2015 Fiscal Year Annual Research Report
人＝動物インタラクションにおける行動動態の分析と認知モデル化
| Project Area | Cognitive Interaction Design: A Model-Based Understanding of Communication and its Application to Artifact Design |
|---|
| Project/Area Number |
26118004
|
|---|
| Research Institution | Tamagawa University |
|---|
Principal Investigator |
鮫島 和行 玉川大学, 脳科学研究所, 准教授 (30395131)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
澤 幸祐 専修大学, 人間科学部, 教授 (60407682)
瀧本 彩加 北海道大学, 文学研究科, 准教授 (40726832)
|
|---|
| Project Period (FY) |
2014-07-10 – 2019-03-31
|
| Keywords | 動物 / 比較認知 / 相互学習 / インタラクション / 筋電図計測 / 視線計測 / 社会的シグナル |
|---|
| Outline of Annual Research Achievements |
ヒトと動物のインタラクションに不可欠な社会的シグナルを同定するために、動物とヒトとのインタラクションの動作計測、視線計測、筋電図計測の同時計測を行った。
ヒト-ウマインタラクションの計測のために、ウマの動作計測のための簡易な加速度センサーを導入し、ウマの歩様の分類を機械学習の手法を用いてデータドリブンに分類する方法を提案し、検証した。ウマの歩様のビデオ解析をエキスパートが行い、歩様分類をした結果に対して、90％以上の精度で加速度から教師無し学習によって分類可能であることを示した。また、加速度の軌跡から歩様変化の時間を100msec前後の時間精度で検出する手法を提案した。さらに、ヒトの筋電図とウマの歩様変化の関係を解析することで、ウマに指令を出す御者の熟練者と初心者での動作の違いについて検討した。
ヒト-サルインタラクションの主に相互学習の特性を明らかにするために、サルに一定の動作をさせる訓練をヒトが行っている際の、動作および音声のビデオ解析を行った。訓練中の全ての「芸」動作の同期の程度およびその分散によって学習の進行を評価したところ、動物のみではなく、ヒトの動作も収束していることがわかった。さらに、音声による声かけやコマンドの種類の解析を行ったところ、訓練初期に多様な声かけによって動物の反応を探索することが多かったが、後半になると声かけの遷移パターンやコマンドの種類が減少し、このパターンも収束していることがわかった。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
各動物とアプローチについて、まだ論文としての成果はあがっていないが、計測および実験は順調に進行しており、次年度以降の成果報告が期待できる状態になった。
ウマのフィールド計測実験は順調にサンプル数を増やし、ヒトの音声や動作に対して、ウマの歩様の遷移確率や遷移時間の検討を開始できた。
サルのフィールド計測は、既存のデータでの解析が進み、ヒトとサルのインタラクションが生じている中での相互学習が、動作および音声データによって示された。
ウマの馬房での認知実験も、事前実験が進み、条件を絞り込んだ上での検討が始まっている。
サルの実験室実験では、ヒトとのインタラクションを指さし行動の発現という形で訓練した動物を作成し、ヒトがいる場合といない場合での社会的シグナルの発現の有無について検討をおこなっている。
|
| Strategy for Future Research Activity |
ウマの実験では、これまでに得られているデータに対して、相互のインタラクションのタイミングおよび分類についての研究を進めるとともに、さらにデータサンプルを追加すべく簡易で多くのデータが得られる実験プロトコルの確定を行う。
サルの実験では、指さし行動のビデオ解析のみならず、視線計測装置による定量的な視線の遷移と指さし時の共同注視についての検討を行う。
サルとヒトとの相互学習の経過を定性的なデータに基づいて検討するばかりでは無く、相互の強化学習モデルとして定式化し、様々な場面での相互学習に適用する。
|
