로봇의 음성을 매번 클라우드로 보내지 않고 현장에서 인식하면 시스템의 지연·개인정보·연결성 경계가 함께 바뀐다. 네트워크 왕복 없이 음성을 처리할 때 달라지는 시스템 경계를 중심으로 문헌을 조직했다.
영어 약 1,000시간 오디오북으로 구성된 LibriSpeech와 다언어 군중수집 Common Voice 등 대표 자원을 다루고, 잡음·아동 발화·현장 마이크처럼 로봇 특유의 조건을 함께 검토한다. 다만 체계적 문헌고찰의 재현 가능한 검색식과 포함·제외 절차를 사용한 연구는 아니다.
분석은 로컬 모델이 지연, 오프라인 동작, 원시 음성의 외부 전송 최소화에서 이점이 있지만 메모리·전력·업데이트 비용을 로봇이 부담한다고 정리한다. 클라우드와 로컬 중 하나가 항상 우월하다는 결론 대신 작업 위험도, 연결 안정성, 언어와 화자 조건에 따라 하이브리드 구성을 선택해야 한다는 틀을 제시한다.
병원·가정·산업 현장처럼 연결 끊김이나 개인정보가 중요한 서비스 로봇의 설계 단계에 유용하다. 모델 정확도뿐 아니라 오디오 전처리, 미들웨어 지연, 명령 확인과 실패 복구까지 종단간으로 봐야 한다. 특정 로봇이나 ASR 모델의 성능 순위표는 제공하지 않는다. 조사는 모델 구조와 대규모 사전학습 모델, 데이터셋, 도구, 미들웨어 통합 방식, 실제 로봇 사례를 하나의 설계 지도에 연결한다. 정제된 음성 자료가 현장 소음과 아동 발화까지 대표하지는 않는다는 점도 함께 짚는다.
저자도 재현 가능한 체계적 검색식과 포함·제외 절차가 없음을 한계로 적었다. arXiv:2607.11792는 동료검토 전 조사 원고이므로 문헌 선택 편향과 빠르게 변하는 하드웨어 비용을 감안해야 한다.
저작권자 © STORIUM 무단전재 및 재배포 금지
