JP4635486B2

JP4635486B2 - 概念獲得装置及びその方法、並びにロボット装置及びその行動制御方法

Info

Publication number: JP4635486B2
Application number: JP2004191935A
Authority: JP
Inventors: 理花形; 浩明小川
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 2004-06-29
Filing date: 2004-06-29
Publication date: 2011-02-23
Anticipated expiration: 2024-06-29
Also published as: JP2006012082A

Description

本発明は、外界から得られた情報と装置内部に記憶されている知識とに基づいて新しい概念を獲得する概念獲得装置及びその方法、並びに概念に基づいて行動するロボット装置及びその行動制御方法に関する。

論理に基づく帰納推論を行うシステム（ＩＬＰ:Inductive Logic Programing）が９０年代後半にＳｔｅｐｈｅｎＭｕｇｇｌｅｔｏｎらによって開発された（例えば、非特許文献１参照。）。ＩＬＰは、多くの事例から共通するルールを導き出すシステムである。このＩＬＰは、事例として正しい例（正例）と間違った例（負例）が与えられることにより、これらの正負例を事例に関連する背景知識に基づいて組み合わせ、多くの事例が成り立つ仮説を作り出す。作り出された仮説は、概念と呼ばれる。このようにして実現されたＩＬＰとして、Ｐｒｏｇｏｌと呼ばれるシステムがある。

Stephen Muggleton, Luc De Raedt,"Inductive Logic Programming : Theory And Methods", Journal of Logic Programming, 1994, pp.629-679

しかしながら、Ｐｒｏｇｏｌでは、求めようとする概念（目標概念）、背景知識及び正負例はプログラムで与えることになっており、どのように目標概念、背景知識及び正負例を選択するか決まっておらず、新しい概念を自動的に獲得することができなかった。

したがって、Ｐｒｏｇｏｌがロボット装置に組み込まれた場合であっても、新しい概念を獲得することができず、概念に対応した動作を行うことができなかった。

本発明は、このような従来の実情に鑑みて提案されたものであり、外界から得られた情報と装置内部に記憶されている知識とに基づいて新しい概念を獲得する概念獲得装置及びその方法、並びに概念に基づいて行動するロボット装置及びその行動制御方法を提供することを目的とする。

そこで、上述した目的を達成するために、本発明に係る概念獲得装置は、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識手段と、音声から発話内容を認識し、テキスト文章を出力する音声認識手段と、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成手段と、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定手段と、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得手段とを有することを特徴としている。

また、本発明に係る概念獲得方法は、顔認識手段により、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識工程と、音声認識手段により、音声から発話内容を認識し、テキスト文章を出力する音声認識工程と、情報処理装置により、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定工程と、情報処理装置により、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成工程と、情報処理装置により、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得工程とを有することを特徴としている。

また、本発明に係るロボット装置は、自律的な動作が可能なロボット装置において、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識手段と、音声から発話内容を認識し、テキスト文章を出力する音声認識手段と、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成手段と、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定手段と、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得手段と、上記概念獲得手段にて獲得した概念を記憶する知識記憶手段とを有することを特徴としている。

また、本発明に係るロボット装置の行動制御方法は、顔認識手段により、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識工程と、音声認識手段により、音声から発話内容を認識し、テキスト文章を出力する音声認識工程と、情報処理装置により、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定工程と、情報処理装置により、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成工程と、情報処理装置により、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得工程と、情報処理装置により、上記概念獲得工程にて獲得した概念を記憶手段に記憶する知識記憶工程とを有することを特徴としている。

本発明によれば、外界から得られた情報より目標概念を決定し、正負例を生成することができるため、正負例を組み合わせて新しい概念を獲得することができる。

また、外界から得られた情報よりロボット装置の行動に反映させる概念を識別し、行動を選択することができるため、どのような場面でも概念に対応した行動をとることができる。

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。この実施の形態は、本発明を、外界から得られた知識と装置内部に記憶されている知識とに基づいて新しい概念を獲得し、行動に反映させる２足歩行タイプのロボット装置に適用したものである。このロボット装置は、住環境その他の日常生活上の様々な場面における人的活動を支援する実用ロボットであり、人間が行う基本的な動作を表出できるエンターテインメントロボットでもある。以下では先ず、このようなロボット装置の構成について説明し、次いで、このロボット装置の概念獲得方法及び行動制御方法について詳細に説明する。

（１）ロボット装置の構成
先ず、本実施の形態におけるロボット装置の構成について説明する。図１に示すように、本実施の形態におけるロボット装置１は、体幹部ユニット２の所定の位置に頭部ユニット３が連結されるとともに、左右２つの腕部ユニット４Ｒ／Ｌと、左右２つの脚部ユニット５Ｒ／Ｌが連結されて構成されている（但し、Ｒ及びＬの各々は、右及び左の各々を示す接尾辞である。以下において同じ。）。

このロボット装置１が具備する関節自由度構成を図２に模式的に示す。頭部ユニット３を支持する首関節は、首関節ヨー軸１０１と、首関節ピッチ軸１０２と、首関節ロール軸１０３という３自由度を有している。

また、上肢を構成する各々の腕部ユニット４Ｒ／Ｌは、肩関節ピッチ軸１０７と、肩関節ロール軸１０８と、上腕ヨー軸１０９と、肘関節ピッチ軸１１０と、前腕ヨー軸１１１と、手首関節ピッチ軸１１２と、手首関節ロール軸１１３と、手部１１４とで構成される。手部１１４は、実際には、複数本の指を含む多関節・多自由度構造体である。但し、手部１１４の動作は、ロボット装置１の姿勢制御や歩行制御に対する寄与や影響が少ないので、本明細書ではゼロ自由度と仮定する。したがって、各腕部ユニット４Ｒ／Ｌは、７自由度で構成される。

また、体幹部ユニット２は、体幹ピッチ軸１０４と、体幹ロール軸１０５と、体幹ヨー軸１０６という３自由度を有する。

また、下肢を構成する各々の脚部ユニット５Ｒ／Ｌは、股関節ヨー軸１１５と、股関節ピッチ軸１１６と、股関節ロール軸１１７と、膝関節ピッチ軸１１８と、足首関節ピッチ軸１１９と、足首関節ロール軸１２０と、足部１２１とで構成される。本明細書中では、股関節ピッチ軸１１６と股関節ロール軸１１７の交点は、ロボット装置１の股関節位置を定義する。人体の足部は、実際には多関節・多自由度の足底を含んだ構造体であるが、ロボット装置１の足部１２１は、ゼロ自由度とする。したがって、各脚部ユニット５Ｒ／Ｌは、６自由度で構成される。

以上を総括すれば、ロボット装置１全体としては、合計で３＋７×２＋３＋６×２＝３２自由度を有することになる。但し、エンターテインメント向けのロボット装置１が必ずしも３２自由度に限定される訳ではない。設計・制作上の制約条件や要求仕様等に応じて、自由度すなわち関節数を適宜増減することができることはいうまでもない。

上述したようなロボット装置１が持つ各自由度は、実際にはアクチュエータを用いて実装される。外観上で余分な膨らみを排してヒトの自然体形状に近似させること、２足歩行という不安定構造体に対して姿勢制御を行うことなどの要請から、アクチュエータは小型且つ軽量であることが好ましい。

図３には、ロボット装置１の制御システム構成を模式的に示している。図３に示すように、制御システムは、ユーザ入力などに動的に反応して情緒判断や感情表現を司る思考制御モジュール２００と、アクチュエータ３５０の駆動などロボット装置１の全身協調運動を制御する運動制御モジュール３００とで構成される。

思考制御モジュール２００は、情緒判断や感情表現に関する演算処理を実行するＣＰＵ（Central Processing Unit）２１１や、ＲＡＭ（Random Access Memory）２１２、ＲＯＭ（Read Only Memory）２１３、及び外部記憶装置（ハード・ディスク・ドライブなど）２１４で構成され、モジュール内で自己完結した処理を行うことができる独立駆動型の情報処理装置である。

この思考制御モジュール２００は、画像入力装置２５１から入力される画像データや音声入力装置２５２から入力される音声データなど、外界からの刺激などに従って、ロボット装置１の現在の感情や意思を決定する。ここで、画像入力装置２５１は、例えばＣＣＤ（Charge Coupled Device）カメラを左右に１つずつ備えており、また、音声入力装置２５２は、例えばマイクロホンを複数備えている。また、思考制御モジュール２００は、スピーカを備える音声出力装置２５３を介して、音声を出力することができる。

また、思考制御モジュール２００は、意思決定に基づいた動作又は行動シーケンス、すなわち四肢の運動を実行するように、運動制御モジュール３００に対して指令を発行する。

一方の運動制御モジュール３００は、ロボット装置１の全身協調運動を制御するＣＰＵ３１１や、ＲＡＭ３１２、ＲＯＭ３１３、及び外部記憶装置（ハード・ディスク・ドライブなど）３１４で構成され、モジュール内で自己完結した処理を行うことができる独立駆動型の情報処理装置である。外部記憶装置３１４には、例えば、オフラインで算出された歩行パターンや目標とするＺＭＰ軌道、その他の行動計画を蓄積することができる。ここで、ＺＭＰとは、歩行中の床反力によるモーメントがゼロとなる床面上の点のことであり、また、ＺＭＰ軌道とは、例えばロボット装置１の歩行動作期間中にＺＭＰが動く軌跡を意味する。なお、ＺＭＰの概念並びにＺＭＰを歩行ロボットの安定度判別規範に適用する点については、Miomir Vukobratovic 著“LEGGED LOCOMOTION ROBOTS”（加藤一郎外著『歩行ロボットと人工の足』（日刊工業新聞社））に記載されている。

運動制御モジュール３００には、図２に示したロボット装置１の全身に分散するそれぞれの関節自由度を実現するアクチュエータ３５０、体幹部ユニット２の姿勢や傾斜を計測する姿勢センサ３５１、左右の足底の離床又は着床を検出する接地確認センサ３５２，３５３、バッテリなどの電源を管理する電源制御装置３５４などの各種の装置が、バス・インターフェース（Ｉ／Ｆ）３０１経由で接続されている。ここで、姿勢センサ３５１は、例えば加速度センサとジャイロ・センサの組み合わせによって構成され、接地確認センサ３５２，３５３は、近接センサ又はマイクロ・スイッチなどで構成される。

思考制御モジュール２００と運動制御モジュール３００とは、共通のプラットフォーム上で構築され、両者間はバス・インターフェース２０１，３０１を介して相互接続されている。

運動制御モジュール３００では、思考制御モジュール２００から指示された行動を体現すべく、各アクチュエータ３５０による全身協調運動を制御する。すなわち、ＣＰＵ３１１は、思考制御モジュール２００から指示された行動に応じた動作パターンを外部記憶装置３１４から取り出し、又は内部的に動作パターンを生成する。そして、ＣＰＵ３１１は、指定された動作パターンに従って、足部運動、ＺＭＰ軌道、体幹運動、上肢運動、腰部水平位置及び高さなどを設定するとともに、これらの設定内容に従った動作を指示する指令値を各アクチュエータ３５０に転送する。

また、ＣＰＵ３１１は、姿勢センサ３５１の出力信号によりロボット装置１の体幹部ユニット２の姿勢や傾きを検出するとともに、各接地確認センサ３５２，３５３の出力信号により各脚部ユニット５Ｒ／Ｌが遊脚又は立脚の何れの状態であるかを検出することによって、ロボット装置１の全身協調運動を適応的に制御することができる。

また、ＣＰＵ３１１は、ＺＭＰ位置が常にＺＭＰ安定領域の中心に向かうように、ロボット装置１の姿勢や動作を制御する。

さらに、運動制御モジュール３００は、思考制御モジュール２００において決定された意思通りの行動がどの程度発現されたか、すなわち処理の状況を、思考制御モジュール２００に返すようになっている。

このようにしてロボット装置１は、制御プログラムに基づいて自己及び周囲の状況を判断し、自律的に行動することができる。

（２）概念獲得方法
次に、本実施の形態における概念獲得方法について説明する。図４は、本実施の形態における概念獲得装置４０を示すブロック図である。概念獲得装置４０を搭載したロボット装置１は、外界の情報を取得するセンサに図３に示す画像入力装置２５１に設けられたＣＣＤカメラ４１と音声入力装置２５２に設けられたマイクロホン４３とを用いることができる。なお、ここではＩＬＰ（Inductive Logic Programming）システムの１つであるＰｒｏｇｏｌを用いて概念を獲得する方法を説明する。

概念獲得装置４０は、ＣＣＤカメラ４１で撮像された画像から人の顔を認識し、その顔の特徴を示す属性情報とその顔の人物ＩＤとを出力する顔認識器４２と、マイクロホン４３で集音した音声から発話内容を認識し、発話内容のテキスト文章を出力する音声認識器４４と、顔認識器４２から入力された属性情報又は音声認識器４４から入力されたテキスト文章より正負例データベース４６を参照して正例又は負例を生成するＦａｃｔ生成器４５と、音声認識器４４から入力されたテキスト文章より目標概念データベース４８を参照して目標概念を決定する目標概念決定器４７と、Ｆａｃｔ生成器４５で生成された正負例及び目標概念決定器４７で決定された目標概念から背景知識データベース５０を参照して新しい概念を獲得する概念獲得器４９と、概念獲得器４９で獲得した概念を記憶する知識記憶器５１とを備えている。

顔認識器４２は、例えば平均的な正面顔のテンプレート画像を使用し、ＣＣＤカメラ４１から入力された画像と、テンプレート画像との相関を求めることにより、顔検出を行う。そして、検出した顔の人物ＩＤを識別し、顔の特徴、例えば、髭が生えているか、眼鏡をかけているかなどを示す属性情報を人物ＩＤとともに出力する。また、顔認識器４２は、新しい顔を検出した場合、その顔に人物ＩＤを付すとともに、その顔の特徴を抽出し、人物ＩＤと属性情報とを出力する。顔認識器４２から出力された人物ＩＤ及び属性情報は、Ｆａｃｔ生成器４４に入力される。

音声認識器４４は、マイクロホン４３で集音した音声から発話内容を認識し、発話内容のテキスト文章をＦａｃｔ生成器４５及び目標概念決定器４７に出力する。

Ｆａｃｔ生成器４５は、音声認識器４４から入力されたテキスト文章より正負例を生成する。この際、Ｆａｃｔ生成器４５は、正負例データベース４６に格納された正負例決定ルールを参照し、正例又は負例を生成する。この正負例決定ルールは、入力されたテキスト文章に対応して正例又は負例を生成するように規定されている。例えば、「わたしはらーめんがすきです」と入力されたテキスト文章に対しては正例である記述like(person, ramen)を生成するように規定され、その反対の意味を表す、例えば「わたしはらーめんがすきではありません」、「わたしはらーめんがきらいです」などと入力されたテキスト文章に対しては負例である記述not like(person, ramen)を生成するように規定されている。ここで、personには顔認識器４２で認識された人のＩＤが入力される。

また、Ｆａｃｔ生成器４５は、顔認識器４２から入力された属性情報に基づいて正負例を生成する。例えば、眼鏡をかけている人という属性情報が入力された場合には、正例である記述megane(person)を生成し、眼鏡をかけていない人という属性情報が入力された場合には、負例である記述not megane(person)を生成する。Ｆａｃｔ生成器４５は、生成した正負例を概念獲得器４９に出力する。

目標概念決定器４７は、音声認識器４４から入力されたテキスト文章を、目標概念データベース４８に格納された目標概念決定ルールと比較して、合致したものを目標概念として決定する。目標概念決定ルールは、入力されたテキスト文章に対応して目標概念を決定するように規定されている。例えば、「わたしはらーめんがすきです」と入力されたテキストに対しては、likeを目標概念とするように規定されている。目標概念決定器４７は、決定した目標概念を概念獲得器４９に出力する。

概念獲得器４９は、背景知識データベース５０に格納された背景ルールで規定された正負例を組み合わせて最も多くの事例が成り立つ仮説を作り出す。そして、作り出された仮説を概念として獲得する。背景ルールには、目標概念に関する概念を獲得するために利用される正負例が規定されている。例えば、目標概念決定器４７から入力された目標概念likeに対しては、Ｆａｃｔ生成器４５から出力された髭が生えているか否か、眼鏡をかけているか否かなどの正負例を利用するように規定されている。概念獲得器４９は、獲得した概念を知識記憶器５１に出力する。

知識記憶器５１は、概念獲得器４９で獲得された概念を記憶する。記憶された概念は、後述するロボット装置１の行動に反映される。

次に、本実施の形態におけるロボット装置１の概念獲得方法について、具体的な例を示して説明する。図５は、本実施の形態におけるロボット装置１の概念獲得方法を説明するフローチャートである。

先ず、人が、例えば「私はラーメンが好きです。」とロボット装置１のＣＣＤカメラ４１の前で話しかける（ステップＳ５１）。顔認識器４２は、ＣＣＤカメラ４１で撮像された顔画像より話しかけた人物を特定する（ステップＳ５２）。この際、顔認識器４２は、人物ＩＤと髭が生えているか否か、眼鏡をかけているか否か等の属性情報とを次のようなテーブル型式で出力する。
人物ＩＤ：p1
髭：true
眼鏡：false
ステップＳ５１にて、マイクロホン４３から入力された音声は、音声認識器４４にて発話内容が認識され、テキスト文章が出力される（ステップＳ５３）。

目標概念決定器４７は、ステップＳ５３にて認識されたテキスト文章と目標概念データベース４８に格納された目標概念決定ルールとを比較し、目標概念として決定する（ステップＳ５４）。例えば、目標概念データベース４８には、次のような目標概念決定ルールが格納されているとする。
ルール：わたしはＸがすきです，like
ルール：わたしはＸがすきではありません，like
ルール：わたしはＸがきらいです，like
そして、例えば「わたしはらーめんがすきです。」とステップＳ５３で認識された場合、目標概念決定器４７は、その発話内容に対応する目標概念決定ルールに従ってlikeを目標概念として決定する。

Ｆａｃｔ生成器４５は、ステップＳ５３で認識されたテキスト文章に対応する正負例決定ルールに従い、正負例を生成する（ステップＳ５５）。例えば、正負例データベース４６には、次のような正負例決定ルールが格納されているとする。
ルール：わたしはTARGETがすきです，like(person, TARGET)
ルール：わたしはTARGETがすきではありません，not(like(person, TARGET))
ルール：わたしはTARGETがきらいです，not(like(person, TARGET))
ここで、TARGETには、テキスト文章に応じて様々な要素が入力される。そして、Ｆａｃｔ生成器４５は、、ステップＳ５３にて、例えば「わたしはらーめんがすきです。」と認識されたテキスト文章に対応する正負例決定ルールに従って、正例であるlike(person, ramen)を生成する。

また、Ｆａｃｔ生成器４５は、顔認識器４２から出力された属性情報に基づいて、正負例を生成する。例えば、髭が生えている場合、正例であるhige(person)を生成し、髭が生えていない場合、負例であるnot hige(person)を生成する。

以上、ステップＳ５１からステップＳ５５までを順次繰り返し行い、正負例を生成する。例えば、p1からp9までのＩＤの人が、ラーメン及びうどんの好き嫌いについて話した場合、正負例は次のように生成される。
like(p1, ramen). not like(p1, udon). not hige(p1). not megane(p1).
not like(p2, ramen). like(p2, udon). hige(p2). not megane(p2).
like(p3, ramen). not like(p3, udon). not hige(p3). megane(p3).
like(p4, ramen). not like(p4, udon). not hige(p4). megane(p4).
not like(p5, ramen). not like(p5, udon). hige(p5). megane(p5).
like(p6, ramen). not like(p6, udon). not hige(p6). megane(p6).
not like(p7, ramen). like(p7, udon). hige(p7). not megane(p7).
not like(p8, ramen). like(p8, udon). hige(p8). not megane(p8).
not like(p9, ramen). not like(p9, udon). not hige(p9). not megane(p9).
ここで、例えば１段目のp1の人について説明すれば、顔には髭も眼鏡もなく、ラーメンが好きで、うどんが嫌いな人であることを示している。

概念獲得器４９は、背景知識データベース５０に格納された複数のルールの中からステップＳ５４で決定された目標概念に関するルール、例えば次に示すようなlikeに関するルールを取り出す。
modeh(1, like(+person, #food))
modeb(1, hige (+person))
modeb(1, megane (+person))
modeb(1, not hige(+person)))
modeb(1, not (megane(+person,)))
modeb(*,+any, +any)
ここで、modeh(1, like(+person, #food))の記述は、食べ物＃foodに対する目標概念likeについてmodebに記述されている正負例の分類規則を見つけるように規定したものである。また、modeb(*,+any, +any)の記述は、modebに記述されている正負例を組み合わせて分類できるように規定したものである。なお、ラーメン及びうどんについては、背景知識データベース５０に食べ物であることが記述されているものとする。

このようにステップＳ５５で得られた正負例を組み合わせて最も多くの事例が成り立つ仮説を作り出し、概念を獲得する（ステップＳ５６）。例えば、上述のp1からp9までのＩＤの人が、ラーメン及びうどんの好き嫌いについて話した場合、次のような概念を獲得する。
like(A, ramen)←not hige(A)
like(A, udon)←not(megane(A))and hige(A)
ここで、like(A, ramen)←not hige(A)の記述は、「髭を生やしていない人はラーメンが好きである」という概念を表すものである。これは、髭を生やしていない人であるp1、p3、p4、p6及びp9のうち、ラーメンが好きではない人はp9のみであるという事実に基づくものである。また、like(A, udon)←not(megane(A))and hige(A)の記述は、「眼鏡をかけておらず、且つ髭を生やしている人は、うどんが好きである」という概念を表すものである。これは、眼鏡をかけておらず、且つ髭を生やしている人であるp2、p7及びp8は、皆うどんが好きであるという事実に基づくものである。

ステップＳ５６にて獲得した概念は、知識記憶器５１に記憶される（ステップＳ５７）。

なお、ステップＳ５１において、人がロボット装置１のＣＣＤカメラ４１の前で話しかける際に、顔を撮像することとしたが、ロボット装置１が話しかけている人の方向を検知し、その方向にＣＣＤカメラ４１を向けて顔を撮像するようにしてもよい。

また、ステップＳ５４において、音声認識器４４で認識されたテキスト文章に基づいて目標概念を決定することとしたが、顔認識器４２で認識された顔の属性情報に基づいて目標概念を決定するようにしてもよい。例えば、眼鏡をかけている人という属性情報が入力された場合、視力について目標概念を決定するようにしておき、例えば、「視力が著しく悪い人は眼鏡をかけている」という概念を獲得してもよい。

（３）行動制御方法
本実施の形態における行動制御方法について説明する。図６は、本実施の形態におけるロボット装置１の行動制御に関わる部分を示すブロック図である。ロボット装置１の行動制御に関わる部分は、外界の情報を取得するセンサとして図３に示す画像入力装置２５１に設けられたＣＣＤカメラ６１を用いることができる。

行動制御に関わる部分は、ＣＣＤカメラ６１で撮像された画像から人の顔を識別し、その人のＩＤとその人の顔の特徴を示す属性情報とを出力する顔認識器６２と、知識記憶器６４に記憶された概念が真か偽かを顔認識器６２から入力された属性情報に基づいて識別する概念識別器６３と、概念識別器６３にて真であると識別された概念を反映させるロボット装置１の行動を行動選択データベース６６に基づいて選択する行動選択器６５と、音声波形を合成する音声合成器６７と、合成された音声波形を出力するスピーカ６８とを備えている。

顔認識器６２は、例えば平均的な正面顔のテンプレート画像を使用し、ＣＣＤカメラ６１から入力された画像と、テンプレート画像との相関を求めることにより、顔検出を行う。そして、検出した顔の人物ＩＤを識別し、顔の特徴、例えば、髭が生えているか、眼鏡をかけているかなどを示す属性情報を人物ＩＤとともに出力する。また、顔認識器６２は、新しい顔を検出した場合、その顔に人物ＩＤを付すとともに、その顔の特徴を抽出し、人物ＩＤと属性情報とを出力する。顔認識器６２から出力された人物ＩＤ及び属性情報は、概念識別器６３に入力される。

概念識別器６３は、顔認識器６２から入力された属性情報に基づいて知識記憶器６４に記憶された概念が真か偽かを識別する。そして、真であると識別された概念をロボット装置１に反映させる概念として行動選択器６５に出力する。

知識記憶器６４は、上述した概念獲得装置４０で獲得された概念が記憶されている。

行動選択器６５は、概念識別器６３にて真であると識別された概念を反映させるロボット装置１の行動を、行動選択データベース６６に格納された行動選択ルールに基づいて選択する。行動選択ルールは、概念識別器６３にて真であると識別された概念に対応する行動が規定されている。

音声合成器６７は、行動選択器６５にて発話行動が選択された場合、テキスト文章などを音声波形に合成する。合成された音声波形はスピーカ６８から出力される。

次に、本実施の形態におけるロボット装置１の行動制御方法について、図７のフローチャートを参照して説明する。なお、ここでは、ロボット装置１がこれまでに会ったことのない人物に遭遇した場合の行動制御例について説明する。

先ず、顔認識器６２は、新しい顔が検出された場合、ＣＣＤカメラ６１で撮像された顔画像より話しかけた人物を特定する（ステップＳ７１）。この際、顔認識器６２は、人物ＩＤと髭が生えているか否か、眼鏡をかけているか否か等の属性情報とを次のようなテーブル型式で出力する。なお、顔認識器６２は、新しい顔を検出した場合、人物ＩＤを付すこととしているが、本実施の形態のロボット装置１の行動制御方法においては、必ずしも必要なものではない。
人物ＩＤ：p10
髭：false
眼鏡：false
概念識別器６３は、顔認識器６２から入力された属性情報に基づいて知識記憶器６４に記憶された概念が真か偽かを識別する（ステップＳ７２）。そして、真である概念をロボット装置１の行動に反映させる概念として行動選択器６５に出力する。例えば、人物ＩＤp10の属性情報に基づいて、次のような概念が知識記憶器６４から取得される。

like(A, ramen)←not hige(A)
like(A, udon)←not(megane(A))and hige(A)
ここで、人物ＩＤp10の属性情報を元に概念が真か偽かを識別する。人物ＩＤp10の属性情報よりlike(p10, ramen)が真となることから、この概念をロボット装置１の行動に反映させる概念として行動選択器６５に出力する。

行動選択器６５は、ステップＳ７２で真と識別された概念を反映させるロボット装置１の行動を選択する（ステップＳ７３）。この選択は、概念識別器６３にて真と識別された概念に対応した行動が規定された行動選択ルールに基づいて行われる。例えば、like(A, ramen)←not hige(A)が真であると識別された場合には、次のような行動選択ルールに基づいて行動が選択される。
like(P, OBJ), speak(Pさん”は”ＯＢＪ”がすきなんだね”)
行動選択器６５は、行動識別子speakに基づいて発話行動を選択し、speak（“あなたはらーめんがすきなんだね”）を音声合成器６７に出力する。ここでは、顔認識器６２が新しい顔を検出し、人物名を知らないため、“Ｐさん”には“あなた”が挿入される。なお、人物名を知っている場合は、“Ｐさん”に人物ＩＤで識別された人物名が挿入される。

音声合成器６７では、行動選択器６５で発話行動が選択された場合、行動選択器６５から入力されたテキスト文章を音声波形に変換し、スピーカ６８を介して出力する（ステップＳ７４）。したがって、本例では、ロボット装置１が、人物ＩＤp10の人に「あなたは、ラーメンが好きなんだね」と話す。

このように、ロボット装置１の行動制御方法によれば、ＣＣＤカメラ６１で撮像された画像情報に基づいて知識記憶器６４に記憶された概念から真となる概念を識別し、その概念に対応した行動を選択することができるため、ロボット装置１は、概念に基づいて自律的に行動することができる。

本実施の形態のロボット装置１によれば、外界から入力された画像、音声等の情報から新しい概念を作り出すことができるだけでなく、その概念に基づいて行動することができる。したがって、ロボット装置１が、本実施の形態のように未知の場面に遭遇した場合、それまでの経験を元に概念を獲得していれば、例えば画像情報から真となる概念を識別し、その概念に基づいて適切な行動することができる。

なお、本発明は上述した実施の形態のみに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において種々の変更が可能であることは勿論である。本実施の形態では、獲得した概念を発話行動に反映させることとしたが、これに限定されるものではなく、例えば、「髭を生やしている人は、ダンスが好きである」という概念に対し、髭が生えている属性情報が入力された場合、ロボット装置１がダンスをするようにしてもよい。

本実施の形態におけるロボット装置の構成を示す模式図である。本実施の形態におけるロボット装置が具備する関節自由度の構成を示す模式図である。本実施の形態におけるロボット装置の制御システムの構成を示すブロック図である。本実施の形態における概念獲得装置を示すブロック図である。本実施の形態における概念獲得方法を説明するフローチャートである。本実施の形態におけるロボット装置の行動制御方法に関わる部分を示すブロック図である。本実施の形態におけるロボット装置の行動制御方法を説明するフローチャートである。

符号の説明

４０概念獲得装置、４１ＣＣＤカメラ、４２顔認識器、４３マイクロホン、４４音声認識器、４５Ｆａｃｔ生成器、４６正負例データベース、４７目標概念決定器、４８目標概念データベース、４９概念獲得器、５０背景知識データベース、５１知識記憶器、６１ＣＣＤカメラ、６２顔認識器、６３概念識別器、６４知識記憶器、６５行動選択器、６６行動選択データベース、６７音声合成器、６８スピーカ

Claims

画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識手段と、
音声から発話内容を認識し、テキスト文章を出力する音声認識手段と、
上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成手段と、
上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定手段と、
上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得手段と
を有する概念獲得装置。
上記目標概念決定手段は、目標概念が予め規定されたデータベースを有し、該データベースの目標概念と上記属性情報又は上記テキスト文章とを比較し、合致したものを目標概念として決定する請求項１記載の概念獲得装置。
上記概念獲得手段にて獲得した概念を記憶する知識記憶手段を有する請求項１記載の概念獲得装置。
顔認識手段により、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識工程と、
音声認識手段により、音声から発話内容を認識し、テキスト文章を出力する音声認識工程と、
情報処理装置により、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定工程と、
情報処理装置により、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成工程と、
情報処理装置により、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得工程と
を有する概念獲得方法。
自律的な動作が可能なロボット装置において、
画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識手段と、
音声から発話内容を認識し、テキスト文章を出力する音声認識手段と、
上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成手段と、
上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定手段と、
上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得手段と、
上記概念獲得手段にて獲得した概念を記憶する知識記憶手段と
を有するロボット装置。
上記属性情報に基づいて上記知識記憶手段に記憶された概念の真偽を識別する概念識別手段と、
上記概念識別手段にて真であると識別された概念を反映させる行動を選択する行動選択手段とを有する請求項５記載のロボット装置。
上記目標概念決定手段は、目標概念が予め規定されたデータベースを有し、該データベースの目標概念と上記属性情報又は上記テキスト文章とを比較し、合致したものを目標概念として決定する請求項５記載のロボット装置。
顔認識手段により、画像から人の顔を認識し、人物ＩＤを出力するとともに、顔の特徴を抽出し、顔の特徴を示す属性情報を出力する顔認識工程と、
音声認識手段により、音声から発話内容を認識し、テキスト文章を出力する音声認識工程と、
情報処理装置により、上記属性情報又は上記テキスト文章に基づいて目標概念を決定する目標概念決定工程と、
情報処理装置により、上記属性情報に基づいて顔の特徴の有無を示す正負例を上記人物ＩＤ毎に生成するとともに、上記テキスト文章に基づいて発話内容と同じ意味又は反対の意味を示す正負例を上記人物ＩＤ毎に生成する正負例生成工程と、
情報処理装置により、上記目標概念に対して上記正負例を組み合わせ、最も多くの人物ＩＤに対して事例が成り立つものを概念として獲得する概念獲得工程と、
情報処理装置により、上記概念獲得工程にて獲得した概念を記憶手段に記憶する知識記憶工程と
を有するロボット装置の行動制御方法。