JP4722499B2 - 音声認識型機器制御装置および車両 - Google Patents

Description

この発明は、音声認識型機器制御装置および該音声認識型機器制御装置を搭載した車両に関するものである。

従来、例えば作業者の視線や動作等の作業者状態と、作業装置の駆動状態と、作業者周囲の雑音状態とに対する各検出結果に基づき作業者の作業負荷を検知し、検知した作業負荷の大小に応じて音声対話の処理内容や音声認識用の辞書を変更する音声対話装置（例えば、特許文献１参照）が知られている。
特開２００３−１０８１９１号公報

ところで、上記従来技術に係る音声対話装置では、単に、作業者の作業負荷の大小に応じて音声対話の処理内容が変更されるだけであるから、音声対話の処理内容に作業者の意志を的確に反映させることができないという問題が生じる。つまり作業負荷の大小と音声対話の処理内容に対する作業者の意志との間には、何等の関連性も認められない場合があり、例えば各種作業負荷が増大した状態であっても、作業者が音声対話に対する作業負荷や優先度を低下させることを望むとは限らず、音声対話の成立度や作業者の理解度等に応じて作業者の意志が多様に変化することになる。このため、作業者状態や作業装置の駆動状態や雑音状態等に対して複数の状態量を検出したとしても、これらの複数の検出結果を作業負荷の大小を検知することに利用するだけでは、多様に変化する作業者の意志を音声対話の制御に的確に反映させることは困難である。
しかも、作業負荷の大小は複数の状態量の検出結果に応じて設定されることから、音声対話の処理内容を制御する際に、作業負荷の大小に応じて単一の制御動作のみ（例えば、応答時間のみの変更や、音量のみの変更や、情報量のみの変更等）を適切に実行することは困難である。
さらに、複数の状態量の検出結果に応じて作業負荷の大小を検知する処理に対し、新たな状態量の検出結果を追加する場合、あるいは、既に利用されている状態量の検出結果を削除する場合には、作業負荷の大小を検知するための処理内容を大幅に変更する必要があり、煩雑な手間がかかるという問題が生じる。
本発明は上記事情に鑑みてなされたもので、音声対話および音声対話に応じた機器制御を適切に実行することが可能な音声認識型機器制御装置および車両を提供することを目的とする。

上記課題を解決して係る目的を達成するために、請求項１に記載の本発明の音声認識型機器制御装置は、話者の音声を入力する音声入力手段（例えば、実施の形態での音声入力装置１１）と、前記音声入力手段により入力された音声を認識する音声認識手段（例えば、実施の形態での音声認識部２１）と、前記音声認識手段による認識結果に基づき前記話者に対する応答を制御する応答制御手段と、話者の状態量を検知する話者状態量検知手段（例えば、実施の形態での話者状態量センサ１６、音声認識部２１）と、車両の状態を検知する車両状態検知手段（例えば、実施の形態での車両状態量センサ１５）と、前記音声認識手段による認識結果と、前記話者状態量検知手段による検知結果と、前記車両状態検知手段による検知結果とに基づき、前記話者と前記応答制御手段との間の対話状態に係る複数の対話状態量（例えば、実施の形態での対話状態量ｘ_ａ，…，ｘ_ｋ）を検知する対話状態量検知手段と、前記対話状態量検知手段により検知された前記複数の対話状態量に基づいて、前記対話状態を制御するための複数種類及び複数個の第１制御パラメータ（例えば、実施の形態での対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０の値）を設定する第１制御パラメータ設定手段（例えば、実施の形態での応答関数設定部２４）と、前記第１制御パラメータ設定手段により設定された前記複数種類及び複数個の第１制御パラメータに基づいて、同一の種類の複数個の前記第１制御パラメータを統合して、複数種類の第２制御パラメータ（例えば、実施の形態での対話制御状態量Ｐ１，…，Ｐ１０）を設定する第２制御パラメータ設定手段（例えば、実施の形態での応答関数設定部２４が兼ねる）とを備え、前記応答制御手段は、前記音声認識手段による認識結果および前記第２制御パラメータ設定手段により設定された前記複数種類の第２制御パラメータに基づき前記応答を制御する。

さらに、請求項２に記載の本発明の音声認識型機器制御装置では、前記第２制御パラメータ設定手段は、前記複数個の数を自然数ｎとし、前記複数種類の数を自然数ｍとし、前記複数種類及び複数個の第１制御パラメータを行列要素とするｍ行ｎ列の行列を有する応答関数により前記第２制御パラメータを設定する。

また、請求項３に記載の本発明の車両は、請求項１または請求項２に記載の音声認識型機器制御装置を搭載したことを特徴としている。
上記構成の車両によれば、車両および車両の乗員の環境状態が多様かつ頻繁に変動する場合であっても、話者に対する応答を適切に制御することができる。

以上説明したように、請求項１、２に記載の本発明の音声認識型機器制御装置によれば、第２制御パラメータに対して複数の対話状態量を容易に反映させることができ、適切な機器制御を行うことができると共に、第２制御パラメータを設定する処理の処理内容の汎用性を向上させることができる。
また、請求項３に記載の本発明の車両によれば、車両および車両の乗員の環境状態が多様かつ頻繁に変動する場合であっても、話者に対する応答を適切に制御することができる。

以下、本発明の実施形態に係る音声認識型機器制御装置について添付図面を参照しながら説明する。
本実施の形態による音声認識型機器制御装置１０は、例えば図１に示すように、車両に搭載され、音声入力装置１１と、出力装置１２と、電子制御ユニット（ＥＣＵ）１３と、制御機器１４と、車両状態量センサ１５と、話者状態量センサ１６とを備えて構成され、例えばマイク等を具備する音声入力装置１１に操作者から入力される音声入力に応じて、さらに、車両状態量センサ１５および話者状態量センサ１６から出力される各検出信号に基づき、例えばスピーカやディスプレイ等の出力装置１２から適宜の応答を出力すると共に、例えばナビゲーション装置、空調装置、音響装置、放送受像装置、通信装置等の車両に搭載された各種の制御機器１４の動作を制御する。

なお、車両状態量センサ１５は、車両の走行状態や運転状態に係る状態量を検出する各種のセンサ（例えば、車速センサやジャイロセンサ等）や各種のスイッチ（例えば、ブレーキスイッチやワイパースイッチ等）等を備えて構成され、各種のセンサから出力される検出信号や各種のスイッチから出力されるオン／オフ信号を車両状態量として電子制御ユニット（ＥＣＵ）１３へ出力する。
ここで、車速センサは車両の速度（車速）を検出し、ジャイロセンサは水平面内での自車両の向きや鉛直方向に対する傾斜角度（例えば、車両の前後方向軸の鉛直方向に対する傾斜角度や車両重心の上下方向軸回りの回転角であるヨー角等）および傾斜角度の変化量（例えば、ヨーレート等）を検出する。
また、ブレーキスイッチは運転者によるブレーキ操作の有無に係るオン／オフ信号を出力し、ワイパースイッチは降雨や降雪等の天候状態に応じたワイパー作動の有無に係るオン／オフ信号を出力する。

また、話者状態量センサ１６は、音声入力を行う操作者の生理状態や動作状態に係る状態量（例えば、発汗量や表情や動作等）を検出する各種のセンサ（例えば、皮膚抵抗センサや画像認識装置等）を備えて構成されている。
例えば皮膚抵抗センサは、ステアリングホイールの表面上に設けられた電極対間の抵抗値を検出することで電極対間に接触する運転者の掌表面の抵抗値に応じた運転者の発汗量を検知する。
また、例えば画像認識装置は、車室内のインストルメントパネルやダッシュボード等に設けられて車室内の乗員を可視光領域や赤外線領域にて撮像可能なＣＣＤカメラやＣＭＯＳカメラ等のカメラを備え、カメラにより撮影して得た撮像画像に対して、話者の顔や上半身等を検知対象物とした特徴量算出および形状判別等の認識処理を行い、話者の表情や動作を検知する。

そして、電子制御ユニット（ＥＣＵ）１３は、例えば音声認識部２１と、解析部２２と、対話状態検知部２３と、応答関数設定部２４と、制御状態量記憶部２５と、対話制御部２６と、対話データ記憶部２７と、機器制御部２８とを備えて構成されている。

音声認識部２１は、音声入力装置１１を介して操作者から入力される音声入力に対して、予め記憶している語彙データに基づき音声認識処理を行い、音声入力に対応する文字データである認識言語を生成し、この認識言語を、語彙データに対する一致度に応じて設定される音声認識スコアと共に解析部２２へ出力する。さらに、音声認識部２１は、音声入力状態として、例えば、音声入力の入力タイミングと、音声入力に対する発話音量の時間変化と、単一の発話の継続時間（単発話継続時間）と、音高および音調と、雑音レベルとを検知し、各検知結果を解析部２２へ出力する。
解析部２２は、音声認識部２１にて生成された認識言語を解析し、認識言語の意味内容を把握すると共に、この解析結果を対話状態検知部２３へ出力する。例えば、解析部２２は、制御機器１４の制御動作に係る動作情報を認識言語から抽出し、対話状態検知部２３へ出力する。

対話状態検知部２３は、解析部２２での解析結果、例えば認識言語から抽出された制御機器１４の制御動作に係る動作情報と、解析部２２を介して音声認識部２１から入力される音声入力状態の各検知結果と、車両状態量センサ１５および話者状態量センサ１６から出力される各検出信号とに基づき、操作者と音声認識型機器制御装置１０との間の対話状態に係る対話状態量を検知し、検知結果を応答関数設定部２４へ出力する。
例えば下記表１に示すように、対話状態検知部２３は、複数（例えば、１１個）の対話状態量として、操作者の音声入力に対する発話音量の変動量ｘ_ａ（以下、単に、発話音量ｘ_ａと呼ぶ）と、応答時間ｘ_ｂと、単発話継続時間ｘ_ｃと、音高または音調の変動量ｘ_ｄ（以下、単に、音高および音調ｘ_ｄと呼ぶ）と、雑音レベルｘ_ｅと、音声認識スコアｘ_ｆと、操作者の動作ｘ_ｇと、操作者の表情ｘ_ｈと、車両の走行状態ｘ_ｉと、操作者の発汗状態ｘ_ｊと、対話成立度ｘ_ｋとを設定している。

なお、発話音量ｘ_ａと、単発話継続時間ｘ_ｃと、音高および音調ｘ_ｄと、雑音レベルｘ_ｅと、音声認識スコアｘ_ｆとは、例えば音声認識部２１により検知され、各検知結果は解析部２２を介して対話状態検知部２３に入力される。また、対話状態検知部２３は、出力装置１２から出力される対話データの出力タイミングと、例えば音声認識部２１により検知されて解析部２２を介して入力される音声入力の入力タイミングとに基づき応答時間ｘ_ｂを検知する。また、対話状態検知部２３は、話者状態量センサ１６に具備されるカメラの撮像画像に対する認識結果のうち、例えば出力装置１２から出力される対話データに対する操作者の理解度に係る動作（例えば、うなづき等）および表情（例えば、困惑や不満等）を抽出し、操作者の動作ｘ_ｇおよび表情ｘ_ｈとして設定する。また、対話状態検知部２３は、車両状態量センサ１５から出力される各検出信号およびオン／オフ信号に基づき、例えば車両の走行状態に応じた運転操作の難易度や余裕度合等を検知し、車両の走行状態ｘ_ｉとして設定する。また、操作者の発汗状態ｘ_ｊは、話者状態量センサ１６に具備される皮膚抵抗センサにより検知され、対話状態検知部２３に入力される。また、対話状態検知部２３は、出力装置１２から出力される対話データに対する音声入力の解析結果、つまり音声入力の意味内容等に基づき対話成立度ｘ_ｋを検知する。

応答関数設定部２４は、対話状態検知部２３による検知結果に応じて操作者と音声認識型機器制御装置１０との間の対話状態を制御するための応答関数を設定する。
例えば上記表１に示すように、対話状態検知部２３により検知される各対話状態量ｘ_ａ，…，ｘ_ｋに対応して、予め、所定の制御量を有する各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０が設定され、制御状態量記憶部２５に格納されている。
応答関数設定部２４は、先ず、検知された各対話状態量ｘ_ａ，…，ｘ_ｋの値に応じて、制御状態量記憶部２５から検索して得た各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０の制御量の値を変更する。

例えば発話音量ｘ_ａに対しては、対話データの出力速度である発話速度ａ１と、音声入力の入力タイミングから対話データの出力タイミングまでの経過時間である応答時間ａ２と、対話データに含まれる情報量である要求情報量ａ３とが対応するように設定され、発話音量ｘ_ａの値に応じて変化する所定の制御量の値が設定されている。そして、発話音量ｘ_ａが大きくなることに伴い（つまり、発話音量の変動量が大きくなることに伴い）、操作者の余裕度合が低くなると判断され、操作者が実行する各種動作のうち対話動作の優先度が他の動作（例えば、運転操作等）の優先度に比べて低下するようにして、発話速度ａ１が低下傾向に変化するように、かつ、応答時間ａ２が増長傾向に変化するように、かつ、要求情報量ａ３が減少傾向に変化するように設定される。
また、応答時間ｘ_ｂに対しては、応答時間ｂ２と、対話データに含まれる情報の詳細度である情報レベルｂ４とが対応するように設定されている。そして、応答時間ｘ_ｂが短くなることに伴い、操作者が迅速な対話を望んでいると判断され、応答時間ｂ２が短縮傾向に変化するように、かつ、情報レベルｂ４が浅くなる方向に変化するように設定される。

また、単発話継続時間ｘ_ｃに対しては、応答時間ｃ２と、一連の対話が終了するまでに要する音声入力および発話データの出力の実行回数であるターン数ｃ５とが対応するように設定されている。そして、単発話継続時間ｘ_ｃが長くなることに伴い、音声入力の意味内容の曖昧さが増大すると判断され、応答時間ｃ２が増長傾向に変化するように、かつ、ターン数ｃ５が増加傾向（つまり、確認用の対話データの出力回数が増加傾向）に変化するように設定される。
また、音高および音調ｘ_ｄに対しては、応答時間ｄ２と、要求情報量ｄ３とが対応するように設定されている。そして、音高および音調ｘ_ｄが大きくなることに伴い（つまり、音高または音調の変動量が大きくなることに伴い）、操作者の余裕度合が低くなると判断され、応答時間ｄ２が増長傾向に変化するように、かつ、要求情報量ｄ３が減少傾向に変化するように設定される。

また、雑音レベルｘ_ｅに対しては、対話データ音量ｅ８が対応するように設定されている。そして、雑音レベルｘ_ｅが増大することに伴い、対話データ音量ｅ８が増大傾向に変化するように設定される。
また、音声認識スコアｘ_ｆに対しては、応答時間ｆ２と、情報レベルｆ４と、対話データ音量ｆ８とが対応するように設定されている。そして、音声認識スコアｘ_ｆが低下することに伴い、出力装置１２から出力される対話データに対する応答の曖昧さが増大すると判断され、応答時間ｆ２が増長傾向に変化するように、かつ、情報レベルｆ４が浅くなる方向に変化するように、かつ、対話データ音量ｆ８が増大傾向に変化するように設定される。

また、操作者の動作ｘ_ｇおよび表情ｘ_ｈに対しては、各要求情報量ｇ３，ｈ３と、各情報レベルｇ４、ｈ４とが対応するように設定されている。そして、動作ｘ_ｇまたは表情ｘ_ｈにおいて操作者の理解度の低下を示す状態量が増大することに伴い、要求情報量ｇ３，ｈ３が減少傾向に変化するように、かつ、情報レベルｇ４、ｈ４が浅くなる方向に変化するように設定される。
また、車両の走行状態ｘ_ｉに対しては、ターン数ｉ５と、一連の対話が終了するまでに要する時間である対話継続時間ｉ６と、対話データでの表現の丁寧さｉ７とが対応するように設定されている。そして、走行状態ｘ_ｉにおいて運転操作の負荷の増大や余裕度合の低下を示す状態量が増大することに伴い、ターン数ｉ５が増加傾向（つまり、確認用の対話データの出力数が増加傾向）に変化するように、かつ、対話継続時間ｉ６が短縮傾向に変化するように、かつ、表現の丁寧さｉ７が低下傾向（つまり、表現が簡潔となる方向）に変化するように設定される。

また、操作者の発汗状態ｘ_ｊに対しては、ターン数ｊ５と、対話継続時間ｊ６とが対応するように設定されている。そして、発汗状態ｘ_ｊにおいて発汗量が増大することに伴い、ターン数ｉ５が増加傾向（つまり、確認用の対話データの出力数が増加傾向）に変化するように、かつ、対話継続時間ｉ６が短縮傾向に変化するように設定される。
また、対話成立度ｘ_ｋに対しては、要求情報量ｋ３と、情報レベルｋ４と、警報音の有無ｋ９と、音調ｋ１０とが対応するように設定されている。そして、対話成立度ｘ_ｋが低下することに伴い、要求情報量ｋ３が減少傾向に変化するように、かつ、情報レベルｋ４が浅くなる方向に変化するように、かつ、警報音の有無ｋ９が有りの状態（例えば、対話データの出力以前のタイミングで警報音が出力される状態）に変化するように、かつ、音調ｋ１０が、例えば対話データの所定箇所を強調するようにして、強調傾向に変化するように設定される。

そして、応答関数設定部２４は、例えば下記数式（１）に示すように、各対話状態量ｘ_ａ，…，ｘ_ｋ毎に所定の各対話制御状態量ａ１〜ａ１０，…，ｋ１〜ｋ１０を行列要素とする列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）を設定し、これらの列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）によって構成される行列において、例えば下記表２に示すように、各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０毎に行列要素を統合して対話制御状態量Ｐ１，…，Ｐ１０を設定し、これらの対話制御状態量Ｐ１，…，Ｐ１０により応答関数Ｆ（Ｐ）を構成する。

なお、単一の対話状態量に対して複数の異なる検知結果が存在する場合には、各検知結果毎に対応する対話制御状態量が統合、あるいは、各検知結果を統合して得た値に対応する対話制御状態量が設定される。例えば図２に示すように、音声入力装置１１を構成する複数の第１マイクおよび第２マイクにより検出された各発話音量ｘ_ａ１，ｘ_ａ２が存在する場合には、発話音量ｘ_ａに対する列ベクトルｆ_ａ（ｘ_ａ）として、（ｆ_ａ１（ｘ_ａ１）＋ｆ_ａ２（ｘ_ａ２））あるいはｆ_ａ（ｘ_ａ１＋ｘ_ａ２）が設定される。

対話制御部２６は、予め対話データ記憶部２７に格納された文字データや音声データ等の複数の対話データから、解析部２２において把握された意味内容に応じた適宜の対話データを検索し、出力装置１２へ出力する。ここで、対話制御部２６は、対話データを検索する際、さらに、検索した対話データを出力装置１２から出力させる際に、応答関数設定部２４により設定された応答関数Ｆ（Ｐ）に応じた制御を行う。
そして、機器制御部２８は、解析部２２での解析結果、例えば認識言語から抽出された制御機器１４の制御動作に係る動作情報に応じて制御機器１４を制御する。

本実施の形態による音声認識型機器制御装置１０は上記構成を備えており、次に、この音声認識型機器制御装置１０の動作、特に、応答関数Ｆ（Ｐ）を設定して対話状態を制御する処理について添付図面を参照しながら説明する。
先ず、例えば図３に示すステップＳ０１においては、音声入力装置１１を介して操作者から入力された音声入力を取得する。
次に、ステップＳ０２においては、取得した音声入力に対して音声認識処理を実行し、音声入力に対応する文字データである認識言語を生成する。
次に、ステップＳ０３においては、生成された認識言語を解析し、認識言語の意味内容を把握するために必要となる情報、例えば制御機器１４の制御動作に係る動作情報を抽出する。
次に、ステップＳ０４においては、複数の対話状態量ｘ_ａ，…，ｘ_ｋの各検知結果を取得する。
次に、ステップＳ０５においては、後述する応答関数設定処理を実行する。
次に、ステップＳ０６においては、設定された応答関数Ｆ（Ｐ）を参照しつつ、認識言語の解析結果に応じた対話データを検索する。
次に、ステップＳ０７においては、設定された応答関数Ｆ（Ｐ）を参照しつつ、検索して得た対話データを出力装置１２から出力して、一連の処理を終了する。

以下に、上述したステップＳ０５での応答関数設定処理の一例、特に、対話状態量として応答時間ｘ_ｂが検知された場合について説明する。
先ず、図４に示すステップＳ１１においては、検知した応答時間ｘ_ｂが所定上限時間ＴＨ（例えば、１．３秒等）よりも長いか否かを判定する。
この判定結果が「ＮＯ」の場合には、後述するステップＳ１３に進む。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ１２に進む。
そして、ステップＳ１２においては、出力された対話データに対する操作者の理解度の低下や運転操作の負荷の増大等が生じていると判断し、応答時間ｂ２が増長傾向に変化するようにして制御量を所定量（例えば、−１００≦制御量≦＋１００に対して、所定量＝＋２０等）だけ増大させ、かつ、情報レベルｂ４が浅くなる方向に変化するようにして制御量を所定量（例えば、−１００≦制御量≦＋１００に対して、所定量＝−２０等）だけ減少させ、一連の処理を終了する。

そして、ステップＳ１３においては、検知した応答時間ｘ_ｂが所定下限時間ＴＬ（例えば、０．７秒等）よりも短いか否かを判定する。
この判定結果が「ＮＯ」の場合、つまり応答時間ｘ_ｂが所定下限時間ＴＬ以上かつ所定上限時間ＴＨ以下である場合には、ステップＳ１４に進み、このステップＳ１４においては、応答時間ｂ２および情報レベルｂ４の各制御量が適切であると判断して、各制御量を変更せず、一連の処理を終了する。
一方、この判定結果が「ＹＥＳ」の場合には、ステップＳ１５に進む。
そして、ステップＳ１５においては、操作者が迅速な対話を望んでいると判断し、応答時間ｂ２が短縮傾向に変化するようにして制御量を所定量（例えば、−１００≦制御量≦＋１００に対して、所定量＝−２０等）だけ減少させ、かつ、応答時間ｂ２の短縮に伴い情報レベルｂ４が浅くなる方向に変化するようにして制御量を所定量（例えば、−１００≦制御量≦＋１００に対して、所定量＝−１０等）だけ減少させ、一連の処理を終了する。

例えば車両始動時に運転者が車両に乗車した後の最初の音声入力が、
（Ａ１）「ルート案内して」
であった場合、この音声入力の意味内容に対応した制御機器１４の制御動作の情報として、例えばナビゲーション装置の経路設定に係る制御動作が検索される。
そして、この音声入力に対する応答の対話データが対話データ記憶部２７から検索され、例えば、
（Ａ２）「はい、目的地はどちらでしょうか？」
が出力装置１２から出力される。
そして、出力装置１２から出力された対話データの問い合わせに対する応答として、音声入力が、例えば、
（Ａ３）「成田空港」
であった場合には、この応答に対して各対話状態量ｘ_ａ，…，ｘ_ｋが検知される。

ここで、応答時間ｘ_ｂが所定下限時間ＴＬ（例えば、０．７秒等）よりも短く、操作者が迅速な対話を望んでいると判定されると、例えば図５に示すように、応答時間ｂ２が短縮傾向に変化するように、かつ、情報レベルｂ４が浅くなる方向に変化するように設定される（例えば、ｂ２←（ｂ２−２０）、かつ、ｂ４←（ｂ４−１０））。さらに、単発話継続時間ｘ_ｃが所定継続時間よりも短く、操作者が迅速な対話を望んでいると判定されると、例えば図５に示すように、応答時間ｃ２が短縮傾向に変化するように、かつ、ターン数ｃ５が減少傾向（つまり、確認用の対話データの出力回数が減少傾向）に変化するように設定される（例えば、ｃ２←（ｃ２−２０）、かつ、ｃ５←（ｃ５−２０））。
そして、設定された各対話制御状態量ｂ２，ｂ４，ｃ２，ｃ５を行列要素とする列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）が設定され、これらの列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）によって構成される行列において、各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０毎に行列要素が統合されて対話制御状態量Ｐ１，…，Ｐ１０が設定され、これらの対話制御状態量Ｐ１，…，Ｐ１０により応答関数Ｆ（Ｐ）が設定される。

そして、設定された応答関数Ｆ（Ｐ）に応じた対話データ、例えば応答時間Ｐ２が短く、かつ、情報レベルＰ４が浅く、かつ、ターン数Ｐ５が少なくなるような対話データが対話データ記憶部２７から検索され、例えば、
（Ａ４）「成田空港まで、最短ルートでご案内します」
が出力装置１２から出力される。

また、例えば車両始動時に運転者が車両に乗車した後の最初の音声入力が、
（Ａ１）「ルート案内して」
であった場合、この音声入力の意味内容に対応した制御機器１４の制御動作の情報として、例えばナビゲーション装置の経路設定に係る制御動作が検索される。
そして、この音声入力に対する応答の対話データが対話データ記憶部２７から検索され、例えば、
（Ａ２）「はい、目的地はどちらでしょうか？」
が出力装置１２から出力される。
そして、出力装置１２から出力された対話データの問い合わせに対する応答として、音声入力が、例えば、
（Ｂ３）「えーっと、成田空港まで生きたい」
であった場合には、この応答に対して各対話状態量ｘ_ａ，…，ｘ_ｋが検知される。

ここで、応答時間ｘ_ｂが所定上限時間ＴＨ（例えば、１．３秒等）よりも長いと判定されると、例えば図６に示すように、応答時間ｂ２が増長傾向に変化するように、かつ、情報レベルｂ４が浅くなる方向に変化するように設定される（例えば、ｂ２←（ｂ２＋２０）、かつ、ｂ４←（ｂ４−１０））。さらに、単発話継続時間ｘ_ｃが所定継続時間よりも長いと判定されると、例えば図６に示すように、応答時間ｃ２が増長傾向に変化するように、かつ、ターン数ｃ５が増加傾向（つまり、確認用の対話データの出力回数が増加傾向）に変化するように設定される（例えば、ｃ２←（ｃ２＋１０）、かつ、ｃ５←（ｃ５＋３０））。
そして、設定された各対話制御状態量ｂ２，ｂ４，ｃ２，ｃ５を行列要素とする列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）が設定され、これらの列ベクトルｆ_ａ（ｘ_ａ），…，ｆ_ｋ（ｘ_ｋ）によって構成される行列において、各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０毎に行列要素が統合されて対話制御状態量Ｐ１，…，Ｐ１０が設定され、これらの対話制御状態量Ｐ１，…，Ｐ１０により応答関数Ｆ（Ｐ）が設定される。

そして、設定された応答関数Ｆ（Ｐ）に応じた対話データ、例えば応答時間Ｐ２が長く、かつ、情報レベルＰ４が浅く、かつ、ターン数Ｐ５が多くなるような対話データが対話データ記憶部２７から検索され、例えば、
（Ｂ４）「目的地は成田空港で宜しいですか？」
が出力装置１２から出力される。

上述したように、本実施の形態による音声認識型機器制御装置１０によれば、複数の各対話状態量ｘ_ａ，…，ｘ_ｋ毎に対して少なくとも１つ以上の各対話制御状態量ａ１〜ａ１０，…，ｋ１〜ｋ１０を対応させると共に、検出された複数の対話状態量ｘ_ａ，…，ｘ_ｋに亘って各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０を統合して対話制御状態量Ｐ１，…，Ｐ１０を設定することにより、各対話制御状態量Ｐ１，…，Ｐ１０に対して複数の対話状態量ｘ_ａ，…，ｘ_ｋを容易に反映させることができる。しかも、各対話制御状態量Ｐ１，…，Ｐ１０を設定する際に、新たな対話状態量の追加あるいは既存の対話状態量の削除を行う場合であっても、各対話制御状態量Ｐ１，…，Ｐ１０を設定する処理の処理内容（つまり、複数の対話状態量ｘ_ａ，…，ｘ_ｋに亘って各対話制御状態量ａ１〜ｋ１，…，ａ１０〜ｋ１０を統合して各対話制御状態量Ｐ１，…，Ｐ１０を設定する処理内容）を大幅に変更する必要が無く、処理内容の汎用性を向上させることができ、適切な機器制御を行うことができる。

なお、上述した実施の形態では、制御状態量記憶部２５に格納された各対話制御状態量ａ１〜ａ１０，…，ｋ１〜ｋ１０の制御量の値を、各対話状態量ｘ_ａ，…，ｘ_ｋの値に応じて増減させるとしたが、これに限定されず、例えば、各対話制御状態量ａ１〜ａ１０，…，ｋ１〜ｋ１０の制御量の値を、予め各対話状態量ｘ_ａ，…，ｘ_ｋの値を変数とする適宜の関数により記述したり、各対話制御状態量ａ１〜ａ１０，…，ｋ１〜ｋ１０の制御量の値と各対話状態量ｘ_ａ，…，ｘ_ｋの値との対応関係を示すマップ等を作成し、制御状態量記憶部２５に格納してもよい。

本発明の実施形態に係る音声認識型機器制御装置の構成図である。 各対話状態量ｘ_ａ，…，ｘ_ｋ（例えば、発話音量ｘ_ａ）と、各対話制御状態量Ｐ１，…，Ｐ１０（例えば、発話速度Ｐ１および応答時間Ｐ２および要求情報量Ｐ３）との対応関係の一例を示す図である。 本発明の実施形態に係る音声認識型機器制御装置の動作を示すフローチャートである。 図３に示す応答関数設定処理を示すフローチャートである。 各対話状態量ｘ_ａ，…，ｘ_ｋ（例えば、応答時間ｘ_ｂおよび単発話継続時間ｘ_ｃ）と、各対話制御状態量Ｐ１，…，Ｐ１０（例えば、応答時間Ｐ２および情報レベルＰ４およびターン数Ｐ５）との対応関係の一例を示す図である。 各対話状態量ｘ_ａ，…，ｘ_ｋ（例えば、応答時間ｘ_ｂおよび単発話継続時間ｘ_ｃ）と、各対話制御状態量Ｐ１，…，Ｐ１０（例えば、応答時間Ｐ２および情報レベルＰ４およびターン数Ｐ５）との対応関係の一例を示す図である。

符号の説明

１０ 音声認識型機器制御装置
１１ 音声入力装置（音声入力手段）
１４ 制御機器（機器）
１５ 車両状態量センサ（環境状態検出手段）
１６ 話者状態量センサ（環境状態検出手段）
２１ 音声認識部（音声認識手段、環境状態検出手段）
２４ 応答関数設定部（第１制御パラメータ算出手段、第２制御パラメータ設定手段）
２８ 機器制御部（機器制御手段）

Claims (3)

1. 話者の音声を入力する音声入力手段と、
   前記音声入力手段により入力された音声を認識する音声認識手段と、
   前記音声認識手段による認識結果に基づき前記話者に対する応答を制御する応答制御手段と、
   話者の状態量を検知する話者状態量検知手段と、
   車両の状態を検知する車両状態検知手段と、
   前記音声認識手段による認識結果と、前記話者状態量検知手段による検知結果と、前記車両状態検知手段による検知結果とに基づき、前記話者と前記応答制御手段との間の対話状態に係る複数の対話状態量を検知する対話状態量検知手段と、
   前記対話状態量検知手段により検知された前記複数の対話状態量に基づいて、前記対話状態を制御するための複数種類及び複数個の第１制御パラメータを設定する第１制御パラメータ設定手段と、
   前記第１制御パラメータ設定手段により設定された前記複数種類及び複数個の第１制御パラメータに基づいて、同一の種類の複数個の前記第１制御パラメータを統合して、複数種類の第２制御パラメータを設定する第２制御パラメータ設定手段とを備え、
   前記応答制御手段は、前記音声認識手段による認識結果および前記第２制御パラメータ設定手段により設定された前記複数種類の第２制御パラメータに基づき前記応答を制御することを特徴とする音声認識型機器制御装置。
2. 前記第２制御パラメータ設定手段は、前記複数個の数を自然数ｎとし、前記複数種類の数を自然数ｍとし、前記複数種類及び複数個の第１制御パラメータを行列要素とするｍ行ｎ列の行列を有する応答関数により前記第２制御パラメータを設定することを特徴とする請求項１に記載の音声認識型機器制御装置。
3. 請求項１または請求項２に記載の音声認識型機器制御装置を搭載したことを特徴とする車両。

Images