На недавних крупных технологических мероприятиях гуманоидные роботы стали настоящей сенсацией. Некоторые из них демонстрировали уровень ловкости, который еще несколько лет назад казался недостижимым. Однако, несмотря на все эти достижения, взаимодействие с ними по-прежнему оставляет желать лучшего. Это связано с тем, что современные гуманоиды не способны эффективно общаться с людьми, что является одной из центральных проблем, определяющих их принятие в обществе.

Проблемы взаимодействия

Гуманоиды и мобильные физические AI не смогут завоевать доверие людей, пока не научатся эффективно общаться голосом. Это должно происходить не только в контролируемых условиях, но и в реальных, шумных и хаотичных средах, таких как выставочные залы, промышленные объекты, городские улицы и шумные дома. Именно в этих условиях текущие системы аудио и голосового восприятия часто терпят неудачу.

Причины недостатков в аудио

Проблема заключается в том, что звук не был приоритетом в разработке робототехники. Современный конкурентный ландшафт поощряет видимые и измеримые достижения, такие как передвижение и визуальное восприятие. Эти области имеют развитую экосистему, поддерживающую сбор данных, моделирование и обучение. Визуальные данные легко доступны, и улучшения легко продемонстрировать. В то же время, аудио-системы остаются недоразвитыми.

Эволюционная перспектива

С точки зрения эволюции человека, это несоответствие становится более очевидным. Человечество на протяжении тысячелетий выделяло значительные ресурсы на обработку сенсорной информации. Зрение занимает основную долю, но слух также играет важную роль, составляя около 15-20% от общего объема сенсорной нагрузки. Это подчеркивает, насколько важен звук для функционирования в реальном мире, особенно в человеческой среде.

Роль звука в коммуникации

Звук выполняет фундаментально важную роль в интерпретации намерений, поддержании осведомленности и, что наиболее важно, в коммуникации. Через звук мы можем понять, приближается ли что-то, безопасно ли окружение и каково эмоциональное состояние собеседника. Эта способность является необходимой для роботов, поскольку взаимодействие с ними должно быть естественным и интуитивно понятным.

Стандарты взаимодействия

Роботы сталкиваются с более высокими стандартами, чем люди, поскольку они не обладают интуитивным пониманием системы, в которой функционируют. Если робот движется не идеально, это может восприниматься как функциональность. Однако, если он плохо общается, это вызывает разочарование и недоверие. Поэтому качество звука становится критически важным для принятия роботов в обществе.

Проблемы с данными

Одной из причин, по которой аудио остается недоразвитым, является сложность получения качественных аудиоданных. В отличие от визуальных данных, звуковые данные нельзя просто собрать и аннотировать в больших объемах без потери критического контекста. Пространственные отношения, акустика окружения и характеристики устройств играют важную роль в восприятии звука, что делает процесс сбора и аннотирования сложным и дорогим.

Перспективы изменения

Тем не менее, ситуация начинает меняться. Treble Technologies работает над созданием физически точной симуляции звука, что позволяет генерировать большие объемы высококачественных акустических данных. Это открывает новые возможности для разработки и обучения аудиосистем, что может стать поворотным моментом для робототехники.

Будущее взаимодействия

По мере того как возможности роботов в области визуального восприятия и физической способности будут развиваться, ограничивающим фактором станет именно взаимодействие с окружающим миром. Успешные роботы будут определяться не только тем, как хорошо они видят или движутся, но и тем, насколько естественно и интуитивно они могут общаться с людьми. Treble активно ищет партнеров в области робототехники и физического AI, чтобы продвигать эту идею и создавать системы, которые действительно интегрируются в человеческую среду.