JP4753410B2 - コミュニケーションロボット - Google Patents

Description

この発明はコミュニケーションロボットに関し、特にたとえば、全身に分布する触覚センサまたは皮膚センサを用いてコミュニケーションの相手の触行動を認識するコミュニケーションロボットに関する。

日常環境の中で活動するロボットにとって表面の柔らかさと敏感さは、コミュニケーションの相手となる人間への安全性という面において重要である。さらに、スキンシップという言葉の通り、体の表面は最初に触れるインタフェースであることから、コミュニケーションの相手がどのようにどの場所に触れているかを知ることは、相手の状態を知ることに繋がる。たとえば強く握ったり、やさしくなでたりするという触行動は自分の意思や気持ちを相手に伝えるための行動であり、根本的なコミュニケーション行動の１つである。したがって、ロボットの全身の柔らかさと触覚は、日常環境の中で活動するコミュニケーションロボットにとって非常に重要である。

従来、部分的な触覚を持ったロボットは数多く存在するが、全身の触覚イメージを獲得できるロボットは少ない。たとえば、非特許文献１では、導電性ファブリークを用いたロボット用の全身触覚スーツが提案される。しかし、この非特許文献１のロボット用センサスーツは、柔らかさを持った皮膚ではなく服であること、センサ出力は触られたか触られていないかの２値であることなどから、相手がどのように触れているのかを知ることは難しい。

また、非特許文献２では、３．７５ｍｍピッチの分布型触覚センサを巻き付けて全身の圧覚を取得するぬいぐるみが提案される。この非特許文献２のぬいぐるみでは、代表的な触行動が全身の圧覚によって分類できることが明らかにされている。しかし、触行動の対象があくまで静止したぬいぐるみに過ぎず、能動的なロボットへの触行動の解析はなされていない。また、ロボットが動くと、ロボット自体の体表の圧力が変化するという新たな問題も生じる。

そこで、本件出願人は、特許文献１において、柔らかい皮膚を持ち、触覚情報を出力するピエゾセンサ（触覚センサまたは皮膚センサ）を全身に配置したコミュニケーションロボットを提案している。
稲葉雅幸，星野由紀子，井上博允、"導電性ファブリックを用いた全身被服型触覚センサスーツ"、日本ロボット学会誌，Ｖｏｌ．１６, Ｎｏ．１，ｐｐ．８０−８６，１９９８ 納谷太，篠沢一彦，大和淳司，小暮潔、"圧力分布センサによる人の触行動の実時間識別とその個人適応手法"、電子情報通信学会論文誌Ｄ−ＩＩ，Ｖｏｌ．Ｊ８５−Ｄ−ＩＩ，Ｎｏ．４，ｐｐ．６１３−６２１，２００２ 特開２００４−２８３９７５号［Ｂ２５Ｊ １３／０８ １９／０２］

特許文献１のコミュニケーションロボットでは、触覚センサの出力情報から圧力の強弱、持続時間、または変化の周波数などに着目することで、コミュニケーション相手である人間の触り方を区別することが分かっている。

それゆえに、この発明の主たる目的は、触覚センサの出力情報から人間の触り方を抽出できる、コミュニケーションロボットを提供することである。

請求項１の発明は、複数の触覚センサ、相手の触行動に伴う各時刻の触覚センサの出力ベクトルをクラスタリングしてクラスタ核を抽出するクラスタ核抽出手段、クラスタ核をそれぞれの触り方に対応付けて、クラスタ核の遷移データを作成する遷移データ作成手段、およびクラスタ核の遷移データどうしの距離に応じた階層的クラスタリングを行なう階層的クラスタリング手段を備える、コミュニケーションロボットである。

請求項１の発明では、コミュニケーションロボット（１０。実施例で相当する部分または要素の参照符号。以下同じ。）には全身に分布して複数の皮膚センサまたは触覚センサ（５８）が設けられる。各触覚センサからの圧力データがたとえばＰＩＣ（７４）で取り出され、センサ入力／出力ボード（６８）からバス（６２）を通してＣＰＵ（６０）に収集される。ＣＰＵが収集した触覚センサ出力データは、たとえばメモリ（６４）に蓄積される。たとえば１フレームにおけるすべての触覚センサの出力データが出力ベクトルとして表される。クラスタ核抽出手段（６０，Ｓ３）は、この出力ベクトルをたとえばＩＳＯＤＡＴＡ法に従ってクラスタリングし、そのクラスタのクラスタ核を抽出する。

コミュニケーション相手である人間がコミュニケーションロボットに触る触り方（触る、撫でる、叩く、押すなど）は、たとえば２５０〜１５００種類程度の典型的または代表的な触り方のどれかに分類できる。そこで、遷移データ作成手段（６０，Ｓ７）は、各フレームの出力ベクトルを、上記の典型的な触覚センサ出力ベクトルを表すクラスタ核のどれに最も類似するか判断し、対応づける。つまり、クラスタ核抽出手段において抽出した各クラスタ核に予め番号またはラベルを付し、番号またはラベルが時間経過とともに変化する１次元データを遷移データとして作成する。

階層的クラスタリング手段（６０，Ｓ９，Ｓ１１）では、まず、各クラスタ核の遷移データどうしの距離を、たとえばＤＰマッチング法によって求める。ついで、得られた距離情報に従って階層的クラスタリングを行なって、たとえば樹状図を作成する。したがって、この樹状図を参照することによって、コミュニケーション相手である人間の触り方を抽出または認識することができる。

請求項２の発明は、出力ベクトルの時系列データに基づいて継続的に反応している部分の出力ベクトルを抽出する出力ベクトル抽出手段をさらに備え、遷移データ作成手段は出力ベクトル抽出手段で抽出した出力ベクトルのクラスタ核について遷移データを作成する、請求項１記載のコミュニケーションロボットである。

請求項２の発明では、出力ベクトル抽出手段（６０，Ｓ５）は、たとえば各触覚センサからの出力データを参照して、たとえば閾値以上の出力が一定時間以上出力されなくなると、継続的な反応がなくなったと判断する。つまり、この出力ベクトル抽出手段は、一連のまとまりのある触り方を構成する出力ベクトルだけを抽出する。したがって、遷移データ作成手段は、出力ベクトル抽出手段で抽出された出力ベクトルのクラスタ核だけで遷移データを作成する。このように、継続的な反応を呈している部分についての出力ベクトルを抽出することによって、反応すなわち触り方を誤って分類するのを可及的抑制できる。

請求項３の発明は、階層的クラスタリング手段は、直交する２軸の一方が距離を表しかつ他方がクラスタ番号を表す樹状図を作成する樹状図作成手段を含む、請求項１または２記載のコミュニケーションロボットである。

請求項３の発明では、一例として、樹状図の上位のクラスタが、主に触る部位によって形成され、下位のクラスタはその部位における触り方によって形成される。したがって、この樹状図を参照すれば、どこをどのように触られているかを判別することができる。

請求項４の発明は、ロボット本体上に被せられる柔軟素材からなる皮膚をさらに備え、複数の触覚センサは皮膚中に分散配置される複数のピエゾセンサシートを含む、請求項１ないし３のいずれかに記載のコミュニケーションロボットである。

請求項４の発明では、たとえば全身分布型皮膚センサを有するコミュニケーションロボットを実現することができ、また、柔らかい皮膚を介して触行動が行われるので、人間に対して安心感を与えて親和性と安全性を向上できる。

請求項５の発明は、複数の触覚センサを有するコミュニケーションロボットに対する人間の触り方を判別するための方法であって、(a) 相手の触行動に伴う触覚センサの出力ベクトルをクラスタリングしてクラスタ核を抽出するクラスタ核抽出ステップ、(b) クラスタ核をそれぞれの触り方に対応付けて、クラスタ核の遷移データを作成する遷移データ作成ステップ、および(c) クラスタ核の遷移データどうしの距離に応じた階層的クラスタリングを行なって樹状図を作成する階層的クラスタリングステップを含む、コミュニケーションロボットの触り方判別方法である。

この発明によれば、階層的クラスタリングの結果に従って、人間のコミュニケーションロボットの触り方、つまりどこをどのように触られているかを判別することができる。

この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。

図１を参照して、この実施例のコミュニケーションロボット（以下、単に「ロボット」ということがある。）１０は台車１２を含み、この台車１２の側面には、このロボット１０を自律移動させる車輪１４が設けられる。この車輪１４は、車輪モータ（図４において参照番号「１６」で示す。）によって駆動され、台車１２すなわちロボット１０を前後左右任意の方向に動かすことができる。なお、図示しないが、この台車１２の前面には、衝突センサが取り付けられ、この衝突センサは、台車１２への人間や他の障害物の接触を検知する。

台車１２の上には、多角形柱状のセンサ取付パネル１８が設けられ、このセンサ取付パネル１８の各面には、超音波距離センサ２０が取り付けられる。この実施例ではたとえば２４個の超音波距離センサ２０が周囲３６０度にわたるように設けられる。この超音波距離センサ２０は、センサ取付パネル１８すなわちロボット１０の周囲の主として人間との距離を計測するものである。具体的には、超音波距離センサ２０は超音波を発射し、その超音波が人から反射されて超音波距離センサ２０に入射されたタイミングを測定して、人との間の距離情報を出力する。

台車１２の上には、人体状部２２が直立するように取り付けられる。このロボット本体としての人体状部２２の全身は、後に詳しく説明するように、柔軟素材からなる皮膚２４によって覆われる。人体状部２２は、たとえば鉄板のような筐体（図示せず）を含み、その筐体にコンピュータやその他必要なコンポーネントを収容している。そして、皮膚２４は、その筐体上に被せられる。皮膚２４の下の筐体の上部ほぼ中央にはマイク２６が設けられる。このマイク２６は、周囲の音声、特に人間の声を収集するためものである。

人体状部２２は、右腕２８Ｒおよび左腕２８Ｌを含み、右腕２８Ｒおよび左腕２８Ｌすなわち上腕３０Ｒおよび３０Ｌは、それぞれ、肩関節３２Ｒおよび３２Ｌによって、胴体部分に変位自在に取り付けられる。この肩関節３２Ｒおよび３２Ｌは、３軸の自由度を有する。上腕３０Ｒおよび３０Ｌには、１軸の肘関節３４Ｒおよび３４Ｌによって、前腕３６Ｒおよび３６Ｌが取り付けられ、この前腕３６Ｒおよび３６Ｌには、手３８Ｒおよび３８Ｌが取り付けられる。これら右腕２８Ｒおよび左腕２８Ｌの各関節における各軸はここでは図示しないモータによってそれぞれ制御される。すなわち、右腕２８Ｒおよび左腕２８Ｌのそれぞれ４個のモータが、図４において、それぞれ右腕モータ４０および左腕モータ４２として表される。

人体状部１８の上部には首関節４４を介して頭部４６が、人間の頭と同様に俯仰・回転可能に取付けられる。この３軸の首関節４４は、図４に示す頭部モータ４８によって制御される。頭部４６の前面の「目」に相当する位置には２つの眼カメラ５０が設けられ、この眼カメラ５０は、ロボット１０に接近した人間の顔や他の部分を撮影してその映像信号を取り込む。頭部４６の前面の目カメラ５０の下方にはスピーカ５２が設けられる。このスピーカ５２は、ロボット１０がそれの周囲の人間に対して音声によってコミュニケーションを図るために用いられる。

上で説明した人体状部２２の胴体や頭部４６および腕は上記したようにすべて柔軟な素材からなる皮膚２４に覆われる。この皮膚２４は、図２に示すように、下層のウレタンフォーム５４と、その上に積層される比較的肉厚のシリコンゴム層５６ａおよび比較的肉薄のシリコンゴム層５６ｂとを含む。そして、２つのシリコンゴム層５６ａおよび５６ｂの間に、ピエゾセンサシート（触覚センサ）５８が埋め込まれる。このピエゾセンサシート５８は、たとえば米国ＭＳＩ社製、株式会社東京センサ販売のピエゾフィルムを用いる（http://www.t-sensor.co.jp/PIEZO/TOP/index.html）。実施例のロボットに使用したのはＡ４サイズ（型番：２００×１４０×２８）のピエゾフィルムを１／２、１／３、１／４、１／６の大きさにはさみでカットしたピエゾセンサシートである。このピエゾフィルムは、圧電フィルム（たとえばＰＶＤＦ（ポリビニリデンフルオロイド））の両面に金属薄膜が形成された構造、つまり、圧電体が導体で挟まれた構造を有する。圧力等で変形すると両面金属薄膜間にピエゾ電気を発生し、すなわち、電荷があらわれて電位差が生じる。

実施例では、上述のように、発泡ウレタンとシリコンゴムとを使って皮膚２４の柔らかさを得た。シリコンゴムだけである程度の厚みと柔らかさとを得ようとすると、重くなりすぎてエネルギ消費量が大きくなるだけでなく、裂傷に弱くなる。そこで、発明者等は、実験を重ねた結果、大まかな形と厚みはウレタンフォームで作り、その表面を約２０ｍｍのシリコンゴムで覆う形を採用することとした。そして、シリコンゴム層を２つにし、それらのシリコンゴム層５６ａおよび５６ｂの間に、上述のピエゾセンサシート５８を埋め込んだ。このとき、内側のシリコンゴム層５６ａを厚く（約１５ｍｍ）し、表面側のシリコンゴム層５６ｂを薄く（約５ｍｍ）した。このようにすると、ロボット１０の振動や人間が表面を押したときに生じる高周波の振動をカットでき、なおかつフィルムが変形し易くなるので、圧力の計測が容易になる。つまり、シリコンゴム層の厚みはロボット１０の構造やパワーによるが、なるべく薄く、しかし変形が伝わり易く、雑音となる振動が伝わり難いものが必要となる。また、この柔らかい皮膚を介して、人との間で触行動によるコミュニケーションを行うことができるので、人に対して安心感を与えて親和性を高めることができるし、触れたりぶつかったりした場合の人の怪我を防止して安全性も高めることができる。

なお、皮膚２４の素材は軟性素材であればよく、上述のものに限定されずたとえば他のゴム素材等でもよい。ただし、ピエゾフィルムシートの表面金属薄膜が腐食しない材質である必要がある。また、皮膚２４の厚み（各層の厚み）は、素材によって適宜変更され得る。

上述のピエゾセンサシートすなわち触覚センサ（触覚センサ）５８は人体状部２２の全身にわたって埋め込まれ、それによって、人間等が接触することによって皮膚２４に加えられた圧力を圧覚（触覚）情報として検知する。この実施例では、図３に示すように、ロボット１０の全身にわたって４８枚のピエゾセンサシート５０１−５４８を埋め込んだ。つまり、ロボット１０は全身分布型触覚センサを有するといえる。埋め込み状況（場所）に関しては、人間に触られやすい部位、たとえば頭頂や肩それに腕（手を含む）には、圧力を正確かつ確実に検知できるように、隙間なくピエゾセンサシートを埋め込み、あまり触られることを想定していない部位たとえば足あるいは脇腹には許容できる隙間を持ってピエゾセンサシートを埋め込んだ。それによって、検出精度と製造コストとのトレードオフを解決した。なお、これら４８枚のピエゾセンサシート５０１−５４８は、場合によっては、触覚センサ５８として区別なしに示されることがあることに留意されたい。

図１に示すロボット１０の電気的構成が図４のブロック図に示される。図４に示すように、このロボット１０は、全体の制御のためにマイクロコンピュータまたはＣＰＵ６０を含み、このＣＰＵ６０には、バス６２を通して、メモリ６４，モータ制御ボード６６，センサ入力／出力ボード６８およびサウンド入力／出力ボード７０が接続される。

メモリ６４は、図示しないが、ＲＯＭやＨＤＤ、ＲＡＭを含む。ＲＯＭやＨＤＤにはこのロボット１０の制御プログラムが予め書き込まれている。制御プログラムはたとえばコミュニケーション行動を実行するためのプログラム、外部のコンピュータと通信するためのプログラム等を含む。メモリ６４にはまた、コミュニケーション行動を実行するためのデータが記憶され、そのデータは、たとえば、個々の行動を実行する際に、スピーカ５２から発生すべき音声または声の音声データ（音声合成データ）、および所定の身振りを提示するための各関節軸の角度制御データ等を含む。ＲＡＭは、一時記憶メモリとして用いられるとともに、ワーキングメモリとして利用される。

モータ制御ボード６６は、たとえばＤＳＰ(Digital Signal Processor) で構成され、
各腕や頭部などの各軸モータを制御する。すなわち、モータ制御ボード６６は、ＣＰＵ６０からの制御データを受け、右肩関節３２Ｒの３軸のそれぞれの角度を制御する３つのモータと右肘関節３４Ｒの１軸の角度を制御する１つのモータとの計４つのモータ（図４ではまとめて、「右腕モータ」として示す。）４０の回転角度を調節する。また、モータ制御ボード６６は、左肩関節３２Ｌの３軸と左肘関節３４Ｌの１軸、計４つのモータ（図４ではまとめて、「左腕モータ」として示す。）４２の回転角度を調節する。モータ制御ボード６６は、また、頭部４６の３軸のモータ（図４ではまとめて、「頭部モータ」として示す。）４８の回転角度を調節する。そして、モータ制御ボード６６は、車輪１４を駆動する２つのモータ（図４ではまとめて、「車輪モータ」として示す。）１６を制御する。

なお、この実施例の上述のモータは、車輪モータ１６を除いて、制御を簡単化するためにそれぞれステッピングモータまたはパルスモータであるが、車輪モータ１６と同様に、直流モータであってよい。

センサ入力／出力ボード６８も、同様に、ＤＳＰで構成され、各センサやカメラからの信号を取り込んでＣＰＵ６０に与える。すなわち、図示しない衝突センサの各々からの接触に関するデータがこのセンサ入力／出力ボード６８を通して、ＣＰＵ６０に入力される。また、眼カメラ５０からの映像信号が、必要に応じてこのセンサ入力／出力ボード６８で所定の処理が施された後、ＣＰＵ６０に入力される。

このセンサ入力／出力ボード６８は、さらに、図５に示すように、複数（実施例では１２枚）の基板７２，７２…を含み、各基板７２には、それぞれ１つのＰＩＣマイコン７４が設けられる。ＰＩＣマイコン７４はたとえばＡＳＩＣで構成され、同じく基板７２に設けられたＡ／Ｄ変換器７６からの電圧データ（たとえば１０ビット）をビット直列信号として出力する。

触覚センサ５８は、図５に示すようにピエゾフィルム７８を電極ないし導体８０ａおよび８０ｂで挟んだものであり、圧力が加えられるとそのピエゾフィルム７８が電圧を発生し、その電圧が２つの導体８０ａおよび８０ｂ間に現れる。ただし、このとき発生される電圧は電位は高いが電流が微弱なため、この発生電圧をそのまま長いケーブルでコンピュータ６０（図４）に取り込むことは、ノイズが多く乗ってしまうので難しい。そこで、この実施例では、図５に示す基板７２を触覚センサ５８に近い位置に配置し、その中に高インピーダンスの読み取り装置、すなわちＡ／Ｄ変換器７６を配置し、このＡ／Ｄ変換器７６で変換した電圧値をＰＩＣマイコン７４で読み取ってシリアル信号として出力し、それをＣＰＵ６０へ送るようにした。なお、ピエゾフィルムシートの電極の配置の一例として、導体８０ａは皮膚２４の表面側に配置され、導体８０ｂは筐体側に配置される。

Ａ／Ｄ変換器７６は、実施例では４チャネル１０ビットのものを用いた。したがって、１つの基板７２が４つの触覚センサ５８を受け持つことができる。基板７２には、４つのピエゾセンサシートのために４対の端子８２ａおよび８２ｂが設けられ、それぞれに電極８０ａおよび８０ｂが接続される。端子８２ａおよび８２ｂ間にはノイズ除去用コンデンサ８４が接続されている。したがって、端子８２ａおよび８２ｂ間に与えられた触覚センサ５８からの電圧は、ノイズ除去された後、オペアンプ８６によって電流増幅され、上述のＡ／Ｄ変換器７６の１つのチャネルに入力される。図５では１つの触覚センサ５８が示されるだけであるが、他の触覚センサ５８およびそれに関連する回路も同様に構成されるものである。

上述のように人体状部２２の皮膚２４中には４８個のピエゾセンサシート５０１−５４８が全身にわたって埋め込まれているが、それらをすべてロボット制御用のＣＰＵないしコンピュータ６０で読み取ろうとすると、ノイズを拾い易いだけでなく、コンピュータのＡ／Ｄポートを非常に多く必要としてしまい、現実的ではない。そこで、上述のように読み取り装置（基板７２、Ａ／Ｄ変換器７６）を触覚センサ５８の近傍に分散配置し、それぞれの出力を１本のシリアルケーブル、たとえばＲＳ２３２Ｃ（商品名）で繋いだ、いわゆるデイジーチェーンを形成した。したがって、図５に示す１つの基板７２のＰＩＣマイコン７４から出力されたビットシリアル信号は、次段の基板７２のＰＩＣマイコン７４のシリアル入力ポートに与えられる。当該次段のＰＩＣマイコン７４は、前段のＰＩＣマイコン７４から送られてきたデータに自分が担当するＡ／Ｄ変換器７６から読み込んだデータを加えて、ビット直列信号として出力する。したがって、コンピュータ６０は、１つのシリアルポートで全身の触覚センサ５８からの検知情報を取り込めるようになっている。

なお、各ＰＩＣマイコン７４から出力される検知データは、図３に示す４８個のピエゾセンサシート５０１−５４８のいずれであるかを示す識別子と、圧力値に関する情報とを含むので、コンピュータ６０は、どの（部位の）ピエゾセンサシートがどの程度の圧力を受けているかを容易に特定できる。

ただし、この実施例では、左右の手先に設けられるそれぞれ５つのピエゾセンサシート５３５−５３９と５４４−５４８については、Ａ／Ｄ変換器７６の入力が４つであることから、便宜上、先端の１個（右手：５３９、左手：５４８）と外側の１個（右手：５３６、左手：５４５）の出力を並列にしている。したがって、この実施例では、左右の手先の触覚センサ５８は実質的にそれぞれ４個となるので、触覚センサ５８の出力データは４６次元データとなる。

出力を読み取る場合、具体的には、コンピュータ６０は、たとえば５０ｍｓｅｃの周期で、ビットシリアルデータを出力する最終段のＰＩＣマイコン７４にポーリングをかけ、５０ｍｓｅｃ周期ですべてのピエゾセンサシート５０１−５４８の検知データを読み取ることができる。検知データは、Ａ／Ｄ変換器７６（図５）からはたとえば正負３２段階、合計６４段階で出力される。つまり、１０ビットのうち下位４ビットはノイズ成分として捨て、上位６ビットのデータだけが各ＰＩＣマイコン７４（図５）から出力される。

そして、コンピュータ６０は、触覚センサ５８で検知した６４段階のデータを用いて、たとえば触られ方の強弱、押された状態の持続時間または電圧変化の波形の周波数（圧力変化の周波数）などの接触状態を計測することができる。触られ方の強弱によってたとえば「ひどく叩かれたか」、「軽く叩かれたか」、「やさしく手を置かれたか」、「軽く触られたか」などを判断することができ、持続時間によってたとえば「叩かれたか」、「押されたか」などの継続状態を判断することができ、圧力変化の周波数によってたとえば「叩かれているのか」、「なでられているのか」、「くすぐられているのか」という触られ方の種類を判断することができる。そして、ロボット１０は、触り方（接触状態）に応じて動作を制御することができる。このような動作制御は、特許文献１（特開２００４−２８３９７５号）にも詳細に開示されるので参照されたい。

図４に戻って、スピーカ５２にはサウンド入力／出力ボード７０を介して、ＣＰＵ６０から、合成音声データが与えられ、それに応じて、スピーカ５２からはそのデータに従った音声または声が出力される。また、マイク２６からの音声入力が、サウンド入力／出力ボード７０を介して、ＣＰＵ６０に取り込まれる。

また、ＣＰＵ６０には、バス６２を介して通信ＬＡＮボード８８および無線通信装置９０が接続される。通信ＬＡＮボード８８は、ＤＳＰで構成され、ＣＰＵ６０から送られる送信データを無線通信装置９０に与え、無線通信装置９０から送信データを、図示は省略するが、たとえば無線ＬＡＮまたはインタネットのようなネットワークを介して外部のコンピュータに送信させる。また、通信ＬＡＮボード８８は、無線通信装置９０を介してデータを受信し、受信したデータをＣＰＵ６０に与える。つまり、この通信ＬＡＮボード８８および無線通信装置９０によって、ロボット１０は外部のコンピュータ等と無線通信を行うことができる。

図６を参照して、この図６には、図１および図４に示すこの実施例の動作のフロー図が示される。まず、最初のステップＳ１では、コンピュータまたはＣＰＵ６０は、実験によりコミュニケーション時のデータを、上述のＰＩＣ７４（図５）から取得して蓄積する。取得されるデータは、人間の触行動によって反応した触覚センサ５８の出力データであり、たとえば２０Ｈｚ（１秒間に２０フレーム）で計測する。このように取得した、触覚センサ５８の出力データはメモリ６４内に格納される。

触覚センサデータは、上述のように４８個の触覚センサ５０１−５４８からの出力を含む４６次元データであり、各要素が０〜３２（−３１〜３２の絶対値）の値を有する。

次のステップＳ３では、ステップＳ１で取得した触覚センサからの１フレームのデータ（４６次元出力ベクトル）を、図７に示すように、ＩＳＯＤＡＴＡ法によってクラスタリングする。つまり、４６次元の触覚センサデータ空間において、パターンの分布が密になっている部分（クラスタ）を見つける。そして、そのクラスタのクラスタ核、実施例ではクラスタの重心を抽出する。したがって、ＣＰＵ６０およびそれによって実行されるこのステップＳ３がクラスタ核抽出手段として機能する。

なお、ＩＳＯＤＡＴＡ法はクラスタリングの一手法であり、前段において生成したクラスタを一定基準に従って分割したり併合したりして最終的なクラスタを導く（参考文献：鳥脇純一郎、テレビジョン学会教科書シリーズ９「認識工学―パターン認識とその応用-」、コロナ社、１９９３）。

続いて、ステップＳ５で、触覚センサ出力が閾値以上のフレームを選別する。閾値は４８個の触覚センサ５０１−５４８ごとに実験的に求められて予め設定されている。４８個の触覚センサ５０１−５４８のうちどれか１つでもその閾値を超えているものがあるかどうかを判断し、閾値を超えているものがある場合には、反応が継続していると判断する。そして、一定時間たとえば１０秒以上の時間、閾値以上の出力の触覚センサが検出されなければ、そこで継続的な反応が終了したと判断する。したがって、このステップＳ５では、継続的に反応している部分の１まとまりの出力ベクトルを触り方のデータとして選択または抽出する。したがって、以後のステップでは、１まとまりの反応毎に、触り方を抽出することになる。このように、ＣＰＵ６０およびこのステップＳ５が出力ベクトル抽出手段として機能する。

続くステップＳ７では、それぞれの触り方における時系列データを１フレームずつクラスタ核に対応付けることによって、クラスタ核の遷移データを作成する。

ステップＳ１で蓄積した触覚センサの１フレーム毎の出力データ、すなわちステップＳ３で得たクラスタは、人間とのコミュニケーション時の代表的な触られ方を表している。つまり、コミュニケーション時にコミュニケーションロボット１０に人間が触る触り方（触る、撫でる、叩く、押すなど）は、発明者等の実験によれば、たとえば２５０〜１５００種類程度の典型的な触り方のどれかに分類できる。そこで、このステップＳ７では、たとえば、最近傍法または最近近傍法（nearest neighbor method）を用いて、各フレームの出力ベクトルがその典型的な触り方のどれに該当するか判別し、その判別した触り方を、その出力ベクトルのクラスタ核に対応付ける。つまり、各クラスタ核に、それに対応する触り方の種類または番号（図７）を付し、図８に示すように、その種類または番号が時間経過とともに変化する１次元データであるクラスタ核遷移データを作成する。

ＣＰＵ６０とこのＣＰＵ６０で実行するステップＳ７とが、クラスタ核遷移データ作成手段として機能する。

次のステップＳ９では、ステップＳ７で求めたクラスタ核の遷移データどうしの距離をたとえばＤＰ（Dynamic Programming）マッチング法（動的計画法）によって、たとえば図９に示すように、計算する。

なお、ＤＰマッチングでは、ＩＳＯＤＡＴＡのクラスタ核ｐ，ｑ間の距離ｄｉｓｔ（ｐ，ｑ）は数１のように定義する。

ここで、ｅ（ｒ）はｒ番目のＩＳＯＤＡＴＡのクラスタ核である。

そして、ステップＳ１１で、ＣＰＵ６０は、ステップＳ９で求めたクラスタ核の遷移データ間の距離情報に基づいて、階層的クラスタリングを行い、たとえば図１０に示す樹状図（dendrogram）を作成する。

上述のように、ＣＰＵ６０とこれによって実行されるステップＳ９およびＳ１１が階層的クラスタリング手段を構成する。

発明者等は、一般被験者に対して、人間の触行動時のロボットの全身触覚センサの時系列データを収集する実験を行った。図１のように全身に皮膚センサまたは触覚センサを分布して設けたコミュニケーションロボット１０を静態展示し、ロボットの各関節が自由に動かせる状態で被験者に自由に触るように指示することで触覚センサデータ収集を行なった。元データは３１１８３０、クラスタ核は５０１である。

実験結果として、２８４人の被験者から得られた有効な触覚センサデータは３１１８３０フレーム、ＩＳＯＤＡＴＡクラスタリングによって得られたクラスタ核は５０１個となった。さらに、被験者から得られた１２４５個の触り方データにそれぞれのクラスタ核を対応付けて遷移データを求め、その遷移データについて階層的クラスタリングを行った結果、図１０のような樹状図が得られた。この図１０の樹状図は、直交する２軸を有し、それの一方（縦軸）が距離を表しかつ他方（横軸）がクラスタ番号を表している。ただし、図１０では、階層的クラスタの上位階層のみを樹状図として示している。

図１０では、各枝の先端が１つのクラスタに対応しており、高さがクラスタ間の距離を表している。樹状図の枝の先端が１５０個に分かれた階層における触り方を表すクラスタの例を表１に示す。

表１における触り方の評価は、実験者が被験者の触行動を録画した映像を観察することにより行った。表１におけるクラスタＡは、他クラスタと比較して、映像としては多くの触り方を含んだものになっている。これはこのクラスタに属する触り方のセンサの反応が小さく、各触り方データ問の距離が小さくなるためである。一方、その他のクラスタは映像から判別される触り方の特徴を反映した分類がなされている。

なお、図１０の樹状図による階層的クラスタリングにおいては、主に触る部位によって上位のクラスタが形成され、下位のクラスタはその部位における触り方によって形成されることがわかった。したがって、この樹状図を参照すれば、コミュニケーションロボット１０は、どこをどのように触られているかを判別することができる。

このように、この実施例では、コミュニケーションロボット１０に対する人間の代表的な触り方の抽出が可能になった。つまり、上述のように、２０フレームで４６次元ベクトルデータを取り扱おうとすると、１秒間に（２０×４６）個、一連の継続的な反応（つまり、１つの触り方）が１５秒だとすると、（２０×４６×１５）のデータを処理する必要があるが、実施例のように、触覚センサの時系列データを各時刻における触覚センサ出力の代表値の一次元配列に変換することにより圧縮を行い、それぞれの触り方データの距離をＤＰマッチングで求め、階層的クラスタリングを行うことにより、より少ないデータ処理量で、触り方の判別が可能となった。

なお、上述の実施例では、図６の処理をロボット１０のＣＰＵが全て実行するものとして説明した。しかしながら、このような「触り方」の抽出は、別に設けたコンピュータによって処理するようにしてもよい。この場合、当該別のコンピュータ（図示せず）は、ロボット１０の無線通信装置９０から触覚センサの出力データを受け取ればよい。

この発明の一実施例のコミュニケーションロボットを示す図解図である。 図１実施例のコミュニケーションロボットに用いる皮膚とその中に埋め込まれるピエゾセンサシートとを示す図解図である。 ピエゾセンサシートの配置位置を示す図解図である。 図１実施例のコミュニケーションロボットの電気的構成を示すブロック図である。 図１実施例のコミュニケーションロボットにおけるピエゾセンサシート（触覚センサ）から検知信号を入力するセンサ入力／出力ボードを部分的に示す図解図である。 図１実施例の動作を示すフロー図である。 図１実施例において触覚センサ出力ベクトルを空間圧縮することを示す図解図である。 図7のクラスタ核を典型的な触り方に対応付けて時間経過とともに示したクラスタ核遷移データを示す図解図である。 ＤＰマッチングの方法を示す図解図である。 図１実施例で得られた樹状図の一例を示す図解図である。

符号の説明

１０ …コミュニケーションロボット
２２ …人体状部
２４ …皮膚
５８，５０１−５４８ …触覚センサ（ピエゾセンサシート）
６０ …ＣＰＵ
６４ …メモリ
６８ …センサ入力／出力ボード

Claims (5)

1. 複数の触覚センサ、
   相手の触行動に伴う各時刻の前記触覚センサの出力ベクトルをクラスタリングしてクラスタ核を抽出するクラスタ核抽出手段、
   前記クラスタ核をそれぞれの触り方に対応付けて、クラスタ核の遷移データを作成する遷移データ作成手段、および
   前記クラスタ核の遷移データどうしの距離に応じた階層的クラスタリングを行なう階層的クラスタリング手段を備える、コミュニケーションロボット。
2. 前記出力ベクトルの時系列データに基づいて継続的に反応している部分の出力ベクトルを抽出する出力ベクトル抽出手段をさらに備え、
   前記遷移データ作成手段は前記出力ベクトル抽出手段で抽出した出力ベクトルのクラスタ核について前記遷移データを作成する、請求項１記載のコミュニケーションロボット。
3. 前記階層的クラスタリング手段は、直交する２軸の一方が距離を表しかつ他方がクラスタ番号を表す樹状図を作成する樹状図作成手段を含む、請求項１または２記載のコミュニケーションロボット。
4. ロボット本体上に被せられる柔軟素材からなる皮膚をさらに備え、
   前記複数の触覚センサは前記皮膚中に分散配置される複数のピエゾセンサシートを含む、請求項１ないし３のいずれかに記載のコミュニケーションロボット。
5. 複数の触覚センサを有するコミュニケーションロボットに対する人間の触り方を判別するための方法であって、
   (a) 相手の触行動に伴う前記触覚センサの出力ベクトルをクラスタリングしてクラスタ核を抽出するクラスタ核抽出ステップ、
   (b) 前記クラスタ核をそれぞれの触り方に対応付けて、クラスタ核の遷移データを作成する遷移データ作成ステップ、および
   (c) 前記クラスタ核の遷移データどうしの距離に応じた階層的クラスタリングを行なって樹状図を作成する階層的クラスタリングステップを含む、コミュニケーションロボットの触り方判別方法。

Images