| 研究概要 |
本研究は,会話の中でロボットが学びを誘発し,その一方でロボット自身も学ぶメカニズムを解明することを目的としている.人が学ぶためには,自身の考えを表出することが有効であることが分かっている.そのため,ロボットは人が考えを表出することを促すような聞き手としての振る舞いをする必要がある.また,オペレータがロボットを遠隔操作した履歴には,オペレータの会話を促進するためのノウハウが蓄積されたものであるため,ロボットが会話を学んでいくためには,操作履歴を元に,対話パターンを抽出・再利用する技術を実現する必要がある.
本年度は,人の考えの表出の前段階にあたる発話時間および発言権獲得回数の増加を目標とし,ロボットの非言語的な行動により,これらが促進されるためのモデル化を進めた.モデルは複数の状態を持ち,その状態ごとにロボットの動作を適切に変更することによって,人の発言権の獲得が促進されることを実験を通して明らかにした.しかし,動作の変更だけでは人に発言権を獲得させるには不十分であり,ロボットの各状態における発話のタイミングや発話の方法を適切に変更す必要がある.翌年度以降,これらを踏まえ,より精緻にモデル化を進める予定である.また,人とロボットの会話におけるオペレータの遠隔操作の履歴および,ロボットの状態を記録できるようにした.センサ情報の獲得は行えているため,次年度以降,その履歴とセンサ情報とを連結する形で構造化し,再利用可能なようにプログラムを作成していく.
|
