據外媒報道，首爾國立大學（Seoul National University，SNU）研究團隊開發(fā)出了一種新穎的聽覺技術，僅使用一個麥克風即可識別人體位置。即使在嘈雜的工廠環(huán)境中，這項技術也能促進人機之間基于聲音的交互。

圖片來源： 首爾國立大學

該研究團隊通過聲源定位和聲學通信技術，成功實現了全球首個“用耳朵感知空間”的3D聽覺傳感器。該研究成果發(fā)表在《Robotics and Computer-Integrated Manufacturing》期刊上。研究團隊包括首爾國立大學工程學院機械工程系Sung-Hoon Ahn教授的團隊。

在工業(yè)和災害救援環(huán)境中，“聲音”起著至關重要的作用。即使在視覺傳感器或電磁通信因高溫、灰塵、煙霧、黑暗或障礙物而失效的情況下，聲波仍然可以傳遞重要信息。

然而，現有的聲學傳感技術存在精度限制或需要復雜的設備配置，使得實際的工業(yè)應用面臨挑戰(zhàn)。因此，盡管聲音具有巨大的潛力，但其作為一種傳感資源尚未得到充分利用。

尤其是在工廠等高噪聲環(huán)境中，先進的聲學傳感技術至關重要，因為準確識別人體位置或使機器人識別口頭指令極其困難。此外，傳統的通信方式在缺乏網絡基礎設施的環(huán)境中也面臨挑戰(zhàn)，這凸顯了利用聲音進行機器人間通信的新型技術的必要性。

為了解決這些根本性問題，研究團隊開發(fā)了全球首個基于元結構的3D聽覺傳感器，該傳感器僅使用單個傳感器即可實現位置識別。該傳感器集成了兩項核心技術：即使在噪聲環(huán)境中也能估算人體或物體3D位置的3D聲學感知技術；以及基于聲波的雙通信技術，該技術能夠實現人與機器人以及機器人之間的全新交互方式。

Ahn教授的團隊專注于研究蝙蝠和海豚的生物學機制，這些生物能夠識別周圍環(huán)境并僅通過聲音進行交流。他們尤其致力于改造聽覺能力，使其能夠“選擇性地聆聽來自特定方向的聲音”，從而能夠在復雜的噪聲中分離出所需的聲音。

為了實現這一目標，他們設計了一種基于元結構的相位抵消機制，可以人工調整來自不同路徑的聲波的相位，從而放大來自特定方向的聲音，同時抵消其他方向的聲音。

通過將該機制與單個麥克風和旋轉裝置相結合，該團隊將3D聲源追蹤功能（此前只有多傳感器系統才能實現）集成到單個傳感器中。他們將該系統命名為3DAR（3D Acoustic Ranging，3D聲學測距）。此外，受海豚雙頻通信原理的啟發(fā)，研究人員設計了一個雙聲學通道，將可聽頻率和不可聽頻率范圍分開。這種結構允許人類和機器人使用可聽頻率（人類可以聽到的聲音）進行通信，而機器人之間則使用不可聽頻率（人類聽不到的聲音）進行通信。這種設計最大限度地減少了干擾，并在機器人之間提供了獨立的通信路徑，從而促進了工業(yè)環(huán)境中更復雜的協作場景。

這兩項技術集成在一個單一的元結構3D聽覺傳感器系統中，研究團隊已成功將其應用于實際的機器人平臺。現場測試已在工廠和日常環(huán)境中進行。值得注意的是，配備該系統的四足機器人成功地通過聲音與人類進行了互動，并通過聲音探測了氣體泄漏的位置。

本研究開發(fā)的技術預計將廣泛應用于各個領域，包括追蹤工廠內工人的位置、實現基于語音的人機協作，以及協助機器人在災難期間識別和響應人類的救援呼叫。此外，與現有系統相比，該傳感器成本低廉、設計緊湊，使其易于在工業(yè)環(huán)境中部署。

這項技術在基于單元的自主制造工廠中尤其被寄予厚望。通過利用這項技術，實時追蹤工人位置可以防止與機器人發(fā)生碰撞，并且無需手勢或按鈕，僅通過聲音與機器人進行通信可以增強工人的身體自由度，從而實現更高效的協作。

此外，機器人之間通過聲音進行通信，無需依賴傳統網絡，因此無需復雜的通信基礎設施，即可在多個機器人之間實現靈活、有機的協調。

該技術預計還將對24小時無人工廠監(jiān)控產生巨大價值。它可以自動檢測并定位指示管道泄漏、機械異?；蚬と耸鹿实穆曇簦瑥亩鴮崿F即時響應。此外，由于其基于單個傳感器的低成本緊湊設計，該系統具有多功能性，可輕松應用于其他正在邁向自動化的工業(yè)場所。

Sung-Hoon Ahn教授強調了聽覺技術的潛力，他指出：“傳統通信技術中使用的電磁波會被墻壁或障礙物阻擋，而聲音可以穿過狹窄的縫隙并被聽到，這使得它成為一種極具潛力的新型交互方式?！?p>

論文第一作者、博士生Semin Ahn回顧了研究過程：“以前，利用聲音確定位置需要多個傳感器或進行復雜的計算。開發(fā)一種僅使用一個旋轉麥克風就能精確定位聲源的3D傳感器，為聲學傳感技術開辟了新的途徑。”

首爾國立大學創(chuàng)新設計與集成制造實驗室的博士生Semin Ahn目前正在研究基于智能結構的“聲學帶通濾波器（Acoustic Band-Pass Filter）”。該技術旨在即使在高噪聲環(huán)境中也能選擇性地捕捉特定頻率的聲音。

未來的計劃是將3DAR系統增強為更先進的機器人聽覺系統，將其與基于大型語言模型（LLM）的認知系統相結合，使機器人能夠像人類一樣理解聲音的含義，并將其應用于人形機器人。