WO2016181670A1 - 情報処理装置、情報処理方法及びプログラム - Google Patents

情報処理装置、情報処理方法及びプログラム Download PDF

Info

Publication number
WO2016181670A1
WO2016181670A1 PCT/JP2016/052491 JP2016052491W WO2016181670A1 WO 2016181670 A1 WO2016181670 A1 WO 2016181670A1 JP 2016052491 W JP2016052491 W JP 2016052491W WO 2016181670 A1 WO2016181670 A1 WO 2016181670A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
information
prediction
information processing
output control
Prior art date
Application number
PCT/JP2016/052491
Other languages
English (en)
French (fr)
Inventor
由幸 小林
倉田　雅友
呂尚 高岡
Original Assignee
ソニー株式会社
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to JP2017517618A priority Critical patent/JPWO2016181670A1/ja
Priority to EP16792396.0A priority patent/EP3296944A4/en
Priority to US15/546,708 priority patent/US20180025283A1/en
Priority to CN201680026010.XA priority patent/CN107533712A/zh
Publication of WO2016181670A1 publication Critical patent/WO2016181670A1/ja

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Definitions

  • the present disclosure relates to an information processing apparatus, an information processing method, and a program.
  • Patent Document 1 discloses a technique for obtaining a route and time to a destination by learning a user's activity state as a probabilistic state transition model using time-series data obtained from a wearable sensor. Yes.
  • Patent Document 1 has room for improvement in the usefulness of information provided based on the prediction result.
  • a prediction result related to a certain user has only been used for providing information to the user.
  • the present disclosure proposes a new and improved information processing apparatus, information processing method, and program capable of providing useful information to other users using a prediction result related to a certain user.
  • prediction information indicating a prediction result of the context information of the second user related to the context information of the first user, generated based on a history of context information of the second user
  • An information processing device includes an output control unit that outputs the target to the first user.
  • the prediction result of the context information of the second user related to the context information of the first user generated based on the history of the context information of the second user is shown.
  • an information processing method including outputting prediction information for the first user by a processor.
  • the computer predicts the context information of the second user related to the context information of the first user generated based on the history of the context information of the second user.
  • a program for causing the prediction information indicating the result to function as an output control unit that outputs the first user as a target is provided.
  • FIG. 1 is a diagram for explaining an overview of an information processing system according to the present embodiment.
  • An image 10 illustrated in FIG. 1 is an image in which information 11 is superimposed and displayed on an image obtained by capturing a real space by an augmented reality (AR) technology.
  • AR augmented reality
  • the AR technology is a technology that superimposes additional information on the real world and presents it to the user.
  • Information presented to the user in AR technology is also called annotation, and can be visualized using various forms of virtual objects such as text, icons or animation.
  • the user can view an image on which an annotation as shown in FIG. 1 is superimposed and displayed using various user terminals (terminal devices).
  • the user terminal include a smartphone, an HMD (Head Mounted Display), a car navigation system, and the like.
  • a transparent HMD is a display unit that is placed in front of the user's eyes in a mounted state, and displays an image such as text or a figure in a transparent or translucent state, thereby superimposing an annotation on a real space landscape. It is a device that can display.
  • An image displayed on the display unit (transmission type display) of the user terminal (including a background that is visible through transmission and an annotation that is superimposed and displayed) is also referred to as a real space image below. That is, the image 10 is a real space image.
  • the real space image 10 shown in FIG. 1 is an example of an image displayed when the user visits the cafeteria at lunch time.
  • an annotation 11 indicating a prediction result of the remaining time until another user in the meal stands up is displayed in association with each of the other users. As a result, the user can wait near another user who is predicted to have the least remaining time.
  • information indicating the prediction result of a certain user can be useful for other users.
  • the information processing system according to the present embodiment can improve the convenience of the entire user by mutually visualizing information indicating the prediction result of a certain user to other users. .
  • an object for which information is collected by the information processing system according to the present embodiment and / or receives information is referred to as a user.
  • a user who receives information is also referred to as a first user.
  • a user associated with the presented information is also referred to as a second user. That is, the first user is presented with information indicating the prediction result related to the second user.
  • a user other than the first user and the second user may be referred to as a third user.
  • the first user, the second user, and the third user are simply referred to as users when it is not necessary to distinguish them.
  • FIG. 2 is a block diagram illustrating an example of a logical configuration of the information processing system 1 according to the present embodiment.
  • the information processing system 1 according to the present embodiment includes a server 100, a user terminal 200, a recognition device 300, an output device 400, and an external device 500.
  • the server 100 includes a communication unit 110, a context information DB 120, a predictor DB 130, and a processing unit 140.
  • the communication unit 110 is a communication module for performing transmission / reception of data between the server 100 and other devices by wire / wireless.
  • the communication unit 110 communicates with the user terminal 200, the recognition device 300, the output device 400, and the external device 500 directly or indirectly via another node.
  • the context information DB 120 has a function of storing user context information.
  • the context information is information about the user. Details will be described later.
  • the predictor DB 130 has a function of storing a predictor for predicting context information.
  • the processing unit 140 provides various functions of the server 100. As illustrated in FIG. 2, the processing unit 140 includes an acquisition unit 141, a learning unit 142, a generation unit 143, and an output control unit 144. The processing unit 140 may further include other components other than these components. That is, the processing unit 140 can perform operations other than the operations of these components.
  • the acquisition unit 141 has a function of acquiring context information. For example, the acquisition unit 141 acquires context information recognized by the user terminal 200 and the recognition device 300. Then, the acquisition unit 141 stores the acquired context information in the context information DB 120.
  • the learning unit 142 has a function of learning time-series changes in context information. For example, the learning unit 142 learns a predictor for predicting a time-series change of context information based on the history of context information stored in the context information DB 120. Then, the learning unit 142 stores the learned predictor in the predictor DB 130.
  • the generation unit 143 has a function of generating prediction information (annotation) to be presented to the first user. For example, the generation unit 143 generates prediction information based on the history of the context information of the second user. Specifically, the generation unit 143 inputs the second user's real-time context information acquired by the acquisition unit 141 to the second user's predictor stored in the predictor DB 130, thereby Predict the user's context information. And the production
  • the output control unit 144 has a function of outputting the prediction information generated by the generation unit 143 for the first user. For example, the output control unit 144 causes the first user's user terminal 200 or the environment-installed output device 400 around the user terminal 200 to output the prediction information.
  • the term “environmental type” or “environmental installation type” is used for a device that is fixedly or semi-fixedly provided in the real space.
  • the digital signage is an environment-installed output device 400.
  • the surveillance camera is an environment-installed recognition device 300.
  • the user terminal 200 includes a communication unit 210, a recognition unit 220, and an output unit 230.
  • the communication unit 210 is a communication module for performing transmission / reception of data between the user terminal 200 and another device by wire / wireless.
  • the communication unit 210 communicates with the server 100 directly or indirectly via another node.
  • the recognition unit 220 has a function of recognizing context information.
  • the recognized context information is transmitted to the server 100 by the communication unit 210.
  • the recognition unit 220 may include various sensors, and recognizes context information based on the detected sensor information.
  • the recognition unit 220 can include various sensors such as a camera, a microphone, an acceleration sensor, a gyro sensor, a GPS (Global Positioning System), and a geomagnetic sensor.
  • the recognition unit 220 may include a communication interface that detects information about peripheral radio waves such as Wi-Fi (registered trademark, Wireless Fidelity), Bluetooth (registered trademark), and the like.
  • the recognition unit 220 may include a sensor that detects information about the environment such as temperature, humidity, wind speed, atmospheric pressure, illuminance, and substances (stress substances such as pollen, smells, and the like).
  • the recognition unit 220 may include a sensor that detects biological information such as body temperature, sweating, electrocardiogram, pulse wave, heartbeat, blood pressure, blood glucose, myoelectricity, and electroencephalogram.
  • the recognition unit 220 may include an input unit that receives input of context information from the user.
  • the output unit 230 has a function of outputting information from the server 100.
  • the output unit 230 may include a display unit that can display an image, a speaker that can output sound, a vibration motor that can vibrate, and the like.
  • the output unit 230 can be realized as a transmissive display.
  • the recognition device 300 includes a communication unit 310 and a recognition unit 320.
  • the configurations of the communication unit 310 and the recognition unit 320 are the same as those of the communication unit 210 and the recognition unit 220.
  • the recognition apparatus 300 can be realized by, for example, a wearable device, an environment-installed camera, an environment-installed microphone, IoT (Internet of Things), IoT (Internet of Everything), and the like.
  • the output device 400 includes a communication unit 410 and an output unit 420.
  • the configurations of the communication unit 410 and the output unit 420 are the same as those of the communication unit 210 and the output unit 230.
  • the output device 400 can be realized by, for example, a digital signage, an in-vehicle guidance display device, a projection mapping device, a voice guidance device, or the like.
  • the external device 500 is a device having information about a user.
  • the external device 500 is an SNS (social networking service) server, a mail server, a server that provides a service using location information, or the like.
  • the external device 500 transmits the user context information to the server 100.
  • one user terminal 200, one recognition device 300, one output device 400, and one external device 500 are shown, but a plurality of devices may be provided.
  • the information processing system 1 includes the environment-installed recognition device 300 and the output device 400. For this reason, the information processing system 1 can generate and output prediction information of a user who does not have the user terminal 200, and can output prediction information for a user who does not have the user terminal 200. .
  • the context information is information indicating a situation where the user is placed.
  • the context information may be recognized from various information related to the user, or may be input by the user. Hereinafter, an example of the context information will be described.
  • the context information may include information indicating user behavior.
  • Recognized actions can be classified into basic actions that are elements of basic actions and higher-order actions that are combinations of basic actions.
  • Basic actions include, for example, sitting and standing, standing and resting, walking, running, riding an elevator (up and down), riding an escalator (up and down), riding a vehicle ( Bicycles, trains, cars, buses, ... and other vehicles).
  • Higher-order actions include, for example, moving (going to school, going home, trap ..., other movements), studying, working (manual labor, desk work, ... (more detailed work types)), playing (playing) Types), sports (types of sports), shopping (genre of shopping), meals (contents of meals), and the like.
  • information indicating the user's behavior can be recognized based on sensor information detected by an acceleration sensor, a gyro sensor, a geomagnetic sensor, or the like included in the user terminal 200 carried by the user.
  • information indicating the user's behavior can be recognized based on an image recognition result of a captured image captured by, for example, a monitoring camera.
  • the information indicating the user's behavior can be recognized based on the application being used on the user terminal 200, for example, when the running application is used on the user terminal 200, it is recognized that the user is running.
  • the information indicating the user's behavior can be recognized based on, for example, a status setting such as “working / leaving” performed in the messaging application being used by the user terminal 200.
  • these recognition methods may be combined and other arbitrary recognition methods may be used.
  • the context information may include information indicating the position of the user.
  • the information indicating the position may include information indicating relative coordinates from a certain object, whether indoor or outdoor, height, etc., in addition to geographical absolute coordinates.
  • the information indicating the position may include information indicating a latitude, a longitude, an altitude, an address, a GEO tag, a building name, a store name, and the like.
  • information indicating the position can be recognized by a positioning technique using GPS, an autonomous positioning technique, or the like.
  • the information indicating the position can be recognized from sensor information such as an acceleration sensor, a gyro sensor, and a geomagnetic sensor included in the user terminal 200.
  • the information indicating the position can be recognized by a human detection technique, a face recognition technique, or the like based on a captured image of the environment-installed camera.
  • the information indicating the position can be recognized by a communication result or the like regarding an environment-installed communication apparatus that can estimate the distance (that is, proximity relationship) with the user terminal 200 such as Bluetooth or a beacon.
  • the information indicating the position can be recognized from the use result of the service using the position information by the user terminal 200 or the like.
  • these recognition methods may be combined and other arbitrary recognition methods may be used.
  • the context information may include information indicating the line of sight of the user.
  • the information indicating the line of sight may include an object noted by the user, features of other users noted by the user, context information of other users noted, context information of the user at the time of attention, and the like.
  • the information indicating the line of sight may be information indicating what kind of behavior the user himself / herself is performing and what other users are performing the attention.
  • the information indicating the line of sight can be recognized by the recognition result of the direction of the line of sight based on the captured image and the depth information by a stereo camera provided in the HMD with the user's eyeball as the imaging range.
  • the information indicating the line of sight is information indicating the position and orientation of the user terminal 200 in the real space, which is recognized by a known image recognition technique such as the SfM (Structure from Motion) method or the SLAM (Simultaneous Localization And Mapping) method. Can be recognized.
  • information indicating the line of sight can be recognized based on myoelectricity around the eyeball.
  • the information indicating the line of sight can be recognized by a face recognition technique, a line-of-sight detection technique, or the like based on a captured image of the environment-installed camera.
  • these recognition methods may be combined and other arbitrary recognition methods may be used.
  • the context information may include information output by the user.
  • the information output by the user may include information indicating the content of the user's utterance, written text, and the like.
  • information output by the user can be recognized by voice recognition for voice acquired by the microphone of the user terminal 200.
  • the information output by the user can be recognized by voice recognition for voice acquired by an environment-installed microphone, a laser Doppler sensor, or the like.
  • the information output by the user can be recognized by image recognition for the captured image of the mouth imaged by the environment-installed camera.
  • the information output by the user can also be recognized by the content of the mail transmitted by the user, the content of the message, the posting to the SNS, the search keyword, and the like.
  • these recognition methods may be combined and other arbitrary recognition methods may be used.
  • the context information may include information indicating the user status.
  • the information indicating the user's state may include information indicating the user's emotion, health condition, whether or not the user is sleeping, and the like.
  • information indicating the state of the user can be recognized using biological information. Also, information indicating the user's state can be recognized based on the facial expression of the user imaged by the camera installed in the environment. Also, information indicating the user's state can be recognized based on the content spoken by the user and the written text. In addition, these recognition methods may be combined and other arbitrary recognition methods may be used.
  • the context information may include user attribute information.
  • Attribute information includes gender, birthday (age), occupation, career, address (home, school, workplace, etc.), hobby, favorite food, favorite content (music, movies, books, etc.), life log (where you go often) , Travel history, etc.), illness, medical history, etc.
  • the attribute information can be recognized based on input to the application by the user, posting to the SNS, and the like. Further, the attribute information can be recognized based on user feedback (for example, product, content purchase, reproduction history, evaluation information) to the shopping service and the content distribution service. Further, the attribute information can be recognized based on the usage history and operation history of the user terminal 200.
  • the attribute information can be recognized by image recognition for a captured image captured by an environment-installed camera. More specifically, for example, the age and sex can be recognized from the image of the face portion, and the occupation can be recognized from the image of the clothing portion. Further, the attribute information can be recognized by a time series change of the position information.
  • a place that stays for a long time at night may be recognized as a home, and a place that stays for a long time in the day may be recognized as a work or school.
  • these recognition methods may be combined and other arbitrary recognition methods may be used.
  • Information indicating user's human relationship For example, the context information may include information indicating the user's human relationship.
  • the information indicating the human relationship may include information indicating who the person is with, family relationship, friend relationship, intimacy, and the like.
  • information indicating a human relationship can be recognized based on an input to an application by a user, a posting to an SNS, or the like.
  • the information indicating the human relationship can be recognized based on the length of time of being together, the facial expression when being together, and the like.
  • the information indicating the human relationship can be recognized based on whether or not the home is the same, whether or not the workplace or the school is the same.
  • the context information only needs to include at least one of the information described above.
  • Context information recognition processing may be performed by the user terminal 200 and the recognition device 300, or may be performed by the server 100.
  • raw sensor information is transmitted and received between the user terminal 200 and the recognition device 300 and the server 100, so that the user terminal 200 and the recognition device 300 recognize from the viewpoint of traffic. It is desirable that processing be performed.
  • the recognized context information may be information that is not directly predicted as long as it is useful for prediction of context information. For example, even when the prediction of the utterance is not performed, the content of the utterance may be recognized when the next action is predicted from the content of the utterance.
  • the context information can be recognized without active input by the user. Thereby, the burden on the user is reduced.
  • Information that is actively input by the user such as schedule input and destination input to the car navigation system, may also be used for context information recognition.
  • the server 100 (for example, the learning unit 142) learns the predictor. Then, the server 100 (for example, the generation unit 143) performs prediction of context information using a predictor.
  • Predictor learning is performed using techniques such as state transition model, neural network, deep learning, HMM (Hidden Markov Model), k-nearest neighbor algorithm, kernel method, SVM (support vector machine), etc. Can be broken.
  • HMM Hidden Markov Model
  • k-nearest neighbor algorithm kernel method
  • SVM support vector machine
  • the predictor may be learned for each user, or may be learned among a plurality of users or in common for all users. For example, a common predictor can be learned for each family, each workplace, and each friend. Moreover, learning of the predictor may be performed for each recognition unit 220, that is, for each user terminal 200 or recognition device 300.
  • the predictor may be regarded as a model expressing dependency relationships (for example, time-series changes) of a plurality of context information generated based on the history of context information.
  • dependency relationships for example, time-series changes
  • context information acquired in real time is input to a predictor, so that context information having a dependency relationship (for example, predicted to be acquired at the next time in time series) is obtained. Is output.
  • the user's behavior at the current time, the user's position, the content output by the user, the user's line of sight, the user's state, the user's attribute information, and the user's human relationship are input to the predictor, so that The behavior, the position of the user, the content output by the user, the user's line of sight, the user's state, the user's attribute information, and the prediction result of the user's human relationship are output.
  • the generation unit 143 generates prediction information indicating the prediction result output from the predictor in this way.
  • the server 100 (for example, the generation unit 143 and the output control unit 144) causes the first user to display prediction information related to the context information of the first user. For this purpose, the server 100 selects which user's prediction information is to be displayed to the first user, that is, which user is the second user.
  • the server 100 displays the prediction information of the second user selected from a plurality of other users based on the context information of the first user.
  • the 1st user can know the prediction information of the user corresponding to the situation (namely, context information) where he was put. Therefore, it is possible to prevent an excessive number of prediction information from being displayed and the real space image from becoming complicated.
  • the server 100 may display the prediction information of the second user determined to be related to the first user and the context information.
  • the first user the user who is viewing the real space image 10.
  • the first user can know the prediction information of the user related to the situation in which the first user is placed or related to the situation to be placed in the future.
  • the server 100 may display the prediction information of the second user determined to be focused on by the first user.
  • another user who is determined to be focused by the first user and who is sitting in a seat that the first user wants to sit is selected as the second user. .
  • the first user can know the prediction information of the user who wants to know.
  • the server 100 may display the prediction information of the second user determined to be similar in context information to the third user noticed in the past by the first user.
  • the 1st user can know the prediction information of the same user as the user whom he wanted to know prediction information in the past.
  • the server 100 (for example, the generation unit 143 and the output control unit 144) causes the first user to display prediction information related to the context information of the first user. At that time, the server 100 (for example, the generation unit 143 and the output control unit 144) displays the prediction information generated based on the context information of the second user. That is, the server 100 controls the content of the prediction information to be displayed based on the context information of the first user and the second user. Thereby, the 1st user can know the prediction information of the content corresponding to the condition where he was placed.
  • the server 100 may display different prediction information depending on whether or not the second user is moving. For example, when it is determined that the second user is moving, the server 100 displays prediction information indicating a prediction result of the movement trajectory of the second user. Thereby, the 1st user can know beforehand whether a movement locus crosses with self and the 2nd user. On the other hand, when it is determined that the second user is not moving, the server 100 displays prediction information indicating the time when the second user is predicted to start moving. Thereby, the 1st user can perform movement etc., for example, grasping the remaining time until the 2nd user starts movement. A specific display example will be described in detail later.
  • the remaining time in the prediction information can also be understood as the remaining time until an arbitrary action starts or ends.
  • the remaining time until the movement is started is the remaining time until the stationary action ends.
  • the remaining time until the movement is stopped after the movement is started can be displayed as the prediction information.
  • the server 100 may display prediction information corresponding to the human relationship between the first user and the second user. For example, the server 100 displays detailed prediction information for a second user who is close to the first user, and is simplified for a second user who is close to the second user. The prediction information may be displayed or hidden. Thereby, it is not necessary to see prediction information unnecessary for the first user, and privacy can be protected for the second user.
  • the server 100 is generated based on the history of the context information of the third user determined to be similar to the attribute information of the second user when there is no or insufficient context information of the second user.
  • Prediction information may be displayed. For example, the server 100 stays using the predictor of the third user of the same age and occupation based on the recognition result of the second user's age and occupation for the second user who has come to the cafe for the first time. Prediction information is displayed by predicting time and behavior. Note that the case where the history of context information is not sufficient indicates, for example, the case where the prediction accuracy of the predictor falls below a threshold value. Thereby, even if it is a case where the learning regarding a 2nd user is not enough, the 1st user can receive presentation of suitable prediction information.
  • the server 100 may preferentially display prediction information indicating a prediction result of context information with high prediction accuracy. This prevents the first user from being confused by incorrect prediction information.
  • the server 100 may display prediction information of a plurality of second users on a map instead of the real space image. Thereby, the 1st user can visually recognize the prediction information of a plurality of 2nd users from a bird's-eye view. Such a display is useful for an amusement park administrator, for example.
  • the server 100 may display a plurality of pieces of prediction information for one second user.
  • the server 100 may display prediction information indicating prediction results of a plurality of types of context information of different types.
  • FIG. 3 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • a state in the train as viewed from the first user on the train is displayed.
  • Prediction information 22 indicating (time) is displayed.
  • the prediction information 22 it is predicted that the second user 21 will get off after two minutes. This allows the first user to prepare for the second user who gets off or to prepare to sit on the seat on which the second user is sitting. Also for the second user, the surrounding users are expected to prepare in advance for their own getting off, so it is possible to get off more comfortably.
  • publicizing the prediction information of the second user to the first user can be beneficial for both the first user and the second user.
  • FIG. 4 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the real space image 30 shown in FIG. 4 with respect to the second users 31 and 32 that are determined to be sitting in the seat and not moving, it is predicted that the estimated time until the seat stands (that is, the movement is started).
  • Prediction information 33 and 34 indicating (time) are displayed.
  • the prediction information 33 and 34 it is predicted that the second users 31 and 32 will stand after 25 minutes.
  • the ratio of the remaining time or the elapsed time in the total time related to the action of sitting on the seat is displayed as a bar.
  • the display using the bar can take various forms as shown in FIG.
  • FIG. 5 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • FIG. 5 shows a specific example of prediction information displayed in a bar.
  • the prediction information 35 the length from the start of the current action to the predicted end time is defined as 100% (reference numeral 36), and the elapsed time from the start of the current action is the length of the bar (reference numeral 37). It is expressed by.
  • the example shown in FIG. 4 corresponds to this.
  • the prediction information 38 expresses that the display method can be used when the prediction accuracy is low, and that there is a range in prediction.
  • the predicted time can be expanded or contracted according to the context information acquired most recently. By displaying such a ratio, the first user can predict the fluctuation of the approximate end time.
  • the prediction information indicating the remaining time until the start of movement is displayed for the second user who is not moving has been described, but the present technology is not limited to such an example.
  • information indicating the remaining time until the second user starts (performs) or ends an arbitrary action may be displayed.
  • information indicating the remaining time until the second user speaks a specific word may be displayed.
  • FIG. 6 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the state of the child who is taking a walk with the family as viewed from the parent who is the first user is displayed.
  • prediction information 42 indicating the remaining time until the child 41 as the second user performs a specific action is displayed.
  • the prediction information 42 it is predicted that “I am tired and cannot walk” and that I want to go to the toilet after 1 hour and 20 minutes, and that I am hungry after 30 minutes. Is shown to be predicted.
  • Such a display allows the parent to act in advance to meet the child's request. Thus, the trouble in multi-person action is prevented beforehand by a plurality of users who act together knowing each other's prediction information.
  • FIG. 7 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the vehicles 52 and 53 (specifically, the second user who drives the vehicle 52 and the vehicle 53 are viewed) viewed from the first user who is driving the vehicle 51.
  • Prediction information 54 and 55 of the (second user) is displayed.
  • prediction information 54 indicating a predicted time until the movement is started is displayed. Since the remaining time has a margin of 5 minutes 3 seconds, the first user can pass the car 52 with peace of mind.
  • prediction information 55 indicating a prediction result of the movement locus is displayed. Since the first user can easily know that the movement trajectory crosses in the traveling direction, the first user can safely stop. By displaying such prediction information, traffic safety is improved.
  • FIG. 8 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the predicted result of the movement locus of the motorcycle 62 (specifically, the second user driving the motorcycle 62) viewed from the first user driving the vehicle 61 is shown.
  • the prediction information 63 to be shown is displayed. According to the prediction information 63, since the motorcycle 62 goes straight as it is, the first user can make the vehicle 61 go straight without worrying about the lane change of the motorcycle 62. By displaying such prediction information, driving comfort is improved.
  • FIG. 9 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the real space image 70 shown in FIG. 9 includes prediction information 73 and 74 indicating prediction results of the movement trajectories of the other second users 71 and 72 who are walking as seen from the first user who is walking along the road. Is displayed. Thereby, the 1st user can walk so that it may not collide with the 2nd users 71 and 72. Moreover, when the 1st user pays attention to the 2nd user 71, the prediction information 75 which shows a more detailed prediction result may be displayed.
  • the forecast information 75 indicates that after 5 minutes you will arrive at AA station, move on the train, 15 minutes later at BB station, move on foot, and 25 minutes later at CC company.
  • a list of action schedules of the second user 71 is included.
  • FIG. 10 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the state in the elevator is displayed.
  • prediction information 81 indicating a prediction result of how many second users pay attention to the first user is displayed. More specifically, the prediction information 81 displays a time-series change in the number of people predicted to pay attention to the first user. Thereby, the 1st user can perform appearance etc., for example, before a door opens and it attracts attention to itself.
  • FIG. 11 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • information 39 indicating the current emotion of the second user 31 is displayed in addition to the real space image 30 illustrated in FIG. 4.
  • the information 39 indicating emotion indicates that the second user 31 is currently delighted.
  • the server 100 may display the context information of the second user 31 in addition to the prediction information 33. Thereby, the first user can perform an action according to the situation where the second user is currently placed, for example, when the second user is in trouble.
  • the server 100 can display various prediction information.
  • the server 100 may display a keyword predicted to be spoken by the second user. In that case, the first user can use the keyword to excite the story.
  • the server 100 (for example, the generation unit 143 and the output control unit 144) can set whether or not the user prediction information can be output to other users. From the viewpoint of displaying the prediction information to the first user, the server 100 can set whether or not the prediction information of the second user can be output to the first user.
  • the server 100 displays the prediction information permitted to be displayed by the second user. Thereby, the 2nd user can protect privacy.
  • Authorization may be performed based on instructions from the second user. In that case, the second user directly sets whether or not to release the prediction information.
  • the authorization may be based on settings related to the location of the second user. For example, it is possible to make a setting such that disclosure of detailed prediction information is not permitted as the second user is closer to his / her home.
  • the authorization may be based on settings related to the human relationship between the first user and the second user. For example, it is possible to set the prediction within 10 minutes to everyone, allow predictions within 1 hour to allow friends to share, and allow predictions beyond that to no one else. is there.
  • the server 100 (for example, the generation unit 143 and the output control unit 144) may filter the generated prediction information. For example, the server 100 displays a part of the generated prediction information and does not display the other part.
  • the server 100 provides an interaction function between the displayed prediction information and the first user.
  • the server 100 stores the deleted prediction information, and thereafter the same type Do not display prediction information for. Thereby, only appropriate prediction information will be presented.
  • the server 100 may display the prediction information indicating the prediction result of the first user's context information for the first user himself / herself. That is, the server 100 may display the prediction information of the first user displayed for other users as a target so that the first user can see the prediction information. Thereby, the 1st user can know what kind of prediction information is disclosed to other users.
  • FIG. 12 is a diagram for explaining a display example by the information processing system 1 according to the present embodiment.
  • the state in the train viewed from the first user sitting on the train seat is displayed.
  • prediction information 93 and 94 of the first user are displayed.
  • the prediction information 92 indicates that the second user 91 is predicted to get off after 30 minutes.
  • the prediction information 93 indicates that the first user is predicted to have lunch one hour later.
  • the prediction information 94 indicates that the first user is predicted to get off after two minutes.
  • the prediction information 94 may be emphasized as shown in FIG. 12 when attention is paid to other users (for example, displayed to many other users). Thereby, the 1st user can know what kind of prediction information of the 1st user the 2nd user will act from now on.
  • the prediction information may be corrected by the user.
  • the server 100 may display the prediction information modified based on the instruction from the second user. For example, in the example shown in FIG. 12, when there is an error in the prediction information 93 or 94, the first user corrects the prediction information. This prevents other users from being misled by incorrect prediction information. Further, when there is an error in the prediction information, emphasizing the prediction information attracting attention by other users as in the example shown in FIG. 12 may lead to prompting the first user to correct it. .
  • the first user when the first user actually gets off after 30 minutes, the first user corrects the prediction information 94 after 2 minutes to 30 minutes so that other users around It is possible to prevent the user from getting ready for getting off the vehicle. Thus, it is expected that more accurate information is presented for the prediction information having a high degree of attention.
  • FIG. 13 is a flowchart illustrating an example of a predictor learning process executed in the server 100 according to the present embodiment.
  • the acquisition unit 141 acquires context information from the user terminal 200 and the recognition device 300 via the communication unit 110 (step S102) and stores the context information in the context information DB 120 (step S104). . Then, the learning unit 142 learns a predictor based on the history of context information accumulated in the context information DB 120 (step S106).
  • FIG. 14 is a flowchart illustrating an example of the flow of the prediction information display process executed in the server 100 according to the present embodiment.
  • the generation unit 143 selects a second user (step S202). This process will be described in detail later with reference to FIG. Next, the generation unit 143 generates prediction information of the second user (Step S204). This process will be described in detail later with reference to FIG. And the output control part 144 displays the produced
  • the generation unit 143 generates prediction information of a user who can be the second user (for example, all other users included in the real space image), and selects prediction information to be displayed from the prediction information. It will be.
  • FIG. 15 is a flowchart illustrating an example of the flow of a second user selection process executed in the server 100 according to the present embodiment. This flow expresses step S202 in FIG. 14 in detail.
  • the generation unit 143 selects based on information indicating human relations (step S302). For example, the generation unit 143 selects another user having a relationship such as a friendship with the first user as a candidate for the second user. Next, the generation unit 143 selects based on the information indicating the position (step S304). For example, the generation unit 143 selects other users who are close to the first user as candidates for the second user. Next, the production
  • the generation unit 143 selects based on the information indicating the line of sight (step S308). For example, the generation unit 143 sorts the users that have been selected as candidates for the second user so far according to the degree to which the first user has focused, and sets the predetermined number in order from the user with the highest degree of attention to the second user. Select as.
  • FIG. 16 is a flowchart illustrating an example of the flow of prediction information generation processing executed in the server 100 according to the present embodiment. This flow expresses step S204 in FIG. 14 in detail.
  • the generation unit 143 determines whether or not the second user is moving (step S402). When it determines with moving (step S402 / YES), the production
  • the generation unit 143 adjusts the content of the prediction information based on the disclosure permission / inhibition setting (step S408). For example, the generation unit 143 simplifies or conceals the content of the prediction information according to the human relationship between the first user and the second user.
  • generation part 143 adjusts the content of prediction information based on attention degree (step S410). For example, the generation unit 143 details the content of the prediction information for the second user who has a high degree of attention of the first user.
  • FIG. 17 is a block diagram illustrating an example of a hardware configuration of the information processing apparatus according to the present embodiment.
  • the information processing apparatus 900 illustrated in FIG. 17 can realize, for example, the server 100, the user terminal 200, the recognition apparatus 300, the output apparatus 400, or the external device 500 illustrated in FIG.
  • Information processing by the server 100, the user terminal 200, the recognition device 300, the output device 400, or the external device 500 according to the present embodiment is realized by cooperation between software and hardware described below.
  • the information processing apparatus 900 includes a CPU (Central Processing Unit) 901, a ROM (Read Only Memory) 902, a RAM (Random Access Memory) 903, and a host bus 904a.
  • the information processing apparatus 900 includes a bridge 904, an external bus 904b, an interface 905, an input device 906, an output device 907, a storage device 908, a drive 909, a connection port 911, and a communication device 913.
  • the information processing apparatus 900 may include a processing circuit such as a DSP or an ASIC in place of or in addition to the CPU 901.
  • the CPU 901 functions as an arithmetic processing unit and a control unit, and controls the overall operation in the information processing apparatus 900 according to various programs. Further, the CPU 901 may be a microprocessor.
  • the ROM 902 stores programs used by the CPU 901, calculation parameters, and the like.
  • the RAM 903 temporarily stores programs used in the execution of the CPU 901, parameters that change as appropriate during the execution, and the like.
  • the CPU 901 can form the processing unit 140 shown in FIG.
  • the CPU 901, ROM 902, and RAM 903 are connected to each other by a host bus 904a including a CPU bus.
  • the host bus 904 a is connected to an external bus 904 b such as a PCI (Peripheral Component Interconnect / Interface) bus via a bridge 904.
  • an external bus 904 b such as a PCI (Peripheral Component Interconnect / Interface) bus
  • PCI Peripheral Component Interconnect / Interface
  • the host bus 904a, the bridge 904, and the external bus 904b do not necessarily have to be configured separately, and these functions may be mounted on one bus.
  • the input device 906 is realized by a device in which information is input by the user, such as a mouse, a keyboard, a touch panel, a button, a microphone, a switch, and a lever.
  • the input device 906 may be, for example, a remote control device using infrared rays or other radio waves, or may be an external connection device such as a mobile phone or a PDA that supports the operation of the information processing device 900.
  • the input device 906 may include, for example, an input control circuit that generates an input signal based on information input by the user using the above-described input means and outputs the input signal to the CPU 901.
  • a user of the information processing apparatus 900 can input various data and instruct a processing operation to the information processing apparatus 900 by operating the input device 906.
  • the input device 906 may be formed by a sensor that senses information about the user.
  • the input device 906 includes various sensors such as an image sensor (for example, a camera), a depth sensor (for example, a stereo camera), an acceleration sensor, a gyro sensor, a geomagnetic sensor, an optical sensor, a sound sensor, a distance sensor, and a force sensor. Can be included.
  • the input device 906 includes information related to the information processing device 900 state, such as the posture and movement speed of the information processing device 900, and information related to the surrounding environment of the information processing device 900, such as brightness and noise around the information processing device 900. May be obtained.
  • the input device 906 may also include a GPS sensor that receives GPS signals and measures the latitude, longitude, and altitude of the device.
  • the input device 906 can form, for example, the recognition unit 220 and the recognition unit 320 shown in FIG.
  • the output device 907 is formed of a device that can notify the user of the acquired information visually or audibly.
  • Examples of such devices include CRT display devices, liquid crystal display devices, plasma display devices, EL display devices, display devices such as laser projectors, LED projectors and lamps, audio output devices such as speakers and headphones, printer devices, and the like.
  • the output device 907 outputs results obtained by various processes performed by the information processing device 900.
  • the display device visually displays results obtained by various processes performed by the information processing device 900 in various formats such as text, images, tables, and graphs.
  • the audio output device converts an audio signal composed of reproduced audio data, acoustic data, and the like into an analog signal and outputs it aurally.
  • the display device and the audio output device can form, for example, the output unit 230 and the output unit 420 shown in FIG.
  • the storage device 908 is a data storage device formed as an example of a storage unit of the information processing device 900.
  • the storage apparatus 908 is realized by, for example, a magnetic storage device such as an HDD, a semiconductor storage device, an optical storage device, a magneto-optical storage device, or the like.
  • the storage device 908 may include a storage medium, a recording device that records data on the storage medium, a reading device that reads data from the storage medium, a deletion device that deletes data recorded on the storage medium, and the like.
  • the storage device 908 stores programs executed by the CPU 901, various data, various data acquired from the outside, and the like.
  • the storage device 908 can form, for example, the context information DB 120 and the predictor DB 130 illustrated in FIG.
  • the drive 909 is a storage medium reader / writer, and is built in or externally attached to the information processing apparatus 900.
  • the drive 909 reads information recorded on a removable storage medium such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, and outputs the information to the RAM 903.
  • the drive 909 can also write information to a removable storage medium.
  • connection port 911 is an interface connected to an external device, and is a connection port with an external device capable of transmitting data by USB (Universal Serial Bus), for example.
  • USB Universal Serial Bus
  • the communication device 913 is a communication interface formed by a communication device or the like for connecting to the network 920, for example.
  • the communication device 913 is, for example, a communication card for wired or wireless LAN (Local Area Network), LTE (Long Term Evolution), Bluetooth (registered trademark), or WUSB (Wireless USB).
  • the communication device 913 may be a router for optical communication, a router for ADSL (Asymmetric Digital Subscriber Line), a modem for various communication, or the like.
  • the communication device 913 can transmit and receive signals and the like according to a predetermined protocol such as TCP / IP, for example, with the Internet and other communication devices.
  • the communication device 913 may form, for example, the communication unit 110, the communication unit 210, the communication unit 310, and the communication unit 410 illustrated in FIG.
  • the network 920 is a wired or wireless transmission path for information transmitted from a device connected to the network 920.
  • the network 920 may include a public line network such as the Internet, a telephone line network, and a satellite communication network, various LANs including the Ethernet (registered trademark), a wide area network (WAN), and the like.
  • the network 920 may include a dedicated line network such as an IP-VPN (Internet Protocol-Virtual Private Network).
  • IP-VPN Internet Protocol-Virtual Private Network
  • each of the above components may be realized using a general-purpose member, or may be realized by hardware specialized for the function of each component. Therefore, it is possible to change the hardware configuration to be used as appropriate according to the technical level at the time of carrying out this embodiment.
  • a computer program for realizing each function of the information processing apparatus 900 according to the present embodiment as described above can be produced and mounted on a PC or the like.
  • a computer-readable recording medium storing such a computer program can be provided.
  • the recording medium is, for example, a magnetic disk, an optical disk, a magneto-optical disk, a flash memory, or the like.
  • the above computer program may be distributed via a network, for example, without using a recording medium.
  • the information processing system 1 predicts the second user related to the context information of the first user generated based on the history of the context information of the second user.
  • the information can be displayed for the first user.
  • the prediction information of the second user is presented as information useful for the first user.
  • the future behavior of the second user can be visually recognized, so that smooth communication is possible and it is also possible to easily make an own action plan.
  • the information processing system 1 displays the prediction information generated based on the context information of the second user as the prediction information related to the context information of the first user.
  • the 1st user can know the prediction information of the content corresponding to the condition where he was placed. For example, when the first user is driving a car, the course of another car is visualized and smooth traffic is realized. Further, when the first user wants to have a conversation, it can know whether or not to speak to the other party. In addition, when the first user is on the train, it is possible to know in advance the seat availability in a crowded car. Further, when the first user goes to a place where he / she goes for the first time, he / she can easily reach the destination by following the second user who is going to the same destination as himself / herself.
  • the information processing system 1 displays the prediction information of the second user selected from among a plurality of other users based on the context information of the first user. This prevents an excessive number of prediction information from being displayed and the real space image from becoming complicated.
  • the user terminal 200 may be realized as an immersive (video-through) HMD that displays a captured image of a real space and superimposes an AR virtual object on the captured image of the real space.
  • an immersive HMD a captured image in a virtual space may be used instead of a captured image in real space.
  • the user terminal 200 may be realized as a projection-type HMD provided with an LED light source or the like that projects an image directly on the user's retina.
  • the server 100 is formed as a single device.
  • the present technology is not limited to such an example.
  • part or all of the server 100 may be included in different devices.
  • the context information DB 120 and the predictor DB 130 may be realized as devices different from the server 100.
  • the present technology is not limited to such an example.
  • part or all of the server 100 may be included in the user terminal 200.
  • accumulation of context information and / or learning of a predictor can be performed.
  • Prediction information indicating a prediction result of the context information of the second user which is related to the context information of the first user, generated based on a history of context information of the second user
  • An output control unit for outputting to a user An information processing apparatus comprising: (2) The information according to (1), wherein the output control unit displays the prediction information of the second user selected from a plurality of other users based on the context information of the first user. Processing equipment. (3) The information processing apparatus according to (2), wherein the output control unit displays the prediction information of the second user determined to be associated with the first user and the context information.
  • the context information includes information indicating a user's line of sight
  • the context information includes information indicating a user's line of sight
  • the output control unit displays the prediction information of the second user determined to be similar to the third user that the first user has noticed in the past and the context information is (2) to (4 ).
  • the information processing apparatus according to any one of (6) The information processing apparatus according to any one of (1) to (5), wherein the output control unit displays the prediction information generated based on the context information of the second user.
  • the context information includes information indicating user behavior
  • the output control unit displays the prediction information indicating the time when the second user is predicted to start moving, (7) or ( The information processing apparatus according to 8).
  • the context information includes information indicating a user's relationship, The information processing apparatus according to any one of (6) to (9), wherein the output control unit displays the prediction information corresponding to a human relationship between the first user and the second user. .
  • the context information includes user attribute information; The output control unit is based on the context information history of a third user determined to have similar attribute information to the second user when there is no or insufficient history information of the second user.
  • the information processing apparatus according to any one of (6) to (10), wherein the prediction information generated in the above is displayed.
  • the permission is performed based on an instruction from the second user or a setting relating to at least one of the position of the second user or the human relationship between the first user and the second user.
  • the information processing apparatus according to 12).
  • the output control unit displays the prediction information modified based on an instruction from the second user.
  • the output control unit displays the prediction information indicating a prediction result of the context information of the first user.
  • the output control unit displays the context information of the second user in addition to the prediction information.
  • the context information indicates information indicating the user's behavior, information indicating the user's position, information indicating the user's line of sight, information output by the user, information indicating the user's state, user attribute information, or user relationships.
  • the information processing apparatus according to any one of (1) to (16), including at least one of information.
  • the output control unit according to any one of (1) to (17), wherein the prediction information is displayed by a terminal device of the first user or an output device provided around the first user. The information processing apparatus described.
  • Prediction information indicating a prediction result of the context information of the second user which is related to the context information of the first user, generated based on a history of context information of the second user,
  • An information processing method including: (20) Computer Prediction information indicating a prediction result of the context information of the second user, which is related to the context information of the first user, generated based on a history of context information of the second user, An output control unit for outputting to a user, Program to function as.
  • Information processing system 100 Server 110 Communication unit 120 Context information DB 130 Predictor DB 140 processing unit 141 acquisition unit 142 learning unit 143 generation unit 144 output control unit 200 user terminal 210 communication unit 220 recognition unit 230 output unit 300 recognition device 310 communication unit 320 recognition unit 400 output device 410 communication unit 420 output unit 500 external device

Abstract

【課題】あるユーザに関する予測結果を用いて他のユーザへ有益な情報を提供することが可能な情報処理装置、情報処理方法及びプログラムを提案する。 【解決手段】第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、を備える情報処理装置。

Description

情報処理装置、情報処理方法及びプログラム
　本開示は、情報処理装置、情報処理方法及びプログラムに関する。
　近年、ユーザの過去の情報を用いてユーザの未来の行動を予測し、予測結果に基づく情報の提供を行う技術が注目されている。例えば、下記特許文献１では、ウェアラブルセンサから得られた時系列データを用いてユーザの活動状態を確率的状態遷移モデルとして学習することにより、目的地までの経路及び時間を求める技術が開示されている。
特開２０１１－０５９９２４号公報
　しかし、上記特許文献１などで提案されている技術には、予測結果に基づいて提供される情報の有益性に向上の余地があった。例えば、あるユーザに関する予測結果が、当該ユーザへの情報の提供のために用いられるに留まっていた。
　そこで、本開示では、あるユーザに関する予測結果を用いて他のユーザへ有益な情報を提供することが可能な、新規且つ改良された情報処理装置、情報処理方法及びプログラムを提案する。
　本開示によれば、第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、を備える情報処理装置が提供される。
　また、本開示によれば、第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象としてプロセッサにより出力させること、を含む情報処理方法が提供される。
　また、本開示によれば、コンピュータを、第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、として機能させるためのプログラムが提供される。
　以上説明したように本開示によれば、あるユーザに関する予測結果を用いて他のユーザへ有益な情報を提供することが可能である。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。
本実施形態に係る情報処理システムの概要を説明するための図である。 本実施形態に係る情報処理システムの論理的な構成の一例を示すブロック図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係る情報処理システムによる表示例を説明するための図である。 本実施形態に係るサーバにおいて実行される予測器の学習処理の流れの一例を示すフローチャートである。 本実施形態に係るサーバにおいて実行される予測情報の表示処理の流れの一例を示すフローチャートである。 本実施形態に係るサーバにおいて実行される第２のユーザの選択処理の流れの一例を示すフローチャートである。 本実施形態に係るサーバにおいて実行される予測情報の生成処理の流れの一例を示すフローチャートである。 本実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　　１．概要
　　２．構成例
　　３．技術的特徴
　　　３．１．コンテキスト情報
　　　３．２．学習及び予測
　　　３．３．第２のユーザの選択
　　　３．４．予測情報の生成
　　　３．５．出力可否の設定
　　　３．６．生成された予測情報のフィルタリング
　　　３．７．ユーザ自身の予測情報の出力
　　４．動作処理例
　　５．ハードウェア構成例
　　６．まとめ
　＜＜１．概要＞＞
　まず、図１を参照して、本開示の一実施形態に係る情報処理システムの概要を説明する。
　図１は、本実施形態に係る情報処理システムの概要を説明するための図である。図１に示す画像１０は、実空間を撮像した画像に、拡張現実（ＡＲ：Augmented　Reality）技術により情報１１が重畳表示された画像である。ＡＲ技術は、実世界に付加的な情報を重畳してユーザに提示する技術である。ＡＲ技術においてユーザに提示される情報は、アノテーションとも呼ばれ、テキスト、アイコンまたはアニメーションなど様々な形態の仮想的なオブジェクトを用いて可視化され得る。
　ユーザは、多様なユーザ端末（端末装置）を用いて、図１に示したようなアノテーションが重畳表示された画像を閲覧し得る。ユーザ端末の具体例としては、例えばスマートフォン、ＨＭＤ（Head　Ｍｏｕｎｔｅｄ　Display）及びカーナビゲーションシステム等が挙げられる。以下では、一例として、ユーザ端末が、透過型のＨＭＤとして実現される場合を想定して説明する。透過型のＨＭＤとは、装着状態でユーザの眼前に配置される表示部が、透明または半透明の状態のままでテキスト又は図等の画像を表示することで、実空間の風景にアノテーションを重畳表示することができる装置である。ユーザ端末の表示部（透過型ディスプレイ）に表示される像（透過して視認される背景及び重畳表示されるアノテーションを含む）を、以下では実空間画像とも称する。即ち、画像１０は、実空間画像である。
　図１に示した実空間画像１０は、ユーザが昼食時に食堂を訪れたときに表示される画像の一例である。実空間画像１０においては、食事中の他のユーザが席を立つまでの残り時間の予測結果を示すアノテーション１１が、他のユーザの各々に対応付けられて表示されている。これにより、ユーザは、最も残り時間が少ないと予測された他のユーザの近くで待つ等を行うことが可能となる。
　ここで、残り時間を予測されたユーザにとっては、自身が席を立つまでの残り時間の予測結果を示す情報が自身に提示されたとしても、あまり有益とは言えない。これに対し、図１に示した例のように、あるユーザの予測結果を示す情報は、その他のユーザにとって有益なものになり得る。本実施形態に係る情報処理システムは、このような、あるユーザの予測結果を示す情報を他のユーザに可視化することを相互に行うことで、ユーザ全体の利便性を向上させることが可能である。
　以上、本実施形態に係る情報処理システムの概要を説明した。続いて、本実施形態に係る情報処理システムの構成例を説明する。
　なお、以下では、本実施形態に係る情報処理システムにより情報が収集され、及び／又は情報の提示を受ける対象を、ユーザと称する。また、情報の提示を受けるユーザを、第１のユーザとも称する。提示される情報に対応付けられるユーザを、第２のユーザとも称する。即ち、第１のユーザには、第２のユーザに関する予測結果を示す情報が提示される。また、第１のユーザ及び第２のユーザ以外のユーザを、第３のユーザと称する場合がある。以下では、第１のユーザ、第２のユーザ及び第３のユーザを特に区別する必要が無い場合には、単にユーザと称する。
　＜＜２．構成例＞＞
　図２は、本実施形態に係る情報処理システム１の論理的な構成の一例を示すブロック図である。図２に示すように、本実施形態に係る情報処理システム１は、サーバ１００、ユーザ端末２００、認識装置３００、出力装置４００及び外部機器５００を含む。
　　（１）サーバ
　図２に示すように、サーバ１００は、通信部１１０、コンテキスト情報ＤＢ１２０、予測器ＤＢ１３０及び処理部１４０を含む。
　通信部１１０は、有線／無線によりサーバ１００と他の装置との間でデータの送受信を行うための通信モジュールである。例えば、通信部１１０は、直接的に又は他のノードを経由して間接的に、ユーザ端末２００、認識装置３００、出力装置４００及び外部機器５００と通信する。
　コンテキスト情報ＤＢ１２０は、ユーザのコンテキスト情報を記憶する機能を有する。コンテキスト情報とは、ユーザに関する情報である。詳細については後述する。
　予測器ＤＢ１３０は、コンテキスト情報を予測するための予測器を記憶する機能を有する。
　処理部１４０は、サーバ１００の様々の機能を提供する。図２に示すように、処理部１４０は、取得部１４１、学習部１４２、生成部１４３及び出力制御部１４４を含む。なお、処理部１４０は、これらの構成要素以外の他の構成要素をさらに含み得る。即ち、処理部１４０は、これらの構成要素の動作以外の動作も行い得る。
　取得部１４１は、コンテキスト情報を取得する機能を有する。例えば、取得部１４１は、ユーザ端末２００及び認識装置３００により認識されたコンテキスト情報を取得する。そして、取得部１４１は、取得したコンテキスト情報をコンテキスト情報ＤＢ１２０に記憶させる。
　学習部１４２は、コンテキスト情報の時系列変化を学習する機能を有する。例えば、学習部１４２は、コンテキスト情報ＤＢ１２０に記憶されたコンテキスト情報の履歴に基づいて、コンテキスト情報の時系列変化を予測するための予測器を学習する。そして、学習部１４２は、学習した予測器を予測器ＤＢ１３０に記憶させる。
　生成部１４３は、第１のユーザへ提示する予測情報（アノテーション）を生成する機能を有する。例えば、生成部１４３は、第２のユーザのコンテキスト情報の履歴に基づいて予測情報を生成する。具体的には、生成部１４３は、取得部１４１により取得された第２のユーザのリアルタイムのコンテキスト情報を、予測器ＤＢ１３０に記憶された第２のユーザの予測器に入力することで、第２のユーザのコンテキスト情報の予測を行う。そして、生成部１４３は、第２のユーザのコンテキスト情報の予測結果を示す予測情報を生成する。
　出力制御部１４４は、生成部１４３により生成された予測情報を第１のユーザを対象として出力させる機能を有する。例えば、出力制御部１４４は、第１のユーザのユーザ端末２００、又はユーザ端末２００の周辺にある環境設置型の出力装置４００により予測情報を出力させる。
　ここで、実空間に固定的に又は半固定的に設けられる装置には、環境型又は環境設置型等の言葉を使用するものとする。例えば、デジタルサイネージは環境設置型の出力装置４００である。また、監視カメラは環境設置型の認識装置３００である。
　　（２）ユーザ端末
　図２に示すように、ユーザ端末２００は、通信部２１０、認識部２２０及び出力部２３０を含む。
　通信部２１０は、有線／無線によりユーザ端末２００と他の装置との間でデータの送受信を行うための通信モジュールである。例えば、通信部２１０は、直接的に又は他のノードを経由して間接的に、サーバ１００と通信する。
　認識部２２０は、コンテキスト情報を認識する機能を有する。認識されたコンテキスト情報は、通信部２１０によりサーバ１００へ送信される。認識部２２０は、多様なセンサを含んでいてもよく、検出されたセンサ情報に基づいてコンテキスト情報を認識する。
　例えば、認識部２２０は、カメラ、マイク、加速度センサ、ジャイロセンサ、ＧＰＳ（Global　Positioning　System）、地磁気センサ等の各種センサを含み得る。他にも、認識部２２０は、Ｗｉ－Ｆｉ（登録商標、Wireless　Fidelity）、Ｂｌｕｅｔｏｏｔｈ（登録商標）等の周辺の電波に関する情報を検出する通信インタフェースを含んでいてもよい。また、認識部２２０は、温度、湿度、風速、気圧、照度、物質（花粉等のストレス物質、におい等）等の環境に関する情報を検出するセンサを含んでいてもよい。また、認識部２２０は、体温、発汗、心電、脈波、心拍、血圧、血糖、筋電、脳波等の生体情報を検出するセンサを含んでいてもよい。また、認識部２２０は、ユーザからのコンテキスト情報の入力を受け付ける入力部を含んでいてもよい。
　出力部２３０は、サーバ１００からの情報を出力する機能を有する。例えば、出力部２３０は、画像表示可能な表示部、音声出力可能なスピーカ、及び振動可能な振動モータ等を含み得る。なお、ユーザ端末２００が透過型のＨＭＤとして実現される場合、出力部２３０は、透過型のディスプレイとして実現され得る。
　　（３）認識装置
　図２に示すように、認識装置３００は、通信部３１０及び認識部３２０を含む。通信部３１０及び認識部３２０の構成は、通信部２１０及び認識部２２０と同様である。
　なお、認識装置３００は、例えばウェアラブルデバイス、環境設置型カメラ、環境設置型マイク、ＩｏＴ（Internet　of　Things）、ＩｏＥ（Internet　of　Everything）等により実現され得る。
　　（４）出力装置
　図２に示すように、出力装置４００は、通信部４１０及び出力部４２０を含む。通信部４１０及び出力部４２０の構成は、通信部２１０及び出力部２３０と同様である。
　なお、出力装置４００は、例えばデジタルサイネージ、車内案内表示装置、プロジェクションマッピング装置又は音声案内装置等により実現され得る。
　　（５）外部機器
　外部機器５００は、ユーザに関する情報を有する装置である。例えば、外部機器５００は、ＳＮＳ（social　networking　service）サーバ、メールサーバ、位置情報を用いたサービスを提供するサーバ等である。外部機器５００は、ユーザのコンテキスト情報をサーバ１００へ送信する。
　なお、図２では、ユーザ端末２００、認識装置３００、出力装置４００及び外部機器５００がそれぞれひとつずつ図示されているが、各装置は複数であってもよい。
　このように、情報処理システム１には、ユーザ端末２００以外にも、環境設置型の認識装置３００及び出力装置４００が含まれる。このため、情報処理システム１は、ユーザ端末２００を有さないユーザの予測情報も生成及び出力可能であるし、ユーザ端末２００を有さないユーザを対象として予測情報を出力することも可能である。
　以上、本実施形態に係る情報処理システム１の構成例を説明した。続いて、本実施形態に係る情報処理システム１の技術的特徴について説明する。
　＜＜３．技術的特徴＞＞
　　＜３．１．コンテキスト情報＞
　コンテキスト情報とは、ユーザが置かれた状況を示す情報である。コンテキスト情報は、ユーザに関する各種情報から認識されてもよいし、ユーザにより入力されてもよい。以下、コンテキスト情報の一例を説明する。
　　（１）ユーザの行動を示す情報
　例えば、コンテキスト情報は、ユーザの行動を示す情報を含んでいてもよい。
　認識される行動は、基本的な行動の要素である基本行動と、基本行動の組み合わせから成る高次行動とに分類され得る。基本行動としては、例えば座って静止、立って静止、歩いている、走っている、エレベーター（上り、下り）に乗っている、エスカレーター（上り、下り）に乗っている、乗り物に乗っている（自転車、電車、車、バス、…、その他の乗り物）等が挙げられる。高次行動としては、例えば移動中（通学中、帰宅中、 …、その他の移動）、勉強中、仕事中（肉体労働、デスクワーク、…、（さらに細かい仕事の種類））、遊び中（遊びの種類）、スポーツ中（スポーツの種類）、買い物中（買い物のジャンル）、食事中（食事の内容）等が挙げられる。
　例えば、ユーザの行動を示す情報は、ユーザが携帯するユーザ端末２００が有する加速度センサ、ジャイロセンサ、及び地磁気センサ等により検出されたセンサ情報に基づき認識され得る。他にも、ユーザの行動を示す情報は、例えば監視カメラ等により撮像された撮像画像の画像認識結果により認識され得る。また、ユーザの行動を示す情報は、例えばユーザ端末２００でランニング用アプリケーションが利用されている場合はランニング中であると認識される等、ユーザ端末２００で利用中のアプリケーションに基づいて認識され得る。また、ユーザの行動を示す情報は、例えばユーザ端末２００で利用中のメッセージングアプリケーションにおいて行われた仕事中／退席中等の状態設定に基づいて認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（２）ユーザの位置を示す情報
　例えば、コンテキスト情報は、ユーザの位置を示す情報を含んでいてもよい。
　位置を示す情報は、地理的な絶対座標の他、ある物体からの相対座標、屋内であるか屋外であるか、高さ等を示す情報を含み得る。具体的には、位置を示す情報は、緯度（Latitude）、経度（Longitude）、標高（Altitude）、住所、ＧＥＯタグ、建物名、店舗名等を示す情報を含み得る。
　例えば、位置を示す情報は、ＧＰＳを用いた測位技術、自律測位技術等により認識され得る。また、位置を示す情報は、ユーザ端末２００に含まれる加速度センサ、ジャイロセンサ、地磁気センサ等のセンサ情報から認識され得る。また、位置を示す情報は、環境設置型カメラの撮像画像に基づく人検出技術、顔認識技術等により認識され得る。また、位置を示す情報は、Ｂｌｕｅｔｏｏｔｈ、ビーコン等の、ユーザ端末２００との距離（即ち、近接関係）を推定可能な環境設置型の通信装置に関する通信結果等により認識され得る。また、位置を示す情報は、ユーザ端末２００による位置情報を用いたサービスの利用結果等により認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（３）視線を示す情報
　例えば、コンテキスト情報は、ユーザの視線を示す情報を含んでいてもよい。
　視線を示す情報は、ユーザが注目した物体、ユーザが注目した他のユーザの特徴、注目した他のユーザのコンテキスト情報、及び注目した時点でのユーザ自身のコンテキスト情報等を含み得る。例えば、視線を示す情報は、ユーザ自身がどんな行動を行っているときに、どんな行動を行っている他のユーザを注目したか、を示す情報であってもよい。
　例えば、視線を示す情報は、例えばＨＭＤにユーザの眼球を撮像範囲として設けられるステレオカメラによる撮像画像及び深度情報に基づく視線の向きの認識結果により認識され得る。また、視線を示す情報は、ＳｆＭ（Structure　from　Motion）法又はＳＬＡＭ（Simultaneous　Localization　And　Mapping）法などの公知の画像認識技術によって認識される、実空間におけるユーザ端末２００の位置及び姿勢を示す情報に基づき認識され得る。また、視線を示す情報は、眼球周辺の筋電に基づいて認識され得る。また、視線を示す情報は、環境設置型カメラの撮像画像に基づく顔認識技術、視線検出技術等により認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（４）ユーザが出力した情報
　例えば、コンテキスト情報は、ユーザが出力した情報を含んでいてもよい。
　ユーザが出力した情報は、ユーザが発話した内容、書き込んだテキスト等を示す情報を含み得る。
　例えば、ユーザが出力した情報は、ユーザ端末２００のマイクにより取得された音声を対象とした音声認識により認識され得る。また、ユーザが出力した情報は、環境設置型のマイク、レーザードップラーセンサ等により取得された音声を対象とした音声認識により認識され得る。また、ユーザが出力した情報は、環境設置型のカメラにより撮像された口元の撮像画像を対象とした画像認識により認識され得る。また、ユーザが出力した情報は、ユーザにより送信されたメールの内容、メッセージの内容、ＳＮＳへの投稿、検索キーワード等によっても認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（５）ユーザの状態を示す情報
　例えば、コンテキスト情報は、ユーザの状態を示す情報を含んでいてもよい。
　ユーザの状態を示す情報は、ユーザの感情、健康状態、睡眠中であるか否か等を示す情報を含み得る。
　例えば、ユーザの状態を示す情報は、生体情報を用いて認識され得る。また、ユーザの状態を示す情報は、環境設置されたカメラにより撮像されたユーザの顔の表情に基づいて認識され得る。また、ユーザの状態を示す情報は、ユーザが発話した内容、書き込んだテキストに基づいて認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（６）ユーザの属性情報
　例えば、コンテキスト情報は、ユーザの属性情報を含んでいてもよい。
　属性情報は、性別、誕生日（年齢）、職業、経歴、住所（自宅、学校、職場等）、趣味、好きな食べ物、好きなコンテンツ（音楽、映画、本等）、ライフログ（よく行く場所、旅行歴等）、病気、病歴等を示す情報を含み得る。
　例えば、属性情報は、ユーザによるアプリケーションへの入力、ＳＮＳへの投稿等に基づいて認識され得る。また、属性情報は、ショッピングサービス、コンテンツ配信サービスへのユーザフィードバック（例えば、商品、コンテンツの購入、再生履歴、評価情報）等に基づいて認識され得る。また、属性情報は、ユーザ端末２００の使用履歴、操作履歴に基づいて認識され得る。また、属性情報は、環境設置型のカメラで撮像された撮像画像を対象とした画像認識により認識され得る。より具体的には、例えば顔部分の画像から年齢及び性別が認識され得、服装部分の画像から職業が認識され得る。また、属性情報は、位置情報の時系列変化により認識され得る。より具体的には、例えば夜に長時間滞在する場所は自宅であると認識され得、昼に長時間滞在する場所は職場又は学校であると認識され得る。なお、これらの認識手法は組み合わされてもよいし、他の任意の認識手法が用いられてもよい。
　　（７）ユーザの人間関係を示す情報
　例えば、コンテキスト情報は、ユーザの人間関係を示す情報を含んでいてもよい。
　人間関係を示す情報は、誰と一緒にいるか、家族関係、友人関係、親密度合等を示す情報を含み得る。
　例えば、人間関係を示す情報は、ユーザによるアプリケーションへの入力、ＳＮＳへの投稿等に基づいて認識され得る。また、人間関係を示す情報は、一緒にいる時間の長さ、一緒にいるときの表情等に基づいて認識され得る。また、人間関係を示す情報は、自宅が同じか否か、職場又は学校が同じか否か等に基づいて認識され得る。
　以上、コンテキスト情報の一例を説明した。コンテキスト情報は、上記説明した情報の少なくともいずれかを含んでいればよい。
　コンテキスト情報の認識処理は、ユーザ端末２００及び認識装置３００により行われてもよいし、サーバ１００により行われてもよい。サーバ１００側で行う場合、ユーザ端末２００及び認識装置３００とサーバ１００との間で生のセンサ情報が送受信されることとなるので、通信量の観点からはユーザ端末２００及び認識装置３００側で認識処理が行われることが望ましい。
　また、認識されるコンテキスト情報は、コンテキスト情報の予測に役立つものであれば、直接予測されないものであってもよい。例えば、発話の予測が行われない場合であっても、発話の内容から次の行動が予測される場合、発話の内容が認識されてもよい。
　このように、コンテキスト情報は、ユーザによる能動的な入力を経ずに認識可能である。これにより、ユーザの負担が軽減される。なお、スケジュール入力及びカーナビゲーションシステムへの目的地の入力等、ユーザにより能動的に入力される情報も、コンテキスト情報の認識に用いられてもよい。
　　＜３．２．学習及び予測＞
　サーバ１００（例えば、学習部１４２）は、予測器の学習を行う。そして、サーバ１００（例えば、生成部１４３）は、予測器を用いてコンテキスト情報の予測を行う。
　予測器の学習は、状態遷移モデル、ニューラルネットワーク、Ｄｅｅｐ　Ｌｅａｒｎｉｎｇ、ＨＭＭ（Hidden　Markov　Model）、ｋ近傍法（k-nearest　neighbor　algorithm）、カーネル法、ＳＶＭ（support　vector　machine）等の技術を用いて行われ得る。例えば、行動に関する技術としては、対象者の行動習慣性を抽出することで未来の行動を予測する技術、及び対象者の移動パターンを抽出することで未来の移動を予測する技術等が挙げられる。
　予測器は、ユーザごとに学習されてもよいし、複数のユーザ同士で又は全ユーザで共通して学習されてもよい。例えば、家族単位で、職場単位で、友人単位で共通する予測器が学習され得る。また、予測器の学習は、認識部２２０ごと、即ちユーザ端末２００又は認識装置３００ごとに行われてもよい。
　予測器は、コンテキスト情報の履歴に基づいて生成される、複数のコンテキスト情報の依存関係（例えば、時系列変化）を表現するモデルと捉えられてもよい。予測処理の際には、リアルタイムに取得されたコンテキスト情報が予測器に入力されることで、依存関係のある（例えば、時系列で次の時刻に取得されることが予測される）コンテキスト情報が出力される。例えば、現時刻のユーザの行動、ユーザの位置、ユーザが出力した内容、ユーザの視線、ユーザの状態、ユーザの属性情報、ユーザの人間関係が予測器に入力されることで、未来のユーザの行動、ユーザの位置、ユーザが出力する内容、ユーザの視線、ユーザの状態、ユーザの属性情報、ユーザの人間関係の予測結果が出力される。生成部１４３は、このようにして予測器から出力された予測結果を示す予測情報を生成する。
　　＜３．３．第２のユーザの選択＞
　サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、第１のユーザのコンテキスト情報に関連する予測情報を第１のユーザへ表示させる。そのために、サーバ１００は、どのユーザの予測情報を第１のユーザへ表示させるべきかを選択する、即ちどのユーザを第２のユーザとするかを選択する。
　例えば、サーバ１００は、第１のユーザのコンテキスト情報に基づいて複数の他のユーザの中から選択された第２のユーザの予測情報を表示させる。これにより、第１のユーザは、自身の置かれた状況（即ち、コンテキスト情報）に対応するユーザの予測情報を知ることができる。よって、過剰な数の予測情報が表示されて、実空間画像が煩雑になることが防止される。
　具体的には、サーバ１００は、第１のユーザとコンテキスト情報が関連すると判定された第２のユーザの予測情報を表示させてもよい。図１に示した例では、第１のユーザ（実空間画像１０を見ているユーザ）が、食堂にいてこれから昼食を食べるというコンテキスト情報と関連する、食堂で食事中の他のユーザが、第２のユーザとして選択されている。このように、第１のユーザは、自身の置かれた状況に関連する、又はこれから置かれる状況に関連するユーザの予測情報を知ることができる。
　また、サーバ１００は、第１のユーザが注目していると判定された第２のユーザの予測情報を表示させてもよい。図１に示した例では、第１のユーザが注目していると判定された、第１のユーザが着席を希望する席に座っている他のユーザが、第２のユーザとして選択されている。このように、第１のユーザは、自身が知りたいと考えているユーザの予測情報を知ることができる。
　また、サーバ１００は、第１のユーザが過去に注目した第３のユーザとコンテキスト情報が類似すると判定された第２のユーザの予測情報を表示させてもよい。図１に示した例では、第１のユーザが過去に注目していた、第１のユーザが着席を希望する席に座っていた他のユーザと類似する、同一の席に現在座っている他のユーザが、第２のユーザとして選択されている。このように、第１のユーザは、自身が過去に予測情報を知りたいと考えていたユーザと同様のユーザの予測情報を知ることができる。
　　＜３．４．予測情報の生成＞
　サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、第１のユーザのコンテキスト情報に関連する予測情報を第１のユーザへ表示させる。その際、サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、第２のユーザのコンテキスト情報に基づいて生成された予測情報を表示させる。つまり、サーバ１００は、第１のユーザ及び第２のユーザのコンテキスト情報に基づいて、表示させる予測情報の内容を制御する。これにより、第１のユーザは、自身の置かれた状況に対応する内容の予測情報を知ることができる。
　具体的には、サーバ１００は、第２のユーザが移動中であるか否かに応じて異なる予測情報を表示させてもよい。例えば、サーバ１００は、第２のユーザが移動中であると判定された場合、第２のユーザの移動軌跡の予測結果を示す予測情報を表示させる。これにより、第１のユーザは、自身と第２のユーザとで移動軌跡が交錯するか否かを事前に知ることができる。一方で、サーバ１００は、第２のユーザが移動中でないと判定された場合、第２のユーザが移動を開始すると予測される時間を示す予測情報を表示させる。これにより、第１のユーザは、例えば第２のユーザが移動を開始するまでの残り時間を把握しながら、移動等を行うことができる。具体的な表示例については、後に詳しく説明する。
　なお、予測情報における残り時間は、任意の行動が開始される又は終了されるまでの残り時間としても捉えることが可能である。例えば、移動を開始するまでの残り時間は、静止行動が終了するまでの残り時間である。他にも、移動が開始されてから移動が停止されるまでの残り時間等が、予測情報として表示され得る。
　また、サーバ１００は、第１のユーザと第２のユーザとの人間関係に対応する予測情報を表示させてもよい。例えば、サーバ１００は、第１のユーザとの親密度が高い第２のユーザに関しては詳細な予測情報を表示させ、第２のユーザとの親密度が低い第２のユーザに関しては簡略化された予測情報を表示させる又は隠蔽してもよい。これにより、第１のユーザにとっては不要な予測情報を見ずに済むし、第２のユーザにとってはプライバシーを守ることができる。
　また、サーバ１００は、第２のユーザのコンテキスト情報の履歴が無い又は十分でない場合、第２のユーザと属性情報が類似すると判定された第３のユーザのコンテキスト情報の履歴に基づいて生成された予測情報を表示させてもよい。例えば、サーバ１００は、カフェに初めて来た第２のユーザに関し、第２のユーザの年齢及び職業等の認識結果に基づいて、同様の年齢及び職業の第３のユーザの予測器を用いて滞在時間及び行動の予測等を行い、予測情報を表示させる。なお、コンテキスト情報の履歴が十分でない場合とは、例えば予測器の予測精度が閾値を下回る場合を指すものとする。これにより、第１のユーザは、第２のユーザに関する学習が十分でない場合であっても、適切な予測情報の提示を受けることができる。
　また、サーバ１００は、予測精度の高いコンテキスト情報の予測結果を示す予測情報を、優先的に表示させてもよい。これにより、第１のユーザが、誤った予測情報に惑わされることが防止される。
　また、サーバ１００は、実空間画像の代わりに、地図上に複数の第２のユーザの予測情報を表示させてもよい。これにより、第１のユーザは、複数の第２のユーザの予測情報を俯瞰的に視認することが可能となる。このような表示は、例えば遊園地の管理者にとって有益である。
　なお、サーバ１００は、一人の第２のユーザについて複数の予測情報を表示させてもよい。例えば、サーバ１００は、種別の異なる複数のコンテキスト情報の予測結果を示す予測情報を、それぞれ表示させてもよい。
　以下、図３～図１１を参照して、具体的な表示例について説明する。
　　（１）残り時間
　図３は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図３に示した実空間画像２０には、電車に乗っている第１のユーザから見た電車内の様子が表示されている。また、実空間画像２０では、座席に座っており移動中でないと判定された第２のユーザ２１に関し、座席を立つ（即ち、下車する）までの予測時間（即ち、移動を開始すると予測される時間）を示す予測情報２２が表示されている。予測情報２２によれば、第２のユーザ２１は２分後に下車することが予測されている。これにより、第１のユーザは、下車する第２のユーザのために道を空ける準備をしたり、第２のユーザが座っている座席に座るための準備をしたりすることが可能となる。第２のユーザにとっても、周囲のユーザが自身の下車のための準備を予め行うことが期待されるので、より快適に下車することができる。このように、第２のユーザの予測情報を第１のユーザに公開することは、第１のユーザにとっても第２のユーザにとっても有益になり得る。
　図４は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図４に示した実空間画像３０には、座席に座っており移動中でないと判定された第２のユーザ３１及び３２に関し、座席を立つまでの予測時間（即ち、移動を開始すると予測される時間）を示す予測情報３３及び３４が表示されている。予測情報３３及び３４によれば、第２のユーザ３１及び３２は、２５分後に席を立つことが予測されている。ここで、図４に示すように、予測情報３３及び３４では、座席に座っているという行動に関する、全体の時間における残り時間又は経過時間の割合がバー表示されている。バーを用いた表示は、図５に示すように多様な形態をとり得る。
　図５は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図５では、バー表示される予測情報の具体例を示している。予測情報３５では、現在の行動を開始してから、終了予測時間までの長さを１００％として（符号３６）、現在の行動を開始してから経過した時間がバーの長さ（符号３７）で表現されている。図４に示した例は、これに該当する。予測情報３８では、予測精度が低い場合に用いられ得る表示方法であり、予測に幅があり得ることが表現されている。予測時間は、直近に取得されたコンテキスト情報に応じて伸び縮みし得るが、このような割合が表示されることにより、第１のユーザは、大体の終了時刻の揺れを予想することができる。
　以上、移動中でない第２のユーザに関して、移動を開始するまでの残り時間を示す予測情報が表示される例を説明したが、本技術はかかる例に限定されない。例えば、第２のユーザが任意の行動を開始する（行う）又は終了するまでの残り時間を示す情報が表示されてもよい。例えば、図６を参照して説明するように、第２のユーザが特定の言葉を発話するまでの残り時間を示す情報が表示されてもよい。
　図６は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図６に示した実空間画像３０には、第１のユーザである親から見た、家族で散歩中の子供の様子が表示されている。実空間画像４０では、第２のユーザである子供４１が特定の行動を行うまでの残り時間を示す予測情報４２が表示されている。予測情報４２によれば、すでに「疲れて歩けなく」なったこと、１時間２０分後に「トイレに行きたい」と言うことが予測されること、３０分後に「おなかがすいた」と言うことが予測されることが示されている。このような表示により、親は、子供の要求を先回りして満たすよう行動することが可能となる。このように、行動を共にする複数人のユーザが互いの予測情報を知ることで、複数人行動におけるトラブルが未然に防止される。
　　（２）移動軌跡
　図７は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図７に示した実空間画像５０には、車５１を運転中である第１のユーザから見た、車５２及び５３（詳しくは、車５２を運転する第２のユーザ及び車５３を運転する第２のユーザ）の予測情報５４及び５５が表示されている。移動中でない（例えば、停車中である）と判定された車５２に関しては、移動を開始するまでの予測時間を示す予測情報５４が表示されている。残り時間が５分３秒と余裕があるので、第１のユーザは、安心して車５２を追い抜くことができる。また、移動中である（例えば、走行中である又は右折のための一時停止中である）と判定された車５３に関しては、移動軌跡の予測結果を示す予測情報５５が表示されている。第１のユーザは、移動軌跡が進行方向に交錯することを容易に知ることができるので、安全に停止することができる。このような予測情報が表示されることで、交通の安全性が向上する。
　図８は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図８に示した実空間画像６０には、車６１を運転中である第１のユーザから見た、バイク６２（詳しくは、バイク６２を運転する第２のユーザ）の移動軌跡の予測結果を示す予測情報６３が表示されている。予測情報６３によれば、バイク６２はそのまま直進するので、第１のユーザは、バイク６２の車線変更を気にせずに車６１を直進させることができる。このような予測情報が表示されることで、運転の快適性が向上する。
　図９は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図９に示した実空間画像７０には、道を歩行中の第１のユーザから見た、他の歩行中の第２のユーザ７１及び７２の移動軌跡の予測結果を示す予測情報７３及び７４が表示されている。これにより、第１のユーザは、第２のユーザ７１及び７２とぶつからないように、歩行を行うことができる。また、第１のユーザが第２のユーザ７１を注目した場合、より詳細な予測結果を示す予測情報７５が表示され得る。予測情報７５には、５分後にはＡＡ駅に着き、電車にのって移動して、１５分後にはＢＢ駅に着き、徒歩で移動して、２５分後にはＣＣ会社に着く、といった第２のユーザ７１の行動予定のリストが含まれている。
　　（３）注目度
　図１０は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図１０に示した実空間画像８０には、エレベータ内の様子が表示されている。また、実空間画像８０では、何人の第２のユーザが第１のユーザを注目するかの予測結果を示す予測情報８１が表示されている。より詳しくは、予測情報８１では、第１のユーザを注目すると予測される人数の時系列変化が表示されている。これにより、第１のユーザは、例えばドアが開いて自身に注目が集まる前に、身だしなみを整える等を行うことができる。
　　（４）リアルタイムなコンテキスト情報
　図１１は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図１１に示した実空間画像３０には、図４に示した実空間画像３０に加えて、第２のユーザ３１の現在の感情を示す情報３９が表示されている。感情を示す情報３９では、第２のユーザ３１が現在喜んでいることが示されている。このように、サーバ１００は、予測情報３３に加えて第２のユーザ３１のコンテキスト情報を表示させてもよい。これにより、第１のユーザは、例えば第２のユーザが困っている場合に手助けする等、第２のユーザが現在置かれている状況に応じた行動を行うことが可能となる。
　　（５）その他
　他にも、サーバ１００は、多様な予測情報を表示させ得る。例えば、サーバ１００は、第２のユーザが話すと予測されるキーワードを表示させてもよい。その場合、第１のユーザは、当該キーワードを使って話を盛り上げることができる。
　　＜３．５．出力可否の設定＞
　サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、ユーザの予測情報の他のユーザへの出力可否を設定することができる。第１のユーザへの予測情報の表示という観点から言うと、サーバ１００は、第２のユーザの予測情報の、第１のユーザへの出力可否を設定することができる。
　例えば、サーバ１００は、第２のユーザにより表示することを許可された予測情報を表示させる。これにより、第２のユーザは、プライバシーを守ることができる。
　許可は、第２のユーザによる指示に基づいて行われ得る。その場合、第２のユーザは、直接的に予測情報の公開可否を設定する。他にも、許可は、第２のユーザの位置に関連する設定に基づいて行われ得る。例えば、第２のユーザが自宅から近い場所にいるほど詳細な予測情報の公開を許可しない、等の設定が可能である。他にも、許可は、第１のユーザと第２のユーザとの人間関係に関連する設定に基づいて行われ得る。例えば、１０分後以内の予測は全員に公開を許可し、１時間後以内の予測は友人に公開を許可し、それ以上後の予測は誰にも公開を許可しない、等の設定が可能である。
　　＜３．６．生成された予測情報のフィルタリング＞
　サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、生成された予測情報をフィルタリングしてもよい。例えば、サーバ１００は、生成された予測情報のうち一部を表示させて、他の一部を表示させない。
　例えば、サーバ１００は、表示させた予測情報と第１のユーザとのインタラクション機能を提供する。そして、サーバ１００は、第１のユーザを対象として表示させた予測情報が第１のユーザにより削除された（表示を消された）場合、削除された予測情報を記憶しておき、以降は同種の予測情報を表示させない。これにより、適切な予測情報のみが提示されることとなる。
　　＜３．７．ユーザ自身の予測情報の出力＞
　サーバ１００（例えば、生成部１４３及び出力制御部１４４）は、第１のユーザのコンテキスト情報の予測結果を示す予測情報を、第１のユーザ自身を対象として表示させてもよい。つまり、サーバ１００は、他のユーザを対象として表示されている第１のユーザの予測情報を、第１のユーザ自身にも視認可能に表示させてもよい。これにより、第１のユーザは、自身のどのような予測情報が他のユーザに公開されているかを知ることができる。
　図１を参照して上記説明したように、一般的には、自分自身の予測結果が自身に提示されたとしても、あまり有益とは言えない。しかし、自分自身の予測結果が他者にどのように公開されているか、という観点からは、自分自身の予測結果が自身に提示されることも有益となり得る。
　以下、図１２を参照して、ユーザ自身の予測情報に関する表示例を説明する。
　図１２は、本実施形態に係る情報処理システム１による表示例を説明するための図である。図１２に示した実空間画像９０には、電車の座席に座っている第１のユーザから見た電車内の様子が表示されている。図１２に示した実空間画像９０には、第２のユーザ９１の予測情報９２に加えて、第１のユーザの予測情報９３及び９４が表示されている。予測情報９２では、第２のユーザ９１が３０分後に下車すると予測されることが示されている。予測情報９３では、第１のユーザが１時間後に昼食をとると予測されることが示されている。予測情報９４では、第１のユーザが２分後に下車すると予測されることが示されている。ここで、予測情報９４は、他のユーザに注目されている（例えば、多くの他のユーザに表示されている）場合、図１２に示すように強調されていてもよい。これにより、第１のユーザは、第１のユーザのどのような予測情報に基づいて第２のユーザがこれから行動するかを知ることができる。
　ここで、予測情報は、ユーザにより修正されてもよい。第１のユーザへの予測情報の表示という観点から言うと、サーバ１００は、第２のユーザによる指示に基づいて修正された予測情報を表示させてもよい。例えば、図１２に示した例では、予測情報９３又は９４に誤りがある場合に、第１のユーザは、これらの予測情報を修正する。これにより、他のユーザが、誤った予測情報に惑わされることが防止される。また、予測情報に誤りがある場合には、図１２に示した例のように他のユーザに注目されている予測情報を強調することは、第１のユーザに対し修正を促すことに繋がり得る。これにより、例えば第１のユーザが実際には３０分後に下車する場合には、第１のユーザは、予測情報９４を２分後から３０分後に修正することで、周囲の他のユーザが第１のユーザの下車のために準備してしまうことを防止することができる。このように、注目度が高い予測情報に関しては、より正確な情報が提示されることが期待される。
　以上、本実施形態に係る情報処理システム１の技術的特徴について説明した。続いて、図１３～１６を参照して、本実施形態に係る情報処理システム１の動作処理例について説明する。
　＜＜４．動作処理例＞＞
　　（１）学習処理
　図１３は、本実施形態に係るサーバ１００において実行される予測器の学習処理の流れの一例を示すフローチャートである。
　図１３に示すように、まず、取得部１４１は、通信部１１０を経由してユーザ端末２００及び認識装置３００からコンテキスト情報を取得して（ステップＳ１０２）、コンテキスト情報ＤＢ１２０に記憶する（ステップＳ１０４）。そして、学習部１４２は、コンテキスト情報ＤＢ１２０に蓄積されたコンテキスト情報の履歴に基づいて、予測器を学習する（ステップＳ１０６）。
　　（２）表示処理
　図１４は、本実施形態に係るサーバ１００において実行される予測情報の表示処理の流れの一例を示すフローチャートである。
　図１４に示すように、まず、生成部１４３は、第２のユーザを選択する（ステップＳ２０２）。ここでの処理は、後に図１５を参照して詳細に説明する。次いで、生成部１４３は、第２のユーザの予測情報を生成する（ステップＳ２０４）。ここでの処理は、後に図１６を参照して詳細に説明する。そして、出力制御部１４４は、生成された予測情報をユーザ端末２００又は出力装置４００により表示させる（ステップＳ２０６）。
　なお、ステップＳ２０２及びＳ２０４は順番が逆であってもよい。逆の場合、生成部１４３は、第２のユーザになり得るユーザ（例えば、実空間画像に含まれる他のユーザ全員）の予測情報を生成しておき、その中から表示させる予測情報を選択することとなる。
　　（３）第２のユーザの選択処理
　図１５は、本実施形態に係るサーバ１００において実行される第２のユーザの選択処理の流れの一例を示すフローチャートである。本フローは、図１４におけるステップＳ２０２を詳細に表現したものである。
　図１５に示すように、まず、生成部１４３は、人間関係を示す情報に基づいて選択する（ステップＳ３０２）。例えば、生成部１４３は、第１のユーザと友人関係にある等の関連性がある他のユーザを、第２のユーザの候補として選択する。次いで、生成部１４３は、位置を示す情報に基づいて選択する（ステップＳ３０４）。例えば、生成部１４３は、第１のユーザが近い位置にいる他のユーザを、第２のユーザの候補として選択する。次に、生成部１４３は、行動を示す情報に基づいて選択する（ステップＳ３０６）。例えば、生成部１４３は、第１のユーザと行う行動が類似する又は関係する行動を行う他のユーザを、第２のユーザの候補として選択する。そして、生成部１４３は、視線を示す情報に基づいて選択する（ステップＳ３０８）。例えば、生成部１４３は、これまで第２のユーザの候補として選択したユーザを、第１のユーザが注目した度合に応じてソートし、注目した度合が高いユーザから順に所定数を第２のユーザとして選択する。
　　（４）予測情報の生成処理
　図１６は、本実施形態に係るサーバ１００において実行される予測情報の生成処理の流れの一例を示すフローチャートである。本フローは、図１４におけるステップＳ２０４を詳細に表現したものである。
　図１６に示すように、まず、生成部１４３は、第２のユーザは移動中であるか否かを判定する（ステップＳ４０２）。移動中であると判定された場合（ステップＳ４０２／ＹＥＳ）、生成部１４３は、第２のユーザの移動軌跡の予測結果を示す予測情報を生成する（ステップＳ４０４）。一方で、移動中でないと判定された場合（ステップＳ４０２／ＮＯ）、生成部１４３は、移動開始までの残り時間を示す予測情報を生成する（ステップＳ４０６）。
　次いで、生成部１４３は、公開可否の設定に基づいて、予測情報の内容を調節する（ステップＳ４０８）。例えば、生成部１４３は、第１のユーザと第２のユーザとの人間関係に応じて、予測情報の内容を簡略化したり隠蔽したりする。次に、生成部１４３は、注目度に基づいて予測情報の内容を調節する（ステップＳ４１０）。例えば、生成部１４３は、第１のユーザの注目度が高い第２のユーザについては、予測情報の内容を詳細にする。
　以上、本実施形態に係る情報処理システム１の動作処理例について説明した。
　＜＜５．ハードウェア構成例＞＞
　最後に、図１７を参照して、本実施形態に係る情報処理装置のハードウェア構成について説明する。図１７は、本実施形態に係る情報処理装置のハードウェア構成の一例を示すブロック図である。なお、図１７に示す情報処理装置９００は、例えば、図２に示したサーバ１００、ユーザ端末２００、認識装置３００、出力装置４００又は外部機器５００を実現し得る。本実施形態に係るサーバ１００、ユーザ端末２００、認識装置３００、出力装置４００又は外部機器５００による情報処理は、ソフトウェアと、以下に説明するハードウェアとの協働により実現される。
　図１７に示すように、情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）９０１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）９０２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）９０３及びホストバス９０４ａを備える。また、情報処理装置９００は、ブリッジ９０４、外部バス９０４ｂ、インタフェース９０５、入力装置９０６、出力装置９０７、ストレージ装置９０８、ドライブ９０９、接続ポート９１１及び通信装置９１３を備える。情報処理装置９００は、ＣＰＵ９０１に代えて、又はこれとともに、ＤＳＰ若しくはＡＳＩＣ等の処理回路を有してもよい。
　ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。ＣＰＵ９０１は、例えば、図２に示す処理部１４０を形成し得る。
　ＣＰＵ９０１、ＲＯＭ９０２及びＲＡＭ９０３は、ＣＰＵバスなどを含むホストバス９０４ａにより相互に接続されている。ホストバス９０４ａは、ブリッジ９０４を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ　Ｃｏｍｐｏｎｅｎｔ　Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バスなどの外部バス９０４ｂに接続されている。なお、必ずしもホストバス９０４ａ、ブリッジ９０４および外部バス９０４ｂを分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。
　入力装置９０６は、例えば、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチ及びレバー等、ユーザによって情報が入力される装置によって実現される。また、入力装置９０６は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話やＰＤＡ等の外部接続機器であってもよい。さらに、入力装置９０６は、例えば、上記の入力手段を用いてユーザにより入力された情報に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路などを含んでいてもよい。情報処理装置９００のユーザは、この入力装置９０６を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。
　他にも、入力装置９０６は、ユーザに関する情報をセンシングするセンサにより形成され得る。例えば、入力装置９０６は、画像センサ（例えば、カメラ）、深度センサ（例えば、ステレオカメラ）、加速度センサ、ジャイロセンサ、地磁気センサ、光センサ、音センサ、測距センサ、力センサ等の各種のセンサを含み得る。また、入力装置９０６は、情報処理装置９００の姿勢、移動速度等、情報処理装置９００自身の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音等、情報処理装置９００の周辺環境に関する情報を取得してもよい。また、入力装置９０６は、ＧＰＳ信号を受信して装置の緯度、経度及び高度を測定するＧＰＳセンサを含んでもよい。
　入力装置９０６は、例えば、図２に示す認識部２２０及び認識部３２０を形成し得る。
　出力装置９０７は、取得した情報をユーザに対して視覚的又は聴覚的に通知することが可能な装置で形成される。このような装置として、ＣＲＴディスプレイ装置、液晶ディスプレイ装置、プラズマディスプレイ装置、ＥＬディスプレイ装置、レーザープロジェクタ、ＬＥＤプロジェクタ及びランプ等の表示装置や、スピーカ及びヘッドホン等の音声出力装置や、プリンタ装置等がある。出力装置９０７は、例えば、情報処理装置９００が行った各種処理により得られた結果を出力する。具体的には、表示装置は、情報処理装置９００が行った各種処理により得られた結果を、テキスト、イメージ、表、グラフ等、様々な形式で視覚的に表示する。他方、音声出力装置は、再生された音声データや音響データ等からなるオーディオ信号をアナログ信号に変換して聴覚的に出力する。上記表示装置及び上記音声出力装置は、例えば、図２に示す出力部２３０及び出力部４２０を形成し得る。
　ストレージ装置９０８は、情報処理装置９００の記憶部の一例として形成されたデータ格納用の装置である。ストレージ装置９０８は、例えば、ＨＤＤ等の磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス又は光磁気記憶デバイス等により実現される。ストレージ装置９０８は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置などを含んでもよい。このストレージ装置９０８は、ＣＰＵ９０１が実行するプログラムや各種データ及び外部から取得した各種のデータ等を格納する。ストレージ装置９０８は、例えば、図２に示すコンテキスト情報ＤＢ１２０及び予測器ＤＢ１３０を形成し得る。
　ドライブ９０９は、記憶媒体用リーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９０９は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記憶媒体に記録されている情報を読み出して、ＲＡＭ９０３に出力する。また、ドライブ９０９は、リムーバブル記憶媒体に情報を書き込むこともできる。
　接続ポート９１１は、外部機器と接続されるインタフェースであって、例えばＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）などによりデータ伝送可能な外部機器との接続口である。
　通信装置９１３は、例えば、ネットワーク９２０に接続するための通信デバイス等で形成された通信インタフェースである。通信装置９１３は、例えば、有線若しくは無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）、Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＷＵＳＢ（Ｗｉｒｅｌｅｓｓ　ＵＳＢ）用の通信カード等である。また、通信装置９１３は、光通信用のルータ、ＡＤＳＬ（Ａｓｙｍｍｅｔｒｉｃ　Ｄｉｇｉｔａｌ　Ｓｕｂｓｃｒｉｂｅｒ　Ｌｉｎｅ）用のルータ又は各種通信用のモデム等であってもよい。この通信装置９１３は、例えば、インターネットや他の通信機器との間で、例えばＴＣＰ／ＩＰ等の所定のプロトコルに則して信号等を送受信することができる。通信装置９１３は、例えば、図２に示す通信部１１０、通信部２１０、通信部３１０及び通信部４１０を形成し得る。
　なお、ネットワーク９２０は、ネットワーク９２０に接続されている装置から送信される情報の有線、または無線の伝送路である。例えば、ネットワーク９２０は、インターネット、電話回線網、衛星通信網などの公衆回線網や、Ｅｔｈｅｒｎｅｔ（登録商標）を含む各種のＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）などを含んでもよい。また、ネットワーク９２０は、ＩＰ－ＶＰＮ（Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ－Ｖｉｒｔｕａｌ　Ｐｒｉｖａｔｅ　Ｎｅｔｗｏｒｋ）などの専用回線網を含んでもよい。
　以上、本実施形態に係る情報処理装置９００の機能を実現可能なハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて実現されていてもよいし、各構成要素の機能に特化したハードウェアにより実現されていてもよい。従って、本実施形態を実施する時々の技術レベルに応じて、適宜、利用するハードウェア構成を変更することが可能である。
　なお、上述のような本実施形態に係る情報処理装置９００の各機能を実現するためのコンピュータプログラムを作製し、ＰＣ等に実装することが可能である。また、このようなコンピュータプログラムが格納された、コンピュータで読み取り可能な記録媒体も提供することができる。記録媒体は、例えば、磁気ディスク、光ディスク、光磁気ディスク、フラッシュメモリ等である。また、上記のコンピュータプログラムは、記録媒体を用いずに、例えばネットワークを介して配信されてもよい。
　＜＜６．まとめ＞＞
　以上、図１～図１７を参照して、本開示の一実施形態に係る情報処理システム１について詳細に説明した。上記説明したように、本実施形態に係る情報処理システム１は、第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザのコンテキスト情報に関連する、第２のユーザの予測情報を、第１のユーザを対象として表示することが可能である。これにより、第２のユーザの予測情報が、第１のユーザにとって有益な情報として提示される。第１のユーザにとっては、例えば第２のユーザの未来の行動を視認できるので、スムーズなコミュニケーションが可能になると共に、自身の行動計画も容易に立てることが可能となる。
　また、情報処理システム１は、第１のユーザのコンテキスト情報に関連する予測情報として、第２のユーザのコンテキスト情報に基づいて生成された予測情報を表示する。これにより、第１のユーザは、自身の置かれた状況に対応する内容の予測情報を知ることができる。例えば、第１のユーザが車を運転している場合には他の車の進路が可視化されスムーズな交通が実現される。また、第１のユーザが会話を行おうとする場合には、相手に声をかけていいか否かを知ることができる。また、第１のユーザが電車に乗っている場合には、混んでいる車内で席の空きを事前に知ることができる。また、第１のユーザが初めて行く場所に向かう場合には、自分と同じ目的地に向かっている第２のユーザの後ろに付いていくことで、目的地に容易にたどり着くことができる。
　また、情報処理システム１は、第１のユーザのコンテキスト情報に基づいて複数の他のユーザの中から選択された第２のユーザの予測情報を表示させる。これにより、過剰な数の予測情報が表示されて、実空間画像が煩雑になることが防止される。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　例えば、上記実施形態では、ユーザ端末２００が透過型のＨＭＤとして実現される例を説明したが、本技術はかかる例に限定されない。例えば、ユーザ端末２００は、実空間の撮像画像を表示しつつ、当該実空間の撮像画像にＡＲの仮想オブジェクトを重畳表示する、没入型（ビデオスルー型）のＨＭＤとして実現されてもよい。さらに、没入型のＨＭＤに関して、実空間の撮像画像の代わりに仮想空間の撮像画像が用いられてもよい。また、ユーザ端末２００は、ユーザの網膜に直接的に画像を投影するＬＥＤ光源等が設けられる、プロジェクション型のＨＭＤとして実現されてもよい。
　また、上記実施形態では、サーバ１００が単一の装置として形成される例を説明したが、本技術はかかる例に限定されない。例えば、サーバ１００の一部又は全部が、それぞれ異なる装置に含まれていてもよい。例えば、コンテキスト情報ＤＢ１２０及び予測器ＤＢ１３０が、サーバ１００と異なる装置として実現されてもよい。
　また、上記実施形態では、ユーザ端末２００とサーバ１００とが分離して形成される例を説明したが、本技術はかかる例に限定されない。例えば、サーバ１００の一部又は全部がユーザ端末２００に含まれていてもよい。その場合、ユーザ端末２００において、コンテキスト情報の蓄積及び／又は予測器の学習が行われ得る。認識装置３００及び出力装置４００に関しても同様である。
　また、本明細書においてフローチャート及びシーケンス図を用いて説明した処理は、必ずしも図示された順序で実行されなくてもよい。いくつかの処理ステップは、並列的に実行されてもよい。また、追加的な処理ステップが採用されてもよく、一部の処理ステップが省略されてもよい。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）
　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、
を備える情報処理装置。
（２）
　前記出力制御部は、前記第１のユーザの前記コンテキスト情報に基づいて複数の他のユーザの中から選択された前記第２のユーザの前記予測情報を表示させる、前記（１）に記載の情報処理装置。
（３）
　前記出力制御部は、前記第１のユーザと前記コンテキスト情報が関連すると判定された前記第２のユーザの前記予測情報を表示させる、前記（２）に記載の情報処理装置。
（４）
　前記コンテキスト情報は、ユーザの視線を示す情報を含み、
　前記出力制御部は、前記第１のユーザが注目していると判定された前記第２のユーザの前記予測情報を表示させる、前記（２）又は（３）に記載の情報処理装置。
（５）
　前記コンテキスト情報は、ユーザの視線を示す情報を含み、
　前記出力制御部は、前記第１のユーザが過去に注目した第３のユーザと前記コンテキスト情報が類似すると判定された前記第２のユーザの前記予測情報を表示させる、前記（２）～（４）のいずれか一項に記載の情報処理装置。
（６）
　前記出力制御部は、前記第２のユーザの前記コンテキスト情報に基づいて生成された前記予測情報を表示させる、前記（１）～（５）のいずれか一項に記載の情報処理装置。
（７）
　前記コンテキスト情報は、ユーザの行動を示す情報を含み、
　前記出力制御部は、前記第２のユーザが移動中であるか否かに応じて異なる前記予測情報を表示させる、前記（６）に記載の情報処理装置。
（８）
　前記出力制御部は、前記第２のユーザが移動中であると判定された場合、前記第２のユーザの移動軌跡の予測結果を示す前記予測情報を表示させる、前記（７）に記載の情報処理装置。
（９）
　前記出力制御部は、前記第２のユーザが移動中でないと判定された場合、前記第２のユーザが移動を開始すると予測される時間を示す前記予測情報を表示させる、前記（７）又は（８）に記載の情報処理装置。
（１０）
　前記コンテキスト情報は、ユーザの人間関係を示す情報を含み、
　前記出力制御部は、前記第１のユーザと前記第２のユーザとの人間関係に対応する前記予測情報を表示させる、前記（６）～（９）のいずれか一項に記載の情報処理装置。
（１１）
　前記コンテキスト情報は、ユーザの属性情報を含み、
　前記出力制御部は、前記第２のユーザの前記コンテキスト情報の履歴が無い又は十分でない場合、前記第２のユーザと属性情報が類似すると判定された第３のユーザの前記コンテキスト情報の履歴に基づいて生成された前記予測情報を表示させる、前記（６）～（１０）のいずれか一項に記載の情報処理装置。
（１２）
　前記出力制御部は、前記第２のユーザにより表示することを許可された前記予測情報を表示させる、前記（１）～（１１）のいずれか一項に記載の情報処理装置。
（１３）
　前記許可は、前記第２のユーザによる指示、又は前記第２のユーザの位置若しくは前記第１のユーザと前記第２のユーザとの人間関係の少なくともいずれかに関する設定に基づいて行われる、前記（１２）に記載の情報処理装置。
（１４）
　前記出力制御部は、前記第２のユーザによる指示に基づいて修正された前記予測情報を表示させる、前記（１）～（１３）のいずれか一項に記載の情報処理装置。
（１５）
　前記出力制御部は、前記第１のユーザの前記コンテキスト情報の予測結果を示す前記予測情報を表示させる、前記（１）～（１４）のいずれか一項に記載の情報処理装置。
（１６）
　前記出力制御部は、前記予測情報に加えて前記第２のユーザの前記コンテキスト情報を表示させる、前記（１）～（１５）のいずれか一項に記載の情報処理装置。
（１７）
　前記コンテキスト情報は、ユーザの行動を示す情報、ユーザの位置を示す情報、ユーザの視線を示す情報、ユーザが出力した情報、ユーザの状態を示す情報、ユーザの属性情報又はユーザの人間関係を示す情報の少なくともいずれかを含む、前記（１）～（１６）のいずれか一項に記載の情報処理装置。
（１８）
　前記出力制御部は、前記第１のユーザの端末装置又は前記第１のユーザの周辺に設けられた出力装置により前記予測情報を表示させる、前記（１）～（１７）のいずれか一項に記載の情報処理装置。
（１９）
　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象としてプロセッサにより出力させること、
を含む情報処理方法。
（２０）
　コンピュータを、
　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、
として機能させるためのプログラム。
　１　　情報処理システム
　１００　　サーバ
　１１０　　通信部
　１２０　　コンテキスト情報ＤＢ
　１３０　　予測器ＤＢ
　１４０　　処理部
　１４１　　取得部
　１４２　　学習部
　１４３　　生成部
　１４４　　出力制御部
　２００　　ユーザ端末
　２１０　　通信部
　２２０　　認識部
　２３０　　出力部
　３００　　認識装置
　３１０　　通信部
　３２０　　認識部
　４００　　出力装置
　４１０　　通信部
　４２０　　出力部
　５００　　外部機器

Claims (20)

  1. 　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、
    を備える情報処理装置。
  2. 　前記出力制御部は、前記第１のユーザの前記コンテキスト情報に基づいて複数の他のユーザの中から選択された前記第２のユーザの前記予測情報を表示させる、請求項１に記載の情報処理装置。
  3. 　前記出力制御部は、前記第１のユーザと前記コンテキスト情報が関連すると判定された前記第２のユーザの前記予測情報を表示させる、請求項２に記載の情報処理装置。
  4. 　前記コンテキスト情報は、ユーザの視線を示す情報を含み、
    　前記出力制御部は、前記第１のユーザが注目していると判定された前記第２のユーザの前記予測情報を表示させる、請求項２に記載の情報処理装置。
  5. 　前記コンテキスト情報は、ユーザの視線を示す情報を含み、
    　前記出力制御部は、前記第１のユーザが過去に注目した第３のユーザと前記コンテキスト情報が類似すると判定された前記第２のユーザの前記予測情報を表示させる、請求項２に記載の情報処理装置。
  6. 　前記出力制御部は、前記第２のユーザの前記コンテキスト情報に基づいて生成された前記予測情報を表示させる、請求項１に記載の情報処理装置。
  7. 　前記コンテキスト情報は、ユーザの行動を示す情報を含み、
    　前記出力制御部は、前記第２のユーザが移動中であるか否かに応じて異なる前記予測情報を表示させる、請求項６に記載の情報処理装置。
  8. 　前記出力制御部は、前記第２のユーザが移動中であると判定された場合、前記第２のユーザの移動軌跡の予測結果を示す前記予測情報を表示させる、請求項７に記載の情報処理装置。
  9. 　前記出力制御部は、前記第２のユーザが移動中でないと判定された場合、前記第２のユーザが移動を開始すると予測される時間を示す前記予測情報を表示させる、請求項７に記載の情報処理装置。
  10. 　前記コンテキスト情報は、ユーザの人間関係を示す情報を含み、
    　前記出力制御部は、前記第１のユーザと前記第２のユーザとの人間関係に対応する前記予測情報を表示させる、請求項６に記載の情報処理装置。
  11. 　前記コンテキスト情報は、ユーザの属性情報を含み、
    　前記出力制御部は、前記第２のユーザの前記コンテキスト情報の履歴が無い又は十分でない場合、前記第２のユーザと属性情報が類似すると判定された第３のユーザの前記コンテキスト情報の履歴に基づいて生成された前記予測情報を表示させる、請求項６に記載の情報処理装置。
  12. 　前記出力制御部は、前記第２のユーザにより表示することを許可された前記予測情報を表示させる、請求項１に記載の情報処理装置。
  13. 　前記許可は、前記第２のユーザによる指示、又は前記第２のユーザの位置若しくは前記第１のユーザと前記第２のユーザとの人間関係の少なくともいずれかに関する設定に基づいて行われる、請求項１２に記載の情報処理装置。
  14. 　前記出力制御部は、前記第２のユーザによる指示に基づいて修正された前記予測情報を表示させる、請求項１に記載の情報処理装置。
  15. 　前記出力制御部は、前記第１のユーザの前記コンテキスト情報の予測結果を示す前記予測情報を表示させる、請求項１に記載の情報処理装置。
  16. 　前記出力制御部は、前記予測情報に加えて前記第２のユーザの前記コンテキスト情報を表示させる、請求項１に記載の情報処理装置。
  17. 　前記コンテキスト情報は、ユーザの行動を示す情報、ユーザの位置を示す情報、ユーザの視線を示す情報、ユーザが出力した情報、ユーザの状態を示す情報、ユーザの属性情報又はユーザの人間関係を示す情報の少なくともいずれかを含む、請求項１に記載の情報処理装置。
  18. 　前記出力制御部は、前記第１のユーザの端末装置又は前記第１のユーザの周辺に設けられた出力装置により前記予測情報を表示させる、請求項１に記載の情報処理装置。
  19. 　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象としてプロセッサにより出力させること、
    を含む情報処理方法。
  20. 　コンピュータを、
    　第２のユーザのコンテキスト情報の履歴に基づいて生成された、第１のユーザの前記コンテキスト情報に関連する、前記第２のユーザの前記コンテキスト情報の予測結果を示す予測情報を、前記第１のユーザを対象として出力させる出力制御部、
    として機能させるためのプログラム。
PCT/JP2016/052491 2015-05-11 2016-01-28 情報処理装置、情報処理方法及びプログラム WO2016181670A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2017517618A JPWO2016181670A1 (ja) 2015-05-11 2016-01-28 情報処理装置、情報処理方法及びプログラム
EP16792396.0A EP3296944A4 (en) 2015-05-11 2016-01-28 Information processing device, information processing method, and program
US15/546,708 US20180025283A1 (en) 2015-05-11 2016-01-28 Information processing apparatus, information processing method, and program
CN201680026010.XA CN107533712A (zh) 2015-05-11 2016-01-28 信息处理装置、信息处理方法和程序

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015-096596 2015-05-11
JP2015096596 2015-05-11

Publications (1)

Publication Number Publication Date
WO2016181670A1 true WO2016181670A1 (ja) 2016-11-17

Family

ID=57247933

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/052491 WO2016181670A1 (ja) 2015-05-11 2016-01-28 情報処理装置、情報処理方法及びプログラム

Country Status (5)

Country Link
US (1) US20180025283A1 (ja)
EP (1) EP3296944A4 (ja)
JP (1) JPWO2016181670A1 (ja)
CN (1) CN107533712A (ja)
WO (1) WO2016181670A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190136337A (ko) * 2018-05-30 2019-12-10 가천대학교 산학협력단 소셜미디어 컨텐츠 기반 감정 분석 방법, 시스템 및 컴퓨터-판독가능 매체
JPWO2018168247A1 (ja) * 2017-03-15 2020-01-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
JP2020091836A (ja) * 2018-10-12 2020-06-11 アクセンチュア グローバル ソリューションズ リミテッド 拡大現実のためのリアルタイムモーションフィードバック
JP2021149697A (ja) * 2020-03-19 2021-09-27 ヤフー株式会社 出力装置、出力方法及び出力プログラム
WO2023135939A1 (ja) * 2022-01-17 2023-07-20 ソニーグループ株式会社 情報処理装置、および情報処理方法、並びにプログラム
WO2024075817A1 (ja) * 2022-10-07 2024-04-11 株式会社日立製作所 表示方法、表示システム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11669345B2 (en) * 2018-03-13 2023-06-06 Cloudblue Llc System and method for generating prediction based GUIs to improve GUI response times
US20190378334A1 (en) * 2018-06-08 2019-12-12 Vulcan Inc. Augmented reality portal-based applications
CN110334669B (zh) * 2019-07-10 2021-06-08 深圳市华腾物联科技有限公司 一种形态特征识别的方法和设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297832A (ja) * 2001-03-30 2002-10-11 Fujitsu Ltd 情報処理装置、料金提示用プログラムおよび料金提示方法
JP2006345269A (ja) * 2005-06-09 2006-12-21 Sony Corp 情報処理装置および方法、並びにプログラム
JP2012221234A (ja) * 2011-04-08 2012-11-12 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
JP2013171516A (ja) * 2012-02-22 2013-09-02 Nec Corp 予測情報提示システム、予測情報提示装置、予測情報提示方法および予測情報提示プログラム
JP2014123277A (ja) * 2012-12-21 2014-07-03 Sony Corp 表示制御システム及び記録媒体
JP2015056772A (ja) * 2013-09-12 2015-03-23 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030210228A1 (en) * 2000-02-25 2003-11-13 Ebersole John Franklin Augmented reality situational awareness system and method
US7233933B2 (en) * 2001-06-28 2007-06-19 Microsoft Corporation Methods and architecture for cross-device activity monitoring, reasoning, and visualization for providing status and forecasts of a users' presence and availability
JP5495014B2 (ja) * 2009-09-09 2014-05-21 ソニー株式会社 データ処理装置、データ処理方法、およびプログラム
US20110153343A1 (en) * 2009-12-22 2011-06-23 Carefusion 303, Inc. Adaptable medical workflow system
US9348141B2 (en) * 2010-10-27 2016-05-24 Microsoft Technology Licensing, Llc Low-latency fusing of virtual and real content
US9019174B2 (en) * 2012-10-31 2015-04-28 Microsoft Technology Licensing, Llc Wearable emotion detection and feedback system
US9959674B2 (en) * 2013-02-26 2018-05-01 Qualcomm Incorporated Directional and X-ray view techniques for navigation using a mobile device
US9500865B2 (en) * 2013-03-04 2016-11-22 Alex C. Chen Method and apparatus for recognizing behavior and providing information
US8738292B1 (en) * 2013-05-14 2014-05-27 Google Inc. Predictive transit calculations

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297832A (ja) * 2001-03-30 2002-10-11 Fujitsu Ltd 情報処理装置、料金提示用プログラムおよび料金提示方法
JP2006345269A (ja) * 2005-06-09 2006-12-21 Sony Corp 情報処理装置および方法、並びにプログラム
JP2012221234A (ja) * 2011-04-08 2012-11-12 Sony Computer Entertainment Inc 画像処理装置および画像処理方法
JP2013171516A (ja) * 2012-02-22 2013-09-02 Nec Corp 予測情報提示システム、予測情報提示装置、予測情報提示方法および予測情報提示プログラム
JP2014123277A (ja) * 2012-12-21 2014-07-03 Sony Corp 表示制御システム及び記録媒体
JP2015056772A (ja) * 2013-09-12 2015-03-23 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3296944A4 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2018168247A1 (ja) * 2017-03-15 2020-01-23 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
US11244510B2 (en) 2017-03-15 2022-02-08 Sony Corporation Information processing apparatus and method capable of flexibility setting virtual objects in a virtual space
JP7131542B2 (ja) 2017-03-15 2022-09-06 ソニーグループ株式会社 情報処理装置、情報処理方法およびプログラム
KR20190136337A (ko) * 2018-05-30 2019-12-10 가천대학교 산학협력단 소셜미디어 컨텐츠 기반 감정 분석 방법, 시스템 및 컴퓨터-판독가능 매체
KR102111672B1 (ko) 2018-05-30 2020-05-15 가천대학교 산학협력단 소셜미디어 컨텐츠 기반 감정 분석 방법, 시스템 및 컴퓨터-판독가능 매체
JP2020091836A (ja) * 2018-10-12 2020-06-11 アクセンチュア グローバル ソリューションズ リミテッド 拡大現実のためのリアルタイムモーションフィードバック
JP2021149697A (ja) * 2020-03-19 2021-09-27 ヤフー株式会社 出力装置、出力方法及び出力プログラム
JP7405660B2 (ja) 2020-03-19 2023-12-26 Ｌｉｎｅヤフー株式会社 出力装置、出力方法及び出力プログラム
WO2023135939A1 (ja) * 2022-01-17 2023-07-20 ソニーグループ株式会社 情報処理装置、および情報処理方法、並びにプログラム
WO2024075817A1 (ja) * 2022-10-07 2024-04-11 株式会社日立製作所 表示方法、表示システム

Also Published As

Publication number Publication date
EP3296944A4 (en) 2018-11-07
JPWO2016181670A1 (ja) 2018-03-01
US20180025283A1 (en) 2018-01-25
EP3296944A1 (en) 2018-03-21
CN107533712A (zh) 2018-01-02

Similar Documents

Publication Publication Date Title
WO2016181670A1 (ja) 情報処理装置、情報処理方法及びプログラム
US10853650B2 (en) Information processing apparatus, information processing method, and program
KR102334942B1 (ko) 돌봄 로봇을 위한 데이터 처리 방법 및 장치
US10302444B2 (en) Information processing system and control method
US20190383620A1 (en) Information processing apparatus, information processing method, and program
US9316502B2 (en) Intelligent mobility aid device and method of navigating and providing assistance to a user thereof
JP5904021B2 (ja) 情報処理装置、電子機器、情報処理方法、及びプログラム
US11302325B2 (en) Automatic dialogue design
JP2005315802A (ja) ユーザ支援装置
US20210145340A1 (en) Information processing system, information processing method, and recording medium
CN110996796A (zh) 信息处理设备、方法和程序
US20170131103A1 (en) Information processing apparatus, information processing method, and program
US20220306155A1 (en) Information processing circuitry and information processing method
US20220357172A1 (en) Sentiment-based navigation
JPWO2018163560A1 (ja) 情報処理装置、情報処理方法およびプログラム
WO2020026986A1 (ja) 情報処理装置、情報処理方法およびプログラム
WO2015194270A1 (ja) 情報処理装置、情報処理方法およびプログラム
US11270682B2 (en) Information processing device and information processing method for presentation of word-of-mouth information
WO2022124164A1 (ja) 注目対象共有装置、注目対象共有方法
WO2019054009A1 (ja) 情報処理装置、情報処理方法、およびプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16792396

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017517618

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15546708

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2016792396

Country of ref document: EP