JP7158633B2 - 説明提示装置、説明提示方法、及び説明提示プログラム - Google Patents
説明提示装置、説明提示方法、及び説明提示プログラム Download PDFInfo
- Publication number
- JP7158633B2 JP7158633B2 JP2022542564A JP2022542564A JP7158633B2 JP 7158633 B2 JP7158633 B2 JP 7158633B2 JP 2022542564 A JP2022542564 A JP 2022542564A JP 2022542564 A JP2022542564 A JP 2022542564A JP 7158633 B2 JP7158633 B2 JP 7158633B2
- Authority
- JP
- Japan
- Prior art keywords
- feature
- unit
- explanation
- explicit knowledge
- sensor data
- 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
- 238000000034 method Methods 0.000 title claims description 47
- 238000000605 extraction Methods 0.000 claims description 75
- 230000009471 action Effects 0.000 claims description 35
- 239000000284 extract Substances 0.000 claims description 22
- 241000282412 Homo Species 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 41
- 238000013500 data storage Methods 0.000 description 39
- 230000006399 behavior Effects 0.000 description 20
- 238000010801 machine learning Methods 0.000 description 20
- 238000003860 storage Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 17
- 238000011156 evaluation Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 7
- 238000012800 visualization Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- User Interface Of Digital Computer (AREA)
- Image Analysis (AREA)
Description
図1は、実施の形態1に係る説明提示装置1のハードウェア(H/W)構成の例を示す図である。図1に示されるように、説明提示装置1は、情報処理部としてのプロセッサ11と、情報を記憶するメモリ12と、ハードディスクドライブ(HDD)、ソリッドステートドライブ(SSD)などの記憶装置13と、ユーザ操作を受け付けるユーザインタフェースとしての操作装置14とを有する。説明提示装置1は、例えば、コンピュータである。説明提示装置1は、人間に情報を表示する画像表示部である表示器15を有してもよい。表示器15は、音声出力の機能を備えた装置であってもよい。また、説明提示装置1は、人間(例えば、作業者)の行動(例えば、動き)を検出する検出部であるセンサ16を有してもよい。センサ16は、映像を撮影する撮像装置であるカメラであってもよい。センサ16は、センサデータを出力する。センサ16がカメラである場合、センサデータは、映像データを含む。
実施の形態1では、暗黙的特徴量を用いた反実仮想的な説明を容易に理解できるようにするために、暗黙的特徴量に形式知を紐付けし、暗黙的特徴量と形式知とを、技能の向上を希望する作業者Pに提示するための提示情報を抽出する。しかし、実施の形態1では、技能の向上を希望する作業者Pに関するセンサデータを、他の作業者に関するセンサデータと比較して、比較結果を参照する処理は行われていない。そのため、例えば、以下の状況(1)~(3)が発生する可能性がある。
(1)形式知を習得することが目標クラスの出力を実現するための最短パスであっても、実例が無く非現実的な提案となる状況。
(2)技能を習得するまでの道のりが遠いため習得が困難である状況。
(3)反実仮想的な説明の探索空間が広いため、処理時間が長くなる状況。
そこで、実施の形態2では、他の作業者のセンサデータも加味して、習得すべき技を提示するための提示情報を抽出する説明提示装置2を提案する。
実施の形態1に係る説明提示装置1は、自動的に求められた暗黙的特徴量に形式知を紐付けし、どのような技を習得すれば、熟練度を向上させることができるかを作業者に提示する。しかし、作業者に対し、具体的に、どのような行動変容をすればよいかを提示できれば、作業者の技能の習得はより一層加速するものと考えられる。そこで、実施の形態3に係る説明提示装置3は、特徴取得部として技能データ生成部302を備えている。実施の形態3では、技能データ生成部302は、技能判定部が熟練度及び加工精度などの技能レベルを判定できるように、特徴抽出部が特徴量を自動抽出するのではなく、元のセンサデータを生成データとして再現できるように特徴量を抽出する。
実施の形態3では、技能データ生成部302は、行動変容させるべき領域(例えば、変化#1、変化#2)を確認するために用いられている。実施の形態4では、熟練技能に関する領域のセンサデータに対して摂動を与えることで、熟練度及び加工精度などの技能レベルがどのように変わりそうか、そして技能レベルの信憑性の確認、などを行うことが可能になる。これを実現するために、実施の形態4に係る説明提示装置4は、摂動確認部を備える。
実施の形態1では、図3に示されるように、技能判定部103、特徴抽出部102、及び形式知紐付け部104のセットである学習装置によって形成される学習済モデルが、1個の学習済モデルM1である例を説明している。これに対し、実施の形態5に係る説明提示装置5は、複数の学習済モデルM1を生成し、これらの中から、作業者が習得を希望する技能に近い技能(すなわち、関連技能)に関する学習済モデルを探し当てる。
Claims (14)
- 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得する特徴取得部と、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録する技能判定部と、
前記データベースにおいて、前記特徴量に形式知を紐付ける形式知紐付け部と、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出する説明抽出部と、
を有し、
前記特徴取得部、前記技能判定部、及び前記形式知紐付け部は、前記特徴量と前記技能レベルとを含む第2の学習用データを用いて、前記特徴量に紐づけられる形式知を出力するための第2の学習済モデルを生成する
説明提示装置。 - 前記特徴取得部及び前記技能判定部は、前記センサデータと前記センサデータの正解信号とを含む第1の学習用データを用いて、前記センサデータから前記技能レベルを判定するための第1の学習済モデルを生成する
請求項1に記載の説明提示装置。 - 前記特徴取得部及び前記技能判定部は、前記第1の学習済モデルを用いて前記センサデータから前記技能レベルを判定する
請求項2に記載の説明提示装置。 - 前記特徴取得部、前記技能判定部、及び前記形式知紐付け部は、前記第2の学習済モデルを用いて前記形式知を出力する
請求項1に記載の説明提示装置。 - 前記技能レベルは、熟練度及び加工精度の少なくとも一方を含む
請求項1から4のいずれか1項に記載の説明提示装置。 - 前記センサデータは、映像データを含む
請求項1から5のいずれか1項に記載の説明提示装置。 - 前記提示情報に基づく画像を表示する表示器をさらに有する
請求項1から6のいずれか1項に記載の説明提示装置。 - 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得する特徴取得部と、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録する技能判定部と、
前記データベースにおいて、前記特徴量に形式知を紐付ける形式知紐付け部と、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出する説明抽出部と、
前記作業者のセンサデータから得られた暗黙的特徴量と他の作業者のセンサデータから得られた他の暗黙的特徴量との距離を算出し前記データベースに予め記憶する特徴比較部と、
を有し、
前記特徴取得部は、前記距離に基づいて前記特徴量を取得する
説明提示装置。 - 前記特徴取得部は、前記距離に基づいて抽出された、限られた個数の特徴量を取得する
請求項8に記載の説明提示装置。 - 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得する特徴取得部と、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録する技能判定部と、
前記データベースにおいて、前記特徴量に形式知を紐付ける形式知紐付け部と、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出する説明抽出部と、
を有し、
前記特徴取得部は、前記特徴量を取得するとともに、前記特徴量から元のセンサデータを生成データとして再現する技能データ生成部であり、
前記説明抽出部は、前記提示情報を、前記センサデータと前記生成データの差の大きい範囲を強調表示させる表示にする
説明提示装置。 - 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得する特徴取得部と、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録する技能判定部と、
前記データベースにおいて、前記特徴量に形式知を紐付ける形式知紐付け部と、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出する説明抽出部と、
前記データベースに入力する前記センサデータに変化を与え、摂動が加えられたセンサデータを前記データベースに記憶させる摂動確認部と、
を有し、
前記特徴取得部は、前記特徴量を取得するとともに、前記特徴量から元のセンサデータを生成データとして再現する技能データ生成部であり、
前記説明抽出部は、前記生成データと、前記摂動が加えられたセンサデータとの差異を提示する
説明提示装置。 - 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得する特徴取得部と、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録する技能判定部と、
前記データベースにおいて、前記特徴量に形式知を紐付ける形式知紐付け部と、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出する説明抽出部と、
それぞれが前記技能判定部、前記特徴取得部、及び前記形式知紐付け部からなる複数の学習セットと、
前記複数の学習セットの優先順位を決定するモデル優先順位決定部と
を有し、
前記複数の学習セットは、前記データベースから時分割でセンサデータを取得する
説明提示装置。 - 説明提示装置によって実行される説明提示方法であって、
作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得するステップと、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録するステップと、
前記データベースにおいて、前記特徴量に形式知を紐付けるステップと、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出するステップと、
前記特徴量と前記技能レベルとを含む学習用データを用いて、前記特徴量に紐づけられる前記形式知を出力するための学習済モデルを生成するステップと、
を有する説明提示方法。 - 作業者の行動を検出して得られたセンサデータと取得した人間が解釈できる知識である形式知とを記憶するデータベースから、前記行動の特徴量を取得するステップと、
前記特徴量から前記作業者の技能レベルを判定し、前記データベースに前記技能レベルを登録するステップと、
前記データベースにおいて、前記特徴量に形式知を紐付けるステップと、
前記特徴量と前記特徴量に紐付けられた前記形式知とを含む提示情報を抽出するステップと、
前記特徴量と前記技能レベルとを含む学習用データを用いて、前記特徴量に紐づけられる前記形式知を出力するための学習済モデルを生成するステップと、
をコンピュータに実行させる説明提示プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/030891 WO2022034685A1 (ja) | 2020-08-14 | 2020-08-14 | 説明提示装置、説明提示方法、及び説明提示プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022034685A1 JPWO2022034685A1 (ja) | 2022-02-17 |
JP7158633B2 true JP7158633B2 (ja) | 2022-10-21 |
JPWO2022034685A5 JPWO2022034685A5 (ja) | 2022-11-16 |
Family
ID=80247072
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022542564A Active JP7158633B2 (ja) | 2020-08-14 | 2020-08-14 | 説明提示装置、説明提示方法、及び説明提示プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7158633B2 (ja) |
WO (1) | WO2022034685A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002333826A (ja) | 2001-05-10 | 2002-11-22 | Nec Corp | 技能向上支援装置 |
JP2017146577A (ja) | 2016-02-15 | 2017-08-24 | 日本電信電話株式会社 | 技術支援装置、方法、プログラムおよびシステム |
JP2020034849A (ja) | 2018-08-31 | 2020-03-05 | オムロン株式会社 | 作業支援装置、作業支援方法及び作業支援プログラム |
-
2020
- 2020-08-14 WO PCT/JP2020/030891 patent/WO2022034685A1/ja active Application Filing
- 2020-08-14 JP JP2022542564A patent/JP7158633B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002333826A (ja) | 2001-05-10 | 2002-11-22 | Nec Corp | 技能向上支援装置 |
JP2017146577A (ja) | 2016-02-15 | 2017-08-24 | 日本電信電話株式会社 | 技術支援装置、方法、プログラムおよびシステム |
JP2020034849A (ja) | 2018-08-31 | 2020-03-05 | オムロン株式会社 | 作業支援装置、作業支援方法及び作業支援プログラム |
Non-Patent Citations (1)
Title |
---|
竜田 力、Dong Phuong、梶原祐輔、島川博光,身体動作に着目した農業指導,FIT2016 第15回情報科学技術フォーラム 講演論文集 第4分冊,日本,一般社団法人電子情報通信学会,2016年08月23日,pp.261-262(M-034) |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022034685A1 (ja) | 2022-02-17 |
WO2022034685A1 (ja) | 2022-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dieber et al. | Why model why? Assessing the strengths and limitations of LIME | |
US9721221B2 (en) | Skill estimation method in machine-human hybrid crowdsourcing | |
US20180268262A1 (en) | Information processing device and non-transitory computer readable medium | |
Altuwairqi et al. | Student behavior analysis to measure engagement levels in online learning environments | |
JP7433601B2 (ja) | エキスパートレポートエディタ | |
Rajendran et al. | A theory-driven approach to predict frustration in an ITS | |
Shen et al. | A scenario-driven decision support system for serious crime investigation | |
CN112231491A (zh) | 基于知识结构的相似试题识别方法 | |
Medjden et al. | Adaptive user interface design and analysis using emotion recognition through facial expressions and body posture from an RGB-D sensor | |
Stanković et al. | Artificial neural network model for prediction of students’ success in learning programming | |
Situmorang | Analysis optimization k-nearest neighbor algorithm with certainty factor in determining student career | |
Beriwal et al. | Techniques for suicidal ideation prediction: a qualitative systematic review | |
JP7158633B2 (ja) | 説明提示装置、説明提示方法、及び説明提示プログラム | |
JP5931021B2 (ja) | 対人認知傾向モデル学習装置、対人認知状態推定装置、対人認知傾向モデル学習方法、対人認知状態推定方法及びプログラム | |
CN102959560A (zh) | 自动吸引力测量方法 | |
JP2017207691A (ja) | 択一問題の正答率予測方法 | |
JP7409731B1 (ja) | テキスト動画分類モデルを用いた事象判定方法、判定装置、及び判定プログラム | |
WO2023175802A1 (ja) | 作業分析装置、作業分析システム、作業分析方法および記憶媒体 | |
Mohamad | Generating visualisation for crime scene investigation based on probability result of knowledge-based system | |
CN113658713B (zh) | 传染趋势预测方法、装置、设备及存储介质 | |
US20240020644A1 (en) | Inclusive product design | |
Adilakshmi et al. | A medical diagnosis system based on explainable artificial intelligence: autism spectrum disorder diagnosis | |
Chauhan et al. | An experimental protocol for the evaluation of open-ended category learning algorithms | |
JP7435821B2 (ja) | 学習装置、心理状態系列予測装置、学習方法、心理状態系列予測方法、及びプログラム | |
Kim | Group affect and group cohesion in human-agent teams |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220721 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220721 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220721 |
|
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: 20220913 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7158633 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |