音声認識ロボット
【課題】音声認識ロボットの音声取得部のチューニングを効率良く行う。
【解決手段】音声認識ロボット１００は、音声取得部として機能するマイクロホンアレー１８０と、音声出力部として機能するスピーカ１７０と、スピーカ１７０が装着されるロボットアーム１６０と、マイクロホンアレー１８０に対してチューニングを行うチューニング部を備える。チューニング部は、チューニングに際し、スピーカ１７０に基準音声を出力させるチューニング制御部と、基準音声に対する音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有する。
【解決手段】音声認識ロボット１００は、音声取得部として機能するマイクロホンアレー１８０と、音声出力部として機能するスピーカ１７０と、スピーカ１７０が装着されるロボットアーム１６０と、マイクロホンアレー１８０に対してチューニングを行うチューニング部を備える。チューニング部は、チューニングに際し、スピーカ１７０に基準音声を出力させるチューニング制御部と、基準音声に対する音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、音声認識ロボット具体的にはその音声取得部をチューニングする機能を備えた音声認識ロボットに関する。
【背景技術】
【０００２】
ロボットは、産業活動や生産活動の現場に関わらずオフィスや家庭の中までその活躍の範囲を広げつつある。産業活動や生産活動の現場においては、各種の難産業を代行や支援をし、家庭の中では、例えば人やペットなどの比較的知性の高い歩行動物の動作メカニズムや感情表現をエミュレートし、人間と「共生」する。これらのロボットの多くは、従来のロボットのように予め決められたパターンの動作のみを行うものではなく、状況を解析して行動するいわゆる自律式のものである。自律式のロボットの一例として、音声認識機能を備え、音声による指示を解析して、指示された動作を行う音声認識ロボットが挙げられる。
【０００３】
通常、音声認識ロボットが置かれる環境には、指示の音声以外に、他の音声（ノイズ）も混在する。音声認識ロボットの誤動作を防ぐために、指示の音声を正しく受音する必要があり、そのための様々な試みがなされている。
【０００４】
特許文献１には、ノイズよりも目的音声を受音しやすいようにする技術が開示されている。この技術によれば、音声認識ロボットは、音声指示がなされた際に、音声指示の音源方向を推定し、推定した音源方向に移動して音源に近づくことによって、音声指示の音声を他の音声よりも強く受音できるようにしている。
【０００５】
また、特許文献２には、音声を取得する部分（以下音声取得部という）が正しく動作しているか否かを、ロボット自身により診断する技術が開示されている。具体的には、音声取得部例えばマイクの近傍で、左右の両方または一方のロボットアームを用いて接触音または打撃音を発生させて、マイクが集音可能であるか否かを確認する。確認の結果がＮＧである場合にはロボットアームでマイクを指しながら首を振るなどのジェスチャを実行してユーザに対してマイクに問題があることを通知する。
【特許文献１】特開２００６−１８１６５１号公報
【特許文献２】特開２００２−１４４２６０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
特許文献１に開示された技術は、音声取得部が正しく動作していることを前提としている。音声取得部が正しく動作しているか否かは、たとえば、設計通りの理想指向性パターンになっているか否かにより表すことができる。音声取得部が理想指向性パターンになるためのチューニングは、通常エンジニアにより行われる。
【０００７】
また、特許文献２に開示された技術では、ユーザに問題があることを通知することができるが、問題を解決するためのチューニングもユーザまたはエンジニアの手に委ねる。
【０００８】
音声認識ロボットの開発段階において、ユニット数が少ないため、エンジニアにより音声取得部のチューニングがそれほど負担にならないが、量産の段階に入ると、工数、コストなどの要因から自動化が要求される。
【０００９】
また、音声認識ロボットがユーザに渡った後でも、音声取得部のチューニングが必要である。チューニングの度にエンジニアが使用現場に出向くのでは、ユーザに金銭面、時間面の負担を与えることになる。ユーザからも、音声認識ロボットの音声取得部の自動チューニングが希望される。
【００１０】
マイクなどの音声取得部のチューニングには、基準音声を出力する基準音源が必要である。チューニングの自動化が可能か否かは、基準音源の有効な提供手法があるか否かに依存すると言っても過言ではない。ここで、所定場所に基準音源を設置し、チューニング時には音声認識ロボットを基準音源に近い位置に移動させる手法について考える。音声認識ロボットの本体にチューニング機能を実装させれば、この音声認識ロボットが基準音源の近くに移動すれば音声取得部の自動チューニングが可能となる。しかし、この手法では、ロボットの移動が伴うため、生産段階においては、工程数が増えるという問題があり、効率が良くない。また、基準音源を設置するための場所も必要である。
【００１１】
ユーザに渡った後のチューニングにおいて、実使用環境で基準音源の設置および保守もユーザにとって負担である。
【００１２】
本発明は、上記事情に鑑みてなされたものであり、効率良くかつ便利に音声認識ロボットの音声取得部の自動チューニングを実現する。
【課題を解決するための手段】
【００１３】
本発明にかかる音声認識ロボットは、音声取得部と、音声出力部と、該音声出力部が装着される装着部と、音声取得部に対してチューニングを行うチューニング部を備える。チューニング部は、チューニングを行うに際し、音声出力部に基準音声を出力させるチューニング制御部と、基準音声に対する音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有する。本発明によれば、音声認識ロボットに音声出力部とチューニング部が備えられているので、チューニングの際に、チューニング部が音声出力部に基準音声を出力させ、この基準音声に対する音声取得部の応答を用いてチューニングができる。そのため、基準音源の設置場所の確保や、チューニングのために音声認識ロボットを移動させることなど必要が無くなり、便利かつ効率が良い。
【００１４】
本発明は、音声取得部が複数のマイクロホンを備えたマイクロホンアレーである音声認識ロボットに適用することができる。この場合、チューニング実行部は、これらの複数のマイクロホンの感度特性のばらつきを解消するためのキャリブレーションを実行する。
【００１５】
本発明の音声認識ロボットにおける装着部は、それに装着された音声出力部が音声取得部に対する相対的な位置を変位可能に構成された変位部を備え、チューニング制御部は、音声取得部に対する音声出力部の相対的な位置関係が所定の位置関係になるように変位部に変位させた後に音声出力部に基準音声を出力させることが好ましい。このような構成によって、たとえば音声取得部のチューニングに好適な位置に音声出力部を移動させることができる。
【００１６】
また、この変位部としては、１つ以上の関節を備えたロボットアームと、該ロボットアームを駆動する駆動部で構成することが好ましい。音声認識ロボットは通常ロボットアームを有し、それに音声出力部を装着するようにすれば、音声出力部を装着する機構を別途設ける必要が無い。
【００１７】
また、チューニング制御部は、音声取得部と音声出力部の相対的な位置関係が互いに異なる複数の所定の位置関係にそれぞれなるように、複数回に亘って変位部に変位させ、音声取得部と音声出力部の相対的な位置関係が所定の位置関係になる毎に音声出力部に基準音声を出力させ、チューニング実行部は、音声出力部から基準音声が出力される毎にチューニングを行うと共に、複数のチューニングの結果を統合することが好ましい。このような構成によれば、特に音声取得部がマイクロホンアレーである場合において、より良いチューニング効果を得ることができる。
【００１８】
さらに、チューニング制御部は互いに周波数が異なる複数の基準音声を音声出力部に順次出力させ、チューニング実行部は、基準音声の周波数毎にチューニングを実行することが好ましい。音声取得部の感度などの特性は、受信した音声信号の周波数によって異なりうるので、このような構成によってチューニングを各周波数について行うようにすれば、チューニングの精度を高めることができる。
【００１９】
なお、上述した装置を方法やシステムまたはプログラムとして表現したものも、本発明の範囲内にある。
【発明の効果】
【００２０】
本発明の技術によれば、音声認識ロボットの音声取得部の自動チューニングを効率良くかつ便利に実現することができる。
【発明を実施するための最良の形態】
【００２１】
以下、図面を参照して本発明の実施の形態について説明する。
図１は、本発明の実施の形態にかかる音声認識ロボット１００を示す。図示のように、音声認識ロボット１００は、頭部１１０と、ボディー（以下本体という）本体１２０と、車輪１５０と、ロボットアーム１６０を有し、本体１２０にはマイクロホンアレー１８０が設けられており、ロボットアーム１６０の先端には音声を出力するためのスピーカ１７０が設けられている。
【００２２】
頭部１１０は例えば音声認識ロボット１００の「目」として機能するＣＣＤカメラが装着されている。車輪１５０は、回転することによって音声認識ロボット１００を移動させる。ロボットアーム１６０は肩関節を備える。本体１２０には、ロボットアーム１６０を駆動させる駆動部が内蔵されており、それの駆動によりロボットアーム１６０は回転可能である。また、これらの機能ブロックの動作は、本体１２０に内蔵された制御部（図示せず）により制御される。後に説明するチューニング制御部と区別するために、この制御部を以下通常制御部という。
【００２３】
マイクロホンアレー１８０は、音声認識ロボット１００の「耳」すなわち音声取得部として機能し、音声信号を取得する。
【００２４】
また、本体１２０には、マイクロホンアレー１８０のチューニングを行うチューニング部も備えている。以下の説明および図示において、このチューニング部に符号１３０を付与する。
【００２５】
図２は、マイクロホンアレー１８０とチューニング部１３０を示す。図示のように、マイクロホンアレー１８０は、複数（図示の例では３つ）のマイクロホン１８２ａ、１８２ｂ、１８２ｃを配列してなる音声入力部１８２と、マイクロホンアレー処理部１８４を有する。マイクロホンアレー処理部１８４は、音声入力部１８２の各マイクロホンにより入力された音声信号に対してアナログ・デジタル（ＡＤ）変換してデジタル音声信号を得るＡＤ変換器１８６と、ＡＤ変換器１８６により得られた各マイクロホンのデジタル音声信号に対してそれぞれ補正を行う補正部１８８と、補正部１８８により補正が施された各マイクロホンのデジタル音声信号に対してＦＦＴ変換することによって周波数を変換する周波数変換部１９０と、周波数変換された各マイクロホンのデジタル音声信号に対して音声強調処理を行う音声強調部１９２と、周波数変換された各マイクロホンのデジタル音声信号を用いて雑音の推定を行って雑音信号を得る雑音推定部１９４と、音声強調部１９２により得られた信号から雑音推定部１９４により推定された雑音信号を減算して目的音声信号を得るとともに、目的音声信号から音声認識用の特徴量を抽出して出力する特徴量取得部１９６を備える。なお、特徴量取得部１９６により得られた特徴量は、音声認識ロボット１００の本体１２０に設けられた音声認識処理部（図示せず）に入力され、それにより音声認識処理が施される。音声認識処理の結果は、音声認識ロボット１００の本体１２０に設けられた上述の通常制御部に出力され、通常制御部はそれに応じた動作を音声認識ロボット１００の該当する１つまたは複数の機能ブロックを行わせる。
【００２６】
音声強調部１９２は、主にＤＳ（Ｄｅｌａｙ−ａｎｄ−Ｓｕｍ）処理を行う。音声入力部１８２は、複数のマイクロホンを配列してなるため、音源からの音声信号がマイクロホンに到達するタイミングは各マイクロホン間で異なる。図３の模式図を用いてこれを説明する。
【００２７】
図３に示すように、３つのマイクロホン２０ａ、２０ｂ、２０ｃは、間隔ｄをおいて配列されている。音源１０と各マイクロホンが成す角度がθである。図示の場合、音声がそれぞれのマイクロホンに到達したタイミングは、図中Ｌ／音速（Ｌ：間隔ｄ×ｓｉｎθ）の分異なる。そのため、３つのマイクロホンにより取得されたそれぞれの音声信号は位相が異なり、それらに対して、位相を整合する必要がある。
【００２８】
音声強調部１９２によるＤＳ処理は、音声入力部１８２の各マイクロホンから得られた音声信号のタイミングのずれに合わせて先に取得された音声信号を順次遅延させることによってそれらの位相を同一にし、同一した後のそれぞれの音声信号を加算する。なお、音声強調部１９２によるＤＳ処理は、推定した音源の位置に基づいて、各マイクロホンにより得られた音声信号を遅延させるべき量を決定しているので、方向性雑音を除去し、目的音声を強調する効果を有する。
【００２９】
雑音推定部１９４は、主にＮＢＦ（Ｎｕｌｌ−Ｂｅａｍ−Ｆｏｒｍｅｒ）処理を行う。このＮＢＦ処理は、目的音声の方向以外の方向の信号を強調し目的音声方向に死角を形成する。雑音推定部１９４によって拡散性雑音が得られる。
【００３０】
そして、特徴量取得部１９６は音声強調部１９２により取得された音声信号から雑音推定部１９４により取得された雑音信号を減算することによって、拡散性雑音を除去し、目的音声を得る。
【００３１】
図４は、マイクロホンアレーの理想指向性パターンの例を示す。図中度数は、図３におけるθに対応する。目的音声信号を正しく取得し、音声認識の精度を高めるためには、なるべくこの理想指向性パターンになるようにマイクロホンアレーが設計されている。
【００３２】
ところで、マイクロホンの感度には必ず誤差が伴う。現在市販されている安価なマイクロホンが通常２デシベル（ｄＢ）以上の感度誤差を有することは知られている。そのため、同じマイクロホンでマイクロホンアレーを構成しても、各マイクロホン間に感度のばらつきが避けられない。
【００３３】
マイクロホン間の感度のばらつきは特に雑音推定処理に大きな影響を与える。雑音推定処理の精度が下がると、マイクロホンアレーの指向性パターンに歪みが生じ、音声認識の精度も下がってしまう。
【００３４】
補正部１８６は、音声入力部１８２の各マイクロホンの感度特性のばらつきを解消するためのものであり、マイクロホン毎に設定された補正フィルタでそれぞれのマイクロホンからの音声信号を補正する。また、時間の経過や、音声認識ロボット１００が置かれた環境の変化などによって各マイクロホンの受音特性に変化が生じうるので、時々マイクロホンアレー１８０に対してチューニングを行う必要がある。
【００３５】
チューニング部１３０は、マイクロホンアレー１８０のチューニングを行うものである。チューニングの際に、音声入力部１８２の各マイクロホンにより取得された音声信号がチューニング部１３０に入力され、チューニング部１３０は、それらを用いて各マイクロホンの補正フィルタを設定して補正部１８８に供する。
【００３６】
図５は、チューニング部１３０を示す。チューニング部１３０は、チューニング制御部１３５とチユーニング実行部１４０を有する。チューニング制御部１３５は、マイクロホンアレー１８０に対してチューニングを行うか否かの判定を行う処理、および「行う」と判定した場合に、音声認識ロボット１００のロボットアーム１６０およびスピーカ１７０を制御する処理を行う。なお、チューニング部１３０の様々な処理を行う機能ブロックとして図中に記載れた各要素は、ハードウェア的には、ＣＰＵ、メモリ、その他のＬＳＩで構成することができ、ソフトウェア的には、メモリにロードされたプログラムなどによって実現される。したがって、これらの機能ブロックがハードウェアのみ、ソフトウェアのみ、またはそれらの組合せによっていろいろな形で実現できることは当業者には理解されるところであり、いずれかに限定されるものではない。
【００３７】
チューニングを行うか否かの判定は、マイクロホンアレー１８０における音声入力部１８２の各マイクロホンの受音特性のばらつきパターンに変化が生じた可能性があるか否かに基づいて行う。例えば、前回のチューニングから２４時間など所定の時間を経過した場合、音環境クラスタリングを行った結果は環境音が変化したことを示す場合、音声認識ロボット１００の上述した通常制御部により車輪１５０を移動させる制御があった場合などにおいて、チューニングする必要があると判定する。勿論、この判定の条件はここで述べたものに限られることがない。
【００３８】
チューニング制御部１３５は、「チューニングを行う」と判定した場合、ロボットアーム１６０とスピーカ１７０の動作を制御する。まず、ロボットアーム１６０に対する制御を説明する。なお、ロボットアーム１６０に対する制御は、本体１２０に内蔵された図示しない駆動部を制御することを介して行われ、以下の説明において、ロボットアーム１６０に対する制御と駆動部に対する制御と同じ意味で用いる。また、ロボットアーム１６０は、チューニング時にチューニング制御部１３５により制御され、チューニング以外のときの通常動作時は通常制御部により制御される。
【００３９】
図６は、音声認識ロボット１００を上から見た図である。なお、分かりやすいように、本体１２０とロボットアーム１６０（それに装着されたスピーカ１７０を含む）のみを図示し、頭部１１０および車輪１５０を省略する。チューニング制御部１３５は、本体１２０に設けられたマイクロホンアレー１８０における音声入力部１８２とロボットアーム１６０が成す角度、より正確には音声入力部１８２の各マイクロホンの配列方向とロボットアーム１６０が成す角度αが所定の値になるように、ロボットアーム１６０を回転させる。ロボットアーム１６０の先端に装着されたスピーカ１７０は、ロボットアーム１６０の回転によりその音声出力方向と音声入力部１８２が成す方向も変る。すなわち、チューニング制御部１３５は、ロボットアーム１６０を回転させることによって、図３の模式図に示す角度θを上記角度αの所定の値に対応する値にしている。
【００４０】
ロボットアーム１６０の回転後、チューニング制御部１３５は、ロボットアーム１６０に装着されたスピーカ１７０に基準音声を出力させる。本実施の形態では、この基準音声として、ＴＳＰ（Ｔｉｍｅ−Ｓｔｒｅｔｃｈｅｄ−Ｐｕｌｓｅ：時間引き延ばしパルス）信号が用いられる。
【００４１】
音声入力部１８２の各マイクロホンは、スピーカ１７０からのＴＳＰ信号を受音すると、応答信号（以下ＴＳＰ応答信号という）をそれぞれ出力する。これらのＴＳＰ応答信号は、チューニング部１３０のチユーニング実行部１４０に入力される。
【００４２】
チユーニング実行部１４０は、ＴＳＰ信号を時間反転してＴＳＰ時間反転信号を得、それぞれのマイクロホンのＴＳＰ応答信号に、ＴＳＰ時間反転信号を畳み込む。これによって、各マイクロホンのインパルス応答信号が得られる。
【００４３】
前述したように、補正部１８８は、音声入力部１８２のマイクロホンの感度のばらつきを解消するためのものであり、マイクロホン毎に補正フィルタを用いて補正を行う。チユーニング実行部１４０は、各マイクロホンの感度が揃うようにこれらの補正フィルタを設定する。
【００４４】
本実施の形態において、チユーニング実行部１４０は、音声入力部１８２における基準マイクロホンと同じ感度になるように、他のマイクロホンの補正フィルタを設定する。具体的には、対象マイクロホンのインパルス応答信号から該マイクロホンのパワースペクトルを算出し、下記の式（１）にしたがってこのマイクロホンの補正フィルタＡを求める。
【００４５】
Ａ＝Ｐ／Ｐ０ （１）
但し，Ａ：補正フィルタ
Ｐ：対象マイクロホンのパワースペクトル
Ｐ０：基準マイクロホンのパワースペクトル
なお、基準マイクロホンとして、音声入力部１８２に含まれるマイクロホンのうちのいずれを用いるかは設計者に委ねられる。
【００４６】
さらに、実使用環境において、音声認識ロボット１００は、様々な方向にある音源からの音声信号を受信する必要があることを考え、本実施の形態において、チューニング部１３０は、複数の異なる角度αにおいてチューニングを行う。具体的には、１つのマイクロホンに対して、各角度αについて補正フィルタＡを求め、これらの補正フィルタＡを統合して統合補正フィルタを得る。
【００４７】
チユーニング実行部１４０は、基準マイクロホン以外の他のマイクロホン対してそれぞれの統合補正フィルタを得て補正部１８８に出力する。補正部１８８は、これらのマイクロホンの補正フィルタを、チユーニング実行部１４０から出力されてきたそれぞれの統合補正フィルタに更新する。
【００４８】
また、より良い補正効果を得るために、音声信号の周波数毎に補正フィルタを設定することが好ましいため、本実施の形態において、チューニング制御部１３５は、チューニングに際し、周波数（ｂｉｎ）が互いに異なる複数のＴＳＰ信号をスピーカ１７０に順次出力させる。チユーニング実行部１４０は、基準マイクロホン以外のそれぞれのマイクロホンに対して、周波数（ｂｉｎ）毎に補正フィルタＡを求めて補正部１８８に供する。
【００４９】
図７は、本実施の形態の音声認識ロボット１００におけるチューニング部１３０の処理の流れを示すフローチャートである。待機状態において、チューニング部１３０におけるチューニング制御部１３５は、チューニングを実行するか否かの判定を行う（Ｓ１０）。「実行しない」と判定した場合（Ｓ１０：Ｎｏ）には、チューニング部１３０の待機状態が続く（Ｓ２０）一方、「実行する」と判定した場合（Ｓ１０：Ｙｅｓ）、チューニング制御部１３５は、音声認識ロボット１００のロボットアーム１６０を回転させる（Ｓ３０）と共に、ロボットアーム１６０の回転後、スピーカ１７０にＴＳＰ信号を出力させる（Ｓ４０）。
【００５０】
チユーニング実行部１４０は、チューニングを実行する（Ｓ５０）。具体的には、チユーニング実行部１４０は、このＴＳＰ信号に対する各マイクロホンのＴＳＰ応答信号と、ＴＳＰ信号の時間反転信号を用いて、基準マイクロホン以外の各マイクロホンの補正フィルタＡを求める。そして、チューニング制御部１３５は、ロボットアーム１６０をさらに回転させて角度αを変える共に、スピーカ１７０に同じ周波数のＴＳＰ信号を出力させる。チユーニング実行部１４０は、変更された角度αについて、基準マイクロホン以外の各マイクロホンに対して再度補正フィルタＡをも求める。角度αの変更、ＴＳＰ信号の出力、補正フィルタＡの算出が複数回繰り返され、各マイクロホンに対して、角度αの数と同じ数の補正フィルタＡが求められる。チユーニング実行部１４０は、基準マイクロホン以外の各マイクロホン毎に、その補正フィルタＡを統合して統合補正フィルタを得、補正部１８８に出力する。
【００５１】
１つの周波数（ｂｉｎ）について統合補正フィルタを求める処理が終わると、チューニング制御部１３５は、異なる周波数（ｂｉｎ）のＴＳＰ信号をスピーカ１７０に出力させ、チユーニング実行部１４０は、この周波数（ｂｉｎ）について統合補正フィルタを求める上記の処理を行う。
【００５２】
このようにしてチユーニング実行部１４０から補正部１８８に、基準マイクロホン以外のそれぞれのマイクロホンの、周波数（ｂｉｎ）毎の、複数の角度αについて求められた補正フィルタＡの統合補正フィルタが供される。
【００５３】
本実施の形態の音声認識ロボット１００は、チューニング機能を備えると共に、スピーカ１７０がロボットアーム１６０に装着され、チューニング制御部１３５の制御に従ってチューニング用の基準音声を出力することができる。そのため、チューニングを行う際に、ロボットを基準音源の設置場所に行かせる必要が無く、生産現場においては工数およびコストを抑制することができ、実使用においては、ユーザに便利性を提供する。さらに、チューニングのための基準音源の設置場所も要らないという利点がある。
【００５４】
また、本実施の形態において、スピーカ１７０が音声認識ロボット１００のロボットアーム１６０に装着されている。通常、ロボットアームがロボットに備えられるため、ロボットアームを音声出力部の装着部として兼用させることによって、音声認識ロボットの構成をシンプルにすることができる。
【００５５】
さらに、ロボットアームはそれに装着された音声出力部（スピーカ）がマイクロホンアレーに対する相対的な位置を変位可能な変位部であるため、ロボットアームを回転させると、音声出力部と、ロボットの本体に固定された音声取得部との相対的な位置関係を変えることができる。これによってチューニングに適した好適な相対位置になるように、チューニング時に音声出力部の位置を簡単に変えることができる。また、音声認識ロボット１００のように、音声取得部が、異なる相対位置毎にチューニングを行う必要がある場合には便利である。
【００５６】
さらに、ロボットアームのリーチは、メカ的には通常固定であるため、それを回転させることによって音声出力部と音声取得部の相対位置を変えるときには、移動誤差が少ない。結果として、音声取得部と音声取得部の相対位置の誤差を少なくできる。
【００５７】
以上、実施の形態をもとに本発明を説明した。実施の形態は例示であり、本発明の主旨から逸脱しない限り、さまざまな変更、増減を加えてもよい。これらの変更、増減が加えられた変形例も本発明の範囲にあることは当業者に理解されるところである。
【００５８】
例えば、上述した実施の形態の音声認識ロボット１００において、音声出力部として機能するスピーカ１７０を片方のロボットアームにしか設けていないが、音声出力部を両方のロボットアームに設けるようにしてもよい。
【００５９】
また、音声認識ロボット１００は、マイクロホンアレーである音声取得部を有するが、本発明は、チューニング時に基準音声を必要とするいかなる種類の音声取得部を有する音声認識ロボットにも適用することができる。
【００６０】
また、音声認識ロボット１００におけるチューニング部１３０は、角度αをスピーカ１７０と音声入力部１８２間の相対位置とし、チューニング時にはそれを変えている。音声取得部と音声入力部間の相対位置は、それらが成す角度に限らず、音声取得部と音声入力部間の距離を含んでもよい。そのため、角度と距離をそれぞれ変えて、角度毎、距離毎にチューニングを行って、それらの結果を統合するようにしてもよい。この距離の変更は、例えば、回転のみならず伸縮も可能なロボットアームを用い、チューニング時にはロボットアームを伸縮させることによって実現すればよい。
【００６１】
また、本実施の形態において、一例として肩関節を備えたロボットアームを用いたが、それに装着された音声出力部と音声取得部との相対的な位置関係を変位可能であれば、肩関節のみならず、例えば肩関節、肘関節、腕関節のいずれか１つまたは複数を備えるロボットアームを用いてもよい。
【図面の簡単な説明】
【００６２】
【図１】本発明の実施の形態にかかる音声認識ロボットを示す図である。
【図２】図１に示す音声認識ロボットにおけるマイクロホンアレーとチューニング部を示す図である。
【図３】図２に示すマイクロホンアレーにおける音声強調部の処理を説明するための図である。
【図４】図２に示すマイクロホンアレーの理想指向性パターンの例を示す図である。
【図５】チューニング部の詳細を示す図である。
【図６】図５に示すチューニング部におけるチューニング制御部を説明するための図である。
【図７】図５に示すチューニング部の処理の流れを示すフローチャートである。
【符号の説明】
【００６３】
１０ 音源
２０ａ マイクロホン
２０ｂ マイクロホン
２０ｃ マイクロホン
１００ 音声認識ロボット
１１０ 頭部
１２０ 本体
１３０ チューニング部
１３５ チューニング制御部
１４０ チユーニング実行部
１５０ 車輪
１６０ ロボットアーム
１７０ スピーカ
１８０ マイクロホンアレー
１８２ 音声入力部
１８４ マイクロホンアレー処理部
１８６ ＡＤ変換器
１８８ 補正部
１９０ 周波数変換部
１９２ 音声強調部
１９４ 雑音推定部
１９６ 特徴量取得部
【技術分野】
【０００１】
本発明は、音声認識ロボット具体的にはその音声取得部をチューニングする機能を備えた音声認識ロボットに関する。
【背景技術】
【０００２】
ロボットは、産業活動や生産活動の現場に関わらずオフィスや家庭の中までその活躍の範囲を広げつつある。産業活動や生産活動の現場においては、各種の難産業を代行や支援をし、家庭の中では、例えば人やペットなどの比較的知性の高い歩行動物の動作メカニズムや感情表現をエミュレートし、人間と「共生」する。これらのロボットの多くは、従来のロボットのように予め決められたパターンの動作のみを行うものではなく、状況を解析して行動するいわゆる自律式のものである。自律式のロボットの一例として、音声認識機能を備え、音声による指示を解析して、指示された動作を行う音声認識ロボットが挙げられる。
【０００３】
通常、音声認識ロボットが置かれる環境には、指示の音声以外に、他の音声（ノイズ）も混在する。音声認識ロボットの誤動作を防ぐために、指示の音声を正しく受音する必要があり、そのための様々な試みがなされている。
【０００４】
特許文献１には、ノイズよりも目的音声を受音しやすいようにする技術が開示されている。この技術によれば、音声認識ロボットは、音声指示がなされた際に、音声指示の音源方向を推定し、推定した音源方向に移動して音源に近づくことによって、音声指示の音声を他の音声よりも強く受音できるようにしている。
【０００５】
また、特許文献２には、音声を取得する部分（以下音声取得部という）が正しく動作しているか否かを、ロボット自身により診断する技術が開示されている。具体的には、音声取得部例えばマイクの近傍で、左右の両方または一方のロボットアームを用いて接触音または打撃音を発生させて、マイクが集音可能であるか否かを確認する。確認の結果がＮＧである場合にはロボットアームでマイクを指しながら首を振るなどのジェスチャを実行してユーザに対してマイクに問題があることを通知する。
【特許文献１】特開２００６−１８１６５１号公報
【特許文献２】特開２００２−１４４２６０号公報
【発明の開示】
【発明が解決しようとする課題】
【０００６】
特許文献１に開示された技術は、音声取得部が正しく動作していることを前提としている。音声取得部が正しく動作しているか否かは、たとえば、設計通りの理想指向性パターンになっているか否かにより表すことができる。音声取得部が理想指向性パターンになるためのチューニングは、通常エンジニアにより行われる。
【０００７】
また、特許文献２に開示された技術では、ユーザに問題があることを通知することができるが、問題を解決するためのチューニングもユーザまたはエンジニアの手に委ねる。
【０００８】
音声認識ロボットの開発段階において、ユニット数が少ないため、エンジニアにより音声取得部のチューニングがそれほど負担にならないが、量産の段階に入ると、工数、コストなどの要因から自動化が要求される。
【０００９】
また、音声認識ロボットがユーザに渡った後でも、音声取得部のチューニングが必要である。チューニングの度にエンジニアが使用現場に出向くのでは、ユーザに金銭面、時間面の負担を与えることになる。ユーザからも、音声認識ロボットの音声取得部の自動チューニングが希望される。
【００１０】
マイクなどの音声取得部のチューニングには、基準音声を出力する基準音源が必要である。チューニングの自動化が可能か否かは、基準音源の有効な提供手法があるか否かに依存すると言っても過言ではない。ここで、所定場所に基準音源を設置し、チューニング時には音声認識ロボットを基準音源に近い位置に移動させる手法について考える。音声認識ロボットの本体にチューニング機能を実装させれば、この音声認識ロボットが基準音源の近くに移動すれば音声取得部の自動チューニングが可能となる。しかし、この手法では、ロボットの移動が伴うため、生産段階においては、工程数が増えるという問題があり、効率が良くない。また、基準音源を設置するための場所も必要である。
【００１１】
ユーザに渡った後のチューニングにおいて、実使用環境で基準音源の設置および保守もユーザにとって負担である。
【００１２】
本発明は、上記事情に鑑みてなされたものであり、効率良くかつ便利に音声認識ロボットの音声取得部の自動チューニングを実現する。
【課題を解決するための手段】
【００１３】
本発明にかかる音声認識ロボットは、音声取得部と、音声出力部と、該音声出力部が装着される装着部と、音声取得部に対してチューニングを行うチューニング部を備える。チューニング部は、チューニングを行うに際し、音声出力部に基準音声を出力させるチューニング制御部と、基準音声に対する音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有する。本発明によれば、音声認識ロボットに音声出力部とチューニング部が備えられているので、チューニングの際に、チューニング部が音声出力部に基準音声を出力させ、この基準音声に対する音声取得部の応答を用いてチューニングができる。そのため、基準音源の設置場所の確保や、チューニングのために音声認識ロボットを移動させることなど必要が無くなり、便利かつ効率が良い。
【００１４】
本発明は、音声取得部が複数のマイクロホンを備えたマイクロホンアレーである音声認識ロボットに適用することができる。この場合、チューニング実行部は、これらの複数のマイクロホンの感度特性のばらつきを解消するためのキャリブレーションを実行する。
【００１５】
本発明の音声認識ロボットにおける装着部は、それに装着された音声出力部が音声取得部に対する相対的な位置を変位可能に構成された変位部を備え、チューニング制御部は、音声取得部に対する音声出力部の相対的な位置関係が所定の位置関係になるように変位部に変位させた後に音声出力部に基準音声を出力させることが好ましい。このような構成によって、たとえば音声取得部のチューニングに好適な位置に音声出力部を移動させることができる。
【００１６】
また、この変位部としては、１つ以上の関節を備えたロボットアームと、該ロボットアームを駆動する駆動部で構成することが好ましい。音声認識ロボットは通常ロボットアームを有し、それに音声出力部を装着するようにすれば、音声出力部を装着する機構を別途設ける必要が無い。
【００１７】
また、チューニング制御部は、音声取得部と音声出力部の相対的な位置関係が互いに異なる複数の所定の位置関係にそれぞれなるように、複数回に亘って変位部に変位させ、音声取得部と音声出力部の相対的な位置関係が所定の位置関係になる毎に音声出力部に基準音声を出力させ、チューニング実行部は、音声出力部から基準音声が出力される毎にチューニングを行うと共に、複数のチューニングの結果を統合することが好ましい。このような構成によれば、特に音声取得部がマイクロホンアレーである場合において、より良いチューニング効果を得ることができる。
【００１８】
さらに、チューニング制御部は互いに周波数が異なる複数の基準音声を音声出力部に順次出力させ、チューニング実行部は、基準音声の周波数毎にチューニングを実行することが好ましい。音声取得部の感度などの特性は、受信した音声信号の周波数によって異なりうるので、このような構成によってチューニングを各周波数について行うようにすれば、チューニングの精度を高めることができる。
【００１９】
なお、上述した装置を方法やシステムまたはプログラムとして表現したものも、本発明の範囲内にある。
【発明の効果】
【００２０】
本発明の技術によれば、音声認識ロボットの音声取得部の自動チューニングを効率良くかつ便利に実現することができる。
【発明を実施するための最良の形態】
【００２１】
以下、図面を参照して本発明の実施の形態について説明する。
図１は、本発明の実施の形態にかかる音声認識ロボット１００を示す。図示のように、音声認識ロボット１００は、頭部１１０と、ボディー（以下本体という）本体１２０と、車輪１５０と、ロボットアーム１６０を有し、本体１２０にはマイクロホンアレー１８０が設けられており、ロボットアーム１６０の先端には音声を出力するためのスピーカ１７０が設けられている。
【００２２】
頭部１１０は例えば音声認識ロボット１００の「目」として機能するＣＣＤカメラが装着されている。車輪１５０は、回転することによって音声認識ロボット１００を移動させる。ロボットアーム１６０は肩関節を備える。本体１２０には、ロボットアーム１６０を駆動させる駆動部が内蔵されており、それの駆動によりロボットアーム１６０は回転可能である。また、これらの機能ブロックの動作は、本体１２０に内蔵された制御部（図示せず）により制御される。後に説明するチューニング制御部と区別するために、この制御部を以下通常制御部という。
【００２３】
マイクロホンアレー１８０は、音声認識ロボット１００の「耳」すなわち音声取得部として機能し、音声信号を取得する。
【００２４】
また、本体１２０には、マイクロホンアレー１８０のチューニングを行うチューニング部も備えている。以下の説明および図示において、このチューニング部に符号１３０を付与する。
【００２５】
図２は、マイクロホンアレー１８０とチューニング部１３０を示す。図示のように、マイクロホンアレー１８０は、複数（図示の例では３つ）のマイクロホン１８２ａ、１８２ｂ、１８２ｃを配列してなる音声入力部１８２と、マイクロホンアレー処理部１８４を有する。マイクロホンアレー処理部１８４は、音声入力部１８２の各マイクロホンにより入力された音声信号に対してアナログ・デジタル（ＡＤ）変換してデジタル音声信号を得るＡＤ変換器１８６と、ＡＤ変換器１８６により得られた各マイクロホンのデジタル音声信号に対してそれぞれ補正を行う補正部１８８と、補正部１８８により補正が施された各マイクロホンのデジタル音声信号に対してＦＦＴ変換することによって周波数を変換する周波数変換部１９０と、周波数変換された各マイクロホンのデジタル音声信号に対して音声強調処理を行う音声強調部１９２と、周波数変換された各マイクロホンのデジタル音声信号を用いて雑音の推定を行って雑音信号を得る雑音推定部１９４と、音声強調部１９２により得られた信号から雑音推定部１９４により推定された雑音信号を減算して目的音声信号を得るとともに、目的音声信号から音声認識用の特徴量を抽出して出力する特徴量取得部１９６を備える。なお、特徴量取得部１９６により得られた特徴量は、音声認識ロボット１００の本体１２０に設けられた音声認識処理部（図示せず）に入力され、それにより音声認識処理が施される。音声認識処理の結果は、音声認識ロボット１００の本体１２０に設けられた上述の通常制御部に出力され、通常制御部はそれに応じた動作を音声認識ロボット１００の該当する１つまたは複数の機能ブロックを行わせる。
【００２６】
音声強調部１９２は、主にＤＳ（Ｄｅｌａｙ−ａｎｄ−Ｓｕｍ）処理を行う。音声入力部１８２は、複数のマイクロホンを配列してなるため、音源からの音声信号がマイクロホンに到達するタイミングは各マイクロホン間で異なる。図３の模式図を用いてこれを説明する。
【００２７】
図３に示すように、３つのマイクロホン２０ａ、２０ｂ、２０ｃは、間隔ｄをおいて配列されている。音源１０と各マイクロホンが成す角度がθである。図示の場合、音声がそれぞれのマイクロホンに到達したタイミングは、図中Ｌ／音速（Ｌ：間隔ｄ×ｓｉｎθ）の分異なる。そのため、３つのマイクロホンにより取得されたそれぞれの音声信号は位相が異なり、それらに対して、位相を整合する必要がある。
【００２８】
音声強調部１９２によるＤＳ処理は、音声入力部１８２の各マイクロホンから得られた音声信号のタイミングのずれに合わせて先に取得された音声信号を順次遅延させることによってそれらの位相を同一にし、同一した後のそれぞれの音声信号を加算する。なお、音声強調部１９２によるＤＳ処理は、推定した音源の位置に基づいて、各マイクロホンにより得られた音声信号を遅延させるべき量を決定しているので、方向性雑音を除去し、目的音声を強調する効果を有する。
【００２９】
雑音推定部１９４は、主にＮＢＦ（Ｎｕｌｌ−Ｂｅａｍ−Ｆｏｒｍｅｒ）処理を行う。このＮＢＦ処理は、目的音声の方向以外の方向の信号を強調し目的音声方向に死角を形成する。雑音推定部１９４によって拡散性雑音が得られる。
【００３０】
そして、特徴量取得部１９６は音声強調部１９２により取得された音声信号から雑音推定部１９４により取得された雑音信号を減算することによって、拡散性雑音を除去し、目的音声を得る。
【００３１】
図４は、マイクロホンアレーの理想指向性パターンの例を示す。図中度数は、図３におけるθに対応する。目的音声信号を正しく取得し、音声認識の精度を高めるためには、なるべくこの理想指向性パターンになるようにマイクロホンアレーが設計されている。
【００３２】
ところで、マイクロホンの感度には必ず誤差が伴う。現在市販されている安価なマイクロホンが通常２デシベル（ｄＢ）以上の感度誤差を有することは知られている。そのため、同じマイクロホンでマイクロホンアレーを構成しても、各マイクロホン間に感度のばらつきが避けられない。
【００３３】
マイクロホン間の感度のばらつきは特に雑音推定処理に大きな影響を与える。雑音推定処理の精度が下がると、マイクロホンアレーの指向性パターンに歪みが生じ、音声認識の精度も下がってしまう。
【００３４】
補正部１８６は、音声入力部１８２の各マイクロホンの感度特性のばらつきを解消するためのものであり、マイクロホン毎に設定された補正フィルタでそれぞれのマイクロホンからの音声信号を補正する。また、時間の経過や、音声認識ロボット１００が置かれた環境の変化などによって各マイクロホンの受音特性に変化が生じうるので、時々マイクロホンアレー１８０に対してチューニングを行う必要がある。
【００３５】
チューニング部１３０は、マイクロホンアレー１８０のチューニングを行うものである。チューニングの際に、音声入力部１８２の各マイクロホンにより取得された音声信号がチューニング部１３０に入力され、チューニング部１３０は、それらを用いて各マイクロホンの補正フィルタを設定して補正部１８８に供する。
【００３６】
図５は、チューニング部１３０を示す。チューニング部１３０は、チューニング制御部１３５とチユーニング実行部１４０を有する。チューニング制御部１３５は、マイクロホンアレー１８０に対してチューニングを行うか否かの判定を行う処理、および「行う」と判定した場合に、音声認識ロボット１００のロボットアーム１６０およびスピーカ１７０を制御する処理を行う。なお、チューニング部１３０の様々な処理を行う機能ブロックとして図中に記載れた各要素は、ハードウェア的には、ＣＰＵ、メモリ、その他のＬＳＩで構成することができ、ソフトウェア的には、メモリにロードされたプログラムなどによって実現される。したがって、これらの機能ブロックがハードウェアのみ、ソフトウェアのみ、またはそれらの組合せによっていろいろな形で実現できることは当業者には理解されるところであり、いずれかに限定されるものではない。
【００３７】
チューニングを行うか否かの判定は、マイクロホンアレー１８０における音声入力部１８２の各マイクロホンの受音特性のばらつきパターンに変化が生じた可能性があるか否かに基づいて行う。例えば、前回のチューニングから２４時間など所定の時間を経過した場合、音環境クラスタリングを行った結果は環境音が変化したことを示す場合、音声認識ロボット１００の上述した通常制御部により車輪１５０を移動させる制御があった場合などにおいて、チューニングする必要があると判定する。勿論、この判定の条件はここで述べたものに限られることがない。
【００３８】
チューニング制御部１３５は、「チューニングを行う」と判定した場合、ロボットアーム１６０とスピーカ１７０の動作を制御する。まず、ロボットアーム１６０に対する制御を説明する。なお、ロボットアーム１６０に対する制御は、本体１２０に内蔵された図示しない駆動部を制御することを介して行われ、以下の説明において、ロボットアーム１６０に対する制御と駆動部に対する制御と同じ意味で用いる。また、ロボットアーム１６０は、チューニング時にチューニング制御部１３５により制御され、チューニング以外のときの通常動作時は通常制御部により制御される。
【００３９】
図６は、音声認識ロボット１００を上から見た図である。なお、分かりやすいように、本体１２０とロボットアーム１６０（それに装着されたスピーカ１７０を含む）のみを図示し、頭部１１０および車輪１５０を省略する。チューニング制御部１３５は、本体１２０に設けられたマイクロホンアレー１８０における音声入力部１８２とロボットアーム１６０が成す角度、より正確には音声入力部１８２の各マイクロホンの配列方向とロボットアーム１６０が成す角度αが所定の値になるように、ロボットアーム１６０を回転させる。ロボットアーム１６０の先端に装着されたスピーカ１７０は、ロボットアーム１６０の回転によりその音声出力方向と音声入力部１８２が成す方向も変る。すなわち、チューニング制御部１３５は、ロボットアーム１６０を回転させることによって、図３の模式図に示す角度θを上記角度αの所定の値に対応する値にしている。
【００４０】
ロボットアーム１６０の回転後、チューニング制御部１３５は、ロボットアーム１６０に装着されたスピーカ１７０に基準音声を出力させる。本実施の形態では、この基準音声として、ＴＳＰ（Ｔｉｍｅ−Ｓｔｒｅｔｃｈｅｄ−Ｐｕｌｓｅ：時間引き延ばしパルス）信号が用いられる。
【００４１】
音声入力部１８２の各マイクロホンは、スピーカ１７０からのＴＳＰ信号を受音すると、応答信号（以下ＴＳＰ応答信号という）をそれぞれ出力する。これらのＴＳＰ応答信号は、チューニング部１３０のチユーニング実行部１４０に入力される。
【００４２】
チユーニング実行部１４０は、ＴＳＰ信号を時間反転してＴＳＰ時間反転信号を得、それぞれのマイクロホンのＴＳＰ応答信号に、ＴＳＰ時間反転信号を畳み込む。これによって、各マイクロホンのインパルス応答信号が得られる。
【００４３】
前述したように、補正部１８８は、音声入力部１８２のマイクロホンの感度のばらつきを解消するためのものであり、マイクロホン毎に補正フィルタを用いて補正を行う。チユーニング実行部１４０は、各マイクロホンの感度が揃うようにこれらの補正フィルタを設定する。
【００４４】
本実施の形態において、チユーニング実行部１４０は、音声入力部１８２における基準マイクロホンと同じ感度になるように、他のマイクロホンの補正フィルタを設定する。具体的には、対象マイクロホンのインパルス応答信号から該マイクロホンのパワースペクトルを算出し、下記の式（１）にしたがってこのマイクロホンの補正フィルタＡを求める。
【００４５】
Ａ＝Ｐ／Ｐ０ （１）
但し，Ａ：補正フィルタ
Ｐ：対象マイクロホンのパワースペクトル
Ｐ０：基準マイクロホンのパワースペクトル
なお、基準マイクロホンとして、音声入力部１８２に含まれるマイクロホンのうちのいずれを用いるかは設計者に委ねられる。
【００４６】
さらに、実使用環境において、音声認識ロボット１００は、様々な方向にある音源からの音声信号を受信する必要があることを考え、本実施の形態において、チューニング部１３０は、複数の異なる角度αにおいてチューニングを行う。具体的には、１つのマイクロホンに対して、各角度αについて補正フィルタＡを求め、これらの補正フィルタＡを統合して統合補正フィルタを得る。
【００４７】
チユーニング実行部１４０は、基準マイクロホン以外の他のマイクロホン対してそれぞれの統合補正フィルタを得て補正部１８８に出力する。補正部１８８は、これらのマイクロホンの補正フィルタを、チユーニング実行部１４０から出力されてきたそれぞれの統合補正フィルタに更新する。
【００４８】
また、より良い補正効果を得るために、音声信号の周波数毎に補正フィルタを設定することが好ましいため、本実施の形態において、チューニング制御部１３５は、チューニングに際し、周波数（ｂｉｎ）が互いに異なる複数のＴＳＰ信号をスピーカ１７０に順次出力させる。チユーニング実行部１４０は、基準マイクロホン以外のそれぞれのマイクロホンに対して、周波数（ｂｉｎ）毎に補正フィルタＡを求めて補正部１８８に供する。
【００４９】
図７は、本実施の形態の音声認識ロボット１００におけるチューニング部１３０の処理の流れを示すフローチャートである。待機状態において、チューニング部１３０におけるチューニング制御部１３５は、チューニングを実行するか否かの判定を行う（Ｓ１０）。「実行しない」と判定した場合（Ｓ１０：Ｎｏ）には、チューニング部１３０の待機状態が続く（Ｓ２０）一方、「実行する」と判定した場合（Ｓ１０：Ｙｅｓ）、チューニング制御部１３５は、音声認識ロボット１００のロボットアーム１６０を回転させる（Ｓ３０）と共に、ロボットアーム１６０の回転後、スピーカ１７０にＴＳＰ信号を出力させる（Ｓ４０）。
【００５０】
チユーニング実行部１４０は、チューニングを実行する（Ｓ５０）。具体的には、チユーニング実行部１４０は、このＴＳＰ信号に対する各マイクロホンのＴＳＰ応答信号と、ＴＳＰ信号の時間反転信号を用いて、基準マイクロホン以外の各マイクロホンの補正フィルタＡを求める。そして、チューニング制御部１３５は、ロボットアーム１６０をさらに回転させて角度αを変える共に、スピーカ１７０に同じ周波数のＴＳＰ信号を出力させる。チユーニング実行部１４０は、変更された角度αについて、基準マイクロホン以外の各マイクロホンに対して再度補正フィルタＡをも求める。角度αの変更、ＴＳＰ信号の出力、補正フィルタＡの算出が複数回繰り返され、各マイクロホンに対して、角度αの数と同じ数の補正フィルタＡが求められる。チユーニング実行部１４０は、基準マイクロホン以外の各マイクロホン毎に、その補正フィルタＡを統合して統合補正フィルタを得、補正部１８８に出力する。
【００５１】
１つの周波数（ｂｉｎ）について統合補正フィルタを求める処理が終わると、チューニング制御部１３５は、異なる周波数（ｂｉｎ）のＴＳＰ信号をスピーカ１７０に出力させ、チユーニング実行部１４０は、この周波数（ｂｉｎ）について統合補正フィルタを求める上記の処理を行う。
【００５２】
このようにしてチユーニング実行部１４０から補正部１８８に、基準マイクロホン以外のそれぞれのマイクロホンの、周波数（ｂｉｎ）毎の、複数の角度αについて求められた補正フィルタＡの統合補正フィルタが供される。
【００５３】
本実施の形態の音声認識ロボット１００は、チューニング機能を備えると共に、スピーカ１７０がロボットアーム１６０に装着され、チューニング制御部１３５の制御に従ってチューニング用の基準音声を出力することができる。そのため、チューニングを行う際に、ロボットを基準音源の設置場所に行かせる必要が無く、生産現場においては工数およびコストを抑制することができ、実使用においては、ユーザに便利性を提供する。さらに、チューニングのための基準音源の設置場所も要らないという利点がある。
【００５４】
また、本実施の形態において、スピーカ１７０が音声認識ロボット１００のロボットアーム１６０に装着されている。通常、ロボットアームがロボットに備えられるため、ロボットアームを音声出力部の装着部として兼用させることによって、音声認識ロボットの構成をシンプルにすることができる。
【００５５】
さらに、ロボットアームはそれに装着された音声出力部（スピーカ）がマイクロホンアレーに対する相対的な位置を変位可能な変位部であるため、ロボットアームを回転させると、音声出力部と、ロボットの本体に固定された音声取得部との相対的な位置関係を変えることができる。これによってチューニングに適した好適な相対位置になるように、チューニング時に音声出力部の位置を簡単に変えることができる。また、音声認識ロボット１００のように、音声取得部が、異なる相対位置毎にチューニングを行う必要がある場合には便利である。
【００５６】
さらに、ロボットアームのリーチは、メカ的には通常固定であるため、それを回転させることによって音声出力部と音声取得部の相対位置を変えるときには、移動誤差が少ない。結果として、音声取得部と音声取得部の相対位置の誤差を少なくできる。
【００５７】
以上、実施の形態をもとに本発明を説明した。実施の形態は例示であり、本発明の主旨から逸脱しない限り、さまざまな変更、増減を加えてもよい。これらの変更、増減が加えられた変形例も本発明の範囲にあることは当業者に理解されるところである。
【００５８】
例えば、上述した実施の形態の音声認識ロボット１００において、音声出力部として機能するスピーカ１７０を片方のロボットアームにしか設けていないが、音声出力部を両方のロボットアームに設けるようにしてもよい。
【００５９】
また、音声認識ロボット１００は、マイクロホンアレーである音声取得部を有するが、本発明は、チューニング時に基準音声を必要とするいかなる種類の音声取得部を有する音声認識ロボットにも適用することができる。
【００６０】
また、音声認識ロボット１００におけるチューニング部１３０は、角度αをスピーカ１７０と音声入力部１８２間の相対位置とし、チューニング時にはそれを変えている。音声取得部と音声入力部間の相対位置は、それらが成す角度に限らず、音声取得部と音声入力部間の距離を含んでもよい。そのため、角度と距離をそれぞれ変えて、角度毎、距離毎にチューニングを行って、それらの結果を統合するようにしてもよい。この距離の変更は、例えば、回転のみならず伸縮も可能なロボットアームを用い、チューニング時にはロボットアームを伸縮させることによって実現すればよい。
【００６１】
また、本実施の形態において、一例として肩関節を備えたロボットアームを用いたが、それに装着された音声出力部と音声取得部との相対的な位置関係を変位可能であれば、肩関節のみならず、例えば肩関節、肘関節、腕関節のいずれか１つまたは複数を備えるロボットアームを用いてもよい。
【図面の簡単な説明】
【００６２】
【図１】本発明の実施の形態にかかる音声認識ロボットを示す図である。
【図２】図１に示す音声認識ロボットにおけるマイクロホンアレーとチューニング部を示す図である。
【図３】図２に示すマイクロホンアレーにおける音声強調部の処理を説明するための図である。
【図４】図２に示すマイクロホンアレーの理想指向性パターンの例を示す図である。
【図５】チューニング部の詳細を示す図である。
【図６】図５に示すチューニング部におけるチューニング制御部を説明するための図である。
【図７】図５に示すチューニング部の処理の流れを示すフローチャートである。
【符号の説明】
【００６３】
１０ 音源
２０ａ マイクロホン
２０ｂ マイクロホン
２０ｃ マイクロホン
１００ 音声認識ロボット
１１０ 頭部
１２０ 本体
１３０ チューニング部
１３５ チューニング制御部
１４０ チユーニング実行部
１５０ 車輪
１６０ ロボットアーム
１７０ スピーカ
１８０ マイクロホンアレー
１８２ 音声入力部
１８４ マイクロホンアレー処理部
１８６ ＡＤ変換器
１８８ 補正部
１９０ 周波数変換部
１９２ 音声強調部
１９４ 雑音推定部
１９６ 特徴量取得部
【特許請求の範囲】
【請求項１】
音声取得部と、
音声出力部と、
該音声出力部が装着される装着部と、
前記音声取得部に対してチューニングを行うチューニング部を備え、
該チューニング部は、前記チューニングを行うに際し、
前記音声出力部に基準音声を出力させるチューニング制御部と、
前記基準音声に対する前記音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有することを特徴とする音声認識ロボット。
【請求項２】
前記音声取得部は、複数のマイクロホンを備えたマイクロホンアレーであり、
前記チューニング実行部は、前記複数のマイクロホンの感度特性のばらつきを解消するためのキャリブレーションを実行するものであることを特徴とする請求項１に記載の音声認識ロボット。
【請求項３】
前記装着部は、装着された前記音声出力部が前記音声取得部に対する相対的な位置を変位可能に構成された変位部を備え、
前記チューニング制御部は、前記音声取得部に対する前記音声出力部の相対的な位置関係が所定の位置関係になるように前記変位部に変位させた後に前記音声出力部に基準音声を出力させることを特徴とする請求項１または２に記載の音声認識ロボット。
【請求項４】
前記変位部は、
１つ以上の関節を備えたロボットアームと、
該ロボットアームを駆動する駆動部を有することを特徴とする請求項３に記載の音声認識ロボット。
【請求項５】
前記チューニング制御部は、前記音声取得部と前記音声出力部の相対的な位置関係が互いに異なる複数の前記所定の位置関係にそれぞれなるように、複数回に亘って前記変位部に変位させ、前記所定の位置関係になる毎に前記音声出力部に基準音声を出力させ、
前記チューニング実行部は、前記音声出力部から基準音声が出力される毎にチューニングを行うと共に、複数のチューニングの結果を統合することを特徴とする請求項３または４に記載の音声認識ロボット。
【請求項６】
前記チューニング制御部は、互いに周波数が異なる複数の基準音声を前記音声出力部に順次出力させ、
前記チューニング実行部は、前記周波数毎にチューニングを実行することを特徴とする請求項１から５のいずれか１項に記載の音声認識ロボット。
【請求項１】
音声取得部と、
音声出力部と、
該音声出力部が装着される装着部と、
前記音声取得部に対してチューニングを行うチューニング部を備え、
該チューニング部は、前記チューニングを行うに際し、
前記音声出力部に基準音声を出力させるチューニング制御部と、
前記基準音声に対する前記音声取得部の応答を用いてチューニングを実行するチューニング実行部とを有することを特徴とする音声認識ロボット。
【請求項２】
前記音声取得部は、複数のマイクロホンを備えたマイクロホンアレーであり、
前記チューニング実行部は、前記複数のマイクロホンの感度特性のばらつきを解消するためのキャリブレーションを実行するものであることを特徴とする請求項１に記載の音声認識ロボット。
【請求項３】
前記装着部は、装着された前記音声出力部が前記音声取得部に対する相対的な位置を変位可能に構成された変位部を備え、
前記チューニング制御部は、前記音声取得部に対する前記音声出力部の相対的な位置関係が所定の位置関係になるように前記変位部に変位させた後に前記音声出力部に基準音声を出力させることを特徴とする請求項１または２に記載の音声認識ロボット。
【請求項４】
前記変位部は、
１つ以上の関節を備えたロボットアームと、
該ロボットアームを駆動する駆動部を有することを特徴とする請求項３に記載の音声認識ロボット。
【請求項５】
前記チューニング制御部は、前記音声取得部と前記音声出力部の相対的な位置関係が互いに異なる複数の前記所定の位置関係にそれぞれなるように、複数回に亘って前記変位部に変位させ、前記所定の位置関係になる毎に前記音声出力部に基準音声を出力させ、
前記チューニング実行部は、前記音声出力部から基準音声が出力される毎にチューニングを行うと共に、複数のチューニングの結果を統合することを特徴とする請求項３または４に記載の音声認識ロボット。
【請求項６】
前記チューニング制御部は、互いに周波数が異なる複数の基準音声を前記音声出力部に順次出力させ、
前記チューニング実行部は、前記周波数毎にチューニングを実行することを特徴とする請求項１から５のいずれか１項に記載の音声認識ロボット。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２００８−１６４７４７（Ｐ２００８−１６４７４７Ａ）
【公開日】平成２０年７月１７日（２００８．７．１７）
【国際特許分類】
【出願番号】特願２００６−３５１７９６（Ｐ２００６−３５１７９６）
【出願日】平成１８年１２月２７日（２００６．１２．２７）
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
【公開日】平成２０年７月１７日（２００８．７．１７）
【国際特許分類】
【出願日】平成１８年１２月２７日（２００６．１２．２７）
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
[ Back to top ]