随着世界范围家庭结构由扩展家庭向核心家庭过度的趋势发展，以及出生率的不断降低，儿童的成长环境开始发生着一些巨大的变化。核心家庭的儿童相对缺乏像以往扩展家庭那样的支持与陪伴。随着技术的进步，专门针对儿童的家用机器人伴侣被研发出来。本文围绕专门针对儿童的玩伴机器人展开了一系列的讨论。为了使玩伴机器人能够成为儿童真正的朋友，它必须能够理解儿童的心理活动，从而调整自己的行为。本文侧重于阐述在儿童与玩伴机器人进行游戏互动时，如何对儿童的兴趣状态进行预测的问题。主要内容为：1．阐述了本课题的基础平台玩伴机器人系统的设计思想，“儿童兴趣状态转移模型”，引出了本课题的研究目的——用户兴趣程度的预测。2．运用Kinect感应器获得了本课题的原始三维视频数据，特征提取、正则化处理和标定以后得到了样本数据。3．提出了基于3D数据的高斯混合兴趣状态模型，并将其与基于2D数据单高斯模型进行用户兴趣状态预测进行对比，证明了3D数据和高斯混合兴趣状态模型的优越性。实现了基于支持向量机的多元分类模型，成功应用于用户兴趣状态的预测。4．比较了学习算法评价方式准确度和AUC，应用了更加合适的评价方式AUC对实验结果进行评价。5．分析了标注数据的特征，对数据预处理算法提出了优化方法。优化以后，平均AUC值从原来的0.5935提高到0.7380，证明了该优化的有效性。