WO2025257980A1 - 情報処理装置及び情報処理方法 - Google Patents

情報処理装置及び情報処理方法

Info

Publication number
WO2025257980A1
WO2025257980A1 PCT/JP2024/021362 JP2024021362W WO2025257980A1 WO 2025257980 A1 WO2025257980 A1 WO 2025257980A1 JP 2024021362 W JP2024021362 W JP 2024021362W WO 2025257980 A1 WO2025257980 A1 WO 2025257980A1
Authority
WO
WIPO (PCT)
Prior art keywords
advice
user
information
training
content
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/JP2024/021362
Other languages
English (en)
French (fr)
Inventor
正暉 上野
聖美 倉
侑哉 松原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Docomo Inc
Original Assignee
NTT Docomo Inc
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 NTT Docomo Inc filed Critical NTT Docomo Inc
Priority to PCT/JP2024/021362 priority Critical patent/WO2025257980A1/ja
Publication of WO2025257980A1 publication Critical patent/WO2025257980A1/ja
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B69/00—Training appliances or apparatus for special sports
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities

Definitions

  • One aspect of the present disclosure relates to an information processing device and an information processing method.
  • Patent Document 1 discloses an exercise support system that films a user's exercise, analyzes the filmed footage to determine whether the user is performing the intended movements, and comprehensively evaluates the user's level of exercise achievement. If the exercise support system determines that the user is not performing the intended movements, it outputs video or audio advice to the user on how to correct their movements.
  • one aspect of the present disclosure aims to provide an information processing device and information processing method that can appropriately and easily generate training advice that is suited to the user.
  • An information processing device includes an acquisition unit that acquires training information indicating the user's movements during training related to a predetermined exercise and the user's personal information including advice previously presented to the user regarding training; a determination unit that determines advice items to be given to the user based on the training information and the personal information; and an output unit that outputs input information to instruct a generation AI model to generate advice information including advice for the user based on the advice items.
  • An information processing method includes the steps of acquiring training information indicating the user's movements during training related to a predetermined exercise and the user's personal information including advice previously presented to the user regarding training, determining advice items to be given to the user based on the training information and the personal information, and outputting input information to instruct a generation AI model to generate advice information including advice for the user based on the advice items.
  • training advice tailored to the user can be generated appropriately and easily.
  • FIG. 1 is a block diagram showing an overall configuration of a system including an information processing apparatus according to an embodiment
  • FIG. 10 is a diagram showing an example of personal information.
  • FIG. 10 is a diagram illustrating an example of information used by a determination unit when determining an advice item.
  • FIG. 10 is a diagram illustrating an example of table information that associates advice items with advice examples.
  • 10 is a flowchart illustrating an example of an operation of the information processing device.
  • FIG. 10 is a diagram showing an example of a prompt including input information output by an output unit.
  • FIG. 2 illustrates an example of a hardware configuration of an information processing device.
  • FIG. 1 is a diagram showing the overall configuration of a system including an information processing device 10 according to one embodiment.
  • the system shown in FIG. 1 includes the information processing device 10, a user terminal 20, and a generation AI server 30.
  • the information processing device 10 is configured to be able to communicate with each of the user terminal 20 and the generation AI server 30 via any communication network.
  • the information processing device 10 functions as a so-called RAG (Retrieval-Augmented Generation) system.
  • the information processing device 10 executes processing to assist the user in their exercise training.
  • the information processing device 10 is configured to generate and output input information for instructing the generation AI server 30 to generate advice information related to the user's training, based on information received from the user terminal 20 (such as training information) and the user's personal information (such as registration information pre-stored in association with a user ID).
  • the input information is information that constitutes at least a part of a prompt input to the generation AI model 31.
  • the generation AI server 30 Upon receiving a prompt containing such input information, the generation AI server 30 inputs the prompt into the generation AI model 31, thereby generating and outputting advice information for the user.
  • the advice information output by the generation AI model 31 may be sent directly to the user terminal 20 or may be sent to the user terminal 20 via the information processing device 10. Alternatively, the advice information may be accumulated (stored) on any server accessible to the user via the user terminal 20, etc. In this case, the user can view the advice information generated by the generation AI model 31 by accessing the server at any time.
  • the user terminal 20 is a terminal device used by a user who wishes to obtain advice information about a specific exercise after training that exercise.
  • the specific exercise is, as an example, the bench press, a type of strength training.
  • the specific exercise may be a strength training exercise other than the bench press, or a type of exercise other than strength training (for example, a sports movement such as a golf swing).
  • the advice information may include various content such as text, audio, images, and video.
  • the user terminal 20 may take any form, such as a personal computer, smartphone, tablet, feature phone, server device, or game console. While FIG.
  • the information processing device 10 may be configured to provide the above-described user training support (i.e., processing to have the generative AI model 31 generate advice information) for each of multiple users.
  • the system illustrated in FIG. 1 may include multiple user terminals 20 used by multiple users.
  • the generative AI server 30 includes a generative AI model 31 and is a device that generates and provides content using the generative AI model 31.
  • the generative AI model 31 is a model that generates content (in this embodiment, advice information) in response to a prompt input containing input information output by the information processing device 10, according to any one or a combination of the instructions, context, question, and output format indicated by the prompt, and returns the content as response information.
  • a prompt is information indicating instructions or questions input to the generative AI model 31 in an interactive system such as a dialogue with the generative AI model 31 or a command line interface (CLI).
  • the prompt can include various types of input information in addition to the input information output by the information processing device 10.
  • the generative AI model 31 generates response information targeted at the various types of input information.
  • the type and format of the input information are not particularly limited, and the input information can include, for example, data files with file names including a specified extension, such as text data, image data, application-related data, audio data, video data, and still image data.
  • Application-related data is data such as document data, table data, and graph data that can be processed by a default application program.
  • the generative AI model 31 may be configured to include, for example, a large-scale language model (LLM) and a user interface (UI) for interacting with the user.
  • the generative AI model 31 may be an interactive AI model capable of text-based or voice-based chat with the user. Examples of such generative AI models 31 include ChatGPT, GPT-3.5, GPT-4V, and PaLM2.
  • the generative AI model 31 may also be an AI model other than the large-scale language models described above.
  • the generative AI model 31 may be located on a generative AI server 30 separate from the information processing device 10, as shown in FIG. 1, or may be located on the information processing device 10.
  • the generative AI model 31 may be located on a user terminal 20, as in Tsuzumi, for example. In this case, each function of the information processing device 10 may also be located on the user terminal 20. In other words, the user terminal 20 itself may function as the information processing device 10 of this embodiment.
  • the information processing device 10 has a memory unit 11, an acquisition unit 12, a determination unit 13, and an output unit 14.
  • the memory unit 11 stores various data handled by the information processing device 10.
  • the memory unit 11 includes a knowledge database that is a search destination for information used to generate prompts for the generative AI model 31.
  • the memory unit 11 that functions as such a knowledge database is implemented on the information processing device 10, but the knowledge database may also be implemented outside the information processing device 10 (for example, on a network).
  • the memory unit 11 stores pre-registered personal information of users. Examples of personal information include the user's physical characteristics, the period of time the user has been continuously training, the user's training goals, the user's training implementation details (training menu), and past (previous) advice provided to the user.
  • Figure 2 is a diagram showing an example of personal information for a certain user (the user corresponding to user ID "U0001").
  • the personal information shown in Figure 2 indicates that the weight (an example of a physical characteristic) of the user corresponding to user ID "U0001" is “65 kg,” the years of experience (an example of the duration of training) is “2 years,” the goal (target bench press weight) is "100 kg,” and the current training content (training menu) is "Number of sets: 6 sets, Number of repetitions per set: 10 repetitions, Weight: 80 kg, Interval: 2 minutes, Frequency: 2 times a week (3 days in between).”
  • the personal information also indicates that the two pieces of advice previously provided to the user were “Keep your elbows closer together (Reference Video 1)" and “Properly perform the basic 3 sets of 10 repetitions.”
  • the past advice may be advice provided to the user by an instructor or the like, or advice information output from the generation AI model 31 after processing by the information processing device 10, which will be described later.
  • the past advice may be stored in association with the timing at which it was provided to the user.
  • the information indicating the timing may be, for example, date and time information, or information indicating a relative time point based on the most recent training time point, such as "last time” or "the time before last.”
  • personal information may include information other than the items exemplified in Figure 2. Examples of such information include the user's age, gender, muscle mass, bone structure, and information about the fitness club, gym, or school the user attends.
  • the storage unit 11 may also store various types of information that the determination unit 13 uses when determining advice items.
  • Figure 3 is a diagram showing an example of such information.
  • the information shown in Figure 3 is information indicating average bench press weights according to body weight and years of experience.
  • the storage unit 11 may also store various types of information to be used when the output unit 14 generates input information (here, as an example, advice examples to be included in the prompt).
  • Figure 4 is a diagram showing an example of such information.
  • the information shown in Figure 4 is table information that associates advice items with advice examples. This table information associates each advice item, such as "If you may be in a plateau," with advice examples, such as "Make sure to perform three sets of 10 repetitions, which is the basic amount,” that are appropriate for the user who corresponds to that advice item.
  • the acquisition unit 12 acquires training information indicating the user's movements during training related to a specified exercise (in this embodiment, "bench press” as an example), and the user's personal information (see Figure 2).
  • the acquisition unit 12 acquires, for example, training images of the user taken using the user terminal 20 (or another device) from the user terminal 20 as the training information.
  • an app that supports training may be installed on the user terminal 20.
  • the acquisition unit 12 may acquire training images registered (uploaded) by the user using the functions of the app.
  • the training images are images captured of the user's movements while performing a specified exercise (bench press).
  • a training image may consist of a single image (still image), or multiple images (still images) corresponding to different points in a series of movements (for example, the start of exercise, the point at which the weight is lifted, and the point at which the weight is lowered (arms are pulled back)).
  • a training image may also be an image of the user taken from a single angle, or multiple images of the user taken from multiple different angles.
  • a training image may also be composed of video images of the user performing a series of movements.
  • the training information indicating the user's movements during training may be information other than training images.
  • the acquisition unit 12 may acquire, as training information, data indicating the positions and movements of each part of the user's body during training, obtained by motion capture or the like.
  • the acquisition unit 12 may also acquire the user ID (identification information) of the user.
  • the acquisition unit 12 may acquire the user's personal information (see FIG. 2) by searching for personal information stored in the storage unit 11 using the user ID as a key.
  • the acquisition unit 12 may acquire information entered by the user along with the registration of the training image in the above-mentioned app, etc., as personal information.
  • the acquisition unit 12 may newly register the personal information entered by the user in the storage unit 11 to reduce the user's effort of entering personal information each time.
  • each piece of information (e.g., weight, exercise content, etc.) included in the personal information stored in the storage unit 11 may be updateable at any time by the user corresponding to the personal information (or the user's trainer, etc.).
  • the determination unit 13 determines advice items based on the training image and personal information acquired by the acquisition unit 12. More specifically, the determination unit 13 determines one or more advice items for the current training (the training corresponding to the training image acquired this time by the acquisition unit 12).
  • An advice item is an item corresponding to the content of advice to be given to the user.
  • an advice item may be an issue, problem, etc. that should be improved by providing advice to the user, or may be information indicating the classification of the content of advice to be given.
  • the advice items are items that indicate the user's issues, problems, etc., such as "possibly reaching a plateau," "low muscle mass,” “too many sets (six or more),” and “too short intervals (less than three minutes).”
  • the output unit 14 outputs input information to instruct the generation AI model 31 (generation AI server 30) to generate advice information including the current advice content for the user, based on the advice items determined by the determination unit 13.
  • the output unit 14 outputs (generates) the entire prompt.
  • the generation AI model 31 generates and outputs advice information for the user by inputting the prompt output from the output unit 14.
  • the advice information may consist of text data only, or may include data in a format other than text data, such as diagrams and images.
  • the content of the advice information output by the generation AI model 31 (at least the information on the "advice content") is notified to the memory unit 11, and is registered (stored) in the "past advice content" of the user's personal information.
  • Figure 5 is a flowchart showing an example of the operation of the information processing device 10.
  • step S1 the acquisition unit 12 acquires training images of the user.
  • the user registers (uploads) a video of their own bench press movements using the functions of an app on the user terminal 20.
  • the acquisition unit 12 acquires the video data registered in this way as training images.
  • step S2 the acquisition unit 12 acquires the user's personal information.
  • the acquisition unit 12 acquires the user's personal information stored in the storage unit 11.
  • the personal information includes advice content previously presented to the user (for example, "past advice content" in Figure 2).
  • step S3 the determination unit 13 determines advice items based on the training image acquired in step S1 and the personal information acquired in step S2 (see Figure 2). Below, several examples of the advice item determination process performed by the determination unit 13 are described.
  • the determination unit 13 may evaluate the user's movements related to at least the "past advice content" included in the personal information based on the training image, and determine advice items based on the evaluation results.
  • the user's movements may include the movements (trajectories) and posture (form) of any part of the user's body.
  • the personal information includes past advice such as "keep your elbows closer together.”
  • the personal information indicates that the user was previously advised to "keep your elbows closer together.”
  • the determination unit 13 may evaluate the user's movements by focusing on the distance between the user's elbows during training. For example, the determination unit 13 may evaluate whether the distance between the user's elbows is appropriate by performing a known image analysis process.
  • information required to determine whether the user's movements are appropriate such as the appropriate distance between the elbows, may be stored in advance in the storage unit 11.
  • the storage unit 11 may store information indicating ideal movements for a predetermined exercise (bench press in this embodiment). In this case, the determination unit 13 can evaluate whether the user's movements are appropriate by comparing the user's movements obtained by analyzing the training images with the information stored in the storage unit 11.
  • the determination unit 13 may then determine whether the user's movement has improved based on advice previously presented to the user (here, the advice "keep your elbows closer"). For example, the determination unit 13 may make this determination by comparing the distance between the user's elbows determined by analyzing the current training image with the distance between the elbows determined by analyzing the training image of the previous training. To enable such a determination, training information from the user's previous training (in this embodiment, the training image) or data analyzed based on the training image (such as the distance between the user's elbows during the previous training) may be stored in the storage unit 11 as part of the user's personal information.
  • the determination unit 13 determines that there has been an improvement if the distance between the user's elbows shown in the current training image is narrower than the distance between the user's elbows shown in the previous training image, and determines that there has not been an improvement if this is not the case (for example, if the distance between the user's elbows has not changed since the previous training, or is wider than the previous training).
  • the determination unit 13 may re-determine an advice item corresponding to the advice content (for example, an advice item such as "If the movement regarding the distance between the elbows is not correct") as the advice item for the current training session of the user.
  • an advice item such as "If the movement regarding the distance between the elbows is not correct"
  • the determination unit 13 may associate a higher priority with the advice item than the priority associated with the previous advice item.
  • the determination unit 13 may set the advice item for the current training session to "The distance between the elbows is too wide (improvement priority: high).” For example, by including the priority of such advice items in the input information output by the output unit 14 (described later), the priority of the advice corresponding to the advice item (the distance between the elbows is too wide) can be appropriately notified to the generation AI model 31, and as a result, advice content appropriate for the user can be output.
  • the decision unit 13 may determine that advice related to that advice content is not necessary this time, and may decide not to include advice items corresponding to that advice content in the advice items for the user's current training.
  • the determination unit 13 may determine advice items based on personal information other than past advice content.
  • the personal information may include information on at least one of the user's physical characteristics and the duration for which the user has been continuously training, and information on the training content (training menu).
  • the determination unit 13 may determine whether the training content is appropriate based on at least one of the user's physical characteristics (body weight in this embodiment) and the duration (years of experience in this embodiment), and determine advice items based on the determination result.
  • the determination unit 13 can obtain information on the appropriate bench press weight (XX kg) corresponding to the combination of the user's weight and years of experience. The determination unit 13 can then compare the appropriate weight obtained in this way with the current exercise content (in the example of Figure 2, "weight: 80 kg") to determine whether the current exercise content is appropriate. Note that in this example, the appropriate weight corresponding to the combination of weight and years of experience is used as the comparison object, but if there is information on the appropriate weight corresponding to weight or the appropriate weight corresponding to years of experience, it is possible to determine whether the exercise content is appropriate based on only either weight or years of experience.
  • the determination unit 13 may determine an advice item based on the comparison result. For example, if the weight indicated in the current activity is heavier than the appropriate weight, the determination unit 13 may determine "The weight load is too heavy” as one of the current advice items. Alternatively, the determination unit 13 may set the goal of increasing the user's weight (muscle mass) so that the weight indicated in the current activity becomes the appropriate weight, and determine "If muscle mass is low" as one of the current advice items.
  • the decision unit 13 may decide not to include advice items related to the implementation content in the advice items for the user's current training.
  • the determination unit 13 may determine whether the training content is appropriate based on the advice content presented to the user for the user's previous training (i.e., the previous advice content), and may determine advice items based on the determination result.
  • the previous advice content includes "Properly perform 3 sets of 10 repetitions, which is the basic content.”
  • the user's training content is "6 sets of 10 repetitions," which is a larger number of sets than the advice content.
  • the determination unit 13 may determine that the user's training content (here, the number of sets) is larger than the number of sets suggested in the previous advice content, and may determine "Too many sets (6 or more)" as one of the advice items for this time.
  • the determination unit 13 may determine advice items using methods other than the first to third examples. For example, the determination unit 13 may compare the implementation details with a predetermined standard, regardless of the previous advice content, and determine advice items based on the comparison results. For example, if the interval is shorter than a predetermined threshold value of "2 minutes" from a predetermined standard value of "5 minutes,” the determination unit 13 may determine "the interval is too short (less than 3 minutes)" as one of the current advice items. Alternatively, if the implementation details have not changed for a predetermined period of time (e.g., 2 months), the determination unit 13 may determine "there is a possibility that the implementation has reached a plateau" as one of the current advice items.
  • a predetermined threshold value e.g., 2 minutes
  • the determination unit 13 may determine "there is a possibility that the implementation has reached a plateau" as one of the current advice items.
  • step S4 the output unit 14 outputs input information to instruct the generation AI model 31 to generate advice information including the current advice content for the user, based on the advice items determined in step S3.
  • the output unit 14 includes advice examples corresponding to each of the four advice items in the input information.
  • the output unit 14 may refer to table information (see FIG. 4) in which one or more advice examples are associated with each advice item, and output the input information including the advice examples associated with each advice item determined by the determination unit 13. Furthermore, when multiple advice examples associated with the advice items determined by the determination unit 13 are stored in the table information, the output unit 14 may preferentially select, from the multiple advice examples, advice examples that differ from advice content previously presented to the user as targets for inclusion in the input information.
  • multiple (three in the example of Figure 4) advice examples are associated with the advice item "If you may be in a plateau.” Specifically, three advice examples are associated with the advice item: "Make sure you do the basic 10 repetitions x 3 sets.” (hereinafter referred to as "First Advice Example”), "You may be in a plateau due to insufficient stimulation. In addition to a day of 10 repetitions x 3 sets, set aside a day of 5 repetitions x 3 sets with a weight +10 kg.” (hereinafter referred to as "Second Advice Example”), and "You may be in a plateau due to insufficient stimulation.
  • the advice content previously presented to the user includes the first advice example.
  • the output unit 14 may preferentially select advice examples other than the first advice example (in this example, the second and third advice examples) as advice examples to be included in the input information.
  • the output unit 14 may include at least one of the second advice example and the third advice example in the input information, while not including the first advice example that has already been given to the user in the past.
  • FIG. 6 is a diagram showing an example of a prompt including input information that includes example advice selected by the output unit 14 as described above.
  • the input information includes information such as personal information acquired by the acquisition unit 12 and advice items determined by the determination unit 13.
  • the example advice selected by the output unit 14 is included in the "example advice" section.
  • the output unit 14 may generate the prompt itself as shown in FIG. 6. That is, the output unit 14 may generate and output information about the prompt itself to be input to the generative AI model 31 as input information. In this case, the output unit 14 may generate items such as "role,” "task,” “condition,” and "image of output content" included in the prompt shown in FIG. 6 by referencing template information prepared in advance. Alternatively, the output unit 14 may add some information (for example, information about "example advice") as input information to a prompt generated by a function other than the output unit 14.
  • the information processing device 10 and information processing method described above can appropriately determine advice items for a user regarding training of a predetermined exercise (bench press in this embodiment) based on training information (training images in this embodiment) indicating the user's movements during training and the user's personal information (see Figure 2) including advice content previously presented to the user. Based on the advice items determined in this way, input information (for example, at least a portion of the information in the prompt input to the generation AI model 31) can be easily and appropriately output for causing the generation AI model 31 to generate advice information about the current training. As a result, it becomes possible to appropriately and easily generate advice about training that is suitable for the user.
  • the determination unit 13 may evaluate the user's movements (in the above embodiment, the movements of the user's elbows) related to at least the advice content previously presented to the user based on the training information, and determine advice items based on the evaluation results.
  • the user's movements in the above embodiment, the movements of the user's elbows
  • the determination unit 13 may evaluate the user's movements (in the above embodiment, the movements of the user's elbows) related to at least the advice content previously presented to the user based on the training information, and determine advice items based on the evaluation results.
  • the determination unit 13 may determine whether the user's movements related to the advice content presented to the user in their previous training have improved since the previous training, and determine the advice items based on the determination result.
  • the personal information may include at least one of the user's physical characteristics (e.g., weight) and the length of time the user has been continuously training (e.g., years of experience), as well as information indicating the content of the user's training.
  • the determination unit 13 may then determine whether the content of the training is appropriate based on at least one of the user's physical characteristics and the length of time, and determine advice items based on the determination result.
  • the personal information may include information indicating the content of the user's training.
  • the decision unit 13 may then determine whether the content of the training is appropriate based on the advice presented to the user for the user's previous training, and determine advice items based on the determination result.
  • the generation AI model 31 it becomes possible for the generation AI model 31 to generate appropriate advice regarding the appropriateness of the content of the training (menu) based on whether the content of the current training is appropriate in line with the advice given previously.
  • the output unit 14 may refer to table information (see FIG. 4) in which one or more advice examples are associated with each advice item, and output the advice examples associated with the advice items determined by the determination unit 13, as shown in FIG. 6.
  • table information see FIG. 4
  • the output unit 14 may refer to table information (see FIG. 4) in which one or more advice examples are associated with each advice item, and output the advice examples associated with the advice items determined by the determination unit 13, as shown in FIG. 6.
  • the output unit 14 may preferentially select, from the multiple advice examples, advice examples (second advice example and third advice example) that differ from the advice content previously presented to the user (the "first advice example" in the above embodiment) as targets for inclusion in the input information.
  • the generation AI model 31 it is possible to instruct the generation AI model 31 to generate advice information for the same advice item by preferentially referring to advice examples that differ from advice content that has already been presented to the user in the past.
  • An acquisition unit that acquires training information indicating a user's movements during training related to a predetermined exercise and personal information of the user including advice content previously presented to the user regarding the training; a determination unit that determines advice items to be given to the user based on the training information and the personal information;
  • An information processing device comprising: an output unit that outputs input information for instructing a generation AI model to generate advice information including advice content for the user based on the advice item.
  • the personal information includes at least one of information on the user's physical characteristics and a period of time during which the user has continuously performed the training, and information indicating the content of the user's training,
  • the information processing device according to any one of [1] to [3], wherein the determination unit determines whether the content of the training is appropriate based on at least one of the physical characteristics of the user and the implementation period, and determines the advice items based on the determination result.
  • the personal information includes information indicating the content of the training of the user, The information processing device of any one of [1] to [4], wherein the determination unit determines whether the content of the training is appropriate based on advice content presented to the user for the user's previous training, and determines the advice item based on the determination result.
  • [8] acquiring training information indicating the user's movements during training related to a predetermined exercise, and personal information of the user including advice previously provided to the user regarding the training; determining advice items to be given to the user based on the training information and the personal information; and outputting input information for instructing a generation AI model to generate advice information including advice content for the user based on the advice item.
  • each functional block may be realized using a single device that is physically or logically coupled, or may be realized using two or more physically or logically separated devices that are directly or indirectly connected (e.g., wired, wireless, etc.) and these multiple devices.
  • the functional block may also be realized by combining software with the single device or multiple devices.
  • Functions include, but are not limited to, judging, determining, calculating, computing, processing, deriving, investigating, searching, verifying, receiving, transmitting, outputting, accessing, resolving, selecting, choosing, establishing, comparing, assuming, expecting, regarding, broadcasting, notifying, communicating, forwarding, configuring, reconfiguring, allocating, mapping, and assigning.
  • the information processing device 10 may function as a computer that performs the information processing method of the present disclosure.
  • Figure 7 is a diagram showing an example of the hardware configuration of the information processing device 10 according to an embodiment of the present disclosure.
  • the information processing device 10 may be physically configured as a computer device including a processor 1001, memory 1002, storage 1003, a communication device 1004, an input device 1005, an output device 1006, a bus 1007, etc.
  • the term "apparatus" can be interpreted as a circuit, device, unit, etc.
  • the hardware configuration of the information processing device 10 may be configured to include one or more of the devices shown in FIG. 7, or may be configured to exclude some of the devices.
  • Each function of the information processing device 10 is realized by loading specific software (programs) onto hardware such as the processor 1001 and memory 1002, causing the processor 1001 to perform calculations, control communications via the communication device 1004, and control at least one of reading and writing data from and to the memory 1002 and storage 1003.
  • the processor 1001 for example, runs an operating system to control the entire computer.
  • the processor 1001 may be configured as a central processing unit (CPU) that includes an interface with peripheral devices, a control unit, an arithmetic unit, registers, etc.
  • CPU central processing unit
  • the processor 1001 also reads programs (program code), software modules, data, etc. from at least one of the storage 1003 and the communication device 1004 into the memory 1002, and executes various processes in accordance with these.
  • the programs used are those that cause a computer to execute at least some of the operations described in the above-described embodiments.
  • each functional unit of the information processing device 10 e.g., the decision unit 13, etc.
  • each functional unit of the information processing device 10 may be implemented by a control program stored in the memory 1002 and running on the processor 1001, and similar implementations may be made for other functional blocks.
  • the above-described various processes have been described as being executed by a single processor 1001, they may also be executed simultaneously or sequentially by two or more processors 1001.
  • the processor 1001 may be implemented on one or more chips.
  • the programs may also be transmitted from a network via telecommunications lines.
  • Memory 1002 is a computer-readable recording medium and may be composed of at least one of, for example, ROM (Read Only Memory), EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), RAM (Random Access Memory), etc. Memory 1002 may also be called a register, cache, main memory (primary storage device), etc. Memory 1002 can store executable programs (program code), software modules, etc. for implementing an information processing method relating to one embodiment of the present disclosure.
  • ROM Read Only Memory
  • EPROM Erasable Programmable ROM
  • EEPROM Electrical Erasable Programmable ROM
  • RAM Random Access Memory
  • Memory 1002 may also be called a register, cache, main memory (primary storage device), etc.
  • Memory 1002 can store executable programs (program code), software modules, etc. for implementing an information processing method relating to one embodiment of the present disclosure.
  • Storage 1003 is a computer-readable recording medium, and may be composed of at least one of an optical disk such as a CD-ROM (Compact Disc ROM), a hard disk drive, a flexible disk, a magneto-optical disk (e.g., a compact disk, a digital versatile disk, a Blu-ray (registered trademark) disk), a smart card, flash memory (e.g., a card, a stick, a key drive), a floppy (registered trademark) disk, a magnetic strip, etc.
  • Storage 1003 may also be referred to as an auxiliary storage device.
  • the above-mentioned storage medium may be, for example, a database, a server, or other appropriate medium that includes at least one of memory 1002 and storage 1003.
  • the communication device 1004 is hardware (transmission/reception device) for communicating between computers via at least one of a wired network and a wireless network, and is also referred to as a network device, network controller, network card, communication module, etc.
  • the input device 1005 is an input device (e.g., a keyboard, mouse, microphone, switch, button, sensor, etc.) that accepts input from the outside.
  • the output device 1006 is an output device (e.g., a display, speaker, LED lamp, etc.) that outputs to the outside. Note that the input device 1005 and the output device 1006 may be integrated into one device (e.g., a touch panel).
  • each device such as the processor 1001 and memory 1002, is connected by a bus 1007 for communicating information.
  • the bus 1007 may be configured using a single bus, or may be configured using different buses between each device.
  • the information processing device 10 may be configured to include hardware such as a microprocessor, a digital signal processor (DSP), an application-specific integrated circuit (ASIC), a programmable logic device (PLD), or a field-programmable gate array (FPGA), and some or all of the functional blocks may be realized by this hardware.
  • the processor 1001 may be implemented using at least one of these pieces of hardware.
  • Input and output information may be stored in a specific location (for example, memory) or may be managed using a management table. Input and output information may be overwritten, updated, or added to. Output information may be deleted. Input information may be sent to another device.
  • the determination may be made based on a value represented by one bit (0 or 1), a Boolean value (true or false), or a numerical comparison (for example, comparison with a predetermined value).
  • notification of specified information is not limited to being done explicitly, but may also be done implicitly (e.g., not notifying the specified information).
  • Software shall be construed broadly to mean instructions, instruction sets, code, code segments, program code, programs, subprograms, software modules, applications, software applications, software packages, routines, subroutines, objects, executable files, threads of execution, procedures, functions, etc., whether referred to as software, firmware, middleware, microcode, hardware description language, or otherwise.
  • software, instructions, information, etc. may be transmitted and received via a transmission medium.
  • a transmission medium such as coaxial cable, fiber optic cable, twisted pair, or Digital Subscriber Line (DSL)
  • wired technology such as coaxial cable, fiber optic cable, twisted pair, or Digital Subscriber Line (DSL)
  • wireless technology such as infrared or microwave
  • the information, signals, etc. described in this disclosure may be represented using any of a variety of different technologies.
  • data, instructions, commands, information, signals, bits, symbols, chips, etc. that may be referred to throughout the above description may be represented by voltages, currents, electromagnetic waves, magnetic fields or magnetic particles, optical fields or photons, or any combination thereof.
  • information, parameters, etc. described in this disclosure may be expressed using absolute values, relative values from a predetermined value, or other corresponding information.
  • the phrase “based on” does not mean “based only on,” unless expressly stated otherwise. In other words, the phrase “based on” means both “based only on” and “based at least on.”
  • any reference to an element using a designation such as "first,” “second,” etc. does not generally limit the quantity or order of those elements. These designations may be used in this disclosure as a convenient method of distinguishing between two or more elements. Thus, a reference to a first and a second element does not imply that only two elements may be employed or that the first element must in some way precede the second element.
  • a and B are different may mean “A and B are different from each other.” Note that this term may also mean “A and B are each different from C.” Terms such as “separate” and “combined” may also be interpreted in the same way as “different.”
  • 10 information processing device, 11...storage unit, 12...acquisition unit, 13...determination unit, 14...output unit, 20...user terminal, 30...generation AI server, 31...generation AI model.

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

一実施形態の情報処理装置１０は、ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、当該トレーニングに関して過去にユーザに提示されたアドバイス内容を含むユーザのパーソナル情報と、を取得する取得部１２と、トレーニング情報とパーソナル情報とに基づいて、ユーザにアドバイスすべきアドバイス項目を決定する決定部１３と、アドバイス項目に基づいて、ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデル３１に指示するための入力情報を出力する出力部１４と、を備える。

Description

情報処理装置及び情報処理方法
　本開示の一側面は、情報処理装置及び情報処理方法に関する。
　特許文献１には、ユーザの運動の様子を撮影し、撮影された映像を解析してユーザが所期の動作を行っているか否かを判定し、ユーザの運動達成度を総合的に評価する運動支援システムが開示されている。上記運動支援システムでは、ユーザが所期の動作を行っていないと判定された場合に、ユーザに映像又は音声による動作修正のアドバイスが出力される。
特開２０１６－１９６９５号公報
　上記のようなユーザの運動に関するトレーニングを支援するシステムにおいては、ユーザの継続的なトレーニングの効果を高めるためのアドバイスを適切且つ容易に生成できる仕組みが求められている。
　そこで、本開示の一側面は、トレーニングについてのユーザに適したアドバイスを適切且つ容易に生成できる情報処理装置及び情報処理方法を提供することを目的とする。
　本開示の一側面に係る情報処理装置は、ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、トレーニングに関して過去にユーザに提示されたアドバイス内容を含むユーザのパーソナル情報と、を取得する取得部と、トレーニング情報とパーソナル情報とに基づいて、ユーザにアドバイスすべきアドバイス項目を決定する決定部と、アドバイス項目に基づいて、ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力する出力部と、を備える。
　本開示の他の側面に係る情報処理方法は、ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、トレーニングに関して過去にユーザに提示されたアドバイス内容を含むユーザのパーソナル情報と、を取得するステップと、トレーニング情報とパーソナル情報とに基づいて、ユーザにアドバイスすべきアドバイス項目を決定するステップと、アドバイス項目に基づいて、ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力するステップと、を含む。
　本開示の一側面によれば、トレーニングについてのユーザに適したアドバイスを適切且つ容易に生成できる。
一実施形態に係る情報処理装置を含むシステムの全体構成を示すブロック図である。 パーソナル情報の一例を示す図である。 決定部がアドバイス項目を決定する際に用いる情報の一例を示す図である。 アドバイス項目とアドバイス例とを関連付けたテーブル情報の一例を示す図である。 情報処理装置の動作の一例を示すフローチャートである。 出力部により出力された入力情報を含むプロンプトの一例を示す図である。 情報処理装置のハードウェア構成の一例を示す図である。
　以下、添付図面を参照して、本発明の一実施形態について詳細に説明する。なお、図面の説明において同一又は相当要素には同一符号を付し、重複する説明を省略する。
　図１は、一実施形態に係る情報処理装置１０を含むシステムの全体構成を示す図である。図１に示されるシステムは、情報処理装置１０と、ユーザ端末２０と、生成ＡＩサーバ３０と、を含んでいる。情報処理装置１０は、任意の通信ネットワークを介して、ユーザ端末２０及び生成ＡＩサーバ３０の各々と通信可能に構成されている。情報処理装置１０は、いわゆるＲＡＧ（Retrieval-Augmented　Generation）システムとして機能する。
　情報処理装置１０は、ユーザの運動に関するトレーニングを支援するための処理を実行する。一例として、情報処理装置１０は、ユーザ端末２０から受け取った情報（トレーニング情報等）と当該ユーザ端末２０のユーザのパーソナル情報（例えば、ユーザＩＤに関連付けて予め記憶された登録情報）とに基づいて、当該ユーザのトレーニングに関するアドバイス情報の生成を生成ＡＩサーバ３０に指示するための入力情報を生成及び出力するように構成されている。一例として、入力情報は、生成ＡＩモデル３１に入力されるプロンプトの少なくとも一部を構成する情報である。このような入力情報を含むプロンプトを受け取った生成ＡＩサーバ３０は、生成ＡＩモデル３１に当該プロンプトを入力することによって、当該ユーザへのアドバイス情報を生成及び出力する。生成ＡＩモデル３１によって出力されたアドバイス情報は、直接ユーザ端末２０に送信されてもよいし、情報処理装置１０を介してユーザ端末２０に送信されてもよい。或いは、当該アドバイス情報は、ユーザがユーザ端末２０等を介してアクセス可能な任意のサーバ上に蓄積（記憶）されてもよい。この場合、ユーザは、任意のタイミングで上記サーバにアクセスすることにより、生成ＡＩモデル３１によって生成されたアドバイス情報を閲覧することができる。
　ユーザ端末２０は、所定の運動に関するトレーニングを実施した後に当該トレーニング内容についてのアドバイス情報を得ようとするユーザによって使用される端末装置である。なお、本実施形態では、一例として、所定の運動は筋力トレーニングの一種であるベンチプレスである。ただし、所定の運動は、ベンチプレス以外の筋力トレーニングに関する運動であってもよいし、筋力トレーニング以外の種類の運動（例えば、ゴルフのスイング動作等のスポーツ動作）であってもよい。アドバイス情報は、テキスト、音声、画像、動画等の種々のコンテンツを含み得る。ユーザ端末２０は、例えば、パーソナルコンピュータ、スマートフォン、タブレット端末、フィーチャーフォン、サーバ装置、ゲーム機器等の任意の形態を取り得る。なお、図１には、１台のユーザ端末２０のみが図示されているが、情報処理装置１０は、複数のユーザの各々に対して上述したようなユーザのトレーニングの支援（すなわち、アドバイス情報を生成ＡＩモデル３１に生成させるための処理）を実行可能に構成されてもよい。この場合、図１に示されるシステムは、複数のユーザの各々によって使用される複数のユーザ端末２０を含み得る。
　生成ＡＩサーバ３０は、生成ＡＩモデル３１を含んでおり、当該生成ＡＩモデル３１を用いてコンテンツを生成及び提供する装置である。生成ＡＩモデル３１は、情報処理装置１０により出力された入力情報を含むプロンプトの入力に応じて、プロンプトが示す指示、文脈、質問、及び出力形式のいずれか又は組合せに従ってコンテンツ（本実施形態では、アドバイス情報）を生成し、当該コンテンツを返答情報として返すことができるモデルである。プロンプトとは、生成ＡＩモデル３１との対話、コマンドラインインタフェース（CLI）等の対話形式のシステムにおいて、生成ＡＩモデル３１に対して入力される指示又は質問を示す情報である。プロンプトには、情報処理装置１０により出力される入力情報以外にも各種の入力情報を含めることができる。この場合、生成ＡＩモデル３１は、各種の入力情報を対象にした返答情報を生成する。入力情報の種類及び形式は特に限定されず、入力情報は、例えば、テキストデータ、画像データ、アプリケーション関連データ、音声データ、動画像データ、静止画像データ等の所定の拡張子を含むファイル名を持つデータファイル等を含み得る。アプリケーション関連データとは、既定のアプリケーションプログラムによって処理可能な文書データ、表データ、グラフデータ等のデータである。
　生成ＡＩモデル３１は、例えば、大規模言語モデル（LLM：Large　Language　Model）と、ユーザとの対話用のユーザインタフェース（ＵＩ）と、を含んで構成され得る。生成ＡＩモデル３１は、ユーザとテキストによるチャット、或いは、音声によるチャットを行うことが可能な対話型ＡＩモデルであってもよい。このような生成ＡＩモデル３１の例としては、ＣｈａｔＧＰＴ、ＧＰＴ－３．５、ＧＰＴ－４Ｖ、ＰａＬＭ２等が挙げられる。ただし、生成ＡＩモデル３１は、上述したような大規模言語モデル以外のＡＩモデルであってもよい。また、生成ＡＩモデル３１は、図１に示されるように、情報処理装置１０とは別の生成ＡＩサーバ３０に配置されてもよいし、情報処理装置１０に配置されてもよい。或いは、生成ＡＩモデル３１は、例えばＴｓｕｚｕｍｉのようにユーザ端末２０に配置されてもよい。この場合、情報処理装置１０の各機能もユーザ端末２０に配置されてもよい。すなわち、ユーザ端末２０それ自体が、本実施形態の情報処理装置１０として機能してもよい。
　情報処理装置１０は、記憶部１１と、取得部１２と、決定部１３と、出力部１４と、を有する。
　記憶部１１は、情報処理装置１０が扱う種々のデータを記憶する。記憶部１１は、生成ＡＩモデル３１に対するプロンプトの生成に用いるための情報の検索先となる知識データベースを含んでいる。なお、本実施形態では、このような知識データベースとして機能する記憶部１１が情報処理装置１０上に実装されているが、当該知識データベースは、情報処理装置１０の外部（例えばネットワーク上）に実装されてもよい。本実施形態では、記憶部１１は、予め登録されたユーザのパーソナル情報を記憶する。パーソナル情報の例としては、例えば、ユーザの身体的特徴、ユーザがトレーニングを継続的に続けている実施期間、ユーザのトレーニングに関する目標、ユーザのトレーニングの実施内容（トレーニングメニュー）、ユーザに提供された過去（前回）のアドバイス内容等が挙げられる。図２は、あるユーザ（ユーザＩＤ「Ｕ０００１」に対応するユーザ）のパーソナル情報の一例を示す図である。
　図２に示されるパーソナル情報は、ユーザＩＤ「Ｕ０００１」に対応するユーザの体重（身体的特徴の一例）が「６５ｋｇ」であり、経験年数（実施期間の一例）が「２年」であり、目標（ベンチプレスの重量目標）が「１００ｋｇ」であり、現在の実施内容（トレーニングメニュー）が「セット数：６セット、１セット当たりの回数：１０回、重量：８０ｋｇ、インターバル：２分、頻度：週２回（中３日）」であることを示している。また、当該パーソナル情報は、当該ユーザに対して過去に提供されたアドバイス内容が、「両肘の間隔を狭くしましょう（参考動画１）。」及び「基本である１０回×３セットをきちんと行いましょう。」の２つのアドバイスであることを示している。ここで、過去のアドバイス内容は、インストラクター等から当該ユーザに対してアドバイスされた内容であってもよいし、後述する情報処理装置１０の処理を経て生成ＡＩモデル３１から出力されたアドバイス情報であってもよい。また、過去のアドバイス内容は、ユーザに提供されたタイミングと関連付けて記憶されてもよい。上記タイミングを示す情報は、例えば、日時情報であってもよいし、「前回」、「前々回」等のように最新のトレーニング時点を基準とした相対的な時点を示す情報であってもよい。
　なお、パーソナル情報は、図２に例示した項目以外の情報を含んでもよい。そのような情報の例としては、ユーザの年齢、性別、筋肉量、骨格、ユーザが通っているフィットネスクラブ、ジム、スクール等の情報等が挙げられる。
　また、記憶部１１は、決定部１３がアドバイス項目を決定する際に用いるための各種情報を記憶してもよい。図３は、このような情報の一例を示す図である。図３に示される情報は、体重と経験年数に応じた平均ベンチプレス重量を示す情報である。
　また、記憶部１１は、出力部１４が入力情報（ここでは一例として、プロンプトに含めるアドバイス例）を生成する際に用いるための各種情報を記憶してもよい。図４は、このような情報の一例を示す図である。図４に示される情報は、アドバイス項目とアドバイス例とを関連付けたテーブル情報である。当該テーブル情報は、「停滞期に陥っている可能性がある場合」等の各アドバイス項目に対して、各アドバイス項目に該当するユーザに対して適した「基本である１０回×３セットをきちんと行いましょう。」等のアドバイス例を関連付けた情報である。
　取得部１２は、ユーザの所定の運動（本実施形態では、一例として「ベンチプレス」）に関するトレーニング中の動作を示すトレーニング情報と、当該ユーザのパーソナル情報（図２参照）と、を取得する。
　取得部１２は、例えば、ユーザ端末２０（又は他の装置）を用いて撮影されたユーザのトレーニング画像を、上記トレーニング情報としてユーザ端末２０から取得する。例えば、ユーザ端末２０には、トレーニングを支援するアプリがインストールされていてもよい。この場合、取得部１２は、当該アプリの機能を用いてユーザが登録（アップロード）したトレーニング画像を取得してもよい。トレーニング画像は、所定の運動（ベンチプレス）を行っている最中のユーザの動作を撮影した画像である。
　トレーニング画像は、１枚の画像（静止画像）によって構成されてもよいし、一連の動作の各時点（例えば、運動開始時点、重りを持ち上げた時点、重りを下げた（腕を引いた）時点）に対応する複数枚の画像（静止画像）によって構成されてもよい。また、トレーニング画像は、一つの角度からユーザを撮影した画像であってもよいし、互いに異なる複数の角度からユーザを撮影した複数の画像であってもよい。また、トレーニング画像は、ユーザが一連の動作を行う様子を撮影した動画像によって構成されてもよい。
　また、ユーザのトレーニング中の動作を示すトレーニング情報は、トレーニング画像以外の情報であってもよい。例えば、取得部１２は、モーションキャプチャ等によって得られたユーザのトレーニング中の身体各部の位置及び動作を示すデータを、トレーニング情報として取得してもよい。
　取得部１２は、例えば、上記トレーニング画像を取得する際に、当該ユーザのユーザＩＤ（識別情報）も併せて取得してもよい。この場合、取得部１２は、当該ユーザＩＤをキーとして記憶部１１に記憶されているパーソナル情報を検索することにより、当該ユーザのパーソナル情報（図２参照）を取得してもよい。或いは、取得部１２は、初回のユーザ（記憶部１１にパーソナル情報が記憶されていないユーザ）の場合には、上述したアプリ等においてトレーニング画像の登録と併せてユーザによって入力された情報を、パーソナル情報として取得してもよい。後者の場合、取得部１２は、パーソナル情報をユーザが毎回入力する手間を減らすために、ユーザによって入力されたパーソナル情報を記憶部１１に新たに登録してもよい。また、記憶部１１に記憶されたパーソナル情報に含まれる各情報（例えば、体重、実施内容等）は、当該パーソナル情報に対応するユーザ（或いは当該ユーザのトレーナー等）によって任意のタイミングで更新可能とされてもよい。
　決定部１３は、取得部１２により取得されたトレーニング画像及びパーソナル情報に基づいて、アドバイス項目を決定する。より具体的には、決定部１３は、今回のトレーニング（取得部１２により今回取得されたトレーニング画像に対応するトレーニング）について、一以上のアドバイス項目を決定する。アドバイス項目とは、ユーザにアドバイスすべき内容に対応する項目である。例えば、アドバイス項目は、ユーザにアドバイスを行うことによって改善を促すべき課題、問題点等であってもよいし、アドバイスすべき内容の分類を示す情報であってもよい。本実施形態では、図４に示したように、アドバイス項目は、「停滞期に陥っている可能性がある場合」、「筋肉量が少ない場合」、「セット数が多すぎる（６回以上）」、「インターバルが短すぎる（３分未満）」等のユーザの課題、問題点等を示す項目である。
　出力部１４は、決定部１３により決定されたアドバイス項目に基づいて、ユーザに対する今回のアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデル３１（生成ＡＩサーバ３０）に指示するための入力情報を出力する。本実施形態では一例として、出力部１４は、プロンプトの全体を出力（生成）する。生成ＡＩモデル３１は、出力部１４から出力されたプロンプトを入力することにより、ユーザに対するアドバイス情報を生成及び出力する。アドバイス情報は、テキストデータのみによって構成されてもよいし、図表、画像等のテキストデータ以外の形式のデータを含んでもよい。生成ＡＩモデル３１により出力されたアドバイス情報の内容（少なくとも「アドバイス内容」の情報）は、記憶部１１に通知され、当該ユーザのパーソナル情報の「過去のアドバイス内容」に登録（記憶）される。
　次に、図５を参照して、情報処理装置１０の動作（情報処理方法）の一例について説明する。図５は、情報処理装置１０の動作の一例を示すフローチャートである。
　ステップＳ１において、取得部１２は、ユーザのトレーニング画像を取得する。一例として、ユーザが、自身が行ったベンチプレス中の動作を撮影した動画をユーザ端末２０上のアプリの機能を用いて登録（アップロード）する。取得部１２は、このように登録された動画データをトレーニング画像として取得する。
　ステップＳ２において、取得部１２は、ユーザのパーソナル情報を取得する。一例として、取得部１２は、記憶部１１に記憶されている当該ユーザのパーソナル情報を取得する。パーソナル情報は、当該ユーザに対して過去に提示されたアドバイス内容（例えば、図２の「過去のアドバイス内容」）を含んでいる。
　ステップＳ３において、決定部１３は、ステップＳ１において取得されたトレーニング画像及びステップＳ２において取得されたパーソナル情報（図２参照）に基づいて、アドバイス項目を決定する。以下、決定部１３によるアドバイス項目決定処理のいくつかの例について説明する。
（第１の例）
　決定部１３は、トレーニング画像に基づいて、少なくともパーソナル情報に含まれる「過去のアドバイス内容」に関するユーザの動きを評価し、評価結果に基づいてアドバイス項目を決定してもよい。ここで、ユーザの動きとは、ユーザの身体の任意の部位の動き（軌跡）及び姿勢（フォーム）等を含み得る。
　例えば、図２の例では、パーソナル情報は、「両肘の間隔を狭くしましょう」という過去のアドバイス内容を含んでいる。すなわち、パーソナル情報は、当該ユーザに対して「両肘の間隔を狭くしましょう」というアドバイスが過去にされたことを示している。この場合、決定部１３は、トレーニング中のユーザの両肘の間隔に着目してユーザの動きを評価してもよい。例えば、決定部１３は、公知の画像解析処理を実行することにより、ユーザの両肘の間隔が適切な間隔になっているか否かを評価してもよい。ここで、適切な両肘の間隔等、ユーザの動きが適切な動きであるか否かを判断するために必要となる情報は、予め記憶部１１に記憶されてもよい。例えば、記憶部１１には、所定の運動（本実施形態では、ベンチプレス）に関する理想的な動きを示す情報が記憶されてもよい。この場合、決定部１３は、トレーニング画像を解析することによって得られたユーザの動きと、記憶部１１に記憶された情報とを比較することによって、ユーザの動きが適切であるか否かを評価することができる。
　続いて、決定部１３は、過去にユーザに提示されたアドバイス内容（ここでは、「両肘の間隔を狭くしましょう」というアドバイス）に基づいてユーザの動きが改善したか否かを判定してもよい。例えば、決定部１３は、今回のトレーニング画像の解析によって把握されたユーザの両肘の間隔と前回のトレーニングのトレーニング画像の解析によって把握された両肘の間隔とを比較することによって、上記判定を行ってもよい。このような判定が可能となるように、ユーザの前回のトレーニング時のトレーニング情報（本実施形態では、トレーニング画像）、或いは当該トレーニング画像に基づいて解析されたデータ（前回トレーニング時のユーザの両肘の間隔等）は、当該ユーザのパーソナル情報の一部として記憶部１１に蓄積されてもよい。例えば、決定部１３は、今回のトレーニング画像に示されるユーザの両肘の間隔が、前回のトレーニング画像に示されるユーザの両肘の間隔よりも狭くなっている場合に、改善していると判定し、そうでない場合（例えば、ユーザの両肘の間隔が前回から変化していない場合、前回よりも広がっている場合等）には、改善していないと判定する。
　改善していないと判定された場合、決定部１３は、当該アドバイス内容に応じたアドバイス項目（例えば、「両肘の間隔について正しい動きができていない場合」等のアドバイス項目）を、今回のユーザのトレーニングについてのアドバイス項目として再度決定してもよい。或いは、アドバイス項目自体に、アドバイスすべき優先度（重要度）が関連付けられる場合、決定部１３は、前回のアドバイス項目に関連付けた優先度よりも高い優先度を当該アドバイス項目に関連付けてもよい。例えば、前回のトレーニングに対して決定されたアドバイス項目が「両肘の間隔が広すぎる（改善優先度：中）」であった場合、決定部１３は、今回のトレーニングに対するアドバイス項目を「両肘の間隔が広すぎる（改善優先度：大）」にしてもよい。例えば、このようなアドバイス項目の優先度が、後述する出力部１４により出力される入力情報に含められることにより、生成ＡＩモデル３１に対して、上記アドバイス項目（両肘の間隔が広すぎる）に対応するアドバイスの優先度を適切に通知することができ、その結果、ユーザに適したアドバイス内容を出力することが可能となる。
　一方、改善していると判定された場合、決定部１３は、当該アドバイス内容に関するアドバイスは今回不要であると判断し、当該アドバイス内容に応じたアドバイス項目を今回のユーザのトレーニングについてのアドバイス項目に含めないように決定してもよい。
（第２の例）
　決定部１３は、過去のアドバイス内容以外のパーソナル情報にも基づいて、アドバイス項目を決定してもよい。例えば、図２に示されるように、パーソナル情報は、ユーザの身体的特徴及びトレーニングをユーザが継続的に続けている実施期間の少なくとも一方の情報と、トレーニングの実施内容（トレーニングメニュー）の情報と、を含んでもよい。この場合、決定部１３は、ユーザの身体的特徴（本実施形態では体重）及び実施期間（本実施形態では経験年数）の少なくとも一方に基づいて、トレーニングの実施内容が適切か否かを判定し、その判定結果に基づいてアドバイス項目を決定してもよい。
　例えば、決定部１３は、図３に示した情報を参照することにより、ユーザの体重と経験年数との組み合わせに対応する適正なベンチプレス重量（○○ｋｇ）の情報を得ることができる。続いて、決定部１３は、このようにして得られた適正重量と現在の実施内容（図２の例では、「重量：８０ｋｇ」）とを比較することにより、現在の実施内容が適切か否かを判定してもよい。なお、この例では、体重及び経験年数の組み合わせに対応する適正重量が比較対象として用いられたが、体重に対応する適正重量、又は経験年数に対応する適正重量の情報がある場合には、体重及び経験年数のいずれか一方のみに基づいて、実施内容が適切か否かを判定することができる。
　実施内容が適切でないと判定された場合、決定部１３は、比較結果に基づいてアドバイス項目を決定してもよい。例えば、現在の実施内容に示される重量が適正重量よりも重い場合、決定部１３は、「ウェイトの負荷が大きすぎる」を今回のアドバイス項目の一つとして決定してもよい。或いは、決定部１３は、現在の実施内容に示される重量が適正重量となるようにユーザの体重（筋肉量）を増加させることを課題として設定し、「筋肉量が少ない場合」を今回のアドバイス項目の一つとして決定してもよい。
　一方、実施内容が適切であると判定された場合、決定部１３は、当該実施内容に関するアドバイス項目を今回のユーザのトレーニングについてのアドバイス項目に含めないように決定してもよい。
（第３の例）
　決定部１３は、ユーザの前回のトレーニングに対して当該ユーザに提示されたアドバイス内容（すなわち、前回のアドバイス内容）に基づいて、トレーニングの実施内容が適切か否かを判定し、その判定結果に基づいてアドバイス項目を決定してもよい。例えば、図２の例では、前回のアドバイス内容に「基本である１０回×３セットをきちんと行いましょう」が含まれている。しかし、ユーザの実施内容は、「１０回×６セット」となっており、アドバイス内容よりも多いセット数となっている。この場合、決定部１３は、ユーザの実施内容（ここでは、セット数）が前回のアドバイス内容で提案したセット数よりも多いと判断し、「セット数が多すぎる（６回以上）」を今回のアドバイス項目の一つとして決定してもよい。
（他の例）
　決定部１３は、上記第１～第３の例以外の他の方法によってもアドバイス項目を決定してもよい。例えば、決定部１３は、前回のアドバイス内容と関係なく、予め定められた基準と実施内容とを比較し、比較結果に基づいてアドバイス項目を決定してもよい。例えば、インターバルが予め定められた標準値「５分」から所定の閾値「２分」以上少ない場合に、決定部１３は、「インターバルが短すぎる（３分未満）」を今回のアドバイス項目の一つとして決定してもよい。或いは、決定部１３は、実施内容が所定期間（例えば２ヶ月）以上変化していない場合、「停滞期に陥っている可能性がある場合」を今回のアドバイス項目の一つとして決定してもよい。
　ステップＳ４において、出力部１４は、ステップＳ３において決定されたアドバイス項目に基づいて、ユーザに対する今回のアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデル３１に指示するための入力情報を出力する。ここでは一例として、上記のステップＳ３において、「停滞期に陥っている可能性がある場合」、「筋肉量が少ない場合」、「セット数が多すぎる（６回以上）」、及び「インターバルが短すぎる（３分未満）」の４つのアドバイス項目が決定されるものとする。この場合、一例として、出力部１４は、上記４つのアドバイス項目の各々に対応するアドバイス例を上記入力情報に含める。
　例えば、出力部１４は、アドバイス項目毎に一以上のアドバイス例が関連付けられたテーブル情報（図４参照）を参照することにより、決定部１３により決定された各アドバイス項目に関連付けられたアドバイス例を入力情報に含めて出力してもよい。さらに、出力部１４は、決定部１３により決定されたアドバイス項目に関連付けられた複数のアドバイス例がテーブル情報に記憶されている場合に、当該複数のアドバイス例のうちユーザに過去に提示されたアドバイス内容とは異なるアドバイス例を優先的に入力情報に含める対象として選択してもよい。
　図４の例では、アドバイス項目「停滞期に陥っている可能性がある場合」に対して、複数（図４の例では３つ）のアドバイス例が関連付けられている。具体的には、上記アドバイス項目に対して、「基本である１０回×３セットをきちんと行いましょう。」（以下「第１アドバイス例」）、「刺激が少なく停滞期に陥っている可能性があります。１０回×３セットの日の他に、＋１０ｋｇの重さで５回×３セットの日を設けましょう。」（以下「第２アドバイス例」）、及び「刺激が少なく停滞期に陥っている可能性があります。＋２０ｋｇでおろすトレーニング（ネガティブトレーニング）をする日を設けましょう。」（以下「第３アドバイス例」）の３つのアドバイス例が関連付けられている。ここで、図２の例では、ユーザに過去に提示されたアドバイス内容に、第１アドバイス例が含まれている。このような場合、出力部１４は、第１アドバイス例とは異なるアドバイス例（本例では、第２アドバイス例及び第３アドバイス例）を優先的に入力情報に含めるアドバイス例として選択してもよい。例えば、出力部１４は、入力情報に第２アドバイス例及び第３アドバイス例の少なくとも一方を含める一方で、過去に既にユーザにアドバイス済みの第１アドバイス例を含めないようにしてもよい。
　図６は、上記のように出力部１４により選択されたアドバイス例を含む入力情報を含むプロンプトの一例を示す図である。この例では、入力情報は、取得部１２により取得されたパーソナル情報、決定部１３により決定されたアドバイス項目等の情報を含んでいる。また、出力部１４により選択されたアドバイス例は、「アドバイスの例示」の項目に含められている。なお、出力部１４は、図６に示されるようなプロンプトそのものを生成してもよい。すなわち、出力部１４は、生成ＡＩモデル３１に入力するためのプロンプトそれ自体の情報を入力情報として生成及び出力してもよい。この場合、出力部１４は、図６に示されるプロンプトに含まれる「役割」、「タスク」、「条件」、及び「出力内容のイメージ」等の項目については、予め用意されたテンプレート情報を参照することによって生成してもよい。或いは、出力部１４は、出力部１４とは別の機能によって生成されたプロンプトに対して、一部の情報（例えば、「アドバイスの例示」の情報）を入力情報として付加してもよい。
　以上説明した情報処理装置１０及び情報処理方法によれば、所定の運動（本実施形態では、ベンチプレス）のトレーニングに関して、トレーニング中のユーザの動作を示すトレーニング情報（本実施形態では、トレーニング画像）と、過去にユーザに提示されたアドバイス内容を含むユーザのパーソナル情報（図２参照）と、に基づいて、ユーザに対するアドバイス項目を適切に決定することができる。このように決定されたアドバイス項目に基づいて、今回のトレーニングについてのアドバイス情報を生成ＡＩモデル３１に生成させるための入力情報（例えば、生成ＡＩモデル３１に入力されるプロンプトの少なくとも一部の情報）を容易且つ適切に出力することができる。その結果、トレーニングについてのユーザに適したアドバイスを適切且つ容易に生成することが可能となる。
　上記実施形態の（第１の例）で説明したように、決定部１３は、トレーニング情報に基づいて、少なくとも過去にユーザに提示されたアドバイス内容に関するユーザの動き（上記実施形態では、ユーザの両肘の動き）を評価し、評価結果に基づいてアドバイス項目を決定してもよい。上記構成によれば、過去にユーザにアドバイスされたポイントを今回の評価対象に確実に含めることにより、過去（前回）のアドバイス内容を踏まえて、今回のトレーニングに対するユーザへのアドバイス項目を適切に決定することができる。
　上記実施形態の（第１の例）で説明したように、決定部１３は、ユーザの前回のトレーニングに対して当該ユーザに提示されたアドバイス内容に関するユーザの動きが前回のトレーニング時よりも改善したか否かを判定し、判定結果に基づいてアドバイス項目を決定してもよい。上記構成によれば、前回のアドバイス内容に基づく改善度合いを適切に評価し、その評価結果に基づく入力情報を生成ＡＩモデル３１に対して出力することにより、ユーザに対するフィードバックを適切に実施することが可能となる。すなわち、以前にユーザに提示したアドバイス内容についてのユーザへのフィードバックを適切に行うことが可能なアドバイス情報を生成ＡＩモデル３１に生成及び出力させることが可能となる。
　上記実施形態の（第２の例）で説明したように、パーソナル情報は、ユーザの身体的特徴（例えば、体重）及びトレーニングをユーザが継続的に続けている実施期間（例えば、経験年数）の少なくとも一方の情報と、ユーザのトレーニングの実施内容を示す情報と、を含んでもよい。その上で、決定部１３は、ユーザの身体的特徴及び実施期間の少なくとも一方に基づいて、トレーニングの実施内容が適切か否かを判定し、判定結果に基づいてアドバイス項目を決定してもよい。上記構成によれば、トレーニングを実施するユーザの状態及び習熟度に基づいて、トレーニングの実施内容（メニュー）の適否に関する適切なアドバイスを生成ＡＩモデル３１に生成させることが可能となる。
　上記実施形態の（第３の例）で説明したように、パーソナル情報は、ユーザのトレーニングの実施内容を示す情報を含んでもよい。その上で、決定部１３は、ユーザの前回のトレーニングに対してユーザに提示されたアドバイス内容に基づいて、トレーニングの実施内容が適切か否かを判定し、判定結果に基づいてアドバイス項目を決定してもよい。上記構成によれば、今回のトレーニングの実施内容が前回のアドバイス内容に沿って適切な内容になっているか否かの観点に基づいて、トレーニングの実施内容（メニュー）の適否に関する適切なアドバイスを生成ＡＩモデル３１に生成させることが可能となる。
　出力部１４は、アドバイス項目毎に一以上のアドバイス例が関連付けられたテーブル情報（図４参照）を参照することにより、図６に示されるように、決定部１３により決定されたアドバイス項目に関連付けられたアドバイス例を入力情報に含めて出力してもよい。上記構成によれば、予め上述したようなテーブル情報を用意しておくことにより、各アドバイス項目に対応するアドバイス例を適切且つ容易に入力情報に含めることが可能となる。その結果、生成ＡＩモデル３１から出力されるアドバイス情報の有用度を容易に向上させることができる。
　出力部１４は、決定部１３により決定されたアドバイス項目に関連付けられた複数のアドバイス例がテーブル情報（図４参照）に記憶されている場合に、複数のアドバイス例のうちユーザに過去に提示されたアドバイス内容（上記実施形態における「第１アドバイス例」）とは異なるアドバイス例（第２アドバイス例及び第３アドバイス例）を優先的に入力情報に含める対象として選択してもよい。上記構成によれば、同一のアドバイス項目に対して、過去に既にユーザに提示済みのアドバイス内容とは異なるアドバイス例を優先的に参考にしてアドバイス情報を生成することを生成ＡＩモデル３１に指示することが可能となる。その結果、生成ＡＩモデル３１から出力されるアドバイス情報の中身が毎回似たような内容になることを抑制し、ユーザにとって新鮮且つ有用なアドバイス情報を提示することが可能となる。
［付記］
　本開示は、以下の態様を含んでいる。
［１］ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、前記トレーニングに関して過去に前記ユーザに提示されたアドバイス内容を含む前記ユーザのパーソナル情報と、を取得する取得部と、
　前記トレーニング情報と前記パーソナル情報とに基づいて、前記ユーザにアドバイスすべきアドバイス項目を決定する決定部と、
　前記アドバイス項目に基づいて、前記ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力する出力部と、を備える情報処理装置。
［２］前記決定部は、前記トレーニング情報に基づいて、少なくとも過去に前記ユーザに提示されたアドバイス内容に関する前記ユーザの動きを評価し、評価結果に基づいて前記アドバイス項目を決定する、［１］の情報処理装置。
［３］前記決定部は、前記ユーザの前回のトレーニングに対して前記ユーザに提示されたアドバイス内容に関する前記ユーザの動きが前回のトレーニング時よりも改善したか否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、［２］の情報処理装置。
［４］前記パーソナル情報は、前記ユーザの身体的特徴及び前記トレーニングを前記ユーザが継続的に続けている実施期間の少なくとも一方の情報と、前記ユーザの前記トレーニングの実施内容を示す情報と、を含み、
　前記決定部は、前記ユーザの前記身体的特徴及び前記実施期間の少なくとも一方に基づいて、前記トレーニングの実施内容が適切か否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、［１］～［３］のいずれかの情報処理装置。
［５］前記パーソナル情報は、前記ユーザの前記トレーニングの実施内容を示す情報を含み、
　前記決定部は、前記ユーザの前回のトレーニングに対して前記ユーザに提示されたアドバイス内容に基づいて、前記トレーニングの実施内容が適切か否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、［１］～［４］のいずれかの情報処理装置。
［６］前記出力部は、前記アドバイス項目毎に一以上のアドバイス例が関連付けられたテーブル情報を参照することにより、前記決定部により決定された前記アドバイス項目に関連付けられた前記アドバイス例を前記入力情報に含めて出力する、［１］～［５］のいずれかの情報処理装置。
［７］前記出力部は、前記決定部により決定された前記アドバイス項目に関連付けられた複数のアドバイス例が前記テーブル情報に記憶されている場合に、前記複数のアドバイス例のうち前記ユーザに過去に提示されたアドバイス内容とは異なるアドバイス例を優先的に前記入力情報に含める対象として選択する、［６］の情報処理装置。
［８］ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、前記トレーニングに関して過去に前記ユーザに提示されたアドバイス内容を含む前記ユーザのパーソナル情報と、を取得するステップと、
　前記トレーニング情報と前記パーソナル情報とに基づいて、前記ユーザにアドバイスすべきアドバイス項目を決定するステップと、
　前記アドバイス項目に基づいて、前記ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力するステップと、を含む情報処理方法
［用語の定義等］
　上記実施形態の説明に用いたブロック図は、機能単位のブロックを示している。これらの機能ブロック（構成部）は、ハードウェア及びソフトウェアの少なくとも一方の任意の組み合わせによって実現される。また、各機能ブロックの実現方法は特に限定されない。すなわち、各機能ブロックは、物理的又は論理的に結合した１つの装置を用いて実現されてもよいし、物理的又は論理的に分離した２つ以上の装置を直接的又は間接的に（例えば、有線、無線などを用いて）接続し、これら複数の装置を用いて実現されてもよい。機能ブロックは、上記１つの装置又は上記複数の装置にソフトウェアを組み合わせて実現されてもよい。
　機能には、判断、決定、判定、計算、算出、処理、導出、調査、探索、確認、受信、送信、出力、アクセス、解決、選択、選定、確立、比較、想定、期待、見做し、報知（broadcasting）、通知（notifying）、通信（communicating）、転送（forwarding）、構成（configuring）、再構成（reconfiguring）、割り当て（allocating、mapping）、割り振り（assigning）などがあるが、これらに限られない。
　例えば、本開示の一実施の形態における情報処理装置１０は、本開示の情報処理方法を行うコンピュータとして機能してもよい。図７は、本開示の一実施の形態に係る情報処理装置１０のハードウェア構成の一例を示す図である。情報処理装置１０は、物理的には、プロセッサ１００１、メモリ１００２、ストレージ１００３、通信装置１００４、入力装置１００５、出力装置１００６、バス１００７などを含むコンピュータ装置として構成されてもよい。
　なお、以下の説明では、「装置」という文言は、回路、デバイス、ユニットなどに読み替えることができる。情報処理装置１０のハードウェア構成は、図７に示した各装置を１つ又は複数含むように構成されてもよいし、一部の装置を含まずに構成されてもよい。
　情報処理装置１０における各機能は、プロセッサ１００１、メモリ１００２などのハードウェア上に所定のソフトウェア（プログラム）を読み込ませることによって、プロセッサ１００１が演算を行い、通信装置１００４による通信を制御したり、メモリ１００２及びストレージ１００３におけるデータの読み出し及び書き込みの少なくとも一方を制御したりすることによって実現される。
　プロセッサ１００１は、例えば、オペレーティングシステムを動作させてコンピュータ全体を制御する。プロセッサ１００１は、周辺装置とのインターフェース、制御装置、演算装置、レジスタなどを含む中央処理装置（ＣＰＵ：Central　Processing　Unit）によって構成されてもよい。
　また、プロセッサ１００１は、プログラム（プログラムコード）、ソフトウェアモジュール、データなどを、ストレージ１００３及び通信装置１００４の少なくとも一方からメモリ１００２に読み出し、これらに従って各種の処理を実行する。プログラムとしては、上述の実施の形態において説明した動作の少なくとも一部をコンピュータに実行させるプログラムが用いられる。例えば、情報処理装置１０の各機能部（例えば、決定部１３等）は、メモリ１００２に格納され、プロセッサ１００１において動作する制御プログラムによって実現されてもよく、他の機能ブロックについても同様に実現されてもよい。上述の各種処理は、１つのプロセッサ１００１によって実行される旨を説明してきたが、２以上のプロセッサ１００１により同時又は逐次に実行されてもよい。プロセッサ１００１は、１以上のチップによって実装されてもよい。なお、プログラムは、電気通信回線を介してネットワークから送信されてもよい。
　メモリ１００２は、コンピュータ読み取り可能な記録媒体であり、例えば、ＲＯＭ（Read　Only　Memory）、ＥＰＲＯＭ（Erasable　Programmable　ＲＯＭ）、ＥＥＰＲＯＭ（Electrically　Erasable　Programmable　ＲＯＭ）、ＲＡＭ（Random　Access　Memory）などの少なくとも１つによって構成されてもよい。メモリ１００２は、レジスタ、キャッシュ、メインメモリ（主記憶装置）などと呼ばれてもよい。メモリ１００２は、本開示の一実施の形態に係る情報処理方法を実施するために実行可能なプログラム（プログラムコード）、ソフトウェアモジュールなどを保存することができる。
　ストレージ１００３は、コンピュータ読み取り可能な記録媒体であり、例えば、ＣＤ－ＲＯＭ（Compact　Disc　ＲＯＭ）などの光ディスク、ハードディスクドライブ、フレキシブルディスク、光磁気ディスク(例えば、コンパクトディスク、デジタル多用途ディスク、Ｂｌｕ－ｒａｙ（登録商標）ディスク)、スマートカード、フラッシュメモリ(例えば、カード、スティック、キードライブ)、フロッピー（登録商標）ディスク、磁気ストリップなどの少なくとも１つによって構成されてもよい。ストレージ１００３は、補助記憶装置と呼ばれてもよい。上述の記憶媒体は、例えば、メモリ１００２及びストレージ１００３の少なくとも一方を含むデータベース、サーバその他の適切な媒体であってもよい。
　通信装置１００４は、有線ネットワーク及び無線ネットワークの少なくとも一方を介してコンピュータ間の通信を行うためのハードウェア（送受信デバイス）であり、例えばネットワークデバイス、ネットワークコントローラ、ネットワークカード、通信モジュールなどともいう。
　入力装置１００５は、外部からの入力を受け付ける入力デバイス（例えば、キーボード、マウス、マイクロフォン、スイッチ、ボタン、センサなど）である。出力装置１００６は、外部への出力を実施する出力デバイス（例えば、ディスプレイ、スピーカー、LEDランプなど）である。なお、入力装置１００５及び出力装置１００６は、一体となった構成（例えば、タッチパネル）であってもよい。
　また、プロセッサ１００１、メモリ１００２などの各装置は、情報を通信するためのバス１００７によって接続される。バス１００７は、単一のバスを用いて構成されてもよいし、装置間ごとに異なるバスを用いて構成されてもよい。
　また、情報処理装置１０は、マイクロプロセッサ、デジタル信号プロセッサ（ＤＳＰ：Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、ＰＬＤ（Programmable　Logic　Device）、ＦＰＧＡ（Field　Programmable　Gate　Array）などのハードウェアを含んで構成されてもよく、当該ハードウェアにより、各機能ブロックの一部又は全てが実現されてもよい。例えば、プロセッサ１００１は、これらのハードウェアの少なくとも１つを用いて実装されてもよい。
　以上、本実施形態について詳細に説明したが、当業者にとっては、本実施形態が本明細書中に説明した実施形態に限定されるものではないということは明らかである。本実施形態は、特許請求の範囲の記載により定まる本発明の趣旨及び範囲を逸脱することなく修正及び変更態様として実施することができる。したがって、本明細書の記載は、例示説明を目的とするものであり、本実施形態に対して何ら制限的な意味を有するものではない。
　本開示において説明した各態様／実施形態の処理手順、シーケンス、フローチャートなどは、矛盾の無い限り、順序を入れ替えてもよい。例えば、本開示において説明した方法については、例示的な順序を用いて様々なステップの要素を提示しており、提示した特定の順序に限定されない。
　入出力された情報等は特定の場所（例えば、メモリ）に保存されてもよいし、管理テーブルを用いて管理してもよい。入出力される情報等は、上書き、更新、又は追記され得る。出力された情報等は削除されてもよい。入力された情報等は他の装置へ送信されてもよい。
　判定は、１ビットで表される値（０か１か）によって行われてもよいし、真偽値（Boolean：true又はfalse）によって行われてもよいし、数値の比較（例えば、所定の値との比較）によって行われてもよい。
　本開示において説明した各態様／実施形態は単独で用いてもよいし、組み合わせて用いてもよいし、実行に伴って切り替えて用いてもよい。また、所定の情報の通知（例えば、「Ｘであること」の通知）は、明示的に行うものに限られず、暗黙的（例えば、当該所定の情報の通知を行わない）ことによって行われてもよい。
　ソフトウェアは、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語と呼ばれるか、他の名称で呼ばれるかを問わず、命令、命令セット、コード、コードセグメント、プログラムコード、プログラム、サブプログラム、ソフトウェアモジュール、アプリケーション、ソフトウェアアプリケーション、ソフトウェアパッケージ、ルーチン、サブルーチン、オブジェクト、実行可能ファイル、実行スレッド、手順、機能などを意味するよう広く解釈されるべきである。
　また、ソフトウェア、命令、情報などは、伝送媒体を介して送受信されてもよい。例えば、ソフトウェアが、有線技術（同軸ケーブル、光ファイバケーブル、ツイストペア、デジタル加入者回線（ＤＳＬ：Digital　Subscriber　Line）など）及び無線技術（赤外線、マイクロ波など）の少なくとも一方を使用してウェブサイト、サーバ、又は他のリモートソースから送信される場合、これらの有線技術及び無線技術の少なくとも一方は、伝送媒体の定義内に含まれる。
　本開示において説明した情報、信号などは、様々な異なる技術のいずれかを使用して表されてもよい。例えば、上記の説明全体に渡って言及され得るデータ、命令、コマンド、情報、信号、ビット、シンボル、チップなどは、電圧、電流、電磁波、磁界若しくは磁性粒子、光場若しくは光子、又はこれらの任意の組み合わせによって表されてもよい。
　また、本開示において説明した情報、パラメータなどは、絶対値を用いて表されてもよいし、所定の値からの相対値を用いて表されてもよいし、対応する別の情報を用いて表されてもよい。
　上述したパラメータに使用する名称はいかなる点においても限定的な名称ではない。さらに、これらのパラメータを使用する数式等は、本開示で明示的に開示したものと異なる場合もある。様々な情報要素は、あらゆる好適な名称によって識別できるので、これらの様々な情報要素に割り当てている様々な名称は、いかなる点においても限定的な名称ではない。
　本開示において使用する「に基づいて」という記載は、別段に明記されていない限り、「のみに基づいて」を意味しない。言い換えれば、「に基づいて」という記載は、「のみに基づいて」と「に少なくとも基づいて」の両方を意味する。
　本開示において使用する「第１の」、「第２の」などの呼称を使用した要素へのいかなる参照も、それらの要素の量又は順序を全般的に限定しない。これらの呼称は、２つ以上の要素間を区別する便利な方法として本開示において使用され得る。したがって、第１及び第２の要素への参照は、２つの要素のみが採用され得ること、又は何らかの形で第１の要素が第２の要素に先行しなければならないことを意味しない。
　本開示において、「含む（include）」、「含んでいる（including）」及びそれらの変形が使用されている場合、これらの用語は、用語「備える（comprising）」と同様に、包括的であることが意図される。さらに、本開示において使用されている用語「又は（or）」は、排他的論理和ではないことが意図される。
　本開示において、例えば、英語でのa,　an及びtheのように、翻訳により冠詞が追加された場合、本開示は、これらの冠詞の後に続く名詞が複数形であることを含んでもよい。
　本開示において、「ＡとＢが異なる」という用語は、「ＡとＢが互いに異なる」ことを意味してもよい。なお、当該用語は、「ＡとＢがそれぞれＣと異なる」ことを意味してもよい。「離れる」、「結合される」などの用語も、「異なる」と同様に解釈されてもよい。
　１０…情報処理装置、１１…記憶部、１２…取得部、１３…決定部、１４…出力部、２０…ユーザ端末、３０…生成ＡＩサーバ、３１…生成ＡＩモデル。

Claims (8)

  1. 　ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、前記トレーニングに関して過去に前記ユーザに提示されたアドバイス内容を含む前記ユーザのパーソナル情報と、を取得する取得部と、
    　前記トレーニング情報と前記パーソナル情報とに基づいて、前記ユーザにアドバイスすべきアドバイス項目を決定する決定部と、
    　前記アドバイス項目に基づいて、前記ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力する出力部と、を備える情報処理装置。
  2. 　前記決定部は、前記トレーニング情報に基づいて、少なくとも過去に前記ユーザに提示されたアドバイス内容に関する前記ユーザの動きを評価し、評価結果に基づいて前記アドバイス項目を決定する、請求項１に記載の情報処理装置。
  3. 　前記決定部は、前記ユーザの前回のトレーニングに対して前記ユーザに提示されたアドバイス内容に関する前記ユーザの動きが前回のトレーニング時よりも改善したか否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、請求項２に記載の情報処理装置。
  4. 　前記パーソナル情報は、前記ユーザの身体的特徴及び前記トレーニングを前記ユーザが継続的に続けている実施期間の少なくとも一方の情報と、前記ユーザの前記トレーニングの実施内容を示す情報と、を含み、
    　前記決定部は、前記ユーザの前記身体的特徴及び前記実施期間の少なくとも一方に基づいて、前記トレーニングの実施内容が適切か否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、請求項１に記載の情報処理装置。
  5. 　前記パーソナル情報は、前記ユーザの前記トレーニングの実施内容を示す情報を含み、
    　前記決定部は、前記ユーザの前回のトレーニングに対して前記ユーザに提示されたアドバイス内容に基づいて、前記トレーニングの実施内容が適切か否かを判定し、判定結果に基づいて前記アドバイス項目を決定する、請求項１に記載の情報処理装置。
  6. 　前記出力部は、前記アドバイス項目毎に一以上のアドバイス例が関連付けられたテーブル情報を参照することにより、前記決定部により決定された前記アドバイス項目に関連付けられた前記アドバイス例を前記入力情報に含めて出力する、請求項１に記載の情報処理装置。
  7. 　前記出力部は、前記決定部により決定された前記アドバイス項目に関連付けられた複数のアドバイス例が前記テーブル情報に記憶されている場合に、前記複数のアドバイス例のうち前記ユーザに過去に提示されたアドバイス内容とは異なるアドバイス例を優先的に前記入力情報に含める対象として選択する、請求項６に記載の情報処理装置。
  8. 　ユーザの所定の運動に関するトレーニング中の動作を示すトレーニング情報と、前記トレーニングに関して過去に前記ユーザに提示されたアドバイス内容を含む前記ユーザのパーソナル情報と、を取得するステップと、
    　前記トレーニング情報と前記パーソナル情報とに基づいて、前記ユーザにアドバイスすべきアドバイス項目を決定するステップと、
    　前記アドバイス項目に基づいて、前記ユーザに対するアドバイス内容を含むアドバイス情報の生成を生成ＡＩモデルに指示するための入力情報を出力するステップと、を含む情報処理方法。
PCT/JP2024/021362 2024-06-12 2024-06-12 情報処理装置及び情報処理方法 Pending WO2025257980A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2024/021362 WO2025257980A1 (ja) 2024-06-12 2024-06-12 情報処理装置及び情報処理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2024/021362 WO2025257980A1 (ja) 2024-06-12 2024-06-12 情報処理装置及び情報処理方法

Publications (1)

Publication Number Publication Date
WO2025257980A1 true WO2025257980A1 (ja) 2025-12-18

Family

ID=98050340

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2024/021362 Pending WO2025257980A1 (ja) 2024-06-12 2024-06-12 情報処理装置及び情報処理方法

Country Status (1)

Country Link
WO (1) WO2025257980A1 (ja)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000200103A (ja) * 1998-08-06 2000-07-18 Yamaha Motor Co Ltd 疑似感情及び疑似性格を用いた制御対象の制御方法、使用者に適合して動作する自律装置、及び使用者の特徴に装置の行動を適合させる方法
JP2017006192A (ja) * 2015-06-17 2017-01-12 セイコーエプソン株式会社 アドバイス生成方法、アドバイス生成プログラムおよびアドバイス生成システム
US20200338394A1 (en) * 2019-04-29 2020-10-29 Kenneth Neumann Methods and systems for an artificial intelligence fitness professional support network for vibrant constitional guidance
JP2021068069A (ja) * 2019-10-19 2021-04-30 株式会社Ｓｐｏｒｔｉｐ 無人トレーニングの提供方法
WO2021172459A1 (ja) * 2020-02-28 2021-09-02 京セラ株式会社 動作解析システム、サーバ、動作解析方法、制御プログラム、記録媒体
JP2023103157A (ja) * 2022-01-13 2023-07-26 三菱ケミカルグループ株式会社 プログラム、方法、および電子機器
JP2024024833A (ja) * 2022-08-10 2024-02-26 株式会社Ｎｔｔドコモ オンラインレッスンのコーチ支援装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000200103A (ja) * 1998-08-06 2000-07-18 Yamaha Motor Co Ltd 疑似感情及び疑似性格を用いた制御対象の制御方法、使用者に適合して動作する自律装置、及び使用者の特徴に装置の行動を適合させる方法
JP2017006192A (ja) * 2015-06-17 2017-01-12 セイコーエプソン株式会社 アドバイス生成方法、アドバイス生成プログラムおよびアドバイス生成システム
US20200338394A1 (en) * 2019-04-29 2020-10-29 Kenneth Neumann Methods and systems for an artificial intelligence fitness professional support network for vibrant constitional guidance
JP2021068069A (ja) * 2019-10-19 2021-04-30 株式会社Ｓｐｏｒｔｉｐ 無人トレーニングの提供方法
WO2021172459A1 (ja) * 2020-02-28 2021-09-02 京セラ株式会社 動作解析システム、サーバ、動作解析方法、制御プログラム、記録媒体
JP2023103157A (ja) * 2022-01-13 2023-07-26 三菱ケミカルグループ株式会社 プログラム、方法、および電子機器
JP2024024833A (ja) * 2022-08-10 2024-02-26 株式会社Ｎｔｔドコモ オンラインレッスンのコーチ支援装置

Similar Documents

Publication Publication Date Title
US11036820B2 (en) Page loading method and electronic device
CN109062919B (zh) 一种基于深度强化学习的内容推荐方法及装置
CN110245080B (zh) 生成场景测试用例的方法及装置
EP2879118A1 (en) Information processing device, information processing method, and system
US11547904B2 (en) Exercise assisting device and exercise assisting method
CN109491915B (zh) 数据处理方法及装置、介质和计算设备
CN110808038B (zh) 普通话评测方法、装置、设备及存储介质
CN117238451B (zh) 训练方案确定方法、装置、电子设备和存储介质
CN110825859A (zh) 检索方法、装置、可读存储介质和电子设备
CN108334626B (zh) 新闻栏目的生成方法、装置和计算机设备
CN111611481B (zh) 书籍推荐方法、计算设备及计算机存储介质
JP2008508597A (ja) ヘルプユーティリティアプリケーションプログラム
CN106844296A (zh) 一种通信方法和装置
WO2025257980A1 (ja) 情報処理装置及び情報処理方法
CN111035919A (zh) 一种操作模式确定方法、装置、设备及存储介质
CN119128089B (zh) 一种基于推荐菜谱的烹饪辅助方法及装置
CN114417156A (zh) 内容推荐模型的训练方法、装置、服务器及存储介质
JP2024128440A (ja) 動画像処理システム
CN118398012A (zh) 一种语音交互方法、装置、设备、介质及车辆
CN112214153B (zh) 多媒体信息录制方法、服务器、终端、系统及存储介质
CN114157913A (zh) 基于画面识别的视频培训方法、终端、服务器和系统
JP2022038912A (ja) 検索制御プログラム、検索制御方法及び検索制御装置
WO2026009288A1 (ja) 情報処理装置及び情報処理方法
US20200258519A1 (en) Electronic apparatus, control device, control method, and non-transitory computer readable recording medium
WO2026009280A1 (ja) 情報処理装置及び情報処理方法

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: 24943343

Country of ref document: EP

Kind code of ref document: A1