随着服务机器人的广泛应用,其缺陷日渐凸显,如果考虑到老年人陪护中的问题,就知道现有陪护机器人还有多少问题亟待解决了。对于老年人来说,表达清楚一件事是有一定难度的,但是通常老年人表达意图时,环境因素和他们的手势、体态表达的信息往往是十分重要的,很多服务型机器人忽略了这一点,机器人不理解人的行为意图成为助老陪护机器人的应用痛点问题。因此,根据老年人特点,本文创建了多模态意图逆向主动融合的机器人交互系统,此系统解决了现有机器人在与老年人交互时出现的不能根据模糊信息进行意图提取、人机协同时未考虑老年人交互压力、交互过程不自然等问题。综合以上分析,本文提出以下创新点:（1）提出基于改进HMM与贝叶斯结合的多模态意图理解方法。由于老年人表达能力下降的特点,人机交互时单一模态输入可能导致机器人意图理解正确性降低,为此,本文在意图理解方面采用语音、手势、体态多模态输入尽可能地获取用户的多维信息,通过隐马尔科夫模型的核心公式的改进与贝叶斯相结合计算融合意图集合中概率最大的意图作为意图理解的结果。结果表明,此方法在用户自然交互状态下,用户意图的准确率达到97.7%,并且相比其他四种意图理解方法,此方法对模糊输入下的意图提取更加有效。（2）提出两种意图信任度评价方法。信任度评价主要是为了解决老年人因记忆力下降重复表达意图或表达错误意图的问题而设计的;次要是为了再次确认模糊输入下融合意图的准确性而设计的。提出的基于信息熵的信任度评价方法使用信息熵来表示用户输入信息的质量,综合考虑交互环境、时间、意图发生的时间间隔来计算意图的信任度,使用逆向思维分析不满足信任度要求的意图并主动对用户进行提示。提出的基于改进CF模型与信息熵结合的信任度评价方法是对上一种方法的改进,使用更加客观的规则来定义普通C-F模型中的参数,而且在增加了用户习惯因素,使得意图信任度评价增加了客观性,并且通过逆向分析和主动获得信息的方法,对意图提取过程进行自我修复,正确率达到97.5%,通过信任度评价算法,对于用户重复意图或错误意图的规避率达到99.9%。（3）提出基于用户利益优先的人机协同分工决策。此方法主要是解决由于老年人活动不便引发的人机协同负荷过高的问题。现阶段机器人很少有决策方法考虑到协同负荷问题。此方法在进行人机协同分工决策时根据用户状态计算任务负荷并动态地进行任务分工,减轻了老年人在人机协同时的负担,提高了助老陪护质量。（4）提出面向老年陪护的多模态意图逆向主动融合的交互系统设计。将以上模块进行结合,形成完整的人机交互系统。在人类向机器人输入意图时,用户可以采用模糊的多模态数据表达交互意图;模型在推理预测用户意图时,综合考虑了用户多模态信息、日常习惯和交互环境上下文信息,并对用户意图进行信任度评价、逆向分析、主动获取必要信息等过程决定此意图是否可行,并合理分配人与机各自需要完成的任务,最终共同协作达到用户的意图。将此系统嵌入X-arm机械臂上进行应用测试,经过大量实验证实了此系统达到了助老陪护质量的提升,并对于系统功能和性能进行了测试,为助老陪护机器人系统的研究提供一种可行的方法。