Autarke Sprachsteuerung Roboter reagieren aufs Wort – auch wenn`s laut wird

Sprachassistenten wie Alexa und Siri erleichtern den privaten Alltag. Doch auch in der Industrie und der Medizintechnik ist das nützlich, um Prozesse zu optimieren.

In vielen Haushalten hat der Einsatz von Sprachassistenten wie Alexa von Amazon und Siri von Apple den Alltag revolutioniert, heißt es. Nach einem so genannten Wake Word („Alexa!“, „Hey Siri“), welches die Applikation aktiviert, übermitteln die Geräte den Wunsch des Bedieners an einen entfernten Server, der den Sprachbefehl analysiert und anschließend das Auswertungsergebnis an das Helferlein zurücksendet. Das nennt sich Keyword spotting (KWS). So werden Musikwünsche erfüllt, ein Film auf die Playlist gesetzt oder das Weihnachtsgeschenk für die Liebste bestellt. Ähnlichkeiten dieses Ablaufs finde sich auch in der Industrie und Medizintechnik, bei denen KWS an Bedeutung zunehme.

Keyword spotting macht effizienter und rettet Leben

Damit können Prozesse beschleunigt und effizienter werden – unter Umständen sogar Leben gerettet. „Die Vorteile sind unübersehbar“, geht Viacheslav Gromov, Geschäftsführer vom KI-Anbieter Aitad, ins Detail. Denn wenn der Mitarbeiter die Maschine in der Produktion mit seiner Stimme steuere, dann bedeute das mehr Flexibilität. Er kann die Geräte aus der Ferne bedienen und muss keine Knöpfe mehr drücken oder auf dem Bildschirm der Maschine seine Eingabe eintippen. Die berührungslose Befehlsübermittlung vermeidet außerdem die Übertragung von Krankheitserregern auf die Systeme. Auch ein gerufener Befehl Stopp, wenn ein Unfall passiert, wirkt schneller als erst zur Maschine zu laufen.

Künstliche Intelligenz

Auch KI braucht ein Onboarding

Spracherkennung in Industrie und Medizintechnik

Die Übertragung von Sprachsignalen an entfernte Server geschieht allerdings im Rahmen von Latenzzeiten, die in sicherheitsrelevanten Umgebungen nicht akzeptabel sind, wie es weiter heißt. Ebenso spielten das Manipulations- und Ausfallrisiko einer Netzwerkverbindung eine Rolle. Der Einsatz in sicherheitskritischen Umgebungen in Industrie und Medizin erfordert folglich Möglichkeiten, die lokal und in Echtzeit arbeiten. Das ist der Punkt, an dem Sprachsteuerungsmodelle ins Spiel kommen, die mit Embedded-KI (künstliche Intelligenz) umgesetzt werden. Dabei werden nicht nur einzelne Wake Words erkannt, sondern bis zu 30 vordefinierte Begriffe, wodurch auch komplexe Befehle formuliert werden können. Ein Schlüsselwort aktiviert wieder das System. Anschließend können komplexe Kombinationen dieser vordefinierten Wortgruppe gesprochen und von der KI ausgewertet werden, die zusammen mit den Mikrofonen auf dem gleichen kleinen Board sitzt („Embedded-KI-Systemkomponente“). Beispiele für solche Sprachbefehle (hier im Beispiel mit „Roboter“ als Wake Word):

• „Roboter, starte Programm A auf Maschine 3“;

• „Roboter, Förderband 6 anhalten“;

• „Roboter, Motor 4 in Maschine 3, erhöhe die Drehzahl um 40 Prozent“;

• „Roboter, Rollstuhl, jetzt links abbiegen“;

• „Roboter, Not-Aus“.

Entscheidend sei aber ein maximales Sicherheitslevel, das durch die lokale Verarbeitung der Sprachdaten – ohne Cloud oder Server – gewährleistet werden müsse. Das betrifft auch die Effizienz, weil die Befehle in Echtzeit direkt im Chip ausgewertet werden und die Maschine dadurch schneller reagiert“, erklärt Gromov weiter.

Individuelle Sprachsteuerung mit unbegrenzten Möglichkeiten

Unternehmen können ihre Sprachsteuerung individuell konfigurieren. Das beginnt bei den Wakewords bis hin zur Wortgruppe. So können maßgeschneiderte Systeme entstehen, die auch in mehreren Sprachen verfügbar sind. Bei Bedarf könnten synthetisch erzeugte Sicherheitsabfragen integriert werden. Die Einsatzmöglichkeiten seien quasi unbegrenzt. Sie reichen von der Steuerung von Maschinen bis hin zur Not-Aus-Aktivierung per Sprachbefehl. Hier einige Beispiele:

• Im Operationssaal kann der Chirurg das Hochfrequenzskalpell per Sprachbefehl starten, justieren und wieder abschalten;

• Berührungsloses Steuern von Maschinen und Geräten in Produktion und Krankenhäusern.

• Not-Aus per Sprachbefehl erspart im Ernstfall den Spurt zum Knopf;

• Menschen mit Assistenzbedarf können beispielsweise den Rollstuhl per Sprache steuern.

Generative KI

Open AI erzeugt jetzt auch Video aus Text-Vorgaben

Die Systeme „hören“ auch in lauter Umgebung

Innovative autarke Embedded-KI-Sprachsteuerungssysteme arbeiten aber nicht nur vollständig lokal und in Echtzeit, sondern bewähren sich auch in rauen und lauten Umgebungen, heißt es. Die KI wird dabei nicht nur mit den zu erkennenden Worten, sondern ihr werden auch die ortstypischen Störgeräusche vertraut gemacht, um eine zuverlässige Spracherkennung sicherzustellen. Die Integration eines zusätzlichen Mikrofons ermögliche es dabei, den Standort des Sprechers zu erkennen und störende Geräusche zu eliminieren (Beamforming = Das Erkennen von Schallquellen in Schallfeldern. Der Zeitunterschied der Erfassung des akustischen Signals beim Einsatz mehrerer Mikrofone kann dann zur Positionsbestimmung der Schallquelle genutzt werden).

Aitad hat, wie es weiter heißt, selbst ein System entwickelt, das Unternehmen in die Lage versetzt, ihre Produkte so zu funktionalisieren, dass man eine Vorreiterrolle in Wirtschaft und Business einnehmen kann. Das zeichne sich durch eine hohe Robustheit auch gegen Störgeräusche aus und werde individuell zugeschnitten. Weil die Aitad-Entwickler auf eine Vorentwicklung zurückgreifen können, können sie die lokale Sprachsteuerung mit circa 30 bekannten Worten günstig anbieten.(Für das IoT-Portal angepasst von Peter Königsreuther. Erste Veröffentlichung bei VCG im Rahmen des DeviceMed-Portals)

(ID:49934677)