JP2006123127A

JP2006123127A - ロボット装置及びその動作制御方法

Info

Publication number: JP2006123127A
Application number: JP2004317001A
Authority: JP
Inventors: Fumihide Tanaka; 文英田中
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2004-10-29
Filing date: 2004-10-29
Publication date: 2006-05-18
Anticipated expiration: 2024-10-29
Also published as: JP4539291B2

Abstract

【課題】ユーザ等のコミュニケーション対象をより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することが可能なロボット装置及びその動作制御方法を提供する。
【解決手段】自己モーション算出器１２は、全関節角の時系列情報に基づいて、自身の動作のみに由来する動きベクトルを算出する。モーション混合器１３は、この自身の動作のみに由来する動きベクトルに基づいて入力画像の動きベクトルを補正することで、自身の動作のみに由来する動きベクトルとユーザの動作のみに由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する。そしてＢＲ抽出器１４は、生成された動きベクトル等から動き特徴量を抽出し、動作生成器１５は、動作ルールベース記憶器１６に記憶された動作ルールベースを参照しながら、抽出された動き特徴量に応じた動作を生成する。
【選択図】図４

Description

本発明は、自律的に動作可能なロボット装置及びその動作制御方法に関する。

電気的又は磁気的な作用を用いて人間（生物）の動作に似た運動を行う機械装置を「ロボット」という。我が国においてロボットが普及し始めたのは、１９６０年代末からであるが、その多くは、工場における生産作業の自動化・無人化等を目的としたマニピュレータや搬送ロボット等の産業用ロボット（Industrial Robot）であった。

最近では、人間のパートナーとして生活を支援する、すなわち住環境その他の日常生活上の様々な場面における人的活動を支援する実用ロボットの開発が進められている。このような実用ロボットは、産業用ロボットとは異なり、人間の生活環境の様々な局面において、個々に個性の相違した人間、又は様々な環境への適応方法を自ら学習する能力を備えている。例えば、犬、猫のように４足歩行の動物の身体メカニズムやその動作を模した「ペット型」ロボット、或いは、２足直立歩行を行う人間等の身体メカニズムや動作をモデルにしてデザインされた「人間型」又は「人間形」ロボット（Humanoid Robot）等のロボット装置は、既に実用化されつつある。これらのロボット装置は、産業用ロボットと比較して、エンターテインメント性を重視した様々な動作を行うことができるため、エンターテインメントロボットと称される場合もある。また、これらのロボット装置の中には、自律的に動作を行うものが存在する。

ところで、このようなエンターテインメントロボットにおける最重要課題の１つとして、ユーザを飽きさせない仕組みの追及が挙げられる。しかしながら、人間が飽きる現象の仕組みが未だ解明されていない現状では完全に飽きさせない仕組みを用意することが困難であるため、ユーザが興味を持てるような仕組みを予め数多く作り込んでおく方法がとられる。

ここで、そのような仕組みの例として、特許文献１及び非特許文献１には、ユーザの音声や動作と同調した動作をロボット装置に行わせる技術が開示されている。しかしながら、この特許文献１や非特許文献１に記載された技術では、予め内蔵された仕組みに基づく同調関係を変化させることができないため、人間とのインタラクションに用いた場合には、次第に飽きられてしまう可能性があった。一方、本件発明者らは、非特許文献２において、ユーザの動作の見まねとその変調とを繰り返すことにより、ロボット装置と人間との間のより親密なインタラクションを実現する技術を提案している。

特開２００１−２４６１７４号公報 Masato Ito, Jun Tani,"On-line Imitative Interaction with a Humanoid Robot Using a Mirror Neuron Model", IEEE International Conference on Robotics and Automation (2004, in press) Fumihide Tanaka, Hirotaka Suzuki,"Dance Interaction with QRIO: A Case Study for Non-Boring Interaction by using an Entertainment Ensemble Model", 13th IEEE International Workshop on Robot and Human Interactive Communication (2004, in press)

しかしながら、この非特許文献２における変調の方法は、基本的にはプログラマの設計によるため、予測可能なものであったり、或いは完全にランダムなものであったりするなど、長期的なインタラクションには向かないものであった。

最近の基礎研究によれば、予測可能でもランダムでもない、その中間に存在するクラスの１つであるカオス的な挙動が、人間にとって快適さを与えるという報告がなされている（文献「武者利光監修、『ゆらぎの科学１〜９』、森北出版」等を参照）。そこで、プログラマがカオスを設計して例えばロボット装置の動作パターンに組み入れる方法をとることが考えられるが、カオスを組み入れたとしても、それがロボット装置の固有の身体性（物理特性）と合致したものでない場合には、有効に機能しないものと思われる。

本発明は、このような従来の実情に鑑みて提案されたものであり、ユーザ等の相互作用対象をより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することが可能なロボット装置及びその動作制御方法を提供することを目的とする。

上述した目的を達成するために、本発明に係るロボット装置は、自律的に動作可能なロボット装置であって、他の動作主体の動作を示すデータをセンサを介して入力する動作入力手段と、上記動作入力手段によって入力されたデータに基づいて、上記他の動作主体の動作に由来する動きベクトルと自身の動作に由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する動作混合手段と、生成された動きベクトルに基づいて動き特徴量を抽出する動き特徴量抽出手段と、上記動き特徴量に基づいて、発現する動作を生成する動作生成手段とを備える。

また、上述した目的を達成するために、本発明に係るロボット装置の動作制御方法は、自律的に動作可能なロボット装置の動作制御方法であって、他の動作主体の動作を示すデータをセンサを介して入力する動作入力工程と、上記動作入力工程にて入力されたデータに基づいて、上記他の動作主体の動作に由来する動きベクトルと自身の動作に由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する動作混合工程と、生成された動きベクトルに基づいて動き特徴量を抽出する動き特徴量抽出工程と、上記動き特徴量に基づいて、発現する動作を生成する動作生成工程とを有する。

本発明に係るロボット装置及びその動作制御方法によれば、ユーザ等の他の動作主体の動作のみに由来する動きベクトルと自身の動作のみに由来する動きベクトルとが所望の比率で混合された動きベクトルを生成し、その動きベクトルに基づいて動作を生成するため、ユーザ等をより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することができる。

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。この実施の形態は、本発明を、本能や感情といった情動をモデル化した情動モデルを有する２足歩行タイプのロボット装置に適用したものである。後述するが、このロボット装置は、ユーザの動作の見まねを行う際に、ユーザをより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することが可能なものである。以下では先ず、このようなロボット装置の構成について説明し、次いで、このロボット装置がカオス的な動作を発現するための動作制御方法について詳細に説明する。

（１）ロボット装置の構成
先ず、本実施の形態におけるロボット装置の構成について説明する。図１に示すように、本実施の形態におけるロボット装置１は、体幹部ユニット２の所定の位置に頭部ユニット３が連結されると共に、左右２つの腕部ユニット４Ｒ／Ｌと、左右２つの脚部ユニット５Ｒ／Ｌが連結されて構成されている（但し、Ｒ及びＬの各々は、右及び左の各々を示す接尾辞である。以下において同じ。）。

このロボット装置１が具備する関節自由度構成を図２に模式的に示す。頭部ユニット３を支持する首関節は、首関節ヨー軸１０１と、首関節ピッチ軸１０２と、首関節ロール軸１０３という３自由度を有している。

また、上肢を構成する各々の腕部ユニット４Ｒ／Ｌは、肩関節ピッチ軸１０７と、肩関節ロール軸１０８と、上腕ヨー軸１０９と、肘関節ピッチ軸１１０と、前腕ヨー軸１１１と、手首関節ピッチ軸１１２と、手首関節ロール軸１１３と、手部１１４とで構成される。手部１１４は、実際には、複数本の指を含む多関節・多自由度構造体である。但し、手部１１４の動作は、ロボット装置１の姿勢制御や歩行制御に対する寄与や影響が少ないので、本明細書ではゼロ自由度と仮定する。したがって、各腕部ユニット４Ｒ／Ｌは、７自由度で構成される。

また、体幹部ユニット２は、体幹ピッチ軸１０４と、体幹ロール軸１０５と、体幹ヨー軸１０６という３自由度を有する。

また、下肢を構成する各々の脚部ユニット５Ｒ／Ｌは、股関節ヨー軸１１５と、股関節ピッチ軸１１６と、股関節ロール軸１１７と、膝関節ピッチ軸１１８と、足首関節ピッチ軸１１９と、足首関節ロール軸１２０と、足部１２１とで構成される。本明細書中では、股関節ピッチ軸１１６と股関節ロール軸１１７の交点は、ロボット装置１の股関節位置を定義する。人体の足部は、実際には多関節・多自由度の足底を含んだ構造体であるが、ロボット装置１の足部１２１は、ゼロ自由度とする。したがって、各脚部ユニット５Ｒ／Ｌは、６自由度で構成される。

以上を総括すれば、ロボット装置１全体としては、合計で３＋７×２＋３＋６×２＝３２自由度を有することになる。但し、エンターテインメント向けのロボット装置１が必ずしも３２自由度に限定される訳ではない。設計・制作上の制約条件や要求仕様等に応じて、自由度すなわち関節数を適宜増減することができることはいうまでもない。

上述したようなロボット装置１が持つ各自由度は、実際にはアクチュエータを用いて実装される。外観上で余分な膨らみを排してヒトの自然体形状に近似させること、２足歩行という不安定構造体に対して姿勢制御を行うことなどの要請から、アクチュエータは小型且つ軽量であることが好ましい。

図３には、ロボット装置１の制御システム構成を模式的に示している。図３に示すように、制御システムは、ユーザ入力などに動的に反応して情緒判断や感情表現を司る思考制御モジュール２００と、アクチュエータ３５０の駆動などロボット装置１の全身協調運動を制御する運動制御モジュール３００とで構成される。

思考制御モジュール２００は、情緒判断や感情表現に関する演算処理を実行するＣＰＵ（Central Processing Unit）２１１や、ＲＡＭ（Random Access Memory）２１２、ＲＯＭ（Read Only Memory）２１３、及び外部記憶装置（ハード・ディスク・ドライブなど）２１４で構成され、モジュール内で自己完結した処理を行うことができる独立駆動型の情報処理装置である。

この思考制御モジュール２００は、画像入力装置２５１から入力される画像データや音声入力装置２５２から入力される音声データなど、外界からの刺激などに従って、ロボット装置１の現在の感情や意思を決定する。ここで、画像入力装置２５１は、例えばＣＣＤ（Charge Coupled Device）カメラを左右に１つずつ備えており、また、音声入力装置２５２は、例えばマイクロホンを複数備えている。また、思考制御モジュール２００は、スピーカを備える音声出力装置２５３を介して、音声を出力することができる。

また、思考制御モジュール２００は、意思決定に基づいた動作又は行動シーケンス、すなわち四肢の運動を実行するように、運動制御モジュール３００に対して指令を発行する。

一方の運動制御モジュール３００は、ロボット装置１の全身協調運動を制御するＣＰＵ３１１や、ＲＡＭ３１２、ＲＯＭ３１３、及び外部記憶装置（ハード・ディスク・ドライブなど）３１４で構成され、モジュール内で自己完結した処理を行うことができる独立駆動型の情報処理装置である。外部記憶装置３１４には、例えば、オフラインで算出された歩行パターンや目標とするＺＭＰ軌道、その他の行動計画を蓄積することができる。ここで、ＺＭＰとは、歩行中の床反力によるモーメントがゼロとなる床面上の点のことであり、また、ＺＭＰ軌道とは、例えばロボット装置１の歩行動作期間中にＺＭＰが動く軌跡を意味する。なお、ＺＭＰの概念並びにＺＭＰを歩行ロボットの安定度判別規範に適用する点については、Miomir Vukobratovic 著“LEGGED LOCOMOTION ROBOTS”（加藤一郎外著『歩行ロボットと人工の足』（日刊工業新聞社））に記載されている。

運動制御モジュール３００には、図２に示したロボット装置１の全身に分散するそれぞれの関節自由度を実現するアクチュエータ３５０、体幹部ユニット２の姿勢や傾斜を計測する姿勢センサ３５１、左右の足底の離床又は着床を検出する接地確認センサ３５２，３５３、バッテリなどの電源を管理する電源制御装置３５４などの各種の装置が、バス・インターフェース（Ｉ／Ｆ）３０１経由で接続されている。ここで、姿勢センサ３５１は、例えば加速度センサとジャイロ・センサの組み合わせによって構成され、接地確認センサ３５２，３５３は、近接センサ又はマイクロ・スイッチなどで構成される。

思考制御モジュール２００と運動制御モジュール３００とは、共通のプラットフォーム上で構築され、両者間はバス・インターフェース２０１，３０１を介して相互接続されている。

運動制御モジュール３００では、思考制御モジュール２００から指示された行動を体現すべく、各アクチュエータ３５０による全身協調運動を制御する。すなわち、ＣＰＵ３１１は、思考制御モジュール２００から指示された行動に応じた動作パターンを外部記憶装置３１４から取り出し、又は内部的に動作パターンを生成する。そして、ＣＰＵ３１１は、指定された動作パターンに従って、足部運動、ＺＭＰ軌道、体幹運動、上肢運動、腰部水平位置及び高さなどを設定すると共に、これらの設定内容に従った動作を指示する指令値を各アクチュエータ３５０に転送する。

また、ＣＰＵ３１１は、姿勢センサ３５１の出力信号によりロボット装置１の体幹部ユニット２の姿勢や傾きを検出すると共に、各接地確認センサ３５２，３５３の出力信号により各脚部ユニット５Ｒ／Ｌが遊脚又は立脚の何れの状態であるかを検出することによって、ロボット装置１の全身協調運動を適応的に制御することができる。

また、ＣＰＵ３１１は、ＺＭＰ位置が常にＺＭＰ安定領域の中心に向かうように、ロボット装置１の姿勢や動作を制御する。

さらに、運動制御モジュール３００は、思考制御モジュール２００において決定された意思通りの行動がどの程度発現されたか、すなわち処理の状況を、思考制御モジュール２００に返すようになっている。

このようにしてロボット装置１は、制御プログラムに基づいて自己及び周囲の状況を判断し、自律的に行動することができる。

（２）ロボット装置の動作制御方法
次に、上述したロボット装置１がカオス的な動作を発現するための動作制御方法について説明する。上述したように、ロボット装置１は、ユーザの動作の見まねを行う際に、ユーザをより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することが可能なものである。ロボット装置１の機能ブロック構成のうち、このカオス的な動作を発現するために必要な部分を図４に示す。

図４に示すように、ロボット装置１は、カメラ画像入力器１０と、動き特徴量抽出器１１と、動作生成器１５と、動作ルールベース記憶器１６と、アクチュエータ１７とを有している。また、動き特徴量抽出器１１は、自己モーション算出器１２と、モーション混合器１３と、ＢＲ抽出器１４とからなる。

カメラ画像入力器１０は、図３の画像入力装置２５１に相当し、単位時間毎のユーザのフレーム画像を入力し、差分画像又は画素毎の動きベクトルと、画素毎の距離情報を集めた距離画像とをフレーム毎に生成する。そして、カメラ画像入力器１０は、生成した差分画像又は画素毎の動きベクトルと距離画像とをフレーム番号と共に動き特徴量抽出器１１に供給する。

動き特徴量抽出器１１は、カメラ画像入力器１０から供給された差分画像又は画素毎の動きベクトルと距離画像とからフレーム毎の動き特徴量を生成し、この動き特徴量を動作生成器１５に供給する。以下、動き特徴量抽出器１１内の各ブロックにおける処理について具体的に説明する。

ここで、ロボット装置１は、ユーザの動作の見まねを行うが、自身の動作によって頭部ユニット３に設けられたＣＣＤカメラが動くため、ユーザの動作がない場合にも、自身の動作だけでカメラ画像上に動きを等価的に発生させてしまう。これが自己モーション（エゴモーション）問題として公知の現象であり、ロボット装置１が純粋にユーザの動作のみを知りたい場合には、自身の動作の影響を差し引いた動きベクトルを得る必要がある。

そこで、自己モーション算出器１２は、単位時間毎にロボット装置１の全関節角情報を監視し、全関節角の時系列情報に基づいて、特定の点（例えばロボット装置１の重心）を原点としたときの頭部ユニット３の動きベクトルを動力学的に算出する。動きベクトルの算出は、公知の方法に従って行うことができる。このようにして算出した自身の動作のみに由来する動きベクトルで入力画像の動きベクトルを補正することにより、例えば純粋にユーザの動作のみに由来する動きベクトルを得ることができる。

モーション混合器１３は、自己モーション算出器１２から供給された自身の動作のみに由来する動きベクトルに基づいて入力画像の補正を行う。この際、モーション混合器１３は、入力画像の動きベクトルから自身の動作のみに由来する動きベクトルを減じることでユーザの動作のみに由来する動きベクトルを生成するのではなく、自身の動作のみに由来する動きベクトルとユーザの動作のみに由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する。具体的には、カメラ画像入力器１０から供給された動きベクトルＭと、自己モーション算出器１２から供給された動きベクトルの画像平面射影ｖとから、以下の式（１）に従って動きベクトルＭ’を算出する。ここで、式（１）において、Ｉは行列Ｍと同じ大きさの単位行列であり、α，βはロボット装置１が適宜設定するパラメータである。パラメータα，βの設定方法については後述する。

Ｍ’＝α×Ｍ−β×ｖ・Ｉ・・・ (1)
なお、上述の例では簡単のため、自己モーション算出器１２から供給された動きベクトルの画像平面射影ｖが行列の全成分において同じと仮定しているが、より厳密さが要求される場合には、ロボット装置１の身体特性（ロボット装置１の大きさやＣＣＤカメラの画角等）をさらに加えた上で計算を行い、行列中のピクセル毎の正確な動きベクトル射影を算出することもできる。これにより、例えば頭部ユニット３が複雑に回転した場合等においても、より正確に入力画像の動きベクトルを補正することが可能となる。

ＢＲ抽出器１４は、図５に示すように、動き領域を囲むブロック領域（Block Region；ＢＲ）と呼ばれる矩形領域を抽出し、このブロック領域に関する情報を動作生成器１５に供給する。ここで、ブロック領域に関する情報とは、具体的にはブロック領域の中心座標（ｎｘ，ｎｙ）、ブロック領域の縦横値ベクトル（ｓｘ，ｓｙ）、及びロボット装置１の重心から実際の動き対象までの距離ｄを合わせた５要素からなるベクトル（ｎｘ，ｎｙ，ｓｘ，ｓｙ，ｄ）である。

なお、ブロック領域の中心座標や縦横値ベクトルは、フレーム中の相対位置として求められるが、距離画像と合わせることによりロボット装置１の重心を原点とした実際の３次元位置や大きさに変換し、これらの値を上述のベクトル要素として用いるようにしても構わない。

動作生成器１５は、ＢＲ抽出器１４から供給されたブロック領域に関する情報を自らの関節角制御情報にマッピングする。具体的に、動作生成器１５は、動作ルールベース記憶器１６から予めプログラマが決定した動作ルールベース、例えば
肩関節ピッチ軸のピッチ角＝γ１×ｎｘ
肩関節ロール軸のロール角＝γ２×ｓｘ
体幹ピッチ軸のピッチ角＝γ３×ｄ
のようなものを読み出し、これを用いて関節角制御情報を得る。ここで、γ１，γ２，γ３はそれぞれ所定のパラメータである。動作生成器１５は、このようにして得られた関節角制御情報をアクチュエータ１７に供給して駆動し、動作として発現させる。

次に、モーション混合器１３におけるパラメータα，βの設定方法について説明する。

上述した式（１）におけるパラメータα，βをα＝β＝１．０とした場合、動きベクトルＭ’はＭ−ｖ・Ｉ、すなわちユーザの動作のみに由来するものとなるため、動作生成器１５では完全にユーザの動作のみに基づいて動作が生成される。これは、ロボット装置１がユーザの動作に引き込まれて見まね動作を発現することに対応する。ここで、ユーザの動作が規則的である場合、例えばユーザがロボット装置１の前で左右一定周期で手を振るような場合、ブロック領域のｔ時点における中心座標ｎｘをｘ座標とし、ｔ＋１時点における中心座標ｎｘをｙ座標としてプロットしたトラジェクトリは図６のような周期アトラクタになる。

また、式（１）におけるパラメータα，βをα＝１，β＝０とした場合、動作生成器１５ではユーザの動作のみならず自身の動作にも基づいて動作が生成されるため、複雑な挙動となる。上述と同様にユーザがロボット装置１の前で左右一定周期で手を振るような場合、そのトラジェクトリは図７のようなカオス性を有するものとなる。これは、ユーザの動作が規則的なものであったとしても、それが自身の動作と組み合わさることでランダム性がブートストラップ的に加算されていき、長期的に予測の困難な複雑な軌跡がロボット装置１の身体性（物理特性）に基づき生成されているためと説明できる。

さらに、モーション混合器１３においてパラメータα，βを調整することにより、自身の動作の影響を自在に制御することができ、これにより、動作出力におけるカオス性の強さをコントロールすることが可能となる。具体的には、例えばインタラクション対象であるユーザから飽き具合を音声やボタンなどで指示してもらい、飽き具合が高い場合にはカオス性の強いより複雑な動作を発現するようにすることができる。

以上説明したように、本実施の形態におけるロボット装置１及びその動作制御方法によれば、自身の動作のみに由来する動きベクトルとユーザの動作のみに由来する動きベクトルとが所望の比率で混合された動きベクトルを生成し、その動きベクトル等に基づいて動作を生成するため、ユーザをより飽きさせることのないカオス的な動作を自身の身体性に基づいて発現することができる。

なお、本発明は上述した実施の形態のみに限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能であることは勿論である。

例えば、上述の実施の形態では、動作ルールベース記憶器１６から読み出した動作ルールベースに基づいて関節角制御情報を得るものとして説明したが、これに限定されるものではなく、画像処理分野でよく用いられる基本的なテンプレートマッチングやカラーヒストグラム情報を用いて例えばユーザの頭と左右両手の位置を求め、この位置情報を逆キネマティクスを用いてロボット装置１自身の関節角制御情報に変換するようにしても構わない。

また、上述の実施の形態では、入力情報としてカメラ画像を用いたが、これに限定されるものではなく、音響信号等の別のモーダルを用いるようにしても構わない。

また、上述の実施の形態では、コミュニケーション対象としてユーザを想定したが、これに限定されるものではなく、ロボット装置等の非生物や動物などの他の動作主体をコミュニケーション対象としても構わない。

本実施の形態におけるロボット装置の外観を示す斜視図である。同ロボット装置の機能構成を模式的に示すブロック図である。同ロボット装置の制御ユニットの構成を詳細に示すブロック図である。同ロボット装置の機能ブロック構成のうち、カオス的な挙動を発生させるために必要な部分を示す図である。同ロボット装置のＢＲ抽出器で抽出されるブロック領域を示す図である。ユーザの動作のみに基づいて動作を生成する場合のトラジェクトリを示す図である。ユーザ及び自身の動作に基づいて動作を生成する場合のトラジェクトリを示す図である。

符号の説明

１ロボット装置、１０カメラ画像入力器、１１動き特徴量抽出器、１２自己モーション算出器、１３モーション混合器、１４ＢＲ抽出器、１５動作生成器、１６動作ルールベース記憶器、１７アクチュエータ

Claims

自律的に動作可能なロボット装置であって、
他の動作主体の動作を示すデータをセンサを介して入力する動作入力手段と、
上記動作入力手段によって入力されたデータに基づいて、上記他の動作主体の動作に由来する動きベクトルと自身の動作に由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する動作混合手段と、
生成された動きベクトルに基づいて動き特徴量を抽出する動き特徴量抽出手段と、
上記動き特徴量に基づいて、発現する動作を生成する動作生成手段と
を備えることを特徴とするロボット装置。
上記動作入力手段は、上記他の動作主体の動作を少なくとも撮像する撮像手段であることを特徴とする請求項１記載のロボット装置。
上記他の動作主体の状態を検出する状態検出手段をさらに備え、
上記動作混合手段は、上記他の動作主体の状態に応じて、上記他の動作主体の動作に由来する動きベクトルと上記自身の動作に由来する動きベクトルとの比率を調整する
ことを特徴とする請求項１記載のロボット装置。
自律的に動作可能なロボット装置の動作制御方法であって、
他の動作主体の動作を示すデータをセンサを介して入力する動作入力工程と、
上記動作入力工程にて入力されたデータに基づいて、上記他の動作主体の動作に由来する動きベクトルと自身の動作に由来する動きベクトルとが所望の比率で混合された動きベクトルを生成する動作混合工程と、
生成された動きベクトルに基づいて動き特徴量を抽出する動き特徴量抽出工程と、
上記動き特徴量に基づいて、発現する動作を生成する動作生成工程と
を有することを特徴とするロボット装置の動作制御方法。
上記動作入力工程では、撮像手段を介して上記他の動作主体の動作を示すデータを入力することを特徴とする請求項４記載のロボット装置の動作制御方法。
上記他の動作主体の状態を検出する状態検出工程をさらに有し、
上記動作混合工程では、上記他の動作主体の状態に応じて、上記他の動作主体の動作に由来する動きベクトルと上記自身の動作に由来する動きベクトルとの比率を調整する
ことを特徴とする請求項４記載のロボット装置の動作制御方法。