机器人交互现状与趋势展望

机器人交互现状与趋势展望

人机交互发展历程

人机交互经历了从以机器为中心到以人为中心的自然交互发展过程，经历了四次黄金期：1956年人工智能概念提出，1970年第一次黄金期，1990年第二次黄金期，2006年第三次浪潮，2022年第四次浪潮。交互方式从键盘、语音、视觉、触控、多点触摸、手写、手势、脑机、动作等逐步演进。

万物智联时代与大模型引领

在万物智联时代，大模型引领机器人交互新体验。科大讯飞通过麦克风阵列、语音交互开发板、多模态交互开发套件等硬件模组，结合前端声学算法、语音唤醒SDK、WS API等接入方式，以及设备端、云端、三方能力（技能开发、智能体开发、知识库开发、角色开发）和人机交互平台、大模型交互系统、内容平台等，构建智能体开发体系。

核心技术优势

• 原创多型麦克风阵列：线性2麦至环形6麦，独家AI+麦克风阵列技术，实现语音属性解耦、声源精准定位、回声消除、信号时空分离、自适应场景降噪、说话人分离。
• 远场人声增强：测试集MultiM-ASR-Eval-2.0中，多人语音降噪分离准确率达90.1%，三人语音分离准确率达87%。
• 语境感应打断：通过语音VAD、语义VAD、大模型VAD实现智能响应，判断用户是否在对话，避免误响应。
• 会聊天的大模型：语音识别加入情绪识别能力，高情商交互对话数据训练，超拟人合成升级，情绪可调节，情感更丰富。
• 类人记忆系统：长短时记忆融合架构，三层记忆保障个性化交互，单次对话支持超多轮上下文保障模型理解对话情境。

丰富的内容信源

提供4000万首正版音乐、1200万小时有声内容、10+娱乐生活精品智能体等丰富内容信源，支持搜索、听、唱、看等多种交互方式。

多模态交互范式

面向鸡尾酒会场景，构建多模态交互范式，打造拟人化交互体验，支持多模态降噪精准拾音、人脸识别锁定ID信息、视野外语音唤醒临时插入对话、侧向对话等多模态支持3-5人同时交互。 面向开放场景，解决真实世界中人和机器人的交互问题，通过麦克风阵列、语音交互、单人多模态交互、机器人超脑平台等实现理解真实世界。

全系列软硬件模组

• 硬件模组：覆盖录音、降噪、语音交互、多模态交互和机器人主控，包括USB声卡、降噪板、星火超脑板2.0、聆思AI芯片、多模态交互板、语音交互板等。
• 定制优化：面向人形、四足、轮足、桌面等形态定制优化低成本交互硬件，如前四后四麦克风阵列、四足降噪算法、环形6+1麦阵等。
• 交互硬件：适和可移动桌面机器人和小型四足机器人，如极小尺寸环形四麦（4.2cm直径）、360°声源定位效果无损（92%识别ACC）。

UWB精准定位与智能贴身随行

基于星闪和UWB的自由跟随，测角范围水平360°/垂直0°~90°，连接方式星闪+蓝牙双模，目标支持多TAG（≥2）同时测角测距并发连接，锚点同时连接2个TAG、TAG可同时连锚点和手机，性能指标工作距离50m/测距精度±3cm/角度误差＜5°。

人形机器人交互方案

• 前四后四麦阵：结构贴合全尺寸人形机器人，正负10°定位准确率90%，识别率提升至93%，360°声源定位媲美环形麦阵，支持语音和多模态的分级降噪。
• 双耳麦阵：1米内穹顶式隔音，双耳8麦麦克风阵列打破传统拾音局限，机器人1米以外的人声和噪声全隔离。
• 语音戒指：开放场景精准控制，续航持久充电<2h，续航5~7天，尺寸小6.8mm宽×2mm厚，防水等级高IP68, 5ATM，重量轻2-3g，链接距离远>5米（安卓），传感器丰富PPG、3D加速度、体温。

便捷的接入方案

• 麦克风阵列封装版：轻薄封装厚度仅8mm，无需占用额外空间，声学可靠，安装快捷，支持表贴/嵌入，结构要求大幅降低。
• AI背包和机器人头部：即插即用无需改动硬件，交互功能全支持，声学保障、科技外观，结构小巧、可夹可贴，支持从语音到多模态的全链路交互。

多种噪音场景下的降噪方案

• 低噪音5人办公室/家居书房：麦板封装版接入。
• 高噪音20人办公室/展会展厅/嘈杂街道/酒店大厅：机器人多模态套件线性四麦、环形六麦、前后双四麦。
• 外挂式AI背包：噪音程度接入难度不同，多模态软核授权裸板接入开发量大、声学结构设计复杂，外形结构贴合，适合量产产品开发量小、声学结构设计简单，外形有影响，适合小批量开发。

自由的交互方式

• 全离线接入：支持端侧大模型、本地RAG、离线转写合成、全链路交互，大小脑主板系统计算核心提供强大AI算力，确保算法模型高效、实时本地运行。
• 端云融合接入：控制指令端侧极速响应、复杂交互云边弹性扩展，让轻量设备享受云端无限能力，端侧处理毫秒级响应、断网可用，云端交互复杂意图理解、信源扩展。

全球覆盖与多语言支持

覆盖东南亚、中国、中东及非洲、欧洲和北美等主要区域，支持公有云和私有化部署，包括翻译助手（支持40+种语言实时翻译）、智能设备控制（支持IoT、智能家居等设备语音控制）、知识问答助手（支持企业内部知识的即时问答）、智能家居语音控制等。

机器人智能控制

通过RobotClaw实现机器人智能控制，所说即所得自主执行，硬件层激光雷达、压力传感器、麦克风阵列、RGB摄像头、深度相机、双目视觉、IMU等多模态感知融合，任务规划与执行、记忆与自学习、自主推理与决策、自然语言理解与交互。

人机交互未来展望

未来人机交互将更融合视觉、声音和触觉等感知能力，更多元交互模式如多模态交互、脑机接口、虚实结合具身智能，交互结果类人方式直接反馈，用人工智能建设美好世界，解放生产力，释放想象力。