Mensen met een motorische beperking die moeite hebben met het handmatig bedienen van apparaten, zouden veel baat kunnen hebben bij spraakgestuurde bedieningssystemen in hun woning. Toch worden dergelijke spraakgestuurde interfaces nog weinig gebruikt door deze doelgroep. Dit is te wijten aan technische en praktische problemen, zoals het gebrek aan robuustheid van het spraakherkenningssysteem (onder andere voor afwijkende spraak door spraakstoornissen) en de leercurve aan de kant van de gebruiker,die zijn commandos over het algemeen moet aanpassen aan een vooraf bepaalde vocabulaire en grammatica. In het ALADIN-pro ject wordt een spraakgestuurde bedieningsinterface ontwikkeld met een robuust en zelflerend spraakherkenningssysteem, dat zich aanpast aan de gebruiker. De woordenschat en de grammatica van het ALADIN-systeem worden dan ook niet voorgeprogrammeerd, maar automatisch afgeleid op basis van een aantal voorbeeldcommandos tijdens een zo kort mogelijke trainingsfase. Om de toepasbaarheid van zelflerende technieken op dit soort van taaldata te bestuderen, werd een klein corpus van gesproken commandos en bijbehorende acties verzameld, orthografisch getranscribeerd en linguïstisch geannoteerd. In deze presentatie stellen we het corpus voor en tonen we de resultaten van eerste, verkennende experimenten rond automatische grammatica-inductie.