本研究では、生活支援ロボットと安心して快適にコミュニケーションするために、ユーザの意図や状況を適切に理解し行動する能力をロボット自身が、日常生活空間におけるユーザとのコミュニケーションを通して学習する技術の開発を目的とした。 ユーザの命令は一つの行動に対して様々な形で存在し得るため、ロボットは命令を解釈して適切な行動を決定しなければならない。また音声による命令では、音声認識誤りが生じる可能性がある。こうした状況の中で柔軟に対応できることが、生活支援ロボットに要求される。 開発した手法では、ロボットは、家庭でユーザと共に暮らしていることを想定し、ユーザの音声命令を聞き、ユーザの動作と、動作を行っている際に関連している物体および位置を観測し、ユーザ行動文脈、場所文脈および音声命令を統合し、ロボット自身の行動を決定する。ユーザの行動パターンについては、ユーザが使っている物体を認識しトラッキングすることで動作の分節化を行い、動作時系列(関節角の情報)と物体の関係性を、多層マルチモーダルLatent Dirichlet Allocationによってモデル化し、これの教師なし学習を行った。動作の認識は、分節化された動作の時系列を階層ディリクレ過程隠れマルコフモデルを用いてモデル化することで、また、行動の予測は、学習データからの行動のN-gramを用いてモデル化することで実現した。これらのモデルを統合することにより、現在のユーザの行動を認識し、その後に起こる行動とユーザが使うであろう物体を予測し、それを持ってくるというサービスを実現可能とする。本手法の基礎的な評価として、ノイズのある環境でのロボットの行動決定の評価実験を行い、その実現可能性を示すことに成功した。 なお、手法の開発および評価実験は、連携研究者である電気通信大学の長井隆行准教授と共同で行った。
|