WO2020070878A1 - エージェント装置、エージェント制御方法、およびプログラム - Google Patents

エージェント装置、エージェント制御方法、およびプログラム

Info

Publication number
WO2020070878A1
WO2020070878A1 PCT/JP2018/037392 JP2018037392W WO2020070878A1 WO 2020070878 A1 WO2020070878 A1 WO 2020070878A1 JP 2018037392 W JP2018037392 W JP 2018037392W WO 2020070878 A1 WO2020070878 A1 WO 2020070878A1
Authority
WO
WIPO (PCT)
Prior art keywords
agent
voice
unit
occupant
function unit
Prior art date
Application number
PCT/JP2018/037392
Other languages
English (en)
French (fr)
Inventor
大志 杉原
関口　敦
侑紀 松浦
英輔 相馬
航 遠藤
亮介 田中
俊克 倉持
Original Assignee
本田技研工業株式会社
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 本田技研工業株式会社 filed Critical 本田技研工業株式会社
Priority to PCT/JP2018/037392 priority Critical patent/WO2020070878A1/ja
Priority to CN201880098254.8A priority patent/CN112805182B/zh
Priority to US17/281,275 priority patent/US11798552B2/en
Priority to JP2020551052A priority patent/JP7133029B2/ja
Publication of WO2020070878A1 publication Critical patent/WO2020070878A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S7/00—Indicating arrangements; Control arrangements, e.g. balance control
    • H04S7/30—Control circuits for electronic adaptation of the sound field
    • H04S7/302—Electronic adaptation of stereophonic sound system to listener position or orientation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60K—ARRANGEMENT OR MOUNTING OF PROPULSION UNITS OR OF TRANSMISSIONS IN VEHICLES; ARRANGEMENT OR MOUNTING OF PLURAL DIVERSE PRIME-MOVERS IN VEHICLES; AUXILIARY DRIVES FOR VEHICLES; INSTRUMENTATION OR DASHBOARDS FOR VEHICLES; ARRANGEMENTS IN CONNECTION WITH COOLING, AIR INTAKE, GAS EXHAUST OR FUEL SUPPLY OF PROPULSION UNITS IN VEHICLES
    • B60K35/00—Arrangement of adaptations of instruments
    • B60K35/10—
    • B60K35/265—
    • B60K35/29—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/02—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof
    • B60R11/0217—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof for loud-speakers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R11/00—Arrangements for holding or mounting articles, not otherwise provided for
    • B60R11/02—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof
    • B60R11/0247—Arrangements for holding or mounting articles, not otherwise provided for for radio sets, television sets, telephones, or the like; Arrangement of controls thereof for microphones or earphones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • B60R16/0373—Voice control
    • 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
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • B60K2360/148—
    • B60K2360/182—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
    • H04R1/403—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers loud-speakers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R1/00—Details of transducers, loudspeakers or microphones
    • H04R1/20—Arrangements for obtaining desired frequency or directional characteristics
    • H04R1/32—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only
    • H04R1/40—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers
    • H04R1/406—Arrangements for obtaining desired frequency or directional characteristics for obtaining desired directional characteristic only by combining a number of identical transducers microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2201/00—Details of transducers, loudspeakers or microphones covered by H04R1/00 but not provided for in any of its subgroups
    • H04R2201/40—Details of arrangements for obtaining desired directional characteristic by combining a number of identical transducers covered by H04R1/40 but not provided for in any of its subgroups
    • H04R2201/405—Non-uniform arrays of transducers or a plurality of uniform arrays with different transducer spacing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R2499/00—Aspects covered by H04R or H04S not otherwise provided for in their subgroups
    • H04R2499/10—General applications
    • H04R2499/13—Acoustic transducers and sound field adaptation in vehicles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R3/00—Circuits for transducers, loudspeakers or microphones
    • H04R3/005—Circuits for transducers, loudspeakers or microphones for combining the signals of two or more microphones
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R5/00—Stereophonic arrangements
    • H04R5/02—Spatial or constructional arrangements of loudspeakers
    • H04R5/023—Spatial or constructional arrangements of loudspeakers in a chair, pillow
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
    • H04R5/00—Stereophonic arrangements
    • H04R5/04—Circuit arrangements, e.g. for selective connection of amplifier inputs/outputs to loudspeakers, for loudspeaker detection, or for adaptation of settings to personal preferences or hearing impairments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04S—STEREOPHONIC SYSTEMS 
    • H04S2400/00—Details of stereophonic systems covered by H04S but not provided for in its groups
    • H04S2400/11—Positioning of individual sound objects, e.g. moving airplane, within a sound field

Definitions

  • the present invention relates to an agent device, an agent control method, and a program.
  • Patent Literature 1 a technology related to an agent that provides information on driving support, control of a vehicle, other applications, and the like in response to a request from the occupant while interacting with the occupant of the vehicle.
  • An aspect of the present invention has been made in view of such circumstances, and an object of the present invention is to provide an agent device, an agent control method, and a program that can provide more appropriate assistance to an occupant. I do.
  • An agent device includes: a microphone that collects sound in a vehicle compartment; a speaker that outputs sound into the vehicle compartment; and a plurality of agent function units having different functions. Each of the plurality of agent function units generates an agent voice that speaks to an occupant of the vehicle based on the meaning of the voice collected by the microphone, outputs the generated agent voice to the speaker, and is collected by the microphone. An agent device that switches an agent function unit that is a subject that interacts with the occupant based on the content of the voice.
  • each of the plurality of agent function units causes the speaker to output the agent voice so that the sound image of the generated agent voice is localized at a predetermined position. It is.
  • control of the device mounted on the vehicle is executed by a specific agent function unit among the plurality of agent function units. Things.
  • any one of the above aspects (3) to (5) further comprising a display unit for displaying an image, wherein the plurality of agent function units are personified to perform communication with the occupant.
  • the master agent function unit displays the agent image generated by the plurality of agent function units on the display unit, and when the subject that interacts with the occupant is switched, the master agent function unit generates the agent image. The display mode is changed.
  • a plurality of the microphones are provided in the vehicle interior, and the plurality of microphones are installed at positions within a predetermined distance in the vehicle interior. Things.
  • one of the inputs from the plurality of microphones is assigned to the master agent function unit.
  • the master agent function unit In any one of the above modes (8) to (10), the master agent function unit always inputs a voice from an assigned microphone.
  • each voice collected by the plurality of microphones can be input to a voice input interface of the master agent function unit.
  • the computer may control each of the plurality of agent function units having different functions based on the meaning of the voice collected by the microphone that collects the voice in the vehicle compartment.
  • To generate an agent voice that speaks to the occupant of the vehicle output the generated agent voice to a speaker that outputs a voice into the cabin, and interact with the occupant based on the content of the voice collected by the microphone.
  • This is an agent control method in which an agent function unit serving as a subject is switched.
  • a program provides a program for a computer, in each of a plurality of agent function units having different functions, based on the meaning of a voice collected by a microphone that collects a voice in a vehicle compartment.
  • An agent voice to be spoken to the occupant of the vehicle the generated agent voice is output to a speaker that outputs a voice into the cabin, and a subject that interacts with the occupant based on the content of the voice collected by the microphone.
  • FIG. 1 is a configuration diagram of an agent system 1 including an agent device according to a first embodiment.
  • FIG. 2 is a diagram schematically illustrating a microphone, a display unit, and a speaker installed in a vehicle M. It is a figure for explaining a position of a speaker near a rear seat.
  • FIG. 7 is a diagram showing an example of the contents of a function information table 172. It is a figure for explaining moving a position where a sound image is localized.
  • FIG. 2 is a diagram illustrating an example of a functional configuration of a server device 200. It is a figure showing an example of the contents of answer information DB244A with which server device 200A is provided. It is a figure showing an example of contents of answer information DB244B with which server 200B is provided.
  • FIG. 7 is a diagram for describing processing executed by the agent device 100 in the first scene.
  • FIG. 9 is a diagram for describing processing executed by the agent device 100 in a second scene.
  • FIG. 9 is a diagram for describing processing executed by the agent device 100 in a third scene.
  • FIG. 14 is a diagram for describing processing executed by the agent device 100 in a fourth scene.
  • 6 is a flowchart illustrating an example of a flow of a series of processes performed by the agent device 100.
  • FIG. 9 is a configuration diagram of an agent system 2 including an agent device according to a second embodiment.
  • FIG. 11 is a configuration diagram of an agent system 3 including an agent device according to a third embodiment.
  • the agent device is, for example, a function of assisting an occupant by providing various information based on a request from the occupant and controlling devices in the vehicle while interacting with the occupant of the vehicle M.
  • the interactive agent function includes, for example, a natural language function (processing to understand the structure and meaning of text), a dialog control processing, a search processing, and the like, in addition to a voice recognition processing (processing for converting voice into text) for recognizing a passenger's voice.
  • AI Artificial Intelligence
  • Part or all of the configuration for performing these processes may be provided in a server device (external device) that can communicate with the vehicle M.
  • FIG. 1 is a configuration diagram of an agent system 1 including an agent device according to the first embodiment.
  • the agent system 1 includes, for example, an agent device 100 and a server device 200.
  • the agent device 100 and the server device 200 are connected in a state where data can be transmitted and received by a network NW such as the Internet, a WAN (Wide Area Network), and a LAN (Local Area Network).
  • NW such as the Internet
  • WAN Wide Area Network
  • LAN Local Area Network
  • the server devices 200A to 200C shown in FIG. 1 correspond to, for example, subagent function units 154A to 154C described later.
  • server devices 200 when the server devices 200A to 200C are not distinguished from each other, they will be referred to as “server devices 200”. The same applies to other names.
  • the agent device 100 interacts with the occupant of the vehicle M, makes a request to the server device 200 in response to a request such as a question by voice or the like from the occupant, and outputs a response obtained from the server device 200 in a predetermined output mode.
  • a predetermined output mode is, for example, a mode such as audio output and image output.
  • the agent device 100 executes control on the in-vehicle device or the home device in response to a voice instruction from the occupant.
  • the agent device 100 includes, for example, a communication device 110, an operation unit 120, an in-vehicle device 130, a navigation device 140, and an agent control device 150. These devices and devices are connected to each other by a multiplex communication line such as a CAN (Controller Area Network) communication line, a serial communication line, a wireless communication network, or the like. Note that the configuration illustrated in FIG. 1 is merely an example, and a part of the configuration may be omitted or another configuration may be added.
  • a multiplex communication line such as a CAN (Controller Area Network) communication line, a serial communication line, a wireless communication network, or the like.
  • the communication device 110 communicates with the server device 200, other vehicles, terminal devices owned by occupants, and the like using, for example, a cellular network, a Wi-Fi network, Bluetooth (registered trademark), and a dedicated short range communication (DSRC). . Communication with the server device 200 is mediated by the network NW.
  • the communication device 110 transmits information including the voice input from the agent control device 150 to the server device 200, for example.
  • the communication device 110 receives the dialog information and the output control information generated by the server device 200.
  • the dialogue information includes, for example, information related to audio output control described later.
  • the output control information includes, for example, information related to display control of images and the like, information related to control of various other devices, and the like.
  • the operation unit 120 receives an operation from an occupant.
  • the operation unit 120 includes a voice input unit 122, for example.
  • the voice input unit 122 collects voices of the occupants existing in the passenger compartment.
  • the voice input unit 122 includes, for example, a plurality of microphones 124.
  • the plurality of microphones 124 may be microphones having different performances.
  • the performance of the microphone includes, for example, sensitivity, directivity, frequency characteristics, and strength.
  • description will be made using two microphones 124A and 124B, and it is assumed that the microphone 124A has higher performance than the microphone 124B.
  • the voice (voice stream) collected by each microphone is input to a voice input interface (voice input IF) 152a provided in the master agent function unit 152 described later.
  • the operation unit 120 may include switches, buttons, keys, a touch panel, and the like.
  • the vehicle-mounted device 130 is an example of a target controlled by the agent control device 150.
  • the in-vehicle device 130 includes, for example, a display unit 132, a speaker 134, an amplifier (AMP) 136, a mixer 138, and a vehicle control device 139.
  • AMP amplifier
  • the display unit 132 is installed near the front of the occupant sitting on the seat in the passenger compartment. Further, the speaker 134 is installed near a seat in the vehicle interior or near the display unit 132. A plurality of display units 132 and speakers 134 may be installed in the vehicle interior.
  • FIG. 2 is a diagram schematically illustrating a microphone, a display unit, and a speaker installed in the vehicle M.
  • Microphones 124A to 124B, display units 132A to 132D, and speakers 134A to 134F are installed in the cabin of the vehicle M shown in FIG.
  • the microphones 124A and 124B are installed at arbitrary positions on the instrument panel IP within a predetermined distance. By being installed at a position within a predetermined distance, substantially the same sound can be input from both the microphones 124A and 124B. Further, microphones 124A and 124B may be installed on a steering wheel or a seat.
  • the display unit 132A is, for example, a HUD (Head-Up Display) device.
  • the HUD device is a device for visually recognizing an image by being superimposed on a landscape.
  • the HUD device is a device for projecting light including an image on a front windshield or a combiner of the vehicle M so that a driver can visually recognize a virtual image.
  • the display unit 132A displays, for example, an image corresponding to the navigation processing executed by the navigation device 140, an image generated by the agent control device 150, and the like.
  • the display unit 132B is provided near the front of the driver's seat (for example, the seat closest to the steering wheel) in the instrument panel IP, and is installed at a position where the driver can visually recognize the driver from a gap between the steering wheels or through the steering wheel. You.
  • the display unit 132B is, for example, an LCD (Liquid Crystal Display) or an organic EL (Electro Luminescence) display device.
  • the display unit 132B displays, for example, an image of the speed, the engine speed, the remaining fuel amount, the radiator water temperature, the traveling distance, and other information of the vehicle M, an image generated by the agent control device 150, and the like.
  • the display unit 132C is installed near the center of the instrument panel IP.
  • the display unit 132C is, for example, an LCD or an organic EL display device, like the display unit 132B.
  • the display unit 132C displays, for example, an image corresponding to the navigation processing executed by the navigation device 140, an image generated by the agent control device 150, and the like.
  • the display unit 132C may display a television program, play a DVD, or display a content such as a downloaded movie.
  • the display unit 132D is provided near the front of the front passenger seat (the seat next to the driver's seat) on the instrument panel IP.
  • a content image such as a television program or a movie downloaded from the server device 200, an image generated based on execution of another application, an image generated by the agent control device 150, and the like are displayed.
  • a display unit electronic mirror that displays an image on the rear side of the vehicle M acquired by the camera outside the vehicle may be installed in the vehicle cabin.
  • the agent control device 150 causes, for example, at least one of the display units 132A to 132D to display a response result to the request from the occupant. For example, when displaying the answer to the driver's question, the agent control device 150 displays the answer on the display unit 132A or 132B so that the driver can easily view the answer while monitoring the front of the vehicle. it can. In addition, the agent control device 150 displays the response result on the display units 132C and 132D, so that not only the driver but also other passengers can easily recognize the response result. Which display unit 132 is to be displayed may be determined based on, for example, the contents of the answer result or the vehicle status (running or stopped) or may be determined based on an instruction of the occupant.
  • the speakers 134A and 134B are installed, for example, on left and right front pillars (so-called A pillars) of the vehicle M.
  • the speaker 134C is installed below the door on the driver's seat side, and the speaker 134D is installed below the door on the passenger's seat side.
  • the speaker 134E is installed near the display unit 132C, that is, near the center of the instrument panel IP.
  • the speaker 134F is installed near the center of the ceiling in the vehicle interior.
  • the vehicle M may be provided with a speaker near the rear seat.
  • FIG. 3 is a diagram for explaining the position of the speaker near the rear seat.
  • speakers 134G and 134H are provided near a rear seat ST3 installed behind the driver seat ST1 and the passenger seat ST2.
  • the speakers 134G and 134H are provided below the left and right directional doors.
  • the speaker 134 may be provided on a window pillar (a so-called B pillar) provided between a front door and a rear door of the vehicle M, or may be provided behind a rear seat.
  • the AMP 136 adjusts the volume of the sound output from the speaker 134 under the control of the audio control unit 158.
  • the AMP 136 allows the sound to be adjusted between 0% and 100% of the reference sound volume (maximum intensity).
  • the AMP 136 includes, for example, a mixer 138.
  • the mixer 138 has a function of synthesizing a plurality of input sounds. Further, the mixer 138 has a function of distributing sound to be output to each speaker when a plurality of speakers 134 exist.
  • the agent control device 150 outputs sound from at least one of the speakers 134A to 134H.
  • the vehicle control device 139 is a device for controlling the state of the vehicle M or the interior of the vehicle.
  • the vehicle control device 139 automatically controls an air conditioner (Air Conditioner), a lighting device for turning on or off an interior light, a seat position and a reclining angle. It is a power window unit that opens and closes the seat drive device and the side window shield that are changed by.
  • the in-vehicle device 130 may include a navigation device 140.
  • the navigation device 140 specifies the position of the vehicle M based on, for example, a signal received from a GNSS (Global Navigation Satellite System) satellite.
  • the navigation device 140 is configured to provide a route from the specified position of the vehicle M (or an arbitrary input position) to a destination input by an occupant using the operation unit 120 or the display unit 132 (hereinafter referred to as a map). Route) is determined with reference to the map information 142.
  • the map information 142 is, for example, information in which a road shape is represented by a link indicating a road and a node connected by the link.
  • the map information 142 may include curvature of a road, POI (Point of Interest) information, and the like.
  • the map information 142 may include, for example, information on the center of the lane, information on the boundary of the lane, information on the type of the lane, and the like. Further, the map information 142 may include road information, traffic regulation information, address information (address / postal code), facility information, telephone number information, and the like. The map information 142 may be updated at any time by the communication device 110 communicating with another device.
  • the navigation device 140 may be realized by a function of a terminal device such as a smartphone or a tablet terminal owned by the occupant, for example. Further, the navigation device 140 may transmit the current position and the destination to the server device 200 or the navigation server via the communication device 110, and obtain a route equivalent to the route on the map from the server device 200 or the navigation server. Further, in the navigation device 140, the function of the navigation device 140 described above may be realized by the function of a navigation application (navigation application) executed by the agent control device 150. In addition, the navigation device 140 may perform route guidance by displaying a map image on the display unit 132 or outputting sound from the speaker 134 based on the route on the map.
  • a navigation application navigation application
  • the agent control device 150 includes, for example, a master agent function unit 152, a plurality of subagent function units (an example of an agent function unit) 154, a display control unit 156, a voice control unit 158, a device control unit 160, and a storage. And a unit 170. These components are realized by a computer processor such as a CPU (Central Processing Unit) executing a program (software). Some or all of these constituent elements are provided by hardware (circuits) such as an LSI (Large Scale Integration), an ASIC (Application Specific Integrated Circuit), an FPGA (Field-Programmable Gate Array), and a GPU (Graphics Processing Unit).
  • LSI Large Scale Integration
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • GPU Graphics Processing Unit
  • the program may be stored in the storage unit 170 in advance, or may be stored in a removable storage medium such as a DVD or a CD-ROM, and may be installed in the storage unit 170 when the storage medium is mounted on a drive device. May be done.
  • three sub-agent function units 154A to 154C are used as an example of the plurality of sub-agent function units 154.
  • the storage unit 170 is realized by, for example, an HDD, a flash memory, an electrically erasable programmable read only memory (EEPROM), a read only memory (ROM), or a random access memory (RAM).
  • the storage unit 170 stores, for example, a function information table 172, a program read and executed by the processor, and other information. The contents of the function information table 172 will be described later.
  • Master agent function unit 152 includes a voice input interface 152a that can input voice from microphones 124A and 124B.
  • the sub-agent function units 154A to 154C include voice input interfaces 154Aa to 154Ca that can input voice from the microphone 124B, respectively. That is, the microphone 124A is assigned to the voice input interface 152a, and the microphone 124B can be switched to any one of the master agent function unit 152 or the sub agent function units 154A to 154C according to the processing state in response to the passenger request. Assigned to.
  • the master agent function unit 152 can input a voice with higher sound quality than the microphone 124B.
  • the master agent function unit 152 recognizes the meaning of the voice from the voice (voice stream) input by the voice input interface 152a. More specifically, first, the master agent function unit 152 detects a voice section based on the amplitude and the zero crossing of the voice waveform in the input voice stream. In addition, the master agent function unit 152 may perform section detection based on speech identification and non-speech identification in frame units based on a Gaussian mixture model (GMM; Gaussian ⁇ mixture model ⁇ ).
  • GMM Gaussian mixture model
  • the master agent function unit 152 recognizes the voice in the detected voice section and converts the recognized voice into text as character information. Then, the master agent function unit 152 executes natural language processing on the textualized character information, and recognizes the meaning of the character information.
  • Natural language processing includes morphological analysis, syntax analysis, semantic analysis, context analysis, and the like.
  • morphological analysis for example, character information is divided into units of the smallest expression element having a meaning, and a part of speech of each divided unit (morpheme) is analyzed.
  • the syntax analysis for example, the structure of a sentence is analyzed based on a morpheme obtained by morphological analysis.
  • semantic analysis for example, a group having a meaning is determined based on a syntax obtained by the syntax analysis.
  • the meaning is recognized on a sentence basis.
  • the master agent function unit 152 recognizes a word or a command based on the recognized meaning.
  • the input voice designates and calls a word that calls an arbitrary agent (interactive agent) such as “Hey!” Or “Oh!” Or an agent realized by each of the subagent function units 154A to 154C. Recognize words (eg, wake words).
  • the master agent function unit 152 generates a command corresponding to the recognized meaning. For example, when the recognition result indicates a meaning such as “turn on the air conditioner” or “turn on the air conditioner”, the master agent function unit 152 replaces the command replaced with the standard character information “activation of air conditioner”. Generate This makes it easy to execute the control according to the request even when the voice of the request has character fluctuation. Further, the master agent function unit 152 may recognize the meaning of the character information using artificial intelligence processing such as machine learning processing using probability, or generate a command based on the recognition result.
  • artificial intelligence processing such as machine learning processing using probability
  • the master agent function unit 152 determines a sub-agent that has a dialog with the occupant based on the recognized word or command. For example, when a word that calls an arbitrary agent is recognized, the agent is determined to be an agent designated in advance (for example, agent A realized by the subagent function unit 154A). Further, when a word specifying a specific agent is recognized, the master agent function unit 152 determines the agent specified by the recognized word. Further, based on the recognized command, the master agent function unit 152 refers to the function information table 172 stored in the storage unit 170, and interacts with the occupant an agent capable of realizing the function associated with the command. It may be determined as an agent.
  • FIG. 4 is a diagram showing an example of the contents of the function information table 172.
  • agent identification information is associated with the function information.
  • the function information includes, for example, in-vehicle device control, store search, route guidance, traffic information notification, radio control, home device control, and product order.
  • the agent information includes, for example, agents A to C realized by the subagent function units 154A to 154C. In the example of FIG. 4, “1” is stored in a function that can be realized by the agent, and “0” is stored in a function that cannot be realized. However, other identification information may be used.
  • the master agent function unit 152 determines an agent that can execute on-vehicle device control, which is control corresponding to the command, with reference to the function information table 172. .
  • the master agent function unit 152 acquires that the agent that can start the air conditioner is the agent A, and determines the agent that interacts with the occupant as the agent A.
  • the master agent function unit 152 may determine an agent based on a priority determined in advance for each function.
  • the master agent function unit 152 may determine an agent that performs a dialog with the occupant based on the wake word.
  • the master agent function unit 152 causes the sub agent function unit 154 corresponding to the determined agent to be in a state where the sub agent function unit 154 can communicate with the occupant. Therefore, the master agent function unit 152 allocates the sound from the microphone 124B to the sound input interface of the sub agent function unit 154 that interacts with the occupant. Thereby, the sub-agent function unit 154 in a state in which the master agent function unit 152 can interact with the occupant obtains a request from the occupant or interacts with the occupant based on the voice from the microphone 124B input through the voice input interface. You can do.
  • the master agent function unit 152 always inputs the voice collected by the microphone 124A even when the predetermined sub agent function unit 154 is in a state capable of interacting with the occupant. Thereby, the master agent function unit 152 can grasp the contents of the dialogue between the sub agent function unit 154A and the occupant, for example, and select another sub agent function unit 154 that may obtain a more appropriate answer. Then, control such as switching to another selected sub-agent function unit 154 can be performed. As a result, it is possible to improve the coordination of the plurality of agents and to realize more appropriate support for the occupant.
  • master agent function section 152 can input voice from both microphones 124A and 124B when subagent function section 154 is not in a state in which the sub agent function section 154 can interact with each other, and thus can input higher performance voice. . Further, master agent function section 152 can recognize from which direction in the vehicle the sound is being heard, based on the phase difference between the sounds of both microphones 124A and 124B.
  • the master agent function unit 152 adjusts the output position of the sound output from each of the sub agent function units 154A to 154C, the display position of the image, and the like. The details of the adjustment of the audio output position and the image display position in the master agent function unit 152 will be described later.
  • the subagent function unit 154 transmits information including the voice input from the voice input interface to the server device 200 via the network NW, and acquires dialog information and output control information corresponding to the transmitted voice. Further, when transmitting the information including the input voice to the server device 200, the subagent function unit 154 may transmit information on the state of the vehicle M (for example, the position and the surrounding environment of the vehicle M).
  • the sub-agent function unit 154 causes the voice control unit 158 to perform voice generation and voice control when the acquired dialogue information includes voice control. In addition, when the acquired output control information includes display control, the subagent function unit 154 causes the display control unit 156 to execute image generation and display control. In addition, when the acquired output control information includes control for the vehicle control device 139, the subagent function unit 154 causes the device control unit 160 to execute control for the target device. Further, the sub-agent function unit 154 may generate an image or a sound according to an instruction from the master agent function unit 152.
  • the sub-agent function unit 154 receives an input of voice from the microphone 124B, dialog information and output control information obtained from the communication device 110 by an API (Application Programming Interface), and executes a process based on the received input.
  • Unit the display control unit 156, the audio control unit 158, and the device control unit 160
  • the selected function unit may execute the processing via the API.
  • the display control unit 156 generates an anthropomorphic agent image (hereinafter, referred to as an agent image) that communicates with the occupant in the vehicle under the control of the sub-agent function unit 154, and displays the generated agent image on the display unit 132.
  • agent image is, for example, an image in a mode of talking to the occupant.
  • the agent image includes, for example, at least a face image whose expression and face direction are recognized by a viewer (occupant). For example, in the agent image, parts simulating eyes and a nose are represented in the face area, and the facial expression and the face direction are recognized based on the positions of the parts in the face area.
  • the agent image is felt three-dimensionally, and the viewer's face orientation is recognized by including an image of the head in a three-dimensional space, or the image of the main body (torso and limbs) is included by the viewer.
  • the motion, behavior, posture, and the like may be recognized.
  • the agent image may be an animation image.
  • the display control unit 156 converts the image included in the output control information into a display mode (for example, image size, image format) for displaying on the display unit 132 specified by the subagent function unit 154, and converts the image.
  • the displayed image is displayed on the designated display unit 132.
  • the voice control unit 158 controls a voice (hereinafter, referred to as agent voice) in which the agent image included in the conversation information speaks to the occupant, and a voice other than the agent voice (for example, radio, music, video, etc.). , Etc.) is output from the speaker 134.
  • agent voice a voice
  • the voice control unit 158 may use the plurality of speakers 134 to perform control to localize the sound image of the agent voice at a position corresponding to the display position of the agent image.
  • the position corresponding to the display position of the agent image is, for example, a position where the occupant is expected to feel that the agent image is speaking the agent voice.
  • the localization of the sound image refers to, for example, determining the spatial position of the sound source felt by the occupant by adjusting the loudness of the sound transmitted to the left and right ears of the occupant.
  • the sound image is determined based on, for example, sound characteristics originally possessed by the sound source, information on the vehicle interior environment, and a head-related transfer function (HRTF). By utilizing such a principle, the sound image can be localized at a predetermined position.
  • HRTF head-related transfer function
  • FIG. 5 is a diagram for explaining the movement of the position where the sound image is localized.
  • the speakers 134C to 134E described above are used for simplicity of description, but the position at which the sound image is localized can be spatially moved using the speakers 134A to 134H provided in the vehicle interior.
  • the AMP 136 determines a predetermined output target based on the sound generated by the sound control unit 158.
  • the speaker 134C outputs 5% of the maximum intensity from the speaker 134C, outputs 80% of the maximum intensity from the speaker 134D, and outputs 15% of the maximum intensity from the speaker 134E, from the position of the occupant P1.
  • the AMP 136 outputs 45% of the maximum intensity from the speaker 134C, outputs 45% of the maximum intensity from the speaker 134D, and outputs 45% of the maximum intensity from the speaker 134E for the audio to be output.
  • the sound image is localized at the spatial position MP2 shown in FIG.
  • the position at which the sound image is localized can be changed by adjusting the plurality of speakers provided in the vehicle compartment and the loudness of the sound output from each speaker.
  • the position MP in the space where the sound image is localized is referred to as “sound image position MP”.
  • the device control unit 160 controls the vehicle control device 139 based on the device control information included in the output control information.
  • the control of the vehicle control device 139 includes, for example, turning on / off an air conditioner, adjusting a temperature, turning on / off a room light, adjusting a reclining angle, opening and closing a side window shield, and the like.
  • server device 200 Next, a schematic configuration of the server device 200 will be described with reference to the drawings.
  • server devices 200A to 200C shown in FIG. 1 are provided for each of the subagent function units 154A to 154C, their schematic configurations are substantially the same except for the contents of an answer information DB described later. , "Server device 200".
  • FIG. 6 is a diagram illustrating an example of a functional configuration of the server device 200.
  • the server device 200 includes, for example, a communication unit 210, a recognition unit 220, a dialog generation unit 230, and a storage unit 240. These components are realized, for example, by a computer processor such as a CPU executing a program (software). A part or all of these components may be realized by hardware (including a circuit unit) such as an LSI, an ASIC, an FPGA, and a GPU, or realized by cooperation of software and hardware. May be done.
  • the program may be stored in the storage unit 240 in advance, or may be stored in a removable storage medium such as a DVD or a CD-ROM, and may be installed in the storage unit 240 when the storage medium is mounted on a drive device. May be done.
  • the storage unit 240 is realized by, for example, an HDD, a flash memory, an EEPROM, a ROM, a RAM, or the like.
  • the storage unit 240 stores, for example, a personal profile 242, an answer information DB 244, and other information.
  • the communication unit 210 communicates with the agent device 100 via the network NW using, for example, a cellular network, a Wi-Fi network, Bluetooth, DSRC, or the like.
  • the communication unit 210 receives information including a sound (for example, a sound stream) transmitted from the agent device 100. Further, the communication unit 210 transmits to the agent device 100 dialog information including voice generated by the dialog generation unit 230 and output control information to an image or a device.
  • the recognition unit 220 recognizes, for example, the meaning of audio from the audio stream received by the communication unit 210. Specifically, the recognition unit 220 detects a voice section based on the amplitude, zero crossing, and the like of the voice waveform in the voice stream transmitted from the agent device 100. In addition, the recognition unit 220 may perform section detection based on speech / non-speech discrimination in frame units based on GMM. Further, the recognition unit 220 recognizes the voice in the detected voice section, and converts the voice into text as text information. Further, the recognition unit 220 may specify the feature of the speaker from the recognized voice. The characteristics of the speaker include, for example, gender, age, and information on whether the driver is a driver or a fellow passenger.
  • the recognizing unit 220 may perform collation with the personal profile 242 stored in the storage unit 240 using the feature information obtained from the voice.
  • personal information is associated with voice feature information.
  • the speech feature information is, for example, information on features such as voice pitch, intonation, rhythm (pitch pattern of sound), pause, etc., and feature amounts based on mel frequency cepstrum coefficients (Mel Frequency Cepstrum Coefficients). It is.
  • the voice feature information is, for example, information obtained by causing the occupant to utter a predetermined word or sentence at the time of initial registration of the occupant, and recognizing the uttered voice.
  • the personal information includes, for example, name, address, age, hobbies, and past use history of the server device 200.
  • the name, address, age, and hobby are set together with the voice feature information at the time of the initial registration of the occupant, and thereafter are appropriately updated by changing the settings.
  • the recognition unit 220 collates the feature information obtained from the voice with the feature information of the personal profile 242 stored in the storage unit 240, and recognizes the personal information associated with the matched feature information.
  • ⁇ Recognition unit 220 also executes natural language processing on textualized character information to recognize the meaning of the character information. Natural language processing includes morphological analysis, syntax analysis, semantic analysis, context analysis, and the like. In addition, the recognition unit 220 generates a command corresponding to the recognized meaning.
  • the dialog generation unit 230 refers to the command in the answer information DB 244 stored in the storage unit 240 using the command input from the recognition unit 220, and acquires the control content corresponding to the matching command.
  • the answer information DB 244 differs depending on the functions executable by the subagent function units 154A to 154C.
  • the answer information DB included in each of the server device 200A and the server device 200B will be described.
  • FIG. 7 is a diagram showing an example of the contents of the answer information DB 244A provided in the server device 200A.
  • the answer information DB 244A for example, control contents to be executed by the subagent function unit 154A are associated with the command information.
  • the control contents of the answer information DB 244B include, for example, information on device control (startup and stop) of the in-vehicle device, output control of agent voice, image control to be displayed on the display unit 132, and the like.
  • the contents included in the answer information DB 244A are associated with executable functions in the function information table 172 shown in FIG. 4 described above.
  • the control for the command “What is the distance to A?” Is control included in the route guidance function.
  • the control for the command “What restaurant is nearby?” Is control included in the store search function.
  • FIG. 8 is a diagram showing an example of the contents of the answer information DB 244B provided in the server device 200B.
  • the response information DB 244B for example, control contents to be executed by the subagent function unit 154B are associated with the command information.
  • the answer information DB 244B includes output control of agent voice, image control to be displayed on the display unit 132, application execution control, and the like.
  • the control for the “turn on radio” command shown in FIG. 8 is a control included in the radio control function.
  • the server device 200 can provide information that meets the occupant's request from various types of information.
  • the dialog generation unit 230 acquires the control content associated with the command. For example, when the command is “start up of the air conditioner”, the dialog generation unit 230 outputs the control content of the device control for starting up the air conditioner mounted on the vehicle M and a voice that outputs the sound “started up the air conditioner.” The control content of the control and the control content of the display control for displaying the vehicle interior temperature and the set temperature are acquired.
  • the dialog generation unit 230 outputs the control content of the voice control for outputting the voice “From here, *** [km]”, and to the Station A. And the control content of the display control for displaying the route image.
  • the dialog generation unit 230 refers to the map information (not shown) stored in the storage unit 240 or the external device based on the position information of the vehicle M transmitted from the agent device 100, and The travel distance to Station A is derived. Then, the dialog generation unit 230 substitutes the derived mileage into the “***” part of “from here is *** [km]” which is the content of the acquired voice control, and Voice information may be generated.
  • the dialog generation unit 230 generates dialog information and output control information for interacting with the occupant based on the acquired control content. For example, the dialog generation unit 230 generates, as the dialog information, audio information (audio stream) for the content (character information) obtained from the answer information DB 244.
  • the voice information includes, for example, agent voice and other voices. Further, the dialog generation unit 230 may generate an agent image corresponding to the content of the agent voice. Further, the dialog generation unit 230 generates, as output control information, an image, a video, character information, and the like to be presented to the occupant, and generates control information for device control. For example, when the answer obtained from the answer information DB 244 is “display control: display a route image to station A”, the dialog generation unit 230 refers to the map information, and the route from the position of the vehicle M to the station A. Generate an image.
  • the dialog generation unit 230 calls the occupant's name by voice based on the personal information, or converts the voice information into a voice that resembles the voice of the occupant. May be generated. Further, the dialog generation unit 230 may obtain information on the hobby of the occupant obtained from the personal profile, and include the obtained information in the dialog information. The dialog generation unit 230 transmits the generated dialog information and output control information to the agent device 100 via the communication unit 210.
  • FIG. 9 is a diagram for describing processing executed by the agent device 100 in the first scene.
  • the first scene is, for example, a scene in which the master agent function unit 152 has recognized a word for calling any agent from the voice of the occupant.
  • the sound input by each of the microphone 124A and the microphone 124B has been input to the sound input interface 152a of the master agent function unit 152.
  • the master agent function unit 152 causes each of the sub agent function units 154A to 154C to generate agent images EIA to EIC. At this time, the master agent function unit 152 changes the display mode of each agent image. For example, when a word that calls an arbitrary agent is recognized, the master agent function unit 152 determines the agent A of the sub-agent function unit 154A specified in advance as an agent that interacts with the occupant.
  • the master agent function unit 152 among the agent images EIA to EIC corresponding to the sub agent function units 154A to 154C generated by the display control unit 156, sets the agent image EIA that performs a dialogue more than the other agents EIB and EIC. , Is displayed in front of the passenger.
  • the master agent function unit 152 may adjust the size of each agent image according to the positional relationship between the agent images EIA to EIC in the image space.
  • the agent images EIA to EIC corresponding to the agents that can interact with the occupant on the display unit 132 the occupant can easily know that there are a plurality of agents. Further, by displaying the interacting agent image EIA in front of the occupant, it is possible to intuitively grasp the interacting agent.
  • the master agent function unit 152 causes the sound collected by the microphone 124B to be input to the sound input interface 154Aa of the sub agent function unit 154A. This allows the agent of the sub-agent function unit 154A to interact with the occupant based on the voice collected by the microphone 124B, and the master agent based on the voice constantly input from the microphone 124A. The function in the function unit 152 is continued.
  • the sub-agent function unit 154A causes the voice control unit 158 to adjust the sound image position MPA of the agent voice in association with the display position of the agent image EIA displayed on the display unit 132A.
  • the sound image position MPA is adjusted so that the agent voice “Do you have any request?” Included in the conversation information acquired from the server device 200 can be heard near the display position of the agent image EIA. .
  • FIG. 10 is a diagram for describing processing executed by the agent device 100 in the second scene.
  • the second scene is, for example, a scene in which a voice including a request corresponding to “activation of the air conditioner” is input from an occupant, and control corresponding to the input request is performed.
  • the second scene is a continuous scene after the first scene described above.
  • the master agent function unit 152 refers to the command information in the function information table 172 based on the recognized command “activate air conditioner” spoken by the occupant, and the agent capable of realizing on-vehicle device control.
  • A (sub-agent function unit 154A) is determined to be an agent that interacts with the occupant.
  • the master agent function unit 152 displays the determined agent image EIA of the agent A before the other agent images EIB and EIC.
  • the agent image EIA is already displayed on the front. Therefore, the display mode of the agent image shown in FIG. 9 is continued.
  • the subagent function unit 154A executes device control based on the output control information acquired from the server device 200. Further, the sub-agent function unit 154A is configured to control the vehicle interior temperature detected by a vehicle sensor (not shown) mounted on the vehicle M based on the display control included in the output control information and the set temperature set by the air conditioner. Is acquired, and the character information CI relating to the acquired vehicle interior temperature and the set temperature is displayed on the display unit 132. In the example of FIG. 10, under the control of the display control unit 156, the subagent function unit 154A displays character information CI indicating that the vehicle interior temperature is 32 [° C.] and the set temperature is 28 [° C.]. Is displayed.
  • the sub-agent function unit 154A localizes the sound image position MPA of the agent voice near the display position of the agent image EIA based on the voice control content included in the dialog information, and “ It has started. "
  • the sub-agent function unit 154A may change the expression of the agent image EIA, the tone of the agent voice, and the like based on the control content for the request of the occupant. For example, when the control for the request of the occupant can be executed, the sub-agent function unit 154A displays the agent image with a happy expression or outputs the agent voice tone higher than the reference tone. Further, when the control for the request of the occupant cannot be executed, the sub-agent function unit 154A displays the agent image with a sad expression or outputs the agent voice tone lower than the reference tone.
  • the change in the agent image or the agent voice may be the agent responding to the request or another agent.
  • the expression of the agent image EIA of the sub-agent function unit 154A responding to the request of the occupant and the expression of the agent image EIB of the sub-agent function unit 154B not responding to the request have changed to a smiling expression.
  • the generation of such an image with a changed expression is executed by the sub-agent function unit 154 receiving an instruction from the master agent function unit 152.
  • FIG. 11 is a diagram for describing processing executed by the agent device 100 in the third scene.
  • the third scene is, for example, a scene in which an occupant requests a function control that cannot be performed by the agent A.
  • the master agent function unit 152 refers to the command information in the function information table 172 based on the command corresponding to the voiced and recognized request of the occupant, and can implement a function corresponding to the command.
  • the agent (the agent B in the example of FIG. 11) is determined as the agent that interacts with the occupant.
  • the master agent function unit 152 displays the agent image EIB in front of the other agent images EIA and EIC at the timing of switching the subject that interacts with the occupant from the subagent function unit 154A to the subagent function unit 154B. Display mode is changed as follows.
  • the master agent function unit 152 may cause the target subagent function unit 154 to generate an agent voice indicating that the interacting agent has been switched. For example, as shown in FIG.
  • master agent function unit 152 when the subject that interacts with the occupant switches from agent A to agent B, master agent function unit 152 sends a message from agent A such as "Agent B responds to the request.” The agent voice is output, and agent B outputs an agent voice such as "I will respond.”
  • the master agent function unit 152 localizes the sound image position MPA of the agent voice with respect to the agent A near the display position of the agent image EIA, and positions the sound image position MPB of the agent voice with respect to the agent B near the display position of the agent image EIB. Let it. Thereby, the occupant can be made to feel that smooth cooperation is being performed between the agents.
  • the master agent function unit 152 switches the input of the sound collected by the microphone 124B from the sound input interface 154Aa of the sub agent function unit 154A to the sound input interface 154Ba of the sub agent function unit 154B. Thereby, a dialogue or the like can be realized between the agent B and the occupant.
  • FIG. 12 is a diagram for describing processing executed by the agent device 100 in the fourth scene.
  • the fourth scene is, for example, a scene in which the assistance of the agent B to the occupant has ended in the third scene.
  • the master agent function unit 152 performs control to return the subject that interacts with the occupant to the agent A. Specifically, the master agent function unit 152 displays the agent image EIA in front of the other agent images EIB and EIC, and inputs the sound collected by the microphone 124B to the sound input interface of the sub agent function unit 154B. Switching from 154Ba to the voice input interface 154Aa of the subagent function unit 154A.
  • the master agent function unit 152 may output an agent voice indicating that the interacting agent has been switched. For example, as shown in FIG. 12, when the subject who interacts with the occupant switches from agent B to agent A, master agent function unit 152 outputs agent voice such as “Thank you!” From agent A to agent B. Then, agent B outputs an agent voice such as “call again!” To agent A. In this case, the master agent function unit 152 positions the sound image positions MPA and MPB of the agent voice near the display positions of the agent images EIA and EIB. By outputting the pseudo conversation between the agents in this way, the occupant can be made to feel that smoother cooperation is being performed between the agents.
  • the master agent function unit 152 can perform more appropriate support by a plurality of agents by controlling the plurality of agents to automatically switch the subject that interacts with the occupant.
  • the master agent function unit 152 determines that not only the agent specified by the occupant in the wake word but also other agents Information presentation can be performed instead. Therefore, more optimal information can be provided to the occupant.
  • the master agent function unit 152 manages the functions of a plurality of agents, so that, for example, the agent A can control the activation of the air conditioner while the agent C is ordering a product.
  • FIG. 13 is a flowchart illustrating an example of the flow of a series of processes performed by the agent device 100.
  • FIG. 13 is a diagram for mainly explaining the flow of processing by the master agent function unit 152. The process of FIG. 13 may be repeatedly executed at a predetermined timing.
  • the master agent function unit 152 inputs the voice collected by the microphone 124 through the voice input interface 152a, and recognizes the meaning of the input voice (step S100).
  • the master agent function unit 152 determines a subagent function unit 154 that is a subject that interacts with the occupant among a plurality of preset subagent function units 154 from the meaning of the recognized voice (step S102). ).
  • the master agent function unit 152 brings the determined sub agent function unit 154 into a state in which a dialog can be made (step S104).
  • the master agent function unit 152 causes the determined sub agent function unit 154 to execute control corresponding to the request (step S106).
  • the master agent function unit 152 determines whether another request has been recognized (step S108). When recognizing another request, the master agent function unit 152 determines whether or not the function corresponding to the request can be executed by the sub agent function unit 154 that is in conversation with the occupant (step S110). If executable, the process returns to step S106.
  • the master agent function unit 152 determines another executable subagent function unit among the plurality of subagent function units 154 (step S112). Next, master agent function unit 152 switches the subject that interacts with the occupant to the determined subagent function unit (step S114), and returns to the process of step S106. If another request has not been recognized in the process of step S108, the process of this flowchart ends.
  • more appropriate assistance can be provided to the occupant.
  • by managing functions that can be executed by a plurality of agents it is possible to switch to a more appropriate agent in response to an occupant's request to have a dialogue.
  • the configuration of the agent device according to the second embodiment will be described.
  • the master / subagent in which the master agent function unit and one of the plurality of subagent function units operate integrally in the agent control device 150 It differs in that it has a functional unit. Therefore, the following mainly describes the configuration of the master / subagent function unit.
  • FIG. 14 is a configuration diagram of an agent system 2 including an agent device according to the second embodiment.
  • the agent device 100 # in the second embodiment includes, for example, a communication device 110, an operation unit 120, an in-vehicle device 130, a navigation device 140, and an agent control device 150 #.
  • the agent control device 150 # includes, for example, a master / subagent function unit 151, subagent function units 154B and 154C, a display control unit 156, a voice control unit 158, a device control unit 160, and a storage unit 170.
  • the master / subagent function unit 151 includes, for example, a voice input interface 151a.
  • the master / subagent function unit 151 has, for example, the functions of the master agent function unit 152 and the subagent function unit 154A in the first embodiment. Therefore, the agent A provided by the master / subagent function unit 151 functions as a master agent that manages another agent.
  • the agent A can smoothly switch to another agent or the like based on the voice constantly input from the microphone 124A to the voice input interface 151a.
  • Agent A can immediately respond to Agent A's call, for example, while another agent (eg, Agent B or Agent C) is interacting with the occupant, while other Agents can respond.
  • a store search or the like is performed at the same time as the agent, and coordination between the agents can be made to present more appropriate information to the occupant.
  • the agent A is provided with a function of controlling the in-vehicle device, when a command to control the in-vehicle device is input from the occupant, it is possible to quickly respond without mediating another agent.
  • a specific agent can be made resident as a master agent to manage cooperation with other agents, adjust output contents, and the like. It can be performed.
  • the third embodiment is different from the agent system 1 of the first embodiment in that the function of the server device 200 is provided in the agent control device. Therefore, the following mainly describes the configuration of the agent control device.
  • FIG. 15 is a configuration diagram of an agent system 3 including an agent device according to the third embodiment.
  • the agent device 100 in the third embodiment includes, for example, a communication device 110, an operation unit 120, an in-vehicle device 130, a navigation device 140, and an agent control device 150 ##.
  • the agent control device 150 includes, for example, a master agent function unit 152, sub agent function units 154A # to 154C #, a display control unit 156, a voice control unit 158, a device control unit 160, and a storage unit. 170 #.
  • the storage unit 170 # includes a function information table 172, a personal profile 174, and an answer information DB 176.
  • the personal profile 174 corresponds to the personal profile 242 of the first embodiment.
  • the answer information DB 176 corresponds to the answer information DB 244 of the first embodiment. Note that the answer information DB 176 may be provided for each of the subagent function units 154A # to 154C #.
  • the sub-agent function unit 154A # includes, for example, a voice input interface 154Aa, a recognition unit 154Ab, and a dialog generation unit 154Ac.
  • the subagent function unit 154B # includes, for example, a voice input interface 154Ba, a recognition unit 154Bb, and a dialog generation unit 154Bc.
  • the sub agent function unit 154C # includes, for example, a voice input interface 154Ca, a recognition unit 154Cb, and a dialog generation unit 154Cc.
  • Each of the recognition unit and the dialog generation unit corresponds to the recognition unit 220 and the dialog generation unit 230 provided in the server device 200 of the first embodiment.
  • the sub-agent function units 154A # to 154 # C recognize information including voice by the recognition units 154Ab to 154Cb without performing communication with the server device 200, and
  • the generation unit 154Cc can generate the dialog information and the output control information by referring to the answer information DB 176.
  • the sub-agent function units 154A # to 154 # C can generate dialog information and output control information based on the passenger's preference with reference to the personal profile 174.
  • the subagent function units 154A # to 154C # are provided with the functions of the recognition unit and the dialogue generation unit, there is no need to perform communication with the server device 200, and the occupants receive the information. Prompt information can be provided for requests.
  • the above-described first to third embodiments may be combined with some or all of the configurations of the other embodiments.
  • the embodiments for carrying out the present invention have been described using the embodiments.
  • the present invention is not limited to these embodiments at all, and various modifications and substitutions may be made without departing from the gist of the present invention.
  • some or all of the components of the server device 200 of the above-described embodiment may be provided in the agent device 100.
  • some or all of the components of the agent device of the above-described embodiment may be provided in the server device 200.
  • Agent system 100 ... Agent apparatus, 110 ... Communication apparatus, 120 ... Operation part, 122 ... Voice input part, 124A, 124B ... Microphone, 130 ... In-vehicle equipment, 132 ... Display part, 134 ... Speaker, 139 ... Vehicle control Equipment, 140 navigation device, 150 agent control device, 151 master / subagent function unit, 152 master agent function unit, 154 subagent function unit, 156 display control unit, 158 voice control unit, 160 Device control unit, 170, 240 ... storage unit, 172 ... function information table, 174, 242 ... personal profile, 176, 244 ... answer information DB, 200 ... server device, 210 ... communication unit, 220 ... recognition unit, 230 ... conversation Generator

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Otolaryngology (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Fittings On The Vehicle Exterior For Carrying Loads, And Devices For Holding Or Mounting Articles (AREA)
  • Navigation (AREA)

Abstract

車室内の音声を収集するマイクと、前記車室内に音声を出力するスピーカと、機能が異なる複数のエージェント機能部と、を備え、前記複数のエージェント機能部のそれぞれは、前記マイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成し、生成したエージェント音声を前記スピーカに出力させ、前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替わる、エージェント装置。

Description

エージェント装置、エージェント制御方法、およびプログラム
　本発明は、エージェント装置、エージェント制御方法、およびプログラムに関する。
　従来、車両の乗員と対話を行いながら、乗員の要求に応じた運転支援に関する情報や車両の制御、その他のアプリケーション等を提供するエージェントに関する技術が知られている（例えば、特許文献１参照）。
特開２００６－３３５２３１号公報
　しかしながら、乗員の要求は多様であるため、一つのエージェントのみでは対応できない場合があった。また、複数のエージェントを用いた場合であっても、乗員が呼び出した一つのエージェントが起動している場合には、他のエージェント装置は停止状態となるため、エージェント間での連携が充分に行えない場合があった。その結果、乗員への適切な支援ができない場合があった。
　本発明の態様は、このような事情を考慮してなされたものであり、乗員に、より適切な支援を行うことができるエージェント装置、エージェント制御方法、およびプログラムを提供することを目的の一つとする。
　この発明に係るエージェント装置、エージェント制御方法、およびプログラムは、以下の構成を採用した。
　（１）：この発明の一態様に係るエージェント装置は、車室内の音声を収集するマイクと、前記車室内に音声を出力するスピーカと、機能が異なる複数のエージェント機能部と、を備え、前記複数のエージェント機能部のそれぞれは、前記マイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成し、生成したエージェント音声を前記スピーカに出力させ、前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替わる、エージェント装置である。
　（２）：上記（１）の態様において、前記複数のエージェント機能部のそれぞれは、前記生成したエージェント音声の音像が所定の位置に定位されるように、前記エージェント音声を前記スピーカに出力させるものである。
　（３）：上記（１）または（２）の態様において、前記マイクにより収集された音声の意味に基づいて、前記乗員と対話する主体を切り替えるマスタエージェント機能部を更に備え、前記複数のエージェント機能部は、前記マスタエージェント機能部による切り替え制御によって、前記乗員と対話する主体となるものが切り替わるものである。
　（４）：上記（３）の態様において、前記マスタエージェント機能部と、前記複数のエージェント機能部のうち一つが、一体に動作するものである。
　（５）：上記（３）または（４）の態様において、前記複数のエージェント機能部のそれぞれが実行可能な機能に関する機能情報を記憶する記憶部を、更に備え、前記マスタエージェント機能部は、前記音声の意味に基づいて、前記機能情報を参照し、前記音声の意味に対応する機能を実現可能なエージェント機能部に切り替えるものである。
　（６）：上記（３）～（５）のうち何れか一つの態様において、前記車両に搭載された機器に対する制御は、前記複数のエージェント機能部のうち、特定のエージェント機能部により実行されるものである。
　（７）：上記（３）～（５）のうち何れか一つの態様において、画像を表示する表示部を、更に備え、前記複数のエージェント機能部は、前記乗員とのコミュニケーションを行う擬人化されたエージェント画像を生成し、前記マスタエージェント機能部は、前記複数のエージェント機能部により生成されたエージェント画像を前記表示部に表示させるとともに、前記乗員と対話する主体が切り替わる場合に、前記エージェント画像の表示態様を変更させるのである。
　（８）：上記（３）～（７）のうち何れか一つの態様において、前記マイクを前記車室内に複数備え、前記複数のマイクは、前記車室内における所定距離以内の位置に設置されるものである。
　（９）：上記（８）の態様において、前記複数のマイクからの入力のうちの一つは、前記マスタエージェント機能部に割り当てられるものである。
　（１０）：上記（８）または（９）の態様において、前記マスタエージェント機能部に割り当てられるマイクは、他のマイクよりも高性能である。
　（１１）：上記（８）～（１０）のうち何れか一つの態様において、前記マスタエージェント機能部は、割り当てられたマイクからの音声を常時入力するものである。
　（１２）：上記（８）～（１１）のうち何れか一つの態様において、前記複数のマイクにより収集したそれぞれの音声は、前記マスタエージェント機能部の音声入力インターフェースに入力が可能である。
　（１３）：この発明の他の一態様に係るエージェント制御方法は、コンピュータが、機能が異なる複数のエージェント機能部のそれぞれに、車室内の音声を収集するマイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成させ、生成したエージェント音声を、前記車室内に音声を出力するスピーカに出力させ、前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替わる、エージェント制御方法である。
　（１４）：この発明の他の一態様に係るプログラムは、コンピュータに、機能が異なる複数のエージェント機能部のそれぞれに、車室内の音声を収集するマイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成させ、生成したエージェント音声を、前記車室内に音声を出力するスピーカに出力させ、前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替えさせる、プログラムである。
　（１）～（１４）によれば、乗員に、より適切な支援を行うことができる。
第１の実施形態に係るエージェント装置を含むエージェントシステム１の構成図である。 車両Ｍに設置されるマイク、表示部、およびスピーカを模式的に示す図である。 後部座席付近のスピーカの位置を説明するための図である。 機能情報テーブル１７２の内容の一例を示す図である。 音像が定位する位置を移動させることについて説明するための図である。 サーバ装置２００の機能構成の一例を示す図である。 サーバ装置２００Ａが備える回答情報ＤＢ２４４Ａの内容の一例を示す図である。 サーバ装置２００Ｂが備える回答情報ＤＢ２４４Ｂの内容の一例を示す図である。 第１の場面において、エージェント装置１００により実行される処理について説明するための図である。 第２の場面において、エージェント装置１００により実行される処理について説明するための図である。 第３の場面において、エージェント装置１００により実行される処理について説明するための図である。 第４の場面において、エージェント装置１００により実行される処理について説明するための図である。 エージェント装置１００による一連の処理の流れの一例を示すフローチャートである。 第２の実施形態に係るエージェント装置を含むエージェントシステム２の構成図である。 第３の実施形態に係るエージェント装置を含むエージェントシステム３の構成図である。
　以下、図面を参照し、本発明のエージェント装置、エージェント制御方法、およびプログラムの実施形態について説明する。また、以下では、エージェント装置の一例として、車両（以下、車両Ｍ）に搭載され、対話型エージェント機能を備えたエージェント装置について説明する。対話型エージェント機能とは、例えば、車両Ｍの乗員と対話をしながら、乗員の要求に基づく各種情報の提供や車両内の機器の制御等を行うことで乗員を支援する機能である。対話型エージェント機能は、例えば、乗員の音声を認識する音声認識処理（音声をテキスト化する処理）に加え、自然言語機能（テキストの構造や意味を理解する処理）、対話制御処理、検索処理等を統合的に利用して実現される。これらの処理の一部または全部は、ＡＩ（Artificial Intelligence）技術によって実現される。また、これらの処理を行う構成の一部または全部は、車両Ｍと通信可能なサーバ装置（外部装置）に設けられてもよい。
　（第１の実施形態）
　［全体構成］
　図１は、第１の実施形態に係るエージェント装置を含むエージェントシステム１の構成図である。エージェントシステム１は、例えば、エージェント装置１００と、サーバ装置２００とを備える。エージェント装置１００とサーバ装置２００とは、例えば、インターネットやＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）等のネットワークＮＷによりデータの送受信が可能な状態で接続されている。図１に示すサーバ装置２００Ａ～２００Ｃは、例えば、後述するサブエージェント機能部１５４Ａ～１５４Ｃに対応するものである。以下、サーバ装置２００Ａ～２００Ｃのそれぞれを区別しない場合には「サーバ装置２００」と称して説明する。他の名称についても同様とする。
　エージェント装置１００は、車両Ｍの乗員と対話を行い、乗員からの音声等による質問等の要求に対して、サーバ装置２００にリクエストを行い、サーバ装置２００から得られた回答を、所定の出力態様で乗員に提示することで、乗員への支援を行う。乗員とは、例えば、運転席に着座する乗員（以下、運転者）であるが、これに加えて助手席や後部座席に着座する乗員（同乗者）でもよい。所定の出力態様とは、例えば、音声出力、画像出力等の態様である。また、エージェント装置１００は、乗員からの音声による指示に応答して、車載機器または家庭機器等に対する制御を実行する。
　エージェント装置１００は、例えば、通信装置１１０と、操作部１２０と、車載機器１３０と、ナビゲーション装置１４０と、エージェント制御装置１５０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい
　通信装置１１０は、例えば、セルラー網やＷｉ－Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）等を利用してサーバ装置２００や他車両、乗員が所持する端末装置等と通信する。サーバ装置２００との間の通信は、ネットワークＮＷにより仲介される。通信装置１１０は、例えば、エージェント制御装置１５０から入力された音声を含む情報をサーバ装置２００に送信する。また、通信装置１１０は、サーバ装置２００により生成された対話情報および出力制御情報を受信する。対話情報には、例えば、後述する音声の出力制御に関する情報が含まれる。出力制御情報には、例えば、画像等の表示制御に関する情報、その他の各種機器制御に関する情報等が含まれる。
　操作部１２０は、乗員からの操作を受け付ける。操作部１２０は、例えば、音声入力部１２２を備える。音声入力部１２２は、車室内に存在する乗員の音声を収集する。音声入力部１２２は、例えば、複数のマイク１２４を備える。複数のマイク１２４は、性能が異なるマイクであってもよい。マイクの性能には、例えば、感度、指向性、周波数特性、強度が含まれる。以下では、二つのマイク１２４Ａおよび１２４Ｂを用いて説明するものとし、マイク１２４Ａの方がマイク１２４Ｂよりも高性能であるものとする。それぞれのマイクにより収集された音声（音声ストリーム）は、後述するマスタエージェント機能部１５２が備える音声入力インターフェース（音声入力ＩＦ）１５２ａに入力される。また、操作部１２０は、スイッチやボタン、キー、タッチパネル等を備えてもよい。
　車載機器１３０は、エージェント制御装置１５０が制御する対象の一例である。車載機器１３０は、例えば、表示部１３２と、スピーカ１３４と、アンプ（ＡＭＰ）１３６と、ミキサー１３８と、車両制御機器１３９とを備える。
　表示部１３２は、車室内のシートに着座する乗員の前方付近に設置される。また、スピーカ１３４は、車室内のシート付近または表示部１３２付近に設置される。表示部１３２およびスピーカ１３４は、車室内に複数設置されてよい。
　図２は、車両Ｍに設置されるマイク、表示部、およびスピーカを模式的に示す図である。図２に示す車両Ｍの車室内には、マイク１２４Ａ～１２４Ｂ、表示部１３２Ａ～１３２Ｄと、スピーカ１３４Ａ～１３４Ｆとが設置されている。
　マイク１２４Ａおよび１２４Ｂは、インストルメントパネルＩＰの任意の箇所に、所定距離以内の位置で設置される。所定距離以内の位置で設置されることで、マイク１２４Ａおよび１２４Ｂの両方から、ほぼ同様の音声を入力することができる。また、マイク１２４Ａおよび１２４Ｂは、ステアリングホイールやシートに設置されてもよい。
　表示部１３２Ａは、例えば、ＨＵＤ（Head-Up Display）装置である。ＨＵＤ装置は、風景に重畳させて画像を視認させる装置であり、一例として、車両Ｍのフロントウインドシールドやコンバイナーに画像を含む光を投光することで、運転者に虚像を視認させる装置である。表示部１３２Ａには、例えば、ナビゲーション装置１４０により実行されるナビゲーション処理に対応する画像や、エージェント制御装置１５０により生成される画像等が表示される。
　表示部１３２Ｂは、インストルメントパネルＩＰにおける運転席（例えば、ステアリングホイールに最も近い座席）の正面付近に設けられ、運転者がステアリングホイールの間隙から、或いはステアリングホイール越しに視認可能な位置に設置される。表示部１３２Ｂは、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electro Luminescence）表示装置等である。表示部１３２Ｂには、例えば、車両Ｍの速度、エンジン回転数、燃料残量、ラジエータ水温、走行距離、その他の情報の画像や、エージェント制御装置１５０により生成される画像等が表示される。
　表示部１３２Ｃは、インストルメントパネルＩＰの中央付近に設置される。表示部１３２Ｃは、例えば、表示部１３２Ｂと同様に、ＬＣＤや有機ＥＬ表示装置等である。表示部１３２Ｃには、例えば、ナビゲーション装置１４０により実行されるナビゲーション処理に対応する画像、エージェント制御装置１５０により生成される画像等が表示される。また、表示部１３２Ｃは、テレビ番組を表示したり、ＤＶＤを再生したり、ダウンロードされた映画等のコンテンツを表示してもよい。
　表示部１３２Ｄは、インストルメントパネルＩＰにおける助手席（運転席の隣りの座席）の正面付近に設けられる。表示部１３２Ｄには、例えば、テレビ番組やサーバ装置２００からダウンロードされた映画等のコンテンツ画像、その他のアプリケーションの実行に基づいて生成される画像、エージェント制御装置１５０により生成される画像等が表示される。なお、車室内には、上述した表示部に加えて、車外カメラによって取得した車両Ｍの側後方の画像を表示する表示部（電子ミラー）が設置されていてもよい。
　エージェント制御装置１５０は、例えば、乗員からのリクエストに対する回答結果を、表示部１３２Ａ～１３２Ｄのうち少なくとも一つに表示させる。例えば、エージェント制御装置１５０は、運転者の質問に対する回答結果を表示する場合に、表示部１３２Ａまたは１３２Ｂに表示させることで、運転者に車両前方を監視させながら回答結果を視認させ易くすることができる。また、エージェント制御装置１５０は、表示部１３２Ｃや１３２Ｄに回答結果を表示させることで、運転者だけでなく、他の同乗者にも回答結果を認識させ易くすることができる。どの表示部１３２に表示させるかについては、例えば、回答結果の内容や、車両状況（走行中または停止中）に基づいて決定されてもよく、乗員の指示に基づいて決定されてもよい。
　スピーカ１３４Ａおよび１３４Ｂは、例えば、車両Ｍの左右の前方の窓柱（いわゆるＡピラー）に設置される。また、スピーカ１３４Ｃは、運転席側のドアの下部に設置され、スピーカ１３４Ｄは、助手席側のドアの下部に設置される。スピーカ１３４Ｅは、表示部１３２Ｃ付近、つまり、インストルメントパネルＩＰの中央付近に設置される。スピーカ１３４Ｆは、車室内の天井の中央部付近に設置される。
　また、車両Ｍには、後部座席付近にスピーカが設けられていてもよい。図３は、後部座席付近のスピーカの位置を説明するための図である。図３の例では、図２に示すスピーカ１３４Ａ～１３４Ｆの他に、運転席ＳＴ１と助手席ＳＴ２の後方に設置された後部座席ＳＴ３付近にスピーカ１３４Ｇおよび１３４Ｈが設けられている。具体的には、スピーカ１３４Ｇおよび１３４Ｈは、左右の方向ドアの下部に設けられる。また、スピーカ１３４は、車両Ｍの前方ドアと後方ドアとの間に設けられる窓柱（いわゆるＢピラー）に設けられてもよく、後部座席の後方に設けられてもよい。
　ＡＭＰ１３６は、音声制御部１５８による制御によりスピーカ１３４から出力される音の大きさを調整する。例えば、ＡＭＰ１３６は、基準となる音の大きさ（最大強度）に対し、０～１００％の間で音の調節を可能とする。また、ＡＭＰ１３６は、例えば、ミキサー１３８を備える。ミキサー１３８は、入力された複数の音を合成する機能を備える。また、ミキサー１３８は、スピーカ１３４が複数存在する場合に、それぞれのスピーカに出力する音を分配する機能を備える。エージェント制御装置１５０は、スピーカ１３４Ａ～１３４Ｈのうち、少なくとも一つのスピーカから音声を出力させる。
　また、車両制御機器１３９は、車両Ｍまたは車室内の状態を制御するための機器であり、例えば、エアコン（Air Conditioner）、室内灯を点灯または消灯させる照明装置、座席の位置やリクライニング角度を自動で変化させるシート駆動装置、サイドウインドシールドを開閉させるパワーウインドユニットである。また、車載機器１３０には、ナビゲーション装置１４０が含まれてよい。
　ナビゲーション装置１４０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）衛星から受信した信号に基づいて、車両Ｍの位置を特定する。また、ナビゲーション装置１４０は、特定された車両Ｍの位置（或いは入力された任意の位置）から、操作部１２０や表示部１３２を用いて乗員により入力された目的地までの経路（以下、地図上経路）を、地図情報１４２を参照して決定する。地図情報１４２は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。地図情報１４２は、道路の曲率やＰＯＩ（Point Of Interest）情報等を含んでもよい。また、地図情報１４２は、例えば、車線の中央の情報あるいは車線の境界の情報、車線の種別の情報等を含んでもよい。また、地図情報１４２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報等が含まれてよい。地図情報１４２は、通信装置１１０が他装置と通信することにより、随時、アップデートされてよい。
　また、ナビゲーション装置１４０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。また、ナビゲーション装置１４０は、通信装置１１０を介してサーバ装置２００或いはナビゲーションサーバに現在位置と目的地を送信し、サーバ装置２００やナビゲーションサーバから地図上経路と同等の経路を取得してもよい。また、ナビゲーション装置１４０は、エージェント制御装置１５０により実行されるナビゲーション用のアプリケーション（ナビアプリ）の機能によって、上述したナビゲーション装置１４０の機能が実現されてもよい。また、ナビゲーション装置１４０は、地図上経路に基づいて、表示部１３２による地図画像表示やスピーカ１３４による音声出力によって、経路案内を行ってもよい。
　［エージェント制御装置］
　エージェント制御装置１５０は、例えば、マスタエージェント機能部１５２と、複数のサブエージェント機能部（エージェント機能部の一例）１５４と、表示制御部１５６と、音声制御部１５８と、機器制御部１６０と、記憶部１７０とを備える。これらの構成要素は、例えば、ＣＰＵ（Central Processing Unit）等のコンピュータプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）等のハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め記憶部１７０に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることで記憶部１７０にインストールされてもよい。以下では、複数のサブエージェント機能部１５４の一例として、三つのサブエージェント機能部１５４Ａ～１５４Ｃを用いるものとする。
　記憶部１７０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）、ＲＯＭ（Read Only Memory）、またはＲＡＭ（Random Access Memory）等により実現される。記憶部１７０には、例えば、機能情報テーブル１７２、プロセッサによって読み出されて実行されるプログラム、その他の情報等が格納される。機能情報テーブル１７２の内容については、後述する。
　［マスタエージェント機能部］
　マスタエージェント機能部１５２は、マイク１２４Ａおよび１２４Ｂから音声を入力することができる音声入力インターフェース１５２ａを備える。また、サブエージェント機能部１５４Ａ～１５４Ｃは、それぞれマイク１２４Ｂから音声を入力することができる音声入力インターフェース１５４Ａａ～１５４Ｃａを備える。つまり、マイク１２４Ａは、音声入力インターフェース１５２ａに割り当てられ、マイク１２４Ｂは、乗員の要求に対する処理状態に応じてマスタエージェント機能部１５２またはサブエージェント機能部１５４Ａ～１５４Ｃのうち、何れか一つに切り替え可能に割り当てられる。マイク１２４Ｂよりも高性能であるマイク１２４Ａをマスタエージェント機能部１５２に割り当てることで、マスタエージェント機能部１５２は、マイク１２４Ｂよりも音質のよい音声を入力することができる。
　マスタエージェント機能部１５２は、音声入力インターフェース１５２ａにより入力された音声（音声ストリーム）から音声の意味を認識する。具体的に説明すると、まず、マスタエージェント機能部１５２は、入力された音声ストリームにおける音声波形の振幅と零交差に基づいて音声区間を検出する。また、マスタエージェント機能部１５２は、混合ガウス分布モデル（ＧＭＭ；Gaussian mixture model) に基づくフレーム単位の音声識別および非音声識別に基づく区間検出を行ってもよい。
　次に、マスタエージェント機能部１５２は、検出した音声区間における音声を認識し、認識した音声を文字情報としてテキスト化する。そして、マスタエージェント機能部１５２は、テキスト化された文字情報に対する自然言語処理を実行し、文字情報の意味を認識する。自然言語処理には、形態素解析、構文解析、意味解析、文脈解析等が含まれる。形態素解析は、例えば、文字情報を、意味を持つ最小の表現要素の単位に分割し、分割した単位（形態素）ごとの品詞等を解析する。構文解析は、例えば、形態素解析により得られた形態素をもとに、文の構造を解析する。意味解析は、例えば、構文解析により得られた構文をもとに、意味を持つまとまりを判別する。文脈解析は、例えば、文単位で意味を認識する。
　次に、マスタエージェント機能部１５２は、認識した意味に基づいて、ワードまたはコマンドを認識する。例えば、入力された音声が「ねえ！」や「おーい！」等の任意のエージェント（対話型エージェント）を呼び出すワードや、サブエージェント機能部１５４Ａ～１５４Ｃのそれぞれによって実現されるエージェントを指定して呼び出すワード（例えば、ウェイクワード）を認識する。
　また、マスタエージェント機能部１５２は、認識した意味に対応するコマンドを生成する。例えば、認識結果として、「エアコンをつけて」、「エアコンの電源を入れてください」等の意味が認識された場合、マスタエージェント機能部１５２は、標準文字情報「エアコンの起動」に置き換えたコマンドを生成する。これにより、リクエストの音声に文字揺らぎがあった場合にも要求にあった制御を実行し易くすることができる。また、マスタエージェント機能部１５２は、例えば、確率を利用した機械学習処理等の人工知能処理を用いて文字情報の意味を認識したり、認識結果に基づくコマンドを生成してもよい。
　また、マスタエージェント機能部１５２は、認識したワードやコマンドに基づいて、乗員との対話を行うサブエージェントを決定する。例えば、任意のエージェントを呼び出すワードを認識した場合、予め指定されたエージェント（例えば、サブエージェント機能部１５４Ａによって実現されるエージェントＡ）に決定する。また、マスタエージェント機能部１５２は、特定のエージェントを指定するワードが認識された場合に、認識されたワードで指定されたエージェントに決定する。また、マスタエージェント機能部１５２は、認識したコマンドに基づいて、記憶部１７０に記憶された機能情報テーブル１７２を参照し、コマンドに対応付けられる機能を実現可能なエージェントを、乗員との対話を行うエージェントとして決定してもよい。
　図４は、機能情報テーブル１７２の内容の一例を示す図である。機能情報テーブル１７２は、機能情報に、エージェント識別情報が対応付けられている。機能情報には、例えば、車載機器制御、店舗検索、経路案内、交通情報通知、ラジオ制御、家庭機器制御、商品注文が含まれる。また、エージェント情報には、例えば、サブエージェント機能部１５４Ａ～１５４Ｃによって実現されるエージェントＡ～Ｃが含まれる。また、図４の例では、エージェントが実現可能な機能に「１」が格納され、実現不可能な機能に「０」が格納されているが、他の識別情報を用いてもよい。
　例えば、マスタエージェント機能部１５２は、認識したコマンドが「エアコンの起動」である場合に、コマンドに対応する制御である車載機器制御が実行可能なエージェントを、機能情報テーブル１７２を参照して決定する。図４の例において、マスタエージェント機能部１５２は、エアコンの起動が実行可能なエージェントがエージェントＡであることを取得し、乗員と対話するエージェントをエージェントＡに決定する。なお、店舗検索のように、複数のエージェントが実行可能な機能の場合、マスタエージェント機能部１５２は、機能ごとに予め決められた優先順位に基づいてエージェントを決定してもよい。
　また、マスタエージェント機能部１５２は、特定のエージェントを呼び出すウェイクワードを認識した場合、ウェイクワードに基づいて乗員との対話を行うエージェントを決定してもよい。
　マスタエージェント機能部１５２は、決定したエージェントに対応するサブエージェント機能部１５４を乗員と対話可能な状態にさせる。そのため、マスタエージェント機能部１５２は、マイク１２４Ｂからの音声を、乗員と対話するサブエージェント機能部１５４の音声入力インターフェースに割り当てる。これにより、マスタエージェント機能部１５２により対話可能な状態となったサブエージェント機能部１５４は、音声入力インターフェースにより入力したマイク１２４Ｂからの音声に基づいて、乗員からのリクエストを取得したり、乗員と対話を行ったりすることができる。
　また、マスタエージェント機能部１５２は、所定のサブエージェント機能部１５４が乗員と対話可能な状態であっても、マイク１２４Ａにより収集された音声を常時入力する。これにより、マスタエージェント機能部１５２は、例えば、サブエージェント機能部１５４Ａと乗員との対話内容を把握することができるとともに、より適切な回答を得る可能性がある他のサブエージェント機能部１５４を選定し、選定された他のサブエージェント機能部１５４に切り替えるといった制御を行うことができる。これにより、複数のエージェントの連携性を向上させることができるとともに、乗員へのより適切な支援を実現することができる。
　また、マスタエージェント機能部１５２は、サブエージェント機能部１５４が対話可能な状態でない場合に、マイク１２４Ａおよび１２４Ｂの両方から音声を入力することができるため、より高性能な音声を入力することができる。また、マスタエージェント機能部１５２は、マイク１２４Ａおよび１２４Ｂの両方の音声の位相差に基づいて、車室内のどの方向から音声が聞こえているかを認識することができる。
　また、マスタエージェント機能部１５２は、サブエージェント機能部１５４Ａ～１５４Ｃのそれぞれが出力する音声の出力位置や、画像の表示位置等を調整する。マスタエージェント機能部１５２における音声の出力位置や画像の表示位置の調整の詳細については、後述する。
　［サブエージェント機能部］
　サブエージェント機能部１５４は、音声入力インターフェースから入力した音声を含む情報を、ネットワークＮＷを介してサーバ装置２００に送信し、送信した音声に対応する対話情報や出力制御情報を取得する。また、サブエージェント機能部１５４は、入力した音声を含む情報をサーバ装置２００に送信する場合に、車両Ｍの状態（例えば、車両Ｍの位置や周囲環境）に関する情報を送信してもよい。
　サブエージェント機能部１５４は、取得した対話情報に音声制御が含まれる場合に、音声制御部１５８に音声の生成や音声制御を実行させる。また、サブエージェント機能部１５４は、取得した出力制御情報に表示制御が含まれる場合に、表示制御部１５６に画像の生成や表示制御を実行させる。また、サブエージェント機能部１５４は、取得した出力制御情報に車両制御機器１３９に対する制御が含まれる場合に、機器制御部１６０に対象の機器に対する制御を実行させる。また、サブエージェント機能部１５４は、マスタエージェント機能部１５２からの指示により、画像の生成や音声の生成を行ってもよい。
　なお、サブエージェント機能部１５４は、マイク１２４Ｂからの音声や、通信装置１１０から得られる対話情報および出力制御情報の入力をＡＰＩ（Application　Programming　Interface）によって受け付け、受け付けた入力に基づく処理を実行する機能部（表示制御部１５６、音声制御部１５８、および機器制御部１６０）を選択し、選択した機能部に、ＡＰＩを介して処理を実行させてもよい。
　表示制御部１５６は、サブエージェント機能部１５４の制御により、車内で乗員とのコミュニケーションを行う擬人化されたエージェントの画像（以下、エージェント画像と称する）を生成し、生成したエージェント画像を表示部１３２に表示させる。エージェント画像は、例えば、乗員に対して話しかける態様の画像である。エージェント画像は、例えば、少なくとも観者（乗員）によって表情や顔向きが認識される程度の顔画像を含む。例えば、エージェント画像は、顔領域の中に目や鼻に擬したパーツが表されており、顔領域の中のパーツの位置に基づいて表情や顔向きが認識されるものである。また、エージェント画像は、立体的に感じられ、観者によって三次元空間における頭部画像を含むことでエージェントの顔向きが認識されたり、本体（胴体や手足）の画像を含むことで、エージェントの動作や振る舞い、姿勢等が認識されるものであってもよい。また、エージェント画像は、アニメーション画像であってもよい。
　また、表示制御部１５６は、出力制御情報に含まれる画像を、サブエージェント機能部１５４により指示された表示部１３２に表示させるための表示態様（例えば、画像サイズ、画像フォーマット）に変換し、変換した画像を指示された表示部１３２に表示させる。
　音声制御部１５８は、サブエージェント機能部１５４の制御により、対話情報に含まれるエージェント画像が乗員に話しかける音声（以下、エージェント音声と称する）や、エージェント音声以外の音声（例えば、ラジオや音楽、映像等のコンテンツに対する音声）をスピーカ１３４から出力させる。このとき、音声制御部１５８は、複数のスピーカ１３４を用いて、エージェント画像の表示位置に対応する位置にエージェント音声の音像を定位させる制御を行ってもよい。エージェント画像の表示位置に対応する位置とは、例えば、エージェント画像がエージェント音声を喋っていると乗員が感じると予測される位置であり、具体的には、エージェント画像の表示位置付近（例えば、２～３［ｃｍ］以内）の位置である。また、音像が定位するとは、例えば、乗員の左右の耳に伝達される音の大きさを調節することにより、乗員が感じる音源の空間的な位置を定めることである。音像は、例えば、音源が元々保有している音特性や、車室内環境の情報、頭部伝達関数（HRTF；Head-related transfer function）に基づいて定まる。このような原理を利用して、音像を所定の位置に定位させることができる。
　図５は、音像が定位する位置を移動させることについて説明するための図である。図５では、説明を簡略化するために、上述したスピーカ１３４Ｃ～１３４Ｅを用いるが、車室内に設けられたスピーカ１３４Ａ～１３４Ｈを用いて音像を定位させる位置を空間的に移動させることができる。例えば、図５に示す三次元座標（Ｘ、Ｙ、Ｚ）で定められる空間位置ＭＰ１に音像を定位させる場合、ＡＭＰ１３６は、音声制御部１５８により生成された音声に基づいて、所定の出力対象の音声に対し、スピーカ１３４Ｃから最大強度の５％の出力を行い、スピーカ１３４Ｄから最大強度の８０％の出力を行い、スピーカ１３４Ｅから最大強度の１５％の出力を行った場合、乗員Ｐ１の位置からは、図５に示す空間位置ＭＰ１に音像が定位しているように感じることになる。
　また、ＡＭＰ１３６は、出力対象の音声に対し、スピーカ１３４Ｃから最大強度の４５％の出力を行い、スピーカ１３４Ｄから最大強度の４５％の出力を行い、スピーカ１３４Ｅから最大強度の４５％の出力を行った場合、乗員Ｐ１の位置からは、図４に示す空間位置ＭＰ２に音像が定位しているように感じることができる。このように、車室内に設けられる複数のスピーカとそれぞれのスピーカから出力される音の大きさを調整することで、音像が定位される位置を変化させることができる。以下、音像が定位される空間上の位置ＭＰを「音像位置ＭＰ」と称するものとする。
　機器制御部１６０は、出力制御情報に含まれる機器制御情報に基づいて、車両制御機器１３９の制御を実行する。車両制御機器１３９の制御とは、例えば、エアコンのオン／オフ、温度調整、室内灯の点灯／消灯、リクライニング角度の調整、サイドウインドシールドの開閉等である。
　［サーバ装置］
　次に、サーバ装置２００の概略構成について図を用いて説明する。なお、図１に示すサーバ装置２００Ａ～２００Ｃは、サブエージェント機能部１５４Ａ～１５４Ｃごとに設けられているが、それぞれの概略構成については、後述する回答情報ＤＢの内容を除いて略同様であるため、「サーバ装置２００」として纏めて説明する。
　図６は、サーバ装置２００の機能構成の一例を示す図である。サーバ装置２００は、例えば、通信部２１０と、認識部２２０と、対話生成部２３０と、記憶部２４０とを備える。これらの構成要素は、例えば、ＣＰＵ等のコンピュータプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵ等のハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予め記憶部２４０に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の着脱可能な記憶媒体に格納されており、記憶媒体がドライブ装置に装着されることで記憶部２４０にインストールされてもよい。
　記憶部２４０は、例えば、ＨＤＤ、フラッシュメモリ、ＥＥＰＲＯＭ、ＲＯＭ、またはＲＡＭ等により実現される。記憶部２４０は、例えば、パーソナルプロファイル２４２、回答情報ＤＢ２４４、その他の情報等が格納される。
　通信部２１０は、例えば、セルラー網やＷｉ－Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ、ＤＳＲＣ等を利用して、ネットワークＮＷを介してエージェント装置１００と通信する。通信部２１０は、エージェント装置１００から送信された音声（例えば、音声ストリーム）を含む情報を受信する。また、通信部２１０は、対話生成部２３０により生成された音声を含む対話情報や、画像または機器への出力制御情報をエージェント装置１００に送信する。
　認識部２２０は、例えば、通信部２１０により受信した音声ストリームから音声の意味を認識する。具体的には、認識部２２０は、エージェント装置１００から送信された音声ストリームにおける音声波形の振幅や零交差等に基づいて音声区間を検出する。また、認識部２２０は、ＧＭＭに基づくフレーム単位の音声・非音声識別に基づく区間検出を行ってもよい。また、認識部２２０は、検出した音声区間における音声を認識し、音声を文字情報としてテキスト化する。また、認識部２２０は、認識された音声から発話者の特徴を特定してもよい。発話者の特徴には、例えば、性別や年齢、運転者であるか、同乗者であるかの情報が含まれる。
　また、認識部２２０は、音声から得られる特徴情報を用いて、記憶部２４０に記憶されたパーソナルプロファイル２４２と照合を行ってもよい。パーソナルプロファイル２４２には、例えば、音声の特徴情報に、個人情報が対応付けられている。音声の特徴情報とは、例えば、声の高さ、イントネーション、リズム（音の高低のパターン）、ポーズ等の喋り方の特徴や、メル周波数ケプストラム係数（Mel Frequency Cepstrum Coefficients）等による特徴量に関する情報である。音声の特徴情報は、例えば、乗員の初期登録時に所定の単語や文章等を乗員に発声させ、発声させた音声を認識することで得られる情報である。個人情報には、例えば、氏名、住所、年齢、趣味、過去のサーバ装置２００の使用履歴が含まれる。氏名、住所、年齢、趣味は、乗員の初期登録時に音声の特徴情報とともに設定され、その後、設定変更等により適宜更新がなされる。認識部２２０は、音声から得られる特徴情報と、記憶部２４０に記憶されたパーソナルプロファイル２４２の特徴情報とを照合して、合致した特徴情報に対応付けられた個人情報を認識する。
　また、認識部２２０は、テキスト化された文字情報に対する自然言語処理を実行し、文字情報の意味を認識する。自然言語処理には、形態素解析、構文解析、意味解析、文脈解析等が含まれる。また、認識部２２０は、認識した意味に対応するコマンドを生成する。
　また、対話生成部２３０は、認識部２２０から入力されたコマンドを用いて記憶部２４０に記憶された回答情報ＤＢ２４４のコマンドを参照し、合致するコマンドに対応する制御内容を取得する。なお、回答情報ＤＢ２４４は、サブエージェント機能部１５４Ａ～１５４Ｃが実行可能な機能によって異なる。以下では、サーバ装置２００Ａおよびサーバ装置２００Ｂのそれぞれが備える回答情報ＤＢについて説明する。
　図７は、サーバ装置２００Ａが備える回答情報ＤＢ２４４Ａの内容の一例を示す図である。回答情報ＤＢ２４４Ａには、例えば、コマンド情報に、サブエージェント機能部１５４Ａに実行させる制御内容が対応付けられている。回答情報ＤＢ２４４Ｂの制御内容には、例えば、車載機器に対する機器制御（起動、停止）に関する情報や、エージェント音声の出力制御、表示部１３２に表示させる画像制御等が含まれる。回答情報ＤＢ２４４Ａに含まれる内容は、上述した図４に示す機能情報テーブル１７２における実行可能な機能に対応付けられている。図７に示す「エアコンの起動」や「エアコンの停止」、「車内灯の点灯」のコマンドに対する制御は、車載機器制御機能に含まれる制御である。また、「Ａまでの距離は？」のコマンドに対する制御は、経路案内機能に含まれる制御である。また、「近くにあるレストランは？」のコマンドに対する制御は、店舗検索機能に含まれる制御である。
　図８は、サーバ装置２００Ｂが備える回答情報ＤＢ２４４Ｂの内容の一例を示す図である。回答情報ＤＢ２４４Ｂには、例えば、コマンド情報に、サブエージェント機能部１５４Ｂに実行させる制御内容が対応付けられている。回答情報ＤＢ２４４Ｂには、エージェント音声の出力制御、表示部１３２に表示させる画像制御、アプリ実行制御等が含まれる。例えば、図８に示す「ラジオをつけて」のコマンドに対する制御は、ラジオ制御機能に含まれる制御である。このように、サーバ装置２００は、それぞれの特性や分野ごとに対応した回答情報ＤＢ２４４を備えることで、多種の情報の中から乗員の要求にあった情報を提供することができる。
　対話生成部２３０は、コマンドに対応付けられた制御内容を取得する。例えば、コマンドが「エアコンの起動」である場合、対話生成部２３０は、車両Ｍに搭載されたエアコンを起動させる機器制御の制御内容と、「エアコンを起動しました。」という音声を出力する音声制御の制御内容と、車室内温度および設定温度を表示する表示制御の制御内容とを取得する。
　また、コマンドが「Ａ駅までの距離は？」である場合、対話生成部２３０は、「ここから＊＊＊［ｋｍ］です。」という音声を出力する音声制御の制御内容と、Ａ駅までの経路画像を表示するという表示制御の制御内容とを取得する。この場合、対話生成部２３０は、エージェント装置１００から送信された車両Ｍの位置情報に基づいて、記憶部２４０または外部装置に記憶された地図情報（不図示）を参照し、車両Ｍの位置からＡ駅までの走行距離を導出する。そして、対話生成部２３０は、取得した音声制御の制御内容である「ここから＊＊＊［ｋｍ］です。」の「＊＊＊」の部分に、導出した走行距離を代入して最終的な音声情報を生成してもよい。
　また、対話生成部２３０は、取得した制御内容に基づいて乗員と対話するための対話情報および出力制御情報を生成する。例えば、対話生成部２３０は、対話情報として、回答情報ＤＢ２４４から得られた内容（文字情報）に対する音声情報（音声ストリーム）を生成する。音声情報には、例えば、エージェント音声やその他の音声が含まれる。また、対話生成部２３０は、エージェント音声の内容に対応するエージェント画像を生成してもよい。また、対話生成部２３０は、出力制御情報として、乗員に提示する画像や映像、文字情報等を生成したり、機器制御に対する制御情報を生成する。例えば、回答情報ＤＢ２４４により得られる回答が「表示制御：Ａ駅までの経路画像を表示」である場合、対話生成部２３０は、地図情報を参照して、車両Ｍの位置からＡ駅までの経路画像を生成する。
　また、対話生成部２３０は、認識部２２０により音声に対する個人情報が得られている場合に、個人情報に基づいて、音声で乗員の名前を呼んだり、乗員の話し方に似せた話し方にした音声情報を生成してもよい。また、対話生成部２３０は、パーソナルプロファイルから得られる乗員の趣味に関する情報を取得し、取得した情報を対話情報に含めてもよい。対話生成部２３０は、生成された対話情報および出力制御情報を、通信部２１０を介してエージェント装置１００に送信する。
　［エージェント装置により実行される処理の詳細］
　次に、エージェント装置１００により実行される処理の詳細について、異なる場面ごとに説明する。以下では、エージェント装置１００により出力されるエージェント画像が、表示部１３２Ａに表示されるものとして説明する。
　＜第１の場面＞
　図９は、第１の場面において、エージェント装置１００により実行される処理について説明するための図である。第１の場面は、例えば、マスタエージェント機能部１５２により、乗員の音声から任意のエージェントを呼び出すワードが認識された場面である。なお、第１の場面においては、マイク１２４Ａおよびマイク１２４Ｂのそれぞれで入力された音声が、マスタエージェント機能部１５２の音声入力インターフェース１５２ａに入力されているものとする。
　第１の場面において、マスタエージェント機能部１５２は、任意のエージェントを呼び出すワードが認識された場合、サブエージェント機能部１５４Ａ～１５４Ｃのそれぞれにエージェント画像ＥＩＡ～ＥＩＣを生成させる。このとき、マスタエージェント機能部１５２は、それぞれのエージェント画像の表示態様を変更する。例えば、任意のエージェントを呼び出すワードを認識された場合、マスタエージェント機能部１５２は、予め指定されたサブエージェント機能部１５４ＡのエージェントＡを、乗員と対話するエージェントとして決定する。そして、マスタエージェント機能部１５２は、表示制御部１５６により生成されるサブエージェント機能部１５４Ａ～１５４Ｃに対応するエージェント画像ＥＩＡ～ＥＩＣのうち、対話を行うエージェント画像ＥＩＡを他のエージェントＥＩＢおよびＥＩＣよりも、乗員から見て手前に表示させる。なお、マスタエージェント機能部１５２は、画像空間上でのエージェント画像ＥＩＡ～ＥＩＣの位置関係に応じて、各エージェント画像の大きさを調整してもよい。
　図９に示すように、乗員と対話可能なエージェントに対応するエージェント画像ＥＩＡ～ＥＩＣを表示部１３２に表示することで、乗員に複数のエージェントがいることを容易に把握させることができる。また、対話するエージェント画像ＥＩＡを乗員から見て手前に表示させることで、対話するエージェントを直感的に把握し易くすることができる。
　また、マスタエージェント機能部１５２は、マイク１２４Ｂで収集された音声を、サブエージェント機能部１５４Ａの音声入力インターフェース１５４Ａａに入力させる。これにより、マイク１２４Ｂで収集された音声に基づいて、サブエージェント機能部１５４Ａのエージェントと乗員との間で対話を行わせることができるとともに、マイク１２４Ａから常時入力される音声に基づいて、マスタエージェント機能部１５２における機能を継続させる。
　サブエージェント機能部１５４Ａは、表示部１３２Ａに表示されたエージェント画像ＥＩＡの表示位置に対応付けて、音声制御部１５８に、エージェント音声の音像位置ＭＰＡを調整させる。図９の例では、サーバ装置２００から取得した対話情報に含まれる「何かリクエストはありますか？」というエージェント音声が、エージェント画像ＥＩＡの表示位置付近から聞こえるように音像位置ＭＰＡが調整されている。
　＜第２の場面＞
　図１０は、第２の場面において、エージェント装置１００により実行される処理について説明するための図である。第２の場面は、例えば、乗員から「エアコンの起動」に対応するリクエストを含む音声が入力され、入力されたリクエストに対応する制御を実行した場面である。また、第２の場面は、上述した第１の場面以降の連続する場面であるものとする。
　第２の場面において、マスタエージェント機能部１５２は、乗員の音声された認識されたコマンド「エアコンの起動」に基づいて、機能情報テーブル１７２のコマンド情報を参照し、車載機器制御が実現可能なエージェントＡ（サブエージェント機能部１５４Ａ）を、乗員と対話するエージェントに決定する。このとき、マスタエージェント機能部１５２は、決定したエージェントＡのエージェント画像ＥＩＡを他のエージェント画像ＥＩＢおよびＥＩＣよりも手前に表示させるが、第１の場面において、すでにエージェント画像ＥＩＡが手前に表示されているため、図９に示すエージェント画像の表示態様は継続される。
　また、第２の場面において、サブエージェント機能部１５４Ａは、サーバ装置２００から取得した出力制御情報に基づいて、機器制御を実行する。また、サブエージェント機能部１５４Ａは、出力制御情報に含まれる表示制御に基づいて、車両Ｍに搭載された車両センサ（不図示）により検出された車室内温度と、エアコンで設定されている設定温度を取得し、取得した車室内温度および設定温度に関する文字情報ＣＩを表示部１３２に表示させる。図１０の例において、サブエージェント機能部１５４Ａは、表示制御部１５６の制御により、車室内温度が３２［℃］で、設定温度が２８［℃］であることを示す文字情報ＣＩを表示部１３２Ａに表示させている。
　また、サブエージェント機能部１５４Ａは、機器制御が実行された場合、対話情報に含まれる音声制御内容に基づいて、エージェント画像ＥＩＡの表示位置付近に、エージェント音声の音像位置ＭＰＡを定位させ「エアコンを起動しました。」というエージェント音声を出力させる。
　なお、サブエージェント機能部１５４Ａは、乗員のリクエストに対する制御内容に基づいて、エージェント画像ＥＩＡの表情やエージェント音声のトーン等を変化させてもよい。例えば、乗員のリクエストに対する制御が実行できた場合、サブエージェント機能部１５４Ａは、喜んだ表情のエージェント画像を表示させたり、エージェント音声のトーンを基準のトーンよりも高く出力させる。また、乗員のリクエストに対する制御が実行できなかった場合、サブエージェント機能部１５４Ａは、悲しい表情のエージェント画像を表示させたり、エージェント音声のトーンを基準のトーンよりも低く出力させる。
　なお、エージェント画像やエージェント音声の変化は、リクエストに応えたエージェントであってもよく、その他のエージェントでもよい。図１０の例では、乗員のリクエストに応えたサブエージェント機能部１５４Ａのエージェント画像ＥＩＡと、リクエストに応えていないサブエージェント機能部１５４Ｂのエージェント画像ＥＩＢの表情が、微笑みの表情に変化している。このような表情を変化させた画像の生成は、マスタエージェント機能部１５２から指示を受けたサブエージェント機能部１５４により実行される。
　＜第３の場面＞
　図１１は、第３の場面において、エージェント装置１００により実行される処理について説明するための図である。第３の場面は、例えば、エージェントＡが実行できない機能制御について乗員からリクエストがあった場面である。
　第３の場面において、マスタエージェント機能部１５２は、乗員の音声された認識されたリクエストに対応するコマンドに基づいて、機能情報テーブル１７２のコマンド情報を参照し、コマンドに対応する機能が実現可能なエージェント（図１１の例では、エージェントＢ）を、乗員と対話するエージェントとして決定する。このとき、マスタエージェント機能部１５２は、乗員と対話を行う主体をサブエージェント機能部１５４Ａからサブエージェント機能部１５４Ｂに切り替えるタイミングで、エージェント画像ＥＩＢを他のエージェント画像ＥＩＡおよびＥＩＣよりも手前に表示されるように表示態様を変更する。
　また、マスタエージェント機能部１５２は、エージェント画像ＥＩＡとエージェント画像ＥＩＢの表示位置を入れ替える場合、対話するエージェントが切り替わったことを示すエージェント音声を、対象のサブエージェント機能部１５４に生成させてもよい。例えば、図１１に示すように、乗員と対話する主体がエージェントＡからエージェントＢに切り替わる場合、マスタエージェント機能部１５２は、エージェントＡから「そのリクエストは、エージェントＢがお応えします。」等のエージェント音声を出力させ、エージェントＢから「私がお応えします。」等のエージェント音声を出力させる。この場合、マスタエージェント機能部１５２は、エージェントＡに対するエージェント音声の音像位置ＭＰＡをエージェント画像ＥＩＡの表示位置付近に定位させ、エージェントＢに対するエージェント音声の音像位置ＭＰＢをエージェント画像ＥＩＢの表示位置付近に定位させる。これにより、エージェント間で円滑な連携が行われているという感覚を乗員に感じさせることができる。
　また、マスタエージェント機能部１５２は、マイク１２４Ｂが収集した音声の入力を、サブエージェント機能部１５４Ａの音声入力インターフェース１５４Ａａからサブエージェント機能部１５４Ｂの音声入力インターフェース１５４Ｂａに切り替える。これにより、エージェントＢと乗員との間で対話等を実現することができる。
　＜第４の場面＞
　図１２は、第４の場面において、エージェント装置１００により実行される処理について説明するための図である。第４の場面は、例えば、第３の場面において、エージェントＢによる乗員への支援が終了した場面である。
　第４の場面において、マスタエージェント機能部１５２は、乗員と対話する主体をエージェントＡに戻す制御を行う。具体的には、マスタエージェント機能部１５２は、エージェント画像ＥＩＡを他のエージェント画像ＥＩＢおよびＥＩＣよりも手前に表示させるとともに、マイク１２４Ｂが収集した音声の入力を、サブエージェント機能部１５４Ｂの音声入力インターフェース１５４Ｂａからサブエージェント機能部１５４Ａの音声入力インターフェース１５４Ａａに切り替える。
　また、マスタエージェント機能部１５２は、エージェント画像ＥＩＡとエージェント画像ＥＩＢの表示位置を入れ替える場合、対話するエージェントが切り替わったことを示すエージェント音声を出力してもよい。例えば、図１２に示すように、乗員と対話する主体がエージェントＢからエージェントＡに切り替わる場合、マスタエージェント機能部１５２は、エージェントＡからエージェントＢに対して「ありがとね！」等のエージェント音声を出力させ、エージェントＢからエージェントＡに対して「また呼んでね！」等のエージェント音声を出力させる。この場合、マスタエージェント機能部１５２は、エージェント音声の音像位置ＭＰＡおよびＭＰＢを、エージェント画像ＥＩＡおよびＥＩＢの表示位置付近に定位させる。このように、エージェント間での疑似的な会話を出力させることで、エージェント間で、より円滑な連携が行われているという感覚を乗員に感じさせることができる。
　このように、マスタエージェント機能部１５２は、複数のエージェントに対して、自動的に乗員と対話する主体を切り替える制御を行うことで、複数のエージェントによる、より適切な支援を行うことができる。
　また、マスタエージェント機能部１５２は、店舗検索のように一つのリクエストに対して、複数のエージェントで情報提示が可能である場合に、乗員がウェイクワードで指定したエージェントだけでなく、他のエージェントが代わって情報提示を行わせることができる。したがって、より最適な情報を乗員に提供させることができる。また、マスタエージェント機能部１５２は、複数のエージェントの機能を管理することで、例えば、エージェントＣに商品注文をさせている状態で、エージェントＡによりエアコンの起動制御を行わせることができる。
　［処理フロー］
　以下、第１の実施形態のエージェント装置１００による一連の処理の流れを、フローチャートを用いて説明する。図１３は、エージェント装置１００による一連の処理の流れの一例を示すフローチャートである。なお、図１３では、主にマスタエージェント機能部１５２による処理の流れについて説明するための図である。図１３の処理は、所定のタイミングで繰り返し実行されてもよい。
　まず、マスタエージェント機能部１５２は、マイク１２４により収集された音声を音声入力インターフェース１５２ａにより入力し、入力された音声の意味を認識する（ステップＳ１００）。次に、マスタエージェント機能部１５２は、認識された音声の意味から、予め設定された複数のサブエージェント機能部１５４のうち、乗員と対話する主体となるサブエージェント機能部１５４を決定する（ステップＳ１０２）。次に、マスタエージェント機能部１５２は、決定したサブエージェント機能部１５４を対話可能な状態にする（ステップＳ１０４）。
　次に、マスタエージェント機能部１５２は、決定したサブエージェント機能部１５４にリクエストに対応する制御を実行させる（ステップＳ１０６）。また、マスタエージェント機能部１５２は、他のリクエストを認識したか否かを判定する（ステップＳ１０８）。他のリクエストを認識した場合、マスタエージェント機能部１５２は、乗員との対話を行っているサブエージェント機能部１５４で、そのリクエストに対する機能が実行可能か否かを判定する（ステップＳ１１０）。実行可能である場合には、ステップＳ１０６の処理に戻る。
　また、実行可能でない場合、マスタエージェント機能部１５２は、複数のサブエージェント機能部１５４のうち、実行可能な他のサブエージェント機能部を決定する（ステップＳ１１２）。次に、マスタエージェント機能部１５２は、乗員と対話する主体を、決定したサブエージェント機能部に切り替え（ステップＳ１１４）、ステップＳ１０６の処理に戻る。また、ステップＳ１０８の処理において、他のリクエストを認識していない場合、本フローチャートの処理は終了する。
　以上説明した第１の実施形態によれば、乗員に、より適切な支援を行うことができる。具体的には、第１の実施形態によれば、複数のエージェントが実行可能な機能を管理することで、乗員の要望に対して、より適切なエージェントに切り替えて対話をさせることができる。
　(第２の実施形態)
　次に、第２の実施形態に係るエージェント装置の構成について説明する。第２の実施形態では、第１の実施形態のエージェント装置１００と比較して、エージェント制御装置１５０にマスタエージェント機能部と複数のサブエージェント機能部のうち一つとが一体に動作するマスタ／サブエージェント機能部を備える点で異なる。したがって、以下では、主にマスタ／サブエージェント機能部の構成を中心に説明する。
　図１４は、第２の実施形態に係るエージェント装置を含むエージェントシステム２の構成図である。第２の実施形態におけるエージェント装置１００＃は、例えば、通信装置１１０と、操作部１２０と、車載機器１３０と、ナビゲーション装置１４０と、エージェント制御装置１５０＃とを備える。また、エージェント制御装置１５０＃は、例えば、マスタ／サブエージェント機能部１５１と、サブエージェント機能部１５４Ｂおよび１５４Ｃと、表示制御部１５６と、音声制御部１５８と、機器制御部１６０と、記憶部１７０とを備える。
　マスタ／サブエージェント機能部１５１は、例えば、音声入力インターフェース１５１ａを備える。また、マスタ／サブエージェント機能部１５１は、例えば、第１の実施形態におけるマスタエージェント機能部１５２およびサブエージェント機能部１５４Ａの機能を備える。したがって、マスタ／サブエージェント機能部１５１により提供されるエージェントＡは、他のエージェントを管理するマスタエージェントとして機能する。
　例えば、エージェントＡは、マイク１２４Ａから音声入力インターフェース１５１ａに常時入力される音声に基づいて、他のエージェントへの切り替え等を円滑に行うことができる。更に、エージェントＡは、例えば、他のエージェント（例えば、エージェントＢまたはエージェントＣ）が乗員と対話している最中であっても、エージェントＡの呼び出しに即座に対応することができると共に、他のエージェントと同時に店舗検索等を行い、エージェント間で調整して、より適切な情報を乗員に提示することができる。また、エージェントＡに車載機器を制御する機能を備えることで、乗員から車載機器を制御するコマンドが入力された場合に、他のエージェントを仲介せずに迅速に対応することができる。
　上述した第２の実施形態によれば、第１の実施形態と同様の効果を奏する他、特定のエージェントをマスタエージェントとして常駐させることで、他のエージェントとの連携の管理や出力内容の調整等を行うことができる。
　(第３の実施形態)
　次に、第３の実施形態に係るエージェント装置の構成について説明する。第３の実施形態では、第１の実施形態のエージェントシステム１と比較して、サーバ装置２００の機能をエージェント制御装置内に設ける点で異なる。したがって、以下では、主にエージェント制御装置の構成を中心に説明する。
　図１５は、第３の実施形態に係るエージェント装置を含むエージェントシステム３の構成図である。第３の実施形態におけるエージェント装置１００＃＃は、例えば、通信装置１１０と、操作部１２０と、車載機器１３０と、ナビゲーション装置１４０と、エージェント制御装置１５０＃＃とを備える。また、エージェント制御装置１５０＃＃は、例えば、マスタエージェント機能部１５２と、サブエージェント機能部１５４Ａ＃～１５４Ｃ＃と、表示制御部１５６と、音声制御部１５８と、機器制御部１６０と、記憶部１７０＃とを備える。
　記憶部１７０＃には、機能情報テーブル１７２と、パーソナルプロファイル１７４と、回答情報ＤＢ１７６とを備える。パーソナルプロファイル１７４は、第１の実施形態のパーソナルプロファイル２４２に相当する。また、回答情報ＤＢ１７６は、第１の実施形態の回答情報ＤＢ２４４に相当する。なお、回答情報ＤＢ１７６は、サブエージェント機能部１５４Ａ＃～１５４Ｃ＃ごとに設けられていてもよい。
　また、サブエージェント機能部１５４Ａ＃は、例えば、音声入力インターフェース１５４Ａａと、認識部１５４Ａｂと、対話生成部１５４Ａｃとを備える。同様に、サブエージェント機能部１５４Ｂ＃は、例えば、音声入力インターフェース１５４Ｂａと、認識部１５４Ｂｂと、対話生成部１５４Ｂｃとを備える。サブエージェント機能部１５４Ｃ＃は、例えば、音声入力インターフェース１５４Ｃａと、認識部１５４Ｃｂと、対話生成部１５４Ｃｃとを備える。それぞれの認識部および対話生成部は、第１の実施形態のサーバ装置２００に設けられた認識部２２０および対話生成部２３０に相当する。
　第３の実施形態により、サブエージェント機能部１５４Ａ＃～１５４＃Ｃは、サーバ装置２００との通信を行うことなく、認識部１５４Ａｂ～１５４Ｃｂにより音声を含む情報を認識し、対話生成部１５４Ａｃ～対話生成部１５４Ｃｃにより回答情報ＤＢ１７６を参照して対話情報や出力制御情報を生成することができる。また、サブエージェント機能部１５４Ａ＃～１５４＃Ｃは、パーソナルプロファイル１７４を参照して、乗員の嗜好に基づく対話情報や出力制御情報を生成することができる。
　上述した第３の実施形態によれば、サブエージェント機能部１５４Ａ＃～１５４Ｃ＃に、認識部および対話生成部の機能を備えることで、サーバ装置２００との通信を行う必要がなく、乗員からのリクエストに対する迅速な情報提供を行うことができる。なお、上述した第１～第３の実施形態は、他の実施形態の構成の一部または全部を組み合わせてもよい。
　以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。例えば、上述した実施形態のサーバ装置２００の構成要素のうち一部または全部は、エージェント装置１００内に設けられてもよい。また、上述した実施形態のエージェント装置の構成要素のうち一部または全部は、サーバ装置２００内に設けられてもよい。
　１…エージェントシステム、１００…エージェント装置、１１０…通信装置、１２０…操作部、１２２…音声入力部、１２４Ａ、１２４Ｂ…マイク、１３０…車載機器、１３２…表示部、１３４…スピーカ、１３９…車両制御機器、１４０…ナビゲーション装置、１５０…エージェント制御装置、１５１…マスタ／サブエージェント機能部、１５２…マスタエージェント機能部、１５４…サブエージェント機能部、１５６…表示制御部、１５８…音声制御部、１６０…機器制御部、１７０、２４０…記憶部、１７２…機能情報テーブル、１７４、２４２…パーソナルプロファイル、１７６、２４４…回答情報ＤＢ、２００…サーバ装置、２１０…通信部、２２０…認識部、２３０…対話生成部

Claims (14)

  1. 　車室内の音声を収集するマイクと、
    　前記車室内に音声を出力するスピーカと、
    　機能が異なる複数のエージェント機能部と、を備え、
    　前記複数のエージェント機能部のそれぞれは、前記マイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成し、生成したエージェント音声を前記スピーカに出力させ、前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替わる、
    　エージェント装置。
  2. 　前記複数のエージェント機能部のそれぞれは、前記生成したエージェント音声の音像が所定の位置に定位されるように、前記エージェント音声を前記スピーカに出力させる、
    　請求項１に記載のエージェント装置。
  3. 　前記マイクにより収集された音声の意味に基づいて、前記乗員と対話する主体を切り替えるマスタエージェント機能部を更に備え、
    　前記複数のエージェント機能部は、前記マスタエージェント機能部による切り替え制御によって、前記乗員と対話する主体となるものが切り替わる、
    　請求項１または２に記載のエージェント装置。
  4. 　前記マスタエージェント機能部と、前記複数のエージェント機能部のうち一つが、一体に動作する、
    　請求項３記載のエージェント装置。
  5. 　前記複数のエージェント機能部のそれぞれが実行可能な機能に関する機能情報を記憶する記憶部を、更に備え、
    　前記マスタエージェント機能部は、前記音声の意味に基づいて、前記機能情報を参照し、前記音声の意味に対応する機能を実現可能なエージェント機能部に切り替える、
    　請求項３または４に記載のエージェント装置。
  6. 　前記車両に搭載された機器に対する制御は、前記複数のエージェント機能部のうち、特定のエージェント機能部により実行される、
    　請求項３から５のうち何れか１項に記載のエージェント装置。
  7. 　画像を表示する表示部を、更に備え、
    　前記複数のエージェント機能部は、前記乗員とのコミュニケーションを行う擬人化されたエージェント画像を生成し、
    　前記マスタエージェント機能部は、前記複数のエージェント機能部により生成されたエージェント画像を前記表示部に表示させるとともに、前記乗員と対話する主体が切り替わる場合に、前記エージェント画像の表示態様を変更させる、
    　請求項３から５のうち何れか１項に記載のエージェント装置。
  8. 　前記マイクを前記車室内に複数備え、
    　前記複数のマイクは、前記車室内における所定距離以内の位置に設置される、
    　請求項３から７のうち何れか１項に記載のエージェント装置。
  9. 　前記複数のマイクからの入力のうちの一つは、前記マスタエージェント機能部に割り当てられる、
    　請求項８に記載のエージェント装置。
  10. 　前記マスタエージェント機能部に割り当てられるマイクは、他のマイクよりも高性能である、
    　請求項８または９に記載のエージェント装置。
  11. 　前記マスタエージェント機能部は、割り当てられたマイクからの音声を常時入力する、
    　請求項８から１０のうち何れか１項に記載のエージェント装置。
  12. 　前記複数のマイクにより収集したそれぞれの音声は、前記マスタエージェント機能部の音声入力インターフェースに入力が可能である、
    　請求項８から１１のうち何れか１項に記載のエージェント装置。
  13. 　コンピュータが、
    　機能が異なる複数のエージェント機能部のそれぞれに、車室内の音声を収集するマイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成させ、
    　生成したエージェント音声を、前記車室内に音声を出力するスピーカに出力させ、
    　前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替わる、
    　エージェント制御方法。
  14. 　コンピュータに、
    　機能が異なる複数のエージェント機能部のそれぞれに、車室内の音声を収集するマイクにより収集された音声の意味に基づいて車両の乗員に対して話しかけるエージェント音声を生成させ、
    　生成したエージェント音声を、前記車室内に音声を出力するスピーカに出力させ、
    　前記マイクにより収集された音声の内容に基づいて、前記乗員と対話する主体となるエージェント機能部が切り替えさせる、
    　プログラム。
PCT/JP2018/037392 2018-10-05 2018-10-05 エージェント装置、エージェント制御方法、およびプログラム WO2020070878A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PCT/JP2018/037392 WO2020070878A1 (ja) 2018-10-05 2018-10-05 エージェント装置、エージェント制御方法、およびプログラム
CN201880098254.8A CN112805182B (zh) 2018-10-05 2018-10-05 智能体装置、智能体控制方法及存储介质
US17/281,275 US11798552B2 (en) 2018-10-05 2018-10-05 Agent device, agent control method, and program
JP2020551052A JP7133029B2 (ja) 2018-10-05 2018-10-05 エージェント装置、エージェント制御方法、およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/037392 WO2020070878A1 (ja) 2018-10-05 2018-10-05 エージェント装置、エージェント制御方法、およびプログラム

Publications (1)

Publication Number Publication Date
WO2020070878A1 true WO2020070878A1 (ja) 2020-04-09

Family

ID=70054619

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/037392 WO2020070878A1 (ja) 2018-10-05 2018-10-05 エージェント装置、エージェント制御方法、およびプログラム

Country Status (4)

Country Link
US (1) US11798552B2 (ja)
JP (1) JP7133029B2 (ja)
CN (1) CN112805182B (ja)
WO (1) WO2020070878A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111816189A (zh) * 2020-07-03 2020-10-23 斑马网络技术有限公司 一种车辆用多音区语音交互方法及电子设备
US20210237757A1 (en) * 2020-01-31 2021-08-05 Toyota Jidosha Kabushiki Kaisha Information processing device, information processing method, and storage medium storing information processing program
CN113689849A (zh) * 2020-05-18 2021-11-23 丰田自动车株式会社 智能体控制装置、智能体控制方法以及记录有程序的记录介质
US20220206671A1 (en) * 2020-12-25 2022-06-30 Toyota Jidosha Kabushiki Kaisha Agent display method, non-transitory computer readable medium, and agent display system

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020154994A (ja) * 2019-03-22 2020-09-24 本田技研工業株式会社 エージェントシステム、エージェントサーバ、エージェントサーバの制御方法、およびプログラム
JP7338493B2 (ja) * 2020-01-29 2023-09-05 トヨタ自動車株式会社 エージェント装置、エージェントシステム及びプログラム

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000020888A (ja) * 1998-07-07 2000-01-21 Aqueous Reserch:Kk エージェント装置
JP2002199499A (ja) * 2000-12-22 2002-07-12 Sony Corp 車載装置、自動車及び情報処理方法
JP2006284454A (ja) * 2005-04-01 2006-10-19 Fujitsu Ten Ltd 車載用エージェントシステム

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002163054A (ja) * 2000-11-29 2002-06-07 Sanyo Electric Co Ltd ユーザ支援方法、装置およびシステム
JP4694198B2 (ja) 2004-12-28 2011-06-08 パイオニア株式会社 対話装置、対話方法、対話プログラムおよびコンピュータに読み取り可能な記録媒体
JP4645310B2 (ja) 2005-06-02 2011-03-09 株式会社デンソー エージェントキャラクタ表示を利用した表示システム
JP2009124540A (ja) * 2007-11-16 2009-06-04 Toyota Motor Corp 車両用通話装置、通話方法
US8344870B2 (en) * 2008-10-07 2013-01-01 Cisco Technology, Inc. Virtual dashboard
US20170235361A1 (en) * 2016-01-20 2017-08-17 Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America Interaction based on capturing user intent via eye gaze
CN107888653A (zh) * 2016-09-30 2018-04-06 本田技研工业株式会社 发话装置、沟通装置和移动体
US10481858B2 (en) * 2017-12-06 2019-11-19 Harman International Industries, Incorporated Generating personalized audio content based on mood
EP4191412A1 (en) * 2017-12-08 2023-06-07 Google LLC Signal processing coordination among digital voice assistant computing devices
US20190196779A1 (en) * 2017-12-21 2019-06-27 Harman International Industries, Incorporated Intelligent personal assistant interface system
US20190311713A1 (en) * 2018-04-05 2019-10-10 GM Global Technology Operations LLC System and method to fulfill a speech request
US10904306B2 (en) * 2018-05-07 2021-01-26 Spotify Ab Personal media streaming appliance system
CN115346525A (zh) * 2018-05-07 2022-11-15 谷歌有限责任公司 验证与数字助理应用交接的代理的操作状态
US10198877B1 (en) * 2018-05-23 2019-02-05 Google Llc Providing a communications channel between instances of automated assistants
CN112272846A (zh) * 2018-08-21 2021-01-26 谷歌有限责任公司 用于调用自动助理的动态的和/或特定于场境的热词
KR20230145521A (ko) * 2018-08-23 2023-10-17 구글 엘엘씨 멀티-어시스턴트 환경의 특성에 따른 어시스턴트 응답성 규정하기

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000020888A (ja) * 1998-07-07 2000-01-21 Aqueous Reserch:Kk エージェント装置
JP2002199499A (ja) * 2000-12-22 2002-07-12 Sony Corp 車載装置、自動車及び情報処理方法
JP2006284454A (ja) * 2005-04-01 2006-10-19 Fujitsu Ten Ltd 車載用エージェントシステム

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210237757A1 (en) * 2020-01-31 2021-08-05 Toyota Jidosha Kabushiki Kaisha Information processing device, information processing method, and storage medium storing information processing program
US11577745B2 (en) * 2020-01-31 2023-02-14 Toyota Jidosha Kabushiki Kaisha Information processing device, information processing method, and storage medium storing information processing program
CN113689849A (zh) * 2020-05-18 2021-11-23 丰田自动车株式会社 智能体控制装置、智能体控制方法以及记录有程序的记录介质
JP2021182057A (ja) * 2020-05-18 2021-11-25 トヨタ自動車株式会社 エージェント制御装置
US11636857B2 (en) 2020-05-18 2023-04-25 Toyota Jidosha Kabushiki Kaisha Agent control device, agent control method, and storage medium storing program
JP7318587B2 (ja) 2020-05-18 2023-08-01 トヨタ自動車株式会社 エージェント制御装置
CN113689849B (zh) * 2020-05-18 2023-11-17 丰田自动车株式会社 智能体控制装置、智能体控制方法以及记录有程序的记录介质
CN111816189A (zh) * 2020-07-03 2020-10-23 斑马网络技术有限公司 一种车辆用多音区语音交互方法及电子设备
CN111816189B (zh) * 2020-07-03 2023-12-26 斑马网络技术有限公司 一种车辆用多音区语音交互方法及电子设备
US20220206671A1 (en) * 2020-12-25 2022-06-30 Toyota Jidosha Kabushiki Kaisha Agent display method, non-transitory computer readable medium, and agent display system

Also Published As

Publication number Publication date
US20220005470A1 (en) 2022-01-06
CN112805182A (zh) 2021-05-14
JP7133029B2 (ja) 2022-09-07
JPWO2020070878A1 (ja) 2021-09-02
US11798552B2 (en) 2023-10-24
CN112805182B (zh) 2024-01-12

Similar Documents

Publication Publication Date Title
JP7133029B2 (ja) エージェント装置、エージェント制御方法、およびプログラム
JP7068986B2 (ja) エージェントシステム、エージェント制御方法、およびプログラム
US11176948B2 (en) Agent device, agent presentation method, and storage medium
CN110968048B (zh) 智能体装置、智能体控制方法以及存储介质
CN111007968A (zh) 智能体装置、智能体提示方法及存储介质
JP2020149106A (ja) エージェント装置、エージェントシステム、サーバ装置、エージェント装置の制御方法、およびプログラム
CN111559328B (zh) 智能体装置、智能体装置的控制方法及存储介质
JP7274404B2 (ja) 情報提供装置、情報提供方法、およびプログラム
JP7239359B2 (ja) エージェント装置、エージェント装置の制御方法、およびプログラム
JP2020144264A (ja) エージェント装置、エージェント装置の制御方法、およびプログラム
US11518398B2 (en) Agent system, agent server, method of controlling agent server, and storage medium
CN111724778B (zh) 车载装置、车载装置的控制方法及存储介质
US20200320997A1 (en) Agent apparatus, agent apparatus control method, and storage medium
JP7175221B2 (ja) エージェント装置、エージェント装置の制御方法、およびプログラム
JP2020142721A (ja) エージェントシステム、車載機器の制御方法、及びプログラム
US11518399B2 (en) Agent device, agent system, method for controlling agent device, and storage medium
JP2020157853A (ja) 車載エージェントシステム、車載エージェントシステムの制御方法、およびプログラム
JP2020157808A (ja) エージェント装置、エージェント装置の制御方法、およびプログラム
JP2020059401A (ja) 車両制御装置、車両制御方法、プログラム
CN111559317B (zh) 智能体装置、智能体装置的控制方法及存储介质
JP7297483B2 (ja) エージェントシステム、サーバ装置、エージェントシステムの制御方法、およびプログラム
CN111824174A (zh) 智能体装置、智能体装置的控制方法及存储介质

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: 18936217

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2020551052

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18936217

Country of ref document: EP

Kind code of ref document: A1