智能互動(dòng)機(jī)器人的嘴巴：6個(gè)功能模塊組成

一般來(lái)說(shuō)，服務(wù)機(jī)器人“嘴巴”(人機(jī)對(duì)話系統(tǒng))由6個(gè)功能模塊組成，其外形和系統(tǒng) 結(jié)構(gòu)如圖2.5所示。

(1)語(yǔ)音識(shí)別模塊。該模塊將從音頻輸入設(shè)備中獲得的用戶語(yǔ)音信號(hào)所包含的詞匯 內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可以讀的文本信息或命令。

(2)自然語(yǔ)言理解模塊。得到的文本信息或命令需要經(jīng)過(guò)語(yǔ)言理解模塊的分析才能獲取用戶話語(yǔ)的語(yǔ)義信息，主要目的是將自然語(yǔ)言的表達(dá)形式轉(zhuǎn)換成計(jì)算機(jī)內(nèi)部所表示 的形式化語(yǔ)言，然后經(jīng)過(guò)計(jì)算和推導(dǎo)后獲取用戶的意圖。

(3)對(duì)話管理模塊。人機(jī)對(duì)話系統(tǒng)是用戶和計(jì)算機(jī)按照特定次序互相獲取對(duì)方信息 來(lái)完成特定任務(wù)的過(guò)程，此過(guò)程要對(duì)話管理模塊來(lái)進(jìn)行有效的控制管理。其主要根據(jù)當(dāng) 前用戶的話語(yǔ)信息，結(jié)合領(lǐng)域知識(shí)和對(duì)話歷史來(lái)確定用戶意圖，并決定系統(tǒng)下一步將要 采取的動(dòng)作，如返回查詢結(jié)果，對(duì)用戶意圖的猜測(cè)詢問(wèn)，出錯(cuò)提示等。

(4)后臺(tái)服務(wù)處理模塊。該模塊完成系統(tǒng)的管理業(yè)務(wù)，例如數(shù)據(jù)庫(kù)查詢和管理等工 作。它在對(duì)話管理模塊的控制之下工作。

5)自然語(yǔ)言生成模塊。該模塊用來(lái)將系統(tǒng)輸出信息轉(zhuǎn)換成用戶可以理解的自然語(yǔ)言格式，將對(duì)話管理模塊輸出的詢問(wèn)、確認(rèn)、澄清、查詢結(jié)果信息等轉(zhuǎn)變成用戶能夠理解 的自然語(yǔ)言。

(6)語(yǔ)音生成模塊。語(yǔ)音生成也稱為語(yǔ)音合成，該技術(shù)是將自然語(yǔ)言文本格式轉(zhuǎn)換 成為語(yǔ)音格式，Z終以聲音的方式將處理結(jié)果輸 出給用戶。下面介紹幾個(gè)服務(wù)機(jī)器人“嘴巴”的 實(shí)例。

近年來(lái)，SCUT “智能計(jì)算機(jī)”科研團(tuán)隊(duì)也對(duì) 聊天機(jī)器人展開(kāi)了研究，如圖2.6所示。他們開(kāi) 發(fā)的SCUT 聊天機(jī)器人包括攝像頭及驅(qū)動(dòng)模塊、 語(yǔ)音拾取模塊、語(yǔ)音識(shí)別模塊、知識(shí)查詢模塊、語(yǔ) 音生成模塊；攝像頭捕獲人臉圖像，語(yǔ)音信號(hào)經(jīng) 由語(yǔ)音拾取模塊和語(yǔ)音識(shí)別模塊后識(shí)別出語(yǔ)義，聊天機(jī)器人根據(jù)用戶的語(yǔ)音來(lái)了解用戶的需求，

然后通過(guò)知識(shí)查詢模塊來(lái)形成會(huì)話語(yǔ)句，再通過(guò)語(yǔ)音生成模塊生成語(yǔ)音與用戶進(jìn)行交 流。該聊天機(jī)器具有語(yǔ)音識(shí)別和理解能力，它能夠聽(tīng)懂用戶指令，可以應(yīng)用于學(xué)校、家 庭、賓館、公司、機(jī)場(chǎng)、車站、碼頭、會(huì)議等地進(jìn)行教育、聊天、會(huì)話、咨詢等服務(wù)；它還可以 為用戶提供宣傳介紹、來(lái)訪接待、辦事查詢、文秘服務(wù)、外語(yǔ)翻譯等。

日本日立公司也研制了一臺(tái)智能機(jī)器人EMIEW, 它的個(gè)頭和小孩一樣，依靠輪子移 動(dòng)，如圖2.7(a)所示。由于身上裝有數(shù)碼相機(jī)和雷達(dá)探測(cè)器，它可以自動(dòng)地躲避障礙物。 同時(shí)它的詞匯儲(chǔ)備量達(dá)到100多個(gè)，能夠?qū)σ恍┖?jiǎn)單的聲音指令做出反應(yīng)，并且還能夠 和人進(jìn)行簡(jiǎn)單的對(duì)話交流，甚至播報(bào)天氣預(yù)報(bào)等。第二代 EMIEW2 機(jī)器人可以通過(guò)無(wú) 線電裝置接收指令，然后毫不費(fèi)力地在辦公室之間來(lái)回奔波，為辦公室人員跑腿。它站 立時(shí)身高大約為31.5英寸，體重為29磅。它能夠?qū)φ系K物應(yīng)付自如，對(duì)人的語(yǔ)音做出 回應(yīng)，并且一次充電后即可工作1小時(shí)。此外，能說(shuō)5國(guó)語(yǔ)言的機(jī)器人及與人對(duì)話的機(jī) 器人也已經(jīng)誕生了，如圖2.7(b) 所示。在我國(guó)舉辦的日語(yǔ)演講大賽現(xiàn)場(chǎng)上，參加比賽的 選手以及日語(yǔ)院校的學(xué)生不但與該機(jī)器人進(jìn)行了交流互動(dòng)，而且該機(jī)器人還獻(xiàn)上了許多 精彩舞蹈和歌曲。