|
人間は言語を基盤とした分節・記号化処理を通じて実世界を認識・理解する高度な知能を築き上げてきた．記号化・言語を背景として高度に体系化された人間社会にロボットが浸透するためには，実世界の言語化能力をロボットに実装することが必要不可欠となる．本研究課題では，人間の運動データと自然言語を結びつける統計数理の枠組みを構築し，日常生活で人間の行動を言語として理解するロボット，言語指令に応じて人間らしい行動を実行するロボットの技術基盤を整備することを進めてきた．昨年度までは，光学式モーションキャプチャやIMUセンサを用いて計測された人間の3次元全身運動データと言語表現を結びつける深い中間層を有する統計数理モデルの設計論や，それを汎用カメラにて計測した人間の2次元全身運動データへ応用転換することによって，カメラで撮影した人間行動を言語表現へ変換する技術を構築してきた．しかし，2次元全身運動データの問題点として，カメラと被験者の位置関係によって同じ行動でも特徴量が大きく異なるため，学習データと全く異なる方向から撮影した動きを適切に言語化することに課題があった．本年度は，この問題を解決する方法論として，未学習の領域を低減するべく，2次元全身運動データと言語表現のデータを膨大に学習させることを提案した．様々な方向からカメラにて撮影した運動データを膨大に収集することは，多くの労力が必要であり，研究期間の制約上限界がある．そこで，これまで蓄積してきた3次元の人間全身運動データから人工的に2次元運動データを作成することを行った．3次元運動データからCGキャラクタの全身姿勢を作成し，仮想空間上の様々な位置に配置したカメラにて撮影した場合の全身運動の画像を生成した．膨大な学習データを整備することから，カメラと被験者の位置・姿勢問題を克服し，多様な状況で撮影した行動を言語化する技術を構築した．
|
