CN102227696A - 触感处理装置 - Google Patents

Abstract

本发明能够用时间分割来感测并再现人在时间上分别感觉到的各种各样的触感。触感处理装置具备：动作计测部，其计测人和对象物的接触状态；物理计测部，其计测对象物的物理特性值；和物理心理变换部，其根据基于与人接触了任意的对象物时的接触状态相应的物理特性值、和与接触了任意的对象物时的触感相关的特征量而算出的、每个接触状态的任意的对象物的物理特性的权重，根据由物理计测部计测出的物理特性值，来生成与触感相关的特征量。

Description

触感处理装置

技术领域

本发明涉及对人接触物体时的触感进行数值计测、再现或检索的装置、方法、以及程序。

背景技术

近年，网络设备和信息终端设备的性能提高显著，连接远程地点的交流的便利性日益提高。特别是，视觉类的信息传递手段表现出显著的发展，通过照相机的高精细化和显示器的大画面化等，而具备了能够不受场所制约地得到高真实感的视觉信息的环境。听觉类的信息传递手段的性能提高也很显著，通过多路化等，能够进行丰富的声场控制，由于与视觉类的协同效应，在娱乐领域或商业领域，临场感高的视觉听觉交流显示出扩大。

以真实感·临场感的进一步提高为目标，将人的感觉对象扩大到五感的动向也很活跃，与触觉·嗅觉·味觉的传递或再现相关的技术开发很盛行。

触觉是人接触对象物时的感觉，例如，“硬·软”、“光滑·粗糙”这种与对象物的硬度和表面特性等相关的感觉。视觉听觉类是人接受光和声波而感到的非接触型的感觉类型，另一方面，触觉类是接触对象物之后才产生感觉的接触型的感觉类型，在对以往的视觉听觉类的信息传递手段增加了触觉类的信息传递手段的情况下，真实感和临场感有可能飞跃性地提高。

为了用网络设备或信息终端设备来对人接触对象物时的感觉进行传递或再现，大致需要实现以下三个功能。

(1)触感的定量化

(2)触感感测(sensing)

(3)触感显示

触感的定量化，例如，如非专利文献1所公开的那样，由用于收集人的触感响应的感官评价、和解析收集到的数据并对触感进行数值表现的因子分析而构成。

感官评价，例如，将图2所示的那种提问表1501提供给被试验者，按照每个提问项目用数值来回答接触对象物时的触感。提问项目由相互具有相反的意思的形容词对构成，例如，用7个等级来回答“硬—软”的程度。

在非专利文献1中，用12种提问项目来让被试验者回答20种对象物的触感。因子分析是多变量分析的手法之一，是假定观测数据为合成量，并对各个构成要素进行分析的手法。在非专利文献1中，假设感官评价结果能够总括为4个因子，分别为与粗糙感、冷暖感、干湿感、软硬感相关的因子。因此，被试验者的触感，如图3所示，可以作为触感特征量向量1602，定量地记述于在轴上具有所述4个因子的4维特征量空间1601。触感特征量向量1602是通过感官评价实验而得到的定量的人的响应特性，这相当于心理量。

触感感测，例如，如非专利文献2所公开的那样，将对象物的物理特性值与所述触感特征量向量对应起来而成。非专利文献2的目的在于客观地评价布的手感，如下面的数1(equation 1(“数学式”的简称))所示，用布的力学·表面特性xi的线性组合来表现布的手感特性Hk。

[数1]

$H_k=C_{k0}+\underset{i=1}{\overset{16}{\mathrm{\Σ}}}{C}_{\mathrm{ki}}\frac{x_i-\stackrel{\‾}{x_i}}{{\mathrm{\σ}}_i}$

在此，xi是由拉伸特性值、弯曲特性值、剪切特性值、压缩特性值、表面特性值、厚度特性值、重量特性值构成的16种物理计测值，Hk是由硬挺度(stiffness)、光滑度、饱满度(fullness with softness)、脆度(crispness)、张力(anti-drape stiffness)构成的5种手感特性值。在上部附加了横杠的xi是多个采样的平均值，σi是多个采样的标准偏差值，Ck0和Cki是常数。常数Ck0和Cki是根据从多个布采样得到的布的力学·表面特性xi和手感特性Hk用回归分析来算出的。布的力学·表面特性xi是将对象物设置于计测器，计测器根据需要使对象物变形(拉伸、弯曲、剪切、压缩等)，来测定目标物理特性值的。手感特性Hk是与非专利文献1相同地，在感官评价实验中由被试验者接触对象物，并回答按照每种手感所感觉到的强度来取得的。算出常数Ck0和Cki的工序，是所谓“学习工序”，若完成了该工序则数1完成。之后，转移到“执行工序”，计测针对未知的对象物的布的力学·表面特性xi，并对数1进行计算，来推定手感特性Hk。手感特性Hk是通过感官评价实验而得到的定量的人的响应特性，这相当于心理量。因此，数1是将物理量变换为心理量的物理心理变换式，将作为布的力学·表面特性xi的物理量变换为作为手感特性Hk的心理量。

图4是表示了所述的触感的定量化和触感感测的以往技术的处理流程的模块图。在学习工序1701中，使用多个学习对象物1702，来定量地表现被试验者1703的触感。被试验者1703按照感官评价单元1704来回答学习对象物1702的触感。该回答结果被因子分析单元1705施加多变量分析，因子被分析，该因子群作为学习素材触感特征量向量F被输出。在非专利文献1的说明中使用了的图3的触感特征量向量1602相当于图4的学习素材触感特征量向量F。同样，在学习工序1701中，用对象物物理计测部1706来计测多个学习对象物1702的物理特性值。该计测结果作为学习素材物理特性值向量Ps被输出。在非专利文献2的说明中使用了的数1的布的力学·表面特性xi相当于图4的学习素材物理特性值向量Ps。物理心理变换计算单元1707算出将数2所示的这种学习素材物理特性值向量Ps变换为学习素材触感特征量向量F的函数M。

[数2]

F＝M(P_s)

在非专利文献2的说明中使用了的算出数1的常数Ck0和Cki的单元相当于物理心理变换计算单元1707。作为函数M，一般使用矩阵，数2为矩阵变换式。在执行工序1708中，用对象物物理计测部1706来计测想要计测触感的测试对象物1709的物理特性值，得到参照素材物理特性值向量Pt。物理心理变换部1710使用在学习工序1701中算出的函数M，按照数3，将参照素材物理特性值向量Pt变换为推定触感特征量向量F’。

[数3]

F′＝M(P_t)

触感显示器，例如，如非专利文献3所公开的那样，用促动器使人的皮肤变形来使其产生触感。在非专利文献3中，将超声波振子用于促动器，利用超声波振子的挤压(squeeze)效应，来控制粗糙感、软硬感。挤压效应是指，在2个物体急速接近时，对两物体间的流体产生压力的现象，起到流体润滑作用。

在图5中表示触感显示部1801的构成、和作为人1802的触感的粗糙感1803、软硬感1804、摩擦感1805的关系。触感显示部1801与人1802的手指接触，并相互作用。在图5中，将触感显示部1801和人1802产生相互作用的部分作为相互作用部1806，用虚线的方形来表示。

触感显示部1801为了呈现粗糙感1803，而用振动1807作用于人1802。振动1807作为超声波振动部1808的振幅调制的稳态分量1813和非稳态分量1809的和被生成，而利用振幅调制波的非稳态分量被感知为相当于振动振幅的数十倍的高度的凹凸的特性，用非稳态分量1809来控制粗糙感1803。此外，接触对象物凹凸的手指的速度越快，则传给手指的振动频率越高，反之，接触对象物的凹凸的手指的速度越慢，则传给手指的振动频率越低。因此，由于传给人的手指的振动频率与人的手指的速度成比例，所以用位置传感器部1811来计测手指速度1810，并使用于非稳态分量1809的控制。

此外，触感显示部1801为了呈现软硬感1804，而用力分布1812作用于人1802。力分布1812的控制由超声波振动部1808的振幅调制的稳态分量1813来进行。但是，如上所述，稳态分量1813对振动1807也产生影响。因此，通过调整稳态分量1813和非稳态分量1809的振幅比，来补正对粗糙感1803的影响。

并且，触感显示部1801为了呈现摩擦感1805，而用摩擦力1814作用于人1802。因为超声波振子的挤压效应使摩擦系数降低，所以仅用超声波振子来独立地控制摩擦感是很困难的。因此，用力感呈现部1815的切向力(切线力)1816的呈现来补正超声波振子的摩擦特性的变化。切向力1816根据由位置传感器部1811检测出的手指速度1810和手指位置1817、以及由力传感器部1818检测出的人的手指的法向力(法线力)1819来算出。具体来说，首先，在触感显示部1801和人1802刚刚接触之后，提示与从初始接触位置的位移相应的静止摩擦力。在呈现的切向力与施加于触感呈现部的法向力的比，超过了由力感呈现部1816所呈现的静止摩擦系数时，向人1802提示动摩擦力。

如上所述，触感显示部1801用超声波振动部1808和力感提示部1815这两者来使振动1807、力分布1812、和摩擦力1814作用于人1802，并对人1802呈现粗糙感1803、软硬感1804、和摩擦感1805。此时，由于超声波振子的挤压效应而摩擦系数降低，仅用超声波振子来控制摩擦感很困难，因此用力感提示部1815所生成的切向力1816来施加对摩擦的补正。力感呈现部1815所生成的切向力1816根据从位置传感器部1811和力传感器部1818得到的手指速度1810、手指位置1817、和法向力1819来算出。

图6是本申请发明者假想地组合了在图4中说明了的触感的定量化和触感感测、在图5中说明了的触感显示而构成的触感处理装置2100的模块图。

触感传感器部2101与图4相同，对象物物理计测部1706计测测试对象物1709的物理特性值，并输出参照素材物理特性值向量Pt。物理心理变换部1710经过图4所示的学习工序1701，预先具有了物理心理变换用的函数M，将参照素材物理特性值向量Pt变换为推定触感特征量向量F’。触感显示部1801由人1802接触促动器部2102来感觉触感。促动器部2102相当于图5的情况下的超声波振动部1808和力感呈现部1815。促动器控制部2103对促动器部2102进行驱动。在图5的情况下，相当于使超声波振动部1808振动的电气手段、对力感呈现部1815进行驱动的电气手段。

心理物理变换部2104将推定触感特征量向量F’变换为促动器控制信号D’，以使得能够用触感显示部1801来再现触感传感器部2101所取得的触感。将此在数4中用于数式来表示。

[数4]

D′＝Q(F′)

在此，函数Q是将作为心理量的推定触感特征量向量F’变换为作为物理量的促动器控制信号D’的心理物理变换函数。该函数Q由触觉显示部1801的输入输出特性来决定。即，由作为向触觉显示部1801的输入的促动器控制信号D’、和作为触觉显示部1801的输出的人1802所感觉到的触感Fo的关系来决定，将此如下来进行数式表现。

[数5]

F_o＝V(D′)

函数V相当于触觉显示部1801的输入输出特性。数5的逆变换对应于数4，因此数4如下被改写。

[数6]

D′＝V^-1(F′)

即，若用触觉显示部1801的输入输出逆特性V^-1来对推定触感特征量向量F’进行变换，则能够算出人1802能够感觉到测试对象物1709的触感的促动器控制信号D’。

如上所述，能够对人接触对象物时的触感进行感测，作为触感特征量向量在网络中传递，并用触感显示器来再现触感。

专利文献1：JP特开2007-187555号公报

专利文献2：JP特开2003-248540号公报

专利文献3：JP特开平11-203019号公报

专利文献4：JP特开平8-7182号公报

非专利文献1：白土、前野，“用于触感呈现·检测的材质识别机构的模型化”，日本虚拟现实学会论文杂志、TVRSJ Vol.9 No.3 pp.235-240、2004年

非专利文献2：丹羽，“手感和力学特性—手感的客观评价及其应用—”，纤维学会杂志、纤维与工业、Vol.46 No.6 pp.245-252、1990年

非专利文献3：盐川、田藏、昆阳、前野，“基于超声波振子和力感呈现装置的集成的复合触感呈现法”，机器人·机械电子装置演讲会2008、1A1-H20、2008年

非专利文献4：东山、宫冈、谷口、佐藤、“触觉和疼痛”，brain出版、pp.104-pp.107、2000年

非专利文献5：前野，“人指腹部和触觉感受器的构造与功能”，日本机器人学会杂志、Vol.18 No.6 pp.772-775、2000年

非专利文献6：东山、宫冈、谷口、佐藤、“触觉和疼痛”，brain出版、pp.49-pp.50、2000年

非专利文献7：使用了KES的素材检索的事例(http://www.ktri.city.kyoto.jp/senshiDB/search.phtml？mode＝cloth)

非专利文献8：门并、昆阳、前野，“用于触感远程传递的手指垫型触感传感器的开发”，ROBOMEC2008、1P1-I09、2008

以往，以将从对象物感觉到的多个触感全部概括，表现为1个触感特征量向量1602为目的，进行了研究。但是，若将多个触感全部概括来表现为触感特征量向量1602，则产生了如下课题：无法表现“人在时间上分别感觉到各种各样的触感”这种状态。换言之，因为触感特征量向量1602还总是包含人没有感觉到的触感，所以作为信息是过剩的，而且，存在将重要的触感的信息稀释化的问题。

例如，如非专利文献4所公开的那样，人通常改变“接触方式”，即，“手与对象物的接触状态”从而得到了各种各样的触感。在图5的触感显示部1801的情况下，软硬感1804主要是通过按压对象物的动作而得到的触感，另一方面，粗糙感1803和摩擦感1805主要是通过描摹对象物的动作而得到的触感。特别是，摩擦感1805，如图7(a)所示，是通过手指1901的描摹动作1902，由在与对象物1903的切线方向起作用的摩擦力1904所产生的触感。因此，如图7(b)所示，通过在相对于与对象物1903的切线成为垂直方向的按压动作1905，不会感觉到摩擦力1805。

根据这种解释，例如，软硬感1804和摩擦感1805可以说是依赖于手的动作而分别地感觉到的触感，人在想要知道软硬感1804而进行按压对象物的动作的情况下，无法感觉到摩擦感1805。

作为人改变接触方式从而得到了各种各样的触感的根据，例如，如非专利文献5所公开的那样，触觉感受器的频率灵敏度分布被熟知。

在人的手指中，存在频率灵敏度分布不同的多个触觉感受器，例如，Merkel细胞、迈斯纳(Meissner)小体、帕西尼(Pacini)小体具有图8所示的那种灵敏度分布。图8的纵轴2001表示触觉感受体的激发阈值(firing threshold)，是在使手指按压对象物的动作中，激发触觉感受器的按压振幅的阈值。

图8的横轴2002表示手指的按压动作的频率。帕西尼小体2003在3个触觉感受器中灵敏度最高，对于80Hz左右的振动，在2μm的按压振幅下激发。若降低振动频率到例如10Hz，则灵敏度变低，激发阈值变大为100μm。帕西尼小体2003将100Hz作为峰值灵敏度，具有与频率相应的灵敏度分布。

Merkel细胞2004和迈斯纳小体2005也同样根据频率不同而灵敏度不同，具有频率灵敏度s。

在对人的按压动作和描摹操作(tracing movement)进行比较时，一般来说，按压动作的频率较低，描摹动作的频率较高。即，与使手指按压对象物从而皮肤发生振动的频率相比，描摹对象物来接触对象物的凹凸从而皮肤发生振动的频率较高，这种解释是很自然的。

若这样来考虑，则对于按压动作，主要激发在大约10Hz以下的这种低频率范围2006具有灵敏度峰值的Merkel细胞2004。另一方面，对于描摹动作，主要激发在大约100Hz左右的高频率范围2007具有灵敏度峰值的帕西尼小体2003、或在大约30Hz左右的中频率范围2008具有灵敏度峰值的迈斯纳小体2005。

因此，人通过改变接触对象物的动作，即，“手的动作”，能够切换图8的横轴2002的频率，其结果，可以解释为对多个触觉感受器给予振动刺激，并得到了各种各样的触感。

若像以上那样，从振动频率选择这种观点来看人手的动作，则可以解释为在时间上分别感觉到了多种触感。例如，可以理解为图5的软硬感1804和摩擦感1805在时间上并不是同时被感觉到，而是以时间分割被感觉到。即，软硬感1804是通过按压动作而感觉到的触感，从振动频率来看，对于低频率范围2006，主要激发Merkel细胞2004而被感觉到。因为该按压动作的加压方向为对象物的法线方向，所以主要由与表面凹凸的碰撞而产生的高频率范围2007下的振动不易发生。既然振动刺激没有输入到触觉感受器，所以不产生各触觉感受器所担当的触感，在按压动作中，以Merkel细胞2004为中心感觉到软硬感1804。

反之，在通过描摹动作而产生了主要激发帕西尼小体2003的高频率范围2007的振动的情况下，有助于软硬感1804的Merkel细胞2004的灵敏度较低，因此不产生软硬感1804，而产生粗糙感1803或摩擦感1805。

如上所述，人改变接触对象物的手的动作，即“触摸动作”而得到了不同的触感。与此相对，若将从对象物感觉到的多种触感全部概括并表现为触感特征量向量1602，则产生无法表现“人在时间上分别感觉到各种各样的触感”这种状态的课题。因此，在假定了使用触感特征量向量1602来检索具有类似的触感的素材的素材检索装置的情况下，无法进行关注于人按照每种触摸动作而不同地感觉到的触感的检索。

此外，例如图6所示的触感处理装置2100，总是呈现人没有感觉到的触感的这种过剩动作成为问题。即，因为将从测试对象物1709感觉到的多种触感全部概括并表现为推定触感特征量向量F’，所以触感显示部1801对人1802同时呈现多种触感。

例如，在人1802用按压促动器部2102的动作来进行了接触的情况下，感觉到测试对象物1709的软硬感1804。但是，促动器部2102还同时呈现了粗糙感1803和摩擦感1805，而由于在图7中说明了的手的动作和在图8中说明了的触觉感受器的振动频率选择性，所以人1802不会在感觉到软硬感1804的同时感觉到粗糙感1803和摩擦感1805。

发明内容

本发明为了解决上述课题而作，其目的在于，提供一种能够以时间分割来感测并再现人在时间上分别感觉到的各种各样的触感的技术。

本发明的触感处理装置具备：动作计测部，其计测人和对象物的接触状态；物理计测部，其计测所述对象物的物理特性值；和物理心理变换部，其根据基于与人接触了任意的对象物时的接触状态相应的物理特性值、和与接触了所述任意的对象物时的触感相关的特征量而算出的、每个接触状态的所述任意的对象物的物理特性的权重，根据由所述物理计测部计测出的所述物理特性值，来生成与触感相关的特征量。

所述触感处理装置也可以还具备输出部，其将由所述物理心理变换部所生成的所述与触感相关的特征量，作为所述人接触了所述对象物时感觉到的触感量来输出。

所述物理计测部能够计测与所述对象物的多种物理特性相关的物理特性值，所述物理计测部也可以根据所述人接触所述对象物的接触状态，来改变计测的物理特性的种类。

所述动作计测部计测与所述人的手接触了所述对象物时的手的动作相关的特征量，所述与手的动作相关的特征量也可以包含所述手的位置坐标、所述手和所述对象物的接触位置坐标、所述位置坐标的变化量、所述手的移动速度、所述手的移动加速度中的至少一个。

所述物理计测部也可以计测所述对象物的形状和应力中的至少一个，作为所述对象物的物理特性值。

所述与触感相关的特征量也可以包含定义为从所述被试验者的感官响应中提取的因子的凹凸感、软硬感、摩擦感、粘性感中的至少一个。

所述物理心理变换部保持有预先作成的、将所述对象物的物理特性值以及与接触了所述对象物时的触感相关的特征量对应起来的信息，所述信息也可以是将所述与手的动作相关的特征量、所述对象物的物理特性值、以及所述与触感相关的特征量对应起来的表，或者，是将所述与手的动作相关的特征量和所述学习对象物的物理特性值作为输入，并输出所述与触感相关的特征量的函数。

所述触感处理装置还具备触感显示部，其通过从所述输出部接收所述与触感相关的特征量，并根据接收到的所述与触感相关的特征量来产生力，来使该触摸者产生触感，所述触感显示部具备：心理物理变换部，其根据预先准备的变换规则，将从所述记录部接收到的所述与触感相关的特征量变换为控制信号；驱动部，其根据所述控制信号来对所述触摸者的手施力；和手的动作计测部，其计测与接触了所述触感显示部的所述触摸者的手的动作相关的特征量，所述心理物理变换部也可以接收根据所述触摸者的手的动作特征量而确定的、记录在所述记录部中的所述与触感相关的特征量。

本发明的另一触感处理装置具备：触感显示部，其通过产生力，来使触摸者产生触感；物理计测部，其计测预先提供的测试对象物的物理特性值；和物理心理变换部，其根据预先提供的、将学习对象物的物理计测值以及与人接触了所述学习对象物时的触感相关的特征量对应起来的信息，来将计测出的所述测试对象物的物理特性值变换为与触感相关的特征量，所述触感显示部具有：心理物理变换部，其根据预先准备的变换规则，将所述与触感相关的特征量变换为控制信号；驱动部，其根据所述控制信号，来对所述触摸者的手施力；和手的动作计测部，其计测与接触了所述触感显示部的所述触摸者的手的动作相关的特征量，所述物理计测部根据计测出的所述与手的动作相关的特征量，来计测所述测试对象物的物理特性值。

本发明的又一触感处理装置具备：物理计测部，其利用物理传感器来计测测试对象物的物理特性值；物理传感器动作指示部，其在计测所述测试对象物的物理特性值时，指示所述物理传感器的动作；物理心理变换部，其根据预先将学习对象物的物理特性值、与被试验者接触了所述学习对象物时的手的动作相关的特征量、和与接触了所述对象物时的触感相关的特征量对应起来，以使得参照的所述物理特性值的种类或权重根据所述与手的动作相关的特征量而变更的信息，来将计测出的所述物理特性值变换为所述与触感相关的特征量；和输出部，其将确定了的所述与触感相关的特征量设为所述人接触了所述测试对象物时感觉到的触感量来输出。

所述触感处理装置还具备触感显示部，其通过从所述输出部接收所述与触感相关的特征量，并根据接收到的所述与触感相关的特征量来产生力，来使该触摸者产生触感，所述触感显示部具备：心理物理变换部，其根据预先准备的变换规则，将从所述记录部接收到的所述与触感相关的特征量变换为控制信号；促动器部，其根据所述控制信号来对所述触摸者的手施力，使所述触摸者产生触感；手的动作计测部，其计测与接触了所述促动器部的所述触摸者的手的动作相关的特征量，所述心理物理变换部也可以接收根据所述触摸者的手的动作特征量而确定的、记录在所述记录部中的所述与触感相关的特征量。

通过本发明，能够进行与人的手和对象物的接触状态相应的触感感测和触感呈现，因此能够无浪费地只处理针对人的感觉所需要的触感信息。触感显示器的促动器只要驱动人的感觉所需要的部分即可，能够简化促动器的结构和控制。

附图说明

图1是将触感传感器的原理分为学习工序2305的处理、和学习后的执行工序2306的处理来进行了记载的模块图。

图2是表示提问表1501的例子的图。

图3是表示记述在4维特征量空间1601中的触感特征量向量1602的图。

图4是表示触感的定量化和触感感测的以往技术的处理流程的模块图。

图5是表示触感显示部1801的结构和作为人1802的触感的粗糙感1803、软硬感1804、摩擦感1805的关系的图。

图6是本申请发明者假想地组合了在图4中说明了的触感的定量化和触感感测、以及在图5中说明了的触感显示器而构成的触感处理装置2100的模块图。

图7(a)是表示手指1901的描摹动作1902的图，(b)是表示按压动作1901的图。

图8是具有Merkel细胞、迈斯纳小体(meissner corpuscles)、帕西尼小体的灵敏度分布的信息。

图9是表示人的手所施加的加压力的始点102的位置和长度103的图。

图10是表示以往的素材检索装置的结构例的图。

图11是表示指定触感的种类和其触感强度的、以往的素材检索方法的例子的图。

图12是表示图2所示的检索处理的结果显示例的图。

图13是表示图3的检索结果中的、与资料号码53相关的衣服布料详细数据的图。

图14是表示基于实施方式1所涉及的触感的素材检索装置800在执行检索时主要使用的结构的图。

图15是表示对素材物理特性值进行计测的设备的配置例的图。

图16(a)和(b)是传感器的上表面图和A-A’剖面图。

图17是表示对象物物理计测部109的结构例的图。

图18(a)和(b)是说明使用了图像传感器的触摸动作计测的图。

图19是表示对指尖或关节安装了标识符(marker)的例子的图。

图20是在测试对象物105的下面设置了压电传感器401的图。

图21是表示触摸动作DB13的数据结构的一个例子的图。

图22是表示触感权重DB18的结构的概念图。

图23是表示素材DB23的数据结构的一个例子的图。

图24是表示实施方式1所涉及的基于触感的素材检索装置800在执行学习时主要使用的结构的图。

图25是表示实施方式1所涉及的基于触感的素材检索装置800在执行学习时主要使用的结构、和构筑的素材DB23的图。

图26是表示形容词对的例子的图。

图27是表示将触摸动作特征量向量v作为要素的聚类处理(clustering process)的步骤的流程图。

图28是表示簇(cluster)和要素的空间分布的一个例子的图。

图29是表示实施方式2所涉及的基于触感的素材检索装置801在执行学习时主要使用的结构的图。

图30是表示触感权重DB18a的数据结构的一个例子的图。

图31是表示素材DB23a的数据结构的一个例子的图。

图32是表示素材检索处理的步骤的流程图。

图33是表示实施方式2所涉及的基于触感的素材检索装置801在执行学习时主要使用的结构的图。

图34是表示触摸动作概率DB27的数据结构的一个例子的图。

图35是表示实施方式2所涉及的基于触感的素材检索装置801在执行学习时主要使用的结构、和构筑的素材DB23a的图。

图36是表示物理·触感空间变换的示意图。

图37是表示针对表面的粗糙度不同的4个素材，素材A、素材B、素材C、素材D，与表面粗糙度相关的触感强度根据触摸动作而发生变化的样态的图。

图38是表示触感分布基于触摸动作的差异而发生的变化的图。

图39是表示实施方式3所涉及的基于触感特征量向量的素材检索装置802在执行检索时主要使用的结构的图。

图40是表示实施方式3所涉及的基于触感的素材检索装置802在执行学习时主要使用的结构的图。

图41是表示实施方式3所涉及的基于触感的素材检索装置802在执行学习时主要使用的结构、和构筑的素材DB23b的图。

图42是表示实施方式4的触感处理装置100的模块图。

图43是对物理心理变换部110的结构例进行说明的图。

图44是表示触摸动作和触感的对应表2601的图。

图45是说明利用人107的触摸动作特征量向量H’，来选择呈现给人107的触动推定触感特征量向量F’_H的方法的图。

图46(a)和(b)是表示触摸动作特征量向量空间的图。

图47是表示区域601(人104)外的触摸动作特征量向量901被映射到区域601内的最邻近处，触摸动作特征量向量903以具有误差902的形式被检测出的图。

图48是表示实施方式5的触感处理装置1000的结构的模块图。

图49是表示实施方式6的触感处理装置1100的模块图。

图50是表示XYZ台(stage)501的例子的图。

图51(a)是定义了在触摸动作特征量向量空间中，包含所有计测出的向量群1301的区域1302的图，(b)是表示在区域1302内设定了均等地分布的向量群的图。

图52是表示实施方式7的触感处理装置1400的模块图。

具体实施方式

以下，参照附图，对本发明的触感处理装置的实施方式进行说明。

本发明着眼于“人在时间上分别感觉到不同的触感”这个事实，并对此进行了利用。

产生触感的根源在于，存在于人的手指的触觉感受器的激发，该触觉感受器的激发的起因在于皮肤的振动，并且，该皮肤的振动的起因通过人的手接触对象物而产生。本发明根据人的手与对象物的接触状态，来定量地记述人所感觉到的触感。

人的手与静止的对象物的接触状态由人手的动作来决定。即，在对象物不动的情况下，能够用人的手在怎样的位置上与对象物接触、施加了怎样的力，来表现接触状态。

如图9所示，人的手所施加的加压力可以用加压力向量101的始点102的位置和长度103来表现，加压力向量101的始点102是人1802的手指1901与对象物1903的触点。

接下来，根据对象物1903具有怎样的物理特性，决定人的皮肤弹性体所受到的刺激。对象物1903的物理特性是指，例如，硬度、弹性、粘性、表面形状等，需要对这些进行计测的手段。

另外，也可以过剩地计测所有物理特性值。但是，基本上，只计测与人的手的加压相关的物理特性值的情况，浪费较少从而优选。例如，在人的手进行了按压动作的情况下，计测对象物的硬度和法线方向的弹性、粘性等，而不计测表面形状或切线方向的弹性、粘性等。另一方面，在人的手进行了描摹动作的情况下，优选计测表面形状和切线方向的弹性、粘性等，而不计测对象物的硬度和法线方向的弹性、粘性等。

在计测了由人的手进行的加压和对象物的物理特性之后，记述人的皮肤的振动和触觉感受器的激发等。本发明将此工序作为黑盒(black box)，将用学习对象物在事前计测出的物理特性值和触感量直接对应起来，通过矩阵变换或表的参照等来执行从物理特性值向触感量的变换。

图1是将考虑了上述触摸动作的触感传感器的原理分为学习工序2305的处理、和学习后的执行工序2306的处理来进行了记载的模块图。

图1是以作为以往技术的一个例子进行了说明的图4为基础，在其中增加了手的动作计测单元2301的结构。

此外，因为因子分析和物理心理变换的动作根据触摸动作而改变，所以因子分析单元2302、物理心理变换计算单元2303、物理心理变换单元2304与以往技术的图4不同。具体来说，在学习工序2305中，将计测出的触摸动作作为触摸动作特征量向量分类为多种模式，按照每个模式来分别进行因子分析，并按照每个触摸动作模式来分别算出将学习素材物理特性值向量P_S变换为触感特征量向量F_H的函数M_H。在执行工序2306中，根据接触测试对象物的触摸动作来选择函数M_H，并将参照素材物理特性值向量P_t变换为触感特征量向量F’_H。

对触感进行再现的触感显示器，对人2307接触促动器的触摸动作进行计测。根据计测出的触摸动作特征量向量的类似度，来选出应在触感显示器上再现的触感特征量，并驱动触感显示器，以呈现该触感特征量。选出的触感特征量可以称作触感量的推定值。触感量是从人的感官响应提取的因子，表现为与触感(例如凹凸感、软硬感、摩擦感、粘性感中的至少一个)相关的心理量(例如人针对图2那种提问的响应量)。

通过本结构，能够伴随人手的动作来感测人以时间分割而感觉到的多种触感，并且，能够根据人手的动作来输出。

作为利用像这样根据人手的动作而推定出的触感的实施方式，以下说明大致2种实施方式。首先一个是关于根据人接触素材时所感觉到的素材的触感，来检索与此类似的素材的素材检索装置的实施方式，在以下实施方式1到实施方式3中公开。另一个是关于再现素材的触感来进行呈现的触感显示器的实施方式，在实施方式4到实施方式7中公开。

对于在实施方式1到实施方式3中公开的素材检索，存在使用以往表示接触布料时所感觉到的触感(手感)的触感词汇和其触感强度，来进行衣服布料的检索的装置(例如，参照非专利文献7)。

图10表示上述以往的素材检索装置的模块图。首先，为了容易理解，以检索画面为例来说明以往的素材检索装置的功能。

图11是以往的素材检索装置的检索画面。在该检索画面中，用户可以选择表示触感的“硬挺度”、“张力”、“丝鸣感”(scrooping feeling)这种触感词汇作为检索项目，并按照每个项目，用“有”、“中等程度”、“无”这三个等级来指定触感强度。素材检索装置将这些作为检索键(searching key)接收。在图11的检索键输入画面的最上段，作为例子，选择了检索项目为“硬挺度”，其程度为“有”。

图12是针对在图11中输入了的检索键，提取出了130件符合的素材，并显示了其中20件的信息的例子。在用户想要进一步缩小检索对象的情况下，使用关键字(key word)作为检索键。例如，可以将作为素材的种类的“麻”、作为编织的种类的“平织”、表示线的粗细的“40号”作为关键字，来进一步缩小对象。

图13表示了图12的检索结果中的、与资料号码53相关的衣服布料详细数据。在图13中，纺织品设计数据记载有布料的颜色、厚度、编织宽度，使用于布料的经纱纬纱的纤维的种类、粗细、捻线方法等。此外，测定数据记载有实际测定出的折痕磨损等物理量和相对于“硬挺度”等触感词汇的触感强度。

以下，对图10的素材检索装置的动作进行说明。素材检索装置的动作分为学习时和检索时。在学习时，素材检索装置作成触感数据库(DB)503和纺织品设计数据库(DB)505。在检索时，素材检索部507将触感词汇和其强度作为检索条件来检索触感数据库503，并作成相应的质地一览表。检索结果显示部508针对按照来自检索者的指示，从检索结果的素材一览表中选择的素材，参照纺织品设计数据库505来显示衣服布料详细数据。

触感数据库503针对很多的采样素材而具有表现素材的触感的“触感词汇Y_k”和其“触感强度H_k”(k＝1、2、…、12)。如在前面说明了的非专利文献2所公开的那样，触感强度H_k是将素材物理特性值xi(i＝1、2、…、16)代入数1来算出的。

数1所示的每个触感词汇Y_k的素材物理特性值xi与触感强度H_k的关系，可以使用将权重系数C_k0、C_ki作为分量的行向量C_k、和将素材物理特性值xi作为分量的列向量X，如下这样来记述。

[数7]

H_k＝C_k·X

其中

C_k＝(C_k0 C_k1 … C_kn)

以下，将行向量C_k称作“触感权重向量”，将列向量X称作“素材物理特性值X”。

推定触感强度计算部502根据由素材物理量计测部501计测出的素材物理特性值X，通过数7，针对所有的触感词汇来算出触感强度H_k。由该推定触感强度计算部502算出的推定触感强度H_k与识别素材的资料号码关联起来保存在触感数据库503中。

纺织品设计数据取得部504取得构成素材布料的线的粗细、捻线方法、和布料的编织方法等信息，并与识别素材的资料号码关联起来保存在纺织品设计数据库505中。

检索键输入部506输入所述非专利文献2所记载的以往的素材检索装置的检索键。首先，在输入第一检索键的检索项目和程度选择部506a中，如图11所示，用户能够选择表示触感的“硬挺度”、“张力”、“丝鸣感”这种触感词汇作为检索项目，并能够按照其每个项目，用“有”、“中等程度”、“无”这三个等级来指定其触感强度。素材检索装置将此作为检索键接收。检索关键字输入部506b接收关键字来作为检索键，在用关键字来进一步缩小用触感词汇和触感强度检索出的结果(图12)时使用。

素材检索部507从触感DB503中检索出与检索项目和用程度选择部506a输入的检索条件一致的素材，并输出该素材的资料号码一览表。在检索结果显示部508中，根据该一览表，例如以图12所示的那种显示形态来进行检索结果显示。检索者通过从该一览表中进一步选择希望的素材，来从纺织品设计数据库505中检索出在图13中举例说明的那种详细的衣服布料详细数据并进行显示。

但是在这种素材检索装置中，存在如下问题。

首先第1，正如表示人在时间上分别感觉到各种各样的触感那样，通过不同的手的动作，人从素材感觉到的触感各自不同。因此，若不考虑检索者通过怎样的素材的接触方式而感受到了触感地进行素材检索，则成为作为检索结果返回了与检索者所寻求的触感不同的触感的素材的原因。

第2，作为图11所示的检索条件而使用的触感词汇是业界专家的用语，一般消费者难以想象其触感。而且，即使将触感词汇改写为“柔软”这种一般消费者也能理解的词语，具体的触感印象也因人而异。同样，即使将触感的强度表现为有、中等程度、无、或数值，具体的强度的印象也因人而异。因此，发生如下情况：用这种语言化、数值化了的检索条件进行素材检索后的结果，与检索者所想象的结果完全不同。

在以下的实施方式1到实施方式3中说明解决这种问题的素材检索装置。

在以下的说明中，认为触感可以用“触感的种类”和其“触感强度”来表现。例如，为如下情形：作为触感的种类“粗糙感”被感觉为触感强度5的素材。但是，在本发明的装置的使用时，使用者不需要输入表示触感的种类的“粗糙感”这个词语、或表示触感强度的“5”这个数值。“触感的种类”和“触感强度”是用于由本发明的素材检索装置定性地、定量地对素材进行分类的基准。素材检索装置根据使用者的手的动作等来取得表示“触感的种类”和“触感强度”的参数，并根据它们来检索数据库。

以下，参照附图，对本发明的素材检索装置的实施方式进行说明。

(实施方式1)

在本实施方式中，对使用进行素材检索的触摸者的手指的动作，即触摸动作，来推定触摸者特别感觉到的触感的种类和其触感强度，并进行素材检索的装置进行说明。在本装置中，通过对数7进行修正后而得到的数8来推定触感强度H。

[数8]

H(m)＝C(m)·X

在此，m是表示触摸动作的变量，以下称作触摸动作变量m。本式表示了：用于求出触感强度的触感权重向量依赖于触摸动作变量m而变化，若对某素材进行不同的触摸动作，则能够得到不同的触感强度H。

例如，对素材进行了描摹动作时的触感强度H(m1)、和对该素材进行了按压动作时的触感强度H(m2)相互不同。此外，根据在前面说明了的理由，可以认为显著地感觉到的触感的种类也根据触摸动作不同而不同，在进行了描摹动作时，强烈地感觉到该素材的凹凸感。另一方面，可以认为在对该素材进行了按压动作时，强烈地感觉到该素材的柔软感。

可以认为在触摸动作和人所感觉到的触感之间存在一定的关系，因此通过预先进行使用了被试验者的触摸实验来求出触摸动作和触感的关系，能够推定人的触感。因此，通过进行经过了被试验者实验的学习，不再需要用词语来表现或数值性地表现人所感觉到的触感的工序，消除了语言化、数值化的不稳定性。可以说无论是对触感词汇的理解较深的熟练者，还是对触感词汇不熟悉的一般使用者，只要触觉感受器的激发程度相同，则应该得到相同的触感，通过对决定施加给触觉感受器的振动的触摸动作进行计测，能够与触摸者无关地进行触感的推定。

并且，在本实施方式中，着眼于强烈地感觉到的触感的种类。如前所述，若触摸动作发生变化则强烈地感觉到的触感的种类也发生变化。换言之，可以说人在想要强烈地感觉到某触感种类时，进行最适合该触感种类的触摸动作。因此，只要进行了与触摸动作和触感种类相关的事前的学习，则通过观察触摸动作能够推定触摸者想要感觉到怎样的触感种类。在非专利文献2所示的以往例子中，如图11所示那样规定触感的种类，并用其触感强度为哪种程度这样的条件来进行素材检索。与此相同的功能，通过根据触摸动作来推定触摸者所强烈地感觉到的触感的种类，能够不经过以往例子那样的触感种类的语言化的工序地实现。

以上，说明了在基于触感的素材检索中考虑“触摸动作”的效果和其原理。

接下来，参照作为本实施方式中的素材检索装置800的结构图的图14，来说明素材检索执行时的处理的流程。

触摸者20为了使用网络上的检索服务器等来找出具有特定的触感的素材，而使用素材检索装置800。触摸者20接触具有想要检索的触感的参照素材。例如，在想要用按压参照用素材22时感觉到的柔软感来搜索素材的情况下，触摸者20按压参照用素材22。此外，在想要用描摹素材表面时的光滑感来搜索素材的情况下，触摸者20描摹参照用素材22的表面。素材检索装置800对此时的触摸动作和参照素材的物理特性值进行计测，由此来推定触摸者所感觉到的触感的种类和其触感强度。然后，将此作为检索条件，即从检索对象素材中检索出针对相同的触感种类具有相似的触感强度的素材，并提示给触摸者(检索者)。由此，从各个触感种类的角度，检索出了相似的素材。

为了实现这种功能，素材检索装置800的大致的处理流程如下。

素材检索装置800，用素材物理量计测部1来计测参照用素材22的素材物理特性值X，并且，通过动作物理量计测部10来计测触摸者20触摸参照用素材22的手指的动作。通过动作特征量计算部11、触摸动作DB13、和触摸动作推定部17，将计测出的触摸者20的触摸动作最终变换为触摸动作变量m，该触摸动作变量m是识别有限个触摸动作种类的变量。触摸动作变量m被看作是用于感觉到某1个触感种类的动作，因此在触感权重向量检索部19中，决定用于根据触摸动作变量m来推定该触感种类的触感强度的触感权重向量C(m)。

素材触感推定部2使用根据参照素材的素材物理特性值X和触摸动作而决定的触感权重向量C(m)，利用上述的数8，来推定触摸者20接触参照用素材22而感觉到的与触摸动作变量m对应的触感种类的触感强度H。在素材DB23中，按照每个触摸动作变量m(即每个触感的种类)预先存储有多个检索对象素材的触感强度。素材检索部3将触摸者20的触摸动作变量m作为条件来从素材DB23中检索出最接近由素材触感推定部2算出的触感强度H的素材。其结果显示于检索结果显示部7。触摸者20通过显示于检索结果显示部7的文本信息和图像信息等，能够确认检索结果。这样，按照从触摸者20的触摸动作推定出的触感的种类，检索并呈现了具有与参照素材相似的触感的素材。

以上，说明了素材检索执行时的大致的流程。以下，对各部的细节进行说明。

在素材物理量计测部1中，对参照素材的素材物理特性值X进行计测。素材物理特性值X可以取怎样的计测值是任意的。例如，可以列举出：与平坦/凹凸感对应的表面形状；与光滑/粗糙感对应的摩擦特性；与柔软度/硬度感对应的弹性量等。此外，素材物理特性值X的测定方法也是任意的。

但是，如图15和图17所示，优选根据手指的动作来测定素材物理特性值X。原因在于，在手指进行了按压素材的动作的情况下，优选取得与柔软度/硬度感对应的弹性量，直接有关的可能性较低的摩擦特性成为多余信息的可能性较高。

图15(a)的传感器201对素材物理特性值X进行计测。传感器201固定于手指，以使得按照手或手指的动作来接触素材，在使用者感觉到了素材的触感的动作中，同时对素材物理特性值X进行计测。

图16(a)和(b)是能够同时计测与平坦/凹凸感对应的表面形状、与光滑/粗糙感对应的摩擦特性、与柔软度/硬度感对应的弹性量的传感器的上表面图和A-A’剖面图。该传感器，例如，在非专利文献8中进行了介绍。

该传感器具有模仿了指尖的形状。如图16(a)所示，在该传感器中，沿着X轴在弹性体中嵌入了5个应变计(strain gauge)201a，沿着Y轴在弹性体中嵌入了2个应变计201a。此外，如图16(b)所示，在x轴和z轴配置有力传感器201b。

与触摸动作对应的特征量(与平坦/凹凸感对应的表面形状、与光滑/粗糙感对应的摩擦特性、与柔软度/硬度感对应的弹性量)使用素材物理特性值应变计201a和力传感器201b的输出来算出。具体来说，根据应变计201a的变形变化来算出空间频率和凹凸的振幅，根据应变计201a的输出比来算出凹凸的方向。这些是对应于与平坦/凹凸感对应的表面形状的特征量。并且，应变计201a的变形分布的分散也被算出。这对应于与光滑/粗糙感对应的摩擦特性。并且，通过求出力传感器201b的法线方向和切线方向的力的比，能够得到与柔软度/硬度感对应的弹性量。

另一方面，图17表示用于在XYZ三维台上移动物理计测传感器，来计测测试对象物的物理特性值的结构例。XYZ三维台2501用支撑杆2502和支撑杆2503这2根支撑杆来保持物理计测传感器2504。支撑杆2502通过电动机2505能够沿着轨道2506在X轴方向移动，此外，通过电动机2507能够沿着轨道2508在Z轴方向移动。另一方面，支撑杆2503通过电动机2509能够沿着轨道2510在Y轴方向移动。电动机控制部511按照触摸动作特征量向量H，来控制电动机2505、电动机2507、电动机2509的动作，使物理计测传感器2504以与触摸者20的手相同的动作移动。即，在触摸者20进行了按压动作的情况下，对电动机2507进行驱动，在Z轴方向移动物理计测传感器2504。另一方面，在触摸者20进行了描摹动作的情况下，对电动机2505和电动机2509进行驱动，在X-Y面上移动物理计测传感器2504。

本发明不对物理计测传感器2504的种类给以限制，能够使用任意的物理计测传感器，但为了根据物理特性值来推定人所感觉到的触感量，需要以该推定的精度满足规定的基准的方式来进行物理计测。因此，计测对象物的硬度的硬度计、和计测摩擦系数的摩擦计等，在很多情况下，应计测的物理特性值为多个，在使用能够计测1个物理特性值的单功能型的物理计测传感器的情况下，更换物理计测传感器2504，分多次来进行计测。另一方面，若使用前述的非专利文献8所公开的那种，能够用1个测定器来计测多个物理特性值(表面形状、弹性特性、摩擦特性)的传感器，则能够削减物理特性值计测的工时。

此外，表面形状等物理特性通过激光等光学测定手段也能够计测，说明本发明的物理计测传感器2504也可以为不与对象物接触地进行计测的传感器。

接下来，对根据触摸者20的触摸动作来求出触摸动作变量m的方法，进行详细的说明。对触摸者20的触摸动作进行计测的动作物理量计测部10的计测方法是任意的。例如，存在使用了图像传感器、加速度传感器、或压电传感器的方法等。图18是说明使用了图像传感器的触摸动作计测的图。图18(a)表示手2201接触了测试对象物105的状态。图像传感器202捕捉手2201的整体，用视频动态图像、或静止图像的连拍来在时间上连续地拍摄手2201。图像特征点提取部203针对1枚1枚拍摄图像，提取亮度变化较大的边缘或点。较大的亮度变化存在于手2201与测试对象物105之间的边界、手指与手指之间的重叠边界、手指的关节部等，因此通过图像特征点提取部203，能够大体把握手的轮廓。手的动作特征计算部204使用构成图像特征点提取部203所提取的边缘或点的像素值，来算出触摸动作特征量向量H。具体来说，如图18(b)所示，将在时间上连续的时间T1和时间T2的2枚图像、图像205和图像206重合，追踪像素值一致的特征点，将其x坐标和y坐标的变化作为触摸动作特征量。例如，将拇指的坐标变化(x1 y1)作为拇指移动向量207，将食指的坐标变化(x2 y2)作为食指移动向量208，将无名指的坐标变化(x3 y3)作为无名指移动向量209，将合并了这3个移动向量的(x1 y1 x2 y2 x3 y3)作为触摸动作特征量向量H。触摸动作向量的维数任意，若使用2台图像传感器，则根据三角测量的原理能够算出从图像传感器到特征点的距离，对xy坐标加上距离D，从而成为三维向量。此外，对象物和手的接触位置本身是重要的信息，不只是坐标变化，手的位置坐标(x、y)、或者(x、y、z)也是重要的信息。

在本发明中，需要与触感相关的手的动作，因此指尖和关节等的动作变得重要。因此，在与触感有关的部位安装标识符，有意地追踪特定部位的动作的方法也很有效。图19表示在指尖和关节上安装了标识符的例子。在本例中，在指尖安装了5个、在指关节安装了10个、在手腕安装了1个标识符301。图像传感器202连同标识符301一起拍摄了手2201，标识提取部302从拍摄图像中提取标识符301。使标识符301的明亮度或颜色与手2201和测试对象物105不同，以使得能够正确地提取标识符301。手的动作特征计算部204用与图18(b)相同的要领来从时间T1到时间T2追踪标识符中心的坐标，并将其x坐标和y坐标的变化作为触摸动作特征量向量H。

在用加速度传感器来进行触摸动作计测的情况下，与图19的标识符安装相同地，在指尖和关节等安装加速度传感器。在使用加速度传感器的情况下，不需要像图像传感器202那样另外进行拍摄，由安装的加速度传感器本身来进行计测。通过对加速度进行微分能够得到速度，通过进行二阶微分能够得到位置，根据该位置信息，与图像传感器的情况相同地，算出对应的特征点的移动，从而算出触摸动作特征量向量H。

在用压电传感器来进行触摸动作计测的情况下，如图20所示，在测试对象物105的下面设置压电传感器401。压电传感器401二维阵列状地具有通过加压而起电的压电元件，能够计测手2201与测试对象物105接触的位置。

动作特征量计算部11根据由动作物理量计测部10计测出的动作物理量，来将动作变换为触摸动作特征量向量v，该触摸动作特征量向量v是特征性地表现的向量的时间序列。其在触摸动作推定部17中，在判断触摸动作的种类时使用。具体来说，例如是指各时刻t的手·手指的XYZ坐标、XYZ轴方向的速度、旋转等，随着时刻的变化而被记录的数据。或者，也可以按照XY轴的旋转分量、YZ轴的旋转分量、ZX轴的旋转分量，或者用总共6个分量来表现移动。此外，着眼于一般触摸动作伴随往复运动或旋转运动，也可以为通过自相关分析等手法来检测反复动作，并将1个周期量的上述参数、和表示其反复次数或周期的参数等组合后的数据。并且，各参数也可以为被量化为实用上没有问题的分辨率后的数据。

在触摸动作推定部17中，根据作为来自动作特征量计算部11的输出的触摸动作特征量向量v来检索触摸动作DB13，并输出触摸动作变量m。

触摸动作DB13记述了触摸动作特征量向量v和识别触摸动作的种类的触摸动作变量m的关系。触摸动作若也考虑微小的速度的差异等，则可能存在无限种类的动作。但是，若限定为推定触感的种类和触感强度这个目的，则可以认为触摸动作概括为有限的n个(能够分组)。该一个一个组，例如对应于“描摹动作”、“按压动作”等。

例如，在动作物理量的变化相对于素材在垂直方向上上下反复时，概括为“按压动作”。此外，在动作物理量的变化相对于素材在平行的直线方向、例如与素材表面平行的方向上左右反复时，概括为“描摹动作”。并且，根据表示手指的动作的角度信息，在各手指一起弯曲或伸直时概括为“抓动作”。

触摸动作变量m是识别是触摸动作的哪个组的变量。触摸动作变量m既可以为表示组的单纯的识别标签，也可以是组的平均动作的触摸动作特征量向量v_ave。保存于触摸动作DB13中的是与各种各样的触摸动作对应的触摸动作特征量向量v、和表示其所应属于的组的触摸动作变量m之间的关系。作为其1个例子，可以设为从触摸动作特征量向量v向触摸动作变量m的查找表。

在图21中表示查找表形式的触摸动作DB13的一个例子。在本例中，假设触摸动作特征量向量v是XYZ各轴方向的移动速度、和XYZ各轴的旋转角速度的时间序列模式。在表中，使用触摸动作特征量向量v来表现每个分组后的各触摸动作的平均触摸动作模式，例如，在触摸动作变量m1的触摸动作的情况下，记述了反复进行只在Y轴方向的往复运动的模式。为了得到保存在触摸动作DB13中的上述这种关系，需要被试验者接触素材时的触摸动作的收集、和根据动作的类似性来对得到的多个触摸动作数据进行分组，因此需要聚类等“学习步骤”。对此在后面说明。

在触摸动作推定部17中，使用根据触摸者20的触摸动作而得到的触摸动作特征量向量v来检索触摸动作DB13，从而得到触摸动作变量m。在该检索中，基于触摸者20的触摸动作特征量向量v、和触摸动作DB13的每个触摸动作变量mi的触摸动作特征量向量vi之间的向量间距进行类似度比较，选择并输出最类似的触摸动作变量mi。如图21所举例说明的那样，一般触摸动作被记述为存在反复的时间序列模式。可以认为根据触摸者20的触摸动作而得到的触摸动作特征量向量v、和保存在触摸动作DB13中的触摸动作特征量向量，它们的向量时间序列的长度不同。因此，在触摸动作特征量向量的类似度计算中，优选使用通过时间序列模式的非线性压缩·扩展能够进行比对的Dynamic Time Warping等比对技术。另外，预先对动作进行分类，并根据从传感器得到的动作信号来判定动作种类的技术，除了在上述和后述的学习步骤中记述的方法之外，也可以使用已知的方法。作为该例子，例如像专利文献1所公开的那样，也可以使用通过对部分动作付与的标签的序列，来判定整体的动作种别的方法。

使用如上求出的触摸动作变量m，用触感权重向量检索部19来进行触感权重DB18的检索，得到触感权重向量C(m)。即触感权重DB18是将基于数8的素材物理特性值X和触感强度H的对应关系的信息与触摸动作关联起来进行记录的数据库，保存有触摸动作变量m和触感权重向量C(m)的关系。在本实施方式中，触摸动作被看作是为了得到一个触感种类的触感的行为。因此，触摸动作变量m与一个触感种类对应。因此，触感权重DB18的触感权重C(m)是为了得到与触摸动作变量m对应的触感种类的触感强度的触感权重向量。触感权重DB18的形式，最简单的为从触摸动作变量m向触感权重向量C(m)的查找表。

图22表示用表E01的形式表示的触感权重DB18的概念。

触感权重DB18如图22所示，按照每个触摸动作变量m具有触感权重向量C(m)。在触摸动作变量m为m1的情况下，触感权重向量C(m1)被选择，并作为数8的触感权重向量C(m)被使用。触感权重向量C(m)需要在检索执行前预先学习。关于该详细内容，在后面说明。

素材触感推定部2使用由素材物理量计测部1计测出的参照素材的素材物理特性值X、和根据触摸动作而决定的触感权重向量C(m)，通过上述的数8，来推定触摸者20接触参照用素材22而感觉到的触感强度H。如上所述，该触感强度是关于与触摸动作变量m对应的触感种类的触感强度。

素材DB检索部3使用触摸者20的触摸动作变量m和由素材触感推定部2算出的触感强度H，来从保存在素材DB23中的各检索对象素材中检索相似触感的素材。在检索中，将素材触感推定部2的触感强度H、和检索对象素材的相同触摸动作变量m中的触感强度H′之间的差作为检索得分(score)。将得分最佳的(距离差最小的)素材，或者得分满足规定的条件的(距离差在一定以内的)素材群与检索得分信息一起作为检索结果输出。

在图23中表示用于能够进行这种检索的素材DB23的一个例子。如在此所示，素材DB23记述有素材、触摸动作、和触感强度的关系。关于触感的种类，如上所述，根据触摸动作变量m而唯一地决定，因此不需要明示，但为了方便而进行了记载。如在本实施方式开头的原理说明中所述那样，触摸动作规定触摸者所感觉到的触感的种类，同时对该触感种类的触感强度产生影响。通过采用图23所示的素材DB，触摸动作变量m成为检索条件，能够检索触摸者所感觉到的触感种类相同，且触感强度最接近的素材。

最后，在检索结果显示部7中，接收素材DB检索部3的结果，并对正在检索素材的使用者提示该结果。其内容为素材的名称、产品名、或素材的照片、捕捉了对素材施力时的样态等的动态图像、以及其他与素材相关的物理特性值等，是任意的。或者也可以为表示检索者手头所持有的采样素材群中的、任意一个素材的索引。在此情况下，检索者通过触摸采样素材能够确认检索结果。并且，也可以使用对素材的触感进行再现的触感呈现装置。例如，为了呈现粗糙/光滑感，例如可以使用专利文献2所记载的利用静电促动器的触觉呈现装置。对于柔软/硬度感的呈现，例如可以使用专利文献3所记载的利用阵列状的针移动的触觉呈现装置。对于光滑/粗糙感的呈现，例如也可以使用专利文献4所记载的使用了超声波振动的触觉呈现装置。

此外，结果显示个数也可以不只是最接近推定触感的1个素材，而是在一定范围内类似的多个素材。此时根据附记于检索结果中的检索得分信息来排列呈现的素材的顺序也是很有效的。

此外，到此为止的检索执行的流程，是根据对参照素材22假定1个触感种类而进行的一连串(一系列)的触摸动作，来推定触感的种类和触感强度并检索素材的方法。若进一步根据分多次进行的触摸动作，将进行了各触摸动作的检索结果的AND运算或OR运算而得到的结果作为最终输出，则更有效果。在此情况下，通过每次进行各触摸动作时改变触摸动作的种类或改变参照素材，从而检索者能够进行更理想的素材的检索。为了该目的，也可以具有指示AND/OR的运算的组合指示部。

图14所示的各构成要素通过以下这种硬件来实现。即，素材物理量计测部1和动作物理量计测部10能够使用上述例子那种传感器来实现。此外，动作特征量计算部11、触摸动作推定部17、触感权重向量检索部19、素材触感推定部2和素材DB检索部3，例如能够使用计算机来实现。并且，触摸动作DB13、触感权重DB18、素材DB23能够通过硬盘驱动器(HDD：hard disk drive)、存储卡、固态驱动器(SSD：solid state drive)等记录介质来实现。

以上，说明了利用素材检索装置800的素材检索执行的方法。以下使用图24和图25来说明素材检索执行所需要的、各数据库的构筑等学习步骤。

学习步骤中的、构筑图24所示的触摸动作DB13和触感权重DB18的学习步骤1，是在构筑素材检索装置800时最初进行1次即可的步骤。但是，根据需要，各数据库也可以被重构。另一方面，构筑图25所示的素材DB23的学习步骤2，是在触感权重DB18构筑后，每次追加检索对象素材时必须实施的步骤。以下，按顺序对各个步骤进行说明。

首先，对图24所示的构筑触摸动作DB13和触感权重DB18的学习步骤1进行说明。在该学习步骤中，收集多个触摸者接触多个学习用素材时的、多个触感种类的每一种的触感强度。此外，在收集的同时，也收集此时的触摸者的触摸动作，将它们统计性地概括来构成上述2个数据库。

该处理的流程的概要如下。首先，各触摸者20根据为了规定触感的种类而由触感词汇指定部9呈现的各触感词汇，来接触各学习用素材21。用触感强度记录部14，与指定的词汇相关地记录触摸者20此时感觉到的触感强度。同时，用动作物理量计测部10来取得此时的触摸者20的触摸动作，并用动作特征量计算部11来得到触摸动作特征量向量v，与触感词汇一起进行记录。并且，用素材物理量计测部1来事先计测各学习用素材21的素材物理特性值X。

在触摸动作学习部12中，汇集收集到的所有的触摸动作特征量向量v，按照每种相互类似的触摸动作特征量向量v来进行概括，分类为有限个组。然后，将识别各组的触摸动作变量m与组的平均的触摸动作特征量向量v_ave关联起来，保存在触摸动作DB13中。在触感权重计算部15中，使用由触感强度记录部14收集到的按照每个触摸者、学习用素材、触感的种类而不同的触感强度数据，来按照每个触摸动作变量m统计性地求出素材物理特性值X和触感强度的关系，作为触感权重向量C(m)。将得到的触摸动作变量m和触感权重向量C(m)的关系保存在触感权重DB18中，从而学习步骤1完成。

接下来，对各部的详细内容进行说明。

学习步骤1进行将多个触摸者20作为被试验者的触摸实验，从得到人从素材感觉到的触感强度开始。此时在触感词汇指定部9中，为了指示触摸者20接触后应感觉到的触感的种类，而呈现触感词汇Y。在此，触感词汇Y，例如，如图26所示，作为凹凸/平坦、光滑/粗糙、硬/软等表示相反触感的形容词对来提供是有效的。

触摸者20用相对强度来回答接触学习用素材21而感觉到的与触感词汇Y相关的触感强度。相对强度的回答方法是任意的。在图26的例子中，触摸者将相对强度分为5个等级来进行回答。因此，将所有的学习用素材21，根据接触它时的触感强度进行排序来回答。例如在得到与凹凸/平坦相关的触感强度的情况下，根据按照此顺序排序后的全部学习用素材21的顺序、位置关系，将触感强度分类为5个等级，并回答其结果。

触感强度记录部14像这样分别记录与各触感词汇Y对应的全部学习用素材的触感强度H^*。在此，将触感强度表现为H^*，这表示了本触感强度是触摸者20直接回答的触感强度。另一方面，触感强度H表示素材触感推定部2所推定出的触感。

通过采用这种方法，能够将本来是主观感觉的触感作为能够相对比较的客观值而得到。此外，通过对作为被试验者的触摸者20呈现触感词汇，能够规定触摸者20所应感觉到的触感的种类。另外，如后述那样，触感强度记录部14将各触感强度H^*与此时呈现的触感词汇Y、或者表示触摸者20所采用的触摸动作的触摸动作特征量向量v关联起来进行记录。此外，为了防止每个被试验者的对触感词汇解释的差异所产生的结果的不稳定，优选通过事前的示范·训练等来使词汇解释在被试验者之间相同。在图26中的例子中，表示了针对某学习用素材21，可以得到如下回答：触感词汇凹凸/平坦的触感强度H^*＝3，触感词汇光滑/粗糙的触感强度H^*＝4，触感词汇硬/软的触感强度H^*＝1。

在由触摸者20进行的触摸实验中，各触摸者20接触素材的触摸动作也由动作物理量计测部10同时进行计测，并进一步用动作特征量计算部11变换为触摸动作特征量向量v。动作物理量计测部10和触摸动作特征量向量11的详细内容与上述素材检索执行时完全相同。在此省略它们的说明。

触摸动作学习部12对通过全部触摸者20的触摸实验而收集了多个的触摸动作特征量向量v进行概括，分割为有限个特征性的触摸动作的组(簇：cluster)。对于将用向量等表现的多个数据作为要素的集合，为了根据规定的要素间距运算在距离接近的要素之间进行概括来分割为有限个部分集合(簇)，一般使用称作聚类(clustering)的技术。触摸动作学习部12进行将触摸动作特征量向量v作为要素的聚类。簇分割的方法、条件和要素间的距离定义是任意的。

在图27中表示一个例子。本例将收集到的所有的触摸动作特征量向量v作为整体集合，将触摸动作特征量向量v的向量间距作为要素间距来进行聚类。在聚类中，使初始状态为簇数1(整体集合)，使触摸动作特征量向量v的全部平均作为该簇中心来开始处理(H01)。在簇数n时，选择一个离n个簇中心最远的要素，将此作为第n+1个簇中心(H02)，根据全部要素分别与n+1个簇中心的哪个距离最小，来分为n+1个簇(H03)。此时，在存在从上次分配时移动到了别的簇的要素时(H04)，求出分配给n+1个各簇的要素的平均向量，并将此作为新的n+1个簇中心(H05)。

继续H03～H05的步骤直到要素的簇间移动消失。在各要素与要素所属的簇的簇中心之间的距离的整体平均小于规定的阈值后，结束簇分割(H06)。

通过采用这种方法，能够用触摸动作特征量向量v的距离来判断触摸动作的类似性并进行分组。

另外，在本例中，使用了触摸动作特征量向量v的向量间距作为要素间距，但作为在各簇内的要素分布，假定正规分布等规定的分布来进行距离计算也很有效。并且，在簇分割的判定条件中，使用用后述的触感权重计算部15求出的触感权重向量C(m)的类似性也很有效。通过使用这种值，在触摸动作的分类中，不仅能够仅根据单一的速度或角速度等动作的类似性来进行判断，而且也能进行考虑了作为结果而感觉到的触感的类似性的分类，能够在不必要地增加触摸动作分类的情况下，提高触感强度推定精度。

在图28中，概念性地表示了用上述这种方法对触摸动作特征量向量v进行了聚类后的结果的例子。在图中，空白的□、○、△表示通过触摸实验从触摸者20得到的各个触摸动作的触摸动作特征量向量v。用虚线表示的圆，表示了各簇的范围，各个簇分别表示了不同的触摸动作组。涂黑的■、●、▲表示了各簇内的要素□、○、△的平均值，代表在聚类中使用的簇中心。

对如上那样得到的各簇，付与识别它们的索引值等符号，并与表示簇的内容的信息一起保存在触摸动作DB13中。付与给各簇的符号是触摸动作变量m。此外，表示簇的内容的信息是指，能够判断由触摸动作而得到的任意的触摸动作特征量向量v属于哪个簇的信息，若为上述图27和图28的例子，则为簇中心的平均向量等。向触摸动作DB13的保存例，如同在上述检索执行时说明的那样，例如如图21所示。

触摸动作DB13构筑后，接下来转移到触感权重DB18的构筑。在触感权重计算部15中，求出用素材物理量计测部1预先针对全部学习用素材21计测出的素材物理特性值、和用触感强度记录部14通过触摸实验记录的触感强度H^*之间的关系。素材物理量计测部1中的计测手段和计测内容，与在素材检索部的说明中描述的相同。因此省略这些说明。

在触感权重计算部15中，首先，求出触摸动作和触感词汇的关系。即，首先将与触感强度H^*一起被记录的、触摸动作特征量向量v变换为触摸动作变量m，并按照触摸动作变量相同的数据来汇集收集到的触感强度H^*所附带的数据。其结果，能够按照每个触摸动作变量m决定最多的触感词汇Y。例如，在触摸动作变量为m1时，若假设在触感词汇中最多的词汇是Y1，则接下来汇集触摸动作变量m1、触感词汇Y1的数据，求出触感权重向量C(m1)以使得在素材物理特性值X和触感强度H^*之间，数8的关系成立。

对所有的触摸动作变量反复这种处理。另外，为了求出触感权重向量C(m)，多元回归分析这种手法很有效。像这样按照每个触摸动作变量m得到了触感权重向量C(m)后，将该两者关联起来保存在触感权重DB18中。如上所述，其一个例子表示在图22中。

这样一来，能够根据触摸动作变量m来(implicitly)推定触摸者所感觉到的触感的种类，并能够得到用于算出该触感种类中的触感强度的触感权重向量C(m)。

另外，为了构筑触感权重向量C(m)，需要准备足够的、很多的学习用素材21、触感词汇集合、和回答接触素材后的触感的很多的触摸者20(触摸实验的被试验者)。为了统计性地得到更准确的触感权重向量C(m)，学习用素材优选准备物理特性不同的尽量多的素材，触感词汇集合也优选准备尽量多的词汇，以能够对应各种各样的触感的种类，并且被试验者也优选招集包括年龄、性别的差异的很多的被试验者。

此外，在本实施方式中，说明了在触摸动作变量相同的数据中使用最多的触感词汇的数据来求出触感权重向量C(m)的方法。在本方法中，除此之外的触感词汇的数据在学习中不被使用。

因此，也可以将求出触感权重向量C(m)的学习流程分为两部分，可以分为求出触摸动作变量m和触感词汇Y的关系的步骤、和求出触摸动作变量m和触感权重向量C(m)的步骤。即，进行触摸实验来决定触摸动作变量m和此时最多的触感词汇Y。接下来，通过对各触摸者呈现触感词汇和触摸动作这两者，并请求在特定的触摸动作下回答特定的触感词汇，来得到触感强度H^*。

若采用这种方法，则能够收集很多的触摸动作变量m和触感词汇Y成为同一组合的触感强度H^*，能够得到统计上可靠度更高的触感权重向量C(m)。另外，对于呈现触摸动作来使触摸者采用相同的触摸动作的更具体的方法，在实施方式3的学习步骤1中也会说明。

最后，关于素材DB23的构筑方法，使用图25来进行说明。素材DB23是对在用各种各样的触摸动作接触了作为检索对象的素材时能够得到怎样的触感进行了数据库化后的数据库，如上所述，其例子表示在图23中。即，素材、表示触摸动作的种类的触摸动作变量m、和与该触摸动作对应的触感种类的触感强度被关联起来。

构成这种数据库的处理(学习步骤2)的流程如下。

对每个想要登记到数据库中的检索对象素材24，用前述的素材物理量计测部1来计测素材物理特性值X。触感权重提取部25一个一个提取与保存在触感权重DB18中的触摸动作变量m对应的触感权重向量C(m)的组。关于提取出的触感权重向量C(m)，在上述的素材触感推定部2中应用数8和素材物理特性值X，来计算与触摸动作m对应的触感强度H(m)。将由触感权重提取部25提取的触摸动作变量m、和由素材触感推定部2计算出的触感强度H(m)作为组保存在素材DB23中。由此，能够对检索对象素材24的个数、和保存在触感权重DB18中的触摸动作变量m的个数的所有的组合推定触感强度，它们被保存在素材DB23中。此外，该处理步骤能够按照每个检索对象素材24独立地进行，因此每次新追加想要登记到DB中的素材时，通过只对该素材进行上述处理能够进行登记。

另外，在本实施方式中，表示了在素材DB23中，将检索对象素材、触摸动作变量、和触感强度关联起来保存的例子。但是不限于此，在素材DB23中，也可以将检索对象素材和该素材的素材物理特性值关联起来保存。在此情况下，在检索执行时，每次进行检索时，使用素材物理特性值和根据触摸动作变量而决定的触感权重向量来计算各检索对象素材的触感强度即可。若采用这种方法，则在检索执行时必须计算各检索对象素材的触感强度，但另一方面，保存在数据库中的信息仅为每个素材的素材物理特性值即可，所以能够将数据库的大小抑制得较小。(在将触感强度保存在数据库中的情况下，需要[检索对象素材的个数]×[触摸动作变量的个数]的数据。)

或者，也可以使保存在素材DB23中的素材的触感强度数据，不是根据素材物理特性值X使用触感权重向量C(m)而推定出的触感强度H，而是作为被试验者的触摸者通过触摸实验而回答的触感强度H^*。为此，需要实施触摸者接触所有的检索对象素材，并回答其触感强度的触摸实验，而因为使用将人的感觉直接数值化后的值作为各检索对象素材的触感强度，所以检索结果更加令人信服。而且，在这种情况下，可以使上述的学习用素材21和检索对象素材24相同。因此，触感权重向量C(m)也可通过专门化为检索对象素材24的集合来求出，从而能够进行更适合检索对象素材的触感强度的推定，从而素材检索的精度提高。

如上所述，素材检索装置800只要接触具有与想要搜索的素材相似的触感的素材，就能够将搜索素材时的触感的观点(触感的种类)、和其触感强度同时作为检索条件来搜索素材。由此，在电子商务等中，能够利用接触物体的感觉来进行信息检索。能够在衣服或家具等、以前以图像为中心的商品确认的工序中增加触感，能够将利用了网络的电子商务或信息流通更广泛地普及给一般使用者。

(实施方式2)

在实施方式1中，假设触摸者所感觉到的触感的种类能够根据触摸动作唯一地推定。但是，可以认为存在如下情况：尽管触摸者所感觉到的触感的种类不同，但触摸动作非常相似，因此离散性地表现出的触摸动作变量m相同。在这种情况下，产生如下问题：即使根据触摸者的触摸动作而决定触摸动作变量m，也无法唯一地决定触摸者所感觉到的触感的种类。通过本实施方式，能够按照概率模型的观点来解决这种问题。

首先，对利用概率模型根据触摸动作变量m来推定触感的种类的原理进行说明。

在学习时作为被试验者的触摸者接触学习用素材时，将指示触摸者感觉的触感的种类作为y，将此时触摸者所采用的触摸动作的触摸动作变量作为m。通过对很多触摸者、很多种触感的种类、很多素材进行触摸实验，在提供了触感的种类y的条件下，能够得到提供触摸者所采用的触摸动作变量m的带条件概率的数9。

[数9]

P(m|y)

在此，出于根据触摸动作来推定触摸者所感觉到的触感种类的目的，关心的是以下列数10所表示的概率。

[数10]

P(y|m)

即，采用了触摸动作变量m的触摸者所感觉到的触感种类为y的后验概率。根据贝叶斯定理(Bayes′theorem)，(数9)和(数10)存在以下的(数11)所示的关系。

[数11]

$P\left(y\right|m)=\frac{P\left(m\right|y)\·P\left(y\right)}{P\left(m\right)}$

在已知触摸动作变量m的条件下，。右边分母P(m)是固定的值此外，分子第2项的P(y)是在素材检索时触摸者想要感觉的触感的种类为y的概率，若考虑作为一次近似想要感觉的触感的种类是相同程度，则可以看作是常数值。若做出以上这种假设，则(数11)可以改写为下面的(数12)。

[数12]

P(y|m)＝A·P(m|y)其中、

在此，在触摸动作变量m相同的情况下A是常数值。

在像这样求出了P(y|m)的情况下，针对某触摸动作变量m，在多个触感种类中，具有P(y|m)不为0的概率。因此，在进行素材检索时，通过与根据触摸动作而推定出的触感种类的后验概率P(y|m)相应的权重来进行检索。即，按照每个触感种类，用在实施方式1中说明了的那种方法来推定触感强度，并求出与检索对象素材相同的触感种类中的触感强度的差。将对按照每个触感种类得到的参照素材的触感强度和检索对象素材的触感强度的差，进行与P(y|m)相应的权重并相加后的值作为检索得分来进行检索。

对此用数式来表现。假设针对触感种类y的参照素材的触感强度为H_y，检索对象素材T的触感强度为t_y，f( )为某函数，则能够如下来求出各检索对象素材T的检索得分S(T)。

[数13]

$S\left(T\right)=\underset{y}{\mathrm{\Σ}}f\left(P\left(y\right|m)\right)\·|H_y-t_y|$

通过根据这种检索得分S(T)的大小来进行素材检索，在根据触摸者的触摸动作只能暧昧地推定触摸者所感觉到的触感种类的情况下，也能够进行用与可能性的程度相应的权重来考虑了存在可能性的触感种类的素材检索。另外，作为数13的f( )，最简单的例子是f(x)＝x，即将后验概率P(y|m)直接作为权重来使用的方法。此外，表示了在实施方式1中说明了的如下方法：在使用了只对提供最大的P(y|m)的触感种类时提供1，对除此之外的触感种类提供0的函数(下列数14)的情况下，根据触摸动作变量m唯一地决定触感的种类y来进行素材检索。

[数14]

根据图29来说明基于以上说明了的原理的素材检索装置。在图29所示的素材检索装置801中，对与实施方式1所对应的结构图14具有相同的功能的构成要素，付与了相同的号码。与实施方式1所涉及的结构(图14)的不同点在于：追加了触摸动作概率检索部26和触摸动作概率DB27；以及为了进行基于此的运算而改变了几个构成要素。以下，对图29的素材检索执行时的流程的概要进行说明。

在本实施方式中，大体流程也与实施方式1相同。即，触摸者20接触参照用素材22，使用此时的触摸动作和参照用素材的素材物理特性值X，来推定触摸者所感觉到的触感强度，并基于此来进行素材检索。

本实施方式与实施方式1的不同点在于：在根据触摸者20的触摸动作而决定了触摸动作变量m后，用触感权重向量检索部19a来从触感权重DB18a中检索出每个触感种类y的触感权重向量C(m，y)，并用素材触感推定部2a来推定每个触感种类y的触感强度H_y；以及，触摸动作概率检索部26从触摸动作概率DB27中检索出在事前进行学习而求出了的触感种类y的后验概率P(y|m)，并使用此来进行素材检索。

以下，对这些不同点的详细内容进行说明。

若根据触摸者20的触摸动作而决定了触摸动作变量m，则触摸动作概率检索部26在观测到了触摸动作m的条件下，检索触摸者所感觉到的触感种类为y的后验概率P(y|m)。这些概率用后述的事前学习来求出，其结果保存在触摸动作概率DB27中。触摸动作概率检索部26所检索出的后验概率P(y|m)既可以是与触摸动作变量m相关的所有的P(y|m)，也可以只是对于规定的ε，满足下列数15的1个以上的P(y|m)。

[数15]

P(y|m)≥ε其中、0≤ε＜1

触摸动作概率检索部26将检索出的所有的触感种类的后验概率P(y|m)与表示触感种类的标签y组成组来输出。

触摸动作概率DB27如上述那样按照每个触摸动作变量m保存有触感种类的后验概率P(y|m)。其形式也可以为表查找形式。其例子表示在图34中。

接下来，在触感权重向量检索部19a中，从触感权重DB18a中检索出为了推定由触摸动作概率检索部26检索出每个触感种类的触感强度所需要的触感权重向量。在实施方式1中，触摸动作变量m与触感种类存在一对一的关系，因此只要决定了触摸动作变量则自动地决定了触感的种类。因此，在推定触感强度的数8中，能够根据触摸动作变量m来推定触感强度。

另一方面，在本实施方式中，仅用触摸动作变量m无法决定触感的种类。因为触感强度按照每个触感种类而不同，所以对其进行推定的触感权重向量也必须按照每个触感种类而分别求出。即，数8必须如下来改写。

[数16]

H_y(m)＝C(m，y)·X

在此，H_y表示了针对触感的种类y推定出的触感强度。此外，触感权重向量C(m，y)表明了权重矩阵依赖于触感的种类和触摸动作变量m而决定。

触感权重向量检索部19a对于触摸者20所采用的触摸动作变量m，针对从触摸动作概率检索部26输出的所有的触感的种类y，检索并输出这种触感权重向量C(m，y)。此外，为了此时触感强度的推定，使触感权重向量C(m，y)与表示触感种类的标签y关联起来输出。

为了实现上述功能，在触感权重DB18a中保存有触摸动作变量m和由触感的种类决定的触感权重向量C(m，y)。其形式也可以为表查找形式。触感权重向量DB18a的例子在图30中表示。与在实施方式1的图22中举例说明了的触感权重向量DB18不同，在触感权重向量DB18a中，触感权重还根据触感的种类而改变。

在素材触感推定部2a中，根据由素材物理量计测部1计测出的参照用素材22的素材物理特性值X、和触感权重向量检索部19a所输出的触感权重向量C(m，y)，来推定每个触感种类的触感强度。根据前述的数16来进行推定，与表示触感种类的标签y关联起来输出各触感强度H_y。

在素材检索部3a中，使用与参照素材22相关地推定出的触感强度群来检索素材DB23a。在实施方式1中，对于与根据触摸动作变量m而唯一地决定的触感种类相关的一个触感强度，根据参照素材的触感强度和检索对象素材的触感强度的差来进行了检索。即，将与一个触感种类相关的触感强度的差作为了检索得分。

另一方面，在本实施方式中，如前述那样，将对多个触感种类的每一个的触感强度的差，进行了与触感种类的后验概率P(y|m)对应的加权后的值作为检索得分(数13)。为了能够进行这种检索得分计算，在素材DB23a中，各检索对象素材的触感强度需要按照每个触摸动作变量m和触感的种类y来保存。在图31中表示这种素材DB23a的例子。在此表示的例子中，只要按照每个检索对象素材决定了触摸动作变量m和触感的种类y，则能够得到该素材的触感强度t_y。

使用图32来说明素材检索部3a的处理流程。

在素材检索部3a中，对保存在素材DB23a中的检索对象素材一个一个进行处理(L01)。现在着眼于某一素材(例如素材t)，开始该素材的检索得分计算(L02)。在依据数13的检索得分计算中，基于由触摸动作概率检索部26提取的每个触感种类的触感强度的差进行得分累加，因此一个一个地关注触感种类(L03)。

在着眼于某触感种类y时，被累加的得分如下。对与触感种类y相关地由素材触感推定部2a求出的参照素材的触感强度H_y、和从素材DB23a中提取的与触摸动作变量m、触感种类y相关的素材t的触感强度t_y的距离差|H_y-t_y|进行了与触感种类y相关的后验概率P(y|m)的加权后的得分进行累加(L04)。

在此，如在数13中说明的那样，将后验概率P(y|m)变换为权重值的f()可以使用任意的函数。例如，在最简单的情况下，f(x)＝x，即直接使用P(y|m)的值的方法也很有效。

通过累加与由触摸动作概率推定部26提取的所有的触感种类相关的得分，来决定该素材t的检索得分S。因为该得分S基于素材的触感强度差，所以越是相似的素材则得分S越小。因此，若检索得分S为规定的阈值θ以内(L06)，则素材t在触感上与参照素材22充分类似，因此将该素材t作为检索结果与得分S一起输出(L07)。

对保存在素材DB23a中的所有素材反复进行以上这种处理后(L08)处理结束。通过进行以上这种处理，能够考虑根据触摸者的触摸动作变量m而推定出的所有触感种类，来检索触感强度类似的素材。

另外，在基于本流程图的素材检索中，表示了将具有用阈值θ表现的规定范围的类似度的素材全部作为检索结果输出的例子，但不限于此，也可以用每个素材的检索得分来排序，将上位n个(n为1以上)素材作为检索结果返回。另外，在本实施方式中，说明了使用f(x)＝x作为后验概率P(f|m)向权重值的变换函数f( )的例子，但不限于此，也可以为数14所述的只考虑提供最大概率的触感种类的函数。或者也可以为f(x)＝C(C是常数)这种，同等地对待所有触感种类的函数。一般来说，使用单调增加函数或者单调減少函数很有效果。

检索结果显示部7上的检索结果的输出方法与实施方式1相同。因此，在此省略其说明。

以上，说明了根据触摸者的触摸动作而推定出多个触感种类的情况下的素材检索的方法。为了实施本方法，需要事先构筑触摸动作概率27、触感权重DB18a、素材DB23a。与实施方式1相同，这些学习步骤由构筑触摸动作DB13、触摸动作概率DB27、触感权重DB18a的学习步骤1，和构筑素材DB23a的学习步骤2构成。以下，按顺序进行说明。

在图33中表示用于通过学习步骤1构筑触摸动作DB13、触摸动作概率DB27、触感权重DB18a的结构图。在本图中，对与实施方式1所对应的结构图24相同的要素付与相同的记号，而省略详细的说明。在本实施方式中，新追加了触摸动作概率学习部28和触摸动作概率DB27，触感权重学习部15a和触感权重DB18从图24的触感权重学习部15和触感权重DB18发生了改变。

这些改变部分的大致处理流程如下。对作为触摸实验的被试验者的触摸者20的触摸动作进行聚类，从而决定了各触摸动作的触摸动作变量m后，触摸动作概率学习部28根据触摸动作变量m和此时的触感种类y的共生频率来计算触感种类的后验概率P(y|m)，并保存在触摸动作概率DB27中。为了该计算，触感词汇指定部9a将呈现给触摸者的触感词汇信息还输出到触摸动作概率学习部28，由此来决定触摸者所感觉到的触感种类y，并利用此来计算触摸动作概率。

在触感权重计算部15a中，针对触摸动作变量m和触感种类y的组合，将与触摸者20所感觉到的触感强度H^*的关系作为触感权重向量C(m，y)而求出。触摸动作变量m和触感种类y以及触感权重向量C(m，y)的关系保存在触感权重向量DB18a中，学习步骤1结束。

对学习步骤1更详细地进行说明。

与实施方式1不同，在本实施方式中，触摸者所感觉到的触感种类不根据触摸动作变量m而唯一地决定。因此，可以不同于触摸动作变量的用来决定触感种类的参数y，来计算各值。因此，触感词汇指定部9a不仅规定将触感词汇呈现给触摸者20而应感觉到的触感种类，而且还输出表示与触摸者的触感强度相关的各响应是与哪个触感种类相关的响应的变量y。

触感词汇Y和触感种类y在严格意义上是不同的。例如“松软”这个触感词汇有可能包含更基本的触感“柔软度”作为要素。怎样构筑呈现给触摸者的触感词汇与触感种类的关系是任意的，但最简单的方法是决定可以想到的最基本的触感种类的集合，并决定与其一对一地对应的触感词汇的集合，使两者对应起来使用的方法。或者，也可以在事前进行针对各种各样的触感词汇由被试验者回答其强度的感官评价实验，对其结果进行因子分析等来数值性·统计性地求出基本的触感种类，并使用该触感词汇和触感种类的关系等。

此外，在对触感词汇的解释根据触摸者不同而不同的情况下，触摸者所感觉到的触感种类变动，这也可能成为触感词汇和触感种类不相同的原因。针对该问题，在事前对作为被试验者的触摸者充分进行关于触感词汇的示范和练习等，能够减少与触感种类相关的变动。或者，也可以采用通过前述的因子分析等根据很多数据来统计性地进行提取的技术，而无视表现为误差的词汇解释等的变动的方法。以下，假设在事前求出了触感词汇Y与此时触摸者所感觉到的触感种类y的关系来进行说明。

很多的触摸者20接触多个学习用素材21，并感觉到了多个触感种类时的触摸动作变量的数据，由触摸动作概率学习部28统计性地计算。在触摸动作概率学习部28中，根据触感种类y和触摸动作变量m的发生次数，通过下列数17，首先，求出与触摸动作变量m相关的带条件概率。

[数17]

$P\left(m\right|y)=\frac{N(m,y)}{N\left(y\right)}$

其中，N(m，y)代表触摸动作m和触感种类y同时发生的次数，N(y)代表触感种类y发生的次数。接下来，通过汇集与共同的触摸动作变量m相关的带条件概率P(m|y)并应用于数12，来计算与触感种类y相关的后验概率P(y|m)。其结果以图34所例示的形式保存在触摸动作概率DB27中。

接下来，在触感权重计算部15a中，求出表示学习用素材21的素材物理特性值与触摸者20所回答的触感强度的关系的、数16所示的触感权重向量C(m，y)。在本实施方式中，认为触感权重向量依赖于触摸动作变量m和触感种类y而决定。换言之，意味着即使对相同的素材，只要感觉到的感触种类不同，或者触摸动作变量不同，则成为不同的触感强度。

为了求出这种触感权重向量C(m，y)，基于触摸实验的素材物理特性值X和触感强度H^*相关的数据，按照触感种类y和触摸动作变量m的条件相同的数据被汇总。但是，在触感强度记录部14中，将各触感强度H^*与触感种类y和触摸动作特征量向量v关联起来记录，因此参照构筑的触摸动作DB13，将触摸动作特征量向量v变换为触摸动作变量m。按照每个按照这些条件汇总的数据，通过多元回归分析等手法来求出数16所示的素材物理特性值X和触感强度H^*的关系。得到的结果如图30中作为一个例子所示的那样，触摸动作变量m和触感种类y以及触感权重向量C(m，y)被关联起来保存在触感权重DB18a中。

通过以上方式，本实施方式中的学习步骤1完成。

接下来，使用图35对构筑素材DB23a的学习步骤2进行说明。在此，也对与实施方式1所对应的图25具有相同功能的要素，付与相同的记号，而省略说明。本实施方式的图35的结构，与实施方式1的图25的结构的不同点在于，在本实施方式中，保存在触感权重DB18a中的触感权重向量按照每个摸动作变量m和触感种类y来决定，从而各素材的触感强度也按照每个触摸动作变量m和触感种类y来计算并保存。以下对学习步骤2进行说明。

在触感权重提取部25a中，从触感权重DB18a中将作为条件的触摸动作变量m和触感种类y的组，与此时的触感权重向量C(m，y)一起，依次提取。在素材触感推定部2a中，将其中的触感权重向量C(m，y)应用于数16，来求出与触感种类y相关的触摸动作变量m下的触感强度H_y(m)。得到的触感强度H_y(m)，与触摸动作变量m和触感种类y关联起来以图31所示的形式保存在素材DB23a中。另外，素材DB23a也可以与实施方式1完全相同地只保存每个素材的素材物理特性值，在每次素材检索时计算触感强度。在此情况下，在检索执行时额外地需要较多计算时间，但另一方面，具有能够减小素材DB23a的保存容量的优点。

通过进行以上说明了的学习方法和素材检索方法，即使根据触摸者的触摸动作无法唯一地识别触摸者所想要感觉到的触感种类，也能够推测触摸者所寻求的触感种类和其触感强度来进行素材检索。

此外，如同在实施方式1中也说明了的那样，为了进行素材检索而接触参照素材并不限定于1次，也可以通过多次的“触”来进行素材检索。在此情况下，通过AND来缩小每次“触”的检索结果，或者通过OR来进行范围扩大是很有效的。在这种情况下，若在用每次“触”推定出的触感种类中存在共通的触感种类y，则该触感种类y反复对素材检索做出贡献，因此结果成为重视了与触感种类y相关的触感强度的检索结果。这意味着，触摸者通过一边改变触摸动作一边为了感觉一贯的触感种类而接触参照用素材，结果成为强调了与该触感种类相关的触感强度的检索结果。这即使与人接触对象物时的行动进行对照也一致，使得能够进行使触摸者不感到别扭的自然的素材检索。

(实施方式3)

若应用在实施方式1的开头说明了的本发明的原理，则通过将触感表现为将多个触感种类的触感强度作为各分量的向量，能够更直接地处理触摸动作的变化所产生的触感的变化。首先，对该原理进行说明。

现假设触感种类的个数为M个。若将触摸者所感觉到的每个触感种类的触感强度用H_k来表示，则触感整体可以作为M维的列向量用下式来表示。

[数18]

$H=\left(\begin{array}{c}{H}_1\\ .\\ .\\ .\\ H_k\\ .\\ .\\ .\\ H_M\end{array}\right)$

以后将此称作“触感特征量向量”。此时，触感强度根据用数8表示的触摸动作变量m而变化，可以用下式来表现。

[数19]

H(m)＝C(m)·X

其中、

$X=\left(\begin{array}{c}1\\ x_1\\ .\\ .\\ .\\ x_n\end{array}\right)$

在此之前称作触感权重向量的向量，在数19的矩阵C(m)中表现为行分量，成为了将M个触感种类的触感权重向量进行组合作为1个矩阵的向量。以后，在本实施方式中将此C(m)矩阵称作“触感权重矩阵”。数19意味着触摸者所感觉到的素材的触感被表现为触感特征量向量空间的一点，并且这能够通过用触感权重矩阵C(m)来对作为物理特征量空间的一点的素材进行变换而得到(参照图36)。在素材的检索时，能够根据从参照用素材推定出的基于数10的触感特征量向量、和保存在数据库中的检索对象素材的触感特征量向量的、向量间距来进行检索。

通过像这样使用触感特征量向量来进行素材检索，能够检索出接近触摸者所感觉到的触感的素材的根据是基于以下的观点。

如同在实施方式1的开头说明了的那样，触摸者所感觉到的每个触感种类的触感强度根据触摸动作而变化。但是，触摸者并不是只用最显著的触感种类的触感强度来判断触感，有可能同时感觉到比较弱的触感强度的触感种类。即，触摸者将素材的触感作为用触感特征量向量来表现的触感空间上的一点来感觉。

但是，数19的触感权重矩阵依赖于触摸动作而决定，说明素材的触感空间中的位置根据触摸动作而变化。因此，通过追随基于触摸动作的触感特征量向量的变化来进行素材检索，能够进行与触摸者所感觉到的触感的类似性相应的素材检索。

使用图37和图38来举例说明基于上述动作原理的素材检索处理。

图37表示了对于表面的粗糙度不同的4个素材、素材A、素材B、素材C、素材D，与表面粗糙度相关的触感强度根据触摸动作而变化的样态。即，在进行了按压动作的情况下感觉到的触感强度，相对于素材的变化如直线D02那样变化，每个素材的触感强度的差较小，而且平均的触感强度也较小。另一方面，在进行了描摹动作的情况下，触感强度如直线D01那样变化，每个素材的触感强度的差较大，而且平均的触感强度也较大。即，数8中的触感权重矩阵C(m)的伴随触摸动作的差异的变化，在本例中表现为直线的倾斜度和截距(intercept)。其结果，可以预测，在触摸者用描摹动作接触了素材时，比进行了按压动作时更强烈地感觉到的素材的粗糙感。

基于触摸动作的触感强度的变化，不仅针对图37所例示的粗糙感，针对其他触感种类也发生，且变化的方式根据触感种类而不同。图38对此进行了举例说明，是针对2种触感强度H₁、H₂，在横轴、纵轴上取得4个素材A、素材B、素材C、素材D的触感强度，并针对2个触摸动作(描摹动作、按压动作)对其分布进行了绘制的例子。

如该图所示，触感强度空间中的素材的分布根据触摸动作而变化，例如，在描摹动作下，成为在横轴方向延伸的分布，在按压动作下，成为在纵轴方向延伸的分布。因此，若检索最接近素材B的触感的素材，则在基于描摹动作而进行了检索的情况下，根据描摹动作的分布来检索素材C。

另一方面，在基于按压动作而进行了检索的情况下，根据按压动作的分布来检索素材D。通过像这样在触感特征量向量空间中进行素材检索，能够进行依照了随着触摸者所感觉到的触感和触摸动作而变化的触感的类似性的素材检索。

使用图39、图40和图41来对使用了以上说明了的触感特征量向量的素材检索装置802进行说明。

首先，在图39中表示素材检索时的方法。在本图中，对与实施方式1所对应的图14具有相同功能的要素付与相同的记号，而省略说明。

本实施方式中的素材检索执行时的处理流程，与实施方式1中的几乎相同。不同点在于，在本实施方式中，如前述那样，并不是只对根据触摸动作变量而判断出的特定的触感种类进行触感强度的推定，而是对应该考虑的所有的触感种类进行，并将它们作为向量来进行类似度计算。

以下，以不同点为中心进行详细的说明。

触摸者接触参照用素材22，并根据此时的触摸动作来求出触摸动作变量m为止的处理，与实施方式1完全相同。

在决定了触摸动作变量m之后，触感权重矩阵检索部19b从触感权重DB 8b中检索出数19所示的触感权重矩阵C(m)。即，在触感权重DB18b中，触摸动作变量m和触感权重矩阵C(m)被关联起来保存。作为其形式，可以为表查找形式。

素材触感推定部2b将触感权重矩阵C(m)、和由素材物理量计测部1得到的参照用素材22的素材物理特性值X应用于数19，来求出触感特征量向量H。在素材DB检索部3b中，用保存在素材DB23b中的各检索对象素材的触感特征量向量、和由素材触感推定部2b求出的触感特征量向量H，来求出向量间的距离，并以此为基础来设为检索得分。作为其一个例子，可以是两个向量间的欧几里得距离(Euclidean distance)。此外，可以将按照每个向量分量(即触感种类)赋予了不同的权重的距离，即，保存在素材DB中的素材T的各触感强度作为t_i，通过下列数20来求出与素材T相关的得分S(T)。

[数20]

$S\left(T\right)=\sqrt{\frac{1}{M}\underset{i}{\overset{M}{\mathrm{\Σ}}}w\left(i\right){(H_i-t_i)}^2}$

在数20中，w(i)是权重函数，使用在实施方式2中说明了的与触感种类y相关的后验概率P(y|m)也很有效。

通过这种计算，将最佳得分的素材(最类似的素材)作为检索结果输出。或者，使用规定的阈值，将一定程度类似的素材群作为检索结果输出也很有效。此时可以不仅输出素材名，而且也一起输出检索得分。检索结果显示部7上的显示方法与实施方式1相同。

为了进行以上这种素材检索，需要触摸动作DB13、触感权重DB18b、素材DB23b的事前的构筑。与实施方式1相同，本学习步骤由构筑触摸动作DB13和触感权重DB18b的学习步骤1、和构筑素材DB23b的学习步骤2构成。

图40是用于进行学习步骤1的结构图。以下，使用该图来进行本实施方式的学习步骤1的说明。另外，与实施方式1所对应的图24具有相同功能的要素，付与相同的记号而省略说明。

在学习步骤1中，与实施方式1相同，进行如下触摸实验：呈现多个触感词汇后由多个触摸者20接触多个学习用素材21，并回答其触感强度。不过，与实施方式1的学习步骤1不同，针对1个触摸动作，必须回答所有M个触感种类的触感强度。这是因为，虽然用素材触感推定部2b来进行推定，但因为是将所有M个触感种类的触感强度作为分量的向量，所以学习数据也需要是将触感强度作为分量的向量。另外，实施方式1的素材触感推定部2，只推定特定的触感种类的触感强度，因此在学习时也只要针对1个触摸动作回答1个触感种类的触感强度即可。

为了此目的，在本素材检索装置中含有触摸动作指定部29，触摸者在固定了触摸动作之后，针对各触感词汇Y回答其触感强度。在得到了多个由学习用素材的素材物理特性值X、触摸动作变量m、和M个触感种类的触感强度构成的触感特征量向量H^*的组的数据之后，对它们统计性地进行计算，以使得能够得到数19的关系，并用触感权重计算部15b来求出触感权重矩阵C(m)。作为此结果，触摸动作变量m和触感权重矩阵C(m)被关联起来保存在触感权重DB18b中。

接下来，对通过触摸实验，来收集表示触摸者所感觉到的触感的触感强度向量H^*数据的方法更详细地进行说明。

在触摸实验中，针对1个触摸动作，需要回答所有的触感词汇的触感强度，因此触摸者所采取的触摸动作必须被固定。因此，触摸动作指定部29，例如呈现指示“描摹”、“按压”这种触摸动作的词语、或拍摄了实际的触摸动作的影像等。

此时，也可以用动作物理量计测部10和动作特征量计算部11来监视触摸者的触摸动作，在采取了脱离了规定范围的触摸动作时，产生包含指导应进行怎样的触摸动作的消息的警告。并且，也可以由具有能够进行包含XYZ轴以及其旋转的多轴的移动的促动器的臂，来把持触摸者的手·手指，强制性地使手·手指活动，以成为决定的触摸动作，并使其回答触感强度。

像这样，触摸动作指定部29所指定的触摸动作，为了方便求出触感权重矩阵C(m)，优选是网罗性的。为了得到网罗性的触摸动作的集合，也可以在学习步骤1中分别进行用于构筑触摸动作DB13的触摸实验、和用于构筑触感权重DB18b的触摸实验。即，首先用与在实施方式1的学习步骤1中说明了的触摸动作DB13的构筑方法相同的方法来进行触摸实验，并构筑触摸动作DB13。其结果，多个触摸动作组与各组的触摸动作特征量向量v的平均值一起求出。在用于构筑触感权重DB18b的触摸实验中，触摸动作指定部29再现表示各触摸动作组的触摸动作的词语、影像，或者通过多轴臂来强制性地再现触摸动作特征量向量v的触摸动作，并使触摸者接触素材。这样一来，触摸者能够网罗性地采取所有触摸动作的种类。这样，通过依次指示触摸动作和触感词汇的所有组合，能够从各触摸者得到与[触摸动作的种类的个数]×[触感的种类的个数]的触感强度相关的响应。

在触感权重计算部15b中，收集与各触摸者、各学习用素材、各触摸动作变量m、各触感种类y相关的触感强度数据H^*，并统计性地对此进行处理，来决定触感权重矩阵C(m)。触感权重矩阵C(m)的各行分量，对应于1个触感种类，这与在实施方式1或实施方式2中说明了的触感权重向量相同。即，通过按照每个触感种类，用在实施方式1或实施方式2中说明了的学习方法来求出触感权重向量，并对此进行合成，能够作为触感权重矩阵C(m)。触感权重DB18b将这样得到的触感权重矩阵C(m)与触摸动作变量m关联起来保存。

接下来，使用图41，对学习步骤2的素材DB23b的构筑进行说明。在本图的说明中，也对与实施方式1中的对应的图25具有相同功能的要素付与相同的记号，并省略说明。用于进行学习步骤2的结构，与实施方式1的结构相比，不同点在于，保存在触感权重DB18b中的不是触感权重向量而是触感权重矩阵，与之对应地，由素材触感推定部2b推定出的触感强度不是特定的触感种类的触感强度(标量(scalar))，而是将M种触感种类的触感强度作为分量的触感强度向量。处理的流程与实施方式1的学习步骤2相同。

即，触感权重提取部25b从触感权重DB18b中一个一个提取触摸动作变量m和触感权重矩阵C(m)的组。针对各触摸动作变量m和触感权重矩阵C(m)的组，素材触感推定部2b将由素材物理量计测部1针对检索对象素材24计测出的素材物理特性值X应用于数19，来求出该素材的推定出的触感特征量向量H。在素材DB23b中，检索对象素材24和触摸动作变量m以及此时推定出的触感特征量向量H被关联起来保存。

如上所述，通过针对各种各样的触摸动作，推定出此时触摸者所感觉到的所有触感种类的触感强度作为触感特征量向量，能够推定触摸者接触素材而感觉到的整体的触感。此外，通过进行基于该触感特征量向量的素材检索，只要接触参照素材就能够检索与触摸者在采取了某触摸动作时所感觉到的触感最接近的素材。

(实施方式4)

以下说明的实施方式4到实施方式7，是关于呈现犹如接触了素材的那种触感的触感显示装置的发明，对人的触摸动作、和与该触摸动作对应的对象物的物理特性值进行计测，用物理心理变换单元来将从事前作成的数据库中取得的基于该触摸动作的物理特性值变换为触感量，并根据该触感量来控制触感显示器的促动器，来再现接触了对象物时的触感。

图42是表示本实施方式的触感处理装置100的模块图。

本实施方式的触感处理装置100，计测·记录与接触对象物的人104的触摸动作相应的触感特征量。并且，根据接触触感显示器的人107的触摸动作来读出记录的触感特征量，并在触感显示器中进行再现。

接触测试对象物105的人104和接触触感显示部103的人107既可以是同一个人，也可以是不同的人。在人104和人107是不同的人的情况下，根据触感感受器的灵敏度和在此之前的经验等，触感存在个体差异。此外，接触物体的手的动作也存在个体差异，在根据人107接触触觉显示部103时的触摸动作，来从后述的触感特征量记录部102中读出触动推定触感特征量向量F’_H时，与人104的个体差异成为触感再现性的误差。本发明不处理该个体差异，在人104与人107之间存在的差异原样保留，来对人107呈现触感。即使被试验者104和人107是同一个人，每次试行时产生微小的差异是很自然的。如上所述，在被试验者104接触测试对象物105时的状态、与人107接触触感显示部103时的状态中，存在某些差异，本发明在该差异的范围内再现触感。因此，被试验者104和人107是任意的，既可以为同一个人，也可以为不同人。

接触触感显示器的人107的触摸动作表现了此人(触摸者)107在从对象物接收到的各种各样的触感(凹凸感、软硬感、摩擦感、粘性感等)中，想要了解的触感的种类。为了提高触感显示器上的再现性，准确地把握该触摸者的想法是很重要的。因此，在本实施方式中，利用触感显示器的触摸者的触摸动作，从预先记录了的多个触感特征量选择、提取一个，并根据该触感特征量来在触感显示器上再现触摸者想要了解的触感。

以下，详细地说明图42所示的触感处理装置100。

触感处理装置100具有触感传感器部101、触感特征量记录部102、触感显示部103，触感传感器部101对人104接触测试对象物105时的触感和触摸动作进行计测，并将计测出的触感作为触感特征量，与触摸动作一起记录在触感特征量记录部102中。并且，根据接触触感显示部106的人107的触摸动作来从触感特征量记录部102中读出所述触感特征量，并用触感显示部103来再现。

触感传感器部101具有手的动作计测部108、对象物物理计测部109、物理心理变换部110，通过图1所示的考虑了触摸动作的触感推定方法，来推定人104接触测试对象物105时的触感。手的动作计测部108对人104接触测试对象物105的触摸动作进行计测。对象物物理计测部109根据人104和测试对象物105的接触状态来计测测试对象物105的物理特性向量P_H。因为需要人104和测试对象物105的接触状态，所以手的动作计测部108将触摸动作特征量向量H输入到对象物物理计测部109。物理心理变换部110相当于图1所示的物理心理变换单元2304。物理心理变换部110，使用在学习工序2305中算出的函数M_H，来将对象物物理计测部109所计测出的物理量变换为心理量，并推定人104接触测试对象物105时的触感。

手的动作计测部108的功能与已经说明了的实施方式1的动作物理量计测部10的功能相同。因此，手的动作计测部108的说明省略。

对象物物理计测部109计测测试对象物105的物理特性值。此时，为了计测与人104的触摸动作相关的物理特性值，从手的动作计测部108取得触摸动作特征量向量H。计测出的物理特性值作为触动测试物理特性值向量P_H被输出。在本说明书中，“触动”是表示“人104的手接触测试对象物105的动作”，“触动测试物理特性值”在与触摸动作有关的限定性的物理特性值的含义下使用。

对象物物理计测部109的结构例与已经说明了的实施方式1的素材物理量计测部1的结构相同。因此，对象物物理计测部109的说明省略。在此也与实施方式1同样地，对物理计测的传感器没有特别限定，也可以为利用激光位移计这种非接触传感器进行的计测。

对象物物理计测部109所计测出的物理特性值与物理传感器504的位置信息(X，Y，Z)一起作为触动测试物理特性值向量P_H被输出。

物理心理变换部110将触动测试物理特性值向量P_H变换为触动推定触感特征量向量F’_H，来推定人104接触测试对象物105时的触感。变换式通过图1所示的学习工序2305来生成，被准备用作函数M_H。函数M_H由与触摸动作特征量向量相应地被分类的多个(数8)构成，按照作为来自手的动作计测部108的输出的触摸动作特征量向量H来切换使用。因此，物理心理变换部110的运算功能如下来表现。

[数21]

F′_H＝M(P_H，H)

触动测试物理特性值向量P_H的详细内容，例如使用粗糙度系数、弹性模量、静止摩擦系数、动摩擦系数等。粗糙度系数用1个系数来表现表面凹凸，表面凹凸的高低差越大则系数的值越大。弹性模量可以分类为表示与垂直于对象物的方向的加压对应的变形的纵弹性模量(杨氏模量(Young′s modulus))、和表示与相对于对象物水平方向的加压(剪切力)对应的变形的横弹性模量(剪切弹性模量)等。触摸动作特征量向量H的分类，如在实施方式1中所述，使用对作为初始值而设定的多个类别中心向量加上最邻近向量来依次更新类别中心向量的K-mean法等、现有的分类方法。假设，手的动作由垂直方向和水平方向这两种构成的情况下，聚类处理的结果，触摸动作特征量向量H被分类为2个簇。若用以上的事例具体地记述数21，则构成例如数22这种式子。

[数22]

${F^{\′}}_H=\left\{\begin{array}{cc}0.2a+0.2b+0.1c+0.3d+0.2e& (H=1)\\ 0.1a+0.2b+0.2c+0.1d+0.4e& (H=2)\end{array}\right.$

在此，a是粗糙度系数，b是纵弹性模量，c是横弹性模量，d是静止摩擦系数，e是动摩擦系数。此外，H＝1是对对象物在垂直方向上进行按压动作的情况，H＝2是对对象物在水平方向上进行描摹动作的情况。

图43是说明物理心理变换部110的结构例的图。表2401将触摸动作特征量向量H和触动测试物理特性值向量P_H作为输入，将触动推定触感特征量向量F’_H作为输出。用聚类处理来对被试验者接触n个学习对象物时的触摸动作进行分类，在本例中，分类为两个类别(category)。此外，计测5个物理特性值，并作为触动测试物理特性值向量P_H登记。输出是用因子表现了被试验者在感官评价实验中响应了的响应量的向量，分别对应于n个学习对象物被登记。

如同以图8为中心已经说明了的那样，触觉感受器针对振动频率而激发阈值(firing threshold)不同，因此，手指和对象物的接触状态决定使哪个触觉感受器激发。触觉感受器的激发最终导致触感的生成，因此，定量地记述该触感的由感官评价实验推导出的因子，具有与手指和对象物的接触状态强烈的依存关系。换句话说，因为只要触摸动作改变则触感也改变，所以可以说只要触摸动作改变则提取出的因子也不同。因此，将触摸动作分类为几个模式，按照每个模式来进行因子分析，能够进行累积贡献率很高的良好的因子分析的可能性更高。

触感特征量记录部102对触感传感器部101所计测出的触摸动作特征量向量H和触动推定触感特征量向量F’_H进行记录。触摸动作特征量向量H是人104接触测试对象物105时的触摸动作的特征量向量。触动推定触感特征量向量F’_H是人104接触测试对象物105时感觉到的触感的特征量向量。都是与人104相关的计测数据，如图44所示，成对地记录触摸动作和触感，作成触摸动作和触感的对应表2601。在图44的例子中，记录了n组触摸动作特征量向量H和触动推定触感特征量向量F’_H。向量H104，x(x＝1，2、…、n)表示第x个触摸动作特征量向量H，向量F’_H104，x(x＝1，2、…、n)表示第x个触动推定触感特征量向量F’_H。

并且，触感特征量记录部102根据接触触感显示部103的人107的触摸动作，来输出符合的触动推定触感特征量向量F’_H。如同在图8中说明了的那样，人通过切换与对象物的接触状态，来对触觉感受器施加各种各样的频率的振动刺激，得到了各种各样的触感。因此，成为了如下结构：将人104所感觉到的各种各样的触感暂时存储在触感特征量记录部102中，接下来，根据人107的触摸动作来读出符合的触感。

像这样，通过设置触感特征量记录部102，存储了表示触感特征量的信息。其结果，能够与触感特征量的存储量成比例地，在触感显示部103上高精度地再现与人107想要了解的特征量对应的触感。

图45是说明从被试验者104的触摸动作和触感的对应表2601中，利用人107的触摸动作特征量向量H’，选择呈现给人107的触动推定触感特征量向量F’_H的方法的图。接触触感显示部103的人107的触摸动作，如同在后面详细说明的那样，通过触感显示部103所具有的手的动作计测部114来计测，并作为触摸动作特征量向量H’输出。最邻近向量检测部2602对触摸动作和触感的对应表2601中的n个触摸动作特征量向量H、和触摸动作特征量向量H’进行比较，检测在向量空间中最近的最邻近向量。在图45的例子中，作为第2个数据的触摸动作特征量向量H104，2被检测为最邻近向量。因此，将位于第2个数据的触动推定触感特征量向量F’_H104，2作为触动推定触感特征量向量F’_H输出。

另外，在图45中，是只检测出1个最邻近向量的形式，但也可以检测出多个邻近向量，并通过加权平均来算出触动推定触感特征量向量F’_H。即，如(数23)所示，检测出k个与触摸动作特征量向量H’的距离较小的触摸动作特征量向量H104，x，并对与它们对应的触动推定触感特征量向量F’_H104，x施加权重wi来进行累加。权重wi，如(数24)所示，根据触摸动作特征量向量H’和触摸动作特征量向量H104，x之间的距离的倒数求出，将所述倒数作为分子，将所述倒数的k个的总和作为分母来算出。

[数23]

$F_H^{\′}=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{w}_i{F}_{H,104,i}^{\′}$

[数24]

$w_i=\frac{\frac{1}{H^{\′}-H_{104,i}^{\′}}}{\underset{m=1}{\overset{k}{\mathrm{\Σ}}}\left(\frac{1}{H^{\′}-H_{104,M}^{\′}}\right)}$

人104的手的动作优选网罗性地覆盖人107所能够采取的手的动作。图46表示了触摸动作特征量向量空间。区域601表示从人104计测出的触摸动作特征量向量的分布，区域602表示从人107计测出的触摸动作特征量向量的分布。如图46(a)所示，只要区域601(人104)完全包含区域602(人107)(这表示进行充分的学习。)，则能够对人107的所有手的动作，提供测试对象物105的触动推定触感特征量向量F’_H。另一方面，如图46(b)所示，在区域601(人104)无法完全包含区域602(人107)的情况下，对人107的一部分手的动作，无法正确地提供测试对象物105的触动推定触感特征量向量F’_H。因为最邻近向量检测部2602检测出最邻近的向量，所以如图47所示，位于区域601(人104)外的触摸动作特征量向量901被映射到区域601内的最邻近处，以具有误差902的形式检测出触摸动作特征量向量903。

另外，图44所示的触动推定触感特征量向量F’_H和触摸动作特征量向量H的关系，如(数25)所示，也可以为函数记述。

[数25]

$H=G\left(F_H^{\′}\right)$

即，如同以图8为中心已经说明了的那样，触摸动作和触感存在很强的相关性，相关性越高，则两个向量的关系越能够以高精度来进行函数记述。在用函数G将触摸动作特征量向量H变换为触动推定触感特征量向量F’_H的情况下，通过将由触感显示部103提供的触摸动作特征量向量H’代入(数25)的H，来算出触动推定触感特征量向量F’_H，这成为图45的动作的替代。

触感显示部103具有心理物理变换部111、促动器控制部112、促动器部113、手的动作计测部114，根据触动推定触感特征量向量F’_H来对人107再现测试对象物105的触感。

心理物理变换部111将触动推定触感特征量向量F’_H变换为促动器控制信号D’_H。变换式与图6的心理物理变换部2104相同，使用(数6)，但根据触动推定触感特征量向量F’_H从用触摸动作进行了分类的多个(数6)中选择1个。这是为了与物理心理变换部110相同地，将因子分析分类为触摸动作的模式来执行，预先通过K-mean法等来将接触触感显示部103的人107的触摸动作特征量向量分类为多个类别，并按照每个类别来进行因子分析。作为因子的触感特征量向量F’和促动器控制信号D’的关系用矩阵V来表示，并用其逆矩阵来提供(数6)。

促动器控制部112接收促动器控制信号D’_H，来对促动器部113进行控制。

促动器部113可以为任意的方式，但具体来说，如同在图5的以往例子中说明了的那样，使用振动呈现、力感呈现、或摩擦力呈现等。但是，在本发明中，因为对人107的触摸动作进行计测，所以促动器只进行与触摸动作对应的必要的动作，不需要所有的促动器同时工作。即，如图7(a)所示，在手指1901进行了描摹动作1902的情况下，再现粗糙感1803和摩擦感1805，如图7(b)所示，在手指1901进行了按压动作1905的情况下，再现软硬感1804。触感显示器1801，如前述那样，用超声波振子的非稳态分量1809来产生振动1807从而呈现粗糙感1803，用超声波振子的稳态分量1813来产生力分布1812从而呈现软硬感1804。但是，因为想要同时呈现粗糙感1803和软硬感1804，所以稳态分量1813对振动1807也产生影响，需要进行对粗糙感1803的校正。具体来说，通过调整稳态分量1813和非稳态分量1809的振幅比，来校正对粗糙感1803的影响。另一方面，因为本发明计测触摸动作，所以在只进行了描摹动作1902的情况下，不需要力分布1812的控制，因此，稳态分量1813能够只假定振动1807的产生来自由地进行控制，成为与需要校正的以往例子完全相反的定位。

如上所述，触感处理装置100能够将人104接触测试对象物105时所感觉到的触感传达给人107，即使不在物理上运送物品也能够在远程地点间相互传达触感。在人104和人107是同一个人的情况下，能够进行触感的存档(archive)，能够用电子方法记录过去接触实物的触感，并相隔时间差，用触感显示器来再现触感。

(实施方式5)

图48是表示本实施方式的触感处理装置1000的结构的模块图。

在本实施方式中，对如下触感处理装置进行说明：根据接触触感显示器的人的触摸动作来计测对象物的物理特性值，并根据所述触摸动作和所述对象物的物理特性值，用触感显示器来再现接触对象物时的触感。另外，对与图42所示的触感处理装置100相同的部分付与相同的符号，并省略详细的说明。

实施方式4的触感处理装置100通过人104接触测试对象物，来存储其触感特征量。另一方面，本实施方式的触感处理装置1000，在不存在人104的状况下，根据接触触感显示器的人107的触摸动作来计测对象物的物理特性值，并取得触感特征量。

通过本实施方式的触感处理装置1000，例如在测试对象物105和人107存在于远离的位置的情况下，能够由远程地点的人107来取得测试对象物105的触感。

以下，对图48所示的触感处理装置1000详细地进行说明。

触感处理装置1000具有触感传感器部1001和触感显示部103。在图48上，触感处理装置1000被规定为包含触感传感器部1001和触感显示部103的1个装置，但这是为了记载的方便。在测试对象物105和人107存在于远离的位置时，触感传感器部1001存在于测试对象物105附近，触感显示部103存在于人107的附近。此时，触感处理装置1000作为以包含独立的2个构成部件(触感传感器部1001和触感显示部103)的方式而构筑的系统来实现。

用人107接触触感显示部103时的触摸动作来计测测试对象物105的物理特性值，并根据所述触摸动作和所述对象物的物理特性值，用触感显示部103来再现人107接触测试对象物105时的触感。

触感传感器部1001具有对象物物理计测部1002和物理心理变换部110，根据测试对象物105的物理特性值和人107的触摸动作，来算出表现人107接触测试对象物105时的触感的触动推定触感特征量向量F’_H。

对象物物理计测部1002计测测试对象物105的物理特性值。此时，为了计测与人107的触摸动作有关的物理特性值，从触感显示部103所具有的手的动作计测部114取得触摸动作特征量向量H’。计测出的物理特性值作为触动测试物理特性值向量P_H被输出。

在图42的触感处理装置100所具有的对象物物理计测部109中，使用图17所示的那种XYZ台501来使物理计测传感器504移动。因此，在物理计测传感器504为能够计测1个物理特性值的单功能型的传感器的情况下，对其进行更换，分多次进行计测。另一方面，在物理计测传感器504，例如，如非专利文献8所公开的那样，是能够用1个测定器来计测多个物理特性值(具体来说，表面形状、弹性特性、摩擦特性)的多功能型的传感器的情况下，能够削减物理特性值计测的工时，并能够1次完成计测。在本实施方式中，用人107接触触觉显示部103时的手的动作来使物理传感器504工作。人107为了得到触感而接触了触感显示部103，因此在人107接触了促动器部113后，应尽量快地驱动促动器。因此，成为促动器驱动的前提的测试对象物105的物理计测优选在短时间内结束。特别优选瞬时结束测试对象物105的物理计测。若能够瞬时结束测试对象物105的物理计测，则能够根据接触触觉显示部103时的手的动作，来在触感显示部103上实时地呈现触感。因此，优选使用能够在不更换传感器的情况下计测对象物的各种各样的物理特性值的多功能型的物理计测传感器。

触感处理装置1000在起动后，所有的构成要素始终有效，即使人107没有接触促动器部113，手的动作计测部114也持续工作，并持续向对象物物理计测部1002输出触摸动作特征量向量H’。在此情况下，对象物物理计测部1002的物理传感器504的动作停止。若人107接触了促动器部113，则手的动作计测部114捕捉其手的动作，对象物物理计测部1002的物理传感器504按照触摸动作特征量向量H’来改变位置，物理传感器504和测试对象物105的接触状态根据人107的手的动作而变化。由对象物物理计测部1002计测出的触动测试物理特性值向量P_H，被物理心理变换部110变换为触动推定触感特征量向量F’_H，其被提供给触感显示部103，最终促动器部113被驱动，人107产生了与手的动作相应的触感。

如上所述，触感处理装置1000用人107接触触感显示部103时的手的动作来计测测试对象物105的物理特性值，并用触感显示部103来再现人107接触测试对象物105时的触感。因此，即使不物理性地运送物品，也能够在远程地点确认接触测试对象物105时所感觉到的触感。

(实施方式6)

图49是表示本实施方式的触感处理装置1100的模块图。

在本实施方式中，对如下触感处理装置进行说明：预先计测·记录测试对象物的物理特性值，根据接触触感显示器的人手的动作来读出对象物的物理特性值，并用触感显示器来再现接触对象物时的触感。

另外，对与图42所示的触感处理装置100相同的部分付与相同的符号，并省略详细的说明。

以下，对图49所示的触感处理装置1100详细地进行说明。

触感处理装置1100具有触感传感器部1101、触感特征量记录部102、触感显示部103，通过将预先进行的测试对象物105的物理特性计测、和此时的物理传感器的动作同时记录到触感特征量记录部102中，并检测出与人107接触测试对象物105的手的动作类似的物理传感器的动作，来读出测试对象物105的物理特性值。

触感传感器部1101具有物理传感器动作指示部1102、对象物物理计测部1103、物理心理变换部110，物理传感器按照物理传感器动作指示部1102所指示的动作移动，计测测试对象物105的物理特性值，并输出触动推定触感特征量向量F’_H和传感器动作特征量向量A。

物理传感器动作指示部1102，如图50所示，对XYZ台2501的电动机控制部511指示物理传感器2504的动作。指示的内容网罗人手的动作，并被预设(编程)于物理传感器动作指示部1102的未图示的存储器等中。

例如，预先计测多个人的触摸动作，并将它们全部作为指示内容。此外，也可以如图51(a)所示，在触摸动作特征量向量空间中，定义包含所有计测出的向量群1301的区域1302，接下来，如图51(b)所示，在区域1302内设定均等地分布的向量群，将它们作为物理传感器的动作来进行指示。向量1303是均等地配置的向量的1条，以通过设定于通过区域1302内的格点1304和坐标原点1305的方式配置。在区域1302内均等地分布的向量群，以通过所有的格点的方式设定，但因为原样进行图示比较繁杂，所以在图51(b)中，只图示了1条。并且，设想考虑了电动机2505、电动机2507、电动机2509的驱动能力和支撑杆2502、支撑杆2503的工作范围等的物理传感器2504的所有动作，在不损坏测试对象物105的范围内进行计测。从人107的触摸动作的种类来看，虽然计测数据也存在过剩的可能性，但存在如下优点：不动用人手地确保了图46(a)所示的那种触感区域的重叠。

对象物物理计测部1103按照来自物理传感器动作指示部1102的传感器动作特征量向量A来使物理传感器2504移动，并计测测试对象物105的物理特性值，作为触动测试物理特性值向量P_A输出。触感处理装置1100将计测数据暂时保存在触感特征量记录部102中，因此触感传感器部1101的处理和触感显示部103的处理分别进行。因此，安装在XYZ台2501上的物理传感器2504也可以为对多个单功能型进行更换的形式。

如上所述，触感处理装置1100通过由物理传感器动作指示部1102来使物理传感器2504移动，能够网罗性地计测测试对象物105的物理特性值，能够应对人107的任意的触摸动作。因此，在触感特征量空间中，触觉传感器部所能够输出的特征量向量的区域可以包含触感显示部103所能够输出的特征量向量的区域，触感再现性提高。此外，测试对象物105的物理计测不需要人手。像这样，即使不物理性地运送物品，也能够在远程地点确认接触测试对象物105时所感觉到的触感。

(实施方式7)

图52示表示本实施方式的触感处理装置1400的模块图。

在本实施方式中，对如下触感处理装置进行说明：使接触触感显示器的手指不动而静止，用触感显示器来被动地再现接触对象物时的触感。因为使手指不动，所以在本实施方式的触感处理装置中，没有设置实施方式4的触感处理装置100的手的动作计测部114。另外，对与图42所示的触感处理装置100相同的部分付与相同的符号，并省略详细的说明。

以下，对图52所示的触感处理装置1400详细地进行说明。

触感处理装置1400具有触感传感器部101、触感显示部1401，能够通过人107接触触感显示部1401来感觉人104接触测试对象物105时的触感。但是，使人107接触触感显示部1401的手指不动，通过促动器部113的驱动，来被动地生成触感。在图42所示的触感处理装置100中，接触触感显示部103的人107，能够自由地接触促动器部113，通过检测与手的动作计测部114所计测出的人107的触摸动作类似的人104的触摸动作，而决定了触动推定触感特征量向量F’_H。因此，人107通过改变触摸动作，能够一边对作为目标的触感进行各种各样的切换，一边主动地感觉触感。另一方面，本实施方式的触感处理装置1400，只在推定人104所感觉到的触感的过程中，使用触摸动作，在人107感觉触感的过程中不存在手的动作。因此，触感处理装置1400成为只被动地原样感觉人104所感觉到的触感的形式。

触感显示部1401具有心理物理变换部111、促动器控制部1402、促动器部113，接收触动推定触感特征量向量F’_H，来使促动器部113工作。

促动器控制部1402控制促动器部113，使手指在静止的状态下接触促动器部113，对人107提供目标触感。即，执行(数6)的运算，因此，需要预先求出矩阵V。该步骤与在图6中用(数5)来将促动器部2102的输入输出特性模型化后的情况相同，但在本实施方式中，人107在使手指不动的状态下，将各种各样的促动器控制信号D’提供给促动器控制部2103。

另外，虽然在图52中，没有明示触感特征量记录部102那种、记录触动推定触感特征量向量F’_H或触摸动作特征量向量H的手段，但可以使数据记录机构介于从手的动作计测部108到促动器部113的一系列的流程的途中，例如，能够记录并再生作为触感传感器部101的输出的触动推定触感特征量向量F’_H，并用触感显示部1401来进行再现。

如上所述，触感处理装置1400是人107能够被动地感觉到人104所感觉到的触感的装置，即使不物理性地运送物品也能够向远程地点传达触感。

(产业上的可利用性)

如上所述，本发明着眼于人的触感中经常感觉到的触感，能够提供基于该触感的类似触感的素材群呈现手段、和能够用电子方法确认对象物的触感的手段。根据本发明，通过在电子商务或远程会议等中使用，从而能够在时间上和经济上削减基于采样样品递送的素材感或质感的确认工序。特别是在电子商务中，消费者所收到的商品的素材感或质感与想象不同，发生了商品的退货，但通过本发明，能够用触觉显示器来确认触感，因此能够有助于退货率减小。通过退货率减小，能够削减流通成本，并能够削减商品运送所产生的环境负担。

符号说明：

1  素材物理量计测部；

2  素材触感推定部；

3  素材DB检索部；

7  检索结果显示部；

10  动作物理量计测部；

11  动作特征量计算部；

12  触摸动作学习部；

13  触摸动作DB；

14  触感强度记录部；

15  触感权重计算部；

17  触摸动作推定部；

18  触感权重DB；

19  触感权重向量检索部；

20  触摸者；

22  参照用素材；

23  素材DB；

24  检索对象素材；

25  触感权重提取部；

100  触感处理装置；

101  触感传感器部；

102  触感特征量记录部；

103  触感显示部；

104  人；

105  测试对象物；

108  手的动作计测部；

109  对象物物理计测部；

110  物理心理变换部；

111  心理物理变换部；

112  促动器控制部；

113  促动器部；

114  手的动作计测部。

Claims (11)

1.一种触感处理装置，其具备：

动作计测部，其计测人和对象物的接触状态；

物理计测部，其计测所述对象物的物理特性值；和

物理心理变换部，其根据基于与人接触了任意的对象物时的接触状态相应的物理特性值、和与接触了所述任意的对象物时的触感相关的特征量而算出的、每个接触状态下的所述任意的对象物的物理特性的权重，根据由所述物理计测部计测出的所述物理特性值，来生成与触感相关的特征量。

2.根据权利要求1所述的触感处理装置，其特征在于，

还具备输出部，其将由所述物理心理变换部生成的所述与触感相关的特征量，作为所述人接触了所述对象物时感觉到的触感量来输出。

3.根据权利要求1所述的触感处理装置，其特征在于，

所述物理计测部能够计测与所述对象物的多种物理特性相关的物理特性值，

所述物理计测部根据所述人接触所述对象物的接触状态，来改变计测的物理特性的种类。

4.根据权利要求1所述的触感处理装置，其特征在于，

所述动作计测部计测与所述人的手接触所述对象物时的手的动作相关的特征量，

所述与手的动作相关的特征量包含所述手的位置坐标、所述手和所述对象物的接触位置坐标、所述位置坐标的变化量、所述手的移动速度、所述手的移动加速度中的至少一个。

5.根据权利要求1所述的触感处理装置，其特征在于，

所述物理计测部计测所述对象物的形状和应力中的至少一个，作为所述对象物的物理特性值。

6.根据权利要求1所述的触感处理装置，其特征在于，

所述与触感相关的特征量包含被定义为从所述被试验者的感官响应提取出的因子的凹凸感、软硬感、摩擦感、粘性感中的至少一个。

7.根据权利要求4所述的触感处理装置，其特征在于，

所述物理心理变换部保持有预先作成的、将所述对象物的物理特性值以及与接触了所述对象物时的触感相关的特征量对应起来的信息，

所述信息是将所述与手的动作相关的特征量、所述对象物的物理特性值以及所述与触感相关的特征量对应起来的表，或者，是将所述与手的动作相关的特征量以及所述学习对象物的物理特性值作为输入，并输出所述与触感相关的特征量的函数。

8.根据权利要求2所述的触感处理装置，其特征在于，

还具备触感显示部，其通过从所述输出部接收所述与触感相关的特征量，并根据接收到的所述与触感相关的特征量来产生力，从而使触摸者产生触感，

所述触感显示部具备：

心理物理变换部，其根据预先准备的变换规则，将从所述记录部接收到的所述与触感相关的特征量变换为控制信号；

驱动部，其根据所述控制信号来对所述触摸者的手施力；和

手的动作计测部，其计测与接触了所述触感显示部的所述触摸者的手的动作相关的特征量，

所述心理物理变换部接收根据所述触摸者的手的动作特征量而确定的、记录在所述记录部中的所述与触感相关的特征量。

9.一种触感处理装置，其具备：

触感显示部，其通过产生力，来使触摸者产生触感；

物理计测部，其计测预先提供的测试对象物的物理特性值；和

物理心理变换部，其根据预先准备的、将学习对象物的物理计测值以及与人接触了所述学习对象物时的触感相关的特征量对应起来的信息，来将计测出的所述测试对象物的物理特性值变换为与触感相关的特征量，

所述触感显示部具有：

心理物理变换部，其根据预先准备的变换规则，将所述与触感相关的特征量变换为控制信号；

驱动部，其根据所述控制信号，来对所述触摸者的手施力；和

手的动作计测部，其计测与接触了所述触感显示部的所述触摸者的手的动作相关的特征量，

所述物理计测部根据计测出的所述与手的动作相关的特征量，来计测所述测试对象物的物理特性值。

10.一种触感处理装置，其具备：

物理计测部，其利用物理传感器来计测测试对象物的物理特性值；

物理传感器动作指示部，其在计测所述测试对象物的物理特性值时，指示所述物理传感器的动作；

物理心理变换部，其根据信息，将计测出的所述物理特性值变换为与触感相关的特征量，该信息预先将学习对象物的物理特性值、与被试验者接触了所述学习对象物时的手的动作相关的特征量、以及与接触了所述对象物时的触感相关的所述特征量对应起来，以使得参照的所述物理特性值的种类和权重根据所述与手的动作相关的特征量而变更；和

输出部，其将确定了的所述与触感相关的特征量设为所述人接触了所述测试对象物时感觉到的触感量而输出。

11.根据权利要求10所述的触感处理装置，其特征在于，

还具备触感显示部，其通过从所述输出部接收所述与触感相关的特征量，并根据接收到的所述与触感相关的特征量来产生力，从而使触摸者产生触感，

所述触感显示部具备：

心理物理变换部，其根据预先准备的变换规则，将从所述记录部接收到的所述与触感相关的特征量变换为控制信号；

促动器部，其根据所述控制信号来对所述触摸者的手施力，使所述触摸者产生触感；和

手的动作计测部，其计测与接触了所述促动器部的所述触摸者的手的动作相关的特征量，

所述心理物理变换部接收根据所述触摸者的手的动作特征量而确定的、记录在所述记录部中的所述与触感相关的特征量。

Images