我們再談多模態(tài)交互之智能語音、機(jī)器視覺、移動底盤之間的結(jié)合。

現(xiàn)在講多模態(tài)技術(shù)最難的地方就是各個企業(yè)之間，基本上都在自己熟系的領(lǐng)域去深耕，對相互之間的技術(shù)結(jié)合基本上都不是很熟系，這就困擾多模態(tài)技術(shù)之間的結(jié)合。

從這次1號機(jī)器人網(wǎng)研討會上反饋的信息來看，機(jī)器人企業(yè)期待上游的企業(yè)，如科大訊飛能夠提供再進(jìn)一步的技術(shù)方案，或者有能夠直接提供多模態(tài)交互技術(shù)的產(chǎn)品，而上游的技術(shù)企業(yè)，則認(rèn)為這是終端機(jī)器人產(chǎn)品集成商應(yīng)做的事情。

這就導(dǎo)致我們想要的多模態(tài)技術(shù)交互都是有缺陷的。

在技術(shù)上來說，智能語音、機(jī)器視覺、移動底盤在使用的過程中都還存在問題，這讓很多機(jī)器人企業(yè)非常的折騰。

從移動底盤上來說，深圳市步科電氣有限公司（簡稱：步科）營銷總監(jiān)溫琦說：“移動底盤產(chǎn)品是成熟的，可以應(yīng)用到各種機(jī)器人身上，但是目前確沒有成熟的SLAM技術(shù)方案。”

還比如機(jī)器視覺，很多廠家都說，機(jī)器人植入深度視覺后，在行走的過程中，可以躲避障礙物，但是應(yīng)用到場景里，還是存在很多的問題，比如機(jī)器人前面多幾個人行走，就會導(dǎo)致機(jī)器人行走速度會變得很慢，或者直接不靈了。

最后是智能語音，對很多機(jī)器人企業(yè)而言，目前是最頭疼的問題，因為很多語音企業(yè)都說識別準(zhǔn)確率高達(dá)90%以上，但是從機(jī)器人企業(yè)的反饋來看，應(yīng)用到場景里體驗是不好的。

其實(shí)這里有一個問題，智能語音包括語音與語義，如果語音識別準(zhǔn)確率達(dá)到90%，語義識別準(zhǔn)確率也達(dá)到90%，其實(shí)這兩者是相乘的，一結(jié)合可能就只有81%的識別準(zhǔn)確率。

而且目前我們所涉及的語義還只是文本，對于視頻、圖片、運(yùn)動數(shù)據(jù)等更多元的素材采集，基本上非常困難。

深圳市狗尾草智能科技有限公司（簡稱：狗尾草）首席科學(xué)家張博說：“從多模態(tài)交互的角度去看，在目前的智能語音技術(shù)上，再去擴(kuò)展視頻、圖片、運(yùn)動數(shù)據(jù)等素材采集，我們只能通過語義處理語義，視頻處理視頻等方式去處理，如果要結(jié)合起來是非常困難的。”

先不說把圖片、視頻、文本等結(jié)合，就算以文本的角度去講也很難，小I機(jī)器人售前顧問甘楚輝說：“小I的數(shù)據(jù)庫里，各個領(lǐng)域的知識庫是分開，如果要結(jié)合在一起，占用的資源會變得非常大，對整體的性能影響也會很大，就算要結(jié)合也只能是分開穿線。”

所以在多模態(tài)交互的探索上，我們基本上還處在剛開始的階段。

目前我們先不深入的去探究，站在我們現(xiàn)有的產(chǎn)品集成上，我們可以做到怎樣的多模態(tài)交互。

把智能語音、移動底盤、機(jī)器視覺結(jié)合，目前已有落地的機(jī)器人產(chǎn)品。

比如深圳市銳曼智能技術(shù)有限公司名下的小曼機(jī)器人，當(dāng)我們呼叫小曼機(jī)器人時，它是可以定位我們的聲源，甚至還可以走到我們的面前。

科大訊飛股份有限公司（簡稱：科大訊飛）商務(wù)總監(jiān)廖凱說：“這三者結(jié)合的多模態(tài)交互，在生活中可以做到，我在與機(jī)器人一邊走路，一邊講話的時候，它是可以進(jìn)行人臉的捕捉，移動的追蹤，所以它會在移動時面朝著你，這會讓你感覺非常好。”

就從這三個技術(shù)的成熟度來講，在這次研討會上，很多嘉賓認(rèn)為，以目前的技術(shù)水平，能夠?qū)崿F(xiàn)產(chǎn)品盈利的也只能是玩具級的產(chǎn)品，如果是商用級的產(chǎn)品，我們還需要花很長的時間做研發(fā)投入。

過去我們追捧機(jī)器人+資本的模式，通過資本的進(jìn)入去進(jìn)行產(chǎn)品技術(shù)的研發(fā)，但是這條路從去年以來已經(jīng)變得越來越窄。

如果還只是拿上游企業(yè)的產(chǎn)品，比如：智能語音、移動底盤、機(jī)器視覺，再進(jìn)行定制化場景應(yīng)用的機(jī)器人，估計已經(jīng)很難再拿到資本。

因為很多投資人已經(jīng)知道內(nèi)部的事情，而且也知道內(nèi)部細(xì)節(jié)的難度在哪里。尤其是融合的階段，什么技術(shù)處于可商業(yè)化，什么技術(shù)還達(dá)不到商業(yè)化的階段，所以對機(jī)器人創(chuàng)業(yè)者而來，我們自己也需要理性化，做一些深思熟慮的判斷。

從營銷策略的角度去分析，特別是對于玩具級別的機(jī)器人產(chǎn)品，我們不要過分讓用戶對產(chǎn)品有太高的期望，廖凱說：“我之前有一個客戶是做香味盒，在這個香味盒上植入了語音交互功能，坦白說，他們二次開發(fā)的語音交互體驗做的并不好，但對用戶而言，就算體驗不好，但是它還是可以提供香味需求。”

往往我們能夠抓住跟智能無關(guān)的點(diǎn)，就會有用戶粘性，其實(shí)用戶會給你一個容忍度，給你升級迭代的機(jī)會，但是我們不能給用戶太高的期望。

在商業(yè)級的服務(wù)機(jī)器人里也有成功的例子，溫琦說：“美國企業(yè)做出來的很多機(jī)器人是在商場里做分揀，它不是服務(wù)于人，或與人做交互，而是為商場管理貨物提高效率。”