arXiv cs.AI· Graham Wilcock, Kristiina Jokinen·· 1 天前AI 评分20
社交机器人话太多听太少：多模态双向流式传输如何减少轮次切换失败
Robots That Talk Too Much and Don't Listen Enough
AI 导读
社交机器人自然语音交互的主要障碍已从语音识别错误转向轮次切换失败等误解，这类问题仍过于普遍。这篇短文回顾了以往改进语音识别与轮次切换的方法，并指出当前需要多模态双向流式传输来降低轮次切换失败频率。
正文 · AI 翻译
摘要：直到最近，与社交机器人进行自然口语交互的最大障碍仍是语音识别错误和话轮转换失败。语音识别的进步使得口语交互大为改善，但话轮转换失败和其他误解仍然过于普遍。这篇短文回顾了早期用于改善与社交机器人交互中语音识别和话轮转换的方法，然后探讨了如今可以采取的措施，并主张需要多模态双向流式处理来降低话轮转换失败的频率。
| 评论： | 4 页，3 幅图，发表于 EMF Workshop，HRI 2026，苏格兰爱丁堡 |
| 主题： | 机器人学（cs.RO）；人工智能（cs.AI）；人机交互（cs.HC） |
| 引用为： | arXiv:2611.16473 [cs.RO] |
| （或 arXiv:2611.16473v1 [cs.RO] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.16473 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Graham Wilcock [查看电子邮件]
[v1]
2026 年 11 月 12 日星期四 08:32:18 UTC（6,718 KB）
来源：arXiv cs.AI · arxiv.org