现在讲多模态技术最难的地方就是各个企业之间，基本上都在自己熟系的领域去深耕，对相互之间的技术结合基本上都不是很熟系，这就困扰多模态技术之间的结合。
 
　　从1号机器人网研讨会上反馈的信息来看，机器人企业期待上游的企业，如科大讯飞能够提供再进一步的技术方案，或者有能够直接提供多模态交互技术的产品，而上游的技术企业，则认为这是终端机器人产品集成商应做的事情。
 
　　这就导致我们想要的多模态技术交互都是有缺陷的。
 
　　在技术上来说，智能语音、机器视觉、移动底盘在使用的过程中都还存在问题，这让很多机器人企业非常的折腾。
 
　　从移动底盘上来说，深圳市步科电气有限公司(简称：步科)营销总监温琦说：“移动底盘产品是成熟的，可以应用到各种机器人身上，但是目前确没有成熟的SLAM技术方案。”
 
　　还比如机器视觉，很多厂家都说，机器人植入深度视觉后，在行走的过程中，可以躲避障碍物，但是应用到场景里，还是存在很多的问题，比如机器人前面多几个人行走，就会导致机器人行走速度会变得很慢，或者直接不灵了。
 
　　最后是智能语音，对很多机器人企业而言，目前是最头疼的问题，因为很多语音企业都说识别准确率高达90%以上，但是从机器人企业的反馈来看，应用到场景里体验是不好的。
 
　　其实这里有一个问题，智能语音包括语音与语义，如果语音识别准确率达到90%，语义识别准确率也达到90%，其实这两者是相乘的，一结合可能就只有81%的识别准确率。
 
　　而且目前我们所涉及的语义还只是文本，对于视频、图片、运动数据等更多元的素材采集，基本上非常困难。
 
　　深圳市狗尾草智能科技有限公司(简称：狗尾草)首席科学家张博说：“从多模态交互的角度去看，在目前的智能语音技术上，再去扩展视频、图片、运动数据等素材采集，我们只能通过语义处理语义，视频处理视频等方式去处理，如果要结合起来是非常困难的。”
 
　　先不说把图片、视频、文本等结合，就算以文本的角度去讲也很难，小I机器人售前顾问甘楚辉说：“小I的数据库里，各个领域的知识库是分开，如果要结合在一起，占用的资源会变得非常大，对整体的性能影响也会很大，就算要结合也只能是分开穿线。”
 
　　所以在多模态交互的探索上，我们基本上还处在刚开始的阶段。
 
　　目前我们先不深入的去探究，站在我们现有的产品集成上，我们可以做到怎样的多模态交互。
 
　　把智能语音、移动底盘、机器视觉结合，目前已有落地的机器人产品。
 
　　比如深圳市锐曼智能技术有限公司名下的小曼机器人，当我们呼叫小曼机器人时，它是可以定位我们的声源，甚至还可以走到我们的面前。
 
　　科大讯飞股份有限公司(简称：科大讯飞)商务总监廖凯说：“这三者结合的多模态交互，在生活中可以做到，我在与机器人一边走路，一边讲话的时候，它是可以进行人脸的捕捉，移动的追踪，所以它会在移动时面朝着你，这会让你感觉非常好。”
 
　　就从这三个技术的成熟度来讲，在这次研讨会上，很多嘉宾认为，以目前的技术水平，能够实现产品盈利的也只能是玩具级的产品，如果是商用级的产品，我们还需要花很长的时间做研发投入。
 
　　过去我们追捧机器人+资本的模式，通过资本的进入去进行产品技术的研发，但是这条路从去年以来已经变得越来越窄。
 
　　如果还只是拿上游企业的产品，比如：智能语音、移动底盘、机器视觉，再进行定制化场景应用的机器人，估计已经很难再拿到资本。
 
　　因为很多投资人已经知道内部的事情，而且也知道内部细节的难度在哪里？尤其是融合的阶段，什么技术处于可商业化，什么技术还达不到商业化的阶段，所以对机器人创业者而来，我们自己也需要理性化，做一些深思熟虑的判断。
 
　　从营销策略的角度去分析，特别是对于玩具级别的机器人产品，我们不要过分让用户对产品有太高的期望，廖凯说：“我之前有一个客户是做香味盒，在这个香味盒上植入了语音交互功能，坦白说，他们二次开发的语音交互体验做的并不好，但对用户而言，就算体验不好，但是它还是可以提供香味需求。”
 
　　往往我们能够抓住跟智能无关的点，就会有用户粘性，其实用户会给你一个容忍度，给你升级迭代的机会，但是我们不能给用户太高的期望。
 
　　在商业级的服务机器人里也有成功的例子，温琦说：“美国企业做出来的很多机器人是在商场里做分拣，它不是服务于人，或与人做交互，而是为商场管理货物提高效率。”