IXThinker·2026-07-28 10:30

機械人自學聽聲辨位 毋須麥克風陣列與人工標註

清華與密歇根大學團隊提出新方法：機械人只須觀看無標註的互聯網影片，結合相機自身運動，即可自學三維空間聽覺定位，毋須360度麥克風陣列與人工標註。核心洞察是相機自運動本身就是免費監督信號。

問題與舊路

讓機械人聽出聲音來自何方，過往須依賴昂貴的360度麥克風陣列採集數據，或以高昂人工標註構建訓練集，實驗室條件苛刻、成本高企，令空間聽覺感知難以規模化。