JP2008216735A - 受付ロボット及び受付ロボットの会話適応方法 - Google Patents

Abstract

【課題】
解決しようとする課題は、音声会話に不自由なハンディキャプ者の会話速度、聞き取り能力にあった音声案内機能がなく、病院、役所、施設などでスムースに用件を果たすことができないことである。
【解決手段】
受付ロボットは利用者にとって、聞き易い音声にする音量、音声速度、音声帯域、音声抑揚を変更して発声できる手段を備え、来訪者に問い掛けを行い、来訪者の返答を確認・認識して、来訪者に聞き易い発声音声にチューニングして受付を行なう。
【選択図】図４

Description

本発明は音声会話にハンディキャプのある者にも対応可能な受付ロボットに係り、特にハンディキャプ者が聞き易い音量、会話の速度等に自動的に適応させてハンディキャプ者の希望する用件の受付を行なう受付ロボットと受付ロボットの会話適応方法に関するものである。

病院、役所、施設などを訪れた場合、目的の用件を果たすための受付を行なう。このような場所では、受付での説明の他、掲示板・案内版などでの表示により対応する業務とその担当部署の場所等、来訪者に分るようになっている。しかしながら、音声会話にハンディキャップのある老人、難聴者や発達障害者など（以下ハンディキャップ者）の場合、受付での会話に躊躇したり、やりとりに難ずかしい面がある。

特許文献１には音域が異なる複数の案内データを記憶保持し、音域の異なる音声を選択合成して音声案内を行なう技術が開示されている。しかしながら、利用者の会話能力を評価し、利用者に聞き易い音声に適応させる技術は無い。

特許文献２には人間の音声を認識し合成音声を発声するロボットが来客者を検知し、複数のロボットで案内業務を分担しながら、来客者を案内する技術が開示されている。しかしながら、利用者の会話能力を評価し、利用者に聞き易い音声に適応させる技術は無い。

すなわち、現状の会話システムは利用者の聞き取り能力と関係なく固定の会話速度、音量になっており、ハンディキャップ者にとっては利用し難い。
特開２００６−３８９２９号公報 特開２００６−１９８７３０号公報

解決しようとする課題は、音声会話に不自由なハンディキャプ者の会話速度、聞き取り能力にあった会話が可能なシステムがなく、ハンディキャプ者は病院、役所、施設などでスムースに用件を果たすことができないことである。

第１の発明は、利用者の音声を認識し、複数の音声調整方法からなる複数の音声モードを調整して発声音声を選択する音声調整手段を備えて合成音声により会話して前記利用者の受付を行なう受付ロボットの会話適応方法である。

前記受付ロボットは、前記利用者に前記複数音声モードで問い掛けを行い、前記利用者の問い掛けへの返答を評価し、前記評価結果から前記利用者と会話を行なう前記音声モードを選択し、前記選択した音声モードで前記利用者の受付を行なう。

第２の発明は、第１の発明の前記音声モードの選択は、前記利用者に前記複数音声モードでの問い掛けを順番に繰り返して行い、前記利用者と会話が指示通りできたと判断した音声モードある。

第３の発明は、第１の発明の前記音声モードは音量、音声速度、音声抑揚、音声帯域を各々変化させる前記音声調整方法を少なくも複数組み合わせたモードである。

第４の発明は、第１の発明の前記複数の音声調整方法は少なくも音量、音声速度、音声抑揚、音声帯域を各々変化させる調整方法を複数含んでいる。

第５の発明は、利用者の音声を認識して前記利用者と会話を行なう受付ロボットである。

前記受付ロボットは、前記利用者が返答するための音声入力手段及び文字表示手段からなる返答手段と、前記利用者に聞き易い音声を発声するため複数の調整方法からなる複数の音声モードの音声調整手段と、前記利用者に前記音声モードで問い掛けを行い、前記返答手段からの返答結果を確認し前記音声モードを選択する手段と、を備える。

本発明により、会話能力に障害のある来訪者に対しても、利用者の会話能力に併せた会話により、ロボットによる受付案内が可能である。

（実施例１）
図１は本発明の概要を示す図である。来訪者２が受付ロボット１を利用して自己の用件を果たす受付ロボットの手順の概要を示している。

来訪者２を迎えた受付ロボット１は以下の手順で来訪者２の希望する用件の受付を行なう。
（１）受付ロボット１は来訪者２に対し、「私の声が聞こえますか？聞こえたら「Ａ」を押して下さい。あるいは、「Ａ」と言って下さい。」来訪者が聞き易い会話を行なうための問い掛けを行なう。
（２）受付ロボット１は来訪者２の返答が正解になるまで、来訪者２が理解できるまで、会話スピード、音量などを変化させて来訪者にとり、聞き易い会話方法に音声を適応させる。
（３）受付ロボット１と来訪者２の間で会話ができるか確認し、具体的な受付業務を行なう。

図２は本発明の一実施形態の受付ロボットの構成ブロックを示す図である。音声入力装置１０、ユーザインタフェース２０、音声認識・会話対応制御部３０、会話認識部４０、音声チューニング部５０、メッセージ生成部６０、メッセージ音声化部７０、辞書ＤＢ８０、音声出力装置９０で構成する。

ユーザインタフェース２０は、音声調整ツマミ２１、タッチパネル２２で構成する。また、音声チューニング部５０は音量変更部５１、音声速度変更部５２、音声高低変更部５３、音声抑揚変更部５４で構成する。

受付けロボット１は、音声入力装置１０あるいはユーザインタフェース２０を介して来訪者２の返答状況を確認し、音声認識・会話対応制御部３０、会話認識部４０、音声チューニング部５０が連携して来訪者２の音声の認識分析を行い、来訪者に聞き易い音声になるよう音声チューニングの制御を行なう。さらに、メッセージ生成部６０でメッセージの生成を行い、メッセージ音声化部７０により音声化して音声出力装置９０を介して来訪者２と会話を行なう。図示していないが、受付ロボット２は自律走行機能及び必要時担当者に連絡機能を実行できる手段を備えている。以下に各構成要素の処理機能を説明する。
１）音声入力装置１０：来訪者２の音声を入力するマイクロフォンである。
２）ユーザインタフェース２０：来訪者２と受付ロボット１とのインタフェースであり、以下のインタフェースを備える。図３の音声調整手段例の図と併せて説明する。

図３は本発明の音声調整手段例を示す図である。調整手段と各調整手段の調整パラメータと音声調整つまみでの調整方法を示している。
３）音声調整つまみ２１：来訪者２が受付ロボット１の発声する会話を調整する。以下がある。
ア．音量：ロボットの発声する音量を調整する最小音量から最大音量まで変化するボリュームである。
イ．音声速度：ロボットの発声する会話速度を調整する。標準的な音声速度に加え、予め定めた遅い速度、早い速度、非常に遅い速度（最大遅い速度）を備える。一方、音声調整つまみでは標準音量から最も遅い速度に連続的に変化させる。
ウ．音声高低：ロボットの発声する音声の特定帯域を強調する。標準的な帯域の音声と、例えば、ハンディキャプ者にとって聞き易い低域を強調した低域強調音声を備え、音声調整つまみでも標準的帯域と低域強調の両者を選択できるよう設定する。
エ．音声抑揚：ロボットの発声する音声の抑揚を調整する。特に抑揚を付けない標準の設定に加え、ハンディキャプ者にとって聞き易いとして予め調整し設定した大きい抑揚、あるいは小さい抑揚を備える。音声調整つまみも同一の３種を選択できるよう設定する。
４）タッチパネル２２：来訪者２が受付ロボット１の問い掛けに対し、パネルの「Ａ」、「分からない」等の表示に触れて、自己の返答を確認しながら返答を行なう。ボタンを設置し簡単に行なうことも考えられる。
５）音声認識・会話対応制御部３０：音声入力装置１０、ユーザインタフェース２０、会話認識部４０、音声チューニング部５０、メッセージ生成部６０、メッセージ音声化部７０、辞書ＤＢ８０と、音声出力装置９０での信号の処理を制御する。
６）会話認識部４０：来訪者２の言葉と辞書ＤＢ８０に保持する言葉、文章と似ているかを判定し、来訪者２の言葉を認識する。音声認識の方法については知られているので説明は省略する。
７）音声チューニング部５０：音声認識部４０での認識結果、ユーザインタフェース２０からの来訪者のタッチパネルの返答結果を基に発生音声のチューニングを行なう。以下で構成し、図３で説明した音声調整パラメータを変化させる。（音声調整つまみの場合は来訪者が直接調整つまみを操作して調整する。）
ア．音量変更部５１：音量を変更する。例えば、認識結果により順次大きな音量等に変更する。
イ．音声速度変更部５２：音声速度を変更する。例えば、認識結果によりさらに遅い音声速度等に変更する。音声速度の変更は例えば、メッセージ音声化部７０で発声手段（例。合成音声を保持するＲＡＭ）の読み出しクロックの速度を変化させることで行なう。一般的に行なわれているので、説明は省略する。
ウ．音声高低変更部５３：音声高低を調整する。例えば、標準帯域に対し、認識結果より低域強調（低音モード）に変更する。
エ．音声抑揚変更部５４：音声抑揚を調整する。例えば、標準に対し、認識結果より大きい抑揚、あるいは小さい抑揚に変更する。

以上述べた、音声チューニングはメッセージ音声化部の発声手段と連携して行なう。
８）メッセージ生成部６０：音声認識結果、あるいは来訪者２への問い掛けを行なうメッセージを生成する。メッセージは辞書ＤＢ７０の言葉より選択して行なう。
９）メッセージ音声化部７０：メッセージ生成部６０で生成したメッセージを音声合成により音声化する。具体的には、例えば、音声チューニング部で選択した各調整モードを設定した音声発声手段（例．ＲＡＭ等で構成）で生成したメッセージを入力して合成する方法が考えられる。一般に行なわれているので説明は省略する。
１０）辞書ＤＢ７０：受付ロボット１が対象とする受付に必要となる言葉を収集しておくＤＢ（ＤＡＴＡ ＢＡＳＥ）である。辞書ＤＢとしては、例えば、受付用共通辞書として、「聞こえますか？ご用は何ですか？」、「音量は小さいですか？早いですか？」、「聞き易い言葉でお話します。聞き取れますか？」、「前と後でどちらが聞き易いですか？」等の言葉を保持しておく。また、特定業務用として、例えば役所を例にすると、「市民課は1階の奥になります。」、「受付は９時からです。」等の用途に併せ保持しておく。
１１）音声出力装置９０：来訪者２に対し、生成したメッセージを発声するスピーカである。

上述した処理機能の実現は図示していないが、電気的インタフェース、駆動回路、ＣＰＵなどのハードウエアで行なうが、説明は省略する。

図４は本発明の一実施形態の受付ロボットの受付フローを示す図である。受付ロボット１が来訪者２に問い掛けを行い、来訪者２の用件に対し受付対応する、あるいは対応が出来ないと判断して、関係者への連絡等の方法選択を判断する手順を示している。
Ｓ１：来訪者への問い掛け確認：
ロボットは所定の手順で「聞こえますか？ご用は何ですか？お手伝いします。」等の言葉での問い掛けを行なう。来訪者が気が付いた場合はＳ２へ進み、所定の手順を全て行なっても来訪者が気が付かない場合はＳ８に進む。問い掛けの手順については後述する（図５）。
Ｓ２：来訪者への内容説明：
ロボットは来訪者に対し、「聞き易い言葉でお話しをします。話が分りますか？早すぎますか？聞き取れますか？ 表示されている文字に触れて下さい。「Ａ」と話して下さい」等と聞き易い言葉で相談に応ずるとの説明を行なう。来訪者が直接ロボットに問い掛けてきた場合はこのステップから始まる。

Ｓ２での問い掛けに対し、来訪者への返答として以下の４つの形態が考えられる。
ア．音声で返答する。
イ．タッチパネル、音声混在で返答する。
ウ．タッチパネルの表示に触れて返答する。
エ．返答なし。
１）アの場合：
Ｓ３：音声調整つまみ調整：
ロボットは音声調整つまみの調整を来訪者に説明する。来訪者は音声調整つまみを調整する。
２）イ、ウ、エの場合：
Ｓ４：音声チューニング：
ロボットは所定の手順で来訪者にとり最良の会話を行なう音声のチューニングを行なう。チューニング方法については後述する（図６、図８）。
Ｓ５、Ｓ６：会話適応判断：
ロボットは来訪者との会話が可能か所定の手順で評価・確認し、所定の手順で会話可否を判断し、可能と判断した場合はＳ７に進み、不可と判断した場合はＳ8に進む。会話適応判断については後述する（図７）。
Ｓ７：用件相談：
ロボットは来訪者の具体的用件に対応するため以下の方法で会話を始める。
ア．所定の言葉で用件を聞く。
イ．来訪者の言葉を受け音声認識を行なう。
ウ．認識した結果より所定の言葉を生成し、メッセージ化して答える。
エ．所定の業務外と判断した場合はＳ８に進む。
Ｓ８：会話以外での対処：
ロボットは受付対応不可と判断し、以下等を行なう。
ア．案内図を提示する。
イ．関係者に連絡する。
ウ．案内図まで案内する。
エ．関係者の所に案内する。

上記ウ、エの案内図への案内、あるいは関係者への案内は自律走行機能により行い、またイの関係者への連絡は備えてある連絡手段により行なう。

図５は本発明の来訪者への問い掛け確認フロー例と問い掛け確認手順例を示す図である。(1)に問い掛け確認フローを（２）に音声モード例と音声の発声順を示している。
Ｓ１１：ロボットは音声モードを第１のモードに設定し、来訪者に問い掛ける。第１のモードは音量、音声速度、音声高低、抑揚(イントネーション)の調整パラメータ全てが標準設定である。
Ｓ１２：ロボットは来訪者に「聞こえますか？ご用は何ですか？お手伝いします。」等の言葉で問い掛けを行なう。
Ｓ１３：ロボットは来訪者が気が付いたかどうか確認し、気が付いた場合は終了（図２のＳ２へ進む）し、気が付かない場合はＳ１４に進む。
Ｓ１３：ロボットは次の処理を行なう。
ア．次ぎの音声モードに設定し、Ｓ１２に戻る。
イ．音声モードの全てを試した場合は対応不可として終了する（図２のＳ８へ進む）。

図６は本発明の音声チューニングフロー例（その１）とタッチパネルへの表示例を示す図である。(1)に音声チューニングフローを（２）にタッチパネル表示例を示している。
（１）音声チューニングフロー
Ｓ２１：ロボットは音声モードを来訪者が気が付いた最後のモードに設定する。
Ｓ２２：音量設定：
音量はそのままに設定し、以下を行なう。
ア．聞き易い言葉でお話します。「前と後でどちらが聞き易いか「前」、「後」の字に触れて下さい。」このままで良ければ「このまま」の字に触れて下さい。
イ．来訪者のパネルからの返答が「このままで良い」の返答の場合は終了する（図２のＳ５に進む）。
Ｓ２３：音声速度設定：
音声発生速度の可変範囲の全てを順次設定し、以下を行なう。
ア．来訪者に、「前と後でどちらが聞き易いか「前」、「後」の字に触れて下さい。」
イ．来訪者のパネルからの返答を確認し、選択した音声速度を設定する。
ウ．「このままで良い」の返答の場合はその速度を保持し終了する（図２のＳ５に進む）。
ここでは速度の遅い方を優先して行ない、複数回行なっても良い。
Ｓ２４：音声高低設定：
音声帯域変化の可変範囲の全てを順次設定し、以下を行なう。
ア．来訪者に「前と後でどちらが聞き易いか「前」、「後」の字に触れて下さい。」
イ．来訪者のパネルからの返答を確認し、選択した音声高低を設定する。
ウ．「このままで良い」の返答の場合はその音声高低を設定し終了する（図２のＳ５に進む）。
ここでは速度の遅い方を優先して行ない、複数回行なっても良い。
Ｓ２５：音声抑揚設定：
音声抑揚変化の可変範囲の全てを順次設定し、以下を行なう。
ア．「前と後でどちらが聞き易いか「前」、「後」の字に触れて下さい。」
イ．来訪者のパネルからの返答を確認し、選択した音声抑揚に設定する。
ウ．「このままで良い」の返答の場合はその抑揚を設定し、終了する（図２のＳ５に進む）。
ここでは、抑揚を大きくするモードを優先して行ない、複数回行なっても良い。
（２）タッチパネル表示例
タッチパネルには例えば、「前」、「後」、「このままで良い」を表示する。

図７は本発明の一実施形態の会話適応判断フローと判断方法例を示す図である。(1)に音声チューニングフローを、（２）に質問方法と会話適応判断例を、（３）にタッチパネル表示例を示している。
（１）会話適応判断フロー
Ｓ３１：音声チューニングで設定したモードで発声する。
Ｓ３２：ロボットは来訪者に対し、「今から質問をするので、答えをタッチパネルの表示に触れて下さい。直ぐに用件に入りたい場合は言葉でも構いません」等の言葉で質問を行なう。第１の質問を設定する。
Ｓ３３：ロボットは第１の質問を行なう。
Ｓ３４：ロボットは来訪者のタッチパネルでの返答を基に以下の処理を行なう。
ア．「直ぐに用件に入りたい」返答がある場合：終了する（図２のＳ７へ進む）。
イ．次ぎの質問を用意してＳ３３に戻る。
ウ．所定手順を終了した場合はＳ３５に進む。
Ｓ３５：ロボットは来訪者との会話が可能か判断して終了する。
ア．会話可能である場合：終了（図２のＳ７に進む）。
イ．会話不可である場合：終了（図２のＳ８に進む）。
（２）質問方法と会話適応判断例
例えば、タッチパネル表示の文字（「Ａ」、「Ｂ」、「Ｃ」等）に複数回触れてもらう質問を行ない、その返答結果が５０％以上正確であれば会話可能と判断する。この判定の数値指標は運用結果を踏まえて定めれば良い。
（３）タッチパネル表示例
タッチパネルには例えば、「Ａ」、「Ｂ」、「Ｃ」、「直ぐに用件に入る」を表示する。
（実施例２）
図８は本発明の音声チューニングフロー例(その２)と音声チューニング手順例を示す図である。(1)に音声チューニングフローを（２）に音声モード例と音声の発声順を示している。
（１）音声チューニングフロー
Ｓ４１：ロボットは音声モードを下記に設定する。
ア．問い掛けを行った来訪者の場合：来訪者が気が付いた最後のモード
イ．来訪者から問い掛けた場合：第１のモード（標準モード）
Ｓ４２：ロボットは来訪者に例えば以下の方法で手順の説明を行なう。
「聞き易い言葉でお話します。 前と後でどちらが聞き易いか「前」、「後」の字に触れて下さい。 このままで良ければ「このまま」の字に触れて下さい。」と「聞こえますか？ご用は何ですか？お手伝いします。前の話し方と後の話し方のどちらが聞き易いですか？」等と確認を求める。
Ｓ４３：ロボットは来訪者の返答から「前」の「後」のモードのどちらが聞き易いかの判断を以下の方法で行なう。
ア．タッチパネルでの返答の場合：タッチパネルでの返答で判断
イ．音声、音声とパネルの混在の場合：音声での返答は音声認識し、タッチパネルの返答と併せ判断
Ｓ４４：ロボットは来訪者に例えば「音声聞き取りテストを行なっています」等の所定の言葉でどちらが聞き易いか問い掛ける。
Ｓ４５：ロボットは次の処理を行なう。
ア．音声モードを次ぎのモードにし、Ｓ２４に戻る。
イ．モードの全てを試した場合は対応不可として終了する。（図２のＳ８へ）
ウ．来訪者が「これで良い」の返答の場合は終了する。（図２のＳ７へ）
（付記１）
利用者の音声を認識し、複数の音声調整方法からなる複数の音声モードを調整して発声音声を選択する音声調整手段を備えて合成音声により会話して前記利用者の受付を行なう受付ロボットの会話適応方法であって、
前記受付ロボットは、
前記利用者に前記複数音声モードで問い掛けを行い、
前記利用者の問い掛けへの返答を評価し、
前記評価結果から前記利用者と会話を行なう前記音声モードを選択し、
前記選択した音声モードで前記利用者の受付を行なうことを特徴とする受付ロボットの会話適応方法。
（付記２）
付記１に記載の前記音声モードの選択は、前記利用者に前記複数音声モードでの問い掛けを順番に繰り返して行い、
前記利用者と会話が指示通りできたと判断した音声モードあることを特徴とする付記１記載の受付ロボットの会話適応方法。
（付記３）
付記１に記載の前記音声モードは音量、音声速度、音声抑揚、音声帯域を各々変化させる前記音声調整方法を少なくも複数組み合わせたモードであることを特徴とする付記１記載の受付ロボットの会話適応方法。
（付記４）
付記１に記載の前記複数の音声調整方法は少なくも音量、音声速度、音声抑揚、音声帯域を各々変化させる調整方法を複数含んでいることを特徴とする付記１記載の受付ロボットの会話適応方法。
（付記５）
利用者の音声を認識して前記利用者と会話を行なう受付ロボットであって、
前記受付ロボットは、
前記利用者が返答するための音声入力手段及び文字表示手段からなる返答手段と、
前記利用者に聞き易い音声を発声するため複数の調整方法からなる複数の音声モードの音声調整手段と、
前記利用者に前記音声モードで問い掛けを行い、前記返答手段からの返答結果を確認し前記音声モードを選択する手段と、
を備えたことを特徴とする受付ロボット。
（付記６）
付記２記載の前記利用者との会話が指示通りできないと判断した場合は、担当者に連絡する、あるいは担当者の所に前記利用者を案内することを特徴とする付記２記載の受付ロボットの会話適応方法。
（付記７）
付記２記載の前記繰り返し順番は前記音声調整方法の前記音量と前記発声速度を優先して変化させて行なうことを特徴とする付記２記載の受付ロボットの会話適応方法。

図１は本発明の概要を示す図である。 図２は本発明の一実施形態の受付ロボットの構成ブロックを示す図である。 図３は本発明の音声調整手段例を示す図である。 図４は本発明の一実施形態の受付ロボットの受付フローを示す図である。 図５は本発明の来訪者への問い掛け確認フロー例と問い掛け確認手順例を示す図である。 図６は本発明の音声チューニングフロー例（その１）とタッチパネルへの表示例を示す図である。 図７は本発明の一実施形態の会話適応判断フローと判断方法例を示す図である。 図８は本発明の音声チューニングフロー例(その２)と音声チューニング手順例を示す図である。

符号の説明

１ 受付ロボット
２ 来訪者
１０ 音声入力装置
２０ ユーザインタフェース
２１ 音声調整ツマミ
２２ タッチパネル
３０ 音声認識・会話対応制御部
４０ 会話認識部
５０ 音声チューニング部
５１ 音量変更部
５２ 音声速度変更部
５３ 音声高低変更部
５４ 音声抑揚変更部
６０ メッセージ生成部
７０ メッセージ音声化部
８０ 辞書ＤＢ
９０ 音声出力装置

Claims (5)

1. 利用者の音声を認識し、複数の音声調整方法からなる複数の音声モードを調整して発声音声を選択する音声調整手段を備えて合成音声により会話して前記利用者の受付を行なう受付ロボットの会話適応方法であって、
   前記受付ロボットは、
   前記利用者に前記複数音声モードで問い掛けを行い、
   前記利用者の問い掛けへの返答を評価し、
   前記評価結果から前記利用者と会話を行なう前記音声モードを選択し、
   前記選択した音声モードで前記利用者の受付を行なうことを特徴とする受付ロボットの会話適応方法。
2. 請求項１に記載の前記音声モードの選択は、前記利用者に前記複数音声モードでの問い掛けを順番に繰り返して行い、
   前記利用者と会話が指示通りできたと判断した音声モードあることを特徴とする請求項１記載の受付ロボットの会話適応方法。
3. 請求項１に記載の前記音声モードは音量、音声速度、音声抑揚、音声帯域を各々変化させる前記音声調整方法を少なくも複数組み合わせたモードであることを特徴とする請求項１記載の受付ロボットの会話適応方法。
4. 請求項１に記載の前記複数の音声調整方法は少なくも音量、音声速度、音声抑揚、音声帯域を各々変化させる調整方法を複数含んでいることを特徴とする請求項１記載の受付ロボットの会話適応方法。
5. 利用者の音声を認識して前記利用者と会話を行なう受付ロボットであって、
   前記受付ロボットは、
   前記利用者が返答するための音声入力手段及び文字表示手段からなる返答手段と、
   前記利用者に聞き易い音声を発声するため複数の調整方法からなる複数の音声モードの音声調整手段と、
   前記利用者に前記音声モードで問い掛けを行い、前記返答手段からの返答結果を確認し前記音声モードを選択する手段と、
   を備えたことを特徴とする受付ロボット。

Images