ロボット、ロボット制御方法およびプログラム
【課題】姿勢に応じて、違和感のない自然な音声を出力する。
【解決手段】ロボット４は、基体（基体４１）に可動連結した可動部（例えば、頭部４２）の駆動を制御する駆動制御手段（制御部１００）と、音声を生成する音声生成手段（音声生成部１１０）と、前記音声生成手段において生成された音声を出力する音声出力手段（音声出力部１４０Ｌ、１４０Ｒ）とを有し、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正する。
【解決手段】ロボット４は、基体（基体４１）に可動連結した可動部（例えば、頭部４２）の駆動を制御する駆動制御手段（制御部１００）と、音声を生成する音声生成手段（音声生成部１１０）と、前記音声生成手段において生成された音声を出力する音声出力手段（音声出力部１４０Ｌ、１４０Ｒ）とを有し、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、姿勢に基づいて出力音声を補正するロボット、ロボット制御方法およびプログラムに関する。
【背景技術】
【０００２】
従来、コミュニケーションロボットにおいて、言語以外の情報である韻律や感情情報を発話音声に付加する技術がある。韻律や感情情報の付加によって、発話内容は、より的確に伝達される。また、音声合成において、表現力を向上するために人の声道をモデル化する手法が開示されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−２３７７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、韻律や感情情報を付加する技術では、コミュニケーションロボットの姿勢（特に顔の向き）が変化しても発話音声が変化しないため違和感がある。本発明はかかる事情に鑑みてなされたものであり、姿勢に応じて、違和感のない自然な音声を出力する技術を提供することを目的とする。
【課題を解決するための手段】
【０００５】
上記問題を解決するために、請求項１記載のロボット（例えば、実施形態におけるロボット４）は、基体に可動連結した可動部（例えば、実施形態における頭部４）の駆動を制御する駆動制御手段（例えば、実施形態における制御部１００）と、音声を生成する音声生成手段（例えば、実施形態における音声生成部１１０）と、前記音声生成手段において生成された音声を出力する音声出力手段（例えば、実施形態における音声出力部１４０Ｌ、１４０Ｒ）とを有し、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
請求項２記載のロボットは、前記可動部の１つが頭部であって、前記音声生成部が、前記頭部のピッチ軸方向の前記姿勢に基づいて、声道フィルタを用いて生成する音声を補正することを特徴とする。
請求項３記載のロボットは、前記音声生成手段が、音圧レベルが前記頭部の前記姿勢を示すピッチ角度に依存する周波数帯域の音声信号を増幅する声道フィルタを用いて、生成する音声信号に含まれる前記ピッチ角度に依存する周波数帯域を増幅することを特徴とする。
請求項４記載のロボットは、前記可動部の１つが頭部であって、前記音声生成部は、前記頭部のヨー軸方向の前記姿勢に基づいて、生成する音声の左右の出力レベル比を補正することを特徴とする。
請求項５記載のロボット制御方法は、基体に可動連結した可動部の駆動を制御する駆動制御手段と、音声を生成する音声生成手段と、前記音声生成手段において生成された音声を出力する音声出力手段とを備えるロボットを制御するロボット制御方法であって、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
請求項６記載のプログラムは、基体に可動連結した可動部を備え、音声を生成して出力するロボットのコンピュータに、前記可動部の駆動を制御する駆動制御ステップと、音声を生成する音声生成ステップと、前記音声生成ステップにおいて生成された音声を出力する音声出力ステップとを実行させるプログラムであって、前記音声生成ステップは、前記駆動制御ステップによって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
【発明の効果】
【０００６】
請求項１記載のロボットによれば、音声生成手段によって生成された音声はそのまま音声出力手段から出力されるのではなく、音声生成手段によって生成された音声は可能部の姿勢に基づいて補正されてから音声出力手段から出力されるため、例えば、可動部の姿勢に応じてスピーカの位置、角度を動かすことなく、可動部の姿勢に応じた違和感のない自然な音声を出力することができる。
請求項２記載のロボットによれば、人間における音声の変化を模して、頭部の垂直方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
請求項３記載のロボットによれば、ピッチ角度の変化に対し依存度が高い周波数帯域を変化させるため、効果的に音声を出力することができる。
請求項４記載のロボットによれば、頭部の水平方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
請求項５記載の方法および請求項６記載のプログラムによれば、請求項１と同様の効果を得ることができる。
【図面の簡単な説明】
【０００７】
【図１】本実施形態によるロボットの概略概観図である。
【図２】本実施形態によるロボットのブロック図である。
【図３】音声信号補正部による補正に関連する内容を説明するための説明図である。
【図４】音声信号補正部による補正を説明するための説明図である。
【発明を実施するための形態】
【０００８】
以下、本発明の実施形態について図面を参照して詳細に説明する。図１（ａ）は本実施形態によるロボット４の概略正面図、図１（ｂ）はロボット４の概略側面図である。ロボット４は、図１（ａ）（ｂ）に示すように、基体部４１と、基体部４１にそれぞれ可動連結される頭部４２（可動部）と、脚部４３Ｌ（可動部），脚部４３Ｒ（可動部）と、腕部４４Ｌ（可動部），腕部４４Ｒ（可動部）とを備えている。また、ロボット４は、図１（ｂ）に示すように、背負う格好で基体部４１に収納部４５を装着している。なお、基体部４１には、スピーカ１４０Ｌ（音声出力部１４０Ｌ）およびスピーカ１４０Ｒ（音声出力部Ｒ）が収納されている。
【０００９】
図２は、ロボット４のブロック図である。ロボット４は、図２に示すように、制御部１００（駆動制御手段）、音声生成部１１０（音声生成手段）、頭機能部１２０、腕機能部１３０Ｌ、腕機能部１３０Ｒ、音声出力部１４０Ｌ（音声出力手段）、音声出力部１４０Ｒ（音声出力手段）、脚機能部１５０Ｌ、脚機能部１５０Ｒを備えている。
【００１０】
頭機能部１２０は、頭部４２または基体４１上部に収納され、制御部１００からの制御信号に基づいて、頭部４２のピッチ軸方向（垂直方向）およびヨー軸方向（水平方向）の動作を制御する。これにより、ロボット４の頭部４２の基体４１に対する姿勢は、ピッチ軸方向およびヨー軸方向に変化する。つまり、ロボット４は、首を上下左右に振ることができる。
【００１１】
脚機能部１５０Ｌ、Ｒは、それぞれ脚部４３Ｌ、Ｒに収納され、制御部１００からの制御信号に基づいて二足歩行などの動作を制御する。腕機能部１３０Ｌ、Ｒは、腕部４４Ｌ、Ｒに収納され、制御部１００からの制御信号に基づいて、二足歩行時の腕の動作などを制御する。
【００１２】
制御部１００は、収納部４５に収納され、頭機能部１２０、脚機能部１５０および腕機能部１４０に制御信号を出力し、頭部４２、脚部４３Ｌ、Ｒ、腕部４４Ｌ、Ｒの駆動を制御する。また、制御部１００は、頭部４２の基体４１に対する姿勢を示す情報（頭部姿勢情報）を音声生成部１１０に出力する。
【００１３】
例えば、制御部１００は、頭部４２の基体４１に対する変化後（制御後）の姿勢を示す情報を制御情報として頭機能部１２０に出力する場合、当該制御情報を頭部姿勢情報として音声生成部１１０に出力する。また例えば、制御部１００は、頭部４２の基体４１に対する現在の姿勢からの変化量を示す情報を制御情報として頭機能部１２０に出力する場合、頭部４２の基体４１に対する変化後（制御後）の姿勢を算出し、算出結果を頭部姿勢情報として音声生成部１１０に出力する。
【００１４】
音声生成部１１０は、収納部４５に収納され、音声信号生成部１１２および音声信号補正部１１４を備える。音声信号生成部１１２は、所定の音声に係る音声信号を生成する。音声信号生成部１１２は、生成した音声信号を音声信号補正部１１４に出力する。なお、所定の音声は、例えば、外部（例えば、ロボット４の操作者）から指定された言語に係る音声、外部からの命令に応じて選択した所定の判定処理の結果に対応付けられている音声、ロボット４が具備する種々のセンサ（例えば、障害物を検出するセンサ）の検出結果に対応付けられている音声などである。なお、ロボット４は、頭部４２を動かしている間においても音声を出力することができる。
【００１５】
音声信号補正部１１４は、音声信号生成部１１２から音声信号を取得する。また、音声信号補正部１１４は、制御部１００から頭部姿勢情報を取得する。音声信号補正部１１４は、制御部１００から取得した頭部姿勢情報に基づいて、音声信号生成部１１２から取得した音声信号を補正する。
【００１６】
具体的には、音声信号補正部１１４は、頭部４２のピッチ軸方向の姿勢を示す角度と、頭部４２のヨー軸方向の姿勢を示す角度とを含む頭部姿勢情報を取得する。音声信号補正部１１４は、頭部４２の姿勢のうちピッチ軸方向の姿勢に関しては、声道モデルによる声道フィルタを用いて、音声信号生成部１１２から取得した音声信号を補正する。ピッチ軸方向に姿勢が変化した場合、声道形状は変化し、音声信号のスペクトル包絡が変化するからである。音声信号補正部１１４は、頭部４２の姿勢のうちヨー軸方向の姿勢に関しては、音声出力部１４０に出力する左右の出力レベル比を補正する。ヨー軸方向に姿勢が変化した場合、声道形状は変化なく、左右の音量を調整すれば足りるからである。なお、声道モデルによる声道フィルタ、左右の出力レベル比、ピッチ軸方向の姿勢に応じた補正、および、ヨー軸方向の姿勢に応じた補正に関する詳細は後述する。
【００１７】
音声信号補正部１１４は、補正後の音声信号（または頭部姿勢情報によっては、音声信号生成部１１２からの音声信号）を音声出力部１４０Ｌ、Ｒに出力する。
【００１８】
音声出力部１４０Ｌ、Ｒは、上述の如く、基体部４１に収納され、音声生成部１１０において生成された音声信号（音声信号生成部１１２によって生成された音声信号または音声信号補正部１１４によって補正された音声信号）を取得し、音声として外部に出力する。
【００１９】
以下、音声信号補正部１１４について詳細に説明する。図３は、音声信号補正部１１４による補正に関連する内容を説明するための説明図である。図４は、音声信号補正部１１４による補正を説明するための説明図である。
【００２０】
（声道モデルによる声道フィルタに関する説明）
声道フィルタは、ピッチ軸方向の角度θｐを用いて、Ｈ（θｐ）とモデル化される。本実施形態においては、人の声を検査して声道フィルタＨ（θｐ）をモデル化する。具体的には、男性被験者の頭部を下向き５０°から上向き５０°（１０°単位）まで変化させた種々のピッチ角度θｐにおける同じ音量の音声を無響室内で接話マイクロホンを用いて録音し、声道フィルタＨ（θｐ）をモデル化する。より詳細には、基本周波数が２０１〜５２３（Ｈｚ）である１０秒間のスイープ音、母音「ａ」の発声を録音する。次いで、録音された音声の音声信号を３分の１オクターブバンドで解析し、各周波数帯域のピッチ角度０°を基準とする音圧レベル比を計算する。
【００２１】
ピッチ角度θｐに応じて補正する音声信号の周波数帯域には、ピッチ角度θｐの変化に応じて音圧レベルが顕著に変化する周波数帯域を用いる。具体的には、補正する周波数帯域として、図３（ａ）に示すように、ピッチ角度θｐの変化に応じて音圧レベルが顕著に変化し、かつ、大抵の母音のフォルマントを有する、５００（Ｈｚ）、８００〜１０００（Ｈｚ）、２５００〜４０００（Ｈｚ）の３つの周波数帯域を用いる。
【００２２】
なお、図３（ａ）の横軸は、ピッチ角度θｐ（度）であって、（Ｕｐ）は上向き、（Ｄｏｗｎ）は下向きである。図３（ａ）の縦軸は、ピッチ角度０°を基準とした各ピッチ角度θｐの音圧レベル比、即ちゲインｇＰｉ，θ（ｄＢ）である。図３（ａ）に示すように、ゲインｇＰｉ，θは、被験者が上を向いているときは大きく、被験者が下を向いているときは小さい。なお、女性被験者の場合も同様である。
【００２３】
（左右の出力レベル比に関する説明）
ヨー角度θｙに応じた左右の出力レベル比の補正に関しては、図３（ｂ）に示すモデル利用する。図３（ｂ）は、ヨー角度θｙの変化による音圧レベル比を示す図である。図３（ｂ）の横軸は、ヨー角度θｙ（度）であって、マイナスは右向き、プラスは左向きである。図３（ｂ）の縦軸は、ヨー角度０°のときの左右のチャネルの音圧レベルの差（左チャネル−右チャネル）を基準とした、各ヨー角度θｙのときの左右のチャネルの音圧レベルの差（左チャネル−右チャネル）の比、即ちゲインｇｙＬ，θ（ｄＢ）である。図３（ｂ）には、理論値と実測値とを示したが、本実施形態においては、顔の向きの変化がより明確に表現できるように、ヨー角度θｙの変化の影響がより大きい実測値を使用する。
【００２４】
なお、図３（ｂ）に示す実測値は、例えば、無響室内において、図３（ｃ）に示すように、各マイク（ｍｉｃ．）のインパルス応答を測定して得ることができる。図３（ｃ）のヨー角度θｙは、図３（ｂ）との整合から、中央位置（破線方向）を０°、左方向をプラスとしている。
【００２５】
（ピッチ軸方向およびヨー軸方向の姿勢に応じた補正）
音声信号補正部１１４は、図４に示すように、音声信号生成部１１２から取得した音声信号（入力音声信号ｘ（ｔ））を、頭部４２のピッチ角度θｐに基づいて補正し、続いて頭部４２のヨー角度θｙに基づいて補正する。
【００２６】
音声信号補正部１１４は、ピッチ角度θｐに基づいて補正するために、まず、入力音声信号ｘ（ｔ）を、ピッチ角度θｐに依存するθｐ依存性成分ｘｉ（ｔ）と、ピッチ角度θｐに依存しないθｐ非依存性成分ｘＮＵＬＬ（ｔ）とに分解する。なお、入力音声信号ｘｉ（ｔ）におけるｉは、補正する周波数帯域のインデックスであって、入力音声信号ｘ１（ｔ）は５００（Ｈｚ）、入力音声信号ｘ２（ｔ）は８００〜１０００（Ｈｚ）、入力音声信号ｘ３（ｔ）は２５００〜４０００（Ｈｚ）である。
【００２７】
具体的には、音声信号補正部１１４は、下記式（１）に従って、入力音声信号ｘ（ｔ）からθｐ依存性成分ｘｉ（ｔ）を算出し、下記式（２）に従って、θｐ非依存性成分ｘＮＵＬＬ（ｔ）を算出する。
【００２８】
【数１】
【００２９】
上記式（１）において、ｈｉは、ｘｉ（ｔ）、即ち、各周波数帯域（５００、８００〜１０００、２５００〜４０００（Ｈｚ））を透過させるバンドパスフィルタである。また、ｘＮＵＬＬ（ｔ）は、入力音声信号ｘ（ｔ）からｘｉ（ｔ）を引いたものである。つまり、ｈＮＵＬＬに関する周波数応答のゲインは、５００、８００〜１０００、２５００〜４０００Ｈｚで０であり、他の３分の１オクターブバンド中心周波数で１である。
【００３０】
次いで、音声信号補正部１１４は、θｐ依存性成分ｘｉ（ｔ）について、下記式（３）に従って、角度θｐ（ｔ）のときのｉ番目の周波数帯域のゲインｇｐｉ（ｔ）を得る。
【００３１】
【数２】
【００３２】
上記式（３）において、角度θｍおよび角度θｍ＋１は、制御部１００から取得した頭部姿勢情報によって示される頭部４２のピッチ軸方向の姿勢を示す角度θｐ（ｔ）に基づく角度である。具体的には、角度θｍおよび角度θｍ＋１は、下記式（４）（５）によって、θｐ（ｔ）から得る。
【００３３】
【数３】
【００３４】
つまり、音声信号補正部１１４は、θｐ依存性成分ｘｉ（ｔ）について、図３（ａ）に示すθｐ（ｔ）毎のゲインに係るスペクトル包絡モデル（図４中Ａ、Ｂによって示されるモデル）を、上記式（４）（５）に示すように１０度ずつｄＢに対して線形補間し、増幅する。
【００３５】
次いで、音声信号補正部１１４は、下記式（６）に従って、ｘｉ（ｔ）を増幅する。
【００３６】
【数４】
【００３７】
次いで、音声信号補正部１１４は、下記式（７）に従って、ｘｉ（ｔ）とｘＮＵＬＬ（ｔ）とを合成し、ピッチ角度θｐに基づいて補正した補正後のモノラル信号ｘｐを得る。
【００３８】
【数５】
【００３９】
以上のように、音声信号補正部１１４は、上記式（１）〜（７）によって表される声道フィルタ（周波数領域で表されている声道フィルタＨ（θｐ）を時間領域で表した声道フィルタ）を用いて、音声信号生成部１１２によって生成された音声信号ｘ（ｔ）を、頭部４２のピッチ軸方向の姿勢（ピッチ角度θｐ）に応じて補正する。
【００４０】
続いて、音声信号補正部１１４は、ヨー角度θｙに基づいて補正するために、モノラル信号ｘｐからステレオ信号ｘｓｔｅ（左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ））を生成する。
【００４１】
次いで、音声信号補正部１１４は、下記式（８）に従って、角度θｙ（ｔ）のときの左チャネルｘＬ（ｔ）のゲインｇｐＬ（ｔ：θｙ（ｔ））を得る。即ち、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢に基づいて、左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ）の出力レベル比を補正する。
【００４２】
【数６】
【００４３】
上記式（８）において、角度θｎおよび角度θｎ＋１は、制御部１００から取得した頭部姿勢情報によって示される頭部４２のヨー軸方向の姿勢を示す角度θｙ（ｔ）に基づく角度である。具体的には、角度θｎおよび角度θｎ＋１は、下記式（９）（１０）によって、θｙ（ｔ）から得る。
【００４４】
【数７】
【００４５】
なお、左右チャネルのゲインは、下記式（１１）に示すように、対称的なものであるから、音声信号補正部１１４は、角度θｙ（ｔ）のときの右チャネルｘＲ（ｔ）のゲインｇｐＲ（ｔ：θｙ（ｔ））を得る。
【００４６】
【数８】
【００４７】
つまり、音声信号補正部１１４は、図３（ｃ）に示すθｙ（ｔ）毎のゲインに係るスペクトル包絡モデル（図４中Ｃによって示されるモデル）を、上記式（９）（１０）に示すように１０度ずつ線形補間し、増幅する。
【００４８】
最後に、音声信号補正部１１４は、左チャネル信号ｘＬ（ｔ）を下記式（１２）に従って増幅した出力音声信号ｘ’Ｌ（ｔ）を音声出力部１４０Ｌに出力し、右チャネル信号ｘＲ（ｔ）を下記式（１３）に従って増幅した出力音声信号ｘ’Ｒ（ｔ）を音声出力部１４０Ｒに出力する
【００４９】
【数９】
【００５０】
以上のように、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢（ヨー角度θｙ）に基づいて、左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ）を、左チャネルｘ’Ｌ（ｔ）および右チャネルｘ’Ｒ（ｔ）に補正する。即ち、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢に基づいて、左チャネルおよび右チャネルの出力レベル比を補正する。
【００５１】
以上、上記実施形態によれば、音声生成手段によって生成された音声はそのまま音声出力手段から出力されるのではなく、音声生成手段によって生成された音声は可能部の姿勢に基づいて補正されてから音声出力手段から出力されるため、可動部の姿勢に応じた違和感のない自然な音声を出力することができる。人間における音声の変化を模して、頭部４２の垂直方向の姿勢に応じて音声を変化させるとともに、頭部４２の水平方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
また、補正対象の周波数は実験結果に基づく所定の周波数に限定して、ピッチ軸方向の姿勢に応じて音声信号を補正しているため、効果的に計算量を低減させることができる。
【００５２】
なお、上記実施形態においては、制御部１００が頭部姿勢情報（音声信号補正部１１４が音声信号を補正する際に参照する、頭部４２の基体４１に対する姿勢を示す情報）を音声信号補正部１１４に出力する態様、即ち、音声信号補正部１１４が頭部姿勢情報を制御部１００から取得する態様を説明したが、音声信号補正部１１４が頭部姿勢情報を取得する態様はこれに限定されない。例えば、ロボット１は、頭部４２の基体４１に対する姿勢を測定する測定部（非図示）を備え、音声信号補正部１１４は、測定部による測定結果を頭部姿勢情報として取得してもよい。
【００５３】
また、上記実施形態においては、音声信号補正部１１４は頭部姿勢情報に基づいて音声信号を補正する態様を説明したが、音声信号補正部１１４が音声信号を補正する態様はこれに限定されない。例えば、音声信号補正部１１４は、脚部４３、腕部４４Ｌ、腕部４４Ｒの基体４１に対する姿勢を示す情報に基づいて音声信号を補正してもよい。
【００５４】
なお、本発明の一実施形態によるロボット４の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、本発明の一実施形態によるロボット４に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【００５５】
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【００５６】
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
【符号の説明】
【００５７】
４ ロボット
４１ 基体部
４２ 頭部（可動部）
４３Ｌ，４３Ｒ 脚部（可動部）
４４Ｌ，４４Ｒ 腕部（可動部）
４５ 収納部
１００ 制御部（駆動制御手段）
１１０ 音声生成部（音声生成手段）
１１２ 音声信号生成部
１１４ 音声信号補正部
１２０ 頭機能部
１３０ 腕機能部
１４０ 音声出力部（音声出力手段）
１５０ 脚機能部
【技術分野】
【０００１】
本発明は、姿勢に基づいて出力音声を補正するロボット、ロボット制御方法およびプログラムに関する。
【背景技術】
【０００２】
従来、コミュニケーションロボットにおいて、言語以外の情報である韻律や感情情報を発話音声に付加する技術がある。韻律や感情情報の付加によって、発話内容は、より的確に伝達される。また、音声合成において、表現力を向上するために人の声道をモデル化する手法が開示されている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−２３７７５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、韻律や感情情報を付加する技術では、コミュニケーションロボットの姿勢（特に顔の向き）が変化しても発話音声が変化しないため違和感がある。本発明はかかる事情に鑑みてなされたものであり、姿勢に応じて、違和感のない自然な音声を出力する技術を提供することを目的とする。
【課題を解決するための手段】
【０００５】
上記問題を解決するために、請求項１記載のロボット（例えば、実施形態におけるロボット４）は、基体に可動連結した可動部（例えば、実施形態における頭部４）の駆動を制御する駆動制御手段（例えば、実施形態における制御部１００）と、音声を生成する音声生成手段（例えば、実施形態における音声生成部１１０）と、前記音声生成手段において生成された音声を出力する音声出力手段（例えば、実施形態における音声出力部１４０Ｌ、１４０Ｒ）とを有し、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
請求項２記載のロボットは、前記可動部の１つが頭部であって、前記音声生成部が、前記頭部のピッチ軸方向の前記姿勢に基づいて、声道フィルタを用いて生成する音声を補正することを特徴とする。
請求項３記載のロボットは、前記音声生成手段が、音圧レベルが前記頭部の前記姿勢を示すピッチ角度に依存する周波数帯域の音声信号を増幅する声道フィルタを用いて、生成する音声信号に含まれる前記ピッチ角度に依存する周波数帯域を増幅することを特徴とする。
請求項４記載のロボットは、前記可動部の１つが頭部であって、前記音声生成部は、前記頭部のヨー軸方向の前記姿勢に基づいて、生成する音声の左右の出力レベル比を補正することを特徴とする。
請求項５記載のロボット制御方法は、基体に可動連結した可動部の駆動を制御する駆動制御手段と、音声を生成する音声生成手段と、前記音声生成手段において生成された音声を出力する音声出力手段とを備えるロボットを制御するロボット制御方法であって、前記音声生成手段は、前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
請求項６記載のプログラムは、基体に可動連結した可動部を備え、音声を生成して出力するロボットのコンピュータに、前記可動部の駆動を制御する駆動制御ステップと、音声を生成する音声生成ステップと、前記音声生成ステップにおいて生成された音声を出力する音声出力ステップとを実行させるプログラムであって、前記音声生成ステップは、前記駆動制御ステップによって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とする。
【発明の効果】
【０００６】
請求項１記載のロボットによれば、音声生成手段によって生成された音声はそのまま音声出力手段から出力されるのではなく、音声生成手段によって生成された音声は可能部の姿勢に基づいて補正されてから音声出力手段から出力されるため、例えば、可動部の姿勢に応じてスピーカの位置、角度を動かすことなく、可動部の姿勢に応じた違和感のない自然な音声を出力することができる。
請求項２記載のロボットによれば、人間における音声の変化を模して、頭部の垂直方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
請求項３記載のロボットによれば、ピッチ角度の変化に対し依存度が高い周波数帯域を変化させるため、効果的に音声を出力することができる。
請求項４記載のロボットによれば、頭部の水平方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
請求項５記載の方法および請求項６記載のプログラムによれば、請求項１と同様の効果を得ることができる。
【図面の簡単な説明】
【０００７】
【図１】本実施形態によるロボットの概略概観図である。
【図２】本実施形態によるロボットのブロック図である。
【図３】音声信号補正部による補正に関連する内容を説明するための説明図である。
【図４】音声信号補正部による補正を説明するための説明図である。
【発明を実施するための形態】
【０００８】
以下、本発明の実施形態について図面を参照して詳細に説明する。図１（ａ）は本実施形態によるロボット４の概略正面図、図１（ｂ）はロボット４の概略側面図である。ロボット４は、図１（ａ）（ｂ）に示すように、基体部４１と、基体部４１にそれぞれ可動連結される頭部４２（可動部）と、脚部４３Ｌ（可動部），脚部４３Ｒ（可動部）と、腕部４４Ｌ（可動部），腕部４４Ｒ（可動部）とを備えている。また、ロボット４は、図１（ｂ）に示すように、背負う格好で基体部４１に収納部４５を装着している。なお、基体部４１には、スピーカ１４０Ｌ（音声出力部１４０Ｌ）およびスピーカ１４０Ｒ（音声出力部Ｒ）が収納されている。
【０００９】
図２は、ロボット４のブロック図である。ロボット４は、図２に示すように、制御部１００（駆動制御手段）、音声生成部１１０（音声生成手段）、頭機能部１２０、腕機能部１３０Ｌ、腕機能部１３０Ｒ、音声出力部１４０Ｌ（音声出力手段）、音声出力部１４０Ｒ（音声出力手段）、脚機能部１５０Ｌ、脚機能部１５０Ｒを備えている。
【００１０】
頭機能部１２０は、頭部４２または基体４１上部に収納され、制御部１００からの制御信号に基づいて、頭部４２のピッチ軸方向（垂直方向）およびヨー軸方向（水平方向）の動作を制御する。これにより、ロボット４の頭部４２の基体４１に対する姿勢は、ピッチ軸方向およびヨー軸方向に変化する。つまり、ロボット４は、首を上下左右に振ることができる。
【００１１】
脚機能部１５０Ｌ、Ｒは、それぞれ脚部４３Ｌ、Ｒに収納され、制御部１００からの制御信号に基づいて二足歩行などの動作を制御する。腕機能部１３０Ｌ、Ｒは、腕部４４Ｌ、Ｒに収納され、制御部１００からの制御信号に基づいて、二足歩行時の腕の動作などを制御する。
【００１２】
制御部１００は、収納部４５に収納され、頭機能部１２０、脚機能部１５０および腕機能部１４０に制御信号を出力し、頭部４２、脚部４３Ｌ、Ｒ、腕部４４Ｌ、Ｒの駆動を制御する。また、制御部１００は、頭部４２の基体４１に対する姿勢を示す情報（頭部姿勢情報）を音声生成部１１０に出力する。
【００１３】
例えば、制御部１００は、頭部４２の基体４１に対する変化後（制御後）の姿勢を示す情報を制御情報として頭機能部１２０に出力する場合、当該制御情報を頭部姿勢情報として音声生成部１１０に出力する。また例えば、制御部１００は、頭部４２の基体４１に対する現在の姿勢からの変化量を示す情報を制御情報として頭機能部１２０に出力する場合、頭部４２の基体４１に対する変化後（制御後）の姿勢を算出し、算出結果を頭部姿勢情報として音声生成部１１０に出力する。
【００１４】
音声生成部１１０は、収納部４５に収納され、音声信号生成部１１２および音声信号補正部１１４を備える。音声信号生成部１１２は、所定の音声に係る音声信号を生成する。音声信号生成部１１２は、生成した音声信号を音声信号補正部１１４に出力する。なお、所定の音声は、例えば、外部（例えば、ロボット４の操作者）から指定された言語に係る音声、外部からの命令に応じて選択した所定の判定処理の結果に対応付けられている音声、ロボット４が具備する種々のセンサ（例えば、障害物を検出するセンサ）の検出結果に対応付けられている音声などである。なお、ロボット４は、頭部４２を動かしている間においても音声を出力することができる。
【００１５】
音声信号補正部１１４は、音声信号生成部１１２から音声信号を取得する。また、音声信号補正部１１４は、制御部１００から頭部姿勢情報を取得する。音声信号補正部１１４は、制御部１００から取得した頭部姿勢情報に基づいて、音声信号生成部１１２から取得した音声信号を補正する。
【００１６】
具体的には、音声信号補正部１１４は、頭部４２のピッチ軸方向の姿勢を示す角度と、頭部４２のヨー軸方向の姿勢を示す角度とを含む頭部姿勢情報を取得する。音声信号補正部１１４は、頭部４２の姿勢のうちピッチ軸方向の姿勢に関しては、声道モデルによる声道フィルタを用いて、音声信号生成部１１２から取得した音声信号を補正する。ピッチ軸方向に姿勢が変化した場合、声道形状は変化し、音声信号のスペクトル包絡が変化するからである。音声信号補正部１１４は、頭部４２の姿勢のうちヨー軸方向の姿勢に関しては、音声出力部１４０に出力する左右の出力レベル比を補正する。ヨー軸方向に姿勢が変化した場合、声道形状は変化なく、左右の音量を調整すれば足りるからである。なお、声道モデルによる声道フィルタ、左右の出力レベル比、ピッチ軸方向の姿勢に応じた補正、および、ヨー軸方向の姿勢に応じた補正に関する詳細は後述する。
【００１７】
音声信号補正部１１４は、補正後の音声信号（または頭部姿勢情報によっては、音声信号生成部１１２からの音声信号）を音声出力部１４０Ｌ、Ｒに出力する。
【００１８】
音声出力部１４０Ｌ、Ｒは、上述の如く、基体部４１に収納され、音声生成部１１０において生成された音声信号（音声信号生成部１１２によって生成された音声信号または音声信号補正部１１４によって補正された音声信号）を取得し、音声として外部に出力する。
【００１９】
以下、音声信号補正部１１４について詳細に説明する。図３は、音声信号補正部１１４による補正に関連する内容を説明するための説明図である。図４は、音声信号補正部１１４による補正を説明するための説明図である。
【００２０】
（声道モデルによる声道フィルタに関する説明）
声道フィルタは、ピッチ軸方向の角度θｐを用いて、Ｈ（θｐ）とモデル化される。本実施形態においては、人の声を検査して声道フィルタＨ（θｐ）をモデル化する。具体的には、男性被験者の頭部を下向き５０°から上向き５０°（１０°単位）まで変化させた種々のピッチ角度θｐにおける同じ音量の音声を無響室内で接話マイクロホンを用いて録音し、声道フィルタＨ（θｐ）をモデル化する。より詳細には、基本周波数が２０１〜５２３（Ｈｚ）である１０秒間のスイープ音、母音「ａ」の発声を録音する。次いで、録音された音声の音声信号を３分の１オクターブバンドで解析し、各周波数帯域のピッチ角度０°を基準とする音圧レベル比を計算する。
【００２１】
ピッチ角度θｐに応じて補正する音声信号の周波数帯域には、ピッチ角度θｐの変化に応じて音圧レベルが顕著に変化する周波数帯域を用いる。具体的には、補正する周波数帯域として、図３（ａ）に示すように、ピッチ角度θｐの変化に応じて音圧レベルが顕著に変化し、かつ、大抵の母音のフォルマントを有する、５００（Ｈｚ）、８００〜１０００（Ｈｚ）、２５００〜４０００（Ｈｚ）の３つの周波数帯域を用いる。
【００２２】
なお、図３（ａ）の横軸は、ピッチ角度θｐ（度）であって、（Ｕｐ）は上向き、（Ｄｏｗｎ）は下向きである。図３（ａ）の縦軸は、ピッチ角度０°を基準とした各ピッチ角度θｐの音圧レベル比、即ちゲインｇＰｉ，θ（ｄＢ）である。図３（ａ）に示すように、ゲインｇＰｉ，θは、被験者が上を向いているときは大きく、被験者が下を向いているときは小さい。なお、女性被験者の場合も同様である。
【００２３】
（左右の出力レベル比に関する説明）
ヨー角度θｙに応じた左右の出力レベル比の補正に関しては、図３（ｂ）に示すモデル利用する。図３（ｂ）は、ヨー角度θｙの変化による音圧レベル比を示す図である。図３（ｂ）の横軸は、ヨー角度θｙ（度）であって、マイナスは右向き、プラスは左向きである。図３（ｂ）の縦軸は、ヨー角度０°のときの左右のチャネルの音圧レベルの差（左チャネル−右チャネル）を基準とした、各ヨー角度θｙのときの左右のチャネルの音圧レベルの差（左チャネル−右チャネル）の比、即ちゲインｇｙＬ，θ（ｄＢ）である。図３（ｂ）には、理論値と実測値とを示したが、本実施形態においては、顔の向きの変化がより明確に表現できるように、ヨー角度θｙの変化の影響がより大きい実測値を使用する。
【００２４】
なお、図３（ｂ）に示す実測値は、例えば、無響室内において、図３（ｃ）に示すように、各マイク（ｍｉｃ．）のインパルス応答を測定して得ることができる。図３（ｃ）のヨー角度θｙは、図３（ｂ）との整合から、中央位置（破線方向）を０°、左方向をプラスとしている。
【００２５】
（ピッチ軸方向およびヨー軸方向の姿勢に応じた補正）
音声信号補正部１１４は、図４に示すように、音声信号生成部１１２から取得した音声信号（入力音声信号ｘ（ｔ））を、頭部４２のピッチ角度θｐに基づいて補正し、続いて頭部４２のヨー角度θｙに基づいて補正する。
【００２６】
音声信号補正部１１４は、ピッチ角度θｐに基づいて補正するために、まず、入力音声信号ｘ（ｔ）を、ピッチ角度θｐに依存するθｐ依存性成分ｘｉ（ｔ）と、ピッチ角度θｐに依存しないθｐ非依存性成分ｘＮＵＬＬ（ｔ）とに分解する。なお、入力音声信号ｘｉ（ｔ）におけるｉは、補正する周波数帯域のインデックスであって、入力音声信号ｘ１（ｔ）は５００（Ｈｚ）、入力音声信号ｘ２（ｔ）は８００〜１０００（Ｈｚ）、入力音声信号ｘ３（ｔ）は２５００〜４０００（Ｈｚ）である。
【００２７】
具体的には、音声信号補正部１１４は、下記式（１）に従って、入力音声信号ｘ（ｔ）からθｐ依存性成分ｘｉ（ｔ）を算出し、下記式（２）に従って、θｐ非依存性成分ｘＮＵＬＬ（ｔ）を算出する。
【００２８】
【数１】
【００２９】
上記式（１）において、ｈｉは、ｘｉ（ｔ）、即ち、各周波数帯域（５００、８００〜１０００、２５００〜４０００（Ｈｚ））を透過させるバンドパスフィルタである。また、ｘＮＵＬＬ（ｔ）は、入力音声信号ｘ（ｔ）からｘｉ（ｔ）を引いたものである。つまり、ｈＮＵＬＬに関する周波数応答のゲインは、５００、８００〜１０００、２５００〜４０００Ｈｚで０であり、他の３分の１オクターブバンド中心周波数で１である。
【００３０】
次いで、音声信号補正部１１４は、θｐ依存性成分ｘｉ（ｔ）について、下記式（３）に従って、角度θｐ（ｔ）のときのｉ番目の周波数帯域のゲインｇｐｉ（ｔ）を得る。
【００３１】
【数２】
【００３２】
上記式（３）において、角度θｍおよび角度θｍ＋１は、制御部１００から取得した頭部姿勢情報によって示される頭部４２のピッチ軸方向の姿勢を示す角度θｐ（ｔ）に基づく角度である。具体的には、角度θｍおよび角度θｍ＋１は、下記式（４）（５）によって、θｐ（ｔ）から得る。
【００３３】
【数３】
【００３４】
つまり、音声信号補正部１１４は、θｐ依存性成分ｘｉ（ｔ）について、図３（ａ）に示すθｐ（ｔ）毎のゲインに係るスペクトル包絡モデル（図４中Ａ、Ｂによって示されるモデル）を、上記式（４）（５）に示すように１０度ずつｄＢに対して線形補間し、増幅する。
【００３５】
次いで、音声信号補正部１１４は、下記式（６）に従って、ｘｉ（ｔ）を増幅する。
【００３６】
【数４】
【００３７】
次いで、音声信号補正部１１４は、下記式（７）に従って、ｘｉ（ｔ）とｘＮＵＬＬ（ｔ）とを合成し、ピッチ角度θｐに基づいて補正した補正後のモノラル信号ｘｐを得る。
【００３８】
【数５】
【００３９】
以上のように、音声信号補正部１１４は、上記式（１）〜（７）によって表される声道フィルタ（周波数領域で表されている声道フィルタＨ（θｐ）を時間領域で表した声道フィルタ）を用いて、音声信号生成部１１２によって生成された音声信号ｘ（ｔ）を、頭部４２のピッチ軸方向の姿勢（ピッチ角度θｐ）に応じて補正する。
【００４０】
続いて、音声信号補正部１１４は、ヨー角度θｙに基づいて補正するために、モノラル信号ｘｐからステレオ信号ｘｓｔｅ（左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ））を生成する。
【００４１】
次いで、音声信号補正部１１４は、下記式（８）に従って、角度θｙ（ｔ）のときの左チャネルｘＬ（ｔ）のゲインｇｐＬ（ｔ：θｙ（ｔ））を得る。即ち、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢に基づいて、左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ）の出力レベル比を補正する。
【００４２】
【数６】
【００４３】
上記式（８）において、角度θｎおよび角度θｎ＋１は、制御部１００から取得した頭部姿勢情報によって示される頭部４２のヨー軸方向の姿勢を示す角度θｙ（ｔ）に基づく角度である。具体的には、角度θｎおよび角度θｎ＋１は、下記式（９）（１０）によって、θｙ（ｔ）から得る。
【００４４】
【数７】
【００４５】
なお、左右チャネルのゲインは、下記式（１１）に示すように、対称的なものであるから、音声信号補正部１１４は、角度θｙ（ｔ）のときの右チャネルｘＲ（ｔ）のゲインｇｐＲ（ｔ：θｙ（ｔ））を得る。
【００４６】
【数８】
【００４７】
つまり、音声信号補正部１１４は、図３（ｃ）に示すθｙ（ｔ）毎のゲインに係るスペクトル包絡モデル（図４中Ｃによって示されるモデル）を、上記式（９）（１０）に示すように１０度ずつ線形補間し、増幅する。
【００４８】
最後に、音声信号補正部１１４は、左チャネル信号ｘＬ（ｔ）を下記式（１２）に従って増幅した出力音声信号ｘ’Ｌ（ｔ）を音声出力部１４０Ｌに出力し、右チャネル信号ｘＲ（ｔ）を下記式（１３）に従って増幅した出力音声信号ｘ’Ｒ（ｔ）を音声出力部１４０Ｒに出力する
【００４９】
【数９】
【００５０】
以上のように、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢（ヨー角度θｙ）に基づいて、左チャネルｘＬ（ｔ）および右チャネルｘＲ（ｔ）を、左チャネルｘ’Ｌ（ｔ）および右チャネルｘ’Ｒ（ｔ）に補正する。即ち、音声信号補正部１１４は、頭部４２のヨー軸方向の姿勢に基づいて、左チャネルおよび右チャネルの出力レベル比を補正する。
【００５１】
以上、上記実施形態によれば、音声生成手段によって生成された音声はそのまま音声出力手段から出力されるのではなく、音声生成手段によって生成された音声は可能部の姿勢に基づいて補正されてから音声出力手段から出力されるため、可動部の姿勢に応じた違和感のない自然な音声を出力することができる。人間における音声の変化を模して、頭部４２の垂直方向の姿勢に応じて音声を変化させるとともに、頭部４２の水平方向の姿勢に応じて音声を変化させるため、より自然な音声を出力することができる。
また、補正対象の周波数は実験結果に基づく所定の周波数に限定して、ピッチ軸方向の姿勢に応じて音声信号を補正しているため、効果的に計算量を低減させることができる。
【００５２】
なお、上記実施形態においては、制御部１００が頭部姿勢情報（音声信号補正部１１４が音声信号を補正する際に参照する、頭部４２の基体４１に対する姿勢を示す情報）を音声信号補正部１１４に出力する態様、即ち、音声信号補正部１１４が頭部姿勢情報を制御部１００から取得する態様を説明したが、音声信号補正部１１４が頭部姿勢情報を取得する態様はこれに限定されない。例えば、ロボット１は、頭部４２の基体４１に対する姿勢を測定する測定部（非図示）を備え、音声信号補正部１１４は、測定部による測定結果を頭部姿勢情報として取得してもよい。
【００５３】
また、上記実施形態においては、音声信号補正部１１４は頭部姿勢情報に基づいて音声信号を補正する態様を説明したが、音声信号補正部１１４が音声信号を補正する態様はこれに限定されない。例えば、音声信号補正部１１４は、脚部４３、腕部４４Ｌ、腕部４４Ｒの基体４１に対する姿勢を示す情報に基づいて音声信号を補正してもよい。
【００５４】
なお、本発明の一実施形態によるロボット４の各処理を実行するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、当該記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより、本発明の一実施形態によるロボット４に係る上述した種々の処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。
【００５５】
さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。また、上記プログラムは、前述した機能の一部を実現するためのものであっても良い。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。
【００５６】
以上、この発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、この発明の要旨を逸脱しない範囲の設計等も含まれる。
【符号の説明】
【００５７】
４ ロボット
４１ 基体部
４２ 頭部（可動部）
４３Ｌ，４３Ｒ 脚部（可動部）
４４Ｌ，４４Ｒ 腕部（可動部）
４５ 収納部
１００ 制御部（駆動制御手段）
１１０ 音声生成部（音声生成手段）
１１２ 音声信号生成部
１１４ 音声信号補正部
１２０ 頭機能部
１３０ 腕機能部
１４０ 音声出力部（音声出力手段）
１５０ 脚機能部
【特許請求の範囲】
【請求項１】
基体に可動連結した可動部の駆動を制御する駆動制御手段と、
音声を生成する音声生成手段と、
前記音声生成手段において生成された音声を出力する音声出力手段と
を有するロボットにおいて、
前記音声生成手段は、
前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするロボット。
【請求項２】
前記可動部の１つは頭部であって、
前記音声生成手段は、
前記頭部のピッチ軸方向の前記姿勢に基づいて、声道フィルタを用いて生成する音声を補正することを特徴とする請求項１に記載のロボット。
【請求項３】
前記音声生成手段は、
音圧レベルが前記頭部の前記姿勢を示すピッチ角度に依存する周波数帯域の音声信号を増幅する声道フィルタを用いて、生成する音声信号に含まれる前記ピッチ角度に依存する周波数帯域を増幅する
ことを特徴とする請求項２に記載のロボット。
【請求項４】
前記可動部の１つは頭部であって、
前記音声生成手段は、
前記頭部のヨー軸方向の前記姿勢に基づいて、生成する音声の左右の出力レベル比を補正することを特徴とする請求項１から請求項３の何れかに記載のロボット。
【請求項５】
基体に可動連結した可動部の駆動を制御する駆動制御手段と、
音声を生成する音声生成手段と、
前記音声生成手段において生成された音声を出力する音声出力手段と
を備えるロボットを制御するロボット制御方法であって、
前記音声生成手段は、
前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするロボット制御方法。
【請求項６】
基体に可動連結した可動部を備え、音声を生成して出力するロボットのコンピュータに、
前記可動部の駆動を制御する駆動制御ステップと、
音声を生成する音声生成ステップと、
前記音声生成ステップにおいて生成された音声を出力する音声出力ステップと
を実行させるプログラムであって、
前記音声生成ステップは、
前記駆動制御ステップによって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするプログラム。
【請求項１】
基体に可動連結した可動部の駆動を制御する駆動制御手段と、
音声を生成する音声生成手段と、
前記音声生成手段において生成された音声を出力する音声出力手段と
を有するロボットにおいて、
前記音声生成手段は、
前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするロボット。
【請求項２】
前記可動部の１つは頭部であって、
前記音声生成手段は、
前記頭部のピッチ軸方向の前記姿勢に基づいて、声道フィルタを用いて生成する音声を補正することを特徴とする請求項１に記載のロボット。
【請求項３】
前記音声生成手段は、
音圧レベルが前記頭部の前記姿勢を示すピッチ角度に依存する周波数帯域の音声信号を増幅する声道フィルタを用いて、生成する音声信号に含まれる前記ピッチ角度に依存する周波数帯域を増幅する
ことを特徴とする請求項２に記載のロボット。
【請求項４】
前記可動部の１つは頭部であって、
前記音声生成手段は、
前記頭部のヨー軸方向の前記姿勢に基づいて、生成する音声の左右の出力レベル比を補正することを特徴とする請求項１から請求項３の何れかに記載のロボット。
【請求項５】
基体に可動連結した可動部の駆動を制御する駆動制御手段と、
音声を生成する音声生成手段と、
前記音声生成手段において生成された音声を出力する音声出力手段と
を備えるロボットを制御するロボット制御方法であって、
前記音声生成手段は、
前記駆動制御手段によって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするロボット制御方法。
【請求項６】
基体に可動連結した可動部を備え、音声を生成して出力するロボットのコンピュータに、
前記可動部の駆動を制御する駆動制御ステップと、
音声を生成する音声生成ステップと、
前記音声生成ステップにおいて生成された音声を出力する音声出力ステップと
を実行させるプログラムであって、
前記音声生成ステップは、
前記駆動制御ステップによって制御される前記可動部の前記基体に対する姿勢に基づいて、生成する音声を補正することを特徴とするプログラム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２０１１−１８９４３９（Ｐ２０１１−１８９４３９Ａ）
【公開日】平成２３年９月２９日（２０１１．９．２９）
【国際特許分類】
【出願番号】特願２０１０−５６２６５（Ｐ２０１０−５６２６５）
【出願日】平成２２年３月１２日（２０１０．３．１２）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 社団法人 日本ロボット学会、第２７回 日本ロボット学会学術講演会ＣＤ−ＲＯＭ、平成２１年９月１５日
【出願人】（０００００５３２６）本田技研工業株式会社 (23,863)
【Ｆターム（参考）】
【公開日】平成２３年９月２９日（２０１１．９．２９）
【国際特許分類】
【出願日】平成２２年３月１２日（２０１０．３．１２）
【新規性喪失の例外の表示】特許法第３０条第１項適用申請有り 社団法人 日本ロボット学会、第２７回 日本ロボット学会学術講演会ＣＤ−ＲＯＭ、平成２１年９月１５日
【出願人】（０００００５３２６）本田技研工業株式会社 (23,863)
【Ｆターム（参考）】
[ Back to top ]