随着服务机器人技术的快速发展,人们对机器人的需求不再满足于娱乐及陪护功能,如何让机器人在动态、复杂的家庭环境中主动地为人类提供更加合理、智能化的日常服务成为研究的热点。智能空间技术虽然为机器人环境感知和服务认知领域开辟了崭新的道路,但是家庭服务机器人在进行服务任务推理时往往忽略用户自身习惯改变和动态的心理、生理变化,并且机器人在进行多任务规划时往往没有将服务任务的多属性历史数据考虑在内,导致服务效果不尽如人意。为进一步提高机器人在人机共融环境下的人机交互能力,增强用户对服务结果的满意度,需要构建可靠的家庭服务机器人用户反馈系统,并以此为基础设计以用户动态上下文信息为核心的机器人服务任务推理系统以及合理的多任务规划策略,从而使机器人能够主动的为用户提供符合实际需求的服务。本文的研究工作主要由以下几个部分构成:(1)设计了多分类算法与用户动态反馈系统相结合的用户服务任务确定性推理方法。首先根据家庭智能空间中的用户历史服务数据,建立服务任务规则库,并存储于MySQL数据库以便于共享和操作;然后分析了机器学习多分类算法在服务推理上的优势和弊端,针对这些弊端,提出了改进的K最近邻算法,根据用户在家庭环境中的上下文信息进行动态服务需求推理;最后,开发了用户反馈手机App和电脑端的Web服务系统作为家庭智能空间人机交互系统,用户可以动态添加、修改服务规则。(2)研究基于多实体贝叶斯网络的用户服务任务不确定性推理方法。用户的意图识别受到家庭动态环境中的很多不确定因素的影响,其中包括用户因素和环境因素。针对上述问题,将多实体贝叶斯网络的概率推理用于意图识别,利用多实体贝叶斯网络的一阶谓词逻辑表达能力和多实体片段来描述动态情境不确定信息以及构建复杂的家庭情境模型,并结合贝叶斯推理算法在复杂、动态环境下进行用户的不确定性服务推理。(3)基于服务推理系统的推理结果,研究服务机器人多任务规划问题。首先对家庭服务任务属性多样性进行建模分析;然后基于每种服务任务多属性历史数据,引入决策理论规划方法,对机器人需要执行的多个任务进行初始任务规划;最后,设计了基于任务动态分解原则的机器人任务实时规划,并研究了机器人多任务协同执行问题。(4)针对本文提出的服务推理系统和多任务动态规划方法进行了实验与分析。以山东大学服务机器人实验室智能空间作为实验平台,进行仿真实验测试,验证本文所提出方法的有效性和可行性。