El proceso de selección en el almacén es uno de los componentes más críticos de las operaciones logísticas. La colaboración humano-robot (HRC) se considera una tendencia importante en la selección de almacenes, ya que combina las fortalezas de los humanos y los robots en el proceso de selección. Sin embargo, en los marcos actuales de colaboración humano-robot, hay una falta de comunicación efectiva entre humanos y robots, lo que resulta en una ejecución ineficiente de las tareas durante el proceso de selección. Para abordar esto, este documento considera la confianza como un puente de comunicación entre humanos y robots y propone el marco de colaboración humano-robot basado en la confianza de Stackelberg para la selección en almacenes, con el objetivo de lograr una selección colaborativa humano-robot eficiente y efectiva. En este marco, la HRC con confianza para la selección en almacenes se define como el modelo de Juego Estocástico Parcialmente Observable (POSG). Modelamos la fatiga humana con la función logística e incorporamos su impacto en la función de recompensa de eficiencia del POSG. Basado en el modelo POSG, se utiliza el espacio de creencias para evaluar la confianza humana, y se forman estrategias humanas. Se diseña un algoritmo de generación de estrategia de confianza de Stackelberg iterativa (ISTSG) para lograr los beneficios óptimos de colaboración a largo plazo entre humanos y robots, que se resuelve mediante la ecuación de Bellman. El perfil de decisión humano-robot generado se formaliza como un Proceso de Decisión de Markov Parcialmente Observable (POMDP), y las propiedades de la colaboración humano-robot se especifican como PCTL (lógica de árbol de computación probabilística) con recompensas, como eficiencia, precisión, confianza y fatiga humana. Se utiliza el verificador de modelos probabilísticos PRISM para verificar y analizar las propiedades correspondientes del POMDP. Tomamos el popular robot de colaboración humano-robot TORU como un estudio de caso. Los resultados experimentales muestran que nuestro marco mejora la eficiencia de la colaboración humano-robot para la selección en almacenes y reduce la fatiga del trabajador mientras asegura la precisión requerida de la colaboración humano-robot.