我国正处于人口加速老龄化阶段,数量庞大且逐年递增的失能人士对家庭和社会的护理能力提出了严峻的考验。本课题以减轻失能人士身体负担、缓解社会护理压力为目标,提出了一种仅通过锁定家居物品的类别信息来预测隐含的动作意图并根据动作意图自动规划家居任务的方法。主要内容包括基于马尔可夫网的物品—动作意图网建模、基于Q学习算法对用户偏好意图的学习机制建立、基于有限状态机的家居任务操作技能解构与重组策略研究等。具体内容如下:首先,对国际残疾功能分类（ICF）中所归纳的自理性家居任务进行分析,提取失能人士在真实环境下实现自理所必需的家居物品和动作。基于视觉下的物品功能可供性理念,提取物品的隐含动作意图构建数据集。然后,基于马尔可夫网算法对数据集进行训练以构建物品—动作意图网。最后,基于维特比算法求解锁定物品的隐含动作意图序列从而实现意图识别。其次,由于用户对同一物品的家居动作意图会发生改变,为适应用户的家居行为习惯,提出一种基于Q学习算法的用户意图学习机制,实现在线情况下的意图网模型自动发育。通过构建简单激光语义为WMRA引入人机交互,然后用户通过交互表达对输出意图的决策,最后学习机制基于决策结果构造Q表,并基于贝尔曼方程实现意图网的升级,从而适应用户的意图习惯。然后,为实现机器人在真实环境下的家居任务执行,同时解决实际动作建模复杂的问题。先通过遥杆示教的方式建立所有家居任务相关的单元动作库,然后基于DMP算法对解构的家居任务进行轨迹泛化,最后基于有限状态机实现任务轨迹重组,并将重组后轨迹传输至机械臂来完成家居任务。最后,基于ROS对上述算法进行集成并进行实验评估。选取家居环境下的常见物品,展开意图识别实验以评估意图网在物品数量和类别发生变化时的识别能力,展开学习性能测试以评估学习机制在面对不同数量物品时的用户习惯适应能力,展开家居任务执行实验以评估WMRA自动规划家居任务的可行性。