JP6631746B1 - クラスタ分類装置、環境生成装置及び環境生成システム - Google Patents
クラスタ分類装置、環境生成装置及び環境生成システム Download PDFInfo
- Publication number
- JP6631746B1 JP6631746B1 JP2019141942A JP2019141942A JP6631746B1 JP 6631746 B1 JP6631746 B1 JP 6631746B1 JP 2019141942 A JP2019141942 A JP 2019141942A JP 2019141942 A JP2019141942 A JP 2019141942A JP 6631746 B1 JP6631746 B1 JP 6631746B1
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- environment
- unit
- reaction
- target space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000007613 environmental effect Effects 0.000 claims abstract description 164
- 230000000694 effects Effects 0.000 claims abstract description 25
- 238000010586 diagram Methods 0.000 abstract description 22
- 230000035807 sensation Effects 0.000 description 57
- 238000012545 processing Methods 0.000 description 35
- 238000004458 analytical method Methods 0.000 description 29
- 238000000034 method Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 14
- 230000004048 modification Effects 0.000 description 14
- 230000001953 sensory effect Effects 0.000 description 13
- 238000002474 experimental method Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 9
- 238000013507 mapping Methods 0.000 description 8
- 206010016322 Feeling abnormal Diseases 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 206010029216 Nervousness Diseases 0.000 description 5
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000008921 facial expression Effects 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000010195 expression analysis Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000000876 binomial test Methods 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000010923 batch production Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000013410 fast food Nutrition 0.000 description 2
- 230000003278 mimic effect Effects 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 238000001543 one-way ANOVA Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 235000001808 Ceanothus spinosus Nutrition 0.000 description 1
- 241001264786 Ceanothus spinosus Species 0.000 description 1
- 241001539473 Euphoria Species 0.000 description 1
- 206010015535 Euphoric mood Diseases 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 229920001971 elastomer Polymers 0.000 description 1
- 239000000806 elastomer Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 210000003746 feather Anatomy 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000015541 sensory perception of touch Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Abstract
Description
(1−1)環境生成システムの構成
本実施形態に係る環境生成システム1は、図1に示すように、環境生成装置10及び制御装置20を具備する。
環境生成装置10は、対象空間Sの環境を変化させて所定の環境を生成することが可能な任意の機器である。環境生成装置10が環境を変化させる結果として、対象空間S内のユーザー5の感覚に特定の影響が与えられる。具体的には、環境生成装置10の構成機器として、空気調和装置、照明装置、プロジェクター、スピーカー、匂い発生器等が挙げられる。例えば、図1では、環境生成装置10としてのプロジェクターが、対象空間Sの壁面に多数の表示物Rを投影して新たな見た目にしている様子を示している。換言すると、図1に示す例では、プロジェクションマッピングにより、部屋の内装を変化させている。また、環境生成装置10としてロボットを対象空間Sに配置してもよく、この場合、ロボットは、少なくとも発光する色、動作、形状、音を変化させる。
制御装置20は、環境生成装置10を制御する。制御装置20は任意のコンピュータにより実現することができ、図2に示すように、記憶部21、入力部22、処理部23、制御部24、出力部25を備える。ここでは、コンピュータのCPU,GPU等に記憶装置(ROM,RAM等)に記憶されたプログラムが読み込まれることで、上記各機能が実現される。ただし、これに限らず、制御装置20は、LSI(Large Scale Integration),ASIC(Application Specific Integrated Circuit),FPGA(Field-Programmable Gate Array)等を用いてハードウェアとして実現されるものでもよい。
図4は本実施形態に係る環境生成システム1の動作を説明するためのフローチャートである。
以上説明したように、本実施形態に係る制御装置20は、人の身体及び/又は心に特定の影響を与える環境を構築するための環境条件が属する複数のクラスタとクラスタの特徴とを関連付けて記憶部21に記憶する。そして、制御装置20は、対象空間Sを所定の環境に生成する環境生成装置10を、クラスタの特徴に対応する入力の受け付けに応じて制御する。結果として、制御装置20は、種々の感情をユーザー5に生起させる環境を構築することができる。
(1−4−1)変形例A
上記説明では、入力部22がクラスタの特徴に対応する入力を受け付ける際に、任意の形式で表示されたリストを利用しているが、本実施形態に係る制御装置20はこれに限定
されるものではない。例えば、入力部22は、クラスタの特徴に対応する入力を受け付ける際に、ユーザー5による文章の入力を受け付けるものでもよい。この場合、処理部23が、所定のアルゴリズムにより文章解析し、ユーザー5による文章の入力からクラスタの特徴を設定する。
上記説明では、処理部(選択部)23は、所定時間が経過するとランダムに環境条件を変更するとしたが、本実施形態に係る制御装置20はこれに限定されるものではない。本実施形態に係る制御装置20は、所定時間に代えて、所定の条件を満たさない場合に環境条件を変更するものでもよい。
上記説明では、処理部(選択部)23が、所定時間が経過するとランダムに次の環境条件に変更するとしたが、本実施形態に係る制御装置20はこれに限定されるものではない。例えば、制御装置20の処理部23が、所定時間が経過したときに優先度に基づいて次の環境条件に変更するものでもよい。なお、優先度は、図7に示すように、クラスタ毎に設定される。また、優先度は、随時ダウンロードして更新することも可能である。
本実施形態に係る制御装置20は、処理部23が、上述した環境条件の優先度を決定する機能を有していてもよい。具体的には、制御装置20が、上述した反応取得部26をさらに備える。また、処理部(優先度決定部)23が、反応取得部26により取得される反応情報(対象空間Sに存在するユーザー5の反応を示す情報)に基づいて、各クラスタに属する環境条件の優先度を決定する機能をさらに有する。
上記説明では、処理部(選択部)23が、所定時間が経過するとランダムに環境条件を変更するとしたが、本実施形態に係る制御装置20はこれに限定されるものではない。例えば、ユーザー5による入力部22の操作により、任意のタイミングで環境条件を変更するものでもよい。
上述した記憶部21において、記憶されるクラスタの特徴及び環境条件は随時更新可能である。また、更新された情報に基づいて環境生成装置10を制御することができる。
上記説明では、環境生成装置10と制御装置20とは別部材の装置としていたが、これらは同一の装置に一体として組み込まれるものでもよい。
上述した環境生成システム1に用いられる環境条件は、クラスタ分類装置を用いて分類することができる。以下、クラスタの特徴を事後的に設定する第1クラスタ分類装置50と、クラスタの特徴が事前に設定されている第2クラスタ分類装置60とを説明する。
(2−1−1)第1クラスタ分類装置の構成
まず、第1クラスタ分類装置50の説明をする。前提として、制御装置20Xにより環境生成装置10が制御されて、対象空間Sに所定の環境が生成されるものとする。なお、制御装置20Xは上述した制御装置20と同様の機能を有するが、入力部22Xが所定の環境条件を入力する機能をさらに有している。説明の便宜上、制御装置20Xのうち制御装置20と異なる構成には添え字Xをつける。
図11は第1クラスタ分類装置50の動作を説明するためのフローチャートである。
上記ステップX3において、設定者がクラスタの特徴を定義するのに代えて、対象空間Sに存在するユーザー5の反応からクラスタの特徴を定義することもできる。具体的には、任意の生体センサ、撮像装置、録音装置、接触装置、ロボットのいずれか又はそれらの任意の組み合わせ等から構成される環境認識装置70を対象空間Sに設置する。そして、図12に示すように、第1クラスタ分類装置50のコンピュータが反応取得部55としてさらに機能し、この反応取得部55が、対象空間Sに存在するユーザー5の反応を示す反応情報を取得する。また、第1クラスタ分類装置50のコンピュータは解析部56としてもさらに機能し、この解析部56が反応取得部55により取得された反応情報からユーザー5の表情分析等を行なう。処理部の一部としても機能する設定部53は、解析部56による解析結果に基づき、例えば笑顔の画像量が所定量を超えていた場合、そのときの環境条件に対応するクラスタは「楽しい環境」であると特徴付ける。そして、設定部53は、クラスタの特徴と環境条件とを関連付けて記憶部54に記憶する。なお、環境認識装置70は、対象空間Sに固定されている必要はなく、フィットネストラッカー等のユーザー5に装着される装置でもよい。
(2−2−1)第2クラスタ分類装置の動作
次に、第2クラスタ分類装置60の説明をする。前提として、制御装置20Yにより環境生成装置10が制御されて、対象空間Sに所定の環境が生成されるものとする。なお、制御装置20Yは上述した制御装置20と同様の機能を有するが、入力部22Yが所定の環境条件を入力可能である点で相違する。説明の便宜上、制御装置20Yのうち制御装置20と異なる構成には添え字Yをつける。
図14は第2クラスタ分類装置60の動作を説明するためのフローチャートである。
上記ステップY3において、第1クラスタ分類装置50を組み合わせることで、定義済み環境に更に所定の次元の特徴を加えた定義を設定することができる。具体的には、第2クラスタ分類装置60の分類部62がクラスタリングした定義済み環境の概念に属する複数の環境条件を、第1クラスタ分類装置50の分類部52が新しい複数のクラスタに分類する。そして、第1クラスタ分類装置50の設定部53がそれらのクラスタに対して新たなクラスタの特徴を設定する。これにより、例えば、定義済み環境が「楽しい環境」であり、この「楽しい環境」に分類された複数の環境条件を、「高揚感の高い環境」「幸福感の高い環境」等の新しいクラスタに分類することができる。
以下、クラスタの特徴量の抽出についての実験例1について説明する。なお、以下の説明において、「空気感」とは、環境に対して人が主観的に感じる印象や感覚である。
対象者:18歳から42歳までの参加者52名が実験に参加した。うち、2名の参加者は作成した空気感の保存が出来ていなかったため、最終的に50名の参加者(男性30名、平均年齢22.82歳、SDは6.16歳)を分析対象とした。
まず、参加者が作成した3つの空気感について、12要素それぞれに違いがあるかを検討するために、対応のある1要因分散分析を行った。なお、p値についてはボンフェローニ(Bonferroni)の修正を行った。その結果を表1に示す。
次に、これらのデータから3つの空気感の特徴量を抽出するために、12の要素について主成分分析を行った。なお、式については以下の通りである。
次に、各クラスタからパラメータを自動生成するプロセスについて述べる。まず、4つのクラスタのいずれかについて、平均値とSDをもとに12要素のそれぞれのパラメータを生成した。なお、パラメータは乱数で生成した。次に、生成した12要素それぞれのパラメータを正規化し、固有ベクトルの内積を取ることで、クラスタリングを行った特徴空間に投影した。ただし、ここで生成したパラメータは、クラスタリング処理を行った空間内で、ある特定のクラスタに所属している保証がないため、特徴空間内に含まれるかの判定を行った。判定の基準は特徴空間内で±1SDに入るかどうかであった。投影されたパラメータが、4次元空間(主成分分析から導かれた4成分)内のある特定のクラスタに所属していた場合、生成されたパラメータはクラスタに含まれているものと考え採用した。もし、そうでない場合にはリジェクトして、同じ手続きで生成し直した。
以下、自動生成された各クラスタの評価実験について説明する。
対象者:18歳から25歳までの参加者14名が実験に参加した(男性8名、平均年齢21.21歳、SD(2.04歳)。なお、すべての参加者は、実験例1の実験には参加しなかった。
SD(Sematic differential)法質問:「この部屋の印象について、当てはまる数字をそれぞれ選択してください」と教示し、「不快−快」、「つまらない−美しい」、「疲れた−元気のある」、「静かな−騒がしい」、「緊張した−リラックスした」、「濁った−澄んだ」、「風通しの悪い−風通しの良い」計7項目について、7件法で尋ねた。
まず、自動生成されたパラメータが、各クラスタの空気感を反映できているかを確認するために、空気感質問について分析を行った。各クラスタについて、選択された空気感の割合が、チャンスレベルを超えているかについて二項検定を行った。その結果、クラスタ3はチャンスレベルよりも有意に高く「元気がでる空気感」が選択されていた(p=.04)。また、クラスタ4についても、チャンスレベルよりも有意に高く「包んでくれるような安らぎのある空気感」が選択された(p=.0001)。この結果から、クラスタ3、4については、自動生成されたパラメータが、各クラスタの空気感を反映できていたことが示された。しかし、クラスタ1については、「緊張を感じる空気感」ではなく、「日常生活の忘れがちな感覚に対する感受性を高める空気感」を選択した割合が有意に高いことが示された(p=.04)。
(3−1)構成
上述した環境認識装置70の一部又は全部として、以下の触感選択装置80を用いることができる。
上述したように、触感選択装置80では、ユーザーが接触した接触部に基づいて触感を認識する。また、このような触感選択装置80を、環境認識装置70の一部又は全部として用いることで、触感の違いに基づいて対象空間Sの環境の状態を認識できる。特に、接触部を異なる材料から構成することで、材料による触感の違いに基づいて対象空間Sの環境の状態を認識することができる。また、少なくともの2つの接触部の接触面に異なる振動を生じさせることで、振動による触感の違いに基づいて対象空間Sの環境の状態を認識することができる。また、少なくともの2つの接触部の接触面に異なる温度及び/又は湿度を生じさせることで、温度及び/又は湿度による触感の違いに基づいて対象空間Sの環境の状態を認識することができる。また、少なくともの2つの接触部の接触面に、異なる電圧及び/又は電流を生じさせることで、電圧及び/又は電流による触感の違いに基づいて対象空間Sの環境の状態を認識することができる。また、少なくともの2つの接触部の接触面に異なる磁力を生じさせることで、磁力による触感の違いに基づいて対象空間Sの環境の状態を認識することができる。
“今はこのような感覚刺激を受け取りたい気分である”ということを,ユーザー自身が自ら感覚刺激を創り出すことで表現していくような手段があれば、ユーザーの感覚により近い刺激を生成することが可能である。このため、ユーザーが作成した感覚刺激を常にネットワークで共有されたデータベースに貯蓄し、新しい生成モデルの獲得に利用していくデザインが必要になる。しかし、専門性の低い一般ユーザーに複雑な感覚刺激を一から作成することを要求するシステムは現実的ではない。そこで、全体で共通の感覚刺激のプロトコルを設定した上で、感覚刺激を作成する手段として、次のような手段が考えられる。例えば、非常に緻密に感覚刺激を作成することが可能な本格的なコンピュータ上におけるビルダーアプリケーション、それを子供や高齢者でも操作可能にタッチパネル上でGUIに簡略化したもの、さらに直感的に触ることで無意識的に感覚刺激を生成可能な触感インターフェース、等幅広い種類が考えられる。これらの感覚刺激を生成する手段を用意することで、ユーザーが創造活動に参入する障壁を極限まで下げることができる。そして、多様なユーザーがネットワークを介して寄り添いエージェント(生成モデル群)を共有したエコシステムを構築することで、持続的にエージェントの内部に生成モデルを増やしていくことを試みる。理想的には,ユーザーが自ら創作活動を行っている自覚が無い状態で、実はユーザーにより新しい感覚刺激がエコシステムの中で生み出され、それをデータベースに機械的に吸い上げ貯蔵されていくような形が望ましい.このようなエージェントを集団で共有するデザインにおいて、見知らぬ他人が作成した新しいタイプの感覚刺激にエージェントを通じて接することで、ユーザーの中に潜在的にある創造性が活性化される。そこにまた新しい創造の種が生まれるというセレンディピティの連鎖が生じていく開放性が高いエコシステムを構築することができれば、エージェントは持続的に新しい生成モデルを獲得し続けることが可能になる。
第1の例として、入力補助装置は、環境生成装置10を構成するプロジェクターを介して、対象空間Sの壁面に所定の表示物を動かすための環境条件を決定できるように構成されている。例えば、ユーザー5による端末装置30の操作により、環境生成装置10が、対象空間Sの壁面に表示物Rを表示する(図1,5参照)。ここで、端末装置30には、入力補助装置の機能がインストールされており、表示物Rの点の数・動く方向・動く速さ・大きさ・色彩・形状・点の配置・周期運動等を調整するための調整情報を受け付けるように構成されている。したがって、ユーザー5は、端末装置(入力補助装置)30に上記調整情報を入力することで、対象空間Sの壁面に表示される表示物Rの表示態様を変更することができる。
(4−2−1)画面インターフェース
第2の例として、入力補助装置は、画面上で、所定の表示物を動かすことが可能になっており、この表示物の動きに対応して環境条件を決定できるように構成されている。また、決定した環境条件で環境生成装置10を制御できるように構成されている。
入力補助装置による環境条件の分類について実験例を用いて補足する。
以上、実施形態を説明したが、特許請求の範囲の趣旨及び範囲から逸脱することなく、形態や詳細の多様な変更が可能なことが理解されるであろう。
5 ユーザー
10 環境生成装置
20 制御装置
20X 制御装置
20Y 制御装置
21 記憶部
22 入力部
22X 入力部
22Y 入力部
23 処理部(選択部)(優先度決定部)
24 制御部
25 出力部
26 反応取得部
28 解析部
30 端末装置
50 第1クラスタ分類装置
51 環境条件取得部
52 分類部
53 設定部
54 記憶部
55 反応取得部
56 解析部
60 第2クラスタ分類装置
61 環境条件取得部
62 分類部
64 記憶部
65 反応取得部
66 解析部
68 処理部
70 環境認識装置
80 触感選択装置
80c ケーシング
81 提供部
81a 接触部
81b 接触部
81c 接触部
81d 接触部
81e 接触部
81f 接触部
82 認識部
83 処理部
84 通信部
85 操作装置
S 対象空間
R 表示物
Claims (13)
- 対象空間(S)に所定の環境を生成するための環境条件を取得する環境条件取得部(51、61)と、
前記環境条件取得部が取得した複数の環境条件から前記環境条件の特徴に基づきクラスタを生成する分類部(52、62)と、
前記クラスタと前記クラスタの特徴とを関連付けて記憶する記憶部(54、64)と、
を備える、クラスタ分類装置(50、60)。 - 前記クラスタの特徴を設定する設定部(53)、
をさらに備える請求項1に記載のクラスタ分類装置(50)。 - 前記対象空間に存在する人の反応を取得する反応取得部(55)をさらに備え、
前記設定部は、前記反応取得部により取得された反応に基づいて、前記クラスタの特徴を設定する、
請求項2に記載のクラスタ分類装置(50、60)。 - 前記環境条件取得部(61)は、前記対象空間に、予め概念が定義された定義済み環境を生成するための環境条件を取得する、
請求項1に記載のクラスタ分類装置(60)。 - 前記対象空間に存在する人の反応を取得する反応取得部(65)をさらに備え、
前記分類部は、前記定義済み環境の概念及び前記反応取得部により取得された反応に応じて前記環境条件を所定のクラスタに分類する、
請求項4に記載のクラスタ分類装置(60)。 - 前記環境条件は、人の身体及び/又は心に特定の影響を与える物理量を特徴付けるパラメータである、
請求項1から5のいずれか1項に記載のクラスタ分類装置(50、60)。 - 前記クラスタは、n次元の情報で表現される空間における環境条件の集合又は環境条件を含む領域からなる、
請求項1から6のいずれか1項に記載のクラスタ分類装置(50、60)。 - 請求項1から7のいずれか1項に記載のクラスタ分類装置で分類された環境条件を用いて、前記対象空間に所定の環境を生成する、環境生成装置(10)。
- 請求項1から7のいずれか1項に記載のクラスタ分類装置と、
前記対象空間に所定の環境を生成する環境生成装置(10)を制御する制御装置(20)と、
を備え、
前記制御装置(20)は、前記クラスタの特徴に対応する入力を受け付ける入力部(22)と、前記入力部が受け付けた前記クラスタの特徴に対応するクラスタから選択された環境条件に基づいて前記環境生成装置を制御する制御部(24)とを有する、
を備える、
環境生成システム(1)。 - 前記制御装置(20)は、前記クラスタに属する環境条件のうち、一の環境条件を選択する選択部(23)をさらに有し、
前記制御部が、前記選択部が選択した環境条件に基づいて、前記環境生成装置を制御する、
請求項9に記載の環境生成システム(1)。 - 前記選択部は、所定の条件で、同一クラスタ内に属する他の環境条件を選択する、
請求項10に記載の環境生成システム(1)。 - 前記制御装置(20)は、前記対象空間に存在する人の反応を取得する反応取得部(26)をさらに有し、
前記選択部は、前記反応取得部により取得された反応が予め設定された条件を満たさない場合に、他の環境条件を選択する、
請求項11に記載の環境生成システム(1)。 - 前記制御装置(20)は、前記選択部による選択回数、及び/又は、前記対象空間に存在する人の反応に基づいて、前記クラスタに属する環境条件の優先度を決定する優先度決定部(23)をさらに有し、
前記選択部は、前記優先度に応じて、前記環境条件を選択する、
請求項10から12のいずれか1項に記載の環境生成システム(1)。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19865249.7A EP3859565A4 (en) | 2018-09-28 | 2019-09-30 | CLUSTER CLASSIFICATION DEVICE, ENVIRONMENT GENERATION DEVICE AND ENVIRONMENT GENERATION SYSTEM |
BR112021005225-9A BR112021005225A2 (pt) | 2018-09-28 | 2019-09-30 | dispositivo de classificação de grupo, dispositivo de geração de ambiente, e sistema de geração de ambiente |
US17/277,701 US11328174B2 (en) | 2018-09-28 | 2019-09-30 | Cluster classification device, environment generation device, and environment generation system |
PCT/JP2019/038450 WO2020067562A1 (ja) | 2018-09-28 | 2019-09-30 | クラスタ分類装置、環境生成装置及び環境生成システム |
CN201980062696.1A CN112771517B (zh) | 2018-09-28 | 2019-09-30 | 聚类分类装置、环境生成装置和环境生成系统 |
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018184268 | 2018-09-28 | ||
JP2018184268 | 2018-09-28 | ||
JP2019003123 | 2019-01-11 | ||
JP2019003123 | 2019-01-11 | ||
JP2019003122 | 2019-01-11 | ||
JP2019003122 | 2019-01-11 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6631746B1 true JP6631746B1 (ja) | 2020-01-15 |
JP2020113241A JP2020113241A (ja) | 2020-07-27 |
Family
ID=69146694
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019141942A Active JP6631746B1 (ja) | 2018-09-28 | 2019-08-01 | クラスタ分類装置、環境生成装置及び環境生成システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11328174B2 (ja) |
EP (1) | EP3859565A4 (ja) |
JP (1) | JP6631746B1 (ja) |
CN (1) | CN112771517B (ja) |
BR (1) | BR112021005225A2 (ja) |
WO (1) | WO2020067562A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021214967A1 (ja) * | 2020-04-24 | 2021-10-28 | 日本電信電話株式会社 | 食感提示装置、食感提示方法、およびプログラム |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3094590B2 (ja) * | 1991-12-06 | 2000-10-03 | 松下電器産業株式会社 | 空気調和機の制御装置 |
US5682573A (en) * | 1995-03-01 | 1997-10-28 | Fuji Xerox Co., Ltd. | Image quality control in image forming apparatus |
US5995644A (en) * | 1997-06-30 | 1999-11-30 | Siemens Corporate Research, Inc. | Robust and automatic adjustment of display window width and center for MR images |
JP2003299013A (ja) | 2002-03-29 | 2003-10-17 | Fuji Photo Film Co Ltd | 体験情報再現装置 |
US20040174434A1 (en) * | 2002-12-18 | 2004-09-09 | Walker Jay S. | Systems and methods for suggesting meta-information to a camera user |
WO2010125781A1 (ja) | 2009-04-27 | 2010-11-04 | パナソニック株式会社 | データ処理装置、データ処理方法、プログラム、及び集積回路 |
US8503768B2 (en) * | 2010-12-22 | 2013-08-06 | Sony Corporation | Shape description and modeling for image subscene recognition |
JP2013128649A (ja) * | 2011-12-21 | 2013-07-04 | Chuo Univ | 環境最適化装置 |
IL219795A0 (en) * | 2012-05-15 | 2012-08-30 | D V P Technologies Ltd | Detection of foreign objects in maritime environments |
JP6053345B2 (ja) * | 2012-06-20 | 2016-12-27 | キヤノン株式会社 | 送信装置、映像表示装置、送信方法、映像表示方法、及びプログラム |
JP2014016094A (ja) * | 2012-07-09 | 2014-01-30 | Panasonic Corp | 空調管理装置、空調管理システム |
JP2014146248A (ja) * | 2013-01-30 | 2014-08-14 | Sony Corp | 表示制御装置、表示制御方法およびプログラム |
JP2014167761A (ja) * | 2013-02-28 | 2014-09-11 | Toshiba Corp | 環境評価装置、方法およびプログラム |
JP6071728B2 (ja) | 2013-04-25 | 2017-02-01 | 大成建設株式会社 | 快適環境選択支援装置および快適環境選択支援方法 |
US9426044B2 (en) * | 2014-04-18 | 2016-08-23 | Alcatel Lucent | Radio access network geographic information system with multiple format |
JP6308466B2 (ja) | 2014-07-24 | 2018-04-11 | パナソニックIpマネジメント株式会社 | 環境制御装置、プログラム |
CN104238376B (zh) | 2014-09-30 | 2017-02-15 | 东南大学 | 基于数据的低温低气压环境发电机组运行仿真系统 |
WO2016116961A1 (ja) * | 2015-01-21 | 2016-07-28 | 三菱電機株式会社 | 情報処理装置および情報処理方法 |
US10259466B2 (en) * | 2015-11-19 | 2019-04-16 | Depura Partners, Llc | System for monitoring and classifying vehicle operator behavior |
CN105517222B (zh) | 2015-12-01 | 2018-10-19 | 小米科技有限责任公司 | 灯光调节方法和装置 |
US10754334B2 (en) * | 2016-05-09 | 2020-08-25 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for industrial internet of things data collection for process adjustment in an upstream oil and gas environment |
JP6418211B2 (ja) * | 2016-09-15 | 2018-11-07 | オムロン株式会社 | 識別情報付与システム、識別情報付与装置、識別情報付与方法及びプログラム |
US11215840B2 (en) * | 2018-10-18 | 2022-01-04 | International Business Machines Corporation | Testing a biological sample based on sample spectrography and machine learning techniques |
-
2019
- 2019-08-01 JP JP2019141942A patent/JP6631746B1/ja active Active
- 2019-09-30 EP EP19865249.7A patent/EP3859565A4/en active Pending
- 2019-09-30 WO PCT/JP2019/038450 patent/WO2020067562A1/ja unknown
- 2019-09-30 BR BR112021005225-9A patent/BR112021005225A2/pt unknown
- 2019-09-30 CN CN201980062696.1A patent/CN112771517B/zh active Active
- 2019-09-30 US US17/277,701 patent/US11328174B2/en active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021214967A1 (ja) * | 2020-04-24 | 2021-10-28 | 日本電信電話株式会社 | 食感提示装置、食感提示方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
BR112021005225A2 (pt) | 2021-06-15 |
EP3859565A1 (en) | 2021-08-04 |
CN112771517A (zh) | 2021-05-07 |
WO2020067562A1 (ja) | 2020-04-02 |
JP2020113241A (ja) | 2020-07-27 |
CN112771517B (zh) | 2023-03-24 |
US11328174B2 (en) | 2022-05-10 |
US20210312226A1 (en) | 2021-10-07 |
EP3859565A4 (en) | 2022-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barsalou et al. | Social embodiment | |
KR101680995B1 (ko) | 생물 물리학적 신호의 수집된 시간적 및 공간적 패턴에 기초한 뇌-컴퓨터 인터페이스(bci) 시스템 | |
Picard | Affective computing: challenges | |
WO2019169854A1 (zh) | 一种人机交互方法及交互机器人 | |
Tsiourti et al. | The CaMeLi framework—a multimodal virtual companion for older adults | |
JP6631746B1 (ja) | クラスタ分類装置、環境生成装置及び環境生成システム | |
Mishra et al. | Nadine robot in elderly care simulation recreational activity: using computer vision and observations for analysis | |
Cooney et al. | Designing enjoyable motion-based play interactions with a small humanoid robot | |
Mohd Tuah et al. | The characteristics and application of anthropomorphic interface: A design spectrum | |
Brandao et al. | Jecripe: how a serious game project encouraged studies in different computer science areas | |
Karyotis et al. | Affect Aware Ambient Intelligence: Current and Future Directions. | |
JP7415139B2 (ja) | 環境条件記憶装置、環境条件記憶方法、操作装置、及び環境認識装置 | |
WO2020145386A1 (ja) | 環境条件記憶装置、環境条件記憶方法、操作装置、及び環境認識装置 | |
JP7189434B2 (ja) | 空間制御システム | |
Mishra et al. | Does elderly enjoy playing bingo with a robot? a case study with the humanoid robot nadine | |
Cheok et al. | Huggy Pajama: remote hug system for family communication | |
Kozel | ‘Revealing Practices’ Heidegger's techne interpreted through performance in responsive systems | |
Duffy | Digital Human Modeling and Applications in Health, Safety, Ergonomics and Risk Management. Human Communication, Organization and Work: 11th International Conference, DHM 2020, Held as Part of the 22nd HCI International Conference, HCII 2020, Copenhagen, Denmark, July 19–24, 2020, Proceedings, Part II | |
Robinson | An Intelligent Social Robot for Assisting With Multiple Daily Activities | |
Benson | Exploring emotionally evocative experiences with sound | |
Rivas et al. | Sensors marginalization and multidimensional classification for affective states recognition | |
Wagner et al. | Who, how, where: Using exemplars to learn social concepts | |
Cottrell | Supporting Self-Regulation with Deformable Controllers | |
El Bani | Automated modeling of social touch in human-machine interaction | |
Zomer | Shaping proactivity: Designing interactions with proactive ambient artefacts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190802 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190913 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20190925 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20190925 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191125 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6631746 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |