Zunächst müssen wir einige Einschränkungen vornehmen, damit ein angemessenes lauffähiges System erstellt werden kann.
Mit den verwendeten Systemen ist der Einsatz eines Raummikrofons nicht sinnvoll. Wir verwenden zur Spracheingabe ein Handmikrophon, um zum einen die fehlerhafte Erkennung kurzer Wörter durch Störgeräusche zu minimieren und zum anderen aus der Tatsache heraus, daß mit den verwendeten Spracherkennern keine Sprechererkennung und -verfolgung möglich ist.
Eine Schwierigkeit ist die Erkennung des Endes einer Wortkette. Ausgehend von einem sinnvollen Befehl kann erst nach Ende der Äußerung mit der Hypothetisierung durch den Parser begonnen werden. Dieses Ende wird durch eine frei wählbare Zeitschranke ermittelt. Wenn für eine bestimmte Zeit kein Eingangssignal vorhanden ist, so wird ein Kommandoabschluß durch den Spracherkenner generiert. Probleme können entstehen, wenn ein Benutzer über ein Fakt, wie z.B. eine Raumnummer, nachdenken muß. Obwohl der Auftrag noch nicht zu Ende ist und danach sogar vervollständigt wird, würde das Ende generiert werden. Einstellungen von etwa einer dreiviertel Sekunde ergeben ein gutes Mittel zwischen einer schnellen Enddetektion und der Möglichkeit, kurze Pausen während der Anfrage zu machen.
Des weiteren muß der Roboter bei einer Befehlseingabe direkt mit seinem Namen CARL angesprochen werden. Durch längere Störgeräusche wie ein laufendes Radio oder ein Gespräch unter Kollegen könnten auch längere fehlerhafte Wortfolgen erkannt werden. Durch diese Einschränkung können diese nicht an den Roboter gerichteten Aussagen nicht so schnell als gültige Wortfolgen klassifiziert werden.