Key points are not available for this paper at this time.
Die Fähigkeit von Robotern, mit ihren eigenen Ohren gleichzeitig mehrere Dinge zu hören, das heißt Roboteraudition, ist wichtig für die Verbesserung der Mensch-Roboter-Interaktion. Das kritische Problem bei der Roboterhörverarbeitung ist die Echtzeitverarbeitung in lauten Umgebungen mit hoher Flexibilität, um verschiedene Arten von Robotern und Hardwarekonfigurationen zu unterstützen. Dieses Papier präsentiert eine Open-Source-Software für die Roboterhörverarbeitung, die „HARK“ genannt wird und die Lokalisierung von Schallquellen, Trennung und automatische Spracherkennung (ASR) umfasst. Da getrennte Klänge unter spektraler Verzerrung aufgrund der Trennung leiden, erzeugt HARK eine zeit-frequency-Karte der Zuverlässigkeit, die „Missing Feature Mask“ genannt wird, für Merkmale der getrennten Klänge. Anschließend werden die getrennten Klänge anhand der auf der Missing-Feature-Theorie (MFT) basierenden ASR mit Missing Feature Masks erkannt. HARK wird auf der Middleware „FlowDesigner“ implementiert, um interaktive Audiodaten zu teilen, die eine Echtzeitverarbeitung ermöglichen. Die Leistung von HARK bei der Erkennung von verrauschten/gleichzeitigen Sprache wird anhand von drei humanoiden Robotern, Honda ASIMO, SIG2 und Robovie mit unterschiedlichen Mikrofonanordnungen gezeigt.
Nakadai et al. (Di,) haben diese Frage untersucht.