家政服务机器人正越来越多的融入人们的家庭生活,与普通工业机器人不同的是,家政服务机器人要面对多变的家庭环境以及用户多变的需求,这要求机器人有灵活的任务规划与任务学习能力。在服务用户时,家政服务机器人不仅要完成用户指定的任务,还要求执行方式也考虑用户的需求,为不同的用户定制化规划任务的执行方式。本文针对上述问题,面向家政服务机器人中较为常见的手臂型机器人,提出了基于用户指导的强化学习任务规划与学习方法,能够利用用户的指导信息,不仅能学习用户需求来生成一个新的任务,还能够根据用户要求个性化规划任务的执行方式。本文的主要贡献有:1)分析并提出了感知增强的用户指导任务规划与学习范式,并根据该任务范式提出了面向感知增强机械臂的用户指导任务规划与学习框架;2)提出了面向感知增强机械臂的以深度网络为基础的任务模型,并通过对工作环境信息的结构化映射建模,提升任务规划的鲁棒性;3)提出并实现了基于用户指导的强化学习任务学习方法,结合用户前期指导和用户反馈信息,来训练深度策略网络,最后与其他任务信息组合,完成任务模型的生成;4)将本文提出的面向感知增强机械臂的用户指导任务规划与学习框架部署到了真实环境中,并设计了 50个任务实验,对该任务学习方法在学习能力、学习效率以及执行鲁棒性三方面进行了评估,证明该方法能够提升机械臂在任务规划与学习上的智能程度,能满足家庭生活的日常需求。