JP2017144521A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】よりユーザの意思に沿ったアクションを出力することが可能な、情報処理装置、情報処理方法、及びプログラムを提供する。【解決手段】ユーザとの距離に基づいて、前記ユーザへのアクションを決定するアクション決定部と、前記アクションを出力させる出力制御部と、を備える情報処理装置。【選択図】図１

Description

本開示は、情報処理装置、情報処理方法、及びプログラムに関する。

ユーザへの発話や情報提供等のアクションを出力するロボットが知られている。例えば、特許文献１には、周辺環境に応じて、ユーザへのアクションを制御するロボットが開示されている。

特開２００８−２５４１２２号公報

上記のようなロボット（情報処理装置の一例）においては、よりユーザの意思に沿ったアクションを出力することが望まれている。

本開示によれば、ユーザとの距離に基づいて、前記ユーザへのアクションを決定するアクション決定部と、前記アクションを出力させる出力制御部と、を備える情報処理装置が提供される。

また、本開示によれば、ユーザとの距離に基づいて、前記ユーザへのアクションを決定することと、前記アクションを出力させることと、を含む情報処理方法が提供される。

また、本開示によれば、コンピュータに、ユーザとの距離に基づいて、前記ユーザへのアクションを決定する機能と、前記アクションを出力させる機能と、を実現させるための、プログラムが提供される。

以上説明したように本開示によれば、よりユーザの意思に沿ったアクションを出力することが可能となる。

なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。

本開示の一実施形態に係る情報処理装置の概要を説明するための説明図である。 同実施形態による情報処理装置１の構成の一例を示すブロック図である。 ユーザ管理部１０３によるアテンションスコアの特定例を示す表である。 同実施形態による情報処理装置１の動作例を示すフローチャート図である。 同実施形態による情報処理装置１の動作例を示すフローチャート図である。 同実施形態による情報処理装置１の周囲にユーザが１名のみ存在する場合の、情報処理装置１の動作例を示すフローチャート図である。 同実施形態による情報処理装置１の周囲にユーザが１名のみ存在する場合の、情報処理装置１の動作例を示すフローチャート図である。 同実施形態による情報処理装置１の周囲に複数の家族ユーザが存在するシーンを示す説明図である。 同実施形態による情報処理装置１の周囲に複数の家族ユーザが存在するシーンを示す説明図である。 同実施形態による情報処理装置１の周囲に複数の家族ユーザが存在するシーンを示す説明図である。 図８〜１０に示すシーンにおける、同実施形態による情報処理装置１の動作例を示すフローチャート図である。 図８〜１０に示すシーンにおける、同実施形態による情報処理装置１の動作例を示すフローチャート図である。 図８〜１０に示すシーンにおける、同実施形態による情報処理装置１の動作例を示すフローチャート図である。 図８〜１０に示すシーンにおける、同実施形態による情報処理装置１の動作例を示すフローチャート図である。 同実施形態による情報処理装置１の周囲に家族ユーザとゲストユーザが存在するシーンを示す説明図である。 図１５に示すシーンにおける、同実施形態による情報処理装置１の動作例を示すフローチャート図である。 ハードウェア構成例を示す説明図である。

以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

なお、説明は以下の順序で行うものとする。
＜＜１．概要＞＞
＜＜２．構成例＞＞
＜＜３．動作＞＞
＜３−１．動作例１＞
＜３−２．動作例２＞
＜＜４．変形例＞＞
＜４−１．変形例１＞
＜４−２．変形例２＞
＜４−３．変形例３＞
＜＜５．ハードウェア構成例＞＞
＜＜６．むすび＞＞

＜＜１．概要＞＞

ユーザへのアクションを出力するロボット（情報処理装置の一例）が知られている。ロボットがユーザに対して行うアクションとしては、例えばユーザへの発話や、ユーザへの表示等が含まれる。またアクションは、例えばユーザの用件を聞く内容（「何か御用はありますか？」等）の発話または表示を含んでもよいし、挨拶やつぶやきのような、ユーザ応答を求めない発話または表示を含んでもよい。

上記のようなロボットはユーザの意思に沿ったアクションを出力することが望ましい。例えば、ユーザがロボットに対する用件を有しないにも関わらず、ユーザの用件を伺う発話が行われると、ユーザは不快に感じる恐れがある。

そこで、上記事情を一着眼点にして本実施形態を創作するに至った。本実施形態によれば、ユーザとの距離に基づいてアクションを決定することで、よりユーザの意思に沿ったアクションを出力することが可能である。以下、このような効果を有する本実施形態に係る情報処理装置の概要について、図１を参照して説明する。

図１は、本開示の一実施形態に係る情報処理装置の概要を説明するための説明図である。図１に示す情報処理装置１は、周囲のユーザを検出し、音声によるユーザへの発話や、ユーザへの表示等のアクションを出力する。また、情報処理装置１は、ユーザの発話（ユーザ応答の一例）に対して音声認識・意味解析を行い、音声または表示による応答を行うことが可能な音声ＵＩエージェント機能を有する。ユーザの発話と、情報処理装置１による応答による一連の対話を、以下ではタスクと呼ぶ場合がある。

情報処理装置１は、情報処理装置１から図１に示す距離Ｄ１までの範囲において、ユーザの音声を認識することが可能であり、また、ユーザ（人物）を識別することが可能である。距離Ｄ１は、例えば３００ｃｍであってもよい。また、情報処理装置１は、情報処理装置１から図１に示す距離Ｄ２までの範囲において、ユーザ（人物）を検出することが可能である。距離Ｄ２は、例えば５００ｃｍであってもよい。

情報処理装置１の外観は特に限定しないが、例えば図１に示すような円柱形状であってもよく、部屋の床やテーブルの上等に設置される。また、情報処理装置１には、ＬＥＤ（Light Emitting Diode）等の発光素子により形成された発光部１８が側面の水平方向中央領域を囲むよう帯状に設けられている。情報処理装置１は、発光部１８の全体を光らせたり、一部を光らせたりすることで、ユーザに対して情報処理装置１の状態を知らせることが可能である。例えば情報処理装置１は、ユーザと対話している際は発光部１８においてユーザの方向すなわち発話者方向を一部光らせることで、対話中のユーザに視線を向けているように見せることができる。また、情報処理装置１は、応答生成中やデータ検索中は発光部１８で光が側面上を回っているように制御することで、処理中であることをユーザに知らせることができる。また、情報処理装置１は、例えば図１に示すように壁８０に画像を投影して表示する機能を有し、音声によるアクションの出力（発話）の他、表示によるアクションの出力が可能である。

図１に示す情報処理装置１は例えば、情報処理装置１とユーザとの間の距離に基づいて、ユーザへのアクションを決定して、出力する。例えば、情報処理装置１は、情報処理装置１から第一の距離以下であるエリアＡ１に存在するユーザＵ１へ、ユーザＵ１の用件を聞くメッセージ６２（例えば、「何か御用はありますか？」等）を表示してもよい。また、情報処理装置１は、情報処理装置１から第一の距離より大きく、第二の距離以下であるエリアＡ２に存在するユーザＵ２へ、お勧め情報等の情報提示するためのメッセージ６４を表示してもよい。また、情報処理装置１は、情報処理装置１から第二の距離より大きく、第三の距離以下であるエリアＡ３に存在するユーザＵ３へ、挨拶等の応答を求めない発話を出力してもよい。

ここで、第三の距離は、ユーザの音声を認識することが可能な距離Ｄ１であってもよい。音声を認識することが不可能なエリアＡ４に存在するユーザにアクションを出力した場合、当該ユーザが応答しても情報処理装置１は音声を認識することが出来ない恐れがある。そこで、情報処理装置１は、音声を認識することが不可能なエリアＡ４に存在するユーザＵ４、Ｕ５へ、アクションを出力しなくてもよい。

なお、例えば、上記第一の距離は８０ｃｍであってもよく、第二の距離は２００ｃｍであってもよく、第三の距離は３００ｃｍであってもよい。

このように、本実施形態による情報処理装置１は、情報処理装置１とユーザとの距離に基づいて決定されるアクションを出力することが可能である。情報処理装置１とユーザとの距離は、ユーザの意思を示していると考えられ、例えば、より情報処理装置１に近いユーザは、情報処理装置１に対する用件があるかもしれない。したがって、係る構成によれば、よりユーザの意思に沿ったアクションを出力することが可能である。

以上、本開示の一実施形態による情報処理装置１の概要について説明した。なお、情報処理装置１の形状は図１に示す円柱形状に限定されず、例えば立方体、球体、多面体等であってもよい。続いて、本開示の第一の実施形態による情報処理装置１の構成例について順次説明する。

＜＜２．構成例＞＞
図２は、本実施形態による情報処理装置１の構成の一例を示すブロック図である。図２に示すように、情報処理装置１は、制御部１０、通信部１１、収音部１２、スピーカ１３、カメラ１４、測距センサ１５、投影部１６、記憶部１７、及び発光部１８を有する。

制御部１０は、情報処理装置１の各構成を制御する。また、本実施形態による制御部１０は、図２に示すように、ユーザ認識部１０１、発話予測部１０２、ユーザ管理部１０３、アクション決定部１０４、音声認識部１０５、意味解析部１０６、及び出力制御部１０７としても機能する。

ユーザ認識部１０１は、情報処理装置１の周囲に存在するユーザの検出と識別を行う。例えば、ユーザ認識部１０１は、カメラ１４により取得される画像、及び測距センサ１５により取得される距離に基づき、周知の顔検出技術、人物検出技術等を用いて、ユーザの検出を行う。また、ユーザ認識部１０１は、カメラ１４により取得される画像に基づき、周知の顔認識技術等を用いて、ユーザの識別を行う。例えば、ユーザ認識部１０１は、記憶部１７に記憶される既知のユーザの識別情報と、画像において検出されたユーザから抽出される情報とのマッチングにより、ユーザの識別を行ってもよい。

ユーザ認識部１０１は、ユーザが検出された場合、検出されたユーザの数、及びユーザの位置等の情報を発話予測部１０２に提供する。また、ユーザ認識部１０１は、ユーザが検出された場合、検出されたユーザの数、ユーザの識別により得られる識別情報をユーザ管理部１０３に提供する。

発話予測部１０２はユーザ認識部１０１により検出されたユーザに対して、ユーザの発話予測（例えば、ユーザに情報処理装置１との対話意思があることの予測）を行う。発話予測部１０２によるユーザの発話予測は、多様な方法で行われ得る。

例えば、発話予測部１０２は、ユーザによる明示的な対話意思を伝える行動に基づいて、ユーザの発話を予測してもよい。例えば、発話予測部１０２は、後述する収音部１２により収音されたユーザの音声から、所定の起動ワード（例えば、「Hello Agent」等）を検出した場合に、ユーザの発話を予測してもよい。また、発話予測部１０２は、ユーザが情報処理装置１に触れたことが不図示のタッチセンサや物理ボタンによって検出された場合に、ユーザの発話を予測してもよい。なお、発話予測部１０２は、ユーザ認識部１０１によりユーザが検出されていない場合であっても、ユーザが情報処理装置１に触れたことが検出された場合に、ユーザの発話を予測してもよい。また、発話予測部１０２は、後述するカメラ１４や測距センサ１５により得られたデータに基づいて、ユーザが手を振っていることを検出した場合に、ユーザの発話を予測してもよい。また、発話予測部１０２は、後述するカメラ１４や測距センサ１５により得られたデータ、または収音部１２により収音された音に基づいて、ユーザが手を叩いたことを検出した場合にユーザの発話を予測してもよい。また、発話予測部１０２は、ユーザが情報処理装置１の目の前まで近づいた場合（例えば情報処理装置１とユーザとの距離が所定値以下の場合）に、ユーザの発話を予測してもよい。

ところで、上記のような明示的な対話意思を伝える行動は、ユーザに負荷を与える恐れがある。例えば、所定の起動ワードの検出により発話が予測される場合、ユーザは本来の用件を発話する前に起動ワードを発話するため、発話負荷がかかる。また、ユーザが情報処理装置１に触れたことの検出により発話が予測される場合、ユーザは情報処理装置１に触れられる範囲に存在する必要があり、また、情報処理装置１に触れたり、操作することもユーザにとって負荷となり得る。

そこで、本実施形態に係る発話予測部１０２は、上記のような明示的にユーザが情報処理装置１に対話意思を伝える行動を行わない場合であってもユーザの発話を予測してもよい。以下に説明するような発話予測例によれば、上記のように明示的にユーザが情報処理装置１に対話意思を伝える行動を行う場合と比べて、ユーザの負荷が軽減される。

例えば、発話予測部１０２は、後述するカメラ１４や測距センサ１５により得られたデータに基づいて、ユーザの視線の方向、または顔の方向を推定してもよく、ユーザの視線、または顔が情報処理装置１に向いた（注視した）場合に、ユーザの発話を予測してもよい。また、発話予測部１０２は、ユーザの視線、または顔が情報処理装置１に所定時間以上向いた（注視した）場合に、ユーザの発話を予測してもよい。

また、発話予測部１０２は、測距センサ１５により得られたユーザとの距離が所定値以下である場合に、ユーザの発話を予測してもよい。

また、発話予測部１０２は、測距センサ１５により得られたデータに基づいて、ユーザの移動方向と速度を特定し、ユーザが所定値以上の速度で情報処理装置１に近づいた場合に、ユーザの発話を予測してもよい。

また、発話予測部１０２は、ユーザとの一連の対話であるタスク（例えば、予定の登録、情報の検索等）が終了しているか否かを判定し、タスクが終了していない（途中である）場合に、ユーザの発話を予測してもよい。

ユーザ管理部１０３は、ユーザ認識部１０１により検出されたユーザの識別情報に基づいて、ユーザに係る管理を行う。

例えば、ユーザ管理部１０３は、ユーザの識別情報と、記憶部１７に記憶されるユーザの識別情報に基づいて、ユーザの属性情報を管理してもよい。ユーザの属性は、例えば、情報処理装置１を有する家庭に属する家族ユーザ、家族ユーザではないが記憶部１７にユーザ情報が記憶された既知ユーザ、記憶部１７にユーザ情報が記憶されていないゲストユーザのいずれかであってもよい。

また、ユーザ管理部１０３は、ユーザ認識部１０１により、複数のユーザが検出された場合に、アクションの対象となるターゲットユーザを特定してもよい。ユーザ管理部１０３は、検出された複数のユーザのうち、一のユーザをターゲットユーザとして特定してもよいし、複数のユーザをターゲットユーザとして特定してもよい。

ユーザ管理部１０３は、例えば、ユーザの状態に基づいて、検出されたユーザごとに情報処理装置１との対話意思を示すアテンションスコアを特定し、特定されたアテンションスコアに基づいてターゲットユーザを特定してもよい。

図３は、ユーザ管理部１０３によるアテンションスコアの特定例を示す表である。図３に示すように、ユーザ管理部１０３は、ユーザの状態、ユーザとの距離、及び当該状態の継続時間（状態継続時間）に基づいて、アテンションスコアを特定してもよい。なお、図３において、is_watchingは、ユーザの視線、または顔が情報処理装置１に向いた（注視した）状態を表す。また、図３において、not_watchingは、ユーザの視線、または顔が情報処理装置１に向いていない（注視していない）状態を表す。

ユーザ管理部１０３は、図３に示す表に従って、検出されたユーザごとにアテンションスコアを特定し、アテンションスコアが最も高いユーザをターゲットユーザとして特定してもよい。また、ユーザ管理部１０３は、検出された全てのユーザのアテンションスコアが０以下である場合に、ターゲットユーザなし（アクションの対象者なし）と、特定してもよい。

なお、ユーザ管理部１０３によるターゲットユーザの特定は上記の例に限定されない。例えば、発話予測部１０２により、ユーザの発話が予測された場合に、当該ユーザをターゲットユーザとして特定してもよい。また、ユーザ管理部１０３は、ユーザの状態に基づいて、ユーザを複数の種別に分類し、分類されたユーザの種別に基づいて、ターゲットユーザを特定してもよい。係る例については、動作例２として後述する。

また、ユーザ管理部１０３はユーザごとにアクションの出力情報を管理する。例えば、ユーザ管理部１０３は、後述する出力制御部１０７の制御により、ユーザへアクションが出力された場合、当該ユーザに当該アクションが出力された時刻を含む当該アクションの出力情報を記憶部１７に記憶させる。さらに、ユーザ管理部１０３は、当該出力情報に基づいて、ターゲットユーザを特定してもよい。例えば、所定時間以内に同一のユーザにアクション決定部１０４により決定されたアクションが出力されていた場合、当該ユーザをターゲットユーザとして特定しないことで、同一のアクションが同一のユーザに頻繁に出力されることを防ぐことが可能である。

アクション決定部１０４は、ユーザとの距離に基づいて、ユーザへのアクションを決定する。例えば、アクション決定部１０４は、測距センサ１５により得られる情報処理装置１とユーザとの距離に基づいて、アクションを決定してもよい。

アクション決定部１０４により決定されるアクションは、例えば、ユーザの用件を伺う表示や発話のように、ユーザ応答を求めるアクションであってもよく、情報提示や挨拶、またはつぶやきのように、ユーザ応答を求めないアクションであってもよい。

なお、情報提示の内容は、例えば未読メール（未読メッセージ）、ソーシャルサービスの新着情報、いつも見ているＷＥＢサイトの更新情報等、個々のユーザに応じた情報でもよい。また、未読メール等のプライベートな情報は、ユーザが１名のみ検出された場合に表示されてもよい。また、今見れるテレビ番組等、その場にいる人に共有されてもよい情報は、ユーザが複数検出された場合に表示されてもよい。

アクション決定部１０４は、ユーザとの距離が第一の距離以下である場合（例えば図１を参照して説明したエリアＡ１にユーザが存在する場合）に、ユーザ応答を求めるアクションを、ユーザへのアクションとして決定してもよい。係る構成によれば、より情報処理装置１に近いユーザと、よりスムーズに対話を開始することが可能である。

また、アクション決定部１０４は、ユーザとの距離が第一の距離より大きい場合に、ユーザ応答を求めないアクションを、ユーザへのアクションとして決定してもよい。

また、アクション決定部１０４は、ユーザとの距離が第一の距離より大きく、第二の距離以下の場合（例えば図１を参照して説明したエリアＡ２にユーザが存在する場合）に、ユーザ応答を求めない表示を、ユーザへのアクションとして決定してもよい。また、アクション決定部１０４は、ユーザとの距離が第二の距離より大きく、第三の距離以下の場合（例えば図１を参照して説明したエリアＡ３にユーザが存在する場合）に、ユーザ応答を求めない発話を、ユーザへのアクションとして決定してもよい。例えば情報処理装置１の出力機能において、表示によるアクションよりも発話によるアクションの方が、より遠くにいるユーザに認識されやすい場合に、係る構成によれば、ユーザへのアクションがユーザに認識されやすくなる。

また、アクション決定部１０４は、発話予測部１０２によりユーザの発話が予測され、ユーザ管理部１０３により当該ユーザがターゲットユーザとして特定された場合、ユーザ応答を求めるアクションをユーザへのアクションとして決定してもよい。係る構成によれば、既に発話が予測されているユーザと、よりスムーズに対話を開始することが可能である。

なお、ユーザ認識部１０１により複数のユーザが検出された場合、アクション決定部１０４は、ターゲットユーザとの距離に基づいて、アクションを決定してもよい。また、ユーザ認識部１０１により複数のユーザが検出された場合、アクション決定部１０４は、ユーザ管理部１０３により分類されたユーザの種別に基づいてユーザへのアクションを決定してもよい。例えば、アクション決定部１０４は、所定の種別に分類されたユーザのうち、ユーザとの距離が最も小さいユーザとの距離に応じて、ユーザへのアクションを決定してもよい。

また、ユーザ管理部１０３が、図３を参照して説明したアテンションスコアに基づいてターゲットユーザを特定した場合、アクション決定部１０４は、アテンションスコアに基づいて、アクションを決定してもよい。例えば、アクション決定部１０４は、アテンションスコアが所定値以上のユーザがターゲットユーザである場合に、ユーザ応答を求めるアクションをユーザへのアクションとして決定してもよい。

また、アクション決定部１０４は、ユーザ管理部１０３により管理されるユーザの属性情報に基づいてアクションを決定してもよい。例えば、アクション決定部１０４は、検出されたユーザの中に所定の属性を有するユーザが存在する場合、ユーザ応答を求めないアクションを、ユーザへのアクションとして決定してもよい。所定の属性を有するユーザは、例えば情報処理装置１の操作権限を与えないことが望ましいユーザであってもよく、例えば既知ユーザやゲストユーザであってもよい。係る構成によれば、例えば家族ユーザ以外による情報処理装置１の操作を制限することが可能である。

アクション決定部１０４は、決定されたアクションに係るアクション情報を出力制御部１０７に提供する。また、アクション決定部１０４は、決定されたアクションが、ユーザ応答を求めるアクションである場合に、音声認識部１０５に、決定されたアクションが、ユーザ応答を求めるアクションであることを通知してもよい。

音声認識部１０５は、後述する収音部１２により収音されたユーザの音声を認識し、文字列への変換を行い、発話テキストを取得する。また、音声認識部１０５は、音声の特徴に基づいて声を出している人を識別したり、音声の発生源、すなわち発話者の方向を推定したりすることも可能である。

また、音声認識部１０５は、取得した発話テキストに所定の起動ワードが含まれている場合に、当該起動ワードが検出されたことを発話予測部１０２に通知してもよい。なお、音声認識部１０５は、起動ワードを、他の発話テキストと比較して雑音に対してより頑強に検出してもよい。

また、音声認識部１０５は、アクション決定部１０４により、ユーザ応答を求めるアクションがユーザへのアクションとして決定された場合に、上記起動ワード以外の音声認識を開始してもよい。係る構成によれば、音声認識部１０５は、当該アクションが出力された後に行われるユーザによる発話応答を、スムーズに認識することが可能となる。

意味解析部１０６は、音声認識部１０５により取得された発話テキストに対して自然言語処理等を用いて意味解析を行う。意味解析部１０６による意味解析の結果は、出力制御部１０７に提供される。

出力制御部１０７は、後述するスピーカ１３、投影部１６、発光部１８を制御して、アクション決定部１０４により決定されたユーザへのアクションを出力させる。例えば、出力制御部１０７は、スピーカ１３を制御して、音声の発話をアクションとして出力させてもよいし、投影部１６を制御して、メッセージや情報の表示をアクションとして出力させてもよい。

出力制御部１０７は、ユーザ管理部１０３により特定されたターゲットユーザにアクションを出力してもよい。また、出力制御部１０７は、ユーザへアクションを出力した場合、出力されたアクションの情報と、アクションが出力されたユーザの情報を、ユーザ管理部１０３に提供してもよい。

また、出力制御部１０７は、意味解析部１０６から提供される意味解析結果に応じて、ユーザの発話に対する応答や、ユーザが求める動作等のタスクに係る出力を制御する。例えば、ユーザの発話が「明日の天気」を求めるものである場合、ネットワーク上の天気予報サーバから、「明日の天気」に関する情報を取得し、スピーカ１３、投影部１６、または発光部１８を制御して、取得した情報を出力させる。係る例では、「明日の天気」に関する情報が出力された時点で、タスクが終了したとみなされてもよい。

通信部１１は、外部装置とデータの送受信を行う。例えば、通信部１１は、不図示の通信網を介して、不図示の所定サーバと接続し、出力制御部１０７による出力制御に必要な情報を受信する。

収音部１２は、周辺の音声を収音し、音声信号として制御部１０に出力する機能を有する。また、収音部１２は、例えば１または複数のマイクロフォンにより実現されてもよい。

スピーカ１３は、出力制御部１０７の制御に従って音声信号を音声に変換して出力する機能を有する。

カメラ１４は、情報処理装置１に設けられた撮像レンズにより周辺を撮像し、撮像画像を制御部１０に出力する機能を有する。また、カメラ１４は、例えば３６０度カメラまたは広角カメラ等により実現されてもよい。

測距センサ１５は、情報処理装置１とユーザやユーザの周辺に居る人物との距離を測定する機能を有する。測距センサ１５は、例えば光センサ（発光・受光タイミングの位相差情報に基づいて対象物までの距離を測定するセンサ）により実現される。

投影部１６は、表示装置の一例であって、壁やスクリーンに画像を（拡大して）投影することで表示する機能を有する。

記憶部１７は、情報処理装置１の各構成が機能するためのプログラムやパラメータを記憶する。例えば、記憶部１７は、ユーザの識別情報、ユーザの属性情報などのユーザに係る情報や、出力される発話内容、表示内容等のアクションに係る情報等を記憶してもよい。

発光部１８は、ＬＥＤ等の発光素子により実現され、全灯、一部点灯、点滅、または点灯位置の制御等が可能である。例えば発光部１８は、制御部１０の制御に従って音声認識部１０５により認識された発話者の方向を一部点灯することで、発話者の方向に視線を向けているように見せることができる。

以上、本実施形態による情報処理装置１の構成について具体的に説明した。なお、図２に示す情報処理装置１の構成は一例であって、本実施形態はこれに限定されない。例えば、情報処理装置１は、周辺環境に関する情報を取得するために、ＩＲ（infrared：赤外線）カメラ、深度カメラ、ステレオカメラ、または人感センサ等をさらに備えていてもよい。また、情報処理装置１は、ユーザインタフェースとして、タッチパネルディスプレイや物理ボタン等をさらに備えていてもよい。また、情報処理装置１に設けられる収音部１２、スピーカ１３、カメラ１４、及び発光部１８等の設置位置は特に限定されない。また、本実施形態による制御部１０の各機能は、通信部１１を介して接続される他の情報処理装置が有してもよい。

＜＜３．動作＞＞
続いて、本実施形態による情報処理装置１のいくつかの動作例について、図４〜１６を参照して説明する。

＜３−１．動作例１＞
まず、図４、５を参照し、ユーザ応答を求めるアクションが行われ、音声認識が開始される場合の動作例を動作例１として以下に説明する。

図４、５は、本実施形態による情報処理装置１の動作例を示すフローチャート図である。図４に示すように、まず、制御部１０は、情報処理装置１の周囲からユーザが検出されるまで、ユーザ検出処理を繰り返す（Ｓ１１０）。検出されたユーザが１名の場合（Ｓ１１０においてＹＥＳ、かつＳ１２０においてＹＥＳ）に、発話予測部１０２により、ユーザの発話が予測されると（Ｓ１３０においてＹＥＳ）、ユーザの応答を求めるアクションが特定され、出力されて、音声認識が開始される（Ｓ１４０）。なお、ユーザの発話の予測は、ユーザによる明示的な対話意思を伝える行動に基づく予測に限定されず、上述したように、ユーザの注視や、ユーザとの距離、ユーザの移動速度に基づく予測であってもよい。本動作例においては、ユーザの発話が予測されない場合（Ｓ１３０においてＮＯ）、処理はステップＳ１１０に戻ってもよい。

アクションが出力された後、ユーザの発話と、情報処理装置１による応答による一連の対話であるタスクが終了すると（Ｓ１５０においてＹＥＳ）、処理は終了する。また、タスクが終了しておらず、ユーザの発話が終了していない場合（Ｓ１５０においてＮＯかつＳ１６０においてＮＯ）は、タスクが終了するまで音声認識が継続される。一方、タスクが終了していないが、ユーザの発話が終了した場合（Ｓ１５０においてＮＯかつＳ１６０においてＹＥＳ）、処理は終了する。なお、ユーザの発話が終了したか否かは、例えば制御部１０により判定されてもよく、制御部１０は、無音期間が所定時間（例えば１５秒）継続した場合に、ユーザの発話が終了したと判定してもよい。

また、ユーザ認識部１０１により、複数のユーザが検出された場合（Ｓ１２０においてＮＯ）、ユーザ認識部１０１、ユーザ管理部１０３は、ユーザの識別を行う（図５に示すＳ２１０）。続いて、ユーザ管理部１０３が、図３を参照して説明したアテンションスコアをユーザごとに特定し（Ｓ２２０）、アテンションスコアが最も高いユーザをターゲットユーザとして特定する（Ｓ２３０）。なお、発話予測部１０２が、ユーザによる明示的な対話意思を伝える行動（起動ワードの発話等）に基づいて、ユーザの発話を予測した場合には、ステップＳ２３０において当該ユーザがターゲットユーザとして特定されてもよい。

続いて、アクション決定部１０４によりユーザの応答を求めるアクションが特定され、出力制御部１０７の制御により当該アクションが出力されて、音声認識が開始される（Ｓ２４０）。

アクションが出力された後、ユーザの発話と、情報処理装置１による応答による一連の対話であるタスクが終了すると（Ｓ２５０においてＹＥＳ）、処理は終了する。また、タスクが終了しておらず、ユーザの発話が終了していない場合（Ｓ２５０においてＮＯかつＳ２６０においてＮＯ）、音声認識が継続されたまま、処理はステップＳ２１０に戻る。一方、タスクが終了していないが、ユーザの発話が終了した場合（Ｓ２５０においてＮＯかつＳ２６０においてＹＥＳ）、処理は終了する。なお、ユーザの発話が終了したか否かは、上述したように制御部１０により判定されてもよい。

＜３−２．動作例２＞
上述した動作例１では、発話の予測に基づいて、ユーザの応答を求めるアクションが行われて、音声認識が開始される場合の動作例を説明した。続いて、以下に説明する動作例２では、ユーザとの距離に応じたアクションの特定の例について具体的に説明する。

まず、図６，７を参照して、情報処理装置１により検出されるユーザが１名の場合の動作例について説明した後、図８〜１６を参照して、情報処理装置１により検出されるユーザが複数の場合の動作例について説明する。

図６、７は、本実施形態による情報処理装置１の周囲にユーザが１名のみ存在する場合の、情報処理装置１の動作例を示すフローチャート図である。図６に示すように、まず、制御部１０がユーザを検出し、識別する（Ｓ３０２）。ユーザ管理部１０３により、当該ユーザが情報処理装置１を注視している状態（is_watching）が所定時間以上継続したと判定された場合（Ｓ３０４においてＹＥＳ）、処理はステップＳ３０６に進む。一方、当該ユーザが情報処理装置１を注視している状態（is_watching）が所定時間以上継続したと判定されない場合（Ｓ３０４においてＮＯ）、例えば処理は終了する。

ステップＳ３０６において、ユーザ管理部１０３により当該ユーザが家族ユーザであると判定された場合（Ｓ３０６においてＹＥＳ）、処理はステップＳ３０８に進む。一方、ユーザ管理部１０３により当該ユーザが家族ユーザではないと判定された場合、処理は図７のステップＳ３５０に進む。

アクション決定部１０４により、当該ユーザがエリアＡ１に存在すると判定された場合（Ｓ３０８においてＹＥＳ）、ステップＳ３１０において、ユーザ管理部１０３により、当該ユーザに所定時間の間用件を聞いていないか否かが判定される。当該ユーザに所定時間の間用件を聞いていない場合（Ｓ３１０においてＹＥＳ）、出力制御部１０７は、用件を聞くメッセージを表示させ、音声認識部１０５による音声認識が開始される（Ｓ３１２）。なお、ここで、また以降において、音声認識が開始されて以降の処理は図４を参照して説明したステップＳ１５０、Ｓ１６０の処理と同様であってもよく、説明は省略される。ステップＳ３１０において、当該ユーザに所定時間の間に用件を聞いていた場合（Ｓ３１０においてＮＯ）、処理は終了する。

アクション決定部１０４により、当該ユーザがエリアＡ２に存在すると判定された場合（Ｓ３０８においてＮＯかつＳ３１４においてＹＥＳ）、処理はステップＳ３１６に進む。ステップＳ３１６において、制御部１０が当該ユーザへのお勧め情報（情報提示可能な情報）の有無を判定する。お勧め情報がない場合（Ｓ３１６においてＮＯ）に処理は終了し、お勧め情報がある場合（Ｓ３１６においてＹＥＳ）、出力制御部１０７はお勧め情報を表示させる（Ｓ３１８）。

アクション決定部１０４により、当該ユーザがエリアＡ３に存在すると判定された場合（Ｓ３０８においてＮＯかつＳ３１４においてＮＯかつＳ３２０においてＹＥＳ）、処理はステップＳ３２２に進む。ステップＳ３２２において、ユーザ管理部１０３により、当該ユーザに所定時間の間挨拶していないか否かが判定される。当該ユーザに所定時間の間用件を聞いていない場合（Ｓ３２２においてＹＥＳ）、出力制御部１０７は、当該ユーザへの音声発話による挨拶を出力させる（Ｓ３２４）。ステップＳ３２２において、当該ユーザに所定時間の間に挨拶していた場合（Ｓ３２２においてＮＯ）、処理は終了する。

また、当該ユーザがエリアＡ１〜Ａ３のいずれにも存在しない場合（Ｓ３０８においてＮＯかつＳ３１４においてＮＯかつＳ３２０においてＮＯ）、処理は終了する。

ステップＳ３０６において、ユーザ管理部１０３により当該ユーザが家族ユーザではないと判定された場合（Ｓ３０６においてＮＯ）、処理は図７に示すステップＳ３５０に進む。

ユーザ管理部１０３により当該ユーザが既知ユーザであると判定され、アクション決定部１０４により、当該ユーザがエリアＡ１〜Ａ３のいずれかに存在すると判定された場合（Ｓ３５０においてＹＥＳかつＳ３５２においてＹＥＳ）、処理はステップＳ３５４に進む。ステップＳ３５４、Ｓ３５６の処理はステップＳ３２２、Ｓ３２４の処理と同様であるため説明を省略する。一方、当該ユーザがエリアＡ１〜Ａ３のいずれにも存在しないと判定された場合（Ｓ３５２においてＮＯ）、処理は終了する。

ユーザ管理部１０３により当該ユーザが既知ユーザであると判定され、アクション決定部１０４により、当該ユーザがエリアＡ１〜Ａ３のいずれかに存在すると判定された場合（Ｓ３５０においてＹＥＳかつＳ３５２においてＹＥＳ）、処理はステップＳ３５４に進む。ステップＳ３５４、Ｓ３５６の処理はステップＳ３２２、Ｓ３２４の処理と同様であるため説明を省略する。

ユーザ管理部１０３により当該ユーザが家族ユーザでも既知ユーザでもない（ゲストユーザである）と判定された場合（ステップＳ３５０においてＮＯ）、処理はステップＳ３５８に進む。ステップＳ３５８において、アクション決定部１０４により、当該ユーザがエリアＡ１またはＡ２に存在すると判定された場合（Ｓ３５８においてＹＥＳ）、出力制御部１０７の制御により、ユーザへ一方的につぶやく発話出力が行われ（Ｓ３６０）、処理は終了する。以下に情報処理装置１がつぶやく内容の例を示す。以下の例は、例えば一つずつ発話されてもよい。

「あれ？見慣れない人がいる・・・。」
「お客さんでしょうか・・・。」
「なんだか緊張します・・・。」
「うーん、誰かに似てる気が・・・。」
「すてきなお洋服ですね。」

一方、ステップＳ３５８において、アクション決定部１０４により、当該ユーザがエリアＡ１またはＡ２に存在しないと判定された場合（Ｓ３５８においてＮＯ）、処理は終了する。

以上、情報処理装置１により検出されるユーザが１名の場合の動作例について説明した。続いて、図８〜１６を参照して、情報処理装置１により検出されるユーザが複数の場合の動作例について説明する。なお、以下では、図８〜１４を参照して、情報処理装置１の周囲に家族ユーザのみが存在する場合の動作例について説明した後、図１５、１６を参照して、情報処理装置１の周囲にゲストユーザが存在する場合の動作例について説明する。

図８〜１０は、情報処理装置１の周囲に複数の家族ユーザが存在するシーンを示す説明図である。図８〜１０において、情報処理装置１の周囲に家族ユーザＸ、Ｙ、Ｚが存在する。また、家族ユーザＸ，Ｙは情報処理装置１を注視し、家族ユーザＺは、情報処理装置１を注視せず、例えばテレビ受像機８を注視している。以下の説明では、適宜図８〜１０を参照しする。

図１１〜１４は、図８〜１０に示すシーンのいずれかにおける、本実施形態による情報処理装置１の動作例を示すフローチャート図である。図１１に示すように、まず、ユーザ認識部１０１、ユーザ管理部１０３により、家族ユーザＸ、Ｙ、Ｚがそれぞれ識別される（Ｓ４０２）。続いて、ユーザ管理部１０３は、家族ユーザＸ、Ｙ、Ｚの種別を存在ユーザに分類する（Ｓ４０２）。

ここで、家族ユーザＸ、Ｙ、Ｚのうち、まず家族ユーザＸの状態がis_watchingとなり（Ｓ４０６）、続いて家族ユーザＹの状態がis_watchingとなり（Ｓ４０８）、家族ユーザＺの顔が非検出（not_watching）状態（Ｓ４１０）と判定されたとする。続いて、家族ユーザＸの状態がis_watchingのまま所定時間（例えば２秒間）継続したと判定された（Ｓ４１２）時点で、is_watching状態であった家族ユーザＸ，Ｙの種別が注視ユーザと分類される（Ｓ４１４）。なお、家族ユーザＺの顔が非検出（not_watching）状態のまま所定時間（例えば１分間）経過した場合、家族ユーザＺは存在ユーザから削除されてもよい。

続いて、注視ユーザにゲストユーザが含まれるか否か判定が行われるが、本動作例では家族ユーザＸ，Ｙのみが注視ユーザと分類されているため、注視ユーザにゲストユーザが含まれないと判定される（Ｓ４１６）。なお、注視ユーザにゲストユーザが含まれる例については、図１５、１６を参照して説明する。

図８に示すように、注視ユーザの誰かがエリアＡ１に存在する場合（Ｓ４１８においてＹＥＳ）、処理は図１２のステップＳ４２０に進む。所定時間以内に家族ユーザＸ、及び家族ユーザＹの双方に用件を聞いていない場合（Ｓ４２０においてＹＥＳかつＳ４２２においてＹＥＳ）、出力制御部１０７は、家族ユーザＸ、及び家族ユーザＹに用件を聞くメッセージを表示させ、音声認識部１０５による音声認識が開始される（Ｓ４２４）。また、所定時間以内に家族ユーザＸに用件を聞いていないが、家族ユーザＹに用件を聞いていた場合（Ｓ４２０においてＹＥＳかつＳ４２２においてＮＯ）、出力制御部１０７は、家族ユーザＸに用件を聞くメッセージを表示させ、音声認識部１０５による音声認識が開始される（Ｓ４２６）。また、所定時間以内に家族ユーザＸに用件を聞いていたが、家族ユーザＹに用件を聞いていない場合（Ｓ４２０においてＮＯかつＳ４２８においてＹＥＳ）、出力制御部１０７は、家族ユーザＹに用件を聞くメッセージを表示させ、音声認識部１０５による音声認識が開始される（Ｓ４３０）。また、所定時間以内に家族ユーザＸ、及び家族ユーザＹの双方に用件を聞いていた場合（Ｓ４２０においてＮＯかつＳ４２８においてＮＯ）、処理は終了する。

また、図９に示すように、エリアＡ１に注視ユーザが存在しない場合（Ｓ４１８においてＮＯ）、処理は図１３のステップＳ４４０に進む。ステップＳ４４０において、注視ユーザの誰かがエリアＡ２に存在する場合（Ｓ４４０においてＹＥＳ）、処理はステップＳ４４２に進む。ステップＳ４２２、Ｓ４４４の処理は、図６のステップＳ３１６、Ｓ３１８の処理と同様であるため、説明を省略する。

また、図１０に示すように、エリアＡ１、及びＡ２に注視ユーザが存在しない場合（Ｓ４４０においてＮＯ）、処理は図１４のステップＳ４６０に進む。ステップＳ４６０において、エリアＡ３に注視ユーザが存在しない場合（Ｓ４６０においてＮＯ）処理は終了し、注視ユーザの誰かがエリアＡ３に存在する場合（Ｓ４６０においてＹＥＳ）、処理はステップＳ４６２に進む。

所定時間以内に家族ユーザＸ、及び家族ユーザＹの双方に挨拶していない場合（Ｓ４６２においてＹＥＳかつＳ４６４においてＹＥＳ）、出力制御部１０７は、家族ユーザＸ、及び家族ユーザＹへの音声発話による挨拶を出力させる（Ｓ４６６）。また、所定時間以内に家族ユーザＸに挨拶していないが、家族ユーザＹに挨拶していた場合（Ｓ４６２においてＹＥＳかつＳ４６４においてＮＯ）、出力制御部１０７は、家族ユーザＸへの音声発話による挨拶を出力させる（Ｓ４６８）。また、所定時間以内に家族ユーザＸに挨拶していたが、家族ユーザＹに挨拶していない場合（Ｓ４６２においてＮＯかつＳ４７０においてＹＥＳ）、出力制御部１０７は、家族ユーザＹへの音声発話による挨拶を出力させる（Ｓ４７２）。また、所定時間以内に家族ユーザＸ、及び家族ユーザＹの双方に用件を聞いていた場合（Ｓ４６２においてＮＯかつＳ４７０においてＮＯ）、処理は終了する。

以上、情報処理装置１の周囲に複数の家族ユーザのみが存在する場合の動作例について説明した。続いて、図１５、１６を参照して、情報処理装置１の周囲にゲストユーザが存在する場合の動作例について説明する。

図１５は、情報処理装置１の周囲に家族ユーザとゲストユーザが存在するシーンを示す説明図である。図１５において、情報処理装置１の周囲に家族ユーザＸ、及びゲストユーザＰ、Ｑが存在する。また、家族ユーザＸ、及びゲストユーザＰ、Ｑは情報処理装置１を注視している。以下の説明では、適宜図１５を参照する。

図１６は、図１５に示すシーンにおける、本実施形態による情報処理装置１の動作例を示すフローチャート図である。図１６に示すように、まず、ゲストユーザＰ，Ｑが認識される（Ｓ５０２）。例えば、ユーザ認識部１０１により、ユーザＰ，Ｑが検出され、ユーザ管理部１０３により、ユーザＰ，Ｑの属性がゲストユーザであると特定される。また、ユーザ認識部１０１、ユーザ管理部１０３により、家族ユーザＸがそれぞれ識別される（Ｓ５０４）。続いて、ユーザ管理部１０３は、ゲストユーザＰ，Ｑ、及び家族ユーザＸの種別を存在ユーザに分類する（Ｓ５０６）。

ここで、ゲストユーザＰ、Ｑ、及び家族ユーザＸの順に状態がis_watchingとなる（Ｓ５０８〜Ｓ５１２）。さらに、ゲストユーザＰの状態がis_watchingのまま所定時間（例えば２秒間）継続したと判定された（Ｓ５１４）時点で、is_watching状態であったゲストユーザＰ，Ｑ、及び家族ユーザＸの種別が注視ユーザと分類される（Ｓ５１６）。

続いて、注視ユーザにゲストユーザが含まれるか否か判定が行われるが、本動作例ではゲストユーザＰ、Ｑが注視ユーザと分類されているため、注視ユーザにゲストユーザが含まれると判定される（Ｓ５１８）。

例えば、図１５に示すように、注視ユーザの誰かがエリアＡ１、またはエリアＡ２に存在する場合（Ｓ５２０においてＹＥＳ）、処理はステップＳ５２２に進む。なお、ステップＳ５２２の処理は、ステップＳ３６０の処理と同様であるため、説明を省略する。一方、エリアＡ１、エリアＡ２のいずれにも、注視ユーザが存在しない場合（Ｓ５２０においてＮＯ）、処理は終了する。

以上、情報処理装置１の周囲に家族ユーザとゲストユーザが存在する場合の動作例について説明した。上述したように、情報処理装置１の周囲にゲストユーザが存在する場合、ユーザ応答を求めないアクション（つぶやきの発話）を、ユーザへのアクションとして決定することで、家族ユーザ以外による情報処理装置１の操作を制限することが可能である。

＜＜４．変形例＞＞
以上、本開示の一実施形態を説明した。以下では、本開示の一実施形態の幾つかの変形例を説明する。なお、以下に説明する各変形例は、単独で本開示の実施形態に適用されてもよいし、組み合わせで本開示の実施形態に適用されてもよい。また、各変形例は、本開示の実施形態で説明した構成に代えて適用されてもよいし、本開示の実施形態で説明した構成に対して追加的に適用されてもよい。

＜４−１．変形例１＞
上記では、アクション決定部１０４が、ユーザとの距離に基づいて、当該ユーザへのアクションを決定する例を説明したが、本開示は係る例に限定されない。以下に、他のアクション決定例を説明する。

例えば、ユーザの注視時間に基づいて、ユーザへのアクションが決定されてもよい。例えば、注視時間が第一の期間（例えば１秒）以内であれば挨拶、第一の期間より大きく第二の期間（例えば３秒）以内であれば用件を聞く、第二の期間より大きく第三の期間（例えば５秒）以内であれば使い方を説明する、といったアクションが決定されてもよい。

また、ユーザが本体に近づく速度に基づいて、ユーザへのアクションが決定されてもよい。例えば、ユーザが本体に近づく速度が、第一の速度（例えば２ｋｍ／ｈ）以内であれば挨拶、第一の速度より大きく第二の速度（例えば３ｋｍ／ｈ）以内であれば用件を聞く、といったアクションが決定されてもよい。また、ユーザが本体に近づく速度が第二の速度より大きく第三の速度以内であれば、アクションが出力されずに、即座に音声認識が開始されてもよい。

＜４−２．変形例２＞
また、上記実施形態では、ユーザ応答を求めるアクションの例として、ユーザの用件を伺う表示や発話を説明したが、本開示は係る例に限定されない。例えば、情報処理装置１は、ユーザの情報に基づいて、ユーザの用件を推測して、推測された用件の確認に係る表示や発話を出力してもよい。例えば、毎日所定の時刻に翌日のスケジュールを確認するユーザに対して、情報処理装置１は、当該ユーザの用件が翌日のスケジュール確認であると推定して、翌日のスケジュールを表示しつつ、用件が正しいか確認するメッセージを表示してもよい。係る構成によれば、よりスムーズなユーザとの対話が実現される。

＜４−３．変形例３＞
また、上記実施形態では、ターゲットユーザにのみアクションが出力される例を説明したが、本開示は係る例に限定されない。例えば、情報処理装置１は、ターゲットユーザではないユーザに対して、「前のユーザとの対話が終わるまで少し待っていて」といった発話を出力してもよい。また、情報処理装置１は、ターゲットユーザではないユーザに対して、まだ対話を開始していないが、対話意思があることに気付いていることを示す出力（例えば発光部１８が当該ユーザの方向を光らせる等）を行ってもよい。

＜＜５．ハードウェア構成例＞＞
以上、本開示の実施形態を説明した。上述したユーザ認識処理、発話予測処理、ユーザ管理処理、アクション決定処理、音声認識処理、意味解析処理、出力制御処理等の情報処理は、ソフトウェアと、情報処理装置１との協働により実現される。以下では、本実施形態に係る情報処理装置である情報処理装置１のハードウェア構成例として、情報処理装置１０００のハードウェア構成例について説明する。

図１７は、情報処理装置１０００のハードウェア構成の一例を示す説明図である。図１１に示したように、情報処理装置１０００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１００１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１００２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１００３と、入力装置１００４と、出力装置１００５と、ストレージ装置１００６と、撮像装置１００７と、通信装置１００８とを備える。

ＣＰＵ１００１は、演算処理装置及び制御装置として機能し、各種プログラムに従って情報処理装置１０００内の動作全般を制御する。また、ＣＰＵ１００１は、マイクロプロセッサであってもよい。ＲＯＭ１００２は、ＣＰＵ１００１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ１００３は、ＣＰＵ１００１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバスにより相互に接続されている。主に、ＣＰＵ１００１、ＲＯＭ１００２及びＲＡＭ１００３とソフトウェアとの協働により、制御部１０の機能が実現される。

入力装置１００４は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチ及びレバー等ユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ１００１に出力する入力制御回路等から構成されている。情報処理装置１０００のユーザは、該入力装置１００４を操作することにより、情報処理装置１０００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置１００５は、例えば、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ装置、シースルーディスプレイ、及びランプ等の表示装置を含む。さらに、出力装置１００５は、スピーカ及びヘッドホン等の音声出力装置を含む。例えば、表示装置は、撮像された画像や生成された画像等を表示する。一方、音声出力装置は、音声データ等を音声に変換して出力する。出力装置１００５は、例えば図２を参照して説明したスピーカ１３、投影部１６、発光部１８に対応する。

ストレージ装置１００６は、データ格納用の装置である。ストレージ装置１００６は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置及び記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置１００６は、ＣＰＵ１００１が実行するプログラムや各種データを格納する。ストレージ装置１００６は、図２を参照して説明した記憶部１７に対応する。

撮像装置１００７は、光を集光する撮影レンズ及びズームレンズ等の撮像光学系、及びＣＣＤ（Ｃｈａｒｇｅ Ｃｏｕｐｌｅｄ Ｄｅｖｉｃｅ）またはＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ Ｍｅｔａｌ Ｏｘｉｄｅ Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）等の信号変換素子を備える。撮像光学系は、被写体から発せられる光を集光して信号変換部に被写体像を形成し、信号変換素子は、形成された被写体像を電気的な画像信号に変換する。撮像装置１００７は、図２を参照して説明したカメラ１４に対応する。

通信装置１００８は、例えば、通信網に接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置１００８は、無線ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）対応通信装置、ＬＴＥ（Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）対応通信装置、有線による通信を行うワイヤー通信装置、またはブルートゥース通信装置を含んでもよい。通信装置１００８は、例えば図２を参照して説明した通信部１１に対応する。

＜＜６．むすび＞＞
以上、説明したように、本開示の実施形態によれば、ユーザとの距離に基づいてアクションを決定することで、よりユーザの意思に沿ったアクションを出力することが可能である。

以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。

例えば、上記実施形態における各ステップは、必ずしもフローチャート図として記載された順序に沿って時系列に処理する必要はない。例えば、上記実施形態の処理における各ステップは、フローチャート図として記載した順序と異なる順序で処理されても、並列的に処理されてもよい。

また、上記実施形態では、ユーザとの距離が、情報処理装置とユーザとの距離である例を説明したが、本開示は係る例に限定されない。例えば、情報処理装置がスピーカや表示部を有する他の端末の出力を制御する場合、ユーザとの距離は、当該他の端末と、ユーザとの距離であってもよい。

また、上記実施形態によれば、ＣＰＵ１００１、ＲＯＭ１００２、及びＲＡＭ１００３などのハードウェアを、上述した情報処理装置１の各構成と同様の機能を発揮させるためのコンピュータプログラムも提供可能である。また、該コンピュータプログラムが記録された記録媒体も提供される。

また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。

なお、以下のような構成も本開示の技術的範囲に属する。
（１）
ユーザとの距離に基づいて、前記ユーザへのアクションを決定するアクション決定部と、
前記アクションを出力させる出力制御部と、
を備える情報処理装置。
（２）
前記ユーザとの距離は、前記情報処理装置と前記ユーザとの間の距離である、前記（１）に記載の情報処理装置。
（３）
前記アクションの対象となるターゲットユーザを特定するユーザ管理部をさらに備える、前記（１）または（２）に記載の情報処理装置。
（４）
前記ユーザ管理部は前記ユーザの状態に基づいて、前記ターゲットユーザを特定する、前記（３）に記載の情報処理装置。
（５）
前記ユーザ管理部は前記ユーザとの距離、または前記ユーザの状態の継続時間にさらに基づいて、前記ターゲットユーザを特定する、前記（４）に記載の情報処理装置。
（６）
前記ユーザ管理部は、前記ユーザの状態に基づいてユーザを複数の種別に分類し、
前記アクション決定部は、分類されたユーザの種別にさらに基づいて、前記ユーザへのアクションを決定する、前記（３）〜（５）のいずれかに記載の情報処理装置。
（７）
前記アクション決定部は、所定の種別に分類されたユーザのうち、前記ユーザとの距離が最も小さいユーザとの距離に応じて、アクションを決定する、前記（６）に記載の情報処理装置。
（８）
前記ユーザ管理部は、前記所定の種別に分類されたユーザに基づいて前記ターゲットユーザを特定する、前記（７）に記載の情報処理装置。
（９）
前記ユーザ管理部は、ユーザの発話が予測された場合に、発話が予測された当該ユーザを前記ターゲットユーザとして特定する、前記（３）〜（８）のいずれか一項に記載の情報処理装置。
（１０）
前記アクション決定部は、前記ユーザの発話が予測された場合、前記ユーザの応答を求めるアクションを、前記ユーザへのアクションとして決定する、前記（９）に記載の情報処理装置。
（１１）
前記アクション決定部は、さらにユーザの属性情報に基づいて前記アクションを決定する、前記（１）〜（１０）のいずれか一項に記載の情報処理装置。
（１２）
前記アクション決定部は、所定の属性を有するユーザが存在する場合、前記ユーザの応答を求めないアクションを、前記ユーザへのアクションとして決定する、前記（１１）に記載の情報処理装置。
（１３）
前記アクション決定部により決定された前記アクションに応じて、音声認識を開始する音声認識部をさらに備える、前記（１）〜（１２）のいずれか一項に記載の情報処理装置。
（１４）
前記アクション決定部は、前記ユーザとの距離が、第一の距離以下の場合に、前記ユーザの応答を求めるアクションを、前記ユーザへのアクションとして決定する、前記（１）〜（１３）のいずれか一項に記載の情報処理装置。
（１５）
前記アクション決定部は、前記ユーザとの距離が、前記第一の距離より大きい場合に、前記ユーザの応答を求めないアクションを、前記ユーザへのアクションとして決定する、前記（１４）に記載の情報処理装置。
（１６）
前記アクション決定部は、前記ユーザとの距離が、第二の距離以下の場合に、前記ユーザの応答を求めない表示を、前記ユーザへのアクションとして決定する、前記（１５）に記載の情報処理装置。
（１７）
前記アクション決定部は、前記ユーザとの距離が、前記第二の距離より大きく、第三の距離以下の場合に、前記ユーザの応答を求めない発話を、前記ユーザへのアクションとして決定する、前記（１６）に記載の情報処理装置。
（１８）
ユーザとの距離に基づいて、前記ユーザへのアクションを決定することと、
前記アクションを出力させることと、
を含む情報処理方法。
（１９）
コンピュータに、
ユーザとの距離に基づいて、前記ユーザへのアクションを決定する機能と、
前記アクションを出力させる機能と、
を実現させるための、プログラム。

１ 情報処理装置
１０ 制御部
１１ 通信部
１２ 収音部
１３ スピーカ
１４ カメラ
１５ 測距センサ
１６ 投影部
１７ 記憶部
１８ 発光部
１０１ ユーザ認識部
１０２ 発話予測部
１０３ ユーザ管理部
１０４ アクション決定部
１０５ 音声認識部
１０６ 意味解析部
１０７ 出力制御部

Claims (19)

1. ユーザとの距離に基づいて、前記ユーザへのアクションを決定するアクション決定部と、
   前記アクションを出力させる出力制御部と、
   を備える情報処理装置。
2. 前記ユーザとの距離は、前記情報処理装置と前記ユーザとの間の距離である、請求項１に記載の情報処理装置。
3. 前記アクションの対象となるターゲットユーザを特定するユーザ管理部をさらに備える、請求項１に記載の情報処理装置。
4. 前記ユーザ管理部は前記ユーザの状態に基づいて、前記ターゲットユーザを特定する、請求項３に記載の情報処理装置。
5. 前記ユーザ管理部は前記ユーザとの距離、または前記ユーザの状態の継続時間にさらに基づいて、前記ターゲットユーザを特定する、請求項４に記載の情報処理装置。
6. 前記ユーザ管理部は、前記ユーザの状態に基づいてユーザを複数の種別に分類し、
   前記アクション決定部は、分類されたユーザの種別にさらに基づいて、前記ユーザへのアクションを決定する、請求項３に記載の情報処理装置。
7. 前記アクション決定部は、所定の種別に分類されたユーザのうち、前記ユーザとの距離が最も小さいユーザとの距離に応じて、アクションを決定する、請求項６に記載の情報処理装置。
8. 前記ユーザ管理部は、前記所定の種別に分類されたユーザに基づいて前記ターゲットユーザを特定する、請求項７に記載の情報処理装置。
9. 前記ユーザ管理部は、ユーザの発話が予測された場合に、発話が予測された当該ユーザを前記ターゲットユーザとして特定する、請求項３に記載の情報処理装置。
10. 前記アクション決定部は、前記ユーザの発話が予測された場合、前記ユーザの応答を求めるアクションを、前記ユーザへのアクションとして決定する、請求項９に記載の情報処理装置。
11. 前記アクション決定部は、さらにユーザの属性情報に基づいて前記アクションを決定する、請求項１に記載の情報処理装置。
12. 前記アクション決定部は、所定の属性を有するユーザが存在する場合、前記ユーザの応答を求めないアクションを、前記ユーザへのアクションとして決定する、請求項１１に記載の情報処理装置。
13. 前記アクション決定部により決定された前記アクションに応じて、音声認識を開始する音声認識部をさらに備える、請求項１に記載の情報処理装置。
14. 前記アクション決定部は、前記ユーザとの距離が、第一の距離以下の場合に、前記ユーザの応答を求めるアクションを、前記ユーザへのアクションとして決定する、請求項１に記載の情報処理装置。
15. 前記アクション決定部は、前記ユーザとの距離が、前記第一の距離より大きい場合に、前記ユーザの応答を求めないアクションを、前記ユーザへのアクションとして決定する、請求項１４に記載の情報処理装置。
16. 前記アクション決定部は、前記ユーザとの距離が、第二の距離以下の場合に、前記ユーザの応答を求めない表示を、前記ユーザへのアクションとして決定する、請求項１５に記載の情報処理装置。
17. 前記アクション決定部は、前記ユーザとの距離が、前記第二の距離より大きく、第三の距離以下の場合に、前記ユーザの応答を求めない発話を、前記ユーザへのアクションとして決定する、請求項１６に記載の情報処理装置。
18. ユーザとの距離に基づいて、前記ユーザへのアクションを決定することと、
    前記アクションを出力させることと、
    を含む情報処理方法。
19. コンピュータに、
    ユーザとの距離に基づいて、前記ユーザへのアクションを決定する機能と、
    前記アクションを出力させる機能と、
    を実現させるための、プログラム。

Images