科大讯飞想做人形机器人公司的“卖铲人”

6月底的科大讯飞星火大模型4.0版本发布会上，一款名为“机器人超脑平台”的产品推出升级版，但得到的曝光时间不足2分钟。不过这款产品的一大目标客户群，当前正置身火热的AI“淘金”风口：人形机器人。

科大讯飞开放平台研发总监刘可为负责“机器人超脑平台”的研发。近日接受南都记者采访时他介绍说，这款产品主要服务于机器人的“头脑”运转。相较于传统智能硬件的收音方案和直接调用通用大模型的已有做法，科大讯飞提供一套软硬件一体的集成方案：端侧融合麦克风和摄像头，以视听融合的方式用于机器人的感知与交互；云端则以星火大模型为底座构建机器人“大脑”，实现指令的理解与决策。

人形机器人开展任务执行的前提，是能够准确接收人类发出的讯号。刘可为说，不同于传统机器人可通过触控或者遥控的方式控制，人形机器人更多以语音作为主要的交互形式。为了应对嘈杂环境下的降噪需求，科大讯飞从两个方面入手处理：声学结构方面，在人形机器人的身体前后安装各4个麦克风，进行360度声源定位；降噪算法上，在麦克风阵列基础上增加一个摄像头，识别人脸和嘴唇。结合唇形检测、音频特征提取和目标跟踪，机器人能判断和追踪该特定对象的说话语音，屏蔽杂音。

听觉灵敏的需求之外，人机对话的顺畅运行还离不开机器人“大脑”的理解和决策性能。“机器人超脑平台”将这部分任务交给讯飞星火大模型，让机器人理解复杂问题，在应用场景中完成指令识别、专业知识的问答和陪伴闲聊。

对话输出能力尤其关乎人形机器人在商用和家用场景的落地。人形机器人厂商目前的研发重心多落脚在运动能力提升，但刘可为认为，当运动问题逐步解决之后，人机交互问题将成为下一项重要关切。科大讯飞对此的做法是以讯飞星火大模型为底座，针对人机交互场景定制优化，合成输出拟人化的口语表达，而不是让人产生疏离感的完美无瑕声音。

据刘可为介绍，目前已有410家机器人企业采用了“机器人超脑平台”方案，覆盖国内约六成的人形机器人厂商，包括优必选、宇树科技、智元机器人、银河通用、人形机器人创新中心（上海）等头部玩家。

星火大模型4.0版本发布会上列出的代表客户

6月14日，人形机器人“独角兽”企业智元机器人公司和科大讯飞签订战略合作协议。公开信息披露，此次科大讯飞与智元机器人的战略合作，将为讯飞机器人超脑平台带来更为丰富的应用场景和实验数据。双方还会探索建立人形机器人语音交互技术标准。

刘可为表示，科大讯飞与机器人厂家的合作主要集中在两个方面：一是将“机器人超脑平台”嵌入人形机器人本体，打磨和优化产品的效果；另一方面则是探索人形机器人在实际业务场景下的落地，推动人形机器人的商业化进程。

科大讯飞也试图借助和人形机器人公司的合作，获得技术等层面的反馈。刘可为说，机器人本体用上“超脑平台”之后，能产生许多实际业务场景中的操作数据，可以用来分析和优化算法的性能，进而提升机器人的响应速度和交互执行的准确性。此外，有时候机器人厂商对“机器人超脑平台”提出定制化需求，讯飞如果研判此种需求具备通用性，会将该功能予以标准化。

采写：南都见习记者 杨柳