无法自然交流的机器人将难以被采用

人形机器人已成为大型科技活动中的常客，展示了令人印象深刻的运动和操作能力。然而，据专注于音频AI的Treble Technologies联合创始人贡纳·彼得·豪克松称，机器人的交流和听觉感知仍然明显落后。

豪克松认为，机器人要在现实世界中运行，需要的不仅仅是视觉。现实环境嘈杂混乱，充满背景噪音和混响。当前的机器人音频系统在此类条件下往往会失灵。机器人行业优先发展视觉，因为数据丰富、模拟工具成熟，但这导致音频被忽视。NVIDIA Isaac Sim等平台加速了视觉领域的进展，但用于训练的环境大多是无声的。

Treble从进化角度审视这一差距。人类将15%至20%的感官处理能力分配给听觉，仅次于视觉。这表明声音对于沟通和情境感知至关重要。如果没有强大的听觉感知，机器人将难以被人类接受。

机器人在沟通方面被要求的标准高于运动方面。听错或反应不当的机器人会令人沮丧，破坏信任。这就是音频在采用过程中显得格外重要的原因。问题不仅在于技术性能，还在于信任的破裂。

音频数据难以获取和扩展。与视觉数据不同，它需要空间关系和环境声学等上下文信息。模拟也具有挑战性，因为声音受波动物理学支配，精确建模计算要求高。许多现有系统依赖简化或非物理模型，限制了其泛化能力。

Treble正致力于通过构建物理精确的声学模拟来改变这一范式。该公司生成高保真声学数据用于训练，模拟到现实的差距极小。这已被多家全球领先科技公司采用。对机器人行业而言，这是一个转折点。随着视觉和运动能力变得司空见惯，沟通将成为差异化关键。

Treble正积极寻求与认识到这一转变的机器人及物理AI团队合作。该公司认为，成功的机器人将取决于其沟通的自然度和直观性。能工作的机器人与被接受的机器人之间的区别，很大程度上在于沟通，而沟通从根本上讲是听觉层面的。

贡纳·彼得·豪克松是Treble Technologies的联合创始人兼首席商务官。他在销售、市场营销和业务发展方面拥有十多年经验。Treble总部位于冰岛雷克雅未克，致力于构建高保真声学模拟基础设施，使声音从模拟走向现实，应用于建筑、设备、车辆和智能机器。