随着人工智能研究的深入,服务机器人正逐渐走入人类生活,成为生活中的帮手。与工业环境中结构化且固定的生产环境相比,人类生活环境具有多变性、动态性和非结构化等特点,很多不确定的因素会影响环境,比如：人类的日常活动,家具物品的位置变化。机器人在人类生活环境中执行各种任务时,需要了解周围各种各样的物体信息,包括物体的属性和位置等相关知识,同时为了理解人类的自然语言指令,机器人需要具备基于知识库的智能推理能力。本文描述了服务机器人知识库的构建方法,给出了知识库交互接口,在此基础上研究了基于知识库的服务机器人智能推理方法,并用于理解人类的自然语言指令。具体而言,本文的研究内容包括以下三个部分：1.根据服务机器人在人类生活环境中执行任务的需要,给出了基于oWL语言的服务机器人知识表达和知识库构建方法,定义了知识库的交互接口。2.提出了一种基于局部可观测蒙特卡洛规划算法的同时主动定位与物体搜索方法,在提高机器人物体搜索效率的同时有效降低定位不确定性。该方法基于机器人位置概率分布采样和动作仿真构建当前观测下具有一定深度的仿真搜索树,根据综合定位观测独特性、位置概率分布的熵减少以及物体搜索效用的回报计算选择最优动作。此外,提出采用贝叶斯网络表示物体和位置之间的条件概率,结合搜索结果更新贝叶斯网络中的条件概率,实现知识库的更新,使机器人能够适应物体位置的动态变化。在存在大量定位位置歧义的栅格地图上进行了仿真实验,验证了算法的有效性。3.针对服务机器人在生活环境中需要具有理解人类自然语言的能力,探索了基于知识库的服务机器人自然语言理解与智能推理框架,给出了从处理自然语言到结构化知识库搜索的整个流程,解决了非结构化自然语言与结构化机器人知识库之间的交互问题,最后通过实验验证了该方法在实际应用中的效果。