针对非确定性的家庭环境，本文将人工智能相关技术如黑板模型、神经网络等与信息融合技术充分结合，旨在实现家庭环境下机器人的智能信息融合与自主导航。论文主要工作如下：(1)结合家庭服务机器人的工作特点，提出了基于黑板的分布式智能融合结构，并基于此结构设计了家庭服务机器人组合式智能导航系统，它既发挥了分布式融合的组合灵活、处理速度快的优点，又结合了黑板模型的专家知识，提高了信息的智能化处理水平。(2)为克服传感器的一次测量可能存在误差的缺点，提出了基于动态神经网络信息融合的家庭环境识别方法，将超声波和红外传感器的时间域和空间域信息综合应用，实现了机器人在运动过程中对家庭环境的智能识别。该方法实现了对动态环境信息的融合，满足了机器人导航过程中信息处理实时性的要求。(3)将特征层和决策层信息融合结构相结合，提出了混合式信息融合方法，并基于该方法实现了机器人的局部路径规划。在特征层，视觉传感器用于检测地标，并通过和激光传感器信息的匹配融合，实现了地标相关环境信息和路况信息的特征提取。在决策层，D-S证据融合方法进一步提高了信息的可信度，最后根据判别规则，选择融合后具有较高可信度的地标用于指导机器人运动。(4)设计并初步实现了基于情感模式的行为融合系统。该系统模拟人类的情感处理和决策方式，使机器人通过行为融合灵活适应环境变化，并与基于地标信息融合的局部路径规划结合，用于控制机器人运动，实现机器人在家庭环境下的智能导航。仿真结果表明该方法即提高了导航速度，又优化了导航路线，