情報学習方法、プログラム及び記録媒体
【課題】 情報学習方法が、複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【解決手段】 情報学習方法は、対応するユーザを特定するユーザ特定部２と、類似度を正確に算出するためのフィルタリング部４０とユーザの類似度を算出する類似度計算部５０を持つ類似計算部３と、ユーザごとに対応を記憶させ、類似度に応じて個別情報を更新する個別情報記憶部７０とそれに基づいて行動の表出を制御する行動表出制御部６０を持つ行動管理部４と、行動管理部４に報酬情報を出力するセンサ入力部５とを備え、複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習する
【解決手段】 情報学習方法は、対応するユーザを特定するユーザ特定部２と、類似度を正確に算出するためのフィルタリング部４０とユーザの類似度を算出する類似度計算部５０を持つ類似計算部３と、ユーザごとに対応を記憶させ、類似度に応じて個別情報を更新する個別情報記憶部７０とそれに基づいて行動の表出を制御する行動表出制御部６０を持つ行動管理部４と、行動管理部４に報酬情報を出力するセンサ入力部５とを備え、複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習する
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、情報学習方法に関し、詳しくは、複数ユーザに効率的に対応するロボット装置及び人工エージェントにより行う情報学習方法に関する。
【背景技術】
【０００２】
近年、自律的に行動するロボット装置や人工エージェントが提案されている。これらの装置としては、動物などの生命体を模擬する装置が提案されている。このようなロボット装置等は、例えば、使用者（ユーザ）からの命令等による外部環境や、ロボット装置等の内部状態に応じて自律的に行動し、行動して得た情報からその対応を使用者に対して学習するように構成されている。
【０００３】
従来、個人の好みや操作等を学習して個人に適応したシステムはあるが、複数のユーザに対して、個別に学習せずに効率的に学習することができない問題を有していた。
【０００４】
ここで、従来の情報学習方法には、複数ユーザを認証し対応する機能を施したものがある（例えば、特許文献１参照）。しかし、これは、複数ユーザに対してあらかじめ用意された個別に対応する制御内容に従って、制御を行う個人適応制御装置となっており、個々のユーザの嗜好や行為に応じて対応を学習するものではない。
【特許文献１】特開２００４−３０１３３
【発明が解決しようとする課題】
【０００５】
上述したような従来のロボット装置等における情報学習方法は、例えば、実環境下において自ら収集した情報を記憶し、記憶した情報からその対応を学習するような構成とされているが、その学習はユーザを一人に限定したものであった。このような情報学習方法においては、例えば、複数のユーザに対しては全体を一人のユーザとして対応するか、またはそれぞれ個別に収集した情報を記憶して学習を行うといった対応が行われてきた。
【０００６】
例えば、娯楽用の情報学習方法がユーザを特定できず、複数ユーザを一人のユーザとして対応する場合、複数のユーザに対して同じ行動をとることになり、娯楽性の点では、知的に感じない、面白味に欠ける、飽きる等の問題となる。このような情報学習方法においては、例えば、複数ユーザに適切に対応可能な情報学習方法が望ましいとされる。
【０００７】
また、個別に学習する場合は、各ユーザに対して学習を行うことが必要になり、メモリの確保や学習時間の増大の問題となるため現実的には不可能となる。
【０００８】
そこで、本発明は、上述の実情に鑑みてなされたものであり、複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる情報学習方法を提供することを目的としている。
【課題を解決するための手段】
【０００９】
本発明に係る情報学習方法は、複数ユーザとのインタラクションから学習をする情報学習方法である。この情報学習方法は、上述のような実情に鑑み、対応するユーザを特定するユーザ特定手段と、ユーザの類似性を算出する類似性計算手段と、類似度を正確に算出するためのフィルタリング手段と、ユーザごとに対応を記憶させる個別情報記録手段と、類似度応じて個別情報を更新する行動管理手段とを備える。
【００１０】
このような構成を備える情報学習方法は、ユーザ特定手段によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録手段に記憶させ、記憶手段に記憶させた個別情報を入力として、ユーザの類似性を類似性計算手段とフィルタリング手段により計算し、算出された類似度の結果に応じて行動管理手段により、個別情報を更新し個別情報に基づき行為を出力する。これにより情報学習方法は、複数のユーザに効率よく学習し対応する。
【００１１】
また、本発明に係るプログラムは、上述のような実情に鑑み、情報学習方法がユーザ特定工程によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録工程により記憶させ、記憶させた個別情報を入力として、ユーザの類似性を類似性計算工程とフィルタリング工程により計算し、算出された類似度の結果に応じて行動管理工程により、個別情報を更新し個別情報に基づき行為を出力する。このプログラムの実行により、情報学習方法は、複数のユーザに効率よく学習し対応する。
【００１２】
また、本発明に係る記録媒体は、上述のような実情に鑑み、情報学習方法がユーザ特定工程によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録工程により記憶させ、記憶させた個別情報を入力として、ユーザの類似性を類似性計算工程とフィルタリング工程により計算し、算出された類似度の結果に応じて行動管理工程により、個別情報を更新し個別情報に基づき行為を出力する。この記録媒体に記録されているプログラムの実行により、情報学習方法は、複数のユーザに効率よく学習し対応する。
【発明の効果】
【００１３】
本発明に係る情報学習方法は、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを有しており、この情報学習方法により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【００１４】
また、本発明に係るプログラムは、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを情報学習方法に実行させるものであって、このようなプログラムの実行により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【００１５】
また、本発明に係る記録媒体は、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを情報学習方法に実行させるためのプログラムが記録されており、この記録媒体に記録されているプログラムの実行により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【発明を実施するための最良の形態】
【００１６】
以下、本発明の実施の形態について図面を用いて詳細に説明する。この実施の形態は、本発明を、複数の使用者から評価等の外部環境によって行動学習する情報学習方法に適用したものである。
【００１７】
図１に示すように、情報学習方法１は、ユーザ特定部２と、類似計算部３と、行動管理部４とを備えている。
【００１８】
このような構成において、ユーザ特定部２は、対応するユーザを特定するものとして機能し、音声入力部１０、画像入力部２０及びユーザ特定入力部３０等からなる。類似計算部３は、類似度計算部４０及びフィルタリング部５０からなり、ユーザ特定部２が検出したユーザ情報により各ユーザ間の類似度が計算される計算手段として機能する。行動管理部４は行動表出制御部６０及び個別情報記憶部７０からなり、外部情報とユーザ情報及び類似計算部３が検出した類似度情報に応じて情報学習方法の行動を制御するものとして構成されている。
【００１９】
情報学習方法はこのような構成により、自律的な行動をして得た外部情報に対して、ユーザとのインタラクションを持ちながら、集団に対して効率的なインタラクションを学習する。以下、情報学習方法を構成する上述の各構成部の詳細について説明する。
【００２０】
ユーザ特定部２は、情報学習方法がユーザの情報を収集する部分として構成されている。ユーザ特定部２は、音声入力部１０、画像入力部２０及びユーザ特定入力部３０等によりユーザの情報をユーザ情報として検出するよう構成されている。得られたユーザ情報を類似計算部３に出力する。例えば、ユーザ情報はユーザの名称などとし、他のユーザと区別できるものとする。ユーザ情報は、これに限られるものではなく、ユーザを特定できる情報であれば、全てユーザ情報として含まれるものとする。他にもシステム側で作成した呼称や、ユーザの画像情報などが考えられる。
【００２１】
音声入力部１０は、情報学習方法が外部の音声情報を検出して認識する部分として構成されている。例えば、情報入力機器としては、マイク等を用いた認識技術がある。
【００２２】
画像入力部２０は、情報学習方法が外部の画像情報を検出して認識する部分として構成されている。例えば、情報入力機器としては、カメラ等を用いた認識技術がある。
【００２３】
ユーザ特定入力部３０は、情報学習方法が音声情報と画像情報以外のユーザの特定が可能な情報を収集する部分として構成されている。例えば、情報入力機器としては、温度センサ、味センサ、臭いセンサ等がある。
【００２４】
類似計算部３は、ユーザ特定部２が特定したユーザ情報と個別情報記憶部７０が記憶している個別情報に基づき、各ユーザ間の類似度を計算するよう構成されている。類似計算部３は、フィルタリング部４０、類似度計算部５０等により構成され、ユーザ特定部２から得られたユーザ情報と行動管理部４の個別情報記憶部７０から得られた個別情報から各ユーザ間の類似度を計算し出力するよう構成されている。
【００２５】
フィルタリング部４０は、情報学習方法がユーザ情報と個別情報から類似度計算部５０が正確な類似度を計算するために、あらかじめ情報にフィルタリングをかけておくよう構成されている。フィルタリング方法としては、例えば、全てのルール集合をＩとすると状態ｘに対応するルールセットがＩｘ、行為ａを出力するルール集合をＩａとすると、状態ｘに関連したルール集合Ｉｘから、もしくは、出力が行為ａに関するルール集合Ｉａから各ユーザ間の類似性を計算することで、それぞれ状況に応じた正確な類似性を計算することが可能である。これは、相関係数によるフィルタリングの一つであるといえる。フィルタリング方法は、これに限られるものではなく、類似度を正確に算出するためのフィルタリング方法であれば、全てフィルタリング方法として含まれるものとする。他にもフィルタリングの手法としては、アイテムの相関を用いる情報フィルタリング手法や、モデルベースのフィルタリング手法（ベイジアンネットワーク、クラスタリング等）等がある。
【００２６】
類似度計算部５０は、フィルタリング部４０のフィルタリングされた個別情報により各ユーザ間の類似度を計算するよう構成されている。例えば、ベクトル空間法を用いて、ユーザＡとユーザＢの個別情報をそれぞれベクトルｆ、ｇとすると、この手続きは、以下のように示される。
なお、上記においては、類似度を求める手法としてベクトル空間法を用いたが、これに限られるものではなく、ユーザ間の類似度を算出できる情報であれば、全て類似度計算手法として含まれるものとする。これにより得られた類似度を行動管理部４の個別情報記憶部７０へ出力する。
【００２７】
行動管理部４は、ユーザ特定部２が出力するユーザ情報、類似計算部３が出力した類似度情報、センサ入力部５により得られる報酬情報により適切な行動を出力する部分として構成されている。行動管理部４は、行動表出制御部６０、個別情報記憶部７０等により構成されている。
【００２８】
行動表出制御部６０は、ユーザ特定部２が出力するユーザ情報、センサ入力部５により得られる報酬情報により、個別情報記憶部７０の個別情報に応じて適切な行動を出力するように構成されている。
【００２９】
個別情報記憶部７０は、センサ入力部５により得られる報酬情報、類似計算部３が出力した類似度情報に基づき個別情報を更新するように更新されている。個別情報記憶部７０に記憶される個別情報のフォーマットとしては、例えば、ＩＦ ＴＨＥＮなどのルールとそれに付随するパラメータ等により構成される。図３に個別情報記憶部７０に記憶される個別情報のフォーマット例を示す。パラメータ更新の方法は、例えば、下記のようなＷｉｄｒｏｗ−Ｈｏｆｆ ｄｅｌｔａ ｒｕｌｅにより計算することが可能である。
ｐｊ←ｐｊ＋β（Ｐ−ｐｊ）
新方法は、これに限られるものではなく、ユーザを特定できる情報であれば、全てユーザ情報として含まれるものとする。他にも、強化学習やＬｅａｒｎｉｎｇ Ｃｌａｓｓｉｆｉｅｒ Ｓｙｓｔｅｍ等の学習方法があげられる。
【００３０】
ユーザ群６は、このシステムと対応するユーザ群を示している。各ユーザは行動管理部４から出力された行為ａに対して評価、行為等のインタラクションを行う。そのインタラクションの内容は、音声情報、画像情報、その他センサ情報として音声入力部１０、画像入力部２０、ユーザ特定入力部３０、センサ入力部５に入力情報として入力される。ユーザ群６は人間だけでなく、人工エージェント、ロボット等も含まれる。
【００３１】
以上のように、情報学習方法１は、ユーザ特定部２と、類似計算部３と、行動管理部４より構成されている。
【００３２】
次に本発明に係る情報学習方法１の動作について、図２を用いて詳しく説明する。情報学習方法１は、自律的な行動をして情報を収集する際に、外部情報として、ステップＳＴ１でユーザ特定入力部３０によりユーザ特定情報を、ステップＳＴ２で音声入力部１０により音声情報を、ステップＳＴ３で画像入力部２０により画像情報を、ステップＳＴ４でセンサ入力部５によりその他のセンサ情報をそれぞれ得る。ステップＳＴ５では、ユーザ特定部２においてステップＳＴ１、ステップＳＴ２及びステップＳＴ３にて得られたユーザ特定情報、音声情報、画像情報によりユーザが特定される。ステップＳＴ６では、ユーザが特定されたかどうかを判断し、特定できているならばステップＳＴ７に進み、特定できていないならばステップＳＴ１、ステップＳＴ２及びステップＳＴ３へ戻る。ステップＳＴ７では、行動管理部４の個別情報記憶部７０において、ステップＳＴ６で特定されたユーザ情報を記録する。ステップＳＴ８では、類似計算部３のフィルタリング部５０において、正確な類似度を計算するためにフィルタリングを行う。フィルタリングの手法としては情報フィルタリングの手法等を用いることができる。得られたフィルタリング結果を類似度計算部５０に出力する。ステップＳＴ９では、類似計算部３の類似度計算部５０において、ステップＳＴ８で得られたフィルタリング結果により対応する全ての各ユーザ間の類似度を計算する。類似度計算の手法としては、ベクトル空間法等を用いることができる。ステップＳＴ１０で全ての各ユーザ間の類似度を計算できたかどうかを判定し、計算できているならばステップＳＴ１１へその結果を出力し、計算できていないならばＳＴ７へ戻る。ステップＳＴ１１では、行動管理部４の個別情報記憶部７０において、ステップＳＴ９の結果とＳＴ４により得られる外部情報に応じて個別情報を更新する。ステップＳＴ１２では、行動管理部４の行動表出制御部６０において、センサ入力部５において得られた外部情報と個別情報記憶部７０における個別情報に基づいて適切な行為を出力する。
【００３３】
これにより、情報学習方法１は複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができるようになる。
【００３４】
なお、上記においては、ユーザを特定できる外部情報として音声情報と、画像情報、その他ユーザを特定できるユーザ特定情報としたが、これらに限られるものではなく、他の情報を検出して、ユーザの特定に使用できる情報であれば、全てユーザ特定情報に含まれるものとする。例えば、他の情報としては、温度センサによる温度情報、味センサによる味覚情報、臭いセンサによる臭い情報等の外部情報が考えられ、それらを検出してユーザの特定情報としても良い。
【図面の簡単な説明】
【００３５】
【図１】本発明の実施の形態の情報学習方法の要部を示したブロック図である。
【図２】本発明の実施の形態の情報学習方法の要部の動作を示すフローチャートである。
【図３】行動管理部の個別情報記憶部と行動表出制御部における個別情報のフォーマットを示す図である。
【符号の説明】
【００３６】
１ 情報学習方法、
２ ユーザ特定部
３ 類似計算部
４ 行動管理部
５ センサ入力部
６ ユーザ群
１０ 音声入力部
２０ 画像入力部
３０ ユーザ特定入力部
４０ 類似度計算部
５０ フィルタリング部
６０ 行動表出制御部
７０ 個別情報記憶部
【技術分野】
【０００１】
本発明は、情報学習方法に関し、詳しくは、複数ユーザに効率的に対応するロボット装置及び人工エージェントにより行う情報学習方法に関する。
【背景技術】
【０００２】
近年、自律的に行動するロボット装置や人工エージェントが提案されている。これらの装置としては、動物などの生命体を模擬する装置が提案されている。このようなロボット装置等は、例えば、使用者（ユーザ）からの命令等による外部環境や、ロボット装置等の内部状態に応じて自律的に行動し、行動して得た情報からその対応を使用者に対して学習するように構成されている。
【０００３】
従来、個人の好みや操作等を学習して個人に適応したシステムはあるが、複数のユーザに対して、個別に学習せずに効率的に学習することができない問題を有していた。
【０００４】
ここで、従来の情報学習方法には、複数ユーザを認証し対応する機能を施したものがある（例えば、特許文献１参照）。しかし、これは、複数ユーザに対してあらかじめ用意された個別に対応する制御内容に従って、制御を行う個人適応制御装置となっており、個々のユーザの嗜好や行為に応じて対応を学習するものではない。
【特許文献１】特開２００４−３０１３３
【発明が解決しようとする課題】
【０００５】
上述したような従来のロボット装置等における情報学習方法は、例えば、実環境下において自ら収集した情報を記憶し、記憶した情報からその対応を学習するような構成とされているが、その学習はユーザを一人に限定したものであった。このような情報学習方法においては、例えば、複数のユーザに対しては全体を一人のユーザとして対応するか、またはそれぞれ個別に収集した情報を記憶して学習を行うといった対応が行われてきた。
【０００６】
例えば、娯楽用の情報学習方法がユーザを特定できず、複数ユーザを一人のユーザとして対応する場合、複数のユーザに対して同じ行動をとることになり、娯楽性の点では、知的に感じない、面白味に欠ける、飽きる等の問題となる。このような情報学習方法においては、例えば、複数ユーザに適切に対応可能な情報学習方法が望ましいとされる。
【０００７】
また、個別に学習する場合は、各ユーザに対して学習を行うことが必要になり、メモリの確保や学習時間の増大の問題となるため現実的には不可能となる。
【０００８】
そこで、本発明は、上述の実情に鑑みてなされたものであり、複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる情報学習方法を提供することを目的としている。
【課題を解決するための手段】
【０００９】
本発明に係る情報学習方法は、複数ユーザとのインタラクションから学習をする情報学習方法である。この情報学習方法は、上述のような実情に鑑み、対応するユーザを特定するユーザ特定手段と、ユーザの類似性を算出する類似性計算手段と、類似度を正確に算出するためのフィルタリング手段と、ユーザごとに対応を記憶させる個別情報記録手段と、類似度応じて個別情報を更新する行動管理手段とを備える。
【００１０】
このような構成を備える情報学習方法は、ユーザ特定手段によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録手段に記憶させ、記憶手段に記憶させた個別情報を入力として、ユーザの類似性を類似性計算手段とフィルタリング手段により計算し、算出された類似度の結果に応じて行動管理手段により、個別情報を更新し個別情報に基づき行為を出力する。これにより情報学習方法は、複数のユーザに効率よく学習し対応する。
【００１１】
また、本発明に係るプログラムは、上述のような実情に鑑み、情報学習方法がユーザ特定工程によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録工程により記憶させ、記憶させた個別情報を入力として、ユーザの類似性を類似性計算工程とフィルタリング工程により計算し、算出された類似度の結果に応じて行動管理工程により、個別情報を更新し個別情報に基づき行為を出力する。このプログラムの実行により、情報学習方法は、複数のユーザに効率よく学習し対応する。
【００１２】
また、本発明に係る記録媒体は、上述のような実情に鑑み、情報学習方法がユーザ特定工程によりユーザを特定し、ユーザとのインタラクションによる結果を個別情報記録工程により記憶させ、記憶させた個別情報を入力として、ユーザの類似性を類似性計算工程とフィルタリング工程により計算し、算出された類似度の結果に応じて行動管理工程により、個別情報を更新し個別情報に基づき行為を出力する。この記録媒体に記録されているプログラムの実行により、情報学習方法は、複数のユーザに効率よく学習し対応する。
【発明の効果】
【００１３】
本発明に係る情報学習方法は、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを有しており、この情報学習方法により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【００１４】
また、本発明に係るプログラムは、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを情報学習方法に実行させるものであって、このようなプログラムの実行により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【００１５】
また、本発明に係る記録媒体は、情報学習方法が対応するユーザを特定するユーザ特定工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、ユーザごとに対応を記憶させる個別情報記録工程と、類似度に応じて個別情報を更新する行動管理工程とを情報学習方法に実行させるためのプログラムが記録されており、この記録媒体に記録されているプログラムの実行により、情報学習方法は、実環境下で複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができる。
【発明を実施するための最良の形態】
【００１６】
以下、本発明の実施の形態について図面を用いて詳細に説明する。この実施の形態は、本発明を、複数の使用者から評価等の外部環境によって行動学習する情報学習方法に適用したものである。
【００１７】
図１に示すように、情報学習方法１は、ユーザ特定部２と、類似計算部３と、行動管理部４とを備えている。
【００１８】
このような構成において、ユーザ特定部２は、対応するユーザを特定するものとして機能し、音声入力部１０、画像入力部２０及びユーザ特定入力部３０等からなる。類似計算部３は、類似度計算部４０及びフィルタリング部５０からなり、ユーザ特定部２が検出したユーザ情報により各ユーザ間の類似度が計算される計算手段として機能する。行動管理部４は行動表出制御部６０及び個別情報記憶部７０からなり、外部情報とユーザ情報及び類似計算部３が検出した類似度情報に応じて情報学習方法の行動を制御するものとして構成されている。
【００１９】
情報学習方法はこのような構成により、自律的な行動をして得た外部情報に対して、ユーザとのインタラクションを持ちながら、集団に対して効率的なインタラクションを学習する。以下、情報学習方法を構成する上述の各構成部の詳細について説明する。
【００２０】
ユーザ特定部２は、情報学習方法がユーザの情報を収集する部分として構成されている。ユーザ特定部２は、音声入力部１０、画像入力部２０及びユーザ特定入力部３０等によりユーザの情報をユーザ情報として検出するよう構成されている。得られたユーザ情報を類似計算部３に出力する。例えば、ユーザ情報はユーザの名称などとし、他のユーザと区別できるものとする。ユーザ情報は、これに限られるものではなく、ユーザを特定できる情報であれば、全てユーザ情報として含まれるものとする。他にもシステム側で作成した呼称や、ユーザの画像情報などが考えられる。
【００２１】
音声入力部１０は、情報学習方法が外部の音声情報を検出して認識する部分として構成されている。例えば、情報入力機器としては、マイク等を用いた認識技術がある。
【００２２】
画像入力部２０は、情報学習方法が外部の画像情報を検出して認識する部分として構成されている。例えば、情報入力機器としては、カメラ等を用いた認識技術がある。
【００２３】
ユーザ特定入力部３０は、情報学習方法が音声情報と画像情報以外のユーザの特定が可能な情報を収集する部分として構成されている。例えば、情報入力機器としては、温度センサ、味センサ、臭いセンサ等がある。
【００２４】
類似計算部３は、ユーザ特定部２が特定したユーザ情報と個別情報記憶部７０が記憶している個別情報に基づき、各ユーザ間の類似度を計算するよう構成されている。類似計算部３は、フィルタリング部４０、類似度計算部５０等により構成され、ユーザ特定部２から得られたユーザ情報と行動管理部４の個別情報記憶部７０から得られた個別情報から各ユーザ間の類似度を計算し出力するよう構成されている。
【００２５】
フィルタリング部４０は、情報学習方法がユーザ情報と個別情報から類似度計算部５０が正確な類似度を計算するために、あらかじめ情報にフィルタリングをかけておくよう構成されている。フィルタリング方法としては、例えば、全てのルール集合をＩとすると状態ｘに対応するルールセットがＩｘ、行為ａを出力するルール集合をＩａとすると、状態ｘに関連したルール集合Ｉｘから、もしくは、出力が行為ａに関するルール集合Ｉａから各ユーザ間の類似性を計算することで、それぞれ状況に応じた正確な類似性を計算することが可能である。これは、相関係数によるフィルタリングの一つであるといえる。フィルタリング方法は、これに限られるものではなく、類似度を正確に算出するためのフィルタリング方法であれば、全てフィルタリング方法として含まれるものとする。他にもフィルタリングの手法としては、アイテムの相関を用いる情報フィルタリング手法や、モデルベースのフィルタリング手法（ベイジアンネットワーク、クラスタリング等）等がある。
【００２６】
類似度計算部５０は、フィルタリング部４０のフィルタリングされた個別情報により各ユーザ間の類似度を計算するよう構成されている。例えば、ベクトル空間法を用いて、ユーザＡとユーザＢの個別情報をそれぞれベクトルｆ、ｇとすると、この手続きは、以下のように示される。
なお、上記においては、類似度を求める手法としてベクトル空間法を用いたが、これに限られるものではなく、ユーザ間の類似度を算出できる情報であれば、全て類似度計算手法として含まれるものとする。これにより得られた類似度を行動管理部４の個別情報記憶部７０へ出力する。
【００２７】
行動管理部４は、ユーザ特定部２が出力するユーザ情報、類似計算部３が出力した類似度情報、センサ入力部５により得られる報酬情報により適切な行動を出力する部分として構成されている。行動管理部４は、行動表出制御部６０、個別情報記憶部７０等により構成されている。
【００２８】
行動表出制御部６０は、ユーザ特定部２が出力するユーザ情報、センサ入力部５により得られる報酬情報により、個別情報記憶部７０の個別情報に応じて適切な行動を出力するように構成されている。
【００２９】
個別情報記憶部７０は、センサ入力部５により得られる報酬情報、類似計算部３が出力した類似度情報に基づき個別情報を更新するように更新されている。個別情報記憶部７０に記憶される個別情報のフォーマットとしては、例えば、ＩＦ ＴＨＥＮなどのルールとそれに付随するパラメータ等により構成される。図３に個別情報記憶部７０に記憶される個別情報のフォーマット例を示す。パラメータ更新の方法は、例えば、下記のようなＷｉｄｒｏｗ−Ｈｏｆｆ ｄｅｌｔａ ｒｕｌｅにより計算することが可能である。
ｐｊ←ｐｊ＋β（Ｐ−ｐｊ）
新方法は、これに限られるものではなく、ユーザを特定できる情報であれば、全てユーザ情報として含まれるものとする。他にも、強化学習やＬｅａｒｎｉｎｇ Ｃｌａｓｓｉｆｉｅｒ Ｓｙｓｔｅｍ等の学習方法があげられる。
【００３０】
ユーザ群６は、このシステムと対応するユーザ群を示している。各ユーザは行動管理部４から出力された行為ａに対して評価、行為等のインタラクションを行う。そのインタラクションの内容は、音声情報、画像情報、その他センサ情報として音声入力部１０、画像入力部２０、ユーザ特定入力部３０、センサ入力部５に入力情報として入力される。ユーザ群６は人間だけでなく、人工エージェント、ロボット等も含まれる。
【００３１】
以上のように、情報学習方法１は、ユーザ特定部２と、類似計算部３と、行動管理部４より構成されている。
【００３２】
次に本発明に係る情報学習方法１の動作について、図２を用いて詳しく説明する。情報学習方法１は、自律的な行動をして情報を収集する際に、外部情報として、ステップＳＴ１でユーザ特定入力部３０によりユーザ特定情報を、ステップＳＴ２で音声入力部１０により音声情報を、ステップＳＴ３で画像入力部２０により画像情報を、ステップＳＴ４でセンサ入力部５によりその他のセンサ情報をそれぞれ得る。ステップＳＴ５では、ユーザ特定部２においてステップＳＴ１、ステップＳＴ２及びステップＳＴ３にて得られたユーザ特定情報、音声情報、画像情報によりユーザが特定される。ステップＳＴ６では、ユーザが特定されたかどうかを判断し、特定できているならばステップＳＴ７に進み、特定できていないならばステップＳＴ１、ステップＳＴ２及びステップＳＴ３へ戻る。ステップＳＴ７では、行動管理部４の個別情報記憶部７０において、ステップＳＴ６で特定されたユーザ情報を記録する。ステップＳＴ８では、類似計算部３のフィルタリング部５０において、正確な類似度を計算するためにフィルタリングを行う。フィルタリングの手法としては情報フィルタリングの手法等を用いることができる。得られたフィルタリング結果を類似度計算部５０に出力する。ステップＳＴ９では、類似計算部３の類似度計算部５０において、ステップＳＴ８で得られたフィルタリング結果により対応する全ての各ユーザ間の類似度を計算する。類似度計算の手法としては、ベクトル空間法等を用いることができる。ステップＳＴ１０で全ての各ユーザ間の類似度を計算できたかどうかを判定し、計算できているならばステップＳＴ１１へその結果を出力し、計算できていないならばＳＴ７へ戻る。ステップＳＴ１１では、行動管理部４の個別情報記憶部７０において、ステップＳＴ９の結果とＳＴ４により得られる外部情報に応じて個別情報を更新する。ステップＳＴ１２では、行動管理部４の行動表出制御部６０において、センサ入力部５において得られた外部情報と個別情報記憶部７０における個別情報に基づいて適切な行為を出力する。
【００３３】
これにより、情報学習方法１は複数ユーザに対して自律的に情報を収集し、各ユーザとのインタラクションから効率的に複数ユーザの対応を学習することができるようになる。
【００３４】
なお、上記においては、ユーザを特定できる外部情報として音声情報と、画像情報、その他ユーザを特定できるユーザ特定情報としたが、これらに限られるものではなく、他の情報を検出して、ユーザの特定に使用できる情報であれば、全てユーザ特定情報に含まれるものとする。例えば、他の情報としては、温度センサによる温度情報、味センサによる味覚情報、臭いセンサによる臭い情報等の外部情報が考えられ、それらを検出してユーザの特定情報としても良い。
【図面の簡単な説明】
【００３５】
【図１】本発明の実施の形態の情報学習方法の要部を示したブロック図である。
【図２】本発明の実施の形態の情報学習方法の要部の動作を示すフローチャートである。
【図３】行動管理部の個別情報記憶部と行動表出制御部における個別情報のフォーマットを示す図である。
【符号の説明】
【００３６】
１ 情報学習方法、
２ ユーザ特定部
３ 類似計算部
４ 行動管理部
５ センサ入力部
６ ユーザ群
１０ 音声入力部
２０ 画像入力部
３０ ユーザ特定入力部
４０ 類似度計算部
５０ フィルタリング部
６０ 行動表出制御部
７０ 個別情報記憶部
【特許請求の範囲】
【請求項１】
複数ユーザとのインタラクション（ｉｎｔｅｒａｃｔｉｏｎ：相互作用）から学習をする情報学習方法であって、対応するユーザを特定するユーザ特定手段と、ユーザごとに対応を記憶させる個別情報記録手段と、ユーザの類似性を算出する類似性計算手段と、類似度を正確に算出するためのフィルタリング手段と、類似度に応じて個別情報を更新する行動管理手段とを備えることを特徴とする情報学習方法。
【請求項２】
上記個別情報記録手段は、上記ユーザ特定手段の結果に応じて対応するユーザ毎にインタラクションの結果を個別情報として記録することを特徴とする請求項１記載の情報学習方法。
【請求項３】
上記類似性計算手段が算出する類似度は、上記ユーザ特定手段の結果に応じてユーザ毎の個別情報の類似度を各組合せについて計算し出力する類似度であることを特徴とする請求項１記載の情報学習方法。
【請求項４】
上記フィルタリング手段は、上記類似度計算手段に対して正確な類似度を計算させることを特徴とする請求項１記載の情報学習方法。
【請求項５】
上記行動管理手段は、上記フィルタリング手段によって個別情報を更新しその値に応じてユーザ毎に行為の出力を行うことを特徴とする請求項１記載の情報学習方法。
【請求項６】
複数ユーザとのインタラクションから、対応するユーザを特定するユーザ特定工程と、ユーザごとに対応を記憶させる個別情報記録工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、類似度に応じて個別情報を更新する行動管理工程とを有することを特徴とするプログラム。
【請求項７】
複数ユーザとのインタラクションから、対応するユーザを特定するユーザ特定工程と、ユーザごとに対応を記憶させる個別情報記録工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、類似度に応じて個別情報を更新する行動管理工程とを有することを特徴とするプログラムが記録される記録媒体。
【請求項１】
複数ユーザとのインタラクション（ｉｎｔｅｒａｃｔｉｏｎ：相互作用）から学習をする情報学習方法であって、対応するユーザを特定するユーザ特定手段と、ユーザごとに対応を記憶させる個別情報記録手段と、ユーザの類似性を算出する類似性計算手段と、類似度を正確に算出するためのフィルタリング手段と、類似度に応じて個別情報を更新する行動管理手段とを備えることを特徴とする情報学習方法。
【請求項２】
上記個別情報記録手段は、上記ユーザ特定手段の結果に応じて対応するユーザ毎にインタラクションの結果を個別情報として記録することを特徴とする請求項１記載の情報学習方法。
【請求項３】
上記類似性計算手段が算出する類似度は、上記ユーザ特定手段の結果に応じてユーザ毎の個別情報の類似度を各組合せについて計算し出力する類似度であることを特徴とする請求項１記載の情報学習方法。
【請求項４】
上記フィルタリング手段は、上記類似度計算手段に対して正確な類似度を計算させることを特徴とする請求項１記載の情報学習方法。
【請求項５】
上記行動管理手段は、上記フィルタリング手段によって個別情報を更新しその値に応じてユーザ毎に行為の出力を行うことを特徴とする請求項１記載の情報学習方法。
【請求項６】
複数ユーザとのインタラクションから、対応するユーザを特定するユーザ特定工程と、ユーザごとに対応を記憶させる個別情報記録工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、類似度に応じて個別情報を更新する行動管理工程とを有することを特徴とするプログラム。
【請求項７】
複数ユーザとのインタラクションから、対応するユーザを特定するユーザ特定工程と、ユーザごとに対応を記憶させる個別情報記録工程と、ユーザの類似性を算出する類似性計算工程と、類似度を正確に算出するためのフィルタリング工程と、類似度に応じて個別情報を更新する行動管理工程とを有することを特徴とするプログラムが記録される記録媒体。
【図１】
【図２】
【図３】
【図２】
【図３】
【公開番号】特開２００６−５３８８０（Ｐ２００６−５３８８０Ａ）
【公開日】平成１８年２月２３日（２００６．２．２３）
【国際特許分類】
【出願番号】特願２００４−２６３０３９（Ｐ２００４−２６３０３９）
【出願日】平成１６年８月１６日（２００４．８．１６）
【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 ２００４年５月３１日から６月４日 社団法人人工知能学会主催の「２００４年度 人工知能学会全国大会（第１８回）」において文書をもって発表
【出願人】（３０４０２１４１７）国立大学法人東京工業大学 (1,821)
【公開日】平成１８年２月２３日（２００６．２．２３）
【国際特許分類】
【出願日】平成１６年８月１６日（２００４．８．１６）
【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 ２００４年５月３１日から６月４日 社団法人人工知能学会主催の「２００４年度 人工知能学会全国大会（第１８回）」において文書をもって発表
【出願人】（３０４０２１４１７）国立大学法人東京工業大学 (1,821)
[ Back to top ]