JP2024027637A - 情報処理装置、情報処理方法、及びプログラム - Google Patents

Abstract

【課題】ユーザーが所望する目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる情報処理装置を提供すること。【解決手段】第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力する制御部、を備える情報処理装置。【選択図】図１

Description

この開示は、情報処理装置、情報処理方法、及びプログラムに関する。

人による運動を支援する技術についての研究、開発が行われている。

これに関し、ユーザーの運動に関するデータを取得し、取得したデータと、ユーザーの目標となり得る人物の運動に関するデータとの差分を算出し、算出した差分を補うためのアドバイスを示す情報を出力する情報処理装置が知られている（特許文献１参照）。

特開２０２２－０６１７８４号公報

しかしながら、特許文献１に記載されたような情報処理装置は、ユーザーの目標となり得る人物としてユーザーが所望する人物を選択することができず、その結果、ユーザーが目指す人物へとユーザーが近づくためのアドバイスとして適切ではないアドバイスを示す情報を出力してしまうことがあった。

上記課題を解決するために本開示の一態様は、第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力する制御部、を備える情報処理装置である。

また、本開示の一態様は、第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、を有する情報処理方法である。

また、本開示の一態様は、コンピューターに、第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、を実行させるためのプログラムである。

情報処理装置１の構成の一例を示す図である。 機械学習モデルＭの入出力の一例を示す図である。 第１情報及び第２情報に基づいて生成された波形データが示す波形がプロットされたグラフを例示する図である。 情報処理装置１が練習メニュー情報を出力する処理の流れの一例を示す図である。 情報処理装置１が練習メニュー情報を出力する処理の流れの一例を示す図である。 練習後評価情報を受け付けた場合において情報処理装置が行う処理の流れの一例を示す図である。 情報処理装置１の構成の他の例を示す図である。 情報処理装置１が評価情報を生成する処理の流れの一例を示す図である。

＜実施形態＞
以下、本開示の実施形態について、図面を参照して説明する。

＜情報処理装置の概要＞
まず、実施形態に係る情報処理装置の概要について説明する。

実施形態に係る情報処理装置では、第１運動についての評価を示す情報を評価情報とする。また、当該情報処理装置は、制御部を備える。制御部は、学習済みの機械学習モデルを用いた処理を行う。当該機械学習モデルは、第１人物についての評価情報と、複数の目標人物の中から選択された第１目標人物についての評価情報とを含む入力情報を入力された場合、第１運動についての複数の練習メニューのうち第１人物に適した練習メニューを示す練習メニュー情報を出力する。このため、制御部は、当該処理として、学習済みの機械学習モデルへ入力情報を入力し、機械学習モデルから出力される練習メニュー情報を含む出力情報を出力する処理を行う。これにより、当該情報処理装置は、ユーザーが所望する目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる。

以下では、実施形態に係る情報処理装置の構成と、当該情報処理装置が行う処理とについて詳しく説明する。

＜情報処理装置の構成＞
以下、実施形態に係る情報処理装置の構成について、情報処理装置１を例に挙げて説明する。以下では、説明の便宜上、情報処理装置１のユーザーを、単にユーザーと称して説明する。また、以下では、説明の便宜上、ユーザーが行う運動を、第１運動と称して説明する。第１運動は、野球、サッカー、バレーボール、マラソン等であるが、これらに限られるわけではない。そこで、以下では、一例として、第１運動が野球である場合について説明する。また、以下では、説明の便宜上、第１運動についての評価を示す情報を、評価情報と称して説明する。また、以下では、説明の便宜上、ユーザー等の第１運動を行う人物から目標になる人物として挙げられる複数の人物のそれぞれを、目標人物と称して説明する。目標人物は、例えば、第１運動のプロフェッショナルリーグの選手、第１運動の各種の大会において優秀な成績を収めた選手等であるが、これに限られるわけではない。また、以下では、説明の便宜上、第１運動における身体の使い方を表す複数のタイプのそれぞれを、フィジカルタイプと称して説明する。この一例のように第１運動が野球である場合、複数のフィジカルタイプとしては、ミートタイプ、パワータイプ、スピードタイプ、ディフェンスタイプ、バランスタイプ等が挙げられる。ここで、ミートタイプは、ピッチャーが投げたボールにバットを当てる技術に特化した身体の使い方を表すフィジカルタイプである。パワータイプは、ピッチャーが投げたボールを筋力によって遠くに飛ばす技術に特化した身体の使い方を表すフィジカルタイプである。スピードタイプは、速く走る技術に特化した身体の使い方を表すフィジカルタイプである。ディフェンスタイプは、守備の技術に特化した身体の使い方を表すフィジカルタイプである。バランスタイプは、野球のすべての技術を平均的にこなす身体の使い方を表すフィジカルタイプである。また、以下では、説明の便宜上、ある人物の属性を示す属性情報が、当該人物の年齢層を示す年齢層情報と、当該人物の体格を示す体格情報とのそれぞれを含む場合について説明する。なお、当該属性情報は、当該年齢層情報と当該体格情報とのいずれか一方を含む構成であってもよい。また、当該属性情報は、当該年齢層情報と当該体格情報とに加えて、又は、当該年齢層情報と当該体格情報とのうちの少なくとも一方に代えて、プロフェッショナルリーグの選手か否かを示すフラグ等の当該人物の他の属性を示す情報を含む構成であってもよい。この一例のように第１運動が野球である場合、プロフェッショナルリーグは、プロ野球リーグのことである。また、以下では、一例として、ある人物の年齢層が、小学生、中学生、高校生、大学生、社会人等によって分類される場合について説明する。なお、当該人物の年齢層は、年齢を用いた方法等の他の方法により分類されてもよい。また、以下では、一例として、ある人物の体格が、当該人物の身長と、当該人物の体重との組み合わせによって表される場合について説明する。なお、当該人物の体格は、当該人物の身長と当該人物の体重とに加えて、又は、当該人物の身長と当該人物の体重との少なくとも一方に代えて、当該人物の体格を示す他の値によって表される構成であってもよい。

図１は、情報処理装置１の構成の一例を示す図である。

情報処理装置１は、第１運動についての練習の練習メニューをユーザーに提供する。より具体的には、情報処理装置１は、以下のような処理により、第１運動についての練習の練習メニューをユーザーに提供する。この一例のように第１運動が野球である場合、複数の練習メニューには、練習として行う動作に加えて、例えば、バットの持ち方、筋肉トレーニングの負荷の強さ、バットのスイングの速さ等が含まれる。

例えば、情報処理装置１は、ユーザーの属性を示すユーザー属性情報を受け付けるＧＵＩ（Graphical User Interface）を表示し、表示したＧＵＩを介してユーザー属性情報を受け付ける。また、例えば、情報処理装置１は、互いに異なる複数のフィジカルタイプの中から、ユーザーが所望するフィジカルタイプを選択する操作を受け付けるＧＵＩを表示し、表示したＧＵＩを介して当該操作を受け付ける。これにより、情報処理装置１は、当該操作によって選択されたフィジカルタイプを示すフィジカルタイプ情報を、目標フィジカルタイプ情報として受け付ける。ここで、情報処理装置１には、複数の目標人物のそれぞれを示す目標人物情報が記憶されている。ある目標人物を示す目標人物情報には、例えば、当該目標人物を識別する目標人物識別情報と、当該目標人物のフィジカルタイプを示すフィジカルタイプ情報と、当該目標人物の属性を示す目標人物属性情報とが含まれている。当該目標人物識別情報は、例えば、当該目標人物を識別するＩＤ（Identifier）であるが、当該目標人物を識別可能な他の情報であってもよい。なお、目標人物情報には、これら３つの情報に加えて、又は、これら３つの情報の少なくとも１つに代えて、他の情報が含まれる構成であってもよい。

ユーザー属性情報と目標フィジカルタイプ情報とを受け付けた後、情報処理装置１は、受け付けたユーザー属性情報と目標フィジカルタイプ情報とに基づいて、複数の目標人物の中から、第１運動におけるユーザーの目標となり得ると推定される目標人物を、第１目標人物として選択する。具体的には、情報処理装置１は、予め記憶された目標人物情報の中から、受け付けたユーザー属性情報が示す属性と一致する属性を示す目標人物属性情報を含む１つ以上の目標人物情報を特定する。情報処理装置１は、特定した１つ以上の目標人物情報の中から、特定した目標フィジカルタイプ情報が示すフィジカルタイプと一致するフィジカルタイプを示すフィジカルタイプ情報を含む１つ以上の目標人物情報を特定する。情報処理装置１は、特定した１つ以上の目標人物情報のうちの１つをランダムに選択し、選択した目標人物情報が示す目標人物を、第１目標人物として特定する。なお、情報処理装置１は、当該１つ以上の目標人物情報のそれぞれに含まれる目標人物識別情報のリストを表示し、表示した当該リストを介して、ユーザーが所望する目標人物を示す目標人物識別情報を選択する操作を受け付ける構成であってもよい。この場合、情報処理装置１は、受け付けた当該操作によって選択された目標人物識別情報により識別される目標人物を、第１目標人物として選択する。このようにして第１目標人物を選択するため、情報処理装置１は、ユーザーの年齢と略同じ年齢の目標人物の中から、ユーザーの体格と略同じ体格の目標人物を、第１目標人物として選択することができる。その結果、情報処理装置１は、ユーザーが目標とする目標人物として不適切な目標人物を第１目標人物として選択してしまうことを抑制することができる。なお、情報処理装置１は、複数の目標人物の中からユーザーが所望する目標人物を第１目標人物として選択する操作を受け付ける構成であってもよい。この場合、情報処理装置１は、当該操作を受け付けるＧＵＩを表示し、表示したＧＵＩを介して当該操作を受け付ける。これにより、この場合、情報処理装置１は、当該操作によって選択された目標人物を第１目標人物として受け付ける。また、情報処理装置１は、他の方法により、第１目標人物を選択する構成であってもよい。また、情報処理装置１は、ユーザー属性情報と目標フィジカルタイプ情報とのいずれか一方に基づいて、複数の目標人物の中から第１目標人物を選択する構成であってもよい。

第１目標人物を選択した後、情報処理装置１は、選択した第１目標人物についての評価情報と、ユーザーについての評価情報とのそれぞれに基づいて、第１目標人物にユーザーが近づくためにユーザーが行うべき練習メニューとして適切な練習メニューと推定される練習メニューを示す練習メニュー情報を出力する。ここで、情報処理装置１には、複数の目標人物それぞれについての評価情報が予め記憶されている。そして、ある目標人物についての評価情報には、当該目標人物を識別する目標人物識別情報が対応付けられている。このため、情報処理装置１は、選択した第１目標人物を示す目標人物情報に基づいて、第１目標人物についての評価情報を特定することができる。また、情報処理装置１は、ユーザーについての評価情報を予め記憶している構成であってもよく、ユーザーについての評価情報を生成する構成であってもよい。以下では、一例として、ユーザーについての評価情報が情報処理装置１に予め記憶されている場合について説明する。なお、評価情報の詳細については、後述する。

また、情報処理装置１は、このような練習メニュー情報の推定を、学習済みの機械学習モデルＭを用いて行う。

機械学習モデルＭは、本明細書において説明する練習メニューの推定を行うことが可能な機械学習モデルであれば、如何なる機械学習モデルであってもよい。例えば、機械学習モデルＭは、ニューラルネットワーク、深層学習等を含む機械学習モデルのことであるが、これに限られるわけではない。機械学習モデルＭは、情報処理装置１の記憶領域内に構築されている構成であってもよく、情報処理装置１と通信可能に接続されたサーバーの記憶領域内に構築されている構成であってもよい。以下では、一例として、機械学習モデルＭが、情報処理装置１の記憶領域内に構築されている場合について説明する。

機械学習モデルＭは、ユーザーについての評価情報と、第１目標人物についての評価情報とを含む入力情報を入力された場合、第１運動についての複数の練習メニューのうちユーザーに適した練習メニューを示す練習メニュー情報を出力するように学習済みである。このため、機械学習モデルＭは、図２に示すように、当該場合、当該練習メニュー情報を出力する。図２は、機械学習モデルＭの入出力の一例を示す図である。

以上のような処理により、情報処理装置１は、機械学習モデルＭへ入力情報を入力し、機械学習モデルＭから出力される練習メニュー情報を含む出力情報を生成する。情報処理装置１は、生成した出力情報を出力する。これにより、情報処理装置１は、ユーザーが第１目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる。

情報処理装置１は、例えば、制御部１１、記憶部１２、入力受付部１３、通信部１４、表示部１５を備える。これらの構成部は、図示しないバスを介して相互に通信可能に接続されている。また、情報処理装置１は、通信部１４を介して他の装置と通信を行う。なお、情報処理装置１は、制御部１１、記憶部１２、入力受付部１３、通信部１４、表示部１５に加えて、他の機能部を備える構成であってもよい。

制御部１１は、情報処理装置１の全体を制御する。制御部１１は、ＣＰＵ（Central Processing Unit）等のプロセッサーを含んで構成される。なお、制御部１１は、ＣＰＵに代えて、ＦＰＧＡ（Field Programmable Gate Array）等の他のプロセッサーを含んで構成されてもよい。また、制御部１１は、記憶部１２に記憶された各種のプログラムをプロセッサーが実行することにより実現される複数の機能部を備える。制御部１１は、これら複数の機能部として、例えば、処理部１１１と、推定部１１２と、表示制御部１１３を備える。なお、制御部１１は、記憶部１２に格納された各種のプログラムをプロセッサーが実行することにより、処理部１１１、推定部１１２、表示制御部１１３に加えて、他の機能部を備える構成であってもよい。また、制御部１１が備える処理部１１１、推定部１１２、表示制御部１１３のうちの一部又は全部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）等により実現されるハードウェア機能部であってもよい。

処理部１１１は、受け付けた操作に応じて、各種の処理を行う。

推定部１１２は、機械学習モデルＭを用いて、第１運動についての複数の練習メニューのうちユーザーに適した練習メニューを推定する。

表示制御部１１３は、受け付けた操作に応じて、各種の画像を生成する。また、表示制御部１１３は、生成した画像を表示部１５に表示させる。

記憶部１２は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）等を含む記憶装置である。なお、記憶部１２は、情報処理装置１に内蔵されるものに代えて、ＵＳＢ（Universal Serial Bus）等のデジタル入出力ポート等によって接続された外付け型の記憶装置であってもよい。記憶部１２は、情報処理装置１が処理する各種の情報、各種の画像、各種のプログラムを記憶する。

入力受付部１３は、キーボード、マウス、タッチパッド等の入力装置である。なお、入力受付部１３は、表示部１５とともにタッチパネルとして構成されてもよい。

通信部１４は、例えば、ＵＳＢ等のデジタル入出力ポート、イーサネット（登録商標）ポート等を含んで構成される通信装置である。

表示部１５は、情報処理装置１が備えるディスプレイとして、例えば、液晶ディスプレイパネル、有機ＥＬ（ElectroLuminescence）ディスプレイパネル等を含む表示装置である。

＜評価情報の詳細＞
次に、評価情報の詳細について説明する。

評価情報は、具体的には、第１運動において解析の対象となる動作についての人の身体の使い方を示す波形データを含む情報である。以下では、説明の便宜上、当該動作を、対象動作と称して説明する。この一例のように第１運動が野球である場合、対象動作は、例えば、バットのスイング、ピッチング等のことであるが、これらに限られるわけではない。以下では、一例として、対象動作が、バットのスイングである場合について説明する。

評価情報に含まれる波形データは、例えば、対象動作についての人の身体の動きに関する第１情報と、対象動作における人の身体の第１部位の使い方に関する第２情報に基づくデータである。ここで、第１部位は、人の身体が有する部位のうち第１運動において解析の対象となる部位のことである。なお、第１情報は、第１運動に用いられる道具の動きに関する情報であってもよい。当該道具は、この一例のように第１運動が野球である場合、バット、グローブ等であるが、これらに限られるわけではない。また、当該道具は、例えば、第１運動がゴルフである場合、ゴルフクラブであるが、これに限られるわけではない。また、当該場合、第１部位は、例えば、右手首の関節、左手首の関節、右肘関節、左肘関節、右肩関節、左方関節、右股関節、左股関節、右膝関節、左膝関節、胴の関節等であるが、これらに限られるわけではない。なお、本明細書において、胴の関節は、椎間関節のことである。

ここで、この一例において、第１情報は、例えば、第１運動を行った期間を示す期間情報と、バットのスイングの構えを始めたタイミングを示す情報、バットのスイングを開始したタイミングを示す情報、バットのスイングの後半に至ったタイミングを示す情報、バットにボールを当てたタイミングを示す情報、バットによりボールを打ち返し終わったタイミングを示す情報等が含まれている。例えば、第１情報は、モーションキャプチャー等の物体の動きを検出することが可能なセンサーによって検出することができる。なお、第１情報は、これらの情報の一部又は全部に代えて、又は、これらの情報の全部に加えて、対象動作についての人の身体の動きに関する他の情報を含む情報であってもよい。

一方、この一例において、第２情報は、例えば、第１情報の期間情報が示す期間内における第１部位の使い方を示す値によって表される。この値は、例えば、第１部位に貼付された筋電センサーからの出力値である。この場合、第２情報を表す値は、当該筋電センサーによって検出される。なお、第２情報を表す値は、当該期間内における第１部位の使い方を示す他の値であってもよい。

評価情報に含まれる波形データは、このような第１情報及び第２情報に基づいて生成される。ここで、図３は、第１情報及び第２情報に基づいて生成された波形データが示す波形がプロットされたグラフを例示する図である。図３には、グラフＧ１～グラフＧ１１の１１個のグラフが示されている。そして、これら１１個のグラフの横軸は、第１情報の期間情報が示す期間における経過時間を示す。図３では、グラフＧ１～グラフＧ１１の横軸が共有されている。また、図３に示したタイミングｔ０は、バットのスイングの構えを始めたタイミングの一例を示す。図３では、タイミングｔ０を「構え」によって示している。また、図３に示したタイミングｔ１は、バットのスイングを開始したタイミングの一例を示す。図３では、タイミングｔ１を「スイング開始」によって示している。また、図３に示したタイミングｔ２は、バットのスイングの後半に至ったタイミングの一例を示す。図３では、タイミングｔ２を「スイング後半」によって示している。また、図３に示したタイミングｔ３は、バットにボールを当てたタイミングの一例を示す。図３では、タイミングｔ３を「インパクト」によって示している。また、図３に示したタイミングｔ４は、バットによりボールを打ち返し終わったタイミングの一例を示す。図３では、タイミングｔ４を「インパクト後」によって示している。このように、図３に示した例では、これら１１個のグラフの横軸は、第１情報に基づいて生成される。

一方、１１個のグラフそれぞれの縦軸は、第１部位に貼付された筋電センサーからの出力値を示す。すなわち、１１個のグラフのそれぞれは、第１情報の期間情報が示す期間内における第１部位の使い方の一例を示すグラフである。グラフＧ１は、第１部位が右手首関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ１にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ２は、第１部位が左手首関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ２にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ３は、第１部位が右肘関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ３にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ４は、第１部位が左肘関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ４にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ５は、第１部位が右肩関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ５にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ６は、第１部位が左肩関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ６にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ７は、第１部位が右股関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ７にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ８は、第１部位が左股関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ８にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ９は、第１部位が右膝関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ９にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ１０は、第１部位が左膝関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ１０にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。グラフＧ１１は、第１部位が胴の関節である場合の波形データが示す波形がプロットされたグラフである。このため、グラフＧ１１にプロットされている曲線は、当該場合の波形データが示す波形の一例を示す。

この一例における評価情報には、図３に示したグラフＧ１～グラフＧ１１のうちの１つのグラフ上にプロットされた波形を示す波形データが含まれている。例えば、ユーザーについての評価情報に含まれる波形データがプロ選手についての評価情報に含まれる波形データに近いほど、バットのスイングにおけるユーザーの第１部位の使い方の評価が高いと推定できる。一方、例えば、ユーザーについての評価情報に含まれる波形データがプロ選手についての評価情報に含まれる波形データから遠いほど、バットのスイングにおけるユーザーの第１部位の使い方の評価が低いと推定できる。このため、前述した通り、評価情報は、第１運動に関する評価を示す。ここで、図４は、図３に示したグラフＧ１の他の例を示す図である。このため、図４に示したグラフの縦軸は、第１部位に貼付された筋電センサーからの出力値を示す。また、当該グラフの横軸は、図３に示した１１個のグラフの横軸と共通の横軸である。そして、当該グラフは、図３に示したグラフＧ１と同様に、第１部位が右手首関節である場合の波形データが示す波形がプロットされたグラフである。当該グラフにおける実線の波形は、ユーザーの評価情報に含まれる波形データが示す波形の一例である。また、当該グラフにおける点線の波形は、あるプロ野球選手の評価情報に含まれる波形データが示す波形の一例である。ユーザーの第１運動の評価は、例えば、所定のタイミングにおけるユーザーの評価情報に含まれる波形データと、当該プロ選手の評価情報に含まれる波形データとの差分が所定の閾値以内であるか否かに基づいて行われる。例えば、ユーザーについての評価情報に含まれる波形データと当該プロ選手についての評価情報に含まれる波形データとの差分が所定の閾値よりも小さいほど、バットのスイングにおけるユーザーの第１部位の使い方の評価が高いと推定できる。具体的には、図４に示した例では、インパクトのタイミングｔ３及びインパクト後のタイミングｔ４において、ユーザーについての評価情報に含まれる波形データとプロ選手についての評価情報に含まれる波形データとの差分は、所定の閾値以内である。この場合、インパクトのタイミングｔ３及びインパクト後のタイミングｔ４におけるユーザーのバットのスイングの評価は、高いと推定することができる。一方、例えば、ユーザーのバットのスイングにおけるユーザーの第１部位の使い方の評価は、ユーザーについての評価情報に含まれる波形データとプロ選手についての評価情報に含まれる波形データとの差分が所定の閾値よりも大きいほど、低いと推定できる。具体的には、図４に示した例では、構えのタイミングｔ０、スイング開始のタイミングｔ１、及びスイング後半のタイミングｔ２において、ユーザーについての評価情報に含まれる波形データとプロ選手についての評価情報に含まれる波形データとの差分は、所定の閾値よりも大きい。この場合、構えのタイミングｔ０、スイング開始のタイミングｔ１、及びスイング後半のタイミングｔ２におけるユーザーのバットのスイングの評価は、低いと推定することができる。このように、評価情報は、前述した通り、第１運動に関する評価を示す。

＜情報処理装置が練習メニュー情報を出力する処理＞
以下、図５を参照し、情報処理装置１が練習メニュー情報を出力する処理について説明する。図５は、情報処理装置１が練習メニュー情報を出力する処理の流れの一例を示す図である。なお、以下では、一例として、図５に示したステップＳ１１０の処理が行われるよりも前のタイミングにおいて、ユーザー属性情報を情報処理装置１が受け付けており、且つ、ユーザー属性情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、複数の目標人物のそれぞれを示す目標人物情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、目標フィジカルタイプ情報を情報処理装置１が受け付けており、且つ、目標フィジカルタイプ情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、ユーザーについての評価情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、複数の目標人物それぞれについての評価情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、第１運動についての複数の練習メニューのそれぞれを示す練習メニュー情報が記憶部１２に記憶されている場合について説明する。また、以下では、一例として、当該タイミングにおいて、練習メニュー情報を出力する処理を情報処理装置１に開始させる出力処理開始操作を情報処理装置１が受け付けている場合について説明する。

出力処理開始操作を受け付けた後、処理部１１１は、記憶部１２に予め記憶されたユーザー属性情報を記憶部１２から読み出す（ステップＳ１１０）。

次に、処理部１１１は、記憶部１２に予め記憶された目標フィジカルタイプ情報を記憶部１２から読み出す（ステップＳ１２０）。なお、ステップＳ１２０の処理は、ステップＳ１１０の処理と並列に行われてもよく、ステップＳ１１０の処理と逆の順で行われてもよい。

次に、処理部１１１は、ステップＳ１１０において読み出したユーザー属性情報と、ステップＳ１２０において読み出した目標フィジカルタイプ情報とに基づいて、第１目標人物を選択する（ステップＳ１３０）。なお、ステップＳ１３０において第１目標人物を選択する方法については、既に説明済みであるため、詳細な説明を省略する。

次に、処理部１１１は、記憶部１２に予め記憶されたユーザーについての評価情報を記憶部１２から読み出す（ステップＳ１４０）。以下では、説明の便宜上、ユーザーについての評価情報を、図５に示すように、ユーザー評価情報と称して説明する。

次に、処理部１１１は、記憶部１２に予め記憶された第１目標人物についての評価情報を記憶部１２から読み出す（ステップＳ１５０）。以下では、説明の便宜上、第１目標人物についての評価情報を、図５に示すように、第１目標人物評価情報と称して説明する。また、ステップＳ１５０の処理は、ステップＳ１４０の処理と並列に行われてもよく、ステップＳ１４０の処理と逆の順で行われてもよい。

次に、処理部１１１は、ステップＳ１４０において読み出したユーザー評価情報と、ステップＳ１５０において読み出した第１目標人物評価情報とを含む情報を、入力情報として生成する（ステップＳ１６０）。

次に、推定部１１２は、ステップＳ１６０において生成された入力情報を、記憶部１２の記憶領域内において構成された機械学習モデルＭに入力する（ステップＳ１７０）。これにより、機械学習モデルＭは、入力された入力情報に応じた練習メニュー情報を出力する。ここで、機械学習モデルＭは、第１運動についての複数の練習メニューそれぞれの練習によって評価情報に生じる変化を示す評価変化情報に基づいて、入力情報が入力された場合において、入力された入力情報に含まれる第１目標人物についての評価情報へ、ユーザーについての評価情報を近づける練習メニューとして尤もらしい練習メニューを複数の練習メニューの中から特定するように学習済みの機械学習モデルである。このような学習を実現する方法は、既知の方法であってもよく、これから開発される方法であってもよい。また、このような学習が行われているため、機械学習モデルＭは、入力情報が入力された場合、入力された入力情報に含まれる第１目標人物についての波形データに、ユーザーについての波形データを近づける練習メニューとして尤もらしい練習メニューを複数の練習メニューの中から特定する。この過程において、機械学習モデルＭは、入力された入力情報に含まれる第１目標人物についての波形データに、ユーザーについての波形データを近づける練習メニューとしての尤もらしさ示す尤度を、複数の練習メニューのそれぞれ毎に算出し、算出した尤度に基づいて、複数の練習メニューを尤度の高い順に並べる。そして、機械学習モデルＭは、尤度の高い順に並べた複数の練習メニューのうち最も高い尤度に対応する練習メニューを示す練習メニュー情報を出力する。なお、機械学習モデルＭは、尤度の高い順に並べた複数の練習メニューのうち最も高い尤度以外の尤度に対応する練習メニューを示す練習メニュー情報を出力する構成であってもよい。

次に、推定部１１２は、ステップＳ１７０において入力情報を機械学習モデルＭへ入力した結果として機械学習モデルＭから出力された練習メニュー情報を取得する（ステップＳ１８０）。

次に、処理部１１１は、ステップＳ１８０において取得された練習メニュー情報を含む出力情報を生成する（ステップＳ１９０）。具体的には、ステップＳ１９０において、処理部１１１は、複数の出力形式のうちの１つをランダムに第１出力形式として選択し、選択した第１出力形式の当該練習メニュー情報を含む出力情報を生成する。ここで、複数の出力形式には、例えば、動画形式、音声形式、電子書籍形式等であるが、これらに限られるわけではない。また、複数の出力形式には、命令調の文体、依頼調の文体、要請調の文体、懇願調の文体等の文体が互いに異なる出力形式が含まれる構成であってもよい。また、複数の出力形式には、当該練習メニュー情報が示す練習メニューについての説明の仕方が互いに異なる複数の出力形式が含まれる構成であってもよい。また、処理部１１１は、ステップＳ１９０において、複数の出力形式のうちの１つをランダムに第１出力形式として選択する構成に代えて、他のルールに基づいて複数の出力形式のうちの１つを選択する構成であってもよい。

次に、表示制御部１１３は、ステップＳ１９０において生成された出力情報を含む画像を出力情報表示画像として生成する（ステップＳ２００）。なお、出力情報が音声の出力を伴う情報であった場合、情報処理装置１は、例えば、スピーカーを備える。

次に、表示制御部１１３は、ステップＳ２００において生成した出力情報表示画像を表示部１５に表示させ（ステップＳ２１０）、図５に示したフローチャートの処理を終了する。

以上のように、情報処理装置１は、第１運動についての評価を示す情報を評価情報とし、ユーザーについての評価情報と、複数の目標人物の中から選択された第１目標人物についての評価情報とを含む入力情報を入力された場合、第１運動についての複数の練習メニューのうちユーザーに適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルＭへ入力情報を入力し、機械学習モデルＭから出力される練習メニュー情報を含む出力情報を出力する。これにより、情報処理装置１は、ユーザーが所望する目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる。

また、以上のように練習メニュー情報を出力するため、情報処理装置１は、入力情報が入力された場合において、複数の目標人物のうちの第１目標人物と異なる第２目標人物についての評価情報が入力情報に含まれていた場合、偶然一致する場合を除いて、第１目標人物についての評価情報が入力情報に含まれていた場合に出力する練習メニュー情報が示す練習メニューと異なる練習メニューを示す練習メニュー情報を出力する。これにより、情報処理装置１は、個々の目標人物へユーザーが近づくために必要な練習メニューを示す練習メニュー情報を、精度よく出力することができる。

＜練習後評価情報を受け付けた場合において情報処理装置が行う処理＞
以下、図６を参照し、練習後評価情報を受け付けた場合において情報処理装置が行う処理について説明する。ここで、練習後評価情報は、図５に示したフローチャートの処理の結果として情報処理装置１から出力された出力情報に含まれる練習メニュー情報が示す練習メニューの練習をユーザーが行った後のユーザーについての評価情報のことである。このため、練習後評価情報を受け付けた場合において情報処理装置が行う処理は、情報処理装置１が図５に示したフローチャートの処理を行った後に行われる処理である。図６は、練習後評価情報を受け付けた場合において情報処理装置が行う処理の流れの一例を示す図である。このため、以下では、一例として、図６に示したステップＳ３１０の処理が行われるよりも前のタイミングにおいて、図５に示したフローチャートの処理が行われている場合について説明する。また、以下では、一例として、当該タイミングにおいて、図５に示したフローチャートの処理の結果として情報処理装置１から出力された出力情報に含まれる練習メニュー情報が示す練習メニューの練習をユーザーが行っている場合について説明する。また、以下では、一例として、当該タイミングにおいて、練習後評価情報が記憶部１２に記憶されている場合について説明する。また、以下では、説明の便宜上、当該練習メニュー情報を、第１練習メニュー情報と称して説明する。なお、練習後評価情報の生成は、情報処理装置１により行われてもよく、他の装置により行われてもよい。また、以下では、当該タイミングにおいて、練習後評価情報を用いた処理を開始する操作を情報処理装置１が受け付けている場合について説明する。

練習後評価情報を用いた処理を開始する操作を受け付けた後、処理部１１１は、練習後評価情報を記憶部１２から読み出す（ステップＳ３１０）。これにより、処理部１１１は、練習後評価情報を受け付ける。

次に、処理部１１１は、ステップＳ３１０において受け付けた練習後評価情報に基づいて、図５に示したフローチャートの処理における入力情報に含まれていたユーザーについての評価情報が、第１目標人物についての評価情報へ近づいた度合いを示す値を評価値として算出する（ステップＳ３２０）。より具体的には、ステップＳ３２０において、処理部１１１は、例えば、練習後評価情報の波形データと、第１目標人物についての評価情報の波形データとの差分を示す値を、評価値として算出する。これら２つの波形データの差分を示す値を算出する方法は、既知の方法であってもよく、これから開発される方法であってもよい。例えば、評価値は、これら２つの波形データの相関係数であるが、これに限られるわけではない。

次に、処理部１１１は、ステップＳ３２０において算出した評価値が、所定の閾値以上であるか否かを判定する（ステップＳ３３０）。

処理部１１１は、ステップＳ３２０において算出した評価値が、所定の閾値以上であると判定した場合（ステップＳ３３０－ＹＥＳ）、第１練習メニュー情報と異なる練習メニュー情報を新たな練習メニューを示す練習メニュー情報として特定する（ステップＳ３４０）。より具体的には、処理部１１１は、ステップＳ３４０において、図５に示したステップＳ１７０において尤度の高い順に並べられた複数の練習メニューの履歴情報に基づいて、当該複数の練習メニューのうち、第１練習メニュー情報が示す練習メニューの次に尤度が高い練習メニューを示す練習メニュー情報を、新たな練習メニューとして特定する。なお、処理部１１１は、ステップＳ３４０において、当該複数の練習メニューのうち、第１練習メニュー情報が示す練習メニューと異なる練習メニューをランダムに１つ選択し、選択した練習メニューを示す練習メニュー情報を、新たな練習メニュー情報として特定する構成であってもよい。

次に、処理部１１１は、ステップＳ３４０において特定した新たな練習メニュー情報を含む出力情報を、新たな出力情報として生成する（ステップＳ３５０）。具体的には、処理部１１１は、ステップＳ３５０において、前述の第１出力形式の当該新たな練習メニュー情報を含む出力情報を生成する。なお、処理部１１１は、ステップＳ３５０において、第１出力形式と異なる出力形式の当該新たな練習メニュー情報を含む出力情報を生成する構成であってもよい。この場合、第１出力形式と異なる出力形式を選択する方法は、如何なる方法であってもよい。

次に、処理部１１１は、ステップＳ３５０において生成した新たな出力情報を含む出力情報表示画像を、新たな出力情報表示画像として生成する（ステップＳ３６０）。

次に、処理部１１１は、ステップＳ３６０において生成した新たな出力情報表示画像を表示部１５に表示させ（ステップＳ３７０）、図６に示したフローチャートの処理を終了する。

一方、処理部１１１は、ステップＳ３２０において算出した評価値が、所定の閾値未満であると判定した場合（ステップＳ３３０－ＮＯ）、第１出力形式と異なる出力形式の第１練習メニュー情報を生成する（ステップＳ３８０）。ステップＳ３８０において第１出力形式と異なる出力形式を選択する方法は、如何なる方法であってもよい。

次に、処理部１１１は、ステップＳ３８０において生成した第１練習メニュー情報を含む出力情報を、新たな出力情報として生成する（ステップＳ３９０）。

次に、処理部１１１は、ステップＳ３９０において生成した新たな出力情報を含む出力情報表示画像を、新たな出力情報表示画像として生成する（ステップＳ４００）。

次に、処理部１１１は、ステップＳ４００において生成した新たな出力情報表示画像を表示部１５に表示させ（ステップＳ４１０）、図６に示したフローチャートの処理を終了する。

以上のように、情報処理装置１は、出力した第１練習メニュー情報が示す練習メニューの練習をユーザーが行った後のユーザーについての評価情報を練習後評価情報として受け付けた場合、受け付けた練習後評価情報に基づいて、ユーザーについての評価情報が、複数の目標人物の中から選択された第１目標人物についての評価情報へ近づいた度合いを示す評価値を算出し、算出した評価値に応じた処理を行う。具体的には、情報処理装置１は、評価値が所定の閾値未満である場合、評価値に応じた処理として、複数の出力形式のうち第１出力形式と異なる出力形式の第１練習メニュー情報を含む出力情報を出力する処理を行う。これにより、情報処理装置１は、例えば、出力形式の違いによって第１練習メニュー情報が示す練習メニューの練習の仕方をユーザーが理解できなかった場合であっても、他の出力形式の第１練習メニュー情報によってユーザーへ当該練習の仕方を理解させることができる。一方、情報処理装置１は、評価値が所定の閾値以上である場合、評価値に応じた処理として、出力した第１練習メニュー情報が示す練習メニューと異なる練習メニューを示す練習メニュー情報を含む出力情報を出力する処理を行う。これにより、情報処理装置１は、第１練習メニュー情報が示す練習メニューの練習をこなしたユーザーに対して、第１目標人物へ近づくための新たな練習メニューを容易に提供することができる。

＜実施形態の変形例１＞
以下、実施形態の変形例１について説明する。上記において説明した例では、評価情報には、１種類の波形データが含まれていた。しかしながら、評価情報に含まれる波形データは、２種類以上であってもよい。例えば、評価情報に含まれる波形データは、第１波形データと、第２波形データとの２種類の波形データであってもよい。第１波形データは、対象動作についての人の身体の動きに関する第１情報と、対象動作における第１部位の使い方に関する第２情報とに基づく波形データである。また、第２波形データは、当該第１情報と、対象動作における人の身体の第２部位の使い方に関する第３情報とに基づく波形データである。ここで、第２部位は、人の身体の部位のうち第１部位と異なる部位であれば、如何なる部位であってもよい。以下では、一例として、第１部位が右手首関節であり、且つ、第２部位が胴の関節である場合について説明する。この場合、第１波形データは、対象動作についての右手首関節の使い方を示す波形データである。また、この場合、第２波形データは、対象動作についての胴の関節の使い方を示す波形データである。

このように評価情報に２種類の波形データが含まれる場合、機械学習モデルＭは、入力情報が入力された場合、入力された入力情報に含まれる第１目標人物についての第１波形データに、ユーザーについての第１波形データを近づけ、且つ、入力された入力情報に含まれる第１目標人物についての第２波形データに、ユーザーについての第２波形データを近づける練習メニューとして尤もらしい練習メニューを複数の練習メニューの中から特定する。この過程において、機械学習モデルＭは、入力された入力情報に含まれる第１目標人物についての第１波形データに、ユーザーについての第１波形データを近づけ、且つ、入力された入力情報に含まれる第２目標人物についての第１波形データに、ユーザーについての第２波形データを近づける練習メニューとしての尤もらしさ示す尤度を、複数の練習メニューのそれぞれ毎に算出し、算出した尤度に基づいて、複数の練習メニューを尤度の高い順に並べる。そして、機械学習モデルＭは、尤度の高い順に並べた複数の練習メニューのうち最も高い尤度に対応する練習メニューを示す練習メニュー情報を出力する。この場合も、機械学習モデルＭは、第１運動についての複数の練習メニューそれぞれの練習によって評価情報に生じる変化を示す評価変化情報に基づいて、入力情報が入力された場合において、入力された入力情報に含まれる第１目標人物についての評価情報へ、ユーザーについての評価情報を近づける練習メニューとして尤もらしい練習メニューを複数の練習メニューの中から特定するように学習済みの機械学習モデルである。そして、このような学習を実現する方法は、既知の方法であってもよく、これから開発される方法であってもよい。

以上のような構成により、情報処理装置１は、評価情報に２種類以上の波形データが含まれている場合であっても、ユーザーが所望する第１目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる。また、この場合、情報処理装置１は、ユーザーの身体の複数の部位の使い方を、第１目標人物の使い方に近づけるための練習メニューを示す練習メニュー情報をユーザーへ提供することができる。

＜実施形態の変形例２＞
以下、実施形態の変形例２について説明する。実施形態の変形例２では、情報処理装置１は、評価情報を生成する。このため、実施形態の変形例２では、情報処理装置１は、図７に示したように、無線又は有線によって、第１検出部２１と、第２検出部２２とのそれぞれと通信可能に接続されている。図７は、情報処理装置１の構成の他の例を示す図である。なお、情報処理装置１は、第１検出部２１と第２検出部２２を備える構成であってもよく、第１検出部２１と第２検出部２２を備えない構成であってもよい。

第１検出部２１は、第１情報を検出するセンサーであり、例えば、モーションキャプチャーである。なお、第１検出部２１は、モーションキャプチャーに代えて、第１情報を検出可能な他のセンサーであってもよい。

第２検出部２２は、第２情報を表す値を検出するセンサーであり、例えば、筋電センサーである。なお、第２検出部２２は、筋電センサーに代えて、第２情報を表す値を検出可能な他のセンサーであってもよい。

このように情報処理装置１が第１検出部２１及び第２検出部２２のそれぞれと通信可能に接続される場合、情報処理装置１の制御部１１は、処理部１１１と、推定部１１２と、表示制御部１１３とに加えて、取得部１１４と、生成部１１５を備える。

取得部１１４は、第１検出部２１により検出された第１情報を第１検出部２１から取得する。また、取得部１１４は、第２検出部２２により検出された第２情報を表す値を第２検出部２２から取得する。

生成部１１５は、取得部１１４により取得された第１情報と、取得部１１４により取得された第２情報を表す値とに基づいて、評価情報を生成する。

次に、図８を参照し、情報処理装置１が評価情報を生成する処理について説明する。図８は、情報処理装置１が評価情報を生成する処理の流れの一例を示す図である。以下では、一例として、図８に示したステップＳ５１０の処理が行われるよりも前のタイミングにおいて、評価情報を生成する処理を情報処理装置１に開始させる操作を情報処理装置１が受け付けている場合について説明する。また、以下では、一例として、当該タイミングにおいて、第１検出部２１により第１情報を検出可能な位置にユーザーが位置しており、且つ、第２検出部２２がユーザーの第１部位に貼付されている場合について説明する。この場合、情報処理装置１が生成する評価情報は、ユーザーについての評価情報である。第１目標人物のようなユーザー以外の人物についての評価情報を情報処理装置１が生成する場合、第１検出部２１により第１情報を検出可能な位置には、当該人物が位置する。また、当該場合、第２検出部２２は、当該人物の第１部位に貼付される。また、以下では、一例として、当該タイミングにおいて、ユーザーが対象動作を行うための準備が完了している場合について説明する。

評価情報を生成する処理を情報処理装置１に開始させる操作を受け付けた後、取得部１１４は、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを開始する（ステップＳ５１０）。そして、表示制御部１１３は、ユーザーに対象動作を開始することを促す情報を含む画像を生成し、生成した当該画像を表示部１５に表示させる。これにより、ユーザーは、対象動作を開始することができる。なお、情報処理装置１は、当該情報を示す音声を出力する構成であってもよい。この場合、情報処理装置１は、スピーカーを備える。図８では、ステップＳ５１０の処理を「データ取得」によって示している。

次に、取得部１１４は、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了するか否かを判定する（ステップＳ５２０）。図８では、ステップＳ５２０の処理を「データ取得終了？」によって示している。例えば、取得部１１４は、ステップＳ５２０において、第１検出部２１から取得した第１情報に基づいて、ユーザーが対象動作を終了したか否かを判定する。ここで、モーションキャプチャーである第１検出部２１から取得した第１情報に基づいて、ユーザーが対象動作を終了したか否かを判定する方法は、既知の方法であってもよく、これから開発される方法であってもよい。取得部１１４は、ユーザーが対象動作を終了したと判定した場合、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了すると判定する。一方、取得部１１４は、ユーザーが対象動作を終了していないと判定した場合、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了しないと判定する。なお、ユーザーが対象動作を終了したか否かを判定する方法は、第１情報に基づく方法に代えて、他の方法であってもよい。また、取得部１１４は、ステップＳ５２０において、他の方法により、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了するか否かを判定する構成であってもよい。

取得部１１４は、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了しないと判定した場合（ステップＳ５２０－ＮＯ）、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを継続する。

一方、取得部１１４は、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了すると判定した場合（ステップＳ５２０－ＹＥＳ）、第１検出部２１からの第１情報の取得と、第２検出部２２からの第２情報を表す値の取得とを終了する（ステップＳ５３０）。図８では、ステップＳ５３０の処理を「データ取得終了」によって示している。

次に、生成部１１５は、ステップＳ５１０～ステップＳ５３０の処理によって取得された第１情報及び第２情報に基づいて、波形データを生成する（ステップＳ５４０）。

次に、生成部１１５は、ステップＳ５４０において生成した波形データを含む評価情報を生成する（ステップＳ５５０）。

次に、生成部１１５は、ステップＳ５５０において生成した評価情報を記憶部１２に記憶させ（ステップＳ５６０）、図８に示したフローチャートの処理を終了する。

以上のように、情報処理装置１は、評価情報を生成することができる。なお、ある人物の評価情報には、例えば、当該人物を識別する識別情報、当該評価情報が生成された日時を示す日時情報等が含まれる。これにより、情報処理装置１は、記憶部１２に記憶されている評価情報が誰についての評価情報であるのかを特定することができる。

＜実施形態の変形例３＞
以下、実施形態の変形例３について説明する。実施形態の変形例３では、情報処理装置１は、図５に示したフローチャートの処理の結果として情報処理装置１から出力された出力情報に含まれる練習メニュー情報が示す練習メニューの練習をユーザーが行った後において、第１出力形式の分かり易さを示すスコアを受け付ける構成であってもよい。この場合、情報処理装置１は、複数の出力形式のそれぞれについて、受け付けたスコアの平均値を、ユーザー属性情報及び第１出力形式を示す情報と対応付けて記憶部１２に記憶させることができる。その結果、情報処理装置１は、例えば、複数の出力形式の中から第１出力形式を選択する場合、ランダムに選択する構成に代えて、ユーザー属性情報と対応付けられたスコアの平均値のうち、最も高いスコアの平均値に対応付けられた情報が示す出力形式を、第１出力形式として選択することができる。これは、ユーザーが情報処理装置１を利用するほど、ユーザーの好みの出力形式で出力情報を情報処理装置１が出力することを意味し、ユーザーの利便性を向上させることに繋がるため、有用である。なお、このようなスコアによる出力形式の選択は、機械学習モデルＭにより行ってもよい。そして、このようなスコアによる出力形式の選択を機械学習モデルＭに行わせる方法は、既知の方法であってもよく、これから開発される方法であってもよい。

＜実施形態の変形例４＞
以下、実施形態の変形例４について説明する。実施形態の変形例４では、情報処理装置１は、ユーザー属性情報を受け付けた後、受け付けたユーザー属性情報と、記憶部１２に予め記憶されたユーザーについての評価情報とに基づいて、ユーザーに適したフィジカルタイプを示すフィジカルタイプ情報を表示する構成であってもよい。この場合、情報処理装置１は、予め記憶された目標人物情報の中から、受け付けたユーザー属性情報が示す属性と一致する属性を示す目標人物属性情報を含む１つ以上の目標人物情報を特定する。情報処理装置１は、特定した１つ以上の目標人物情報のそれぞれが示す目標人物についての評価情報のうち、ユーザーについての評価情報の波形データと最も近い波形データを含む評価情報を特定する。そして、情報処理装置１は、特定した評価情報に対応する目標人物を示す目標人物情報に含まれるフィジカルタイプ情報を、表示部１５に表示させる。これにより、情報処理装置１は、ユーザーが目指し易いフィジカルタイプをユーザーに知らせることができる。なお、情報処理装置１は、ユーザーから目標フィジカルタイプ情報を選択する操作を受け付けることなく、このようにして特定したフィジカルタイプ情報を、目標フィジカルタイプ情報として受け付ける構成であってもよい。

＜評価変化情報の詳細＞
以下では、機械学習モデルＭの学習に用いられる評価変化情報の詳細について説明する。機械学習モデルＭの学習には、複数の評価変化情報が用いられる。これら複数の評価変化情報は、複数の人物それぞれについての評価変化情報である。以下では、説明の便宜上、これら複数の人物のそれぞれを、教師と称して説明する。ある教師についての評価変化情報は、複数の練習メニューそれぞれの練習によって、当該教師についての評価情報に生じる変化を示す情報である。より具体的には、当該教師についての評価変化情報は、複数の練習メニューそれぞれの練習によって当該教師についての評価情報の波形データに生じる変化を示す情報である。具体的には、当該教師についての評価変化情報には、例えば、複数の練習メニュー毎の当該教師についての評価変化情報が含まれている。そして、ある練習メニューの当該教師についての評価変化情報には、例えば、当該練習メニューの練習を行う前の当該教師についての評価情報と、当該練習メニューの練習を行った後の当該教師についての評価情報とが含まれている。これは、これら２つの評価情報それぞれの波形データ同士の差分が、当該練習メニューの練習によって、当該教師についての評価情報に生じる変化を示すからである。なお、ある教師についての評価変化情報は、複数の練習メニューそれぞれの練習によって、当該教師についての評価情報に生じる変化を示す他の情報であってもよい。

例えば、情報処理装置１は、受け付けた操作に応じて、ある練習メニューのある教師についての評価変化情報を機械学習モデルＭへ学習させる場合、当該評価変化情報に含まれる２つの評価情報それぞれの波形データを教師データとし、当該練習メニューを示す変数を正解ラベルとして、当該評価変化情報を機械学習モデルＭに学習させる。そして、情報処理装置１は、受け付けた操作に応じて、このような評価変化情報の機械学習モデルＭへの学習を、複数の練習メニューのそれぞれと、複数の教師のそれぞれとの組み合わせ毎に行う。これにより、情報処理装置１は、入力情報が入力された場合において、入力された入力情報に含まれる第１目標人物についての評価情報へ、ユーザーについての評価情報を近づける練習メニューとして尤もらしい練習メニューを複数の練習メニューの中から特定するように機械学習モデルＭを学習させることができる。

ここで、複数の教師のそれぞれには、様々な年齢層の教師、様々な体格の教師が含まれている。これにより、機械学習モデルＭは、複数の練習メニューの中から、ユーザーの属性に応じた適切な練習メニューであると推定される練習メニューを示す練習メニュー情報を出力することができる。なお、教師についての評価情報は、例えば、図８に示したフローチャートの処理により生成される。また、評価変化情報は、情報処理装置１により生成されてもよく、他の装置により生成されてもよい。

なお、上記において説明した事項は、如何様に組み合わされてもよい。

以上説明したように、実施形態に係る情報処理装置は、第１運動についての評価を示す情報を評価情報とし、第１人物についての評価情報と、複数の目標人物の中から選択された第１目標人物についての評価情報とを含む入力情報を入力された場合、第１運動についての複数の練習メニューのうち第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ入力情報を入力し、当該機械学習モデルから出力される練習メニュー情報を含む出力情報を出力する制御部、を備える。これにより、情報処理装置は、ユーザーが所望する目標人物に近づくための練習メニューを示す練習メニュー情報を、精度よく出力することができる。

＜付記＞
［１］
第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力する制御部、
を備える情報処理装置。
［２］
前記制御部は、受け付けた操作に応じて、前記複数の目標人物の中から前記第１目標人物を選択する、
［１］に記載の情報処理装置。
［３］
属性を示す情報を属性情報とし、前記複数の目標人物のそれぞれには、目標人物についての前記属性情報が対応付けられており、
前記制御部は、受け付けた操作に応じて、前記複数の目標人物の中から、前記第１人物についての前記属性情報と一致する前記属性情報に対応付けられた目標人物を１人以上特定し、特定した前記１人以上の目標人物の中から、前記第１目標人物を選択する、
［１］又は［２］に記載の情報処理装置。
［４］
前記属性情報は、年齢層を示す年齢層情報と、体格を示す体格情報との少なくとも一方を含む、
請求項［３］に記載の情報処理装置。
［５］
前記複数の目標人物それぞれには、前記第１運動における身体の使い方を表すフィジカルタイプを示すフィジカルタイプ情報が対応付けられており、
前記制御部は、互いに異なる複数の前記フィジカルタイプの中から、前記第１人物が所望する前記フィジカルタイプを示す前記フィジカルタイプ情報を受け付け、前記複数の目標人物の中から、受け付けた前記フィジカルタイプ情報に対応付けられた目標人物を前記第１目標人物として選択する、
［１］から［４］のうちいずれか一項に記載の情報処理装置。
［６］
前記機械学習モデルは、前記複数の練習メニューそれぞれの練習によって前記評価情報に生じる変化を示す評価変化情報に基づいて、前記入力情報が入力された場合において、入力された前記入力情報に含まれる前記第１目標人物についての前記評価情報へ、前記第１人物についての前記評価情報を近づける練習メニューとして尤もらしい練習メニューを前記複数の練習メニューの中から特定するように学習済みである、
［１］から［５］のうちいずれか一項に記載の情報処理装置。
［７］
前記評価情報は、前記第１運動において解析の対象となる動作についての人の身体の使い方を示す波形データを含み、
前記評価変化情報は、前記波形データに生じる変化を示し、
前記機械学習モデルは、前記入力情報が入力された場合、入力された前記入力情報に含まれる前記第１目標人物についての前記波形データに、前記第１人物についての前記波形データを近づける練習メニューとして尤もらしい練習メニューを前記複数の練習メニューの中から特定する、
［６］に記載の情報処理装置。
［８］
前記波形データは、前記動作についての物体の動きに関する第１情報と、前記動作における人の身体の第１部位の使い方に関する第２情報に基づくデータであり、
前記物体は、人の身体、又は、前記第１運動に用いられる道具である、
［７］に記載の情報処理装置。
［９］
前記波形データは、前記動作についての物体の動きに関する第１情報と、前記動作における人の身体の第１部位の使い方に関する第２情報とに基づく第１波形データと、前記第１情報と、前記動作における人の身体の第２部位の使い方に関する第３情報とに基づく第２波形データとを含み、
前記物体は、人の身体、又は、前記第１運動に用いられる道具である、
［７］に記載の情報処理装置。
［１０］
前記制御部は、前記出力情報を出力する場合、複数の出力形式のうちの１つをランダムに第１出力形式として選択し、選択した前記第１出力形式の前記練習メニュー情報を含む前記出力情報を出力する、
［１］から［９］のうちいずれか一項に記載の情報処理装置。
［１１］
前記制御部は、出力した前記練習メニュー情報が示す練習メニューの練習を前記第１人物が行った後の前記第１人物についての前記評価情報を練習後評価情報として受け付けた場合、受け付けた前記練習後評価情報に基づいて、前記第１人物についての前記評価情報が、前記複数の目標人物の中から選択された第１目標人物についての前記評価情報へ近づいた度合いを示す値を算出し、算出した前記値に応じた処理を行う、
［１０］に記載の情報処理装置。
［１２］
前記制御部は、前記値が所定の閾値未満である場合、前記値に応じた処理として、前記複数の出力形式のうち前記第１出力形式と異なる第２出力形式の前記練習メニュー情報を含む前記出力情報を出力する処理を行う、
［１１］に記載の情報処理装置。
［１３］
前記制御部は、前記値が所定の閾値以上である場合、前記値に応じた処理として、出力した前記練習メニュー情報が示す練習メニューと異なる練習メニューを示す前記練習メニュー情報を含む前記出力情報を出力する処理を行う、
［１１］又は［１２］に記載の情報処理装置。
［１４］
前記機械学習モデルは、前記入力情報が入力された場合において、前記複数の目標人物のうちの前記第１目標人物と異なる第２目標人物についての前記評価情報が前記入力情報に含まれていた場合、前記第１目標人物についての前記評価情報が前記入力情報に含まれていた場合に出力する前記練習メニュー情報が示す練習メニューと異なる練習メニューを示す前記練習メニュー情報を出力する、
［１］から［１３］のうちいずれか一項に記載の情報処理装置。
［１５］
第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、
を有する情報処理方法。
［１６］
コンピューターに、
第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、
を実行させるためのプログラム。

以上、この開示の実施形態を、図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この開示の要旨を逸脱しない限り、変更、置換、削除等されてもよい。

また、以上に説明した装置における任意の構成部の機能を実現するためのプログラムを、コンピューター読み取り可能な記録媒体に記録し、そのプログラムをコンピューターシステムに読み込ませて実行するようにしてもよい。ここで、当該装置は、例えば、情報処理装置１等である。なお、ここでいう「コンピューターシステム」とは、ＯＳ（Operating System）や周辺機器等のハードウェアを含むものとする。また、「コンピューター読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ（Compact Disk）－ＲＯＭ等の可搬媒体、コンピューターシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピューター読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバーやクライアントとなるコンピューターシステム内部の揮発性メモリーのように、一定時間プログラムを保持しているものも含むものとする。

また、上記のプログラムは、このプログラムを記憶装置等に格納したコンピューターシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピューターシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワークや電話回線等の通信回線のように情報を伝送する機能を有する媒体のことをいう。
また、上記のプログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、上記のプログラムは、前述した機能をコンピューターシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル又は差分プログラムであってもよい。

１…情報処理装置、１１…制御部、１２…記憶部、１３…入力受付部、１４…通信部、１５…表示部、２１…第１検出部、２２…第２検出部、１１１…処理部、１１２…推定部、１１３…表示制御部、１１４…取得部、１１５…生成部、Ｍ…機械学習モデル

Claims (16)

1. 第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力する制御部、
   を備える情報処理装置。
2. 前記制御部は、受け付けた操作に応じて、前記複数の目標人物の中から前記第１目標人物を選択する、
   請求項１に記載の情報処理装置。
3. 属性を示す情報を属性情報とし、前記複数の目標人物のそれぞれには、目標人物についての前記属性情報が対応付けられており、
   前記制御部は、受け付けた操作に応じて、前記複数の目標人物の中から、前記第１人物についての前記属性情報と一致する前記属性情報に対応付けられた目標人物を１人以上特定し、特定した前記１人以上の目標人物の中から、前記第１目標人物を選択する、
   請求項１に記載の情報処理装置。
4. 前記属性情報は、年齢層を示す年齢層情報と、体格を示す体格情報との少なくとも一方を含む、
   請求項３に記載の情報処理装置。
5. 前記複数の目標人物それぞれには、前記第１運動における身体の使い方を表すフィジカルタイプを示すフィジカルタイプ情報が対応付けられており、
   前記制御部は、互いに異なる複数の前記フィジカルタイプの中から、前記第１人物が所望する前記フィジカルタイプを示す前記フィジカルタイプ情報を受け付け、前記複数の目標人物の中から、受け付けた前記フィジカルタイプ情報に対応付けられた目標人物を前記第１目標人物として選択する、
   請求項１に記載の情報処理装置。
6. 前記機械学習モデルは、前記複数の練習メニューそれぞれの練習によって前記評価情報に生じる変化を示す評価変化情報に基づいて、前記入力情報が入力された場合において、入力された前記入力情報に含まれる前記第１目標人物についての前記評価情報へ、前記第１人物についての前記評価情報を近づける練習メニューとして尤もらしい練習メニューを前記複数の練習メニューの中から特定するように学習済みである、
   請求項１に記載の情報処理装置。
7. 前記評価情報は、前記第１運動において解析の対象となる動作についての人の身体の使い方を示す波形データを含み、
   前記評価変化情報は、前記波形データに生じる変化を示し、
   前記機械学習モデルは、前記入力情報が入力された場合、入力された前記入力情報に含まれる前記第１目標人物についての前記波形データに、前記第１人物についての前記波形データを近づける練習メニューとして尤もらしい練習メニューを前記複数の練習メニューの中から特定する、
   請求項６に記載の情報処理装置。
8. 前記波形データは、前記動作についての物体の動きに関する第１情報と、前記動作における人の身体の第１部位の使い方に関する第２情報に基づくデータであり、
   前記物体は、人の身体、又は、前記第１運動に用いられる道具である、
   請求項７に記載の情報処理装置。
9. 前記波形データは、前記動作についての物体の動きに関する第１情報と、前記動作における人の身体の第１部位の使い方に関する第２情報とに基づく第１波形データと、前記第１情報と、前記動作における人の身体の第２部位の使い方に関する第３情報とに基づく第２波形データとを含み、
   前記物体は、人の身体、又は、前記第１運動に用いられる道具である、
   請求項７に記載の情報処理装置。
10. 前記制御部は、前記出力情報を出力する場合、複数の出力形式のうちの１つをランダムに第１出力形式として選択し、選択した前記第１出力形式の前記練習メニュー情報を含む前記出力情報を出力する、
    請求項１に記載の情報処理装置。
11. 前記制御部は、出力した前記練習メニュー情報が示す練習メニューの練習を前記第１人物が行った後の前記第１人物についての前記評価情報を練習後評価情報として受け付けた場合、受け付けた前記練習後評価情報に基づいて、前記第１人物についての前記評価情報が、前記複数の目標人物の中から選択された第１目標人物についての前記評価情報へ近づいた度合いを示す値を算出し、算出した前記値に応じた処理を行う、
    請求項１０に記載の情報処理装置。
12. 前記制御部は、前記値が所定の閾値未満である場合、前記値に応じた処理として、前記複数の出力形式のうち前記第１出力形式と異なる第２出力形式の前記練習メニュー情報を含む前記出力情報を出力する処理を行う、
    請求項１１に記載の情報処理装置。
13. 前記制御部は、前記値が所定の閾値以上である場合、前記値に応じた処理として、出力した前記練習メニュー情報が示す練習メニューと異なる練習メニューを示す前記練習メニュー情報を含む前記出力情報を出力する処理を行う、
    請求項１１に記載の情報処理装置。
14. 前記機械学習モデルは、前記入力情報が入力された場合において、前記複数の目標人物のうちの前記第１目標人物と異なる第２目標人物についての前記評価情報が前記入力情報に含まれていた場合、前記第１目標人物についての前記評価情報が前記入力情報に含まれていた場合に出力する前記練習メニュー情報が示す練習メニューと異なる練習メニューを示す前記練習メニュー情報を出力する、
    請求項１に記載の情報処理装置。
15. 第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、
    を有する情報処理方法。
16. コンピューターに、
    第１運動についての評価を示す情報を評価情報とし、第１人物についての前記評価情報と、複数の目標人物の中から選択された第１目標人物についての前記評価情報とを含む入力情報を入力された場合、前記第１運動についての複数の練習メニューのうち前記第１人物に適した練習メニューを示す練習メニュー情報を出力する学習済みの機械学習モデルへ前記入力情報を入力し、前記機械学習モデルから出力される前記練習メニュー情報を含む出力情報を出力するステップ、
    を実行させるためのプログラム。

Images