Los humanos pueden reconocer el tamaño aproximado de una habitación utilizando solo la audición binaural. Sin embargo, la reverberación del sonido no es despreciable en la mayoría de los entornos. La reverberación provoca fluctuaciones temporales en las diferencias de fase interaurales (IPDs) de presión sonora a corto plazo. Este estudio propone un método novedoso para que una cabeza de robot humanoide estime el volumen de la habitación. El método se basa en las propiedades estadísticas de las IPDs de presión sonora a corto plazo. El robot humanoide gira su cabeza hacia una fuente de sonido, reconoce la fuente de sonido y luego estima la distancia egocéntrica mediante su estereovisión. Al interpolar las relaciones entre el volumen de la habitación, la desviación estándar promedio y la distancia egocéntrica obtenida experimentalmente para varias habitaciones en una base de datos preparada, se estimó el volumen de la habitación mediante la audición binaural del robot a partir de la desviación estándar promedio de las IPDs a corto plazo a la distancia estimada.