JP2020131805A - エージェント装置、エージェント装置の制御方法、およびプログラム - Google Patents

Abstract

【課題】操作性を高めることができるエージェント装置、エージェント装置の制御方法、およびプログラムを提供すること。【解決手段】車両の乗員の発話に応じて、音声による応答を含むサービスを提供する複数のエージェント機能部（１５０−１〜１５０−３）と、前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる管理部（１１０）と、を備えるエージェント装置（１００）。【選択図】図２

Description

本発明は、エージェント装置、エージェント装置の制御方法、およびプログラムに関する。

従来、車両の乗員と対話を行いながら、乗員の要求に応じた運転支援に関する情報や車両の制御、その他のアプリケーション等を提供するエージェント機能に関する技術が開示されている（例えば、特許文献１参照）。

特開２００６−３３５２３１号公報

近年では、複数のエージェント機能を車両に搭載することについて実用化が進められているが、その場合のエージェント機能の停止の方法について十分に検討されていなかった。このため、従来の技術では、特にエージェント機能ごとに停止の方法が異なる場合、煩雑な操作を乗員に要求する場合があった。

本発明は、このような事情を考慮してなされたものであり、操作性を高めることができるエージェント装置、エージェント装置の制御方法、およびプログラムを提供することを目的の一つとする。

この発明に係るエージェント装置、エージェント装置の制御方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係るエージェント装置は、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する複数のエージェント機能部と、前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる管理部と、を備えるものである。

（２）：上記（１）の態様において、前記複数のエージェント機能部のそれぞれには、個別の終了方法が設定されており、前記管理部は、前記車両の乗員により前記所定の操作が行われた場合、前記個別の終了方法を疑似的に実行することで、前記起動中のエージェント機能部を停止させるものである。

（３）：上記（１）または（２）の態様において、前記管理部は、前記複数のエージェント機能部のいずれもが起動していない場合において、前記車両の乗員により前記所定の操作が行われた場合、前記複数のエージェント機能部のうち一部または全部が前記乗員の発話を受け付ける状態にするものである。

（４）：上記（１）〜（３）の態様において、前記所定の操作は、車室内における物理的な操作部を操作するものである。

（５）：上記（４）の態様において、前記操作部は、前記車両のステアリングホイールに設けられるものである。

（６）：上記（１）〜（５）の態様において、前記車両には、前記起動中のエージェント機能部に関連した画像を表示する表示部が設けられるものである。

（７）：本発明の他の態様に係るエージェント装置は、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する複数のエージェント機能部を備え、前記複数のエージェント機能部のそれぞれは、自身が起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、動作を停止するものである。

（８）：本発明の他の態様に係るエージェント装置の制御方法は、コンピュータが、複数のエージェント機能部のうちいずれかを起動させ、前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、音声による応答を含むサービスを提供し、前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させるものである。

（９）：本発明の他の態様に係るプログラムは、コンピュータに、複数のエージェント機能部のうちいずれかを起動させる処理と、前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する処理と、前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる処理と、を実行させるものである。

（１）〜（９）によれば、操作性を高めることができる。

エージェント装置１００を含むエージェントシステム１の構成を示す図である。 実施形態に係るエージェント装置１００の構成と、車両Ｍに搭載された機器とを示す図である。 表示・操作装置２０の配置例を示す図である。 エージェントごとに設定されたスリープワードの一例を示す図である。 エージェント画像の一例を説明するための図である。 エージェントサーバ２００の構成と、エージェント装置１００の構成の一部とを示す図である。 実施形態に係るエージェント装置１００の一連の処理の流れを説明するためのフローチャートである。 実施形態に係るエージェント装置１００の動作を説明するための図である。

以下、図面を参照し、本発明のエージェント装置、エージェント装置の制御方法、およびプログラムの実施形態について説明する。エージェント装置は、エージェントシステムの一部または全部を実現する装置である。以下では、エージェント装置の一例として、車両（以下、車両Ｍ）に搭載され、複数種類のエージェント機能を備えたエージェント装置について説明する。エージェント機能とは、例えば、車両Ｍの乗員と対話をしながら、乗員の発話の中に含まれる要求（コマンド）に基づく各種の情報提供を行ったり、ネットワークサービスを仲介したりする機能である。複数種類のエージェントはそれぞれに果たす機能、処理手順、制御、出力態様・内容がそれぞれ異なってもよい。また、エージェント機能の中には、車両内の機器（例えば運転制御や車体制御に関わる機器）の制御等を行う機能を有するものがあってよい。

エージェント機能は、例えば、乗員の音声を認識する音声認識機能（音声をテキスト化する機能）に加え、自然言語処理機能（テキストの構造や意味を理解する機能）、対話管理機能、ネットワークを介して他装置を検索し、或いは自装置が保有する所定のデータベースを検索するネットワーク検索機能等を統合的に利用して実現される。これらの機能の一部または全部は、ＡＩ（Artificial Intelligence）技術によって実現されてよい。また、これらの機能を行うための構成の一部（特に、音声認識機能や自然言語処理解釈機能）は、車両Ｍの車載通信装置または車両Ｍに持ち込まれた汎用通信装置と通信可能なエージェントサーバ（外部装置）に搭載されてもよい。以下の説明では、構成の一部がエージェントサーバに搭載されており、エージェント装置とエージェントサーバが協働してエージェントシステムを実現することを前提とする。また、エージェント装置とエージェントサーバが協働して仮想的に出現させるサービス提供主体（サービス・エンティティ）をエージェントと称する。また、このエージェントサービスの提供主体は、１つ以上のエージェントの提供主体であってもよいし、エージェントごとに異なる提供主体であってもよい。

＜全体構成＞
図１は、エージェント装置１００を含むエージェントシステム１の構成図である。エージェントシステム１は、例えば、エージェント装置１００と、複数のエージェントサーバ２００−１、２００−２、２００−３、…とを備える。符号の末尾のハイフン以下数字は、エージェントを区別するための識別子であるものとする。いずれのエージェントサーバであるかを区別しない場合、単にエージェントサーバ２００と称する場合がある。図１では３つのエージェントサーバ２００を示しているが、エージェントサーバ２００の数は２つであってもよいし、４つ以上であってもよい。それぞれのエージェントサーバ２００は、互いに異なるエージェントシステムの提供者が運営するものである。従って、本発明におけるエージェントは、互いに異なる提供者により実現されるエージェントである。提供者としては、例えば、自動車メーカー、ネットワークサービス事業者、電子商取引事業者、携帯端末の販売者や製造者などが挙げられ、任意の主体（法人、団体、個人等）がエージェントシステムの提供者となり得る。

エージェント装置１００は、ネットワークＮＷを介してエージェントサーバ２００と通信する。ネットワークＮＷは、例えば、インターネット、セルラー網、Ｗｉ−Ｆｉ網、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、公衆回線、電話回線、無線基地局などのうち一部または全部を含む。ネットワークＮＷには、各種ウェブサーバ３００が接続されており、エージェントサーバ２００またはエージェント装置１００は、ネットワークＮＷを介して各種ウェブサーバ３００からウェブページを取得することができる。

エージェント装置１００は、車両Ｍの乗員と対話を行い、乗員からの音声をエージェントサーバ２００に送信し、エージェントサーバ２００から得られた回答を、音声出力や画像表示の形で乗員に提示する。

［車両］
図２は、実施形態に係るエージェント装置１００の構成と、車両Ｍに搭載された機器とを示す図である。車両Ｍには、例えば、一以上のマイク１０と、表示・操作装置２０と、スピーカユニット４０と、ナビゲーション装置５０と、車両機器６０と、車載通信装置７０と、エージェント装置１００とが搭載される。また、スマートフォンなどの汎用通信装置８０が車室内に持ち込まれ、通信装置として使用される場合がある。これらの装置は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図２に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

マイク１０は、車室内で発せられた音声を収集する収音部である。表示・操作装置２０は、画像を表示すると共に、入力操作を受付可能な装置（或いは装置群）である。表示・操作装置２０は、例えば、タッチパネルとして構成されたディスプレイ装置を含む。表示・操作装置２０は、更に、ＨＵＤ（Head Up Display）や機械式の入力装置を含んでもよい。スピーカユニット４０は、例えば、車室内の互いに異なる位置に配設された複数のスピーカ（音出力部）を含む。表示・操作装置２０は、エージェント装置１００とナビゲーション装置５０とで共用されてもよい。これらの詳細については後述する。

ナビゲーション装置５０は、ナビＨＭＩ（Human machine Interface）と、ＧＰＳ（Global Positioning System）などの位置測位装置と、地図情報を記憶した記憶装置と、経路探索などを行う制御装置（ナビゲーションコントローラ）とを備える。マイク１０、表示・操作装置２０、およびスピーカユニット４０のうち一部または全部がナビＨＭＩとして用いられてもよい。ナビゲーション装置５０は、位置測位装置によって特定された車両Ｍの位置から、乗員によって入力された目的地まで移動するための経路（ナビ経路）を探索し、経路に沿って車両Ｍが走行できるように、ナビＨＭＩを用いて案内情報を出力する。経路探索機能は、ネットワークＮＷを介してアクセス可能なナビゲーションサーバにあってもよい。この場合、ナビゲーション装置５０は、ナビゲーションサーバから経路を取得して案内情報を出力する。なお、エージェント装置１００は、ナビゲーションコントローラを基盤として構築されてもよく、その場合、ナビゲーションコントローラとエージェント装置１００は、ハードウェア上は一体に構成される。

車両機器６０は、例えば、エンジンや走行用モータなどの駆動力出力装置、エンジンの始動モータ、ドアロック装置、ドア開閉装置、窓、窓の開閉装置及び窓の開閉制御装置、シート、シート位置の制御装置、ルームミラー及びその角度位置制御装置、車両内外の照明装置及びその制御装置、ワイパーやデフォッガー及びそれぞれの制御装置、方向指示灯及びその制御装置、空調装置、走行距離やタイヤの空気圧の情報や燃料の残量情報などの車両情報装置などを含む。

車載通信装置７０は、例えば、セルラー網やＷｉ−Ｆｉ網を利用してネットワークＮＷにアクセス可能な無線通信装置である。

図３は、表示・操作装置２０の配置例を示す図である。表示・操作装置２０は、例えば、第１ディスプレイ２２と、第２ディスプレイ２４と、操作スイッチＡＳＳＹ２６と、ステアリングスイッチ２８を含む。表示・操作装置２０は、更に、ＨＵＤ３０を含んでもよい。

車両Ｍには、例えば、ステアリングホイールＳＷが設けられた運転席ＤＳと、運転席ＤＳに対して車幅方向（図中Ｙ方向）に設けられた助手席ＡＳとが存在する。第１ディスプレイ２２は、インストルメントパネルにおける運転席ＤＳと助手席ＡＳとの中間辺りから、助手席ＡＳの左端部に対向する位置まで延在する横長形状のディスプレイ装置である。第２ディスプレイ２４は、運転席ＤＳと助手席ＡＳとの車幅方向に関する中間あたり、且つ第１ディスプレイ２２の下方に設置されている。例えば、第１ディスプレイ２２と第２ディスプレイ２４は、共にタッチパネルとして構成され、表示部としてＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）、プラズマディスプレイなどを備えるものである。操作スイッチＡＳＳＹ２６は、ダイヤルスイッチやボタン式スイッチなどが集積されたものである。ステアリングスイッチ２８は、車両ＭのステアリングホイールＳＷに設置されている。ステアリングスイッチ２８は、車室内における物理的な操作部の一例である。表示・操作装置２０は、乗員によってなされた操作の内容をエージェント装置１００に出力する。第１ディスプレイ２２または第２ディスプレイ２４が表示する内容は、エージェント装置１００によって決定されてよい。

［エージェント装置］
図２に戻り、エージェント装置１００は、管理部１１０と、エージェント機能部１５０−１、１５０−２、１５０−３と、ペアリングアプリ実行部１５２とを備える。管理部１１０は、例えば、音響処理部１１２と、エージェントごとＷＵ（Wake Up）／ＳＬ（Sleep）判定部１１４と、表示制御部１１６と、音声制御部１１８と、共通制御部１２０を備える。いずれのエージェント機能部であるか区別しない場合、単にエージェント機能部１５０と称する。３つのエージェント機能部１５０を示しているのは、図１におけるエージェントサーバ２００の数に対応させた一例に過ぎず、エージェント機能部１５０の数は、２つであってもよいし、４つ以上であってもよい。図２に示すソフトウェア配置は説明のために簡易に示しており、実際には、例えば、エージェント機能部１５０と車載通信装置７０の間に管理部１１０が介在してもよいように、任意に改変することができる。

エージェント装置１００の各構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

管理部１１０は、ＯＳ（Operating System）やミドルウェアなどのプログラムが実行されることで機能する。

管理部１１０の音響処理部１１２は、エージェントごとに予め設定されているウエイクアップワード或いはスリープワードを認識するのに適した状態になるように、入力された音に対して音響処理を行う。

エージェントごとＷＵ／ＳＬ判定部１１４は、エージェント機能部１５０−１、１５０−２、１５０−３のそれぞれに対応して存在し、エージェントごとに予め定められているウエイクアップワード或いはスリープワードを認識する。スリープワードは、複数のエージェント機能部１５０にそれぞれ設定されている個別の終了方法の一例である。エージェントごとＷＵ／ＳＬ判定部１１４は、音響処理が行われた音声（音声ストリーム）から音声の意味を認識する。まず、エージェントごとＷＵ／ＳＬ判定部１１４は、音声ストリームにおける音声波形の振幅と零交差に基づいて音声区間を検出する。エージェントごとＷＵ／ＳＬ判定部１１４は、混合ガウス分布モデル（ＧＭＭ；Gaussian mixture model) に基づくフレーム単位の音声識別および非音声識別に基づく区間検出を行ってもよい。

次に、エージェントごとＷＵ／ＳＬ判定部１１４は、検出した音声区間における音声をテキスト化し、文字情報とする。そして、エージェントごとＷＵ／ＳＬ判定部１１４は、テキスト化した文字情報がウエイクアップワードに該当するか否かを判定する。ウエイクアップワードであると判定した場合、エージェントごとＷＵ／ＳＬ判定部１１４は、対応するエージェント機能部１５０を起動させる。また、エージェントごとＷＵ／ＳＬ判定部１１４は、テキスト化した文字情報がスリープワードに該当するか否かを判定する。スリープワードであると判定した場合、エージェントごとＷＵ／ＳＬ判定部１１４は、対応するエージェント機能部１５０の機能を停止する。なお、エージェントごとＷＵ／ＳＬ判定部１１４に相当する機能がエージェントサーバ２００に搭載されてもよい。この場合、管理部１１０は、音響処理部１１２によって音響処理が行われた音声ストリームをエージェントサーバ２００に送信し、エージェントサーバ２００がウエイクアップワード或いはスリープワードであると判定した場合、エージェントサーバ２００からの指示に従ってエージェント機能部１５０の起動を制御する。なお、各エージェント機能部１５０は、常時起動しており且つウエイクアップワード或いはスリープワードの判定を自ら行うものであってよい。この場合、管理部１１０がエージェントごとＷＵ／ＳＬ判定部１１４を備える必要はない。

エージェント機能部１５０は、対応するエージェントサーバ２００と協働してエージェントを出現させ、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する。エージェント機能部１５０には、車両機器６０を制御する権限が付与されたものが含まれてよい。また、エージェント機能部１５０には、ペアリングアプリ実行部１５２を介して汎用通信装置８０と連携し、エージェントサーバ２００と通信するものがあってよい。例えば、エージェント機能部１５０−１には、車両機器６０を制御する権限が付与されている。エージェント機能部１５０−１は、車載通信装置７０を介してエージェントサーバ２００−１と通信する。エージェント機能部１５０−２は、車載通信装置７０を介してエージェントサーバ２００−２と通信する。エージェント機能部１５０−３は、ペアリングアプリ実行部１５２を介して汎用通信装置８０と連携し、エージェントサーバ２００−３と通信する。ペアリングアプリ実行部１５２は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）によって汎用通信装置８０とペアリングを行い、エージェント機能部１５０−３と汎用通信装置８０とを接続させる。なお、エージェント機能部１５０−３は、ＵＳＢ（Universal Serial Bus）などを利用した有線通信によって汎用通信装置８０に接続されるようにしてもよい。以下、エージェント機能部１５０−１とエージェントサーバ２００−１が協働して出現させるエージェントをエージェント１、エージェント機能部１５０−２とエージェントサーバ２００−２が協働して出現させるエージェントをエージェント２、エージェント機能部１５０−３とエージェントサーバ２００−３が協働して出現させるエージェントをエージェント３と称する場合がある。

表示制御部１１６は、エージェント機能部１５０からの指示に応じて第１ディスプレイ２２または第２ディスプレイ２４に画像を表示させる。以下では、第１ディスプレイ２２を使用するものとする。表示制御部１１６は、エージェント機能部１５０の制御により、例えば、車室内で乗員とのコミュニケーションを行う擬人化されたエージェントの画像（以下、エージェント画像と称する）を生成し、生成したエージェント画像を第１ディスプレイ２２に表示させる。エージェント画像は、起動中のエージェント機能部１５０に関連する画像の一例である。エージェント画像は、例えば、乗員に対して話しかける態様の画像である。エージェント画像は、例えば、少なくとも観者（乗員）によって表情や顔向きが認識される程度の顔画像を含んでよい。例えば、エージェント画像は、顔領域の中に目や鼻に擬したパーツが表されており、顔領域の中のパーツの位置に基づいて表情や顔向きが認識されるものであってよい。また、エージェント画像は、立体的に感じられ、観者によって三次元空間における頭部画像を含むことでエージェントの顔向きが認識されたり、本体（胴体や手足）の画像を含むことで、エージェントの動作や振る舞い、姿勢等が認識されるものであってもよい。また、エージェント画像は、アニメーション画像であってもよい。

音声制御部１１８は、エージェント機能部１５０からの指示に応じてスピーカユニット４０に含まれるスピーカのうち一部または全部に音声を出力させる。音声制御部１１８は、複数のスピーカユニット４０を用いて、エージェント画像の表示位置に対応する位置にエージェント音声の音像を定位させる制御を行ってもよい。エージェント画像の表示位置に対応する位置とは、例えば、エージェント画像がエージェント音声を喋っていると乗員が感じると予測される位置であり、具体的には、エージェント画像の表示位置付近の位置である。また、音像が定位するとは、例えば、乗員の左右の耳に伝達される音の大きさを調節することにより、乗員が感じる音源の空間的な位置を定めることである。

共通制御部１２０は、複数のエージェント機能部１５０のいずれもが起動していない場合において、車両Ｍの乗員により所定の共通指令操作が行われた場合、エージェント機能部１５０に対して指令を出力する。エージェント機能部１５０は、共通制御部１２０から指令を取得した場合、乗員の発話を受け付ける状態にする。この場合、起動するエージェントは、最後に起動したエージェントとしてもよい。共通制御部１２０は、いずれかのエージェント機能部１５０の起動中に、車両Ｍの乗員により所定の共通指令操作が行われた場合、起動中のエージェント機能部１５０の機能を停止する。所定の共通指令操作は、例えばステアリングスイッチ２８の操作など、エージェント機能部１５０の種類を問わずに共通する操作である。また、所定の共通指令操作は、複数のエージェント機能部１５０に対する乗員からの指示を受け付ける操作であって、エージェント機能部１５０の起動時に実行する操作と共通である。同じ共通指令操作であっても、エージェント機能部１５０の起動状態に応じて、共通制御部１２０が実行する制御内容は異なる。起動中のエージェント機能部１５０が複数である場合、共通制御部１２０は、起動中のすべてのエージェント機能部１５０の機能を停止する。共通制御部１２０は、例えば、起動中のエージェント機能部１５０の機能を停止することにより、エージェント機能部１５０の制御により表示制御部１１６が生成していたエージェント画像の表示を停止する。なお、複数のエージェント機能部１５０のそれぞれは、自身が起動中である場合において、車両Ｍの乗員により所定の共通指令操作が行われた場合、動作を停止してもよい。

図４は、複数のエージェント機能部１５０のそれぞれに設定されたスリープワードの一例を示す図である。同図に示す例では、エージェント１に対応するスリープワードが「エージェント１停止」であり、エージェント２に対応するスリープワードが「バイバイ、エージェント２」であり、エージェント３に対応するスリープワードが「対話を終了」である。この例では、エージェント１〜３にそれぞれ対応するスリープワードが互いに異なっている。

共通制御部１２０は、所定の共通指令操作が行われた場合、例えば、個別の終了方法を疑似的に実行することで、起動中のエージェント機能部１５０の機能を停止させる。共通制御部１２０は、個別の終了方法についての疑似的な実行として、まず、複数のエージェント機能部１５０のうち、起動中のエージェント機能部１５０を特定する。次に、共通制御部１２０は、特定したエージェント機能部１５０に対応するスリープワードを取得する。そして、共通制御部１２０は、取得したスリープワードの音声を合成してスピーカユニット４０を通じて出力するように音声制御部１１８を制御する。スピーカユニット４０を通じて出力されるスリープワードの音声は、マイク１０を通じて管理部１１０に入力される。そして、エージェントごとＷＵ／ＳＬ判定部１１４は、入力されたスリープワードを認識することにより、起動中のエージェント機能部１５０の機能を停止させる。なお、共通制御部１２０は、個別の終了方法についての疑似的な実行として、起動中のエージェント機能部１５０に対応するスリープワードを認識したものとして処理を進めるようにエージェントごとＷＵ／ＳＬ判定部１１４に対して指令を出力してもよい。起動中のエージェント機能部１５０の機能が停止した場合、表示制御部１１６は、エージェント機能部１５０の制御により生成されたエージェント画像の表示を停止する。

図５は、エージェント画像の一例を説明するための図である。同図に示す例では、表示制御部１１６は、例えば、第１エージェント機能部１５０−１が起動中である場合、エージェント１を擬人化したエージェント画像Ｇ−１を第１ディスプレイ２２に表示する。次に、第１エージェント機能部１５０−１と併せて第２エージェント機能部１５０−２が起動した場合、表示制御部１１６は、エージェント２を擬人化したエージェント画像Ｇ−２を、エージェント１を擬人化したエージェント画像Ｇ−１と併せて第１ディスプレイ２２に表示する。すなわち、表示制御部１１６は、複数のエージェント機能部１５０−１，１５０−２が起動中である場合、それぞれのエージェント機能部１５０−１，１５０−２に対応するエージェント画像Ｇ−１，Ｇ−２を第１ディスプレイ２２に表示する。次に、表示制御部１１６は、車両Ｍの乗員により所定の共通指令操作が実行された場合、起動中のエージェント機能部１５０−１，１５０−２の機能が停止することに併せて、起動中のエージェント機能部１５０−１，１５０−２に対応するエージェント画像Ｇ−１，Ｇ−２の表示を停止する。

［エージェントサーバ］
図６は、エージェントサーバ２００の構成と、エージェント装置１００の構成の一部とを示す図である。以下、エージェントサーバ２００の構成と共にエージェント機能部１５０等の動作について説明する。ここでは、エージェント装置１００からネットワークＮＷまでの物理的な通信についての説明を省略する。

エージェントサーバ２００は、通信部２１０を備える。通信部２１０は、例えばＮＩＣ（Network Interface Card）などのネットワークインターフェースである。更に、エージェントサーバ２００は、例えば、音声認識部２２０と、自然言語処理部２２２と、対話管理部２２４と、ネットワーク検索部２２６と、応答文生成部２２８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

エージェントサーバ２００は、記憶部２５０を備える。記憶部２５０は、上記の各種記憶装置により実現される。記憶部２５０には、パーソナルプロファイル２５２、辞書ＤＢ（データベース）２５４、知識ベースＤＢ２５６、応答規則ＤＢ２５８などのデータやプログラムが格納される。

エージェント装置１００において、エージェント機能部１５０は、音声ストリーム、或いは圧縮や符号化などの処理を行った音声ストリームを、エージェントサーバ２００に送信する。エージェント機能部１５０は、ローカル処理（エージェントサーバ２００を介さない処理）が可能な音声コマンドを認識した場合は、音声コマンドで要求された処理を行ってよい。ローカル処理が可能な音声コマンドとは、エージェント装置１００が備える記憶部（不図示）を参照することで回答可能な音声コマンドであったり、エージェント機能部１５０−１の場合は車両機器６０を制御する音声コマンド（例えば、空調装置をオンにするコマンドなど）であったりする。従って、エージェント機能部１５０は、エージェントサーバ２００が備える機能の一部を有してもよい。

音声ストリームを取得すると、音声認識部２２０が音声認識を行ってテキスト化された文字情報を出力し、自然言語処理部２２２が文字情報に対して辞書ＤＢ２５４を参照しながら意味解釈を行う。辞書ＤＢ２５４は、文字情報に対して抽象化された意味情報が対応付けられたものである。辞書ＤＢ２５４は、同義語や類義語の一覧情報を含んでもよい。音声認識部２２０の処理と、自然言語処理部２２２の処理は、段階が明確に分かれるものではなく、自然言語処理部２２２の処理結果を受けて音声認識部２２０が認識結果を修正するなど、相互に影響し合って行われてよい。

自然言語処理部２２２は、例えば、認識結果として、「今日の天気は」、「天気はどうですか」等の意味が認識された場合、標準文字情報「今日の天気」に置き換えたコマンドを生成する。これにより、リクエストの音声に文字揺らぎがあった場合にも要求にあった対話をし易くすることができる。また、自然言語処理部２２２は、例えば、確率を利用した機械学習処理等の人工知能処理を用いて文字情報の意味を認識したり、認識結果に基づくコマンドを生成してもよい。

対話管理部２２４は、自然言語処理部２２２の処理結果（コマンド）に基づいて、パーソナルプロファイル２５２や知識ベースＤＢ２５６、応答規則ＤＢ２５８を参照しながら車両Ｍの乗員に対する発話の内容を決定する。パーソナルプロファイル２５２は、乗員ごとに保存されている乗員の個人情報、趣味嗜好、過去の対話の履歴などを含む。知識ベースＤＢ２５６は、物事の関係性を規定した情報である。応答規則ＤＢ２５８は、コマンドに対してエージェントが行うべき動作（回答や機器制御の内容など）を規定した情報である。

また、対話管理部２２４は、音声ストリームから得られる特徴情報を用いて、パーソナルプロファイル２５２と照合を行うことで、乗員を特定してもよい。この場合、パーソナルプロファイル２５２には、例えば、音声の特徴情報に、個人情報が対応付けられている。音声の特徴情報とは、例えば、声の高さ、イントネーション、リズム（音の高低のパターン）等の喋り方の特徴や、メル周波数ケプストラム係数（Mel Frequency Cepstrum Coefficients）等による特徴量に関する情報である。音声の特徴情報は、例えば、乗員の初期登録時に所定の単語や文章等を乗員に発声させ、発声させた音声を認識することで得られる情報である。

対話管理部２２４は、コマンドが、ネットワークＮＷを介して検索可能な情報を要求するものである場合、ネットワーク検索部２２６に検索を行わせる。ネットワーク検索部２２６は、ネットワークＮＷを介して各種ウェブサーバ３００にアクセスし、所望の情報を取得する。「ネットワークＮＷを介して検索可能な情報」とは、例えば、車両Ｍの周辺にあるレストランの一般ユーザによる評価結果であったり、その日の車両Ｍの位置に応じた天気予報であったりする。

応答文生成部２２８は、対話管理部２２４により決定された発話の内容が車両Ｍの乗員に伝わるように、応答文を生成し、エージェント装置１００に送信する。応答文生成部２２８は、乗員がパーソナルプロファイルに登録された乗員であることが特定されている場合に、乗員の名前を呼んだり、乗員の話し方に似せた話し方にした応答文を生成してもよい。

エージェント機能部１５０は、応答文を取得すると、音声合成を行って音声を出力するように音声制御部１１８に指示する。また、エージェント機能部１５０は、音声出力に合わせてエージェントの画像を表示するように表示制御部１１６に指示する。このようにして、仮想的に出現したエージェントが車両Ｍの乗員に応答するエージェント機能が実現される。

［エージェント装置の処理フロー］
以下、実施形態に係るエージェント装置１００の一連の処理の流れについてフローチャートを用いて説明する。図７は、実施形態に係るエージェント装置１００の処理の流れを示すフローチャートである。本フローチャートの処理は、所定の周期で繰り返し行われてもよい。

まず、共通制御部１２０は、所定の共通指令操作を検知したか否かを判定する（ステップＳ１０）。共通制御部１２０は、所定の共通指令操作を検知したと判定した場合、エージェント機能部１５０が起動中であるか否かを判定する（ステップＳ１２）。共通制御部１２０は、エージェント機能部１５０が起動中であると判定した場合、起動中のエージェント機能部１５０の機能を停止する（ステップＳ１４）。これによって、本フローチャートの処理が終了する。

一方、共通制御部１２０は、エージェント機能部１５０が起動中ではないと判定した場合、一部または全部のエージェント機能部１５０に対し、車両Ｍの乗員からの発話の受付を開始させる（ステップＳ１８）。また、共通指令操作を検知した場合には、最後に起動したエージェントを優先的に起動させてもよい。これによって、本フローチャートの処理が終了する。

図８は、実施形態に係るエージェント装置１００の動作を説明するための図である。

（１）エージェント１が起動中である場合、（２）車両Ｍの乗員が所定の共通指令操作を実行すると、（３）エージェント１に対応するスリープワードの音声がスピーカユニット４０から出力される。すると、スピーカユニット４０から出力されたスリープワードの音声がエージェント装置１００に入力される。（４）そして、エージェント装置１００は、スピーカユニット４０から入力されたスリープワードを認識することにより、スリープワードに対応するエージェント１の機能を停止させる。

上記説明した実施形態に係るエージェント装置１００によれば、操作性を高めることができる。例えば、複数のエージェント機能部１５０のそれぞれに、個別の終了方法が設定されているとする。この場合、車両Ｍの乗員は、複数のエージェント機能部１５０のいずれが起動しているかを把握するだけでなく、起動中のエージェント機能部１５０に対応する終了方法も併せて把握する必要がある。そのため、特に、起動の対象となるエージェント機能部１５０の数が多い場合、車両Ｍの乗員は、起動中のエージェント機能部１５０を終了するために煩雑な操作が必要となる。これに対し、実施形態に係るエージェント装置１００では、複数のエージェント機能部１５０のそれぞれに個別の終了方法が設定されている場合であっても、複数のエージェント機能部１５０の間で共通する操作を通じて、起動中のエージェント機能部１５０の機能を停止させる。そのため、起動中のエージェント機能部１５０の機能を停止させる際の操作性を高めることができる。

また、エージェント装置１００によれば、操作性をより一層高めることができる。例えば、エージェント機能部１５０の機能を停止させるための操作部を別途設ける場合、操作の対象となる操作部の数が増大する分だけ、起動中のエージェント機能部１５０を終了するための操作がより一層煩雑となる。これに対し、実施形態に係るエージェント装置１００では、車両Ｍの運転中に各種の操作を行うために用いられるステアリングスイッチ２８がエージェント機能部１５０の機能を停止させるための操作部として用いられる。そのため、エージェント機能部１５０の機能を停止させるための操作部を別途設けることが不要となり、起動中のエージェント機能部１５０の機能を停止させる際の操作性をより一層高めることができる。特に、実施形態に係るエージェント装置１００では、車両Ｍの乗員との発話に関連するステアリングスイッチ２８がエージェント機能部１５０の機能を停止させるための操作部として用いられる。そのため、車両Ｍの乗員は、起動中のエージェント機能部１５０の機能を直感的な操作を通じて停止させることができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等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内において種々の変形及び置換を加えることができる。

１０ マイク
２０ 表示・操作装置
４０ スピーカユニット
５０ ナビゲーション装置
６０ 車両機器
７０ 車載通信装置
８０ 汎用通信装置
１００ エージェント装置
１１０ 管理部
１１２ 音響処理部
１１４ エージェントごとＷＵ／ＳＬ判定部
１１６ 表示制御部
１１８ 音声制御部
１２０ 共通制御部
１５０ エージェント機能部
１５２ ペアリングアプリ実行部
２００ エージェントサーバ

Claims (9)

1. 車両の乗員の発話に応じて、音声による応答を含むサービスを提供する複数のエージェント機能部と、
   前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる管理部と、
   を備えるエージェント装置。
2. 前記複数のエージェント機能部のそれぞれには、個別の終了方法が設定されており、
   前記管理部は、前記車両の乗員により前記所定の操作が行われた場合、前記個別の終了方法を疑似的に実行することで、前記起動中のエージェント機能部を停止させる、
   請求項１記載のエージェント装置。
3. 前記管理部は、前記複数のエージェント機能部のいずれもが起動していない場合において、前記車両の乗員により前記所定の操作が行われた場合、前記複数のエージェント機能部のうち一部または全部が前記乗員の発話を受け付ける状態にする、
   請求項１または２記載のエージェント装置。
4. 前記所定の操作は、車室内における物理的な操作部を操作するものである、
   請求項１から３のうちいずれか１項記載のエージェント装置。
5. 前記操作部は、前記車両のステアリングホイールに設けられる、
   請求項４記載のエージェント装置。
6. 前記車両には、前記起動中のエージェント機能部に関連した画像を表示する表示部が設けられる、
   請求項１から５のうちいずれか１項記載のエージェント装置。
7. 車両の乗員の発話に応じて、音声による応答を含むサービスを提供する複数のエージェント機能部を備え、
   前記複数のエージェント機能部のそれぞれは、自身が起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、動作を停止する、
   エージェント装置。
8. コンピュータが、
   複数のエージェント機能部のうちいずれかを起動させ、
   前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、音声による応答を含むサービスを提供し、
   前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる、
   エージェント装置の制御方法。
9. コンピュータに、
   複数のエージェント機能部のうちいずれかを起動させる処理と、
   前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する処理と、
   前記複数のエージェント機能部のいずれかが起動中である場合において、前記車両の乗員により、前記複数のエージェント機能部の間で共通する所定の操作が行われた場合、前記起動中のエージェント機能部を停止させる処理と、
   を実行させるプログラム。

Images