在动态环境下,服务机器人如何根据环境信息的变化来提供主动、智能式的服务是服务机器人领域研究的难点。随着计算机与通讯技术的发展,基于成本相对较低的智能空间(Intelligent Space)技术的服务机器人模式已经成为必然趋势。通过智能空间“无所不在”(Ubiquitous)的环境智能来提高机器人对环境的感知、处理能力已经成为未来机器人应用的重要支撑手段。基于机器人与智能空间交互与协调机制的复杂动态环境下的机器人任务规划是降低机器人成本、提高机器人任务执行能力和服务质量、促进服务机器人真正实用化的必然之路。本文依托于山东大学服务机器人实验室所搭建的智能空间实验环境,研究如何将智能空间技术与服务机器人技术相结合,对智能空间上下文数据进行预测并根据环境信息及用户的任务请求为用户服务提供及时、自主的服务。本文的工作主要分为以下几部分：(1)针对智能空间中上下文信息复杂性和不确定性的特点,提出了采用一阶谓词逻辑来描述智能空间中的上下文信息,利用马尔科夫逻辑网实现一阶逻辑与概率图解模型的一起表达。对智能空间中特定场景建立马尔科夫逻辑网模型,首先通过神经网络确定特定情形,然后利用马尔科夫逻辑网对其相关上下文信息进行预测,获得对空间任务调度问题有价值的驱动信息,为任务驱动的研究提供信息支持。(2)建立基于参数驱动的服务机器人任务自动组合框架,构造FSC (Fast Service Composition)算法实现服务机器人的任务规划流程,使机器人具备根据场景来自动实现任务组合、分配的能力,提高机器人服务的智能性和服务质量。(3)针对设备运行、网络通讯与数据存储的不确定性,根据所设计的服务流程规划算法,建立应急服务修复策略。针对驱动参数丢失、被调用服务丢失和执行设备丢失等导致服务失败的原因,分别设计相应的修复策略,提高系统的容错性。(4)将上述模块集成,构建服务器框架。在智能空问服务器中形成较完善的软件系统,并根据日常服务需求和可能出现的紧急情况进行真实的运行测试。