摘要：服务机器人作为一种自动或半自动的机器人,能够完成有益于人类健康的服务类工作。人机合作是服务机器人完成工作的主要方式,机器人学习能力的发展将促进人机合作的效率。目前机器人学习的主要方法是根据所提供的特定线索或奖励函数进行模仿学习或增强式学习。这些方法是被动式的学习,在面对时刻变化的外界环境时具有很大的局限性。机器人主动学习(Active Robot Learning, ARL)作为一种机器人采取主动测试并根据所收集信息判断用户意图的学习过程,适合机器人对用户的意图建立高层次的理解。论文在理解和分析现有的ARL结构的基础上,基于行为方案(action plan)理论,设计了时机决定机制的工作流程,定义了行为方案的单元基本行为步骤(action step)的形式,建立数据库存储上述的行为步骤,并利用前向链接推理(forward-chaining reasoning)把单个的行为步骤链接成行为方案。论文在SIMULINK仿真环境下构造了两个机器人手臂模型分别代表服务机器人和用户,采取轨迹控制和模糊控制相结合的策略控制两个机器人手臂模型完成指定的物品传递任务。并使用模糊控制用于人机合作任务,保证了控制效果的实时性和灵活性。论文还通过仿真实验中模拟了物品传递任务的实现流程。基于物品传递任务的行为方案实现了基本行为步骤的连接,并指出了服务机器人采取测验行为的准确时机。实验结果分析,所建立的机器人手臂模型能够准确完成行为方案中的动作步骤,并且在测试时间到来时采取相应的测验行为。