语音交互是机器人必备的技能，研发出更顺畅、更高效、更友好的的人机语音交互技术，让机器人“能听会说”，一直以来人工智能的一个高级目标。悟空机器人是优必选出品的一款机器人，搭载了基于4麦阵列的智能语音交互功能。作为2021 IEEE言语技术研讨会（IEEE Spoken Langauge Technology Workshop）的旗舰卫星活动，西北工业大学音频语音与语言处理研究组联合优必选、瑞士IDIAP研究所、希尔贝壳、北京大学，举办“悟空机器人智能语音挑战赛” （Alpha-mini Speech Challenge, ASC）。目前机器人平台上供研究的语音数据非常缺乏，限制了相关研究的开展。本次竞赛发布机器人平台语音数据，旨在促进机器人语音交互（Human Robot Speech Interaction, HRSI）方面的相关研究。
作为人机语音交互的起点，基于关键词检出（Keyword Spotting, KWS）技术的语音唤醒功能的性能直接决定后续交互的体验，而声源定位（Sound Source Location, SSL）的准确性亦可为后续波束形成、语音增强、语音识别算法提供重要的辅助信息。在家居使用场景下，来自电视、广播等声源的噪声，来自机器人自身音频播放采集的回声和由房间造成混响无法避免，同时机器人本身的机械运动也会产生自噪声，而这些影响会为关键词检出和说话人声源定位的准确性带来挑战。
本次竞赛将向参赛者提供悟空机器人实际应用场景下的关键词检出和说话人声源定位数据，覆盖了丰富的室内噪声、回声及混响情况，促进机器人实际交互场景下关键词检出和说话人声源定位等相关智能语音技术的研究与交流，期待来自学术界与工业界的学者专家通过参加此次竞赛相互切磋，收获多多。
竞赛官方网站：http://asc.ubtrobot.com/form.html 。
发布数据
悟空（alpha-mini）搭载的麦阵和扬声器
赛道安排
关键词检出(KWS)赛道：给定多种场景下的多通道音频数据（4麦阵列信号+2参考信号），针对悟空机器人的唤醒词“悟空悟空”进行关键词检出。关键词检出赛道可使用数据如表2所示。参赛者可以使用实录或仿真的房间冲击响应（RIR）来构造多样数据训练关键词检出模型。此外，Echo-Record 和 Noise-Mech为实录回声和机械噪声，参赛者亦可用于训练。KWS-Dev, SSL-Dev, KWS-Eval 和 SSL-Eval 为6通道实录数据。参赛者可使用KWS-Dev 和 SSL-DEV来评估优化模型。
声源定位(SSL)赛道：给定基于悟空机器人的多场景下的多通道语音数据（4麦阵列信号+2参考信号）进行声源定位。声源定位赛道可使用的数据如表3所示。参赛者可以使用实录或仿真的房间冲击响应（RIR）来构造多样数据训练声源定位模型。此外，Echo-Record 和 Noise-Mech为实录回声和机械噪声，参赛者亦可用于训练。SSL-Dev和 SSL-Eval 为6通道实录数据。参赛者可使用SSL-DEV来评估优化模型。
参赛日程
2020年9月27日 报名截止
2020年9月30日 发布训练和校验集
2020年11月22日 提交docker镜像截止
2020年12月6日 竞赛结果公布
2020年12月27日 系统介绍论文提交截止
2021年1月19-22日 2021 IEEE SLT Workshop
报名方式
报名链接：http://asc.ubtrobot.com/
竞赛组委会将评估所有申请并在5个工作日内确定参赛资格，以电子邮件形式通知。申请截止日期为2020年9月27日。训练集和校验集计划于2020年9月30日公布，届时数据下载方法将通知获得参赛资格的队伍。
点击下方二维码直达竞赛官方主页进行报名。
组织者
熊友军，优必选科技股份有限公司
谢磊，西北工业大学
谭欢，优必选科技股份有限公司
黄东延，优必选科技股份有限公司
Jean-Marc Odobez，瑞士Idiap Research Institute
Petr Motlicek，瑞士Idiap Research Institute
何伟鹏，瑞士Idiap Research Institute
邹月娴，北京大学
卜辉，希尔贝壳科技有限公司
巫健，西北工业大学