实时音视频赋能机器人平行操控，打通规模化落地“最后一公里”

服务机器人市场正经历爆发式增长。据IDC数据，2025年全球商用服务机器人市场规模突破13.7亿美元，出货量同比增长44.1%。高速增长的背后，规模化落地的“最后一公里”难题却日益凸显——平行操控。而构建这一能力，离不开实时音视频（RTC）技术，它为机器人提供了标准化、高可靠的远程图传与实时交互底座。

所谓平行操控，是指在机器人自主运行的同时，保留一条人类远程接管与干预的通道。当机器人遭遇花园陡坡、工厂临时障碍、家庭突发状况等自主算法难以处理的边缘场景时，可由操控人员远程介入，完成精准决策和操作。

然而，此前行业缺乏统一、标准化的平行操控通信方案。多数厂商依赖自研协议，开发周期长、适配成本高；在网络波动环境下，画面传输延迟明显、指令响应不稳定，远程干预的可靠性难以保证。市场需要一套从芯片层到应用层协同优化的标准化实时通信底座，以降低开发门槛、提升体验一致性。

基于这一行业需求，声网与AIoT SoC芯片厂商瑞芯微（Rockchip）开展合作，基于瑞芯微RK3588、RK3576两款机器人平台，联合推出面向多品类机器人的平行操控解决方案。该方案深度整合瑞芯微Rockit音视频开发框架，声网在芯片层完成编码参数调优与硬件编解码调度，实现视频采集、编码、传输、渲染的全链路协同，为开发者提供可快速集成的标准化能力。

该方案的技术核心由声网的RTC实时音视频与RTM实时信令两大模块构成。其中，实时音视频模块负责构建远程图传通道，端到端延迟可稳定控制在200ms以内，实测网络延时中位数为76ms，操控者能够获得接近实时的现场画面。同时，该模块也支持双向语音对讲，使远程口头指令传输同样保持低延迟和高清晰度，满足人机协作场景中的音频交互需求。RTM实时信令模块则独立承担控制指令的下发与状态回传，确保运动控制、任务调度等指令准确到达且不丢失。

机器人规模化落地的推进，依赖于算法能力与实时交互体验的协同提升。声网的RTC实时音视频与RTM实时信令共同构成从芯片底层优化到云端调度的一体化方案，为机器人提供远程图传和人工干预的标准化技术路径。未来，声网将持续迭代实时音视频技术能力，与生态伙伴共同推动机器人产业的规模化应用进程。