家用机器人

🏦 场景与客户

一家做智能家居的中型厂商，主力产品是扫地机与陪护型家用机器人，一年出货 20 万台上下，硬件、算法、客服都在同一个园区办公。陪护型机器人是两年前上的新品类，卖得不差，退货率却明显高于扫地机，退货原因里写「用不明白」的不在少数。售后把过去一年的工单归类后发现，跟语音交互有关的咨询占了 6 成以上，其中大半又落在三件事上。

第一件是误唤醒。电视里播一句台词，机器人就应一句，夜里尤其明显；有的用户嫌吵，干脆把电源拔了。售后回访过一批这样的用户，多数人的机器再没插回去过。第二件是听不懂连续指令。「把客厅灯关掉再去看下阳台门窗」这种话必须拆成两句说，中间还得重新喊一次唤醒词，用户说两遍就不耐烦了。第三件是老人不会用。App 里有十几项设置，装机当天由子女配好，之后老人再没打开过；真遇到问题，第一反应是打电话找客服，而不是问机器。

三件事叠起来，结果是销量还过得去，复购与口碑却立不住——买回去能演示，家里用不起来。客户真正要的，是把「能演示」变成「家里真能用」：误唤醒压到不打扰人的程度、连续指令一次说清、老人不学也会用。同时他们提了一条硬约束：不能为了这三点把所有录音都传到云上，用户对家里一直开着麦克风这件事很敏感。

📅 实施节奏

• 第 1–2 周：把工单与云端日志按时间对齐，统计误唤醒的触发来源分布（电视、音箱、家人聊天各占多少），并挑出失败率最高的 50 条指令
• 第 3–4 周：把唤醒词判定下沉到端侧，做本地判定与打断，端侧先只做唤醒、不做语义，避免一上来就把算力预算吃满；同时把取数边界定下来，明确哪些数据不出设备、哪些只上传文本
• 第 5–6 周：上多轮指令拆解与场景记忆，先在内部 30 户员工家庭灰度，每天回收一次失败样本
• 第 7–8 周：接上声纹与方位判定，按房间分别标定阈值，并召回一批曾抱怨误唤醒的用户做前后对比
• 第 9 周起：按线上误唤醒与任务完成情况迭代，同步把 App 首页从参数列表改成常用场景入口，线上问题按周同步给产品与硬件团队，避免交互改动只停在算法侧

🗝️ 方案要点

• 唤醒与理解分开做：唤醒词判定留在端侧，低功耗且断网也能应，复杂语义才上云；这样既省电省流量，也不必把每句话的录音都传出去
• 用声纹加方位压误唤醒：只有注册过的家庭成员声音、且声源方位落在房间内才响应，电视与音箱放出来的音频被挡掉大半，而不是靠一味抬高阈值
• 连续指令拆成动作序列：把一句话拆成有序任务逐个执行，每一步都回报结果；失败时要说清是哪一步没做成，而不是笼统回一句「好的」
• 场景记忆替代参数设置：用户说一次「以后晚上十点后别扫地」，机器记下这条规则就够了，不必让人去 App 里配时间表——愿意配时间表的用户，本来也不买这类产品。规则存在本机，用户随时能一句话撤掉
• 隐私做在明面上：录音不出户、云端只收文本意图，App 里能看到并删除本机留存，也能一键关掉麦克风；麦克风开关放在首次开机引导里，而不是藏在设置第三层，用户找得到才谈得上信任
• 给老人一个不会错的入口：机身留一颗实体键，按住就能说话，不依赖手机、不用打开 App、也不用记唤醒词
• 不确定时先追问：置信度低就不执行，回一句「您是说关客厅的灯吗」。多问一句的代价是慢半秒，猜错一次的代价是用户从此不再用

⚖️ 选型与权衡

🚧 实施难点与排查

• 误唤醒压不下去：单靠抬高阈值会把正常指令一起挡掉，而用户喊三遍没反应比误唤醒更伤。改成声纹、方位、上下文多条件与判定，并把阈值按房间分别标定——客厅有电视，卧室没有
• 方言与口音：标准普通话模型进到真实家庭，识别率明显下滑。收集方言样本做增量微调，识别失败时主动追问而不是猜，并把高频失败的说法补进本地指令表
• 多设备抢答：客厅放两台，一句话两台都答应，用户会以为自己说错了。加一层就近仲裁，按声源方位选出最近的设备响应，其余设备静默，避免同时出声
• 任务半途失败没人知道：扫地机卡在家具底下，用户以为已经扫完。任务结束必须按结果回报，「没做完」要主动说出来并给出原因，而不是安静停机
• 老人误操作后不敢再用：一次答非所问就会让人放弃。把「听不懂」设计成安全的默认动作——追问一句，绝不执行一个猜出来的命令
• 灰度样本有偏差：内部员工家庭户型整齐、口音单一，问题暴露不全。补招一批方言区与三代同住的家庭，失败样本按房间类型分层统计，避免被平均值盖过去
• 升级打断使用习惯：响应策略变更后老用户以为机器坏了。升级前在本机与 App 提示变更点，并保留一段时间的旧行为开关