En humanoid robot snakker gjennom en kjede av programvare: mikrofoner fanger opp lyden, talegjenkjenning gjør den om til tekst, en språkmodell skriver et svar som passer til personaen og kunnskapen om arrangementet, og talesyntese leser det opp. Kvaliteten på samtalen avhenger av programvaren, den forberedte kunnskapen og akustikken, ikke av roboten alene. MERA Robotics (Warszawa, Polen) gjør dette med sitt eget system, MERA OS, som fører samtaler på over 70 språk.
Innhold
Hvordan foregår en samtale med en humanoid robot, steg for steg?Hva hører en humanoid robot, og hvordan takler den støy?Hvordan vet en humanoid robot hva den skal si?Hvorfor betyr robotens svartid så mye?Hvor mange språk og hvilken stemme kan en humanoid robot bruke?Må folk få vite at de snakker med en KI?Hva bør du sjekke før et arrangement med en robot som snakker?Hvordan velger du partner til samtaler med humanoide roboter?En humanoid robot snakker med mennesker gjennom en kjede av programvare: mikrofoner fanger opp lyden, talegjenkjenning gjør den om til tekst, en språkmodell skriver et svar som passer til robotens persona og det den vet om arrangementet, og talesyntese gjør svaret om til stemmen du hører fra høyttaleren. Selve roboten (for eksempel en Unitree G1) står for «ørene», «munnen» og bevegelsene; kvaliteten på samtalen avhenger av programvaren og av hvor godt den er forberedt til et konkret sted.
Hvordan foregår en samtale med en humanoid robot, steg for steg?
En samtale med en humanoid robot går gjennom fem faser som gjentas for hver replikk:
| Fase | Hva som skjer | Hva kvaliteten avhenger av |
|---|---|---|
| Lytting | robotens mikrofoner (eller en ekstern mikrofon) fanger opp lyden | støy, avstand til den som snakker, ekko i rommet |
| Gjenkjenning av tur | systemet avgjør når en person har begynt og sluttet å snakke | innstillinger for følsomhet, prat i bakgrunnen |
| Talegjenkjenning | talen gjøres om til tekst | språk, aksent, egennavn, barnestemmer |
| Svar | en språkmodell skriver svaret ut fra persona og kunnskap | kvaliteten på personabeskrivelsen og kunnskapsbasen, regler for temaer |
| Stemme og bevegelse | talesyntese, høyttaler, gester | stemme tilpasset språket, volum, lydanlegget i lokalet |
Et svakt ledd hvor som helst ødelegger hele kjeden. Den vanligste feilen på arrangementer er ikke «dum KI», men en robot som hørte spørsmålet feil i støyen fra publikum og deretter svarte riktig på noe ingen spurte om.

Hva hører en humanoid robot, og hvordan takler den støy?
En humanoid robot hører gjennom de innebygde mikrofonene, og i et bråkete lokale fungerer en ekstra mikrofon nær munnen til den som snakker, ofte bedre. Ifølge produsenten har Unitree G1 en «4 Microphone Array» og en «5W Speaker», altså fire mikrofoner og en høyttaler på 5 W (spesifikasjoner for Unitree G1). Det holder til en samtale på et kontor, i et showrom eller på en rolig stand.
På en messe, en gallakveld eller en festival endrer det seg: musikk, lydanlegget på scenen og dusinvis av samtaler samtidig når de samme mikrofonene. Dette hjelper i praksis:
- at gjesten går nær roboten og snakker direkte til den, ikke fra siden,
- en håndholdt eller retningsbestemt mikrofon til gjester på scenen og i paneler,
- at standen plasseres unna høyttalerne ved scenen,
- at systemet får egennavn på forhånd (merkevare, produkter, talernes navn), slik at talegjenkjenningen ikke forvrenger dem,
- tester i det faktiske lokalet, ikke bare på kontoret.
Det samme gjelder lyden ut: robotens innebygde høyttaler holder til samtaler med én person, men ved en opptreden på scenen må lyden fra roboten gå inn i lydanlegget i lokalet.
Hvordan vet en humanoid robot hva den skal si?
Svarene til en humanoid robot skrives av en språkmodell som får en beskrivelse av personaen, kunnskap om arrangementet og regler for hva roboten ikke skal si. Modellen kan språk og vet mye om verden generelt, men den vet ingenting om programmet for konferansen, kundens produkter eller hvor garderoben er. Den kunnskapen må forberedes.
En god forberedelsespakke omfatter:
- persona: navn, karakter, måte å snakke på, lengde på svarene,
- kunnskap: program, talere, tilbud, svar på gjestenes typiske spørsmål,
- grenser: utelukkede temaer, hvordan roboten avslår, hva den gjør med spørsmål om politikk eller konkurrenter,
- manus: velkomst, invitasjon til å ta et bilde, overlevering av gjesten til en person på standen.
Slik jobber MERA Robotics: det roboten sier, forberedes til hvert konkrete arrangement i en profil med kunnskap om kunden og programmet, og roboten kan ha en egen merkevareidentitet med navn, karakter og kunnskap om tilbudet.
Noen systemer kombinerer samtalen med bildet fra kameraet. Da kjenner roboten igjen en gjenstand foran seg, for eksempel en produktmodell på utstillingen, og viser til den i samtalen. Det er nyttig i showrom og på stander, der gjestene spør «og hva er dette?».
Hvorfor betyr robotens svartid så mye?
Svartiden til en humanoid robot avgjør om samtalen føles naturlig, fordi folk er vant til svært korte pauser mellom replikkene. En studie av ti språk publisert i PNAS fant at den vanligste pausen mellom slutten av én replikk og starten på svaret i alle språkene lå på en brøkdel av et sekund (Stivers mfl., PNAS 2009).
Ingen kjede av talegjenkjenning, språkmodell og talesyntese svarer like raskt som et menneske, så robotsystemer kompenserer gjennom måten de fører samtalen på:
- svaret begynner å spilles av før det er ferdig generert,
- korte svar i stedet for lange monologer,
- en gest eller en bevegelse med hodet rett etter spørsmålet, slik at gjesten vet at roboten lytter,
- muligheten til å avbryte roboten midt i en setning.
Det andre problemet er øyeblikket roboten bestemmer at personen er ferdig. For tidlig, og roboten avbryter ved hver tenkepause. For sent, og gjestene venter i stillhet. Denne innstillingen bør passe til publikum: barn og folk som snakker et fremmedspråk, tar lengre pauser.
Hvor mange språk og hvilken stemme kan en humanoid robot bruke?
Hvor mange språk og hvilken stemme en humanoid robot kan bruke, avhenger av samtaleprogramvaren, ikke av maskinvaren. MERA OS, samtalesystemet som er utviklet av MERA Robotics, fører samtaler på over 70 språk, blant annet norsk, polsk og engelsk, med en stemme tilpasset hvert språk og naturlig aksent. På et internasjonalt arrangement kan roboten ønske én gjest velkommen på engelsk og snakke med den neste på norsk.
Når du velger stemme, bør du sjekke:
- om den passer til personaen (alder, temperament, merkevare),
- om den høres naturlig ut på språket, og ikke som oversatt fra engelsk,
- hvordan den uttaler kundens egennavn,
- om taletempoet fortsatt er forståelig i støy.
Må folk få vite at de snakker med en KI?
Ja: i EU kommer plikten til å informere folk om at de snakker med en KI, fra KI-forordningen (AI Act), og bestemmelsen gjelder fra 2. august 2026. Den krever at KI-systemer som er laget for å samhandle direkte med mennesker, utformes slik at folk får vite at de samhandler med et KI-system, med mindre det er åpenbart (AI Act, åpenhetsplikter, AI Act, ikrafttredelse og anvendelse). Informasjonen skal være tydelig og gis senest ved første samhandling.
Med en humanoid robot er det som regel åpenbart at det er en maskin som snakker. Likevel er én setning i robotens velkomst eller et skilt på standen enkelt og fjerner all tvil. Data er et eget spørsmål: hvis samtalene tas opp eller logges, bør gjestene vite det. Skal roboten brukes i Norge, finner du mer om KI-regler, lokaler og ATA-carnet i Oslo, Bergen og Stavanger.
Hva bør du sjekke før et arrangement med en robot som snakker?
Før et arrangement med en humanoid robot som snakker, bør du sjekke sju ting:
- En samtaletest i det faktiske lokalet eller i lignende støy.
- En liste over egennavn som roboten må kjenne igjen og uttale riktig.
- Persona og lengde på svarene godkjent av kunden.
- En liste over utelukkede temaer og hvordan roboten avslår.
- En plan for scenen: mikrofon til gjesten, tilkobling til lydanlegget.
- Et skilt som forteller gjestene at de snakker med en KI.
- En operatør på stedet som kan ta over, bytte språk eller stoppe roboten.
Modeller som kan brukes på arrangementer, finner du i katalogen over roboter til leie og til salgs.
Hvordan velger du partner til samtaler med humanoide roboter?
Vurder en partner til samtaler med humanoide roboter etter kriterier du kan sjekke før du signerer:
- egen samtaleprogramvare i stedet for én stiv app fra produsenten,
- antall språk og hvor naturlig stemmen høres ut på ditt språk,
- persona og kunnskap forberedt til arrangementet ditt, ikke en generisk chatbot,
- operatører på stedet som reagerer når noe går galt,
- robotmodeller som kan leies eller kjøpes,
- erfaring fra arrangementer hjemme og i utlandet.
Forespørsler: contact@merarobotics.com. Skal roboten brukes på et arrangement, finner du mer på siden om å leie humanoid robot til arrangementer.
Ofte stilte spørsmål
Forstår en humanoid robot hva folk sier til den?
En humanoid robot gjør tale om til tekst, og en språkmodell tolker meningen og skriver et svar. Den forstår spørsmål stilt på naturlig språk, men kunnskap om et konkret arrangement, tilbud eller program må forberedes på forhånd.
Hvorfor svarer en robot noen ganger på noe helt annet?
Som regel fordi den hørte spørsmålet feil i støyen: talegjenkjenningen skrev ned andre ord, og modellen svarte riktig på det feil gjengitte spørsmålet. Det hjelper å snakke nær roboten, gi gjesten en mikrofon og gi systemet egennavn på forhånd.
Kan en humanoid robot snakke flere språk på ett arrangement?
Ja, hvis samtaleprogramvaren støtter det. MERA OS, systemet til MERA Robotics, fører samtaler på over 70 språk, blant annet norsk, polsk og engelsk, med en stemme tilpasset hvert språk.
Må gjestene få vite at de snakker med en KI?
I EU krever KI-forordningen, som gjelder fra 2. august 2026, at folk som samhandler direkte med et KI-system, får vite det, med mindre det er åpenbart. Med en humanoid robot holder det som regel med én setning i velkomsten eller et skilt ved standen.














