随着老龄化现象的加重和养老政策的增多,养老已然成为我国关注的重点。老年人因年龄增长导致了身体机能的退化,使得他们逐渐丧失了生活的自理能力,所以家庭陪伴的压力和社会护理的不足使助老陪护机器人的研究成为刚需。特别地,适合于老年人日常生活的助老陪护机器人的研究是迫在眉睫的。但就目前的陪护机器人来看,想要在日常生活中给予老年人正确、及时和高效的帮助是非常困难的。原因有以下几点:部分研究使用的识别算法不适用于老年人,没有考虑老年人的身体特征就生搬硬套,导致不能正确理解老年人的意图;又或者交互方式单一,受环境影响严重;再不然就是没有合理的分工策略,使得机器人去做一些不能完成的任务,导致机器人自身的损坏或者整个协助的失败。这些问题不仅使得体验过服务的老年人心存芥蒂,更加阻碍了国家对养老问题的解决。因此,本文在济南市自主创新团队项目—“面向老年陪护机器人的人身安全协同保护机制研究”的支持下研究并实现面向陪护机器人场景理解的人机自然交互算法。针对上诉三个问题,本文的主要研究内容和创新点归纳如下:（1）探究在手势识别过程中错误识别的演化过程与机理,进而提出并实现了一种基于博弈规则的老年人手势行为识别模型与算法。传统网络模型方法对老年人手势进行训练的结果不尽人意,其中手势的识别率只有70%左右。因为老年人的手势行为特征与年轻人具有很大的不同,所以现有的识别方法的实际效果往往较差。与现有方法不同,本文所提出的方法旨在从错误感知与智能纠错的这一新视角提升手势行为识别率。首先调研了老年人手掌与年轻人手掌的区别,并建立手势误识别矩阵,发现老年人的手掌发生了形变,这导致了某些手势会比较相似。然后基于手势误识别矩阵,探究了神经网络卷积层第五层所有特征通道,通过曲线拟合和皮尔逊算法探究了相似手势间差异最大的通道号。最后再利用博弈规则将错误的识别结果纠正为正确的识别结果。最终手势识别率的提高到了90%以上,为后续的多模态融合算法打下基础。（2）提出并实现了一种基于信息熵的多模态融合算法。为了科学有序的利用多通道信息和增加交互的多样性,也为了解决日常生活中的环境因素对识别率影响的问题,本文提出了基于信息熵的多模态融合算法。该算法融合了手势信息、老年人与物品的距离信息和语音信息。首先使用信息熵公式计算单通道下每种输入信息的置信度,然后根据置信度求得每个模态对融合结果影响的权值,最后再利用先乘积再求和的方法求得融合结果。该方法比较适合动态的人机交互过程,同时也提高了老年人的意图理解率,为人助老陪护打开了良好的开端。（3）提出并实现了一种基于联合熵的任务选择模型与算法。为了提高助老陪护机器人在生活中的协助任务完成度和速度,本文在多模态融合算法的基础上提出了一种基于联合熵的任务选策略。联合熵考虑识别率与操作难度,识别率是对物品的识别概率向量,操作难度由目标物品与机械臂的距离、目标物品的重量和偏离角度决定,并将三者转化后的值作为参数向量计算联合熵。最后根据计算结果帮助机器人选择确定度最高、负荷最小的子任务执行。基于本文提出的核心算法,设计并实现一个基于人机自然交互算法的助老陪护应用,并在此系统上对核心算法再次进行测试和评价。