JPWO2005076660A1 - 超指向性スピーカ搭載型移動体 - Google Patents

Abstract

超音波発信センサ４５と超音波受信センサ４６を用い、音声提供する対象物１１までの距離を計測し、設定している音声レベルを音声レベル調整機能付増幅器３４にて調整した出力信号を放射器４４から放射する移動体１に搭載し、パラメトリック作用により特定の対象物にのみ最適な音量の音声を伝達することができる超指向性スピーカ搭載型移動体とする。

Description

この発明は、人物追跡機能を有した移動体に可聴音を指向性放射する超指向性スピーカを搭載した移動体搭載型音響装置に係るものである。

放射器の向いた方向に幅広く音声を伝達する無指向性スピーカは、従来から広く用いられていた。これに対し、パラメトリックスピーカの原理を利用して非常に高い指向性を実現した超指向性スピーカがある。このスピーカでは、強力な超音波が空気を伝播する過程で発生するひずみ成分を利用して可聴帯域の音を生成し、これを正面に集中して伝播させることで結果的に狭指向性を有した音を提供する。このようなパラメトリックスピーカには、例えば特許文献１に開示されるものがある。

また、視聴覚システムを搭載したロボットには、例えば特許文献２に開示されるものがある。この移動体聴視覚システムでは、対象物に対して視覚的及び聴覚的な追跡を行うためのリアルタイム処理を可能にするものである。なお、このシステムは、さらに視覚、聴覚、モータ等のセンサ情報を統合して、何らかの情報が欠落したとしても相互に補完することにより追跡を継続する技術も開示している。

特開２００１−３４６２８８号公報 特開２００２−２６４０５８号公報

従来の移動体に搭載したスピーカは指向性の低いスピーカであるために、音声が移動体周囲の不特定多数物に伝達していた。このため、音声情報を特定の限られた範囲に提供することができなかった。
また、超指向性スピーカの放射器からの音声提供方向が、一般的に放射器の正面２０°の範囲のみであり、自動で音声提供方向へ放射器の正面方向を変える機能を有していなかった。
さらに、従来では、超指向性スピーカの放射器からの音声レベル調整は手動であり、音声提供位置に見合った音声レベル調整機能を有していなかった。

この他、指向性の低いスピーカをロボットコミュニケーションシステムの発話デバイスに適用した場合、発話中に他の音源からの音声を認識することが困難であるという課題がある。具体的に説明すると、話し相手の人物などの他の音源に比べれば、ロボットのマイクロホンは、ロボットの駆動モータに近い位置に設置される。これにより、モータノイズの絶対パワーが他の音源に比べて小さい場合であってもマイクロホンが収音するモータノイズのパワーは相対的に大きくなってしまい、音声認識に影響を与えることになる。

これに加えて、指向性の低いスピーカでは、対話を行う相手に音声が届くように出力するため、出力パワーがモータノイズのパワーに比べて大きくなる。このようなロボット側が出力した音声は、相手からの音声を認識する際のノイズとなるため、結果的に信号対雑音（Ｓ／Ｎ）比が小さくなり、音声認識が困難となる。このため、従来では、発話中は聴覚機能をオフにしたり、ロボットのマイクロホンではなく、ヘッドセットなどを用いて発話者の口元にマイクロホンを設置することによって相手からの音声を認識していた。

この発明は上記問題点を解決する為になされたもので、移動する音声提供物へ確実に音声を伝えると共に、音声提供物の方向に最適の音量の音声情報を提供することができる超指向性音響システムを得ることを目的とする。
また、この発明は、同時対話機能及び秘匿性の高いささやき機能を実現したロボットコミュニケーションシステムを構成する超指向性スピーカ搭載型移動体を得ることを目的とする。

この発明に係る超指向性スピーカ搭載型移動体は、可聴音信号源からの入力電気信号によって超音波のキャリア信号を変調する変調器と、変調器の出力信号を放射する放射器を備えるものである。このことによって、移動体からの音声を超指向性スピーカから発信することにより、特定の聴衆に特定の音声を提供することができるという効果がある。

また、この発明に係る超指向性スピーカ搭載型移動体は、音検出手段と、音声を発する対象物の方向を検出する対象物方向検出手段と、対象物方向検出手段により認識した対象物に放射器が対向するように制御する放射器方向制御手段とを備えるものである。この構成によって、音声を検出し情報を伝える対象物の方向を検出して放射器が向かう方向を制御することで、移動する対象物にも確実に音声を伝えることができる。

この発明に係る超指向性スピーカ搭載型移動体は、複数の超音波振動素子を備えた放射器と、複数の超音波振動素子のうち少なくとも１つがそれぞれ受信、発信センサとして使用可能であるものである。このことによって、放射器と情報を伝える対象物までの距離を正確に計測でき、本移動体の製品をコンパクトなサイズで実現することができる。

この発明に係る超指向性スピーカ搭載型移動体は、放射器から伝達する音声レベルを調整する音声レベル調整手段と、超音波振動素子から出力した超音波の対象物における反射波の受信信号に基づいて対象物までの距離を測定する距離検出手段とを備え、音声レベル調整手段は、距離検出手段の出力に応じて音声レベルを調整するものである。この構成により、対象物までの距離を考慮した最適な音量で音声情報を伝えることができる。

この発明に係る超指向性スピーカ搭載型移動体は、距離検出手段の出力に応じて音声レベル調整手段による音声レベルのゲイン調整を制御する自動ゲイン制御手段を備えるものである。この構成を有することにより、ノイズとなる出力超音波の反射波を抑制できることから、対象物のみに音声を伝達するささやき動作や同時対話を適切に実行できる。

この発明に係る超指向性スピーカ搭載型移動体は、音検出手段が検出した音声の認識及び放射器から伝達する音声信号を生成する音声認識及び生成手段を備えるものである。このことによって、音声情報を対象物に送りながら、対象物からの音声を受信し認識する同時対話を実現することができる。

この実施の形態１の移動体の正面図である。 この実施の形態１の移動体の側面図である。 この発明の実施の形態１の超指向性スピーカの構成を示す図である。 この実施の形態１の全体システム図である。 この発明の実施の形態１の対象物追従システムを説明する図である。 この発明の実施の形態１の移動体による対象物までの距離の測定処理を説明する図である。 超指向性スピーカと無指向性スピーカの指向性を計測した結果を示す図である。 この発明の実施の形態２による超指向性スピーカ搭載型移動体の構成を示すブロック図である。 図８のシステムの動作例を示す図である。 同時対話機能の評価試験を説明する図である。 図１０に示す設定でマイクロホン位置及び音源用スピーカ位置での音声パワーを計測した結果を示す表である。 孤立単語認識処理の結果を示すグラフである。

以下、この発明をより詳細に説明するために、この発明を実施するための最良の形態について、添付の図面に従って説明する。
実施の形態１．
図１は、この実施の形態１の移動体の正面図、図２は、この実施の形態１の移動体の側面図である。図１において、人型移動体１は、脚部２と、脚部２上にて支持された胴体部３と、胴体部３上に可動に支持された頭部４とを有している。
脚部２は下部に複数の車輪２１若しくは車輪のみでなく複数の脚移動手段を備え、移動可能となっている。胴体部３は、脚部２に対して固定支持されている。頭部４は胴体部３と連結部材５を介して連結されており、この連結部材５は、矢印Ａに示すように胴体部３に対し鉛直軸に対して回転可能に支持されている。また、頭部４は連結部材５に対して、矢印Ｂに示すように上下方向に揺動可能に支持されている。
胴体部３の背面には詳細には、後述する音声レベル調整機能付増幅器３４、放射器方向制御手段７、変調器３３等が搭載されている。

ここで、頭部４は、全体が防音性の外装４１により覆われていると共に、両側にロボットの聴覚装置としての一対のマイクロホン４３を備えている。マイクロホン４３は、それぞれ頭部４の側面において、前方に向かって指向性を有するように取り付けられている。

パラメトリックスピーカは、人には聞こえない超音波を利用し、強力な超音波が空気を伝播する過程でひずみ成分が発生し、そのひずみ成分を利用することによって可聴帯域の音を得る原理（非線形性）を採用している。可聴音を得るための変換効率は低いが、音放射方向の狭いエリアにビーム状に音が集中するという「超指向性」を呈する。

なお、従来から広く扱われていた指向性の低いスピーカでは、いわば裸電球の光のように、背面を含む広いエリアに音場を形成する。このため、音場を形成させるエリアをコントロールすることが出来ない。これに対して、パラメトリックスピーカなどの超指向性スピーカでは、あたかもスポットライトのように聞こえるエリアを限定することが可能となっている。本実施の形態においては、例えば音軸上約２０°の指向性を有して音を提供することが可能となっている。

図３に示すように、本実施の形態１によるスピーカシステムは、対話制御部３２と、対話制御部３２からの入力電気信号によって超音波のキャリア信号を変調する変調器３３と、変調して得られた信号を増幅する音声レベル調整機能付増幅器３４と、増幅された信号を音波に変換する放射器４４とから構成されている。

放射器４４には、超音波振動子を使った超音波発信センサ４５及び超音波受信センサ４６が設けられている。超音波発信センサ４５は、矩形波の交流電圧を加えると固有振動数の超音波４７を発信する。発信された超音波は、音声提供する対象物１１で反射されて超音波受信センサ４６に反射波４８として受信される。このとき、発信と受信との時間差を計測し、その時間から音声提供する対象物１１までの距離情報を得る。この対象物１１までの距離に基づいて、音声レベル調整機能付増幅器３４が、設定している音声レベルを調整する。

ここで、パラメトリックスピーカを駆動するためには、音声信号の大小に応じて超音波を放射する変調器が必要である。この変調器は、変調のプロセスを信号が忠実に抽出でき、また細かな調整が容易に行えることから、デジタル処理用の包絡変調器が好適である。

図４は、実施の形態１による移動体の制御システムの全体図である。図４において、本実施の形態による制御システムは、ネットワーク１００、ネットワーク１００と接続された聴覚モジュール３００、モータ制御モジュール４００、距離測定モジュール７００、車輪駆動モジュール８００から構成されている。

詳細には、従来技術である特許文献１を参照すると良いが、聴覚モジュール３００は、マイクロホン４３と、ピーク抽出部、音源定位部、聴覚イベント生成部から構成されている。

聴覚モジュール３００は、マイクロホン４３からの音響信号に基づいて、ピーク抽出部により左右のチャンネル毎に一連のピークを抽出して、左右のチャンネルで同じか類似のピークをペアとする。ここで、ピーク抽出は、パワーが閾値以上で且つ極大値であって、例えば９０Ｈｚ乃至３ｋＨｚの間の周波数であるという条件に合致するデータのみを通過させる帯域フィルタを使用することにより行なわれる。この閾値は、周囲の暗騒音を計測して、さらに感度パラメータ、例えば１０ｄＢを加えた値として定義される。

そして、聴覚モジュール３００は、各ピークが調波構造を有していることを利用して、左右のチャンネル間でより正確なピークを見つけ、調波構造を有する音を抽出する。これにより、聴覚モジュール３００は、抽出した各音について、音源定位部により左右のチャンネルから同じ周波数の音響信号を選択して両耳間位相差を求めて音源を定位する。聴覚モジュール３００は、この定位情報及びその抽出時刻からなる聴覚イベント３００ａを生成し、ネットワーク１００を介して対話制御部３２に送信する。

モータ制御モジュール４００は、モータ４０１及びポテンショメータ４０２と、ＰＷＭ制御回路、ＡＤ変換回路及びモータ制御部と、モータイベント生成部とから構成されている。

モータ制御モジュール４００では、対話制御部３２からの動作命令３２ａに基づいて、モータ制御部によりＰＷＭ制御回路を介してモータ４０１を駆動制御する。同時に、モータ制御モジュール４００は、モータの回転位置をポテンショメータ４０２（またはエンコーダ等の角度検出器でもよい）に検出して、ＡＤ変換回路を介してモータ制御により移動体方向を抽出する。この抽出結果に基づき、モータイベント生成部は、モータ方向情報とその方向抽出時刻からなるモータイベント４００ａを生成し、ネットワーク１００を介して対話制御部３２に送信する。

距離測定モジュール７００は、対象物との距離を測定する構成部である。距離測定モジュール７００では、超音波発信センサ４５からの超音波の発信を制御し、超音波受信センサ４６への超音波の受信までの時間を計測することにより対象物までの距離を計測する。また、距離測定モジュール７００は、対象物までの距離に合った音声レベルが予め設定されており、計測した距離に見合った音声レベル設定信号を音声レベル調整機能付増幅器３４へ出力する。対話制御部３２は、聴覚イベント３００ａ、モータイベント４００ａ、車両位置イベント８００ａを取得し、対象話者の方に向くようにロボットの方向を制御する動作命令３２ａ，３２ｂをモータ制御モジュール４００及び車輪駆動モジュール８００へそれぞれ送信する。ロボットの方向が目的方向を向いたことを確認した後、対話制御部３２は、対象物に出力する音声を生成して変調器３３へ送信する。変調器３３は、対話制御部３２から送られてきた音声を変調し、指向性スピーカで出力できる形式の超音波に変換し音声レベル調整機能付き増幅器３４へ出力する。

音声レベル調整機能付増幅器３４では、距離測定モジュール７００からの信号により音声レベルを調整する。例えば、対象物までの距離が１０ｍから５ｍに近づいたとき、距離測定モジュール７００より−６ｄＢとなる設定信号を音声レベル調整機能付増幅器３４に出力する。この場合、音声レベル調整機能付増幅器３４は、その設定信号を受けてボリュームを−６ｄＢに設定する。車輪駆動モジュール８００は、対話制御部３２からの動作命令３２ｂに基づいて車輪２１を制御する。同時に、車輪駆動モジュール８００は、車輪の走行距離、車輪回転角度をポテンショメータ（あるいは、オプティカルエンコーダ、あるいはジャイロ）より取得し、車両の位置及び向き情報に変換する。車輪駆動モジュール８００は、抽出した車両の位置情報、向き情報、それらの抽出時刻からなる車両位置イベント８００ａを生成し、ネットワーク１００を介して対話制御部３２へ送信する。

また、移動体１の位置を移動しなくても、頭部４を水平方向に回転することにより、頭部４が対象物に向かう構成である場合、頭部４を水平方向に回転させるモータを制御し、対象物に向かうようにしてもよい。さらに、対象物が座っている場合や、身長差が小さい若しくは大きい場合、段差のある場所にいる場合などのように、対象物の頭部の位置に放射器４４が向かない場合であれば、移動体１の頭部４を上下方向に回動させるモータを制御して放射器４４の向かう方向を制御する。このようにして、本実施の形態１では、対象物追跡システム１２に同期して、放射器４４が特定聴取者や特定エリアに対する指向角度が自動調整されて音を伝えるように構成されている。

以下、上述した移動体１の使用例を説明する。移動体１に予め使用する場所についての情報を入力し、部屋のどの位置でどちらの方向から音がしたらどう移動するかを予め設定しておく。また、壁などの障害物などにより音源方向に人間が見つからない場合、移動体１は人間が隠れていると判断して、顔を探す行動（移動）をとるように対象物追従システムに予め設定しておく。

例えば、図５に示すように、部屋に障害物Ｅがある場合、入場者を検出できないことがある。この場合、移動体１がＡの位置で音源方向がＢであることで入場者Ｃを発見できないとき、移動体１がＤの方向へ向かうように車輪２１のモータを車輪駆動モジュール８００で制御するように設定しておく。このようなアクティブな行動により障害物Ｅなどによる視界の死角をなくすことができる。

また、放射器から放射された超音波は、壁等で反射すると、入射角度と反射角度が同角度で超音波が進む特徴を有している。この超音波の特徴を考慮して、移動体１を位置変更せずに、聴覚モジュール３００により入場者Ｃの方向を特定して壁等の反射を使って入場者Ｃに音を伝えるようにしてもよい。

なお、入場者Ｃが部屋に入ってきた場合、入場者Ｃの声もしくはその他の音声を検出し、その音声のする方向に放射器が向かうように車輪２１及び頭部４の位置を制御するモータを駆動する。

また、図６に示すように、本実施の形態１のシステムでは、対象物１１を特定すると、距離測定モジュール７００を制御して対象物１１までの距離を測定する。この結果に基づき、超音波発信センサ４５からの超音波の発信を制御し、発信された超音波の反射波を超音波受信センサ４６が受信するまでの時間を計測することにより、距離が算出される。距離信号は、音声レベル調整機能付増幅器３４へと入力される。なお、超音波発信センサ４５を備えていない場合であれば、超指向性スピーカの搬送波を距離検出用の超音波として使用してもよい。

上記実施の形態において、放射器４４を頭部４に設置した例について説明したが、これに限定されるものではない。例えば、頭部４をモータにより回転、揺動可能な構成にせず、超指向性スピーカの放射器４４の向きを可変に構成してもよい。また、放射器４４の設置場所も、頭部４に限らず、移動体１のいずれの場所であっても良い。

さらに、上記実施の形態１では、放射器４４を１つ設けた例について説明したが、放射器４４を複数設け、放射器４４の向きをそれぞれ別個に制御できるようにしてもよい。この構成とすることにより、複数の特定の人々だけにそれぞれ別個に音声を伝えることができるようになる。なお、上記実施の形態１では音声を扱う例を示したが、音楽を含む様々な音の送信にも使用できる。

実施の形態２．
この実施の形態２では、本発明による超指向性スピーカ搭載型移動体を適用したロボットコミュニケーションシステムについて説明する。このロボットコミュニケーションシステムは、特に同時対話機能及びささやき機能を実現している。ここで、同時対話機能とは、発話中に音声を認識することで、話し相手の人物との間で話しながら聴くという処理を行う機能である。また、ささやき機能とは、ささやくように特定の相手のみに音声で情報を伝える機能をいう。このような同時対話機能及びささやき機能は、超指向性スピーカを利用することにより実現される。

先ず、超指向性スピーカの特性について説明する。
図７は、超指向性スピーカと無指向性スピーカの指向性を実際に計測した結果を示している。図７の上段は空気中を伝播する音の音圧レベルのコンター図であり、下段は音圧レベルの計測値を示す図である。図７の上段の図を比較すると明らかなように、無指向性スピーカは、図７（ａ）に示すように拡がって周辺空間に聞こえることがわかる。これに対し、超指向性スピーカの音は正面に集中して伝播している。このように、超指向性スピーカは、超音波を搬送波として利用しているため、非常に指向性が高い。これにより、特定の相手に対してのみ音声を伝えるささやき機能を実現することができる。

また、図７（ｂ）の上段に示すように、空気中の非線形性が有効になるまでにある程度音波が空気中を進む必要があるため、可聴音が、スピーカユニットから０．５−１．０ｍ離れたところから発生している。つまり、スピーカユニットから０．５ｍ以内には、可聴音がほとんど発生しないことを示している。これは、相手からの音声を認識する際のノイズがほとんど発生していないことを示しており、信号対雑音（Ｓ／Ｎ）比が大きくなることから、超指向性スピーカを用いることにより相手からの音声を容易に認識できることがわかる。

図７の下段に示す音圧レベルの計測は、３ｍ×５ｍの大きさで残響時間が０．０８秒程度の部屋で計測している。また、騒音計を計測対象のスピーカから１．０ｍの距離に設置した。音圧は、スピーカの正面方向を０°として±９０°の範囲で１０°おきに計測した。計測の指標には、人間の聴覚の感度に近くなるように周波数ごとのパワーの重み付けを行っているｄＢＡを用いている。

図７（ｂ）の下段に示すように、超指向性スピーカでは、指向性を向けた方向に対して約２０ｄＢＡのパワー増加がみられた。なお、図７（ｂ）の下段からも明らかなように、超指向性スピーカの音圧は、横方向では不安定である。これは、超音波を搬送波として利用するため、信号の減衰率が小さく、壁、床、天井での反射波が一定のパワーを保ったまま、ロボットのマイクロホンに届いてしまったことに起因する。

従って、ビーム形状の高い指向性が得られる超指向性スピーカを単に用いるだけでは、音声認識に支障を来すおそれがある。そこで、本実施の形態２では、話しながら聴くという同時対話機能を実現するため、後述するように搬送波のゲインをコントロールする。

図８は、この発明の実施の形態２による超指向性スピーカ搭載型移動体の構成を示すブロック図であり、本発明による超指向性スピーカ搭載型移動体を適用して人物との対話を実行するロボットコミュニケーションシステムを構成した場合を示している。このシステムは、移動体１を具現化したヒューマノイドロボット（以下、ロボット１と適宜称する）、指向性スピーカ制御部４９、自動ゲイン制御部５０、音声認識及び生成部５１を含んで構成される。ロボット１本体内部に通常の無指向性スピーカを実装し、ロボット１の頭部には、図１で示したように、左右の耳の位置に一対のマイクロホン４３を備えている。また、口の位置には、超指向性スピーカを構成する放射器４４及び超音波受信センサ４６を実装している。なお、指向性スピーカ制御部４９、自動ゲイン制御部５０、音声認識及び生成部５１は、本実施の形態２によるシステムを構成するコンピュータに実行させるプログラムのモジュールとして具現化することができる。

指向性スピーカ制御部４９は、変調器３３、音響レベル制御部３４ａ、スピーカ増幅部３４ｂから構成される。変調器３３は、入力可聴音ｇによって変調した超音波の搬送波ｈを音響レベル制御部３４ａに出力する。搬送波ｈの周波数は、音質、音量の面で最もパフォーマンスのよい４０ｋＨｚ近辺に設定した。音響レベル制御部３４ａでは、自動ゲイン制御部５０からのコマンドｅに従って搬送波のゲインを制御する。音響レベル制御部３４ａの出力は、スピーカ増幅部３４ｂへの信号ｉと自動ゲイン制御部５０への信号ｊとして双方にそれぞれ送られる。

自動ゲイン制御部５０に送られた超音波信号ｊは、対象物までの距離を推定するためのリファレンス用信号として用いられる。スピーカ増幅部３４ｂで増幅された超音波信号ｋは、頭部の口の位置に構成された超指向性スピーカに送られ、放射器４４を介して出力される。自動ゲイン制御部５０は、超音波受信センサ４６によって取得した距離情報に基づいて可聴音が目的の人物のみに届くように超音波のパワーを制御する。人物までの距離は、音響レベル制御部３４ａからの超音波信号ｊと超指向性スピーカ内に実装されている超音波受信センサ４６からの信号ｃとの時間差を利用して推定する。ここで、以下にゲイン制御アルゴリズムを示す。
１．インパルス信号ｆを自動ゲイン制御部５０から指向性スピーカ制御部４９の変調器３３に一定時間（例えば、１００ｍｓ）毎に出力する。但し、自動ゲイン制御部５０が、音声認識及び生成部５１からの発話イベントｄを受け取った場合は、その内容に応じて出力をオンオフする。
２．インパルス信号ｆによって変調された超音波ｈが、指向性スピーカ制御部４９の変調器３３により生成され、音響レベル制御部３４ａを介して自動ゲイン制御部５０にリファレンス信号ｊとして送られる。また、この変調信号は、同時に、音響レベル制御部３４ａ及びスピーカ増幅部３４ｂを経由して超指向性スピーカにも送られて超音波として出力される。
３．この超音波がロボット１の前にいる人物によって反射してなる超音波の反射信号ｃを超音波受信センサ４６により受信し、自動ゲイン制御部５０が、この反射信号ｃとリファレンス信号ｊとを同時に一定のサンプリングレート（例えば、１９２ｋＨｚ）で取り込む。
４．自動ゲイン制御部５０が、リファレンス信号ｊ及び反射信号ｃについてのインパルス信号ｆの立ち上がり時刻τ１，τ２をリファレンス信号ｊと反射信号ｃからゼロクロス法により抽出する。ロボットと人物との間の距離Ｄは、図３に示す距離測定モジュール７００が、自動ゲイン制御部５０によるインパルス信号ｆの立ち上がり時刻τ１，τ２の抽出結果と音速ｖ（３４０ｍ／ｓ）とを用いて、例えば下記式（１）を用いて算出する。
Ｄ＝（τ２−τ１）×ｖ ・・・（１）
５．推定された距離Ｄに応じて、自動ゲイン制御部５０が最適なゲイン値を選択する。最適値は予め所定の間隔（例えば、１ｍ）で実験的に得た値である。最終的に、選択されたゲイン値を設定するコマンドｅが自動ゲイン制御部５０から音響レベル制御部３４ａに出力される。

また、音声認識及び生成部５１では、マイクロホン４３で収音した音声を認識したり、超指向性スピーカ若しくは無指向性スピーカへの音声信号ｂ，ｋを送出する。超指向性スピーカから音声出力する場合、音声認識及び生成部５１からの音声信号は、指向性スピーカ制御部４９を経由して指向性の高い超音波の音声信号ｋとなり、超指向性スピーカから出力される。一方、無指向性スピーカから音声出力する場合は、音声認識及び生成部５１から無指向性スピーカへ音声信号ｂが送信される。

なお、音声認識及び生成部５１における音声認識エンジンは、既存のものを使用した。超指向性スピーカからの音声出力の開始／終了時には、それぞれ距離測定処理をオフオンする発話イベントｄを自動ゲイン制御部５０に送信する。

次に、上述のゲインコントロールを実行してささやき機能の評価試験を行った結果について説明する。
図９は図８のシステムの動作例を示す図である。この試験では、「今日は晴れですよ」という文例による音声を、図８で示したロボット１に実装した無指向性スピーカ及び超指向性スピーカからそれぞれ出力し、図９の左図に示す計測室（大きさ３ｍ×５ｍ）におけるＡ〜Ｄの各地点で計測している（１ｋＨｚでの残響時間０．０８秒）。図９の中図と右図には、無指向性スピーカ及び超指向性スピーカから上記文例の音声をそれぞれ出力した場合の各地点Ａ〜Ｄにおける計測結果の音声波形を示している。また、図９の左図の波形は、発声「今日は晴れですよ」の元波形である。

図９の中図と右図に示すＡ地点とＣ地点の計測結果を比較すると、超指向性スピーカでの計測結果ではＣ地点でのみ可聴音が存在しており、高指向性を保ちつつ、ゲインコントロールもうまく働いていることがわかる。つまり、Ｃ地点の話し相手のみに音声が伝えられており、他の地点では可聴音がほとんどなく、秘匿性の高いささやき機能が実現されている。

次に、上述のゲインコントロールを実行して同時対話機能の評価試験を行った結果について説明する。
同時対話の評価設備として、図１０に示すように、計測室内で、話し相手の人物を想定した音源用スピーカ５２を、図８に示したロボット１の正面１ｍの位置に設置した。計測室の残響時間は、１ｋＨｚで０．０８秒である。実験は、音素バランス単語２１６語を下記の３つの条件で音源用スピーカ５２から出力して孤立単語認識を実行した。
（１）超指向性スピーカから音声を同時に出力する。
（２）超指向性スピーカから音声を同時に出力する。但し、出力ゲインは音源用スピーカ５２の位置に立っているユーザのみに伝わるように最適にゲイン制御する。
（３）ロボット１内部の無指向性スピーカから同時に音声を出力する。但し、出力パワーは、音源用スピーカ５２の位置で条件（２）と同じパワーになるように制御する。

図１１は、上述した各条件（１）〜（３）で音源用スピーカ５２から音声を出力しない場合、つまり超指向性スピーカ若しくは無指向性スピーカからのみ音声を出力した場合のロボット１のマイクロホン４３の位置（耳の位置）、及び音源用スピーカ５２の位置での音声のパワーを示している。図１１からわかるように、超指向性スピーカから出力される音声のパワーは、無指向性スピーカの場合と異なり、音源用スピーカ５２の位置よりマイクロホン４３の位置（耳の位置）での方が小さい。

なお、音源用スピーカ５２からの出力は、７０ｄＢＡから９０ｄＢＡまで５ｄＢＡ刻みで変更した。また、ロボット１の耳の位置に音源用スピーカ５２から出力された音声が到達するまでに１５ｄＢＡの減衰がみられる。このため、耳の位置での音声パワー変化は、５５ｄＢＡから７５ｄＢＡまでとなる。音声認識用の音響モデルは、ロボット１の電源をオンにしてロボット１以外の騒音源がない状態で、音源用スピーカ５２から音素バランス単語２１６語の音声を出力し、ロボット１のマイクロホン４３で収音した各音声を既存の音声認識アルゴリズムによる処理で取得した。

図１２は、上述した孤立単語認識処理の結果を示すグラフである。図において、横軸は音源用スピーカ５２から出力される音声のパワー（ｄＢＡ）であり、縦軸は孤立単語正解率（％）を示している。符号Ａを付した三角形のプロットを繋いだ曲線は、上述した条件（２）における処理結果である。また、符号Ｂを付した四角形のプロットを繋いだ曲線は、上述した条件（１）における処理結果で、符号Ｃを付した丸形のプロットを繋いだ曲線は、上述した条件（３）における処理結果である。図１２から明らかなように、認識結果は、最適なゲイン制御を行った条件（２）によるものが最も良く、ついで条件（１）のゲイン制御を行わない超指向性スピーカによるものが続き、条件（３）の無指向性スピーカによる結果が最も認識結果が悪かった。

音声のパワーが９０ｄＢＡである場合、超指向性スピーカの単語正解率は、約９０％に達し、無指向性スピーカでは約８０％程度であった。また、無指向性スピーカによる音声認識結果は、音源用スピーカ５２の音声出力が８０ｄＢＡ以下の場合、急激に悪化している。一方、超指向性スピーカでは、音源用スピーカ５２の音声出力が７０ｄＢＡにまでなると同様の傾向がみられた。

図１１に示されるように、最適にゲイン制御した超指向性スピーカと無指向性スピーカとでは、双方とも音源用スピーカ５２の位置で同程度の音声出力レベル（双方とも６２ｄＢＡ）である。しかしながら、図１２に示されるように、孤立単語認識率には大きな差がみられ、最大で４０％以上（音源用スピーカ５２の音声出力が８０ｄＢＡのとき）になっている。また、音源用スピーカ５２の位置で、ゲイン制御しなかった超指向性スピーカの出力（７０ｄＢＡ）の方が、無指向性スピーカからの出力（６２ｄＢＡ）より大きいにもかかわらず、超指向性スピーカでの孤立単語認識率の方が高い。このように、同時対話機能を実現する発話デバイスを構築するにあたり、超指向性スピーカの方が無指向性スピーカよりも性能が良いことがわかる。

また、図１２において音源用スピーカ５２の出力が７０ｄＢＡまで低下すると、超指向性スピーカでの孤立単語認識率が悪化した。これは、暗騒音のためだと考える。ロボット１の耳の位置での音声パワーは、音源用スピーカ５２の出力が７０ｄＢＡである場合に５５ｄＢＡである。一方、図１１によれば、ロボット１の電源オン時の暗騒音も５５ｄＢＡである。これは、Ｓ／Ｎ比が０ｄＢであることを示しており、暗騒音が強く音声認識結果に影響していることが考えられる。

以上のように、超指向性スピーカを用い、その出力を適切にゲイン制御することにより、特定のエリアのみに音声を伝える秘匿性の高いささやき機能を実現することができ、さらに音声認識におけるノイズとなる超音波の反射波の発生を抑制できることから、話しながら聴くという同時対話機能も実現することができる。

以上のように、この発明に係る超指向性スピーカ搭載型移動体は、可聴音信号源からの入力電気信号によって超音波のキャリア信号を変調する変調器と、変調器の出力信号を放射する放射器を備えるものであり、視聴覚システムを搭載したロボットなどに用いるのに適している。

Claims (8)

1. 可聴音信号源からの入力電気信号によって超音波のキャリア信号を変調する変調器と、前記変調器の出力信号を放射する放射器とを備えた超指向性スピーカ搭載型移動体。
2. 音検出手段と、音声を発する対象物の方向を検出する対象物方向検出手段と、前記対象物方向検出手段により認識した対象物に放射器が対向するように制御する放射器方向制御手段とを備えたことを特徴とする請求項１記載の超指向性スピーカ搭載型移動体。
3. 放射器は、複数の超音波振動素子を備え、前記複数の超音波振動素子のうちの少なくとも１つから超音波受信センサ又は超音波発信センサを構成することを特徴とする請求項１記載の超指向性スピーカ搭載型移動体。
4. 放射器からの出力音声レベルを調整する音声レベル調整手段と、超音波振動素子から対象物へ超音波信号を送信し、この超音波信号の前記対象物での反射信号を受信するまでの時間関係を求め、この時間関係に基づいて前記対象物までの距離を測定する距離検出手段とを備え、前記音声レベル調整手段は、前記距離検出手段の出力に応じて音声レベルを調整することを特徴とする請求項３記載の超指向性スピーカ搭載型移動体。
5. 距離検出手段の出力に応じて音声レベル調整手段による音声レベルのゲイン調整を制御する自動ゲイン制御手段を備えたことを特徴とする請求項４記載の超指向性スピーカ搭載型移動体。
6. 音検出手段が検出した音声の認識及び放射器から伝達する音声信号を生成する音声認識及び生成手段を備えたことを特徴とする請求項５記載の超指向性スピーカ搭載型移動体。
7. 可聴音信号によって超音波のキャリア信号を変調した変調信号を伝達する超指向性スピーカを備えた超指向性スピーカ搭載型移動体の出力ゲインの制御方法において、
   前記超指向性スピーカを介して対象物へ超音波信号を送信し、この超音波信号の前記対象物での反射信号を受信するまでの時間関係を求めるステップと、
   前記時間関係に基づいて前記対象物との距離を推定するステップと、
   前記距離の推定値に応じて前記超指向性スピーカの音声出力が前記対象物に伝達されるようにそのゲイン値を決定するステップとを備えた出力ゲインの制御方法。
8. 可聴音信号によって超音波のキャリア信号を変調した変調信号を伝達する超指向性スピーカを備えた超指向性スピーカ搭載型移動体の制御システムとしてコンピュータを機能させるプログラムにおいて、前記超指向性スピーカの音声出力レベルを調整する音声レベル調整手段、前記超指向性スピーカを介して対象物へ超音波信号を送信し、この超音波信号の前記対象物での反射信号を受信するまでの時間関係を求め、この時間関係に基づいて前記対象物までの距離を測定する距離検出手段、前記距離検出手段の出力に応じて前記超指向性スピーカの音声出力が前記対象物に伝達されるように前記音声レベル調整手段による音声レベルのゲイン調整を制御する自動ゲイン制御手段として前記コンピュータを機能させるプログラム。
   

Images