En el entorno de almacén logístico, la navegación autónoma y la percepción del entorno del robot de clasificación logística son dos desafíos clave. Para hacer frente a los obstáculos complejos y la disposición de la carga en un almacén, este estudio se centra en mejorar la percepción del robot y el sistema de navegación para lograr una planificación de trayecto eficiente y un control de movimiento seguro. Con este propósito, se propone un esquema basado en un algoritmo Gmapping mejorado para construir un mapa de alta precisión dentro de un almacén a través del escaneo eficiente y procesamiento de datos ambientales por parte de los robots. Mientras que el algoritmo mejorado integra eficazmente los datos del sensor con la información de posición del robot para realizar la modelización y análisis en tiempo real de los entornos del almacén. En consecuencia, los resultados de mapeo preciso proporcionan una base de navegación fiable para el robot, permitiéndole realizar una planificación de trayecto inteligente y decisiones de evasión de obstáculos en entornos desconocidos o dinámicos. Los resultados experimentales muestran que el robot que utiliza el algoritmo Gmapping mejorado tiene una alta precisión y robustez en la identificación de obstáculos y un error de navegación reducido de manera efectiva, mejorando así el nivel de inteligencia y eficiencia de las operaciones logísticas. El algoritmo mejorado mejora significativamente las tasas de detección de obstáculos, aumentándolas en un 4.05%. Al mismo tiempo, reduce con éxito los errores de precisión del tamaño del mapa en un 1.4% y los errores de precisión del ángulo en un 0.5%. Además, la precisión de la distancia de viaje del robot mejora en un 2.4% y el tiempo de mapeo se reduce en nueve segundos. Se ha logrado un progreso significativo en la percepción ambiental de alta precisión y la navegación inteligente, proporcionando un soporte técnico confiable y soluciones para operaciones autónomas en almacenes logísticos.