JP2006281349A - コミュニケーションロボット - Google Patents

Abstract

【構成】コミュニケーションロボット１０は、全身に分散配置された複数のピエゾセンサシートすなわち触覚センサ５８を含み、触覚センサ５８の出力のパターンと、コミュニケーション相手の位置および姿勢に関する情報とを対応付けた、登録相手ごとのマップを記憶するマップＤＢ９２を備える。マップＤＢ９２に記憶された複数の相手のマップを用いて、取得した触覚センサ出力ベクトルと、たとえば眼カメラ５０で撮影した画像データから検出した相手の位置・姿勢とに基づいて、触行動をしている相手が誰であるかを特定する。ロボット１０はたとえば認識相手に合わせた行動を実行する。
【効果】ＩＤタグを装着させなくても触覚に基づいて個人認識を行うことができ、より自然なコミュニケーションを実現できる。
【選択図】 図４

Description

この発明はコミュニケーションロボットに関し、特にたとえば、全身に分布された触覚センサを備え、触覚に基づいて個人を認識するコミュニケーションロボットに関する。

日常環境の中で活動するロボットにとって表面の柔らかさと敏感さは、コミュニケーションの相手となる人間への安全性という面において重要である。さらに、スキンシップという言葉の通り、体の表面は最初に触れるインタフェースであることから、コミュニケーションの相手がどのようにどの場所に触れているかを知ることは、相手の状態を知ることに繋がる。たとえば強く握ったり、やさしくなでたりするという触行動は自分の意思や気持ちを相手に伝えるための行動であり、根本的なコミュニケーション行動の１つである。したがって、ロボットの全身の柔らかさと触覚は、日常環境の中で活動するコミュニケーションロボットにとって非常に重要である。

そこで、本件出願人は、たとえば特許文献１において、柔らかい皮膚を持ち、触覚情報を出力するピエゾセンサ（触覚センサまたは皮膚センサ）を全身に配置したコミュニケーションロボットを提案している。この特許文献１のコミュニケーションロボットでは、触覚センサの出力情報から圧力の強弱、持続時間、または変化の周波数などに着目することで、コミュニケーション相手である人間の触り方を区別することができることがわかっている。

また、人間の触行動には、人によって触る場所や触り方に違いがあるなど、個人的な特徴がある。たとえば、ペット（ぬいぐるみ）型ロボットを用いてペットに対する典型的な５種類の触行動の識別を行っている非特許文献１では、触り方の個人差が大きいことから、個人識別への適用の可能性があることが指摘され、今後の課題とされている。

コミュニケーションにおいて、相手が誰であるかを把握していることは重要である。本件出願人による特許文献２のコミュニケーションロボットでは、人間に無線タグや赤外線タグ等のようなＩＤタグを装着させて、その識別情報を無線タグリーダや赤外線センサ等で検出することによって、相手を特定するようにしていた。
特開２００４−２８３９７５号公報 特開２００４−２１６５１３号公報 納谷太，篠沢一彦，大和淳司，小暮潔、"ペット型ロボットのための全身触覚インタフェースによる人の触行動識別"、電子情報通信学会パターン認識・メディア理解研究会(ＰＲＭＵ)、２００２年１１月

しかしながら、ＩＤタグが装着された場合、人間は構えてしまうので、自然なコミュニケーションが期待できないという問題がある。なお、撮影した正面顔画像に基づいて個人識別する技術もあったが、処理が膨大で負担が大きいなどの問題があった。

それゆえに、この発明の主たる目的は、より自然なコミュニケーションを実現できる、コミュニケーションロボットを提供することである。

請求項１の発明は、複数の触覚センサ、複数のコミュニケーションの相手ごとに、複数の触覚センサの出力のパターンと、触行動をしている当該相手の少なくとも位置または姿勢に関する情報とを対応付けたマップを記憶するマップ記憶手段、複数の触覚センサの出力データを取得する取得手段、取得手段によって出力データが取得されるときの相手の位置または姿勢を検出する検出手段、およびマップを用いて、取得手段によって取得された複数の触覚センサの出力データと検出手段によって検出された位置または姿勢とに基づいて、相手を特定する相手認識手段を備える、コミュニケーションロボットである。

請求項１の発明では、コミュニケーションロボットには、たとえば全身に分布して、複数の触覚センサが設けられる。マップ記憶手段には、複数のコミュニケーションの相手ごとに、複数の触覚センサの出力のパターンと、触行動をしている当該相手の少なくとも位置または姿勢に関する情報とを対応付けたマップが記憶されている。たとえば、複数の触覚センサの出力パターンは複数のクラスタとして記憶され、複数のクラスタのそれぞれに対応付けられて、相手の位置または姿勢に関する情報が記憶される。たとえば、相手の位置または姿勢に関する情報はコミュニケーションロボットのたとえば重心などの位置を基準とした少なくとも相手の指先および腰の位置に関する確率分布として記憶される。指先の位置とたとえば腰の位置から姿勢が把握され得る。どのような位置でどのように触っているかには個人差がある。つまり、触行動には個人的な特徴があるので、コミュニケーションロボットはこのマップを用いて触覚に基づいて個人認識を行う。コミュニケーションロボットに対して相手が触行動を行ったとき、取得手段は、複数の触覚センサの出力データを取得する。また、検出手段は、触覚センサの出力データが取得されるときの相手の位置または姿勢を検出する。検出手段は、実施例では、ロボットのたとえば頭部に設けられた眼カメラを含み、当該カメラで撮影された画像データに基づいて相手の位置または姿勢を検出する。そして、相手認識手段は、マップを用いて、取得された複数の触覚センサの出力データと、検出された位置または姿勢とに基づいて、当該相手を特定する。たとえば、相手候補のマップから判別木を作成して、触覚センサ出力や検出された位置または姿勢が、分類条件を満足するか否かに応じて、相手候補を絞り込んでいくようにしてよい。また、たとえば、あるマップを選択して、触行動がなされているときの触覚センサ出力と検出された位置または姿勢とが選択マップに適合するか否かを確認していくことによって、相手を特定するようにしてもよい。したがって、触覚センサの出力パターンと相手の位置または姿勢とを対応付けた複数の相手ごとのマップを用いることで、相手にＩＤタグを装着させなくても個人認識を行うことができるので、より自然なコミュニケーションを実現できる。

請求項２の発明は、請求項１の発明に従属し、相手認識手段は、マップから作成した複数の相手を判別対象とした判別木に基づいて、相手を特定する。

請求項２の発明では、相手認識手段は、マップから作成した判別木に基づいて個人認識を行う。取得した触覚センサの出力データや検出された位置または姿勢が判別木の分類条件を満足するか否かを判定していくことで、相手候補を絞り込んでいくことができ、触行動をしている相手が誰であるかを特定することができる。

請求項３の発明は、請求項１または２の発明に従属し、相手認識手段によって特定された当該相手に合わせた行動を実行する実行手段をさらに備える。

請求項３の発明では、実行手段は認識相手に合わせた行動を実行する。したがって、ＩＤタグを装着させなくてもたとえば相手の名前を呼びかけるといった行動が可能になるので、個人的なコミュニケーションをより自然に実現することができる。

請求項４の発明は、請求項１ないし３のいずれかの発明に従属し、ロボット本体上に被せられる柔軟素材からなる皮膚をさらに備え、複数の触覚センサは皮膚中に分散配置される複数のピエゾセンサシートを含む。

請求項４の発明では、たとえば筐体などを含むロボット本体上には柔軟素材からなる皮膚が被せられ、この皮膚中に、複数の触覚センサとして複数のピエゾセンサシートが分散配置される。したがって、たとえば全身分布型皮膚センサを有するコミュニケーションロボットを実現することができ、また、柔らかい皮膚を介して触行動が行われるので、相手に対して安心感を与えて親和性と安全性を向上できるとともに、より自然で円滑な触覚コミュニケーションを実現できる。

この発明によれば、触覚センサの出力パターンとコミュニケーションの相手の位置または姿勢とを対応付けた複数の相手ごとのマップを備えるようにしたので、この複数の相手のマップを用いて、取得した触覚センサ出力データと検出されたコミュニケーション相手の位置または姿勢とに基づいて、当該相手を同定することができる。したがって、相手にＩＤタグを装着させなくても個人認識を行うことができるので、より自然なコミュニケーションを実現できる。

この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。

図１を参照して、この実施例のコミュニケーションロボット（以下、単に「ロボット」ということがある。）１０は台車１２を含み、この台車１２の側面には、このロボット１０を自律移動させる車輪１４が設けられる。この車輪１４は、車輪モータ（図４において参照番号「１６」で示す。）によって駆動され、台車１２すなわちロボット１０を前後左右任意の方向に動かすことができる。なお、図示しないが、この台車１２の前面には、衝突センサが取り付けられ、この衝突センサは、台車１２への人間や他の障害物の接触を検知する。

台車１２の上には、多角形柱状のセンサ取付パネル１８が設けられ、このセンサ取付パネル１８の各面には、超音波距離センサ２０が取り付けられる。この実施例ではたとえば２４個の超音波距離センサ２０が周囲３６０度にわたるように設けられる。この超音波距離センサ２０は、センサ取付パネル１８すなわちロボット１０の周囲の主として人間との距離を計測するものである。具体的には、超音波距離センサ２０は超音波を発射し、その超音波が人から反射されて超音波距離センサ２０に入射されたタイミングを測定して、人との間の距離情報を出力する。

台車１２の上には、人体状部２２が直立するように取り付けられる。このロボット本体としての人体状部２２の全身は、後に詳しく説明するように、柔軟素材からなる皮膚２４によって覆われる。人体状部２２は、たとえば鉄板のような筐体（図示せず）を含み、その筐体にコンピュータやその他必要なコンポーネントを収容している。そして、皮膚２４は、その筐体上に被せられる。皮膚２４の下の筐体の上部ほぼ中央にはマイク２６が設けられる。このマイク２６は、周囲の音声、特に人間の声を収集するためものである。

人体状部２２は、右腕２８Ｒおよび左腕２８Ｌを含み、右腕２８Ｒおよび左腕２８Ｌすなわち上腕３０Ｒおよび３０Ｌは、それぞれ、肩関節３２Ｒおよび３２Ｌによって、胴体部分に変位自在に取り付けられる。この肩関節３２Ｒおよび３２Ｌは、３軸の自由度を有する。上腕３０Ｒおよび３０Ｌには、１軸の肘関節３４Ｒおよび３４Ｌによって、前腕３６Ｒおよび３６Ｌが取り付けられ、この前腕３６Ｒおよび３６Ｌには、手３８Ｒおよび３８Ｌが取り付けられる。これら右腕２８Ｒおよび左腕２８Ｌの各関節における各軸はここでは図示しないモータによってそれぞれ制御される。すなわち、右腕２８Ｒおよび左腕２８Ｌのそれぞれ４個のモータが、図４において、それぞれ右腕モータ４０および左腕モータ４２として表される。

人体状部１８の上部には首関節４４を介して頭部４６が、人間の頭と同様に俯仰・回転可能に取付けられる。この３軸の首関節４４は、図４に示す頭部モータ４８によって制御される。頭部４６の前面の「目」に相当する位置には２つの眼カメラ５０が設けられ、この眼カメラ５０は、ロボット１０に接近した人間の顔や他の部分を撮影してその映像信号を取り込む。頭部４６の前面の目カメラ５０の下方にはスピーカ５２が設けられる。このスピーカ５２は、ロボット１０がそれの周囲の人間に対して音声によってコミュニケーションを図るために用いられる。

上で説明した人体状部２２の胴体や頭部４６および腕は上記したようにすべて柔軟な素材からなる皮膚２４に覆われる。この皮膚２４は、図２に示すように、下層のウレタンフォーム５４と、その上に積層される比較的肉厚のシリコンゴム層５６ａおよび比較的肉薄のシリコンゴム層５６ｂとを含む。そして、２つのシリコンゴム層５６ａおよび５６ｂの間に、ピエゾセンサシート（皮膚センサ）５８が埋め込まれる。このピエゾセンサシート５８は、たとえば米国ＭＳＩ社製、株式会社東京センサ販売のピエゾフィルムを用いる（http://www.t-sensor.co.jp/PIEZO/TOP/index.html）。実施例のロボットに使用したのはＡ４サイズ（型番：２００×１４０×２８）のピエゾフィルムを１／２、１／３、１／４、１／６の大きさにはさみでカットしたピエゾセンサシートである。このピエゾフィルムは、圧電フィルム（たとえばＰＶＤＦ（ポリビニリデンフルオロイド））の両面に金属薄膜が形成された構造、つまり、圧電体が導体で挟まれた構造を有する。圧力等で変形すると両面金属薄膜間にピエゾ電気を発生し、すなわち、電荷があらわれて電位差が生じる。

実施例では、上述のように、発泡ウレタンとシリコンゴムとを使って皮膚２４の柔らかさを得た。シリコンゴムだけである程度の厚みと柔らかさとを得ようとすると、重くなりすぎてエネルギ消費量が大きくなるだけでなく、裂傷に弱くなる。そこで、発明者等は、実験を重ねた結果、大まかな形と厚みはウレタンフォームで作り、その表面を約２０ｍｍのシリコンゴムで覆う形を採用することとした。そして、シリコンゴム層を２つにし、それらのシリコンゴム層５６ａおよび５６ｂの間に、上述のピエゾセンサシート５８を埋め込んだ。このとき、内側のシリコンゴム層５６ａを厚く（約１５ｍｍ）し、表面側のシリコンゴム層５６ｂを薄く（約５ｍｍ）した。このようにすると、ロボット１０の振動や人間が表面を押したときに生じる高周波の振動をカットでき、なおかつフィルムが変形し易くなるので、圧力の計測が容易になる。つまり、シリコンゴム層の厚みはロボット１０の構造やパワーによるが、なるべく薄く、しかし変形が伝わり易く、雑音となる振動が伝わり難いものが必要となる。また、この柔らかい皮膚を介して、人との間で触行動によるコミュニケーションを行うことができるので、人に対して安心感を与えて親和性を高めることができるし、触れたりぶつかったりした場合の人の怪我を防止して安全性も高めることができる。

なお、皮膚２４の素材は軟性素材であればよく、上述のものに限定されずたとえば他のゴム素材等でもよい。ただし、ピエゾフィルムシートの表面金属薄膜が腐食しない材質である必要がある。また、皮膚２４の厚み（各層の厚み）は、素材によって適宜変更され得る。

上述のピエゾセンサシートすなわち皮膚センサ（触覚センサ）５８は人体状部２２の全身にわたって埋め込まれ、それによって、人間等が接触することによって皮膚２４に加えられた圧力を圧覚（触覚）情報として検知する。この実施例では、図３に示すように、ロボット１０の全身にわたって４８枚のピエゾセンサシート５０１−５４８を埋め込んだ。つまり、ロボット１０は全身分布型皮膚センサを有するといえる。埋め込み状況（場所）に関しては、人間に触られやすい部位、たとえば頭頂や肩それに腕（手を含む）には、圧力を正確かつ確実に検知できるように、隙間なくピエゾセンサシートを埋め込み、あまり触られることを想定していない部位たとえば足あるいは脇腹には許容できる隙間を持ってピエゾセンサシートを埋め込んだ。それによって、検出精度と製造コストとのトレードオフを解決した。なお、これら４８枚のピエゾセンサシート５０１−５４８は、場合によっては、参照番号５８で区別なしに示されることがあることに留意されたい。

図１に示すロボット１０の電気的構成が図４のブロック図に示される。図４に示すように、このロボット１０は、全体の制御のためにマイクロコンピュータまたはＣＰＵ６０を含み、このＣＰＵ６０には、バス６２を通して、メモリ６４，モータ制御ボード６６，センサ入力／出力ボード６８およびサウンド入力／出力ボード７０が接続される。

メモリ６４は、図示しないが、ＲＯＭやＨＤＤ、ＲＡＭを含む。ＲＯＭやＨＤＤにはこのロボット１０の制御プログラムが予め書き込まれている。制御プログラムはたとえばコミュニケーション行動を実行するためのプログラム、外部のコンピュータと通信するためのプログラム等を含む。メモリ６４にはまた、コミュニケーション行動を実行するためのデータが記憶され、そのデータは、たとえば、個々の行動を実行する際に、スピーカ５２から発生すべき音声または声の音声データ（音声合成データ）、および所定の身振りを提示するための各関節軸の角度制御データ等を含む。ＲＡＭは、一時記憶メモリとして用いられるとともに、ワーキングメモリとして利用される。

モータ制御ボード６６は、たとえばＤＳＰ(Digital Signal Processor) で構成され、各腕や頭部などの各軸モータを制御する。すなわち、モータ制御ボード６６は、ＣＰＵ６０からの制御データを受け、右肩関節３２Ｒの３軸のそれぞれの角度を制御する３つのモータと右肘関節３４Ｒの１軸の角度を制御する１つのモータとの計４つのモータ（図４ではまとめて、「右腕モータ」として示す。）４０の回転角度を調節する。また、モータ制御ボード６６は、左肩関節３２Ｌの３軸と左肘関節３４Ｌの１軸、計４つのモータ（図４ではまとめて、「左腕モータ」として示す。）４２の回転角度を調節する。モータ制御ボード６６は、また、頭部４６の３軸のモータ（図４ではまとめて、「頭部モータ」として示す。）４８の回転角度を調節する。そして、モータ制御ボード６６は、車輪１４を駆動する２つのモータ（図４ではまとめて、「車輪モータ」として示す。）１６を制御する。

なお、この実施例の上述のモータは、車輪モータ１６を除いて、制御を簡単化するためにそれぞれステッピングモータまたはパルスモータであるが、車輪モータ１６と同様に、直流モータであってよい。

センサ入力／出力ボード６８も、同様に、ＤＳＰで構成され、各センサやカメラからの信号を取り込んでＣＰＵ６０に与える。すなわち、図示しない衝突センサの各々からの接触に関するデータがこのセンサ入力／出力ボード６８を通して、ＣＰＵ６０に入力される。また、眼カメラ５０からの映像信号が、必要に応じてこのセンサ入力／出力ボード６８で所定の処理が施された後、ＣＰＵ６０に入力される。

このセンサ入力／出力ボード６８は、さらに、図５に示すように、複数（実施例では１２枚）の基板７２，７２…を含み、各基板７２には、それぞれ１つのＰＩＣマイコン７４が設けられる。ＰＩＣマイコン７４はたとえばＡＳＩＣで構成され、同じく基板７２に設けられたＡ／Ｄ変換器７６からの電圧データ（たとえば１０ビット）をビット直列信号として出力する。

皮膚センサ５８は、図５に示すようにピエゾフィルム７８を電極ないし導体８０ａおよび８０ｂで挟んだものであり、圧力が加えられるとそのピエゾフィルム７８が電圧を発生し、その電圧が２つの導体８０ａおよび８０ｂ間に現れる。ただし、このとき発生される電圧は電位は高いが電流が微弱なため、この発生電圧をそのまま長いケーブルでコンピュータ６０（図４）に取り込むことは、ノイズが多く乗ってしまうので難しい。そこで、この実施例では、図５に示す基板７２を皮膚センサ５８に近い位置に配置し、その中に高インピーダンスの読み取り装置、すなわちＡ／Ｄ変換器７６を配置し、このＡ／Ｄ変換器７６で変換した電圧値をＰＩＣマイコン７４で読み取ってシリアル信号として出力し、それをＣＰＵ６０へ送るようにした。なお、ピエゾフィルムシートの電極の配置の一例として、導体８０ａは皮膚２４の表面側に配置され、導体８０ｂは筐体側に配置される。

Ａ／Ｄ変換器７６は、実施例では４チャネル１０ビットのものを用いた。したがって、１つの基板７２が４つの皮膚センサ５８を受け持つことができる。基板７２には、４つのピエゾセンサシートのために４対の端子８２ａおよび８２ｂが設けられ、それぞれに電極８０ａおよび８０ｂが接続される。端子８２ａおよび８２ｂ間にはノイズ除去用コンデンサ８４が接続されている。したがって、端子８２ａおよび８２ｂ間に与えられた皮膚センサ５８からの電圧は、ノイズ除去された後、オペアンプ８６によって電流増幅され、上述のＡ／Ｄ変換器７６の１つのチャネルに入力される。図５では１つの皮膚センサ５８が示されるだけであるが、他の皮膚センサ５８およびそれに関連する回路も同様に構成されるものである。

上述のように人体状部２２の皮膚２４中には４８個のピエゾセンサシート５０１−５４８が全身にわたって埋め込まれているが、それらをすべてロボット制御用のＣＰＵないしコンピュータ６０で読み取ろうとすると、ノイズを拾い易いだけでなく、コンピュータのＡ／Ｄポートを非常に多く必要としてしまい、現実的ではない。そこで、上述のように読み取り装置（基板７２、Ａ／Ｄ変換器７６）を皮膚センサ５８の近傍に分散配置し、それぞれの出力を１本のシリアルケーブル、たとえばＲＳ２３２Ｃ（商品名）で繋いだ、いわゆるデイジーチェーンを形成した。したがって、図５に示す１つの基板７２のＰＩＣマイコン７４から出力されたビットシリアル信号は、次段の基板７２のＰＩＣマイコン７４のシリアル入力ポートに与えられる。当該次段のＰＩＣマイコン７４は、前段のＰＩＣマイコン７４から送られてきたデータに自分が担当するＡ／Ｄ変換器７６から読み込んだデータを加えて、ビット直列信号として出力する。したがって、コンピュータ６０は、１つのシリアルポートで全身の皮膚センサ５８からの検知情報を取り込めるようになっている。

なお、各ＰＩＣマイコン７４から出力される検知データは、図３に示す４８個のピエゾセンサシート５０１−５４８のいずれであるかを示す識別子と、圧力値に関する情報とを含むので、コンピュータ６０は、どの（部位の）ピエゾセンサシートがどの程度の圧力を受けているかを容易に特定できる。

ただし、この実施例では、左右の手先に設けられるそれぞれ５つのピエゾセンサシート５３５−５３９と５４４−５４８については、Ａ／Ｄ変換器７６の入力が４つであることから、便宜上、先端の１個（右手：５３９、左手：５４８）と外側の１個（右手：５３６、左手：５４５）の出力を並列にしている。したがって、この実施例では、左右の手先の皮膚センサ５８は実質的にそれぞれ４個となるので、皮膚センサ５８の出力データは４６次元データとなる。

出力を読み取る場合、具体的には、コンピュータ６０は、たとえば５０ｍｓｅｃの周期で、ビットシリアルデータを出力する最終段のＰＩＣマイコン７４にポーリングをかけ、５０ｍｓｅｃ周期ですべてのピエゾセンサシート５０１−５４８の検知データを読み取ることができる。検知データは、Ａ／Ｄ変換器７６（図５）からはたとえば正負３２段階、合計６４段階で出力される。つまり、１０ビットのうち下位４ビットはノイズ成分として捨て、上位６ビットのデータだけが各ＰＩＣマイコン７４（図５）から出力される。

そして、コンピュータ６０は、皮膚センサ５８で検知した６４段階のデータを用いて、たとえば触られ方の強弱、押された状態の持続時間または電圧変化の波形の周波数（圧力変化の周波数）などの接触状態を計測することができる。触られ方の強弱によってたとえば「ひどく叩かれたか」、「軽く叩かれたか」、「やさしく手を置かれたか」、「軽く触られたか」などを判断することができ、持続時間によってたとえば「叩かれたか」、「押されたか」などの継続状態を判断することができ、圧力変化の周波数によってたとえば「叩かれているのか」、「なでられているのか」、「くすぐられているのか」という触られ方の種類を判断することができる。そして、ロボット１０は、触り方（接触状態）に応じて動作を制御することができる。このような動作制御は、本件出願人による特許文献１（特開２００４−２８３９７５号）にも詳細に開示されるので参照されたい。

図４に戻って、スピーカ５２にはサウンド入力／出力ボード７０を介して、ＣＰＵ６０から、合成音声データが与えられ、それに応じて、スピーカ５２からはそのデータに従った音声または声が出力される。また、マイク２６からの音声入力が、サウンド入力／出力ボード７０を介して、ＣＰＵ６０に取り込まれる。

また、ＣＰＵ６０には、バス６２を介して通信ＬＡＮボード８８および無線通信装置９０が接続される。通信ＬＡＮボード８８は、ＤＳＰで構成され、ＣＰＵ６０から送られる送信データを無線通信装置９０に与え、無線通信装置９０から送信データを、図示は省略するが、たとえば無線ＬＡＮまたはインタネットのようなネットワークを介して外部のコンピュータに送信させる。また、通信ＬＡＮボード８８は、無線通信装置９０を介してデータを受信し、受信したデータをＣＰＵ６０に与える。つまり、この通信ＬＡＮボード８８および無線通信装置９０によって、ロボット１０は外部のコンピュータ等と無線通信を行うことができる。

さらに、ＣＰＵ６０は、バス６２を介してマップデータベース（ＤＢ）９２に接続される。ただし、このデータベースは、外部のコンピュータまたは外部のネットワーク上にアクセス可能に設けるようにしてもよい。

マップＤＢ９２には、コミュニケーションの相手ごとの、触覚センサすなわち皮膚センサ５８の出力と、触覚コミュニケーション時における当該相手の位置・姿勢とを対応付けたマップが記憶される。各マップはたとえば相手ＩＤに関連付けて記憶されている。

たとえば、ロボット１０は、コミュニケーション時に皮膚センサ５８の出力データを計測してこのマップデータを用いることで、触行動をしている相手がどのような位置に居てどのような姿勢であるかを把握することができる。人間は日常のインタラクションやスキンシップコミュニケーションにおいて皮膚感覚を通して様々な情報を得ており、たとえば後ろから抱き付かれてもどのような抱き付き方をされたのか把握することができる。このロボット１０は、このマップデータによって、人間と同じように、目で見なくても触覚によって相手がどういった触行動をとっているのかを認識することが可能である。

ここで、マップＤＢ９２に格納される触覚センサ出力と相手の位置・姿勢との対応付けマップの作成方法について説明する。コミュニケーションを目的とした触行動としては握手や抱擁などが挙げられるが、代表的な行動は誰が見てもその行動の意味が伝わることから、定型的な行動が多いと考えられる。そこで、ロボット１０の皮膚センサ５８と３次元動作計測システムとを組み合わせることで、ロボット１０と人間とのコミュニケーション時の皮膚センサ５８の出力と、３次元動作計測システムで計測した人間の位置・姿勢とのマッピングを行う。

また、人間の触行動には、人によって触る場所や触り方に違いがあるなど、個人差があるので、後にこのロボット１０とコミュニケーションを取ることになる複数の登録相手のそれぞれについて計測を行い、登録相手ごとのマップを作成する。

たとえば、図６に示すようなマップ作成システム９４が用いられる。このマップ作成システム９４はマップ作成用コンピュータ９６を含み、マップ作成用コンピュータ９６には複数のカメラ９８が接続される。また、マップ作成用コンピュータ９６には、その内部または外部に３次元動作計測データＤＢ１０２、皮膚センサデータＤＢ１０４およびマップＤＢ９２が設けられる。

マップ作成システム９４はモーションキャプチャシステムとしての機能を備えるものであり、この実施例ではたとえばＶＩＣＯＮ社（http://www.vicon.com/）の光学式のモーションキャプチャシステムが適用される。なお、モーションキャプチャシステムは光学式のものに限られず、種々の公知のものが適用され得る。

ロボット１０と人間１００には、たとえば赤外線反射マーカが複数取り付けられ、カメラ９８は赤外線ストロボ付きカメラが適用される。複数のカメラ９８はロボット１０および人間１００に対して互いに異なる方向となるように設置され、原理的には少なくとも３台設けられればよい。この実施例では、たとえば１２台のカメラ９８が環境に設置された。

赤外線反射マーカは、図７に示すように、ロボット１０および人間１００共に、頭部に４箇所、腕部に６箇所×２（左右）、人差し指の指先に１箇所×２（左右）、胴体前部に２箇所、胴体後部に３箇所の合計２３箇所に取り付けられる。コミュニケーション時の相手の位置をロボット１０を基準とした座標系で得たいので、ロボット１０の原点と向きを決めるためにロボット１０にもマーカが取り付けられる。ロボット１０の原点は任意に設定されてよいがたとえば中心（重心）位置に設定される。座標軸方向も任意であるがたとえば両肩方向がＹ軸、奥行き方向がＸ軸、上下方向がＺ軸に設定される。

この実施例では、人間１００がどこを触っているか、どういった姿勢であるかを把握するために、指先と腰部（胴体後部）の合計３箇所のマーカをマップ作成に使用した。指先の位置によって、人間１００がどこを触っているのかが把握される。また、上半身のいずれかの位置と指先との相対位置関係から姿勢が決まる。そのうち腰の位置は、カメラ９８から見えなくなり難いこと、腰から足が出ているため相手が立っているかしゃがんでいるかなどが分かること等によって、姿勢が分かり易いという利点があるので、この実施例では腰の位置を対応付けに採用した。したがって、指先の位置と腰の位置から姿勢が把握される。なお、その他頭や肩などの位置も対応付けマップに使用すれば、さらに詳しく相手１００の位置や姿勢を把握することが可能になる。

また、データに個人情報（識別情報）を付加ないしラベリングするために、たとえば、計測時には相手１００にはＩＤタグ１１０を装着してもらう。ＩＤタグ１１０はたとえば赤外線タグであってよく、赤外線の点滅によってタグ固有識別情報（相手ＩＤ）を送信する。マップ作成用コンピュータ９６は、取得した赤外線画像から赤外線タグ１１０を検出し、検出した赤外線タグ１８の点滅状態から相手ＩＤを検出する。なお、この赤外線タグ１１０を検知するための赤外線センサは、カメラ９８とは別に、ロボット１０などに設けられてもよい。

また、ＩＤタグ１１０は無線タグであってもよい。この場合には、たとえばロボット１０に無線タグ読取装置を搭載し、無線タグ１１０の発信する電波に重畳された相手ＩＤを検出する。検出した相手ＩＤは、ロボット１０のＣＰＵ６０が無線通信装置９０を介してマップ作成用コンピュータ９６に送信する。

そして、データ収集のために、カメラ９８の環境中でロボット１０と相手１００との間でコミュニケーションをとる実験を、複数の相手１００のそれぞれに個別に行ってもらう。具体的には握手や抱擁といった触行動を伴うコミュニケーションを行わせる。ロボット１０の動作はそのメモリ６４に登録されている制御プログラムおよびデータによって実行される。

図８に、このマップ作成システム９４におけるマップ作成の動作が示される。まず、ステップＳ１で、マップ作成用コンピュータ９６は、実験によりコミュニケーション時のデータを、当該相手１００の相手ＩＤに関連付けて蓄積する。取得されるデータは、皮膚センサ５８の出力データと、３次元動作計測による相手１００の指先および腰の位置データである。具体的には、コミュニケーション時の３次元動作データはたとえば６０Ｈｚ（１秒間に６０フレーム）で計測し、皮膚センサデータは２０Ｈｚ（１秒間に２０フレーム）で計測する。皮膚センサデータと位置データとの同期をとるために、実験の開始時に人間１００によってロボット１０の頭頂部などを叩いてもらい、そのときのデータを計測して両データの時間軸を合わせるようにする。

コミュニケーション時の動作は複数のカメラ９８によって撮像され、マップ作成用コンピュータ９６はそれぞれのカメラ９８からの時系列画像データを取得する。取得したフレームごとの画像データの画像処理によって、各画像データにおける各マーカ（指先と腰を含む）の２次元座標データが抽出される。そして、その２次元座標データから各マーカの時系列の３次元座標データが三角測量の原理によって算出される。指先のマーカの座標は、ロボット１０の胴体に原点を固定した直交座標系である胴体座標系と、ロボット１０の頭部に原点を固定した直交座標系である頭部座標系の２種類で表現される。腰のマーカの座標は胴体座標系で表現される。こうして算出された各マーカの時系列の３次元座標データが３次元動作計側データＤＢ１０２に格納される。動作計測データをフレームごとに見た場合には、フレームごとの指先と腰の３次元位置がわかるので、相手１００がどういった姿勢であるか把握できる。また、動作計測データを時系列で見た場合には、指先と腰の位置の変化がわかるので、相手１００がどのような触行動を行っているのか把握できる。

また、ＩＤタグ１１０が赤外線タグの場合には、マップ作成用コンピュータ９６は、上述のように、カメラ９８で取得した画像データから赤外線タグ１１０を抽出し、当該赤外線タグの点滅状態から相手ＩＤを検出する。

また、皮膚センサ５８の時系列の出力データはロボット１０からたとえば無線ＬＡＮを介してマップ作成コンピュータ９６に逐次または実験完了後にまとめて取り込まれ、皮膚センサデータＤＢ１０４に格納される。皮膚センサデータは、上述のように４８個の皮膚センサ５０１−５４８からの出力を含む４６次元データであり、各要素が０〜３２（−３１〜３２の絶対値）の値を有する。

また、ＩＤタグ１１０が無線タグの場合には、相手ＩＤは、上述のようにロボット１０に設けられた無線タグ読取装置で検出されて、ロボット１０からマップ作成用コンピュータ９６に取り込まれる。

続いて、ステップＳ３で、皮膚センサ出力が閾値以上のフレームを選別する。閾値は４８個の皮膚センサ５０１−５４８ごとに実験的に求められて予め設定されている。４８個の皮膚センサ５０１−５４８のうちどれか１つでもその閾値を超えているものがあるかどうかを判断し、閾値を超えているものがある場合にはそのフレームをマップ作成のために採用する。

そして、ステップＳ５では、選別したフレームのデータを用いて、皮膚センサデータを元にＩＳＯＤＡＴＡ法によってクラスタリングする。つまり、４６次元の皮膚センサデータ空間において、パターンの分布が密になっている部分（クラスタ）を見つけ、または各パターンの中でよく似ているものどうしをまとめる。たとえば、まず、選別した各フレームにつき、閾値を超えたセンサを「１」、そうでないセンサを「０」とした４６次元ベクトルを作る。これらのベクトルのうち、同じパターンを持つフレームの数が５に満たないものはノイズとして切り捨てられる。残ったパターンの各要素について、値が「１」のときはそのセンサの閾値の１．５倍の値を使い、値が「０」のときはそのセンサの閾値の０．５倍の値を使ったベクトルを生成し、ＩＳＯＤＡＴＡの初期クラスタ核とした。ＩＳＯＤＡＴＡ法はクラスタリングの一手法であり、前段において生成したクラスタを一定基準に従って分割したり併合したりして最終的なクラスタを導く（参考文献：鳥脇純一郎、テレビジョン学会教科書シリーズ９「認識工学―パターン認識とその応用―」、コロナ社、１９９３）。導き出されたクラスタは、コミュニケーション時の代表的な触られ方を表している。

続いて、ステップＳ７で、指先データの処理を実行する。この指先データの処理は図９に詳細に示される。図９の最初のステップＳ２１では、各クラスタにおける皮膚センサデータと対になった指先の座標（頭部・胴体座標系）について、各座標系での空間密度分布を求める。つまり、各クラスタにおける皮膚センサデータに対応する計測時刻ないしフレームの指先座標データについて処理する。たとえば座標系内を５０×５０×５０［ｍｍ］のボクセルで分割し、各ボクセルに指先の座標が何個入っているかを数える。最後にクラスタ内の要素数でボクセル内要素数を割ることで密度を求める。

次に、ステップＳ２３では、密度分布の最大値を座標系間で比較し、大きい方の座標系を採用する。つまり、頭と胴体のどちらが触られているのかを判別する。たとえばコミュニケーション時にはロボット１０は首の関節を動作させ、頷く、傾げるなどの身体表現を行うが、その際に人間１００の指先がロボット１０の頭部に触れる場合、指先の位置は頭部の動きに合わせて変化する。その指先の位置は頭部座標系で表せば変化しないが、胴体座標系で表すと、ロボット１０の同じ場所を触っているにもかかわらず変化してしまう。したがって、指先の座標が座標系内の広い範囲に拡がっている場合にはその座標系は不適切であり、指先の座標が座標系内のある範囲にかたまっている場合にはその座標系は適切である。密度分布の最大値について、頭部座標系の方が大きい場合には頭が触られており、胴体座標系の方が大きい場合には胴体が触られていることがわかる。

そして、ステップＳ２５で、採用した座標系での密度ピーク値が閾値を超えたクラスタを有効なクラスタとして、当該相手１００のマップに取り入れる。密度ピーク値は上記ボクセルの２６近傍をまとめた際の密度であり、密度の２６近傍和である。ピーク値の閾値は実験的に求められ、たとえば０．６に設定される。この閾値での選別によって、位置ないし姿勢が安定していて推定可能なものをクラスタとして採用する。たとえば片手でコミュニケーションをしているときに他方の手がぶらぶらしているものなどは姿勢が推定できないので切り捨てられる。このステップＳ２５によって、有効なクラスタにおける皮膚センサ出力データと対になった指先の座標の確率分布を該有効なクラスタに対応付けてマップとして記憶する。マップは相手ＩＤに関連付けられて記憶される。ステップＳ２５を終了すると図８のステップＳ９へ戻る。

図８に戻って、ステップＳ９では、腰データの処理を実行する。この腰データの処理は図１０に詳細に示される。図１０の最初のステップＳ３１では、各クラスタにおける皮膚センサデータと対になった腰の座標（胴体座標系）について、空間密度分布を求める。上述の指先データ処理と同様に、各クラスタにおける皮膚センサデータに対応するフレームの腰座標データについて、各ボクセル内に腰の座標が何個入っているかを数えてから、クラスタ内の要素数でボクセル内要素数を割る。そして、ステップＳ３３で、密度ピーク値が閾値を超えたクラスタを有効なクラスタとして、当該相手１００のマップに取り入れる。このステップＳ３３によって、有効なクラスタにおける皮膚センサ出力データと対になった腰の座標の確率分布を該有効なクラスタに対応付けてマップとして記憶する。ステップＳ３３を終了すると腰データ処理を終了し、マップ作成処理を終了する。

なお、指先と腰以外のたとえば肩や頭などの部位のマーカ位置をマップ作成に採用する場合には、同様にして各位置のデータの処理を実行すればよい。

このようにして、皮膚センサ出力のパターン（クラスタ）と相手の位置・姿勢とを対応付けた、複数の相手１００ごとのマップデータが作成され、図６のマップＤＢ９２に相手ＩＤに関連付けて格納される。相手１００ごとのマップの概要は図１１に示される。たとえば、クラスタ代表値が４６次元の皮膚センサベクトルＡであるクラスタと、コミュニケーション相手１００の指先および／または腰の３次元位置に関する確率分布Ａとが対応付けられている。つまり、ロボット１０が皮膚センサベクトルＡの触り方をされているとき、確率分布Ａがその触り方に対応した、当該相手１００の代表的な指先位置と姿勢（腰の位置）を表している。なお、クラスタ代表値は中心値であり、分散がそのクラスタの広がりを示す。

図１２にはクラスタ代表値の一例が示される。つまり、４６次元の皮膚センサベクトルであり、１つの触り方を表している。この図１２のクラスタに対応する相手１００の指先位置１０６と腰の位置１０８の３次元位置（分布の平均）の一例が図１３に示される。この図１３では同じ位置分布を異なる２つの視点で表示している。相手１００の指先がロボット１０の両肩に触れており、腰はロボット１０の正面上方にあることが把握できる。つまり、この場合の相手１００はロボット１０の前に立っていて、その両手がロボット１０の両肩に触っていることがわかる。

このようにして作成された、皮膚センサ出力パターンと触行動をしている相手１００の位置および姿勢とを対応付けた、複数の相手１００ごとのマップが格納されたマップＤＢ９２を、図４に示すように、ロボット１０は備えている。

なお、マップデータは触覚センサ出力パターンと相手の位置および姿勢との対応付けマップであると表現しているが、この実施例では、相手の指先の位置とたとえば腰の位置との関係を姿勢として捉えるようにしているので、マップデータは、触覚センサ出力パターンと相手の位置との対応付けマップであり、または触覚センサ出力パターンと相手の姿勢との対応付けマップでもある。マップデータとしては、触覚センサ出力パターンと相手の位置または姿勢のいずれかとを対応付けたデータが記憶されればよい。

さらに、図４に示すように、ＣＰＵ６０は、バス６２を介して相手ＤＢ１１２に接続される。ただし、このデータベースは、外部のコンピュータまたは外部のネットワーク上にアクセス可能に設けるようにしてもよい。

相手ＤＢ１１２には、図１４に示すように、相手ＩＤに関連付けて、複数の登録相手に関する情報が記憶されている。相手に関する情報としては、たとえば、名前、身長、性別等が記憶される。ＣＰＵ６０は、この相手の名前のテキストデータとメモリ６４の音声合成データに基づいて、当該相手の名前の音声をスピーカ５２から出力することができる。また、たとえば、ＣＰＵ６０は、この身長データを参照することによって、マップを用いて当該相手の位置や姿勢をより正確に把握することが可能になる。

上述のように、人間１００の触り方には個人的な特徴があるので、相手１００がどう触っているときにどこに位置しているかに基づいて、個人を同定することができる。つまり、このような相手１００ごとの皮膚センサ出力と位置・姿勢対応付けマップを備えたロボット１０は、その後、相手１００がＩＤタグ１１０を装着していなくても、当該マップを用いて、触覚に基づいてコミュニケーション相手１００を特定することが可能になる。

たとえば、マップから相手１００を判別対象とした判別木（決定木）を作成して、個人認識を行う。ロボット１０のメモリ６４には、たとえばJ. Ross QuinlanによるC4.5またはC5.0等のような判別木自動生成アルゴリズムに基づく判別木作成プログラムが記憶されていて、このプログラムに従って判別木が作成される。クラス変数は相手ＩＤであり、説明変数は、皮膚センサ出力ベクトル（クラスタ）と、相手１００の位置・姿勢である。つまり、相手ＩＤを分類対象とし、皮膚センサ出力ベクトルおよび相手の位置・姿勢を分類の条件とした判別木が作成される。したがって、皮膚センサ５８の出力データから皮膚センサ出力ベクトルを取得し、触られているときのたとえば眼カメラ５０の画像データから相手１００の位置・姿勢を検出することによって、判別木に基づいて相手１００を特定できる。

なお、全相手１００のマップを作成した後に、マップ作成用コンピュータ９６等の別のコンピュータで判別木を予め作成してメモリ６４に記憶しておいてもよい。

ロボット１０は、たとえば、静態でコミュニケーションの相手１００から触られるのを待機していて、触られたときに当該相手１００の認識を開始する。あるいは、ロボット１０は、人間１００の存在をたとえばカメラ画像に基づいて検知したときに、「触ってね」などと発話することによって当該相手１００に触行動を促すようにしてもよい。

マップから判別木を作成して相手１００を認識する場合のロボット１０の動作の一例が図１５に示される。この実施例では、たとえば判別の度に相手候補を絞り込んで新たに判別木を作成することによって、認識精度を上げるようにしている。

図１５の最初のステップＳ４１で、ロボット１０のＣＰＵ６０は、皮膚センサ５８からの出力データが検出されたとき、皮膚センサ出力ベクトルを取得する。つまり、すべての皮膚センサ５８で検知した圧力をセンサ入力／出力ボード６８を介して圧力値データとして検出して、４６次元の皮膚センサ出力ベクトルを生成して、メモリ６４に記憶する。

次に、ステップＳ４３で、マップＤＢ９２に記憶されている相手候補のマップ、および取得した皮膚センサ出力ベクトルに基づいて、相手候補の判別木を作成する。初期状態では、相手ＤＢ１１２に登録されている全相手ＩＤが相手候補として設定されている。

続いて、ステップＳ４５で、判別木の分類条件の位置に眼カメラ５０を向けて画像データを取得する。たとえば、判別木で分類条件として設定された相手の位置・姿勢を示す位置座標を眼カメラ５０で撮影可能になる頭部モータ４８の角度制御データを生成し、モータ制御ボード６６を介して頭部モータ４８の回転角度を制御する。そして、センサ入力／出力ボード６８を介して眼カメラ５０からの画像データをメモリ６４に取得する。

そして、ステップＳ４７で、取得した画像データに基づいて、相手１００の位置および姿勢の検出を試みる。ステップＳ４５で眼カメラ５０を向けた位置に相手１００が存在している場合には、相手１００の撮影された画像データを取得できるので、当該画像データと頭部モータ４８の各軸の角度情報等を元に、相手１００の位置および姿勢を推定する。一方、ステップＳ４５で眼カメラ５０を向けた位置に相手１００が存在していない場合には、画像データには相手１００が撮影されていないので、位置および姿勢は検出されない。

なお、処理を簡単にするために、取得した画像データからは相手１００の位置または姿勢のいずれかを検出するようにしてもよい。あるいは、単に条件の位置に相手１００が撮影されているか否かだけを検出するようにしてもよい。

ステップＳ４９で、判別木に基づいて判定を行って相手候補を絞る。たとえば、ステップＳ４１で取得された皮膚センサベクトルに対応するクラスタと、ステップＳ４７で検出された相手１００の位置および姿勢とが、判別木の分類条件を満たすか否かが判定され、その判定結果に基づいて相手候補が絞り込まれる。

ステップＳ５１では、判別木に基づく判定結果の確度が閾値以上であったか否かを判定する。ステップＳ５１で“ＮＯ”であれば、ステップＳ５３で、ステップＳ４９で絞り込まれた相手候補を１つ前に戻して、ステップＳ４１に戻る。

一方、ステップＳ５１で“ＹＥＳ”であれば、ステップＳ５５で相手候補が１つに絞り込まれたか否かを判定する。ステップＳ５５で“ＮＯ”であれば、ステップＳ４１に戻り、残りの相手候補を判別対象として新たに作成された判別木に基づく相手１００の判別が繰り返される。

ステップＳ５５で“ＹＥＳ”であれば、つまり、相手１００を認識できたときには、ステップＳ５７で、当該認識された相手ＩＤに対応する相手情報を相手ＤＢ１１２からメモリ６４に取得する。

そして、ステップＳ５９で、認識相手に合わせた行動を実行する。たとえば、相手の名前データに基づいて、認識された相手１００の名前の音声を含んだ発話行動を実行して、「ＡＡさん、こんにちは」といった音声をスピーカ５２から出力する。このような個人的な行動を実行することによって、相手１００にロボット１０に対する親近感や安心感を与えることができ、より自然で円滑なコミュニケーションを実現することができる。

さらに、相手１００を認識した後には、たとえば、ロボット１０は、コミュニケーション時に皮膚センサデータを検出し、当該相手１００のマップデータを使用することによって、相手１００の位置や姿勢を把握することができる。したがって、たとえば、相手ＤＢ１１２に登録された相手情報の身長データ等も考慮することで、当該相手１００の位置や姿勢をより正確に把握することが可能になる。そして、ロボット１０は、把握した相手１００の位置や姿勢に応じた行動を実行することができるので、危険回避が可能であり安全性を向上できる。

この実施例によれば、複数のコミュニケーション相手１００ごとに、触覚センサ出力ベクトル（クラスタ）と当該相手の位置または姿勢とを対応付けたマップを予め準備するようにしたので、相手１００にＩＤタグを装着させなくても、ロボット１０は、触覚に基づいて当該触行動をしている相手１００が誰であるかを認識することができる。したがって、相手１００に平常心でロボット１０に接してもらうことが可能になるので、より自然なコミュニケーションを実現できる。さらに、個人認識が可能であるので、当該認識相手１００に合わせた、個人的なコミュニケーションをより自然に実現することができる。

なお、上述の実施例では、マップから判別木を作成して相手認識を行った。しかし、複数の相手候補のマップから１つのマップを選択し、当該選択されたマップが現在触行動をしている相手１００のものであると判定されるまで１つ１つ確認していくことによって、相手１００を認識するようにしてもよい。この手法は、たとえば登録相手数が比較的少数である場合に有用である。この手法で相手認識をする場合のロボット１０の動作の一例が図１６に示される。

図１６の最初のステップＳ７１で、ロボット１０のＣＰＵ６０は、マップＤＢ９２から１つのマップを選択してメモリ６４に取得する。

次に、ステップＳ７３で、図１５のステップＳ４１と同様にして、皮膚センサ５８からの出力データが検出されたとき、皮膚センサ出力ベクトルを取得して、メモリ６４に記憶する。

続いて、ステップＳ７５で、取得した皮膚センサベクトルに最も近いクラスタをマップから選択する。たとえば、現在の皮膚センサ出力ベクトルと各クラスタとの距離は、マップの各クラスタ代表値および各クラスタ内要素の分散から算出される。

ステップＳ７７では、当該選択されたクラスタに対応する位置および姿勢をマップから取得する。そして、図１５のステップＳ４５と同様にして、取得した位置に眼カメラ５０を向けて画像データをメモリ６４に取得する。続くステップＳ７９で、図１５のステップＳ４７と同様にして、画像データから相手１００の位置および／または姿勢を検出する。

そして、ステップＳ８１で、マップに適合する位置および姿勢が検出されたか否かを判断する。ステップＳ８１で“ＮＯ”であれば、ステップＳ８３で、別のマップを選択して、マップＤＢ９２から当該マップをメモリ６４に取得する。そして、ステップＳ７３に戻って、当該別のマップに基づく識別を行う。

一方、ステップＳ８１で“ＹＥＳ”であれば、ステップＳ８５で、当該マップで確定してよいか否かを判断する。たとえば、ステップＳ８１の判定における確度が閾値以上であるか否かを判断する。あるいは、検出された位置および姿勢がマップに適合するというステップＳ８１の肯定的な判定が所定回数に達したか否かを判断する。ステップＳ８５で“ＮＯ”であれば、ステップＳ７３に戻って当該マップによる識別を繰り返す。

ステップＳ８５で“ＹＥＳ”であれば、つまり、マップが正しいと判定される場合には、当該マップに対応する相手ＩＤを認識相手ＩＤとして取得し、当該相手ＩＤに対応する相手情報を相手ＤＢ１１２からメモリ６４に取得する。そして、ステップＳ８９で、図１５のステップＳ５９と同様にして、認識相手にあわせた行動を実行する。

また、上述の各実施例では、認識された相手１００に合わせた行動を実行するようにしているが、相手１００を特定できた場合には、当該認識された相手ＩＤに関連付けて、たとえば、ロボット１０の実行している行動、各種センサの出力データ、検出時刻などをメモリ６４や外部の記憶装置などに記憶することによって、相手１００のコミュニケーションの履歴を記録するようにしてもよい。この場合には、相手１００のより自然なコミュニケーションを記録することができる。

この発明の一実施例のコミュニケーションロボットを示す図解図である。 図１実施例のコミュニケーションロボットに用いる皮膚とその中に埋め込まれるピエゾセンサシートとを示す図解図である。 ピエゾセンサシートの配置位置を示す図解図である。 図１実施例のコミュニケーションロボットの電気的構成を示すブロック図である。 図１実施例のコミュニケーションロボットにおけるピエゾセンサシートから検知信号を入力するセンサ入力／出力ボードを部分的に示す図解図である。 図１実施例のコミュニケーションロボットに備えられるマップを作成するためのマップ作成システムの概要を示す図解図である。 マップ作成時の赤外線反射マーカの取付位置を示す図解図である。 図６のマップ作成用コンピュータの動作を示すフロー図である。 図８の指先データの処理の動作を示すフロー図である。 図８の腰データの処理の動作を示すフロー図である。 マップＤＢに記憶される相手ごとのマップデータの概要を示す図解図である。 クラスタ代表値の一例を示す図解図である。 図１２のクラスタ代表値に対応する相手の指先と腰の位置の分布の概要を示す図解図である。 相手ＤＢに記憶される相手情報の内容の一例を示す図解図である。 図１実施例のコミュニケーションロボットの相手認識処理における動作の一例を示すフロー図である。 他の実施例の相手認識処理における動作の一例を示すフロー図である。

符号の説明

１０ …コミュニケーションロボット
２２ …人体状部
２４ …皮膚
５０ …眼カメラ
５８，５０１−５４８ …触覚センサ（ピエゾセンサシート）
６０ …ＣＰＵ
６４ …メモリ
６６ …モータ制御ボード
６８ …センサ入力／出力ボード
７０ …サウンド入力／出力ボード
９２ …マップＤＢ
９４ …マップ作成システム
９６ …マップ作成用コンピュータ
１１０ …ＩＤタグ
１１２ …相手ＤＢ

Claims (4)

1. 複数の触覚センサ、
   複数のコミュニケーションの相手ごとに、複数の触覚センサの出力のパターンと、触行動をしている当該相手の少なくとも位置または姿勢に関する情報とを対応付けたマップを記憶するマップ記憶手段、
   前記複数の触覚センサの出力データを取得する取得手段、
   前記取得手段によって前記出力データが取得されるときの相手の位置または姿勢を検出する検出手段、および
   前記マップを用いて、前記取得手段によって取得された前記複数の触覚センサの出力データと前記検出手段によって検出された位置または姿勢とに基づいて、前記相手を特定する相手認識手段を備える、コミュニケーションロボット。
2. 前記相手認識手段は、前記マップから作成した前記複数の相手を判別対象とした判別木に基づいて、前記相手を特定する、請求項１記載のコミュニケーションロボット。
3. 前記相手認識手段によって特定された当該相手に合わせた行動を実行する実行手段をさらに備える、請求項１または２記載のコミュニケーションロボット。
4. ロボット本体上に被せられる柔軟素材からなる皮膚をさらに備え、
   前記複数の触覚センサは前記皮膚中に分散配置される複数のピエゾセンサシートを含む、請求項１ないし３のいずれかに記載のコミュニケーションロボット。

Images