智能座艙技術(shù)的場(chǎng)景化創(chuàng)新

文 / 本刊記者 黎沖森

智能座艙在交互技術(shù)、車載機(jī)器人和車載語(yǔ)音交互等領(lǐng)域有哪些新發(fā)展？

智能網(wǎng)聯(lián)汽車逐漸走入人們的現(xiàn)實(shí)生活，汽車產(chǎn)品的競(jìng)爭(zhēng)也逐步走向汽車交互設(shè)計(jì)和綜合用戶體驗(yàn)的競(jìng)爭(zhēng)。為探索相關(guān)技術(shù)在智能網(wǎng)聯(lián)汽車座艙領(lǐng)域的發(fā)展和交互設(shè)計(jì)在汽車行業(yè)的應(yīng)用，6月19日上午，2021中國(guó)汽車論壇舉行了主題論壇之“智能座艙創(chuàng)新技術(shù)論壇”。

本場(chǎng)主題論壇由同濟(jì)大學(xué)智能汽車交互設(shè)計(jì)實(shí)驗(yàn)室王建民主持，中國(guó)汽車工業(yè)協(xié)會(huì)總工程師、副秘書長(zhǎng)葉盛基，上海國(guó)際汽車城（集團(tuán)）有限公司總經(jīng)理潘曉紅，澳門科技大學(xué)澳門系統(tǒng)工程研究所副教授韓子天，同濟(jì)大學(xué)智能汽車交互設(shè)計(jì)實(shí)驗(yàn)室主任、教授由芳，華為加拿大研究中心HMI實(shí)驗(yàn)室人因工程高級(jí)研究員鄧園，地平線副總裁、車載智能交互產(chǎn)品總經(jīng)理張宏志，中科創(chuàng)達(dá)汽車事業(yè)部產(chǎn)品經(jīng)理王志杰，科大訊飛汽車事業(yè)部高級(jí)產(chǎn)品總監(jiān)邢猛，ANSYS Inc.聲學(xué)專家李彥昊和愛(ài)數(shù)智慧創(chuàng)始人兼CEO張晴晴等做了主旨發(fā)言，共同探索智能座艙在交互技術(shù)、車載機(jī)器人和車載語(yǔ)音交互等領(lǐng)域的最新發(fā)展。期間，還發(fā)布了《車載智能機(jī)器人技術(shù)白皮書》。

車載機(jī)器人的兩個(gè)技術(shù)方向

電動(dòng)化、智能化、網(wǎng)聯(lián)化、數(shù)據(jù)化的技術(shù)革命浪潮推動(dòng)著汽車產(chǎn)業(yè)快速升級(jí)。人工智能、5G通信和大數(shù)據(jù)等技術(shù)的深度融合和應(yīng)用，重構(gòu)著汽車產(chǎn)業(yè)的新格局。同時(shí)，新的消費(fèi)模式和服務(wù)業(yè)態(tài)蓬勃興起。葉盛基說(shuō)：“智能座艙就是汽車智能化進(jìn)程中重要的技術(shù)產(chǎn)物，也是近兩年來(lái)智能網(wǎng)聯(lián)領(lǐng)域探索的熱點(diǎn)和重點(diǎn)所在。智能座艙是汽車品牌實(shí)現(xiàn)產(chǎn)品差異化和升級(jí)化的首要切入點(diǎn)之一，有著千億級(jí)規(guī)模的市場(chǎng)前景?！迸藭约t也認(rèn)為，智能座艙是汽車行業(yè)尤其智能網(wǎng)聯(lián)汽車的技術(shù)集大成者，是汽車技術(shù)創(chuàng)新的產(chǎn)物。

而車載機(jī)器人就是智能座艙技術(shù)發(fā)展的重要方向之一。機(jī)器人是AI的載體，通過(guò)車上的場(chǎng)景呈現(xiàn)出來(lái)。車載機(jī)器人是交互的演進(jìn)，把車載機(jī)器人從實(shí)驗(yàn)室?guī)У綄?shí)際量產(chǎn)車上是很大的創(chuàng)新。韓子天認(rèn)為，未來(lái)車載機(jī)器人有兩個(gè)重要的技術(shù)發(fā)展方向。

一是車載機(jī)器人擬人化。光有屏很難做擬人化，需要有一些形象，無(wú)論實(shí)體還是虛擬形象，而車載機(jī)器人就是這樣的載體。車載機(jī)器人是服務(wù)機(jī)器人里的社交機(jī)器人，是個(gè)人交互機(jī)器人。社交機(jī)器人強(qiáng)調(diào)社交屬性、情感屬性和個(gè)人屬性。它往往更需要擬人化，功能主要是提供駕駛輔助信息，提升人機(jī)交互能力。機(jī)器人是硬件，搭載了AI技術(shù)后才具有智能化屬性。

一般來(lái)講，服務(wù)機(jī)器人有視覺(jué)、語(yǔ)音、前端智能和環(huán)境感知三類智能。這也是人類所具有的智能，能看東西，也能講話。搭載AI技術(shù)的目的是讓它模仿和重復(fù)人類的行為，提升整體駕駛體驗(yàn)。而車載機(jī)器人主要是擺脫車上交互的設(shè)備感和指令感，由HMI向HRI進(jìn)化。

韓子天認(rèn)為，其交互的擬人化可以從五方面著手：其一，語(yǔ)音交互。車上大量交互、指令都是通過(guò)語(yǔ)音進(jìn)行，所以要讓語(yǔ)音交互更自然，和人類的語(yǔ)言更貼近，因此要提升其擬人化程度。其二，多通道融合，包括人臉、手勢(shì)等交互。其三，智能體要擁有明確的人設(shè)。它不是機(jī)器，要有名字、性格和年齡，需要有人設(shè)。其四，要有主動(dòng)交互能力。機(jī)器人不同于設(shè)備，它有主動(dòng)性才能體現(xiàn)出機(jī)器人的性能。其五，情感判斷和反饋智能。這五點(diǎn)是目前在技術(shù)上兌現(xiàn)擬人化的方法。

二是主動(dòng)交互。主動(dòng)交互在交互設(shè)計(jì)里比較重要，而目前很多交互都是被動(dòng)的，一個(gè)指令一個(gè)回答，甚至一個(gè)指令過(guò)去都沒(méi)有回答。主動(dòng)交互能體現(xiàn)機(jī)器人的擬人化，能讓人感受到它的智能。主動(dòng)交互可以讓車更智能，在一定程度上替代重復(fù)性工作，幫助人們解放了重復(fù)工作的場(chǎng)景。主動(dòng)交互是未來(lái)人機(jī)交互和人工智能系統(tǒng)的重要發(fā)展方向，由此實(shí)現(xiàn)“千人千面”。

怎樣兌現(xiàn)主動(dòng)交互？韓子天認(rèn)為，主動(dòng)交互可以從三方面兌現(xiàn)：首先，給機(jī)器人增加主動(dòng)打招呼問(wèn)候；其次，本地語(yǔ)音語(yǔ)調(diào)可以主動(dòng)學(xué)習(xí)；最后，用戶習(xí)慣記憶。前兩點(diǎn)相對(duì)容易實(shí)現(xiàn)，最后一點(diǎn)怎么實(shí)現(xiàn)？實(shí)現(xiàn)方法就是從人工智能著手。

對(duì)于智能駕駛中的人機(jī)合作與交互，由芳認(rèn)為，智能座艙設(shè)計(jì)首先要安全，其次是娛樂(lè)、開(kāi)會(huì)、打電話和玩游戲等。人和自動(dòng)駕駛形成伙伴關(guān)系，在此基礎(chǔ)上研究共同感知和決策。以往的HMI都要考慮功能性，現(xiàn)在自動(dòng)化越來(lái)越先進(jìn)，未來(lái)將出現(xiàn)自適應(yīng)及智能化功能。當(dāng)智能化越來(lái)越高的時(shí)候，要把機(jī)器人做得像人一樣聰明。到這個(gè)階段就需要考慮人車交互問(wèn)題，考慮它的認(rèn)知能力和決策能力。這是現(xiàn)在很多做智能算法和智能技術(shù)比較關(guān)注的。但智能座艙是一種復(fù)雜系統(tǒng)，需要有專門的設(shè)計(jì)方法。

智能座艙人機(jī)交互中的挑戰(zhàn)

但是，在智能座艙中，人機(jī)交互存在不少挑戰(zhàn)，其中重要挑戰(zhàn)之一是文化。

目前語(yǔ)音交互技術(shù)在智能座艙里被廣泛使用，由于語(yǔ)音交互具有不占據(jù)手眼資源的優(yōu)勢(shì)，這種交互方式得到了用戶的積極肯定。隨著自動(dòng)駕駛技術(shù)的不斷成熟和應(yīng)用，駕駛員的注意力資源也得到了進(jìn)一步釋放，有可能進(jìn)行更多非駕駛相關(guān)的娛樂(lè)性活動(dòng)。

在很多生活場(chǎng)景中，出現(xiàn)了機(jī)器人交互和虛擬數(shù)字人交互等。這些交互模擬了人和人的互動(dòng)過(guò)程，因此帶來(lái)更加友好、自然和沉浸式的交互體驗(yàn)。人們也期待這樣的交互體驗(yàn)向智能座艙遷移。而自動(dòng)駕駛的應(yīng)用為數(shù)字人交互和機(jī)器人交互向車內(nèi)遷移提供了可能性。

但鄧園認(rèn)為，從語(yǔ)音交互轉(zhuǎn)變?yōu)闄C(jī)器人交互可能面臨文化挑戰(zhàn)。為什么機(jī)器人交互會(huì)帶來(lái)文化方面的挑戰(zhàn)？因?yàn)闄C(jī)器人交互和傳統(tǒng)人機(jī)交互最大的不同點(diǎn)是人和機(jī)器人交互還存在一層社會(huì)屬性。有研究發(fā)現(xiàn)，當(dāng)智能語(yǔ)音助手被實(shí)體化為機(jī)器人，則被視為社會(huì)存在。人們會(huì)不自然地認(rèn)為機(jī)器人不僅是機(jī)器，而是可以進(jìn)行社交的個(gè)體。還有研究發(fā)現(xiàn)，當(dāng)實(shí)體機(jī)器人和沒(méi)有實(shí)體的虛擬語(yǔ)音助手相比時(shí)，人們與實(shí)體機(jī)器人進(jìn)行交互時(shí)會(huì)產(chǎn)生更強(qiáng)的情感聯(lián)系，會(huì)把人和人之間的互動(dòng)方式、習(xí)慣和觀念等投射到與機(jī)器人交互過(guò)程中。

鄧園說(shuō)：“不同國(guó)家、社會(huì)、民族和群體有自己獨(dú)特的交互方式、習(xí)慣和觀念。這些差異會(huì)體現(xiàn)在與機(jī)器人的交互過(guò)程中。因此，在與機(jī)器人的交互上，文化差異是必然存在的?！?/p>

比如，中國(guó)和加拿大年輕人在這方面就存在一些共同點(diǎn)和差異點(diǎn)。如共同點(diǎn)之一：在語(yǔ)音助手的使用上都有豐富的跨場(chǎng)景使用語(yǔ)音助手的經(jīng)驗(yàn)，包括在車內(nèi)環(huán)境都使用過(guò)語(yǔ)音助手，對(duì)語(yǔ)音助手有很高的接納度，認(rèn)為語(yǔ)音助手是很好的生活小幫手。但雙方也存在差異：如果車上配備了車載語(yǔ)音助手，你希望它是什么角色？他們就給出了兩個(gè)不同的角色選擇：一個(gè)是作為駕駛過(guò)程中的陪伴者，這是非常擬人化的角色；一個(gè)是完成駕駛相關(guān)任務(wù)的工具，這是完全沒(méi)有擬人化的角色。結(jié)果顯示，中國(guó)年輕人里超過(guò)七成受訪者選擇了陪伴者，而在加拿大的年輕人里超過(guò)九成的受訪者選擇了工具。

目前車載語(yǔ)音交互已經(jīng)成為智能座艙必備的功能需求。而語(yǔ)音交互能力是車載機(jī)器人交互的核心，但要保證其核心功能不斷優(yōu)化，才能滿足年輕一代對(duì)于智能座艙體驗(yàn)的高期待。鄧園說(shuō)：“當(dāng)我們?cè)诳紤]要不要有車載機(jī)器人以及對(duì)車載機(jī)器人如何進(jìn)行產(chǎn)品設(shè)計(jì)和交互設(shè)計(jì)的時(shí)候，應(yīng)該考慮潛在社會(huì)文化因素，包括機(jī)器人的形象、語(yǔ)氣、用詞和互動(dòng)方式等。將來(lái)，當(dāng)國(guó)內(nèi)車廠有機(jī)會(huì)把智能座艙、車載機(jī)器人技術(shù)推廣到其他國(guó)家市場(chǎng)的時(shí)候，要深入挖掘相關(guān)文化差異及其背后的原因，進(jìn)行本地化調(diào)整非常必要?！?/p>

智能場(chǎng)景引擎賦能

從2020年開(kāi)始，人機(jī)交互趨勢(shì)發(fā)生了變革性改變，往情感化方向發(fā)展，且要求更加簡(jiǎn)單。未來(lái)人機(jī)交互是什么樣？張宏志認(rèn)為，從可實(shí)現(xiàn)性角度來(lái)講，用戶最關(guān)心的是車載AI場(chǎng)景應(yīng)用，但場(chǎng)景應(yīng)用需要算法，需要開(kāi)發(fā)工具，需要底層計(jì)算架構(gòu)支持，需要底層芯片算力支撐。

在此背景下，人們需要定義自己的智能場(chǎng)景，即智能場(chǎng)景引擎。王志杰說(shuō)：“我們可以把場(chǎng)景分解成模塊、能力和事件三部分。模塊是對(duì)能力的承載，對(duì)智能座艙環(huán)境來(lái)講包含車端模塊和云端模塊，也包含車內(nèi)能力和云端能力。能力有屬性，能力值的變化會(huì)引起關(guān)聯(lián)其他能力值的變化，進(jìn)而形成事件。而把三個(gè)事件串聯(lián)起來(lái)，就會(huì)形成具體場(chǎng)景?！?/p>

因此，王志杰認(rèn)為，從模塊角度可以把智能場(chǎng)景分解成人、車和路三部分。其中“人”包括車內(nèi)駕駛員、車內(nèi)乘客及相關(guān)聯(lián)的屬性，比如賬號(hào)、IoT設(shè)備等；“車”上有非常多的傳感器、設(shè)備都可以關(guān)聯(lián)；“路”包括路上的車輛信息和行人信息等。構(gòu)建多種場(chǎng)景，滿足個(gè)性化、情感化和場(chǎng)景化的用戶需求。有了場(chǎng)景后，用戶可以滿足私人定制的要求，也可以滿足情感化的需求，對(duì)車的互動(dòng)形成用戶黏性。對(duì)整車廠來(lái)講，基于服務(wù)庫(kù)形成場(chǎng)景庫(kù)，并通過(guò)場(chǎng)景引擎賦能給最終用戶使用。

王志杰說(shuō)，設(shè)想場(chǎng)景引擎發(fā)展路徑可分為三個(gè)級(jí)別：L1級(jí)別是傳統(tǒng)車概念，所有功能都預(yù)先設(shè)定好，交付到最終用戶手里的時(shí)候，定制化部分非常少；L2級(jí)別是現(xiàn)在正在經(jīng)歷的過(guò)程，把車機(jī)部分能力開(kāi)放出來(lái)，基于車機(jī)服務(wù)能力做定制；L3級(jí)別是要把車上所有能力都開(kāi)放出來(lái)，并于云端能力形成大服務(wù)能力池，基于服務(wù)能力池做非常多的定制。

智能場(chǎng)景引擎編好后，直接推送到車端立刻執(zhí)行。如果場(chǎng)景有些偏差，可以修改。王志杰說(shuō)：“車上的服務(wù)、云端的服務(wù)和第三方生態(tài)的服務(wù)都可以作為能力抽象出來(lái)集成，并通過(guò)場(chǎng)景引擎打通服務(wù)后，再?gòu)脑贫俗龊梅?wù)編排，通過(guò)腳本的方式下滑過(guò)來(lái)，可以在車端執(zhí)行。場(chǎng)景引擎可以做成跨平臺(tái)的，底下可以用Linux等都沒(méi)關(guān)系，是獨(dú)立的SDK方式，甚至可以布置智能家居、獨(dú)立機(jī)器人。智能場(chǎng)景引擎可與車載虛擬機(jī)器人相結(jié)合?！?/p>

全方位聲音交互提升體驗(yàn)

我們知道，聲音有很多維度，可以給駕乘體驗(yàn)提供很多很好的價(jià)值。而電動(dòng)汽車的特點(diǎn)在于非常安靜，由此它能給我們創(chuàng)造交互聲音提供更多的空間。而交互式聲音首先服務(wù)駕駛員，給駕駛員提供各種各樣功能交互聲音，同時(shí)也給乘客和行人提供不同的聲音。李彥昊說(shuō)，服務(wù)不同乘客的聲音可分為五個(gè)維度：車內(nèi)氛圍音、ADAS駕駛輔助聲音、人機(jī)交互聲音、SAF駕駛反饋聲音和電動(dòng)車低速行駛提示音。

如何做到不給乘客帶來(lái)煩惱？在智能座艙，可根據(jù)用戶需求，在這五個(gè)方面設(shè)計(jì)全方位聲音交互。據(jù)李彥昊介紹，綜合考慮這些因素，可以對(duì)聲音設(shè)計(jì)流程進(jìn)行設(shè)計(jì)：一是定義做什么樣的聲音；二是引入聲音設(shè)計(jì)工程師幫助設(shè)計(jì)聲音；三是對(duì)聲音做主觀評(píng)價(jià)；四是把評(píng)價(jià)反饋給聲音設(shè)計(jì)師，并不斷迭代，最后把聲音改到目標(biāo)需求；五是做更實(shí)際的體驗(yàn)，有可能在虛擬座艙中根據(jù)虛擬座艙中的駕駛環(huán)境觸發(fā)不同場(chǎng)景的聲音，體驗(yàn)聲音是不是符合交互感覺(jué)，是不是能給駕駛員帶來(lái)更好的駕駛體驗(yàn)；六是實(shí)車體驗(yàn)，連接車上的車機(jī)，根據(jù)車內(nèi)實(shí)時(shí)信號(hào)觸發(fā)不同聲音，調(diào)試聲音，知道聲音是不是能在不同場(chǎng)景進(jìn)行觸發(fā)，并且?guī)?lái)真實(shí)體驗(yàn)，而不是讓人聽(tīng)起來(lái)不舒服；七是整車集成，通過(guò)硬件、實(shí)際實(shí)施方式集成到車機(jī)里，給最終用戶帶來(lái)很好的聲音體驗(yàn)?；诖谁h(huán)節(jié)進(jìn)行完整創(chuàng)作，最終集成。

“語(yǔ)音交互最大的優(yōu)勢(shì)是穿透力，把簡(jiǎn)單、自然發(fā)揮到極致?！毙厦驼J(rèn)為，從語(yǔ)音到多模一定是發(fā)展趨勢(shì)，因?yàn)椴豢赡芤揽空Z(yǔ)音解決所有問(wèn)題，因此可以建立以人-車-廠為驅(qū)動(dòng)的多模。多模感知的融合一定不是單模，而是多模高感知技術(shù)的融合，同時(shí)多維數(shù)據(jù)更好地協(xié)同，目的是提升用戶體驗(yàn)和交互體驗(yàn)。語(yǔ)音交互和聲音交互座艙聲音管理一定是一體化協(xié)同的。從多模態(tài)合成到多維度合成，多維度合成是情緒的面部表情表達(dá)和情緒語(yǔ)言表達(dá)展現(xiàn)在一起。

語(yǔ)音交互方式本身是信息的主要載體，是座艙里非常重要的落地點(diǎn)。張晴晴說(shuō)：“圍繞人機(jī)交互的場(chǎng)景有語(yǔ)音識(shí)別、語(yǔ)音合成和自然語(yǔ)言理解三個(gè)核心點(diǎn)，而對(duì)話式AI 數(shù)據(jù)推動(dòng)著智能座艙語(yǔ)音交互的發(fā)展。目前這三部分在落地的時(shí)候都會(huì)有痛點(diǎn)。針對(duì)這種場(chǎng)景提供相應(yīng)數(shù)據(jù)處理系統(tǒng)的私有化部署能力有三個(gè)數(shù)據(jù)處理平臺(tái)，即語(yǔ)音標(biāo)注審核平臺(tái)、文本標(biāo)注審核平臺(tái)和音頻/視頻多模態(tài)標(biāo)注審核平臺(tái)。事實(shí)上，除了語(yǔ)音交互外，現(xiàn)在開(kāi)始進(jìn)入多模態(tài)狀態(tài)，包括視覺(jué)、圖像等都可以圍繞多維度對(duì)用戶行為進(jìn)行分析，這是智能座艙很重要的發(fā)展方向?！?/p>