澳博机器人：讲解机器人背后的技术逻辑

一台会主动打招呼、能回答观众提问、还能在人群里自己走路的讲解机器人，到底是怎么做出来的？很多客户用了机器人，但并不清楚背后的技术栈。澳博机器人作为广州本地的自研厂家，拆开来讲讲一台商用服务机器人的"嘴巴、耳朵、大脑和腿脚"。

嘴巴：语音合成不是机械播报

早期导览机器人说话像机器读稿，语调平、没有停顿。现在的语音合成已经接近真人讲解员，但要做到在展厅里长时间讲解不累耳，需要在韵律、停顿和情感表达上持续优化。

澳博的语音合成是自研的，讲解员风格可以按场馆调性调整：博物馆偏沉稳、银行偏专业、学校偏亲切。同一段讲解词，不同场景可以配不同的声音风格。

耳朵：嘈杂环境下的语音识别

机器人的"耳朵"比"嘴巴"更难做。在机场大厅、展会现场，背景噪音可能有七八十分贝，普通麦克风阵列根本分不清人声和环境声。

澳博采用自研的麦克风阵列和语音增强算法，先把背景噪音过滤掉，再做识别。这也是为什么我们的机器人能在白云机场、广州南站长期运行——不是参数写得好看，而是真刀真枪在噪音里磨出来的。

大脑：大语言模型加场馆知识库

机器人不能只会背讲解词。观众会随机提问："厕所在哪""这件展品是哪个朝代的""下一趟高铁几点"。这背后是大语言模型在做语义理解和回答生成。

但完全通用的大模型容易"自由发挥"，讲错展品年代是场馆最不能接受的。澳博的做法是把大语言模型和场馆专属知识库结合：观众提问时，模型基于场馆提供的资料组织回答，既自然又不跑偏。

腿脚：导航、定位和动态避障

机器人在室内走路，靠的是 SLAM（同步定位与建图）技术。开机后它在场地里走一圈，自己建立一张地图，记住展品、柱子、通道的位置。

真正难的是动态避障：观众突然从柱子后面走出来、小朋友冲到机器人前面、人堆里留出一条窄缝。澳博的导航系统实时感知周围环境，自主决定是停下等待、减速绕行还是换条路线。这也是交通枢纽场景必须经过长期实测才能上线的原因。

为什么全部自研，而不是买第三方方案

市面上很多机器人公司是集成商：买别人的语音模组、用开源导航算法、套一个外壳。好处是快，坏处是出了问题找不到人改，想加功能就得求模组厂。

澳博坚持从语音、语义到导航全栈自研，加上广州白云区自建厂房做整机组装，好处是响应快：客户提一个定制需求，研发团队当天就能评估、下周就能改原型。这也是为什么我们能接二次开发和 OEM 合作——底层代码在自己手里。

技术最终要落到场景里验证

再炫的技术，不在真实场景里跑过都不算数。澳博的机器人已经在白云机场、广州南站、广州白云站、建设银行、中国电信、中国移动、广东博物馆、永庆坊、黄埔区图书馆、番禺法院、广州第六十五中学等场景长期运行。

这些场景反过来又在打磨技术：噪音更大了、人流更密了、问题更刁钻了，算法持续迭代。如果你想亲耳听听机器人在噪音下的对话、亲眼看看它在人群里怎么绕路，欢迎到白云区数字化展厅现场体验。