Czy widziałeś kiedyś mówiącego robota? Jest to możliwe dzięki rozpoznawaniu mowy! Jak wspomnieliśmy wcześniej, rozpoznawanie mowy zostanie podzielone na dwie różne kategorie: niezależne od mówiącego i zależne od mówiącego. Systemy zależne od głośników będą szkolone przez jedną osobę i będzie to osoba korzystająca z systemu. Systemy te są wydajne i mogą uzyskać dużą liczbę poleceń; jednakże system będzie udzielał odpowiedzi wyłącznie osobie, która przeszkoliła system. Systemy niezależne od mówcy zostaną przeszkolone w zakresie reagowania na słowa mówiącej osoby. Urządzenie do wprowadzania głosu zostanie zamontowane na kontrolerze; dlatego wydawane polecenia związane z ruchem będą wydawane głosowo, a następnie konwertowane do postaci cyfrowej. Będzie to realizowane za pomocą przetwornika analogowo-cyfrowego. Polecenia zostaną wprowadzone do mikrofonu, a następnie sygnały elektryczne będą mogły zmienić głos w ruchy. Po przekazaniu tych sygnałów cyfrowych do sterownika robota urządzenie filtrujące zostanie użyte do pobrania danych w postaci głosu. Aby poprawić dokładność i głos, nastąpi proces modelowania konwersji, który utworzy odpowiedź systemu.