智能化生活已经到来,机器人的发展也会愈发蓬勃,实现的的功能也来愈加强大且复杂,放眼全球,各类机器人层出不穷的出现在生活的方方面面,有聊天类的客服类机器人,有在生产线上不知疲倦工作的机器人,更有极少数高端的手术机器人等等,上至月球挖土,下至深海寻宝,它们给人们提供各色各样便利的服务。十四五规划提出了要加强老年人社会保障,以人为本,在复杂的社会多元化情况下,为老年人提供个性化服务保障老年人生活的质量。目的是为未来老龄化的社会赋能,缓解社会压力,设计出一款陪伴护理类机器人是一个不错的切入点和研究方向。闲聊对话是护理机器人的基本也是最重要的技能,考虑到老年人语言表达的思维逻辑和吐字能力都不及年轻人清晰连贯,在这样复杂的情况下需要捕捉到更为准确的表达含义,需要对传统的语音识别和对话生成做一些优化改进,同时也要添加一些额外的个性化功能,如计步、唤醒和警报功能等辅助老年人。陪伴类闲聊机器人包括语音识别和对话生成两大方面,文章结构也是着重这两大块进行研究。语音识别方面,先研究了目前主流的端到端语义识别框架,针对其老年群体经过改进,提出了融合先验知识的非完全端到端的识别框架,加强了因不连贯的语音的识别能力。了解了语音识别原理和完整的识别流程后,分析讨论了传统的声学模型算法隐马尔科夫HMM（Hidden Markov Model）的局限性,改进采用连接性时序分类（Connectionist Temporal Classification,CTC）实现语音的作为声学模型,融合不同神经网络实现语音识别并进行实验分析,发现与卷积神经网络结合的提取全局特征比循环神经网络识别效果要好。关于对话生成部分,首先分析了检索式和生成式两种主流框架,根据闲聊特性需要选择了具有回复趣味性高的生成式,基于编码器-解码器的Seq2Seq模型是翻译系统过来的舶来品,用于一问一答不等长的对话中不是很符合一对一对应的关系。为此提出一种融合了基于注意力的算法模型Attention机制与seq2seq模型。有效缓解了对话语序长短不一致和对老年人话语句中表达混乱的问题,为更近一步优化,使得回复效果更佳,加强关键字表达的提取同时在回复结果中出现训练模型的语料中未出现的新词。提出采用融合了指针生成网络的seq2seq模型。利用自动评测指标和人工指标对生成的回复评估,发现改进的方法是优于前面的方法,输出的答复结果更自然,更多样,更有趣。最后,将完整的系统呈现在Android平台上,陪伴用户闲聊解闷的同时,添加辅助功能使得用户体验更加真实。