服務(wù)機(jī)器人想要達(dá)到智能化程度，定位導(dǎo)航、人機(jī)交互及環(huán)境交互這三大通用底層技術(shù)必不可少，上一篇對(duì)于定位導(dǎo)航技術(shù)我們已做出詳細(xì)講解，感興趣的小伙伴可點(diǎn)擊《智能機(jī)器人三大核心技術(shù)（一）》進(jìn)行查看。在擁有基礎(chǔ)的自主定位導(dǎo)航技術(shù)后，機(jī)器人想要進(jìn)一步發(fā)揮自身作用，還需要擁有人機(jī)交互能力。人機(jī)交互技術(shù)可讓機(jī)器人進(jìn)一步了解人類，了解用戶訴求，從而為用戶提供更個(gè)性化的服務(wù)。

從第一代以鍵盤鼠標(biāo)為交互方式的PC互聯(lián)網(wǎng)時(shí)代，到第二代以觸屏為主的移動(dòng)互聯(lián)網(wǎng)時(shí)代，再到今天以多模態(tài)人機(jī)交互方式的第三代互聯(lián)網(wǎng)，人機(jī)交互形式發(fā)生了巨大的變化。

目前，人機(jī)交互技術(shù)主要包含語(yǔ)音識(shí)別、語(yǔ)義理解、人臉識(shí)別、圖像識(shí)別、體感/手勢(shì)交互等技術(shù)。通過(guò)語(yǔ)音識(shí)別、合成、理解等技術(shù)，實(shí)現(xiàn)更精準(zhǔn)的營(yíng)銷和專屬服務(wù)。通過(guò)人臉識(shí)別，可幫助商家精準(zhǔn)的識(shí)別用戶，并主動(dòng)與用戶打招呼，提升用戶體驗(yàn)……。這些交互方式的改變將會(huì)深層次的影響我們?nèi)粘Ｉ畹膽?yīng)用場(chǎng)景。

基于語(yǔ)音的人機(jī)交互是當(dāng)前人機(jī)交互技術(shù)中最為主要的表現(xiàn)形式，語(yǔ)音人機(jī)交互過(guò)程中包含信息輸入和輸出的交互、語(yǔ)音處理、語(yǔ)義分析、智能邏輯處理以及知識(shí)和內(nèi)容的整合。結(jié)合語(yǔ)音人機(jī)交互過(guò)程，在人機(jī)交互中的關(guān)鍵技術(shù)中包含了自然語(yǔ)音處理、語(yǔ)義分析和理解、知識(shí)構(gòu)建和學(xué)習(xí)體系、語(yǔ)音技術(shù)、整合通信技術(shù)以及云計(jì)算處理技術(shù)。

自然語(yǔ)音處理技術(shù)：包括中文分詞、詞性標(biāo)注、實(shí)體識(shí)別、句法分析、自動(dòng)文本分類等技術(shù)。

語(yǔ)義分析和理解：包括知識(shí)表示、本體理論、分領(lǐng)域的語(yǔ)義網(wǎng)絡(luò)、機(jī)器推理等。

知識(shí)構(gòu)建和學(xué)習(xí)體系：包括搜索技術(shù)、網(wǎng)絡(luò)爬蟲(chóng)、數(shù)據(jù)挖掘、知識(shí)獲取、機(jī)器學(xué)習(xí)等技術(shù)。

語(yǔ)音技術(shù)：包括語(yǔ)音識(shí)別、語(yǔ)音合成和聲紋識(shí)別等。

整合通信技術(shù)：包括跨平臺(tái)即時(shí)通訊整合技術(shù)、超大負(fù)載消息集群處理技術(shù)、移動(dòng)客戶端開(kāi)發(fā)技術(shù)。

云計(jì)算技術(shù)：包括海量數(shù)據(jù)分布式存儲(chǔ)、統(tǒng)計(jì)和分析技術(shù)。

經(jīng)過(guò)科研人員的不斷努力，目前語(yǔ)音交互技術(shù)已成功進(jìn)入商用門檻，如今在智能手機(jī)、智能音箱、智能臺(tái)燈等設(shè)備中大多采用了語(yǔ)音人機(jī)交互技術(shù)，隨著語(yǔ)音人機(jī)交互技術(shù)應(yīng)用價(jià)值的逐漸顯現(xiàn)，眾多企業(yè)紛紛布局語(yǔ)音人機(jī)交互領(lǐng)域，如科大訊飛、谷歌、捷通華聲等企業(yè)。隨著布局企業(yè)的不斷增多，語(yǔ)音人機(jī)交互的產(chǎn)業(yè)規(guī)模也在不斷擴(kuò)大，并帶動(dòng)了機(jī)器人、家電、汽車等相關(guān)產(chǎn)業(yè)的發(fā)展。

除了語(yǔ)音人機(jī)交互，基于視覺(jué)的人機(jī)交互技術(shù)也是目前研究的一大熱點(diǎn)，對(duì)于一個(gè)人來(lái)說(shuō)最為主觀的就是看臉部表情，未來(lái)機(jī)器人也需要理解人的感情，這當(dāng)中就會(huì)涉及到人臉識(shí)別技術(shù)，包括特征提取及分類，目前在該技術(shù)中，對(duì)于人類基本的七種表情識(shí)別率可達(dá)到百分之八十左右，當(dāng)然目前還是一些比較明顯的表情，如在高興或者發(fā)怒的情況下，但在人的自然交流過(guò)程中，人的表情還是比較平淡的，對(duì)于機(jī)器人來(lái)說(shuō)，目前還難以達(dá)到準(zhǔn)確的分辨效果，這些過(guò)程是需要進(jìn)行一些更加復(fù)雜的特征來(lái)提取。

當(dāng)然，除了對(duì)臉部表情的理解，手勢(shì)也是人最為直接的表現(xiàn)形式，通過(guò)一些手勢(shì)也可以達(dá)到很多的命令，不同的手勢(shì)形狀可以構(gòu)成不同的動(dòng)作指令。雖然手勢(shì)有很多種，但可以找到比較容易記憶的手勢(shì)，然后進(jìn)行交互。

手勢(shì)識(shí)別是人機(jī)交互的重要手段之一，通過(guò)手部的動(dòng)作直接控制計(jì)算機(jī)，相比傳統(tǒng)的鍵盤、鼠標(biāo)等控制方式，具有自然直觀和便于學(xué)習(xí)等優(yōu)點(diǎn)。

目前常用的手勢(shì)識(shí)別方法主要包括基于神經(jīng)網(wǎng)絡(luò)的識(shí)別方法、基于隱馬爾可夫模型的識(shí)別方法和基于幾何特征的識(shí)別方法。基于神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別方法，具有抗干擾、自組織、自學(xué)習(xí)且抗 噪聲能力等優(yōu)點(diǎn)，但訓(xùn)練時(shí)需要采集的樣本量大，且對(duì)時(shí)間序列的處理能力不強(qiáng)。基于隱馬爾可夫模型的識(shí)別方法，能夠細(xì)致的描述手勢(shì)信號(hào)，但拓?fù)浣Y(jié)構(gòu)一般，計(jì)算量相對(duì)較大。基于幾何特征的識(shí)別方法，是根據(jù)手的區(qū)域及邊緣 幾何特征關(guān)系進(jìn)行手勢(shì)識(shí)別，該方法無(wú)需對(duì)手勢(shì)進(jìn)行時(shí)間上的分割，計(jì)算量小，

隨著移動(dòng)機(jī)器人和手勢(shì)識(shí)別的發(fā)展，人機(jī)交互技術(shù)也在不斷更新，自從微軟推出Kinect體感外設(shè)以來(lái)，自然的人機(jī)交互成為當(dāng)前的研究熱點(diǎn)，通過(guò)Kinect外設(shè)，可以解除人們受鍵盤、鼠標(biāo)等傳統(tǒng)交互方式的束縛，具有重要的意義。