JP2014074997A - 人工感情学習装置及び方法 - Google Patents
人工感情学習装置及び方法 Download PDFInfo
- Publication number
- JP2014074997A JP2014074997A JP2012221460A JP2012221460A JP2014074997A JP 2014074997 A JP2014074997 A JP 2014074997A JP 2012221460 A JP2012221460 A JP 2012221460A JP 2012221460 A JP2012221460 A JP 2012221460A JP 2014074997 A JP2014074997 A JP 2014074997A
- Authority
- JP
- Japan
- Prior art keywords
- emotion
- internal state
- value
- distribution
- gaussian distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
- Artificial Intelligence (AREA)
- Manipulator (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Automation & Control Theory (AREA)
- Robotics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
Abstract
【解決手段】 外部環境情報を感知して内部状態座標系の一点に対応する内部状態ベクトル値を算出する内部状態算出部と、内部状態座標系上でロボットの内部状態入力値の座標が示す各感情値群内の感情値をロボットの感情として生成する感情決定処理部と、感情決定処理部で定められた感情値によって、ロボットの動作を定めて感情表現を行う動作生成部と、感情決定処理部から定められた感情値と、ユーザ入力部から入力される感情の種類情報とを入力されて、内部状態座標系の一点に対応する感情値に関するフィードバック情報を生成し、フィードバック情報を用いて内部状態座標系の感情確率分布を変更する感情学習部と、感情学習部に感情の種類情報を入力するユーザ入力部とを備える人工感情学習装置。
【選択図】 図3A
Description
・開放性(openness to experience) : 想像(fantasy)、審美性(aesthetics)、感じ(feelings)、行動(actions)、思考(ideas)、価値(values)
・誠実性(conscientiousness) : 有能感(competence)、整然性(order)、充実性(dutifulness)、成就追求(achievement striving)、自己規制(self-discipline)、慎重性(deliberation)
・外向性(extraversion) : 温情(warmth)、社交性(gregariousness)、主張(assertiveness)、活動性(activity)、刺激追求(excitement seeking)、肯定的情緒(positive emotion)
・親和性(agreeableness) : 信頼性(trust)、率直性(straightforwardness)、利他性(altruism)、順応性(compliance)、謙虚(modesty)、同情(tender mindedness)
・神経症的傾向性(neuroticism) : 不安(anxiety)、敵対感(hostility)、憂鬱(depression)、自意識(self-consciousness)、衝動性(impulsiveness)、ストレス脆弱性(vulnerability to stress)
図5A及び図5Bは、NEO−PI−Rを使用する内部プロセスを図示するものであり、図5A及び図5Bのプロセスは、内部状態空間920で使われる性格の5要因モデルを測定するための方法であるNEO−PI−Rを使用してモデリングされる。
・性格要因パラメータ152(第2性格) : βo,βc,βe,βa,βn∈R
・Durabilityパラメータ153(第3性格) : αo,αc,αe,αa,αn∈[0,1]
各パラメータの下添字であるo,c,e,a,nは、開放性、誠実性、外向性、親和性、神経症的傾向性を表す。
x(k)=[o(k)c(k)e(k)a(k)n(k)]T∈R5
最終感情は、一つの感情値に表現されるものではなく、複数の感情値の確率値が反映された複合感情として生成される。この複合感情は感情ベクトルe(k)になり、J個の感情を使うならば、次のロボットの感情数式3のように示すことができる。
ここで、Jは、基本感情の数であり、ejは、j番目の基本感情の感情値である。例えば、e1=happiness、e2=surprise、e3=sadness、e4=loveなどである。[ ]Tは、転置行列であって表現方式が一つであるので、削除できる。
内部状態座標系上に各基本感情についての確率分布を配置する。各基本感情についての確率分布は、GMM(Gaussian Mixture Model)を使う。これを用いれば、各基本感情の分布をダイナミックにすることができ、各感情値を独立的に計算することができる。n次元の内部状態座標系でj番目の基本感情についての感情確率分布(感情分布、感情値群)P(x(k)|ej)は、以下の数式4のように定められる。
そして、ωj,m(k)は、k時間でj番目の感情分布のm番目のガウス分布またはガウスモード(Gaussian mode)の加重値であり、Mj(k)は、k時間でj番目の感情分布が持っているガウスモードの数であり、μj,m(k)は、k時間でj番目の感情分布のm番目ガウスモードの中央値であり、Σj,m(k)は、k時間でj番目の感情分布のm番目ガウスモードの帯域幅であり、x(k)は、k時間における感情状態入力値である。ガウスモードは、一つのガウス曲線を意味する。
各感情値の確率的表現(確率値)は、ベイズの整理(Bayes' rule)を用いて数式5のように計算される。ここでj番目の感情の確率値であるP(ej|x(k))は、事後確率(posterior probability)として使われる。
ここで、P(x(k)|ej)は、尤度関数(likelihood function)として使われ、P(ej)は、ejの事前確率(prior probability)であって、各感情値が選択される確率(感情値の確率的表現)であり、各感情値の事前確率の和は、1である。
内部状態ベクトルx(k)のベクトルポイントを中心としてユーザのフィードバック情報x(k+1)を用いて、学習するための感情のガウスモード(または、ガウス分布)を次のように探す。
ここで、matchj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布のマッチング関数を意味し、δは、マッチング範囲を示し(この時、δが大きければ、多くのガウスモード(ガウス分布)を学習するため、学習が速くなり得る)、σj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の標準偏差を示し、x(k+1)は、フィードバック情報x(k+1)を示し、μj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の中央値を示す。
マッチング関数を用いてガウスモードを次のように選別した後、ユーザの意図を反映してガウス分布を学習する。
前記マッチング関数を通じてマッチングされるガウス分布を一つでも探せた場合、ガウス分布を学習するようになるが、この時、選択された、すなわち、マッチングされたガウス分布と、選択されていない、すなわち、マッチングされていないガウス分布とを区分して学習する。
これによって、選択されたj番目の感情分布のm番目ガウスモードが学習される。この場合、ガウス分布の加重値、中央値、分散の3つを学習する。
ここで、ωj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の加重値であり、λは、既定の基本加重値であり、ωj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の加重値であり、μj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の中央値であり、x(k+1)は、フィードバック情報x(k+1)であり、μj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の中央値であり、σ2 j,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の分散であり、σ2 j,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の分散であり、[ ]Tは、転置行列であり、
である。この時、Σj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の帯域幅である。
また、選択されていないj番目の感情分布のm番目ガウスモードが学習される。この場合、加重値のみ学習する。
ここで、ωj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の加重値であり、λは、既定の基本加重値であり、ωj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の加重値である。
一方、マッチングされるガウスモードを探せなかった場合、ユーザのフィードバックを中心として新たなガウスモードを立てる。したがって、k+1時間でj番目の感情分布が持っているガウスモードの数Mj(k+1)は、Mj(k+1)=Mj(k)+1になる。
100 内部状態算出部
200 感情決定処理部
300 動作生成部
400 感情学習部
500 ユーザ入力部
Claims (10)
- 外部環境情報を感知して内部状態座標系の一点に対応する内部状態ベクトル値を算出する内部状態算出部と、
前記内部状態座標系上でロボットの内部状態入力値の座標が示す各感情値群内の感情値を前記ロボットの感情として生成する感情決定処理部と、
前記感情決定処理部で定められた前記感情値によって、前記ロボットの動作を定めて感情表現を行う動作生成部と、
前記感情決定処理部から定められた感情値と、ユーザ入力部から入力される感情の種類情報とを入力されて、前記内部状態座標系の一点に対応する感情値に関するフィードバック情報を生成し、前記フィードバック情報を用いて前記内部状態座標系の感情確率分布を変更する感情学習部と、
前記感情学習部に感情の種類情報を入力するユーザ入力部と、
を備える人工感情学習装置。 - 前記感情確率分布は、加重値、中央値、分散を持つ一つのガウス分布であるか、または複数の前記ガウス分布が合成されたガウス分布であることを特徴とする請求項1に記載の人工感情学習装置。
- 前記感情学習部は、マッチング関数を用いて前記フィードバック情報に対応するガウス分布を検索してガウス分布を変更することを特徴とする請求項2に記載の人工感情学習装置。
- 前記マッチング関数が1である場合、選択されたj番目の感情分布のうちm番目のガウス分布は、前記フィードバック情報を中心として、次の加重値(ωj,m(k+1))、中央値(μj,m(k+1))及び分散(σ2 j,m(k+1))を満たすようにガウス分布が変更されることを特徴とする請求項4に記載の人工感情学習装置。
ここで、ωj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の加重値であり、λは、既定の基本加重値であり、ωj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の加重値であり、μj,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の中央値であり、x(k+1)は、フィードバック情報であり、μj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の中央値であり、σ2 j,m(k+1)は、k+1時間でj番目の感情分布のうちm番目のガウス分布の分散であり、σ2 j,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の分散であり、[ ]Tは、転置行列であり、
であり、この時、Σj,m(k)は、k時間でj番目の感情分布のうちm番目のガウス分布の帯域幅である。 - 前記感情学習部は、前記ガウス分布が変更された後、各感情に該当するすべてのガウス分布の加重値をノーマライズ(Normalize)することを特徴とする請求項5または6に記載の人工感情学習装置。
- 前記感情学習部は、前記ガウス分布が生成された後、各感情に該当するすべてのガウス分布の加重値をノーマライズ(Normalize)することを特徴とする請求項8に記載の人工感情学習装置。
- 内部状態算出部が外部環境情報を感知して、内部状態座標系の一点に対応する内部状態ベクトル値を算出して内部状態を生成するステップと、
n次元の内部状態座標系上にj種の感情についての感情確率分布が形成された感情モデルが備えられた感情決定処理部が、前記内部状態算出部の入力値を前記内部状態座標系にマッチングさせてロボットの感情値を定めるステップと、
動作生成部が、前記感情決定処理部で定められた感情値によって前記ロボットの動作を定めて感情表現を行うステップと、
感情学習部が、前記感情決定処理部から定められた感情値とユーザ入力部から入力される感情の種類情報とを入力されて、前記内部状態座標系の一点に対応する感情値に関するフィードバック情報を生成し、前記フィードバック情報を用いて前記内部状態座標系の感情確率分布を変更するステップと、
を含む人工感情学習方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012221460A JP5624100B2 (ja) | 2012-10-03 | 2012-10-03 | 人工感情学習装置及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012221460A JP5624100B2 (ja) | 2012-10-03 | 2012-10-03 | 人工感情学習装置及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014074997A true JP2014074997A (ja) | 2014-04-24 |
JP5624100B2 JP5624100B2 (ja) | 2014-11-12 |
Family
ID=50749121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012221460A Active JP5624100B2 (ja) | 2012-10-03 | 2012-10-03 | 人工感情学習装置及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5624100B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017187974A1 (ja) * | 2016-04-28 | 2017-11-02 | Cocoro Sb株式会社 | 感情特定システム、システム及びプログラム |
WO2018096756A1 (ja) * | 2016-11-25 | 2018-05-31 | 株式会社デンソー | インタラクション装置及びインタラクションの表出方法 |
CN108510052A (zh) * | 2017-02-27 | 2018-09-07 | 顾泽苍 | 一种人工智能新型神经网络的构建方法 |
WO2018230882A1 (ko) * | 2017-06-12 | 2018-12-20 | 주식회사 아카인텔리전스 | 컴퓨터의 감정을 결정하는 방법 |
JP2020037155A (ja) * | 2018-09-05 | 2020-03-12 | 日本放送協会 | 仕草制御装置及び仕草制御プログラム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6841167B2 (ja) | 2017-06-14 | 2021-03-10 | トヨタ自動車株式会社 | コミュニケーション装置、コミュニケーションロボットおよびコミュニケーション制御プログラム |
KR102570279B1 (ko) | 2018-01-05 | 2023-08-24 | 삼성전자주식회사 | 감정 인식을 위한 학습 방법, 감정을 인식하는 방법 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011020258A (ja) * | 2009-07-02 | 2011-02-03 | Samsung Electronics Co Ltd | 感性モデル装置、感性モデルの性向学習装置及び方法 |
-
2012
- 2012-10-03 JP JP2012221460A patent/JP5624100B2/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011020258A (ja) * | 2009-07-02 | 2011-02-03 | Samsung Electronics Co Ltd | 感性モデル装置、感性モデルの性向学習装置及び方法 |
Non-Patent Citations (1)
Title |
---|
JPN6013039396; Ho Seok Ahn, et al.: 'A Behavior Combination Generating Method for Reflecting Emotional Probabilities using Simulated Anne' RO-MAN, 2011 IEEE , 2011, p.192-197 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017187974A1 (ja) * | 2016-04-28 | 2017-11-02 | Cocoro Sb株式会社 | 感情特定システム、システム及びプログラム |
JP2017199319A (ja) * | 2016-04-28 | 2017-11-02 | Cocoro Sb株式会社 | 感情特定システム、システム及びプログラム |
WO2018096756A1 (ja) * | 2016-11-25 | 2018-05-31 | 株式会社デンソー | インタラクション装置及びインタラクションの表出方法 |
CN108510052A (zh) * | 2017-02-27 | 2018-09-07 | 顾泽苍 | 一种人工智能新型神经网络的构建方法 |
WO2018230882A1 (ko) * | 2017-06-12 | 2018-12-20 | 주식회사 아카인텔리전스 | 컴퓨터의 감정을 결정하는 방법 |
CN110799993A (zh) * | 2017-06-12 | 2020-02-14 | Aka智能株式会社 | 确定计算机的情感的方法 |
JP2020530932A (ja) * | 2017-06-12 | 2020-10-29 | アカ インテリジェンス インコーポレイテッドAKA Intelligence Inc. | コンピューターの感情を決定する方法 |
JP7078714B2 (ja) | 2017-06-12 | 2022-05-31 | アカ インテリジェンス インコーポレイテッド | コンピューターの感情を決定する方法 |
CN110799993B (zh) * | 2017-06-12 | 2023-08-15 | Aka人工智能株式会社 | 确定计算机的情感的方法 |
JP2020037155A (ja) * | 2018-09-05 | 2020-03-12 | 日本放送協会 | 仕草制御装置及び仕草制御プログラム |
JP7152908B2 (ja) | 2018-09-05 | 2022-10-13 | 日本放送協会 | 仕草制御装置及び仕草制御プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP5624100B2 (ja) | 2014-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5624100B2 (ja) | 人工感情学習装置及び方法 | |
US8972313B2 (en) | Apparatus and method for learning emotion of robot | |
Salmeron | Fuzzy cognitive maps for artificial emotions forecasting | |
JP4169063B2 (ja) | データ処理装置、データ処理方法、及びプログラム | |
KR20130091364A (ko) | 로봇의 학습이 가능한 감정생성장치 및 감정생성방법 | |
JP4201012B2 (ja) | データ処理装置、データ処理方法、およびプログラム | |
JP4244812B2 (ja) | 行動制御システム及びロボット装置の行動制御方法 | |
Wagner | The role of trust and relationships in human-robot social interaction | |
JP2005199403A (ja) | 情動認識装置及び方法、ロボット装置の情動認識方法、ロボット装置の学習方法、並びにロボット装置 | |
Harriott et al. | Modeling human performance for human–robot systems | |
Randhavane et al. | Fva: Modeling perceived friendliness of virtual agents using movement characteristics | |
Lala et al. | Towards a virtual environment for capturing behavior in cultural crowds | |
KR20190075416A (ko) | 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법 | |
US20140170619A1 (en) | Apparatus and method for creating artificial feelings | |
US9037526B2 (en) | Apparatus and method for selecting motion signifying artificial feeling | |
US9117168B2 (en) | Apparatus and method for calculating internal state for artificial emotion | |
He | Robotgpt: From chatgpt to robot intelligence | |
JP5521240B1 (ja) | 人工情緒表現動作を選択するための装置及び方法 | |
Masuyama et al. | Robotic emotional model with personality factors based on Pleasant-Arousal scaling model | |
Ajili et al. | Expressive motions recognition and analysis with learning and statistical methods | |
CN106845391B (zh) | 一种家居环境下的氛围场识别方法及识别系统 | |
Herrero et al. | Modelling the sensory abilities of intelligent virtual agents | |
JP5491599B2 (ja) | 人工感情を表現するための内部状態算出装置および方法ならびに記録媒体 | |
Wu et al. | An improved vascular model based on mass spring model and parameters optimization by Gaussian processes | |
Moro | Learning Socially Assistive Robot Behaviors for Personalized Human-Robot Interaction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140204 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140304 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140603 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140606 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20140702 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20140707 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140825 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140909 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140925 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5624100 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |