近日，上海智能谷產(chǎn)業(yè)園迎來了一場科技與未來交匯的盛會(huì)——中國人形機(jī)器人生態(tài)大會(huì)（CHREC 2024）?？拼笥嶏w作為參與者，也是推動(dòng)者，攜其精心打造的機(jī)器人超腦平臺(tái)，向世界展示了其基于星火大模型的多模態(tài)交互系統(tǒng)。這一系統(tǒng)的亮相，無疑為大會(huì)增添了濃厚的科技色彩，也進(jìn)一步彰顯了科大訊飛在人工智能領(lǐng)域的領(lǐng)先地位。

科大訊飛開放平臺(tái)研發(fā)總監(jiān)劉可為在會(huì)上發(fā)表了題為“多模態(tài)+大模型，構(gòu)建人形機(jī)器人新交互”的主題演講。他表示，科大訊飛機(jī)器人超腦平臺(tái)是以訊飛超腦2030技術(shù)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(xùn)練、資產(chǎn)生成和軟硬件接入為核心的機(jī)器人開發(fā)平臺(tái)，不僅能夠幫助開發(fā)者快速搭建多場景適配，并且具備深厚知識(shí)底蘊(yùn)、擅長自我進(jìn)化。

隨著大模型技術(shù)的發(fā)展，以具身智能為代表的人形機(jī)器人成為發(fā)展的新趨勢。面對(duì)功能更多樣、任務(wù)更專業(yè)、交互更自然、決策更智能的挑戰(zhàn)，訊飛機(jī)器人超腦平臺(tái)從終端多模態(tài)交互和大模型理解決策兩個(gè)方面出發(fā)，構(gòu)建人形機(jī)器人的新交互模式。首先，通過視聽融合的感知交互，實(shí)現(xiàn)了包含開啟交互、保持交互、切換交互權(quán)和結(jié)束交互在內(nèi)的機(jī)器人交互新范式。其次，基于大模型的機(jī)器人交互大腦，實(shí)現(xiàn)了控制級(jí)指令、官方技能、核心業(yè)務(wù)功能、快速知識(shí)問答、閑聊陪伴等多交互場景的統(tǒng)一。最后，開放了虛擬人驅(qū)動(dòng)協(xié)議，滿足不同數(shù)字人的接入需求。訊飛機(jī)器人超腦平臺(tái)的愿景是，利用AI推動(dòng)機(jī)器人產(chǎn)業(yè)的發(fā)展，讓機(jī)器人走進(jìn)千家萬戶。

在活動(dòng)現(xiàn)場，科大訊飛展示的機(jī)器人超腦平臺(tái)多模態(tài)人機(jī)交互系統(tǒng)吸引了眾多參觀者的目光。該系統(tǒng)解決了機(jī)器人在嘈雜環(huán)境下聽、說、理解和思考的難題，展示了科大訊飛先進(jìn)的多模態(tài)算法。借助這套系統(tǒng)，機(jī)器人不僅能實(shí)現(xiàn)語音識(shí)別、自然語言處理等基礎(chǔ)功能，還具備人像識(shí)別、唇形識(shí)別等多種感知能力。更令人稱贊的是，這套系統(tǒng)能夠在人流密集、環(huán)境嘈雜的服務(wù)場景中精準(zhǔn)捕捉到用戶的聲音，并運(yùn)用訊飛星火大模型深入分析客戶的自然語言語義，精確理解用戶意圖。

同時(shí)，訊飛擬人的語音技術(shù)使得機(jī)器人回復(fù)語言更具人性化，能夠與用戶進(jìn)行更加親切自然的交流。目前，科大訊飛的多模態(tài)交互系統(tǒng)已被廣泛應(yīng)用于數(shù)字人一體機(jī)、商用及家用服務(wù)機(jī)器人等多種設(shè)備中，其在智能家居、智慧零售、教育等領(lǐng)域的賦能作用尤為突出。

展望未來，科大訊飛將繼續(xù)深耕人工智能領(lǐng)域，不斷推動(dòng)技術(shù)創(chuàng)新和應(yīng)用。我們有理由相信，隨著技術(shù)的不斷進(jìn)步和應(yīng)用的不斷擴(kuò)展，機(jī)器人將在更多領(lǐng)域發(fā)揮更大的作用，為人類創(chuàng)造更加美好的未來。而科大訊飛，作為人工智能領(lǐng)域的佼佼者，將攜手眾多合作伙伴，共同推動(dòng)機(jī)器人產(chǎn)業(yè)的蓬勃發(fā)展，讓科技的力量更好地服務(wù)人類社會(huì)。

關(guān)鍵詞：