机器人操作系统(Robot Operating System,ROS)是用于构建机器人系统的一组软件库和工具。最近,一些研究人员一直在致力于将规划系统集成到ROS中。但是,机器人领域通常是概率性的,例如动作的执行可能有一定概率失败。目前,只有很少的研究集中在将概率并行规划集成到ROS中。而且已有的研究在灵活性或可扩展性方面受限。为缓解这些问题,本次研究提出了一个新框架叫做概率机器人规划(PRobabilistic Robot Planning,PRob Plan)。一方面,本文提出的框架使用一系列生成程序来构建问题文件而不是使用知识库生成。这使得该框架更有可维护性。另一方面,该的框架集成了最新的规划器SOGBOFA,其适用于大规模动作空间问题。它将当前状态的状态值函数表示为抽象语法树,并通过自动微分计算语法树符号表示上的梯度,从而搜索最佳动作。本次研究通过新的推荐函数对其进行了增强,使其更具可扩展性。我们在仓库机器人领域中实例化了所提出的框架。在该领域中,为移动机器人分配了获取或包装货物的任务。领域实例和问题实例均使用关系动态影响图语言(Relational Dynamic Influence Diagram Language,RDDL)建模。实验结果表明了该框架的有效性。为了进行比较,我们还测试了两个规划器SOGBOFA和PROST。SOGBOFA的增强版在性能上略胜其原始版本,在性能上远远超过PROST。本文的工作促进了概率并行规划与机器人系统的集成。