當眾多行業(yè)還在探索大模型接入時，機器人行業(yè)已率先迭代，特別是在人形機器人領域。微軟、亞馬遜、谷歌、智元機器人、優(yōu)必選、宇樹等科技公司紛紛入局，馬斯克公布了大模型加持的Optimus（擎天柱）第二代機器人，OpenAI則與人形機器人初創(chuàng)公司Figure合作推出了Figure 01機器人。

過去，語音識別、計算機視覺、自然語言理解等智能技術，推動機器人在多領域成為市場“寵兒”。數(shù)據(jù)顯示，當前我國工業(yè)機器人銷量已占全球一半以上，連續(xù)10年居世界首位。大模型時代，機器人行業(yè)迎來全新的發(fā)展機遇，新一代人機交互與具身智能正在重新定義！

機器人運動能力大幅提升 交互和腦力升級亟待突破

從1927年美國西屋造出第一臺人形機器人Televox，到AlphaGo擊敗人類棋手成為第一個戰(zhàn)勝圍棋世界冠軍的機器人，再到波士頓動力的機器人能夠流暢奔跑、倒立、跳馬甚至跳舞，機器人在智慧和運動上的能力持續(xù)突破。

然而，與科幻電影中呈現(xiàn)的全能機器人相比，現(xiàn)實中的機器人仍有很大的差距。在我們所處的物理現(xiàn)實世界里，機器人更接近于一種可編程的特定用途設備，在實現(xiàn)“聽得清、聽得懂、有溫度的交流”方面，它們的表現(xiàn)尚未達到理想水準。

多模態(tài)感知和行為決策構成了機器人的關鍵技能。然而，在與這些機器進行交互時，用戶常常面臨這樣的挑戰(zhàn)：

復雜環(huán)境下的機器人交互挑戰(zhàn)：在醫(yī)院、商場這樣的繁忙公共場所中，用聲音與機器人溝通往往伴隨著識別錯誤。例如，當你在地鐵里請求“購買一張到大東門的票”，嘈雜的環(huán)境可能會干擾機器的聽力，導致它難以立即準確回應，有時你甚至需要多次重復指令。

▲ 復雜環(huán)境下，人機交互容易出現(xiàn)語音識別錯誤

自由解釋意圖和計劃行動的挑戰(zhàn)：很多機器人搭載了簡單的聊天功能，能應對諸如“北京有哪些旅游景點？”或“講個笑話”等簡單查詢。但當問題稍微復雜，比如提出“如何安排五一假期三天游北京？”時，機器人可能就無法正確理解，并有可能給出錯誤或完全不相關的答復，后續(xù)更無法執(zhí)行正確的行動。

最后是對于更貼近人類情感的需求：傳統(tǒng)機器人通常僅能提供基于預設程序的標準響應，其語調(diào)聽起來生硬且缺乏感情。由于它們難以捕捉人類語音中的情緒變化，有時會造成不合時宜的情況，比如在你悲傷時試圖開玩笑，這限制了它們在情感上與人產(chǎn)生共鳴的能力。

如何讓機器人能在更復雜場景下執(zhí)行任務，更好地理解我們，滿足我們的需求？大模型在自然語言連續(xù)對話、通識理解、少樣本/零樣本學習等能力的突破，帶來曙光。

大模型加持機器人超腦平臺 為機器人注入“靈魂”

作為人工智能國家隊，訊飛很早就開始了在機器人產(chǎn)業(yè)的布局。

2022科大訊飛全球1024開發(fā)者節(jié)上，訊飛正式對外發(fā)布了訊飛機器人超腦平臺。機器人超腦平臺是以“訊飛超腦2030”技術為底座，面向物理世界、虛擬世界和元宇宙，以AI能力星云、多模態(tài)交互、大模型、模型訓練、資產(chǎn)生成和軟硬件接入為核心的機器人開發(fā)平臺，幫助開發(fā)者快速搭建多場景適配、具有深厚知識底蘊以及擅長自我進化的實體機器人和虛擬數(shù)字人產(chǎn)品。

面對功能更多樣、任務更專業(yè)、交互更自然、決策更智能的挑戰(zhàn)，訊飛機器人超腦平臺再次升級，全面接入訊飛星火認知大模型，從終端多模態(tài)交互和大模型理解決策兩個方面出發(fā)，構建面向機器人的新交互，賦能機器人發(fā)展進入到一個全新的階段。

▲ 接入星火大模型的訊飛機器人超腦平臺

視聽融合的感知交互：平臺融合了語音、視覺、語義等多個維度的信息，定義了包含開啟交互、交互保持、切換交互權和結束交互在內(nèi)的機器人交互新范式。升級麥克風陣列算法，融合人臉和唇形信息，使得機器人能夠在嘈雜、高噪場景下精準拾音，利用語音大模型和超擬人合成使機器人聊天更有生命力，能夠模擬人對話情況下的思考停頓，聲音復刻和高表現(xiàn)力的語音合成能夠提升機器人對話的感染力。

▲視聽融合的感知交互可以在嘈雜環(huán)境下精準拾音

基于大模型的機器人交互大腦：以星火大模型為基礎，實現(xiàn)控制級指令、官方技能、核心業(yè)務功能、快速知識問答、閑聊陪伴的多交互場景的統(tǒng)一。通過設計多風格多情感的AI人設，讓每一個機器人都與眾不同。整個體驗會變得非常自然，像和身邊的朋友交流一樣，提供給我們更多的情緒價值。

▲人形機器人準確執(zhí)行具體指令

據(jù)悉，訊飛機器人超腦平臺現(xiàn)在已為工業(yè)、教育、服務、特種等領域398家企業(yè)提供了服務。

2023科大訊飛全球1024開發(fā)者節(jié)上，科大訊飛董事長劉慶峰表示，下一步訊飛將以人形機器人為牽引，來推動‘視覺-語言-動作’多模態(tài)具身大模型，能夠更好地賦能人形機器人。

在剛剛結束的首屆中國人形機器人產(chǎn)業(yè)大會暨具身智能峰會，科大訊飛榮獲“LeadeRobot 2024年度人形機器人智能革新獎”，并成功入選“人形機器人最具投資價值榜單”。

“星河行動”開啟 打造機器人交互新紀元

2021年12月，《“十四五”機器人產(chǎn)業(yè)發(fā)展規(guī)劃》明確了機器人產(chǎn)業(yè)規(guī)劃的重大意義并提出了機器人產(chǎn)業(yè)規(guī)劃的目標，將中國機器人產(chǎn)業(yè)再一次推向新的高度。

近日，訊飛開放平臺對外宣布，將聯(lián)合訊飛創(chuàng)投正式啟動“星河行動”，面向機器人領域招募生態(tài)合作伙伴，與訊飛共建機器人產(chǎn)業(yè)生態(tài)。通過前沿大模型計劃與機器人產(chǎn)業(yè)的融合，共同建立機器人交互領域全新里程碑。

商湯科技、寒武紀、優(yōu)必選、主線科技等眾多大家熟知的優(yōu)秀獨角獸公司，背后都有訊飛創(chuàng)投參與投資，其管理的創(chuàng)投基金金額超20億元。

科大訊飛此舉將為中國機器人產(chǎn)業(yè)的發(fā)展注入新的力量，讓機器人走進每個家庭變成現(xiàn)實。