由于感知的局限性,室内服务机器人可能无法获取完整的任务相关信息,因此,室内服务机器人面临的是一类不完全可知环境。本文针对该类环境下的任务规划的需求,提出并实现了一个不完全可知环境下的服务机器人任务规划系统,提升了室内服务机器人面对任务信息缺失时的任务规划和执行能力。本文引入机器人操作系统(ROS)作为软件中间件,保证了任务规划系统对不同感知和执行设备的兼容,满足了分布式节点之间的通信需求,引入网络本体语言(OWL)对室内常识、环境信息和机器人行为等知识进行形式化的表示,并设计和实现了服务机器人语义知识库模块和历史知识库模块,实现了上述知识的存储、共享和利用;针对环境信息缺失,利用室内常识进行环境假设,并基于历史知识计算其可信度,构建了基于语义网规则语言(SWRL)的规则推理服务和基于马尔可夫逻辑网的概率推理服务,并在此基础上实现了任务自主推理和室内环境语义类型推理的功能;提出了使用环境假设动作对环境假设进行建模,并将任务规划问题建模成马尔可夫决策问题(MDPs),提出了扩展的语义动作模型(SAMs),实现了对服务机器人行为与技能的语义描述,利用概率规划域定义语言(PPDDL)对任务规划问题进行描述,然后基于标记实时动态规划算法(LRTDP)实现了最优动作的求解,开发了动作派遣节点和状态更新节点,实现了动作的派遣和执行反馈,实现了一个异常反馈处理框架,以应对规划、派遣、执行中可能出现的异常,提升了系统的稳定性。最后本文基于机器人仿真软件Gazebo设计了演示实验,搭建了一个仿真的室内四居室环境,并通过室内物品递送、物品搜索等服务任务验证了本系统的可行性和有效性。