智能座艙技術的場景化創新

文 / 本刊記者 黎沖森

智能座艙在交互技術、車載機器人和車載語音交互等領域有哪些新發展？

智能網聯汽車逐漸走入人們的現實生活，汽車產品的競爭也逐步走向汽車交互設計和綜合用戶體驗的競爭。為探索相關技術在智能網聯汽車座艙領域的發展和交互設計在汽車行業的應用，6月19日上午，2021中國汽車論壇舉行了主題論壇之“智能座艙創新技術論壇”。

本場主題論壇由同濟大學智能汽車交互設計實驗室王建民主持，中國汽車工業協會總工程師、副秘書長葉盛基，上海國際汽車城（集團）有限公司總經理潘曉紅，澳門科技大學澳門系統工程研究所副教授韓子天，同濟大學智能汽車交互設計實驗室主任、教授由芳，華為加拿大研究中心HMI實驗室人因工程高級研究員鄧園，地平線副總裁、車載智能交互產品總經理張宏志，中科創達汽車事業部產品經理王志杰，科大訊飛汽車事業部高級產品總監邢猛，ANSYS Inc.聲學專家李彥昊和愛數智慧創始人兼CEO張晴晴等做了主旨發言，共同探索智能座艙在交互技術、車載機器人和車載語音交互等領域的最新發展。期間，還發布了《車載智能機器人技術白皮書》。

車載機器人的兩個技術方向

電動化、智能化、網聯化、數據化的技術革命浪潮推動著汽車產業快速升級。人工智能、5G通信和大數據等技術的深度融合和應用，重構著汽車產業的新格局。同時，新的消費模式和服務業態蓬勃興起。葉盛基說：“智能座艙就是汽車智能化進程中重要的技術產物，也是近兩年來智能網聯領域探索的熱點和重點所在。智能座艙是汽車品牌實現產品差異化和升級化的首要切入點之一，有著千億級規模的市場前景。”潘曉紅也認為，智能座艙是汽車行業尤其智能網聯汽車的技術集大成者，是汽車技術創新的產物。

而車載機器人就是智能座艙技術發展的重要方向之一。機器人是AI的載體，通過車上的場景呈現出來。車載機器人是交互的演進，把車載機器人從實驗室帶到實際量產車上是很大的創新。韓子天認為，未來車載機器人有兩個重要的技術發展方向。

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

一般來講，服務機器人有視覺、語音、前端智能和環境感知三類智能。這也是人類所具有的智能，能看東西，也能講話。搭載AI技術的目的是讓它模仿和重復人類的行為，提升整體駕駛體驗。而車載機器人主要是擺脫車上交互的設備感和指令感，由HMI向HRI進化。

韓子天認為，其交互的擬人化可以從五方面著手：其一，語音交互。車上大量交互、指令都是通過語音進行，所以要讓語音交互更自然，和人類的語言更貼近，因此要提升其擬人化程度。其二，多通道融合，包括人臉、手勢等交互。其三，智能體要擁有明確的人設。它不是機器，要有名字、性格和年齡，需要有人設。其四，要有主動交互能力。機器人不同于設備，它有主動性才能體現出機器人的性能。其五，情感判斷和反饋智能。這五點是目前在技術上兌現擬人化的方法。

二是主動交互。主動交互在交互設計里比較重要，而目前很多交互都是被動的，一個指令一個回答，甚至一個指令過去都沒有回答。主動交互能體現機器人的擬人化，能讓人感受到它的智能。主動交互可以讓車更智能，在一定程度上替代重復性工作，幫助人們解放了重復工作的場景。主動交互是未來人機交互和人工智能系統的重要發展方向，由此實現“千人千面”。

怎樣兌現主動交互？韓子天認為，主動交互可以從三方面兌現：首先，給機器人增加主動打招呼問候；其次，本地語音語調可以主動學習；最后，用戶習慣記憶。前兩點相對容易實現，最后一點怎么實現？實現方法就是從人工智能著手。

對于智能駕駛中的人機合作與交互，由芳認為，智能座艙設計首先要安全，其次是娛樂、開會、打電話和玩游戲等。人和自動駕駛形成伙伴關系，在此基礎上研究共同感知和決策。以往的HMI都要考慮功能性，現在自動化越來越先進，未來將出現自適應及智能化功能。當智能化越來越高的時候，要把機器人做得像人一樣聰明。到這個階段就需要考慮人車交互問題，考慮它的認知能力和決策能力。這是現在很多做智能算法和智能技術比較關注的。但智能座艙是一種復雜系統，需要有專門的設計方法。

智能座艙人機交互中的挑戰

但是，在智能座艙中，人機交互存在不少挑戰，其中重要挑戰之一是文化。

目前語音交互技術在智能座艙里被廣泛使用，由于語音交互具有不占據手眼資源的優勢，這種交互方式得到了用戶的積極肯定。隨著自動駕駛技術的不斷成熟和應用，駕駛員的注意力資源也得到了進一步釋放，有可能進行更多非駕駛相關的娛樂性活動。

在很多生活場景中，出現了機器人交互和虛擬數字人交互等。這些交互模擬了人和人的互動過程，因此帶來更加友好、自然和沉浸式的交互體驗。人們也期待這樣的交互體驗向智能座艙遷移。而自動駕駛的應用為數字人交互和機器人交互向車內遷移提供了可能性。

但鄧園認為，從語音交互轉變為機器人交互可能面臨文化挑戰。為什么機器人交互會帶來文化方面的挑戰？因為機器人交互和傳統人機交互最大的不同點是人和機器人交互還存在一層社會屬性。有研究發現，當智能語音助手被實體化為機器人，則被視為社會存在。人們會不自然地認為機器人不僅是機器，而是可以進行社交的個體。還有研究發現，當實體機器人和沒有實體的虛擬語音助手相比時，人們與實體機器人進行交互時會產生更強的情感聯系，會把人和人之間的互動方式、習慣和觀念等投射到與機器人交互過程中。

鄧園說：“不同國家、社會、民族和群體有自己獨特的交互方式、習慣和觀念。這些差異會體現在與機器人的交互過程中。因此，在與機器人的交互上，文化差異是必然存在的。”

比如，中國和加拿大年輕人在這方面就存在一些共同點和差異點。如共同點之一：在語音助手的使用上都有豐富的跨場景使用語音助手的經驗，包括在車內環境都使用過語音助手，對語音助手有很高的接納度，認為語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音助手，你希望它是什么角色？他們就給出了兩個不同的角色選擇：一個是作為駕駛過程中的陪伴者，這是非常擬人化的角色；一個是完成駕駛相關任務的工具，這是完全沒有擬人化的角色。結果顯示，中國年輕人里超過七成受訪者選擇了陪伴者，而在加拿大的年輕人里超過九成的受訪者選擇了工具。

目前車載語音交互已經成為智能座艙必備的功能需求。而語音交互能力是車載機器人交互的核心，但要保證其核心功能不斷優化，才能滿足年輕一代對于智能座艙體驗的高期待。鄧園說：“當我們在考慮要不要有車載機器人以及對車載機器人如何進行產品設計和交互設計的時候，應該考慮潛在社會文化因素，包括機器人的形象、語氣、用詞和互動方式等。將來，當國內車廠有機會把智能座艙、車載機器人技術推廣到其他國家市場的時候，要深入挖掘相關文化差異及其背后的原因，進行本地化調整非常必要。”

智能場景引擎賦能

從2020年開始，人機交互趨勢發生了變革性改變，往情感化方向發展，且要求更加簡單。未來人機交互是什么樣？張宏志認為，從可實現性角度來講，用戶最關心的是車載AI場景應用，但場景應用需要算法，需要開發工具，需要底層計算架構支持，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景，即智能場景引擎。王志杰說：“我們可以把場景分解成模塊、能力和事件三部分。模塊是對能力的承載，對智能座艙環境來講包含車端模塊和云端模塊，也包含車內能力和云端能力。能力有屬性，能力值的變化會引起關聯其他能力值的變化，進而形成事件。而把三個事件串聯起來，就會形成具體場景。”

因此，王志杰認為，從模塊角度可以把智能場景分解成人、車和路三部分。其中“人”包括車內駕駛員、車內乘客及相關聯的屬性，比如賬號、IoT設備等；“車”上有非常多的傳感器、設備都可以關聯；“路”包括路上的車輛信息和行人信息等。構建多種場景，滿足個性化、情感化和場景化的用戶需求。有了場景后，用戶可以滿足私人定制的要求，也可以滿足情感化的需求，對車的互動形成用戶黏性。對整車廠來講，基于服務庫形成場景庫，并通過場景引擎賦能給最終用戶使用。

王志杰說，設想場景引擎發展路徑可分為三個級別：L1級別是傳統車概念，所有功能都預先設定好，交付到最終用戶手里的時候，定制化部分非常少；L2級別是現在正在經歷的過程，把車機部分能力開放出來，基于車機服務能力做定制；L3級別是要把車上所有能力都開放出來，并于云端能力形成大服務能力池，基于服務能力池做非常多的定制。

智能場景引擎編好后，直接推送到車端立刻執行。如果場景有些偏差，可以修改。王志杰說：“車上的服務、云端的服務和第三方生態的服務都可以作為能力抽象出來集成，并通過場景引擎打通服務后，再從云端做好服務編排，通過腳本的方式下滑過來，可以在車端執行。場景引擎可以做成跨平臺的，底下可以用Linux等都沒關系，是獨立的SDK方式，甚至可以布置智能家居、獨立機器人。智能場景引擎可與車載虛擬機器人相結合。”

全方位聲音交互提升體驗

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

如何做到不給乘客帶來煩惱？在智能座艙，可根據用戶需求，在這五個方面設計全方位聲音交互。據李彥昊介紹，綜合考慮這些因素，可以對聲音設計流程進行設計：一是定義做什么樣的聲音；二是引入聲音設計工程師幫助設計聲音；三是對聲音做主觀評價；四是把評價反饋給聲音設計師，并不斷迭代，最后把聲音改到目標需求；五是做更實際的體驗，有可能在虛擬座艙中根據虛擬座艙中的駕駛環境觸發不同場景的聲音，體驗聲音是不是符合交互感覺，是不是能給駕駛員帶來更好的駕駛體驗；六是實車體驗，連接車上的車機，根據車內實時信號觸發不同聲音，調試聲音，知道聲音是不是能在不同場景進行觸發，并且帶來真實體驗，而不是讓人聽起來不舒服；七是整車集成，通過硬件、實際實施方式集成到車機里，給最終用戶帶來很好的聲音體驗。基于此環節進行完整創作，最終集成。

“語音交互最大的優勢是穿透力，把簡單、自然發揮到極致。”邢猛認為，從語音到多模一定是發展趨勢，因為不可能依靠語音解決所有問題，因此可以建立以人-車-廠為驅動的多模。多模感知的融合一定不是單模，而是多模高感知技術的融合，同時多維數據更好地協同，目的是提升用戶體驗和交互體驗。語音交互和聲音交互座艙聲音管理一定是一體化協同的。從多模態合成到多維度合成，多維度合成是情緒的面部表情表達和情緒語言表達展現在一起。

語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。張晴晴說：“圍繞人機交互的場景有語音識別、語音合成和自然語言理解三個核心點，而對話式AI 數據推動著智能座艙語音交互的發展。目前這三部分在落地的時候都會有痛點。針對這種場景提供相應數據處理系統的私有化部署能力有三個數據處理平臺，即語音標注審核平臺、文本標注審核平臺和音頻/視頻多模態標注審核平臺。事實上，除了語音交互外，現在開始進入多模態狀態，包括視覺、圖像等都可以圍繞多維度對用戶行為進行分析，這是智能座艙很重要的發展方向。”