保罗·皮尔贾尼亚恩，Embodied 的 CEO 和创始人 – 采访系列

保罗·皮尔贾尼亚恩是一位出生于伊朗的亚美尼亚人，青少年时期移居丹麦。从小，他就对计算机产生了浓厚的兴趣，开始在卧室里编程。获得机器人学博士学位后，保罗成为消费者机器人领域的早期领导者，拥有超过 16 年的开发和商业化尖端家庭机器人的经验。他曾在 NASA JPL 工作，并在 iRobot、Evolution Robotics 等公司领导世界级团队和公司。2016 年，保罗创立了 Embodied, Inc.，旨在建立社会和情感智能的数字伴侣，以改善护理和健康，并支持人们每天过上更好的生活。

是什么吸引你最初对 AI 和机器人感兴趣？

我对 AI 和机器人的迷恋可以追溯到我的童年。我被迫从一个国家搬到另一个国家，直到我的家人搬到丹麦。偶然发现了一台计算机后，我变得如此着迷，以至于我把自己锁在房间里，日夜不停地编程。我的父母以为我抑郁或吸毒，但事实并非如此。我只是被计算机完全吸引住了！

在同一时间，我在电视上看了一部皮克斯的纪录片。皮克斯正在展示他们的第一部动画短片 Luxo Jr.，一部关于两个台灯在玩球的两分钟短片。我被它迷住了，惊讶于我刚刚学习编程的计算机竟然可以在电视上生成如此可爱的角色，引发我如此多的情感。从那时起，我决定去学习机器人，最后获得了博士学位。

然后，我搬到美国，在 NASA 工作，开发火星探测车，这是我的童年梦想。后来，我转向创业，开发 SLAM 导航技术，现在使 iRobot 的产品成为可能。

回顾过去，我意识到我的灵感来自皮克斯的动画短片，将生命注入无生命的物体中。这就是为什么我们创造了 Embodied – 将生命注入机器人中，使其能够与人类交互，专注于帮助儿童发展社交情感能力。

你是什么时候第一次接触到 Evolution Robotics 的概念？

Evolution Robotics 最初由 Idealab 的 Bill Gross 于 2001 年创立，旨在成为机器人领域的微软，但这个愿景过于雄心勃勃，最终失败了。我是 Evolution Robotics 的 CTO 和 GM，在公司失败后，我与 Idealab 协商，将我们团队开发的一些核心技术剥离出来，创立了一家新公司。2008 年，新实体 Evolution Robotics 成立，旨在开发使用我们的核心导航技术（包括 NorthStar 和 vSLAM）的产品，这些技术是空间映射和自主导航的开创性方法，类似于我们在自动驾驶汽车中看到的技术，但针对低成本的消费电子产品。

我们开发了一系列用于自动清扫和拖地硬地板的产品，称为 Mint，并于 2010 年推出。到 2011 年，我们迅速增长到 2500 万美元的销售额，并于 2012 年被 iRobot 收购，理由是我们的产品收入和 vSLAM 导航技术，现在为 iRobot 的 Roomba 和 Braava 产品线提供动力。

在那时，你成为了 iRobot 的 CTO。你能讨论一下你在 iRobot 的经历和你从中吸取的教训吗？

作为 iRobot 的 CTO，我能够快速将 vSLAM 集成到 Roomba 产品线中，推出了一款能够系统地覆盖整个地板计划而不错过任何一点的新型号。这帮助公司保持了与竞争对手（如 Dyson）的竞争优势，后者正在推出系统清洁解决方案。vSLAM 现在是 iRobot 旗舰产品线 Roomba 和 Braava 的一个重要组成部分。

我喜欢与 iRobot 的 CEO Colin Angel 密切合作，帮助制定战略方向，使 Roomba 成为连接家庭生态系统的核心，利用 Roomba 的空间意识使其在理解地板计划和成为所有连接设备之间的连接组织方面占据独特地位。这个战略似乎在我 2015 年离开后仍然有效。

此外，我们决定专注于消费者机器人业务，以帮助 iRobot 维持其全球领导地位。这导致了国防业务的剥离和其他外围业务的退出，以使公司专注于消费者业务。

此外，我们必须重组公司，以支持软件重的战略和连接产品。这需要公司文化的转变，以接受更敏捷和迭代的方法。

我在 iRobot 学到的东西很多，但有一件事让我印象深刻，那就是团队文化的力量。保持敏捷和对使命的承诺可能是任何公司最大的竞争优势，超过任何专利组合和商业秘密。如果你有一个高绩效团队，他们感到赋权和受到启发，朝着一个清晰的目标努力，他们将很难被阻止。

你目前是 Embodied 的创始人和 CEO。你能讨论一下创立这家公司的灵感吗？

我在 iRobot 的 CTO 时期非常愉快，我们正在进行许多令人兴奋的项目，并推动机器人领域的边界。但在我的脑海深处，我知道我仍然有一个终身的梦想要实现 – 建造社会和情感智能的机器人伴侣，以改善护理和健康，并增强我们的日常生活。我知道我们正处于技术交互方式的转折点。因此，我决定辞去 iRobot 的职务，创立 Embodied。

当我们开始 Embodied 时，我们从一开始就重新思考和革新人类与机器的交互方式，超越简单的口头命令，实现下一代计算的能力，并赋予新型机器以流畅的社交交互能力。特别是，我们的第一个产品是专注于建立一个可以帮助儿童通过游戏式学习建立社交和情感技能的动画伴侣，这个伴侣被称为 Moxie。Moxie 是一种新型的机器人，它具有理解和表达情绪的能力，具有情感丰富的语音、可信的面部表情和身体语言，利用人类心理学和神经科学来创建更深层次的联系。为了实现这一点，我们汇集了一支由工程、技术、娱乐、游戏设计和儿童发展领域的热情领袖组成的跨职能团队。在过去的四年里，Embodied 不懈努力地将最新的技术结合起来，将 Moxie 带入生活，我们的团队很高兴终于能够将其交付给需要一个支持健康儿童发展的伙伴的家庭。

机器人创业背后的独特挑战是什么？

机器人创业很有趣，但也可能有点可怕。我们知道，如果我们想要革新人类与机器的交互方式，我们将不得不解决以前没有解决过的问题。其中一些问题包括：

1. 如何创建一个更具生命力的面部，而不是一个二维的面部？
2. 如何创建一个允许更自然对话的解决方案？
3. 如何使声音听起来更自然，具有语境相关的语调和抑扬？
4. 如何使用计算机视觉来实现可靠的眼球追踪能力？

所有这些关于 Moxie 特性的问题都导致了许多最先进的技术创新。

首先，投影和圆润的面部。统计数据开始表明，过多的屏幕时间可能对正在发展的思维产生毁灭性的影响。更糟糕的是，大多数儿童的技术设备都具有数字屏幕显示。因此，我们决定投资额外的资金来使 Moxie 的面部完全投影，这使我们能够创建一个圆润的面部屏幕，具有自然弯曲的边缘，而不是一个平坦的显示屏。这使得与 Moxie 的交互感觉更像真实的、可信的。事实上，只有通过这种 3D 外观，Moxie 才能与孩子真正进行眼神交流。因此，Moxie 的面部不仅保护孩子免受过多的屏幕时间，还使交互体验感觉更真实。

第二，会话引擎。到目前为止，智能扬声器和语音助手需要重复使用唤醒词来启动命令。Moxie 的会话引擎不同。它遵循自然的对话流程，并在不使用唤醒词的情况下响应典型的通信流程。先进的自然语言处理使 Moxie 能够无缝地识别、理解和生成语言，使交互感觉更个人化和自然。

第三，语音合成。Moxie 的声音没有大多数机器人和语音助手中发现的机器人语音和单调的声音。相反，Moxie 使用自然和情感丰富的语调，这有助于传达更广泛的情感。这增强了 Moxie 可以参与的社交情感课程的范围，同时也为交互增加了生命力和可信度。

第四，眼睛。最重要的功能之一是 Moxie 的大型、动画眼睛。创新眼球追踪技术允许 Moxie 即使孩子在房间里移动时也能保持眼神交流。这不仅创建了一个令人难以置信的真实交互，还帮助孩子练习眼神交流。另外，大型、动画眼睛有助于夸大情感交流，使孩子更容易识别某些情感。练习眼神交流和理解情感是社交情感课程中的两个关键发展目标。

最后，这些技术特性使与 Moxie 的交互感觉真实和自然。Moxie 的多模态感官融合使 Moxie 感知环境和用户。Moxie 的计算机视觉和眼球追踪技术有助于在孩子移动时保持眼神交流。机器学习帮助 Moxie 学习用户的偏好和需求，并识别人、地点和事物。特别放置的麦克风使 Moxie 能够听到声音来自的方向并轻松转向声音来源。触摸传感器允许 Moxie 识别拥抱和握手。所有这些部分共同组成了一个非常真实的体验。

Moxie 对于儿童来说有什么特别之处？

通过 Moxie，儿童可以每天参与有意义的游戏，内容由最佳儿童发展实践和早期儿童教育知识来告知。每周都有一个不同的主题，例如仁慈、友谊、同理心或尊重，儿童被要求帮助 Moxie 完成探索人类经验、想法和生活技能的任务。这些任务包括创造性、无结构的游戏，如绘画，通过呼吸练习和冥想进行正念练习，与 Moxie 阅读，并探索如何对他人友善。Moxie 鼓励好奇心，使儿童能够发现周围的世界和人。所有这些活动都有助于儿童学习和安全地练习基本的生活技能，例如轮流、眼神交流、积极倾听、情绪调节、同理心、关系管理和解决问题。

Embodied 还与 Encyclopaedia Britannica 和 Merriam-Webster 合作，将 Merriam-Webster 的儿童词典集成到 Moxie 中，使 Moxie 能够为儿童提供年龄合适的定义和相关信息，以帮助他们学习和理解新词和概念的含义。这是 Moxie 与 Britannica 和 Merriam-Webster 的众多集成中的第一个，旨在激发好奇心和学习的乐趣。

Embodied 还开发了一个全面的生态系统，以支持父母在 Moxie 中支持他们的孩子的旅程，并允许孩子以安全和父母批准的方式扩展他们对 Moxie 的使用：

• Embodied Moxie 父母应用程序提供了一个仪表板，帮助父母了解他们的孩子在 Moxie 中的发展进度。该应用程序将为孩子在 Moxie 中的活动提供社交、情感和认知发展的关键见解。该应用程序还将为父母提供有价值的建议和技巧，以增强他们的孩子在 Moxie 中的体验和进度。
• 一个在线儿童门户网站（称为全球机器人实验室或 G.R.L.）提供了额外的活动、游戏和故事，以增强与 Moxie 的体验。
• 每月 Moxie 任务包是旨在与 Moxie 参与新活动的邮件，并提供有趣的物品，如交易卡和贴纸。

随着时间的推移，Moxie 会了解更多关于孩子的信息，以更好地个性化其内容，以帮助每个孩子的个人发展目标。Embodied 已采取谨慎的步骤，以确保以最高标准的隐私和安全处理由儿童和家庭提供的信息。我们打算使 Moxie 完全符合儿童在线隐私保护法（COPPA）安全港认证，因此父母可以放心地知道 Moxie 采用了领先的数据完整性和安全程序，其系统定期审计以确保完全遵守。另外，个人可识别数据和敏感信息使用最高级别的安全性进行加密，只有父母才能访问唯一的解密密钥。

Moxie 面临的自然语言处理挑战是什么？

在 Embodied，我们努力重新定义人类与机器的交互方式，特别是在对话中通过自然语言处理。因此，我们决定创建 SocialXTM，一款平台，允许儿童通过自然交互（例如面部表情、对话、身体语言等）与 Moxie 交互，唤起信任、同理心和动力，以及更深层次的参与，以促进发展技能。通过 SocialXTM，Embodied 正在引入一个全新的机器人类别：动画伴侣。动画意味着赋予生命，SocialXTM 允许 Moxie 体现人类的最佳特质，以一种新的、先进的技术形式，能够以新的方式促进学习。

自然语言处理是我们自然对话引擎的核心，我们不知疲倦地工作，创造了对话引擎的许多独特功能。

我们致力于的一个关键功能是 Moxie 能够专注于与单个用户的对话，并将背景对话和声音分开，因此 Moxie 只响应用户。这允许更专注、更个性化的交互。这是解决所谓的“鸡尾酒会问题”。当你在一个有很多人说话的房间里，试图与一个人交谈时，对于人类来说，这不是很困难。对于计算机来说，这是非常困难的。我们如何确保 Moxie 只响应单个用户说的话，而不会被背景噪音、对话、电视等分散注意力？我们通过以下方式解决这个问题：

1. 我们使用视觉系统来识别谁正在看着和面对 Moxie。
2. 我们在 Moxie 的前面有多个麦克风，告诉我们声音来自哪里。
3. 我们可以使用机器学习来匹配声音与在 Moxie 前面说话的人。这使我们能够过滤掉其他对话并专注于单个用户。

通常，市场上的对话代理避免了“鸡尾酒会问题”，通过使用唤醒词，例如“嘿（设备名称）”，后面跟着一个问题。这个唤醒词允许对话代理在听到唤醒词时倾听并仅在唤醒词被说出时响应。然而，由于 Moxie 可以专注于单个用户，因此 Moxie 不需要唤醒词来激活响应。

我们希望确保 Moxie 的对话引擎足够先进，可以理解对话响应的语境。这允许更细致入微的对话。例如，Moxie 可以理解“不知道”和“不”的不同含义。

关于 Moxie 或 Embodied，您还想分享什么？

我们已经在这个项目上工作了四年，拥有一个不知疲倦的团队，他们不知疲倦地工作，以创造将 Moxie 带入现实的令人难以置信的发明。现在，我们很高兴终于能够将 Moxie 带给需要一个支持健康儿童发展的伙伴的家庭。因此，我们期待这段旅程！

感谢这次采访，我喜欢听你最初是如何被一部短篇皮克斯电影所启发，以及你如何追求你的终身热情。希望阅读本文的读者能够了解更多信息或想要订购 Moxie，请访问 Embodied, Inc.。