JP7331850B2 - 情報処理装置及び情報処理方法 - Google Patents
情報処理装置及び情報処理方法 Download PDFInfo
- Publication number
- JP7331850B2 JP7331850B2 JP2020527536A JP2020527536A JP7331850B2 JP 7331850 B2 JP7331850 B2 JP 7331850B2 JP 2020527536 A JP2020527536 A JP 2020527536A JP 2020527536 A JP2020527536 A JP 2020527536A JP 7331850 B2 JP7331850 B2 JP 7331850B2
- Authority
- JP
- Japan
- Prior art keywords
- model
- driving
- unit
- models
- information processing
- 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
- 230000010365 information processing Effects 0.000 title claims description 26
- 238000003672 processing method Methods 0.000 title claims description 3
- 230000006399 behavior Effects 0.000 claims description 46
- 238000012545 processing Methods 0.000 claims description 35
- 230000009471 action Effects 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 11
- 238000010801 machine learning Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003542 behavioural effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 206010025482 malaise Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001151 other effect Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/123—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams
- G08G1/127—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station
- G08G1/13—Traffic control systems for road vehicles indicating the position of vehicles, e.g. scheduled vehicles; Managing passenger vehicles circulating according to a fixed timetable, e.g. buses, trains, trams to a central station ; Indicators in a central station the indicator being in the form of a map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Computational Linguistics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
1.本開示の概要
2.システムの構成例
2.1.システムの全体構成
2.2.走行パラメータ取得部102で行われる処理
2.3.自動運転モデル抽出部204で行われる処理
2.4.運転モデル自動選択・生成部106で行われる処理
2.5.運転モデル選択UI110で行われる処理
3.表示の例
3.1.期待運転挙動表示部114による表示の例
3.2.フィードバック表示部122による表示の例
4.コンテキストと運転挙動選択の例
5.機械学習の方法
5.1.基本的原理
5.2.具体例
本開示は、例えば車両を運転する際のログを取得し、取得したログから運転モデルを抽出し、現在の車両の運転状態と運転モデルとの比較によりユーザに情報を提示する技術に関する。なお、モデルは、運転のモデルに限定されるものではなく、再生音楽、他車とのコミュニケーション等に関するモデルであっても良く、この場合もモデルに基づいてユーザに最適な情報を提示することができる。また、以下では、車両の運転を例に挙げて説明を行うが、ログを取得する環境は車両の運転に限られるものではなく、様々な環境に適用が可能である。
2.1.システムの全体構成
図1は、本開示の一実施形態に係る情報処理システム1000の構成を示す模式図である。この情報処理システム1000は、端末100側の構成要素とクラウド200側の構成要素から構成されることができる。なお、図1に示した端末100側の構成要素とクラウド200側の構成要素の役割分担は一例であり、処理をいずれの側で行うかは任意に設定できる。例えば、端末100側で自動運転モデル抽出部204の処理を行っても良い。
図2は、走行パラメータ取得部102で行われる処理を示す模式図である。走行パラメータ取得部102には、各種センサ等が検出した入力情報が入力される。例えば、入力情報として、車両の操作情報(アクセル、ブレーキ、ハンドル、ワイパー、カーナビゲーション)が挙げられる。また、入力情報として、車両が備えるカメラ、LiDAR(Laser Imaging Detection and Ranging)、測位・IMU(Inertial MeasurementUnit)、RADAR、音声マイク、シート着席センサ、ガソリン残量センサ、などの各種情報が挙げられる。また、入力情報として、ユーザが指定したモードに関する情報、ライフログアプリケーション、カレンダー等の情報、天気に関する情報、ユーザのプロファイル情報が挙げられる。ユーザのプロファイル情報は、例えば自動車保険の等級を含むものであっても良い。入力情報は特に限定されるものではなく、あらゆる情報を入力情報とすることができる。また、これらの入力情報は、スマートフォンなどのユーザが利用する端末から取得されるものであっても良い。
図3は、自動運転モデル抽出部204で行われる処理を示す模式図である。自動運転モデル抽出部204は、走行ログ、コンテキスト情報に基づき、運転モデルを抽出する。
図4は、運転モデル自動選択・生成部106で行われる処理を示す模式図である。運転モデル自動選択・生成部106では、クラウド200側の運転モデルデータベース206に蓄積された運転モデル、運転モデル選択モデルを取得し、走行パラメータ取得部102が取得した各種パラメータに基づき、車両の運転状態に応じた最適な運転モデルを選択する。運転モデル選択モデルを用いることで、ユーザの特性に合わせた運転モデルを選択することができる。
図5は、運転モデル選択UI110で行われる処理を示す模式図である。運転モデル選択UI110では、運転モデル自動選択・生成部106で選択、または生成された複数の参照運転モデルについて、ユーザの選択に応じてモデル選択を行う。この際、運転モデル選択UI110には、複数の参照運転モデルのそれぞれについて、ユーザが選択する際の判断基準となる特徴が示される。例えば、「安全運転を行う場合は運転モデルAを選択し、エネルギー効率を優先した運転を行う場合は運転モデルCを選択してください」のように運転モデルの判断基準がユーザに提示される。ユーザの選択に応じて運転モデル選択UI110が選択を行うことにより、1の参照運転モデルが選択され、参照運転モデル取得部108にて取得される。
3.1.期待運転挙動表示部114による表示の例
図6は、期待運転挙動表示部114による表示の例を示す模式図である。上述のように、期待運転挙動表示部114は、期待運転挙動予測部112が予測した運転挙動を表示する処理を行う。図6は、期待運転挙動表示部114による表示処理により、表示装置に表示された画面を示す模式図である。
図7A及び図7Bは、フィードバック表示部122による表示の例を示す模式図である。上述のようにUIフィードバック計算部120は、期待運転挙動予測部112が予測した運転挙動と、運転状態取得部116が取得した車両の運転状態との差分をフィードバック量として計算する。フィードバック表示部122は、過去の実際の軌跡と提案された軌跡の差分(ミスマッチ)を矢印などで表示する。
以下では、コンテキストと運転挙動選択について、複数の事例を説明する。
事例1では、車両に子供が乗っているのでゆっくりとした速度で運転していた場合に、子供の具合が悪くなった状況を想定する。この場合、子供の具合が悪くなったことを検知し、病院や休憩所まで急ぐため、アグレッシブな運転モデルが生成され、ユーザに使用される。子供の具合が悪くなったことの検知は、カメラが取得した画像、音声マイクが取得した音声、その他のセンサが取得した情報により検知される。
事例2では、晴れの日に普通に走行していた場合に、急に雨が降ってきた状況を想定する。この場合、雨が降ってきたことをセンサで検知し、雨の日に適した運転モデルに変更される。
事例3では、車内にローテンポの曲が再生されていた場合に、車内の雰囲気が険悪になった状況を想定する。この場合、車内の雰囲気を音声、画像などで検知し、アップテンポの楽しい感じの曲を再生する。
事例4では、ゲームの場合に、プレーヤーがコーナリング練習中だったが、うまくできてきた状況を想定する。この場合、ドリフトのための軌跡を画面上に表示する。表示した軌跡は、他のユーザと共有することができる。
5.1.基本的原理
以下では、自動運転モデル抽出部204において、機械学習により運転モデルを抽出する場合の処理について説明する。なお、機械学習の方法は特に限定されるものではないが、以下では前述した非特許文献1に記載されたInfoGAILの手法により行う場合について概要を説明する。
以下では、上述した「4.コンテキストと運転挙動選択の例」の項目で説明した事例1~3について、入力x、行動出力y、隠れ状態zを当てはめて説明する。
事例1「車両に子供が乗っているのでゆっくりとした速度で運転していた場合に、子供の具合が悪くなり、アグレッシブな運転モデルを生成」における入力xは、図2で説明した入力情報、コンテキスト情報である。特に、事例1の場合は、生体センサ、車内カメラ、車内マイクにより取得された子供の具合に関する情報が入力xに相当する。
事例2「晴れの日に普通に走行していた場合に、急に雨が降ってきたことをセンサで検知し、雨の日に適した運転モデルに変更する」における入力xは、図2で説明した入力情報、コンテキスト情報である。特に、事例2の場合は、温度センサー、スマートフォン等から得られる天気の情報、路面のスリップの検知情報、カメラが取得した画像(路面状況など)が入力xに相当する。
事例3「車内にローテンポの曲が再生されていた場合に、車内の雰囲気が険悪になったのでアップテンポの楽しい感じの曲を再生する」における入力xは、図2で説明した入力情報、コンテキスト情報である。特に、事例3の場合は、車内のカメラが取得した画像、音声マイクが取得した音声、生体センサーが取得した生体情報が入力xに相当する。
事例4「ゲームでプレーヤーがコーナリング練習中だったが、うまくできてきたため、ドリフトのための軌跡を画面上に表示する」における入力xは、ゲーム内観測、ユーザーの練習履歴、ゲームのモード等の情報である。
(1)
収集されたパラメータを取得するパラメータ取得部と、
前記パラメータに基づいて抽出されたモデルに基づいて、状況に応じて推奨される参照モデルを生成又は選択する参照モデル取得部と、
を備える、情報処理装置。
(2)
前記参照モデル取得部は、前記パラメータに基づいて抽出された複数の前記モデルと、複数の前記モデルを選択するための選択モデルに基づいて、前記参照モデルを生成又は選択する、前記(1)に記載の情報処理装置。
(3)
前記パラメータに基づいてクラスタリングを行うことで複数の前記モデルを抽出するモデル抽出部を備える、前記(2)に記載の情報処理装置。
(4)
前記モデル抽出部は、前記パラメータに基づいて、複数の前記モデルを抽出するとともに、前記選択モデルを抽出する、前記(3)に記載の情報処理装置。
(5)
前記モデル抽出部は、入力である前記パラメータに対する行動出力を教師データに基づいて学習することで前記モデルを抽出し、前記選択モデルは、前記学習の際に得られる隠れ要素に対応する、前記(4)に記載の情報処理装置。
(6)
前記参照モデル取得部は、生成又は選択した複数の前記参照モデルの中から、ユーザの選択により1の前記参照モデルを取得する、前記(1)~(5)のいずれかに記載の情報処理装置。
(7)
前記参照モデルに基づいて、前記状況に応じて期待される挙動を予測する挙動予測部を更に備える、前記(3)に記載の情報処理装置。
(8)
前記挙動予測部が予測した挙動を表示するための処理を行う挙動表示処理部を更に備える、前記(7)に記載の情報処理装置。
(9)
実際の運転状態と予測した前記挙動とを比較する比較部と、
前記比較部による比較の結果を表示するための処理を行う比較結果表示処理部と、
を更に備える、前記(8)に記載の情報処理装置。
(10)
収集されたパラメータを取得するパラメータ取得部と、
前記パラメータに基づいてクラスタリングを行うことで、複数のモデルを抽出するとともに、複数の前記モデルを端末側で選択する際に使用する選択モデルを抽出するモデル抽出部と、
を備える、情報処理装置。
(11)
収集されたパラメータを取得することと、
前記パラメータに基づいて抽出されたモデルに基づいて、状況に応じて推奨される参照モデルを生成又は選択することと、
を含む、情報処理方法。
106 運転モデル自動生成・選択部
108 参照運転モデル取得部
112 期待運転挙動予測部
114 期待運転挙動表示処理部
120 UIフィードバック計算部
122 フィードバック表示部
202 走行履歴取得部
204 自動運転モデル抽出部
Claims (7)
- 収集されたパラメータを取得するパラメータ取得部と、
前記パラメータに基づいて抽出された複数のモデルと、複数の前記モデルを選択するための選択モデルに基づいて、状況に応じて推奨される参照モデルを生成又は選択する参照モデル取得部と、
前記パラメータに基づいてクラスタリングを行うことで複数の前記モデルを抽出するともに、前記選択モデルを抽出するモデル抽出部と、
を備え、
前記モデル抽出部は、
入力である前記パラメータに対する行動出力を教師データに基づいて学習することで前記モデルを抽出し、前記選択モデルは、前記学習の際に得られる隠れ要素に対応する、
情報処理装置。 - 前記参照モデル取得部は、生成又は選択した複数の前記参照モデルの中から、ユーザの選択により1の前記参照モデルを取得する、請求項1に記載の情報処理装置。
- 前記参照モデルに基づいて、前記状況に応じて期待される挙動を予測する挙動予測部を更に備える、請求項1に記載の情報処理装置。
- 前記挙動予測部が予測した挙動を表示するための処理を行う挙動表示処理部を更に備える、請求項3に記載の情報処理装置。
- 実際の運転状態と予測した前記挙動とを比較する比較部と、
前記比較部による比較の結果を表示するための処理を行う比較結果表示処理部と、
を更に備える、請求項4に記載の情報処理装置。 - 収集されたパラメータを取得するパラメータ取得部と、
前記パラメータに基づいてクラスタリングを行うことで、複数のモデルを抽出するとともに、複数の前記モデルを端末側で選択する際に使用する選択モデルを抽出するモデル抽出部と、
を備え、
前記モデル抽出部は、
入力である前記パラメータに対する行動出力を教師データに基づいて学習することで前記モデルを抽出し、前記選択モデルは、前記学習の際に得られる隠れ要素に対応する、
情報処理装置。 - 収集されたパラメータを取得することと、
前記パラメータに基づいて抽出された複数のモデルと、複数の前記モデルを選択するための選択モデルに基づいて、状況に応じて推奨される参照モデルを生成又は選択することと、
前記パラメータに基づいてクラスタリングを行うことで複数の前記モデルを抽出するともに、前記選択モデルを抽出することと、
を含み、
前記抽出することは、
入力である前記パラメータに対する行動出力を教師データに基づいて学習することで前記モデルを抽出し、前記選択モデルは、前記学習の際に得られる隠れ要素に対応する、
情報処理方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018124085 | 2018-06-29 | ||
JP2018124085 | 2018-06-29 | ||
PCT/JP2019/025114 WO2020004375A1 (ja) | 2018-06-29 | 2019-06-25 | 情報処理装置及び情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020004375A1 JPWO2020004375A1 (ja) | 2021-09-02 |
JP7331850B2 true JP7331850B2 (ja) | 2023-08-23 |
Family
ID=68986668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527536A Active JP7331850B2 (ja) | 2018-06-29 | 2019-06-25 | 情報処理装置及び情報処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210272020A1 (ja) |
JP (1) | JP7331850B2 (ja) |
WO (1) | WO2020004375A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3650297B1 (en) * | 2018-11-08 | 2023-06-14 | Bayerische Motoren Werke Aktiengesellschaft | Method and apparatus for determining information related to a lane change of a target vehicle, and computer program |
JP2022054821A (ja) * | 2020-09-28 | 2022-04-07 | マツダ株式会社 | 動画編集装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157606A (ja) | 2007-12-26 | 2009-07-16 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2014075091A (ja) | 2012-10-05 | 2014-04-24 | Toyota Motor Corp | 車両の交差点通過時のための運転支援装置 |
JP2015170126A (ja) | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | パラメータ学習装置、運転支援装置、及びプログラム |
JP2017206152A (ja) | 2016-05-19 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
JP2018097737A (ja) | 2016-12-15 | 2018-06-21 | 株式会社東芝 | 運転状態制御装置および運転状態制御方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7839292B2 (en) * | 2007-04-11 | 2010-11-23 | Nec Laboratories America, Inc. | Real-time driving danger level prediction |
JP6895634B2 (ja) * | 2016-12-16 | 2021-06-30 | パナソニックIpマネジメント株式会社 | 情報処理システム、情報処理方法、およびプログラム |
US10546200B2 (en) * | 2018-05-23 | 2020-01-28 | Here Global B.V. | Method, apparatus, and system for detecting a physical divider on a road segment |
TWI701174B (zh) * | 2018-06-06 | 2020-08-11 | 緯創資通股份有限公司 | 駕駛預測方法及其處理裝置與系統 |
-
2019
- 2019-06-25 JP JP2020527536A patent/JP7331850B2/ja active Active
- 2019-06-25 US US17/254,213 patent/US20210272020A1/en active Pending
- 2019-06-25 WO PCT/JP2019/025114 patent/WO2020004375A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009157606A (ja) | 2007-12-26 | 2009-07-16 | Toyota Central R&D Labs Inc | ドライバ状態推定装置及びプログラム |
JP2014075091A (ja) | 2012-10-05 | 2014-04-24 | Toyota Motor Corp | 車両の交差点通過時のための運転支援装置 |
JP2015170126A (ja) | 2014-03-06 | 2015-09-28 | 株式会社豊田中央研究所 | パラメータ学習装置、運転支援装置、及びプログラム |
JP2017206152A (ja) | 2016-05-19 | 2017-11-24 | 本田技研工業株式会社 | 車両制御システム、車両制御方法、および車両制御プログラム |
JP2018097737A (ja) | 2016-12-15 | 2018-06-21 | 株式会社東芝 | 運転状態制御装置および運転状態制御方法 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020004375A1 (ja) | 2021-09-02 |
WO2020004375A1 (ja) | 2020-01-02 |
US20210272020A1 (en) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11853645B2 (en) | Machine-led mood change | |
US10785203B2 (en) | Methods, systems, and media for presenting information related to an event based on metadata | |
US9651395B2 (en) | Navigation systems and associated methods | |
JP2013069266A (ja) | コンテンツ推薦システム | |
CN104816687B (zh) | 车辆中的自动化驾驶者动作的系统和方法 | |
US20210272569A1 (en) | Voice feedback for user interface of media playback device | |
US20140119563A1 (en) | System and method for using biometrics to predict and select music preferences | |
US20130325482A1 (en) | Estimating congnitive-load in human-machine interaction | |
JP7331850B2 (ja) | 情報処理装置及び情報処理方法 | |
DE112018003014T5 (de) | Erfahrung-bereitstellungssystem, erfahrung-bereitstellungsverfahren und erfahrung-bereitstellungsprogramm | |
CN106663260A (zh) | 信息提示装置、方法以及程序 | |
CN110100153A (zh) | 信息提供系统 | |
WO2021185468A1 (en) | Technique for providing a user-adapted service to a user | |
CN110062937A (zh) | 信息提供系统 | |
WO2020240730A1 (ja) | 受話者推定装置、受話者推定方法、及び受話者推定プログラム | |
JP7427177B2 (ja) | 提案装置および方法 | |
US20240025416A1 (en) | In-vehicle soundscape and melody generation system and method using continuously interpreted spatial contextualized information | |
CN116168704B (zh) | 语音交互的引导方法、装置、设备、介质及车辆 | |
JP7421949B2 (ja) | 情報処理システムおよび情報処理方法 | |
CN116665624A (zh) | 音乐创作方法、装置、设备及存储介质 | |
CN115631550A (zh) | 一种用户反馈的方法和系统 | |
CN117141379A (zh) | 基于用户情感选择记录的车辆信息娱乐系统 | |
CN116781955A (zh) | 车辆上的虚拟对象控制方法及装置 | |
CN117435704A (zh) | 车载对话系统回复语生成方法、装置、车辆及存储介质 | |
CN116030774A (zh) | 音乐生成方法、生成装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220511 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230509 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230623 |
|
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: 20230711 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230724 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7331850 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |