来学习最优策略。在智能仓储机器人路径规划中，强化学习可以用于训练机器人自主适应复杂环境的能力。例如，使用Q-learning或DeepQ-Network（DQN）等算法，机器人可以在实际操作中不断优化其路径规划策略。遗传算法在路径规划中的应用。遗传算法是一种模拟自然选择和遗传机制的优化算法，适用于解决复杂优化问题。在智能仓储机器人路径规划中，遗传算法可以用于寻找最优路径，提高路径规划的效率。3.2环境感知与建模智能仓储机器人路径规划技术的创新还依赖于对环境的感知与建模。环境感知技术。环境感知是智能仓储机器人路径规划的基础。通过搭载传感器，如激光雷达、摄像头、超声波传感器等，机器人能够获取周围环境的信息，包括障碍物位置、空间布局等。环境建模技术。基于环境感知数据，机器人需要建立准确的环境模型。这种模型可以是离散的，如栅格地图；也可以是连续的，如三维点云地图。环境建模的精度直接影响到路径规划的效果。动态环境处理。在动态环境中，机器人需要实时更新环境模型，以应对环境变化。这要求路径规划算法具备一定的动态适应性，能够快速响应环境变化。3.3实时性与鲁棒性智能仓储机器人路径规划技术的实时性和鲁棒性是衡量其性能的重要指标。实时性。在智能物流中心，路径规划需要实时进行，以保证机器人的高效作业。这就要求路径规划算法能够快速响应，减少计算时间。鲁棒性。路径规划算法需要具备较强的鲁棒性，能够在各种复杂环境下稳定运行。这包括处理传感器数据噪声、环境不确定性等因素。容错性。在实际应用中，机器人可能会遇到故障或异常情况。路径规划技术需要具备一定的容错性，能够在机器人出现故障时，自动调整路径规划策略，保证作业的连续性。3.4人工智能与大数据的融合智能仓储机器人路径规划技术的创新还体现在人工智能与大数据的融合。数据驱动路径规划。通过分析历史作业数据，可以优化路径规划策略，提高路径规划的效率。例如，使用机器学习算法对历史路径数据进行分析，预测未来路径规划的最佳策略。预测性维护。通过实时监测机器人的运行状态和作业数据，可以预测潜在故障，提前进行维护，避免影响作业效率。个性化路径规划。结合用户需求和作业特点，实现个性化路径规划，提高用户体验和作业效率。四、智能仓储机器人路径规划技术创新的应用挑战与解决方案4.1复杂动态环境下的路径规划智能仓储机器人在实际应用中常常面临复杂动态环境，如频繁变动的货架布局、突发的人流车流等，这给路径规划带来了巨大挑战。动态环境感知。为了应对动态环境，机器人需要具备实时感知环境变化的能力。通过集成多传感器，如激光雷达、摄像头等，机器人可以实时获取周围环境信息，为路径规划提供数据支持。动态路径规划算法。针对动态环境，需要开发能够快速适应环境变化的路径规划算法。例如，基于模糊逻辑的动态路径规划算法可以在传感器数据的基础上，实时调整路径规划策略。冲突检测与避免。在动态环境中，机器人之间可能会发生冲突。因此，路径规划算法需要具备冲突检测与避免功能，确保机器人安全作业。4.2高效路径规划算法的需求智能仓储机器人在高密度作业环境中，对路径规划算法的效率提出了更高的要求。算法优化。针对路径规划算法，需要进行优化，降低计算复杂度，提高算法效率。例如，通过减少搜索空间、改进启发式函数等方式，可以显著提高路径规划的效率。并行计算。利用多核处理器、云计算等技术，实现并行计算，加快路径规划的速度。分布式路径规划。在多机器人协同作业场景下，采用分布式路径规划算法，可以在各个机器人之间分配计算任务，提高整体路径规划的效率。4.3传感器融合与数据处理智能仓储机器人在路径规划过程中，需要处理大量的传感器数据。传感器融合。通过集成多种传感器，如激光雷达、摄像头、超声波传感器等，可以获取更全面的环境信息。传感器融合技术可以将不同传感器获取的数据进行整合，提高环境感知的准确性。数据处理。面对海量的传感器数据，需要采用高效的数据处理方法，如数据压缩、特征提取等，以降低数据传输和处理的负担。实时数据传输。为了保证路径规划的实时性，需要建立稳定的数据传输系统，确保传感器数据能够实时传输到机器人。4.4机器人的自主决策与学习能力智能仓储机器人在路径规划过程中，需要具备自主决策和学习能力。自主决策。通过机器学习算法，如强化学习、深度学习等，机器人可以在实际作业中不断学习和优化路径规划策略。适应能力。面对不同的作业环境和任务，机器人需要具备快速适应的能力，通过调整路径规划策略，实现高效作业。人机交互。在路径规划过程中，机器人需要与人类操作员进行有效沟通，通过人机交互，确保路径规划的准确性和安全性。五、智能仓储机器人路径规划技术创新的案例分析5.1案例一：多机器人协同路径规划在大型仓库中的应用在大型仓库中，多机器人协同作业是提高作业效率的关键。某智能仓储系统采用了一种基于多智能体系统的分布式路径规划算法（MAS-basedPathPlanning，MBPP）。算法设计。该算法通过分布式计算，使得每个机器人都可以独立进行路径规划，同时与其他机器人进行通信，避免碰撞和冲突。实际效果。在实际应用中，该算法使得机器人能够在复杂的环境中高效地完成分拣、搬运等任务，显著提高了仓库的作业效率。5.2案例二：强化学习在智能仓储机器人路径规划中的应用某智能仓储机器人项目采用了强化学习算法（DQN）来优化路径规划策略。算法实现。通过训练机器人与环境交互，学习最优的路径规划策略。机器人能够在实际作业中不断调整策略，以适应不同的作业环境。实际效果。经过训练，机器人能够快速适应环境变化，提高路径规划的准确性和效率。5.3案例三：基于遗传算法的路径规划优化在另一个智能仓储项目中，遗传算法被用于优化机器人的路径规划。算法应用。通过遗传算法，机器人可以在搜索空间中找到最优路径，提高作业效率。实际效果。在实际应用中，该算法使得机器人能够在复杂环境中找到更短的路径，减少了作业时间。5.4案例四：传感器融合与数据处理在路径规划中的应用某智能仓储机器人项目采用了传感器融合与数据处理技术来提高路径规划的准确性。传感器集成。通过集成多种传感器，如激光雷达、摄像头、超声波传感器等，机器人能够获取更全面的环境信息。数据处理。采用高效的数据处理方法，如数据压缩、特征提取等，降低数据传输和处理的负担。实际效果。传感器融合与数据处理技术的应用，使得机器人能够在复杂环境中进行更准确的路径规划，提高了作业效率。六、智能仓储机器人路径规划技术创新的未来发展趋势6.1跨学科融合与技术整合智能仓储机器人路径规划技术的未来发展趋势之一是跨学科融合与技术整合。随着人工智能、物联网、大数据等技术的快速发展，路径规划技术将与其他学科和技术领域深度融合。人工智能与路径规划的结合。人工智能技术，尤其是机器学习和深度学习，将为路径规划提供更强大的决策能力。通过学习历史数据和环境信息，机器人能够更加智能地规划路径。物联网与路径规划的结合。物联网技术的发展将使得机器人能够实时获取更多环境信息，从而提高路径规划的准确性和实时性。大数据与路径规划的结合。通过对大量历史数据和实时数据的分析，可以优化路径规划策略，提高作业效率。6.2高度智能化的路径规划算法未来，智能仓储机器人路径规划算法将朝着高度智能化的方向发展。自适应路径规划算法。机器人将能够根据环境变化和作业需求，自适应地调整路径规划策略。预测性路径规划算法。通过预测未来环境变化和作业需求，机器人可以提前规划路径，减少等待时间和作业中断。多智能体路径规划算法。在多机器人协同作业场景下，高度智能化的多智能体路径规划算法将实现更高效的作业协同。6.3实时性与鲁棒性的提升随着应用场景的复杂化，智能仓储机器人路径规划的实时性和鲁棒性要求将进一步提升。实时路径规划。在动态环境中，机器人需要能够实时响应环境变化，快速调整路径规划。鲁棒性增强。路径规划算法需要能够处理传感器数据噪声、环境不确定性等因素，保证在复杂环境下的稳定运行。6.4软硬件协同优化为了实现高效、稳定的路径规划，智能仓储机器人的软硬件协同优化将成为未来发展趋势。硬件升级。随着传感器、处理器等硬件技术的进步，机器人的感知能力和计算能力将得到显著提升。软件优化。路径规划软件需要不断优化，以提高算法效率、降低计算复杂度。系统整合。将路径规划技术与机器人控制系统、物流管理系统等进行整合，实现整个智能仓储系统的协同作业。6.5人机协同与智能化管理未来，智能仓储机器人路径规划将更加注重人机协同和智能化管理。人机协同。通过人机交互界面，操作员可以实时监控机器人的作业情况，并提供必要的指导。智能化管理。利用大数据和人工智能技术，实现智能仓储系统的智能化管理，提高整体作业效率。个性化服务。根据不同客户的需求，提供个性化的路径规划服务，满足多样化的仓储物流需求。七、智能仓储机器人路径规划技术创新的风险与应对策略7.1技术风险与应对智能仓储机器人路径规划技术创新过程中，技术风险是不可避免的问题。技术不成熟。虽然路径规划技术取得了一定的进展，但在某些方面仍存在不成熟之处，如动态环境下的路径规划精度和实时性。算法复杂度高。一些先进的路径规划算法计算复杂度高，对硬件资源要求较高，可能影响机器人的实际应用。技术更新换代快。随着新技术的不断涌现，旧的技术可能很快就会被淘汰，需要持续进行技术创新。应对策略：-加强技术研发，提高算法的稳定性和效率；-优化硬件配置，降低算法对硬件资源的要求；-建立技术创新机制，跟踪新技术动态，及时进行技术更新。7.2数据安全与隐私保护风险在智能仓储机器人路径规划过程中，数据安全和隐私保护是重要的问题。数据泄露风险。路径规划过程中会产生大量敏感数据，如货物信息、作业记录等，数据泄露可能导致商业机密泄露。隐私侵犯风险。机器人可能会收集到与作业无关的个人隐私信息，如操作员的位置、活动等。数据滥用风险。收集到的数据可能被用于非法目的，如侵犯用户隐私、进行商业欺诈等。应对策略：-建立严格的数据安全管理制度，确保数据在传输、存储和处理过程中的安全性；-采取数据加密措施，保护敏感数据不被未授权访问；-定期进行数据审计，及时发现和处理数据泄露、隐私侵犯等问题。7.3系统稳定性与可靠性风险智能仓储机器人路径规划系统需要保证稳定性与可靠性，以应对突发情况。系统崩溃风险。在极端条件下，如传感器故障、网络中断等，系统可能崩溃，导致机器人无法正常作业。操作失误风险。操作员可能因操作不当导致系统错误，影响机器人作业。环境适应性风险。在复杂多变的环境中，系统可能无法适应环境变化，导致路径规划失败。应对策略：-设计冗余系统，提高系统的容错能力；-对操作员进行专业培训，减少操作失误；-优化路径规划算法，提高系统对环境变化的适应性。7.4法律法规与伦理道德风险智能仓储机器人路径规划技术的发展也面临着法律法规和伦理道德方面的风险。法律法规风险。当前，智能仓储机器人路径规划领域尚缺乏明确的法律法规，可能导致相关企业面临法律风险。伦理道德风险。机器人技术的发展可能引发伦理道德问题，如机器人的工作条件、工作时长等。责任归属风险。在机器人作业过程中，如果发生事故，责任归属难以界定。应对策略：-积极参与相关法律法规的制定，推动行业规范化发展；-强化伦理道德教育，引导企业关注伦理道德问题；-建立健全责任保险制度，明确责任归属。八、智能仓储机器人路径规划技术创新的政策与市场环境分析8.1政策支持与推动智能仓储机器人路径规划技术创新得到了国家政策的大力支持。政策导向。我国政府高度重视智能制造和智能物流的发展，出台了一系列政策，鼓励企业进行技术创新和应用推广。资金扶持。政府通过设立专项资金、提供税收优惠等措施，支持智能仓储机器人路径规划技术创新。行业标准。政府积极推动制定相关行业标准，规范智能仓储机器人路径规划技术的发展和应用。人才培养。政府鼓励高校和研究机构开展相关人才培养，为智能仓储机器人路径规划技术创新提供人才保障。8.2市场需求与增长潜力随着智能物流行业的快速发展，智能仓储机器人路径规划市场需求持续增长。市场增长。根据市场调研数据，预计到2025年，智能仓储机器人市场规模将实现翻倍增长。应用领域拓展。智能仓储机器人路径规划技术不仅应用于传统物流行业，还拓展到电商、制造业等领域。技术创新驱动。随着技术创新的不断突破，智能仓储机器人路径规划技术将进一步提高市场竞争力。8.3市场竞争与挑战智能仓储机器人路径规划技术市场存在激烈的竞争和挑战。竞争格局。国内外众多企业纷纷进入智能仓储机器人市场，竞争激烈。技术壁垒。一些核心技术和专利掌握在少数企业手中，形成技术壁垒。成本控制。智能仓储机器人成本较高，企业需要控制成本，提高市场竞争力。8.4合作与产业生态构建为了应对市场竞争和挑战，智能仓储机器人路径规划技术创新需要加强合作，构建产业生态。产业链协同。企业、高校、科研机构等产业链上下游企业应加强合作，共同推动技术创新和应用。跨界融合。智能仓储机器人路径规划技术与其他领域的技术融合，如人工智能、物联网等，将拓展应用场景。国际合作。加强与国际企业的合作，引进先进技术，提升国内企业的竞争力。8.5政策与市场环境对技术创新的影响政策与市场环境对智能仓储机器人路径规划技术创新具有重要影响。政策支持。政府政策的支持有利于技术创新，降低企业研发成本，提高创新效率。市场需求。市场需求的增长推动技术创新，促使企业不断优化产品和服务。竞争压力。市场竞争加剧，迫使企业提高技术创新能力，以满足市场需求。产业生态。良好的产业生态有利于技术创新，促进产业链上下游企业协同发展。九、智能仓储机器人路径规划技术创新的实施与推广策略9.1技术研发与产品创新智能仓储机器人路径规划技术创新的实施首先依赖于持续的研发投入和产品创新。基础研究。加大对基础研究的投入，为路径规划技术的发展提供理论支持。技术攻关。针对关键技术难题，组织专业团队进行攻关，突破技术瓶颈。产品迭代。根据市场需求和用户反馈，不断迭代优化产品，提升产品性能和用户体验。9.2人才培养与团队建设人才是技术创新的核心驱动力。人才培养。建立人才培养机制，吸引和培养专业人才，为技术创新提供智力支持。团队建设。构建一支具有创新精神和专业能力的团队，促进技术创新的实施。知识共享。鼓励团队成员之间的知识分享和交流，提高团队整体创新能力。9.3合作与产业链协同技术创新需要产业链上下游企业的紧密合作。战略合作伙伴。与行业领先企业建立战略合作伙伴关系，共同推进技术创新。供应链整合。整合供应链资源，提高生产效率，降低成本。技术转移。促进技术创新成果的转移和应用，推动产业链整体升级。9.4市场推广与品牌建设市场推广和品牌建设是技术创新成功的关键。市场定位。明确产品定位，针对目标市场进行精准推广。营销策略。制定有效的营销策略，提高市场知名度和品牌影响力。客户服务。提供优质的客户服务，增强客户忠诚度。9.5政策与资金支持政策与资金支持是技术创新的重要保障。政策支持。积极争取政府政策支持，如税收优惠、资金补贴等。资金投入。加大对企业研发投入的力度，确保技术创新的持续发展。风险投资。吸引风险投资，为技术创新提供资金支持。十、智能仓储机器人路径规划技术创新的可持续发展与未来展望10.1可持续发展的重要性智能仓储机器人路径规划技术创新的可持续发展是推动智能物流行业长期发展的关键。可持续发展不仅关注