近年科技展上的人形機器人，已經能夠行走、避障、搬運物品，甚至完成過去難以想像的精細操作；但當人們真正站到機器人面前，嘗試與它交談時，它還是可能出現聽錯指令、在錯誤的時間回應等問題，甚至只要周圍多出幾個說話者，就無法判斷聲音從哪裡來。
冰島的聲學模擬與空間音訊技術公司 Treble Technologies，其共同創辦人暨商務長 Gunnar Pétur Hauksson 認為，機器人能不能被人類廣泛接受，最後不只取決於它看得多準、走得多穩，更取決於人們能否自然地與它溝通。
因為語音互動直接影響的不只是便利性，還包括信任、安全與工作效率。
機器人的顯性動作容易量化，可以作為明顯指標
機器人公司通常會先發展「看得懂」和「動得了」的能力，因為這些能力比較容易測試和展示；例如可以計算機器人走路的速度、成功拿起物品的次數，以及辨認物體的準確率，而且這些成果也很容易透過影片讓大家看見。
此外，電腦視覺技術已經發展得相當成熟，相關的資料、AI 模型和訓練工具都比較完整；像NVIDIA Isaac Sim 這類模擬平台，還能讓工程師在虛擬環境中反覆測試機器人如何走路、避開障礙物和拿取物品，不必每次都在真實世界中測試。
問題是，這些訓練環境大多以視覺資訊為核心，幾乎沒有真正的聲音。這並非業界沒有意識到聽覺的重要，而是在運算資源、工程人力和商業競爭下，開發者自然會優先處理資料充足、指標明確，而且成果容易展示的能力。
但現實是機器人的工作環境並不是無噪音的。工廠有機械運轉聲，展場同時存在多人交談，街道上有車流，家中也可能出現電視、人聲和移動中的聲源。聲音還會受到牆面反射、空間大小和物體材質影響。人類可以在這些混亂條件下辨認對話，現有機器人卻常在離開安靜實驗室後失去穩定性。
而人類對溝通錯誤的容忍度，往往比對動作的瑕疵更低。一台走路稍微僵硬的機器人，仍可能被視為可以使用；但如果它反覆聽錯、答非所問，或者回應節奏總是慢半拍，使用者很快就會感到厭煩。
演化留下的線索：聽覺是一層持續運作的重要感知
具有生物學背景的 Hauksson 從人類演化提出另一個觀察，他指出，在人腦處理感官資訊的資源分配中，視覺占比最高；聽覺雖然較低，但依不同情境估計仍占感官處理工作量約 15% 至 20%，是僅次於視覺的重要感官。
人類投入大量資源處理聲音，反映聽覺對於辨識環境、判斷意圖和維持溝通的重要性。若生物智慧需要如此可觀的聽覺能力才能在物理世界生存，機器人也很難只靠攝影機完成相同任務。
再者，聽覺與視覺扮演的角色也不相同。視覺主要處理視野範圍內的資訊，聲音卻能提醒人們注意身後或遠處正在發生的變化。透過音量、方向和頻率，人可以判斷物體正在接近還是離開；透過語速、停頓和語氣，也能辨認對方是平靜、急迫還是具有敵意。因此，聽覺不是視覺的附屬功能，而是一層持續運作、補足視覺盲區的感知系統。
語音更不只是把一串文字轉成聲音而已。人類溝通還包含節奏、回應時機、細微語調和情緒訊號。同一句話在不同語氣下，可能傳達完全不同的意圖。機器人若只能辨識字面內容，卻無法理解這些聲音線索，就仍然難以真正進入人類的社交與工作環境。
機器人聽覺卡關：音訊資料難蒐集，模擬又耗運算資源
機器人聽覺發展落後的另一個原因是，高品質音訊資料難以大量取得。視覺模型可以從網路蒐集圖片，再進行分類與標註；聲音一旦脫離錄製環境，許多關鍵脈絡就會消失。
同一句話在不同房間、距離、方位、麥克風和背景噪音下，機器收到的訊號可能完全不同。若要保留這些條件，真實世界的採集與標註成本便會迅速提高。
利用模擬資料訓練是一條可能的出路，但聲音會受到空間形狀、牆面材質和周圍環境影響。場景中看似很小的變化，都可能改變聲音的反射、變小或變大的程度，以及抵達麥克風的時間。因此，要準確模擬聲音，需要大量運算。過去多數系統只能用較簡單的模型，生成的聲音也就不一定像真實環境。
聲學模擬成解方，聽覺或成機器人下一競爭戰場
不過這個問題正在逐步改善。Treble Technologies 正打造高精度聲學模擬平台與 Treble SDK，希望生成包含空間聲音、設備特性和聲音方向的合成資料，讓模擬環境更接近真實世界。
依 Treble Technologies 的說法，相關平台已被多家科技公司用於開發音訊系統，這代表聲音資料未來可能不必完全依賴昂貴、難以大量取得的真實錄音，而能透過模擬持續產生，成為 AI 訓練的重要資源。
總體而言，聽覺和語音互動可能成為機器人產業在未來的主要競爭點。這項能力的重要性，也來自人類對溝通失敗格外敏感。
動作不夠流暢，可能只是技術尚未成熟；反覆聽錯與答非所問，卻會讓人直接懷疑機器是否可靠。
隨著聲學模擬逐步成熟，過去卡在資料取得與真實環境重現的聽覺 AI，才有機會走向類似視覺模型的規模化訓練。
從實驗室到產線，機器人正重新定義產業的樣貌。如果你也想站在第一線追蹤這場變革、寫出有觀點與洞察力的報導，《TechOrange 科技報橘》正在徵內容編輯！
👉了解職缺內容
＊本文開放合作夥伴轉載，參考資料：《The Robot Report》、《M4Snews》，圖片來源：Unsplash
（責任編輯：鄒家彥）
