Key points are not available for this paper at this time.
Cet article présente un système d'audition robotique qui reconnaît la parole simultanée dans le monde réel en utilisant des microphones intégrés aux robots. Nous avons précédemment rapporté l'intégration basée sur la théorie des caractéristiques manquantes (MFT) de la séparation des sources sonores (SSS) et de la reconnaissance automatique de la parole (ASR) pour construire une audition robotique robuste. Nous avons démontré qu'un système prototype basé sur la MFT améliorait considérablement les performances de la reconnaissance vocale même lorsque trois locuteurs parlaient à un robot simultanément. Cependant, le système prototype avait trois problèmes : être hors ligne, l'ajustement manuel des paramètres du système, et l'échec de la détection d'activité vocale (VAD). Pour atteindre un traitement en ligne, nous avons introduit une architecture basée sur FlowDesigner pour intégrer la localisation des sources sonores (SSL), SSS et ASR. Cette architecture permet un traitement rapide et une mise en œuvre facile car elle offre un cadre simple d'intégration basée sur des objets partagés. Pour optimiser les paramètres, nous avons développé une optimisation des paramètres basée sur un algorithme génétique (GA), car il est difficile de construire un modèle d'optimisation analytique pour les paramètres du système mutuellement dépendants. Pour améliorer la VAD, nous avons intégré une nouvelle VAD basée sur le spectre de puissance et la localisation d'une source sonore dans le système, car la VAD conventionnelle s'appuyant uniquement sur la puissance échoue souvent en raison du faible rapport signal sur bruit de la parole simultanée. Nous avons ensuite construit un système d'audition robotique pour Honda ASIMO. En conséquence, nous avons montré que le système fonctionnait en ligne et rapidement, et avait une meilleure performance en robustesse et précision à travers des expérimentations sur la reconnaissance de la parole simultanée dans un environnement bruyant et échoique.
Yamamoto et al. (Sun,) ont étudié cette question.