文献

J-GLOBAL ID：202202261778536474   整理番号：22A2442546

気の利いた家庭内ロボット開発のための曖昧なユーザ要求と周囲の状況の収集

著者 (8件)： 田中翔平 (奈良先端科学技術大学院大) ,  田中翔平 (理研) ,  湯口彰重 (理研) ,  湯口彰重 (奈良先端科学技術大学院大) ,  河野誠也 (理研) ,  中村哲 (奈良先端科学技術大学院大) ,  吉野幸一郎 (理研) ,  吉野幸一郎 (奈良先端科学技術大学院大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2022  号： NL-253  ページ： Vol.2022-NL-253,No.5,1-7 (WEB ONLY)  発行年： 2022年09月22日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 人と協働する対話ロボットは,ユーザの要求に応じて適切なタスク行動を行うことが一般的である.しかしユーザの要求はしばしば顕在化されず,対話ロボットはそうした状況でも,周囲の状況を適切に読み取りユーザが必要とする行動を取ることが期待される.こうした気の利いた行動をとることができるロボットを実現するため,リビングやキッチンにおいてユーザの家事を補助するタスクを対象に,ユーザの発話と周囲の状況に対応する気の利いたロボットの行動からなるデータを構築した.データ構築の方法として,本研究では大きく分けて三段階の手順を踏んだ.まず“ペットボトルを持ってくる”など,ロボットがとることのできる気の利いた行動をあらかじめ定義し,それらの行動をとっているロボットの動画を収録した.次に収集した行動の動画をクラウドワーカーに視聴してもらい,どのような状況でロボットがその行動をとってくれたら気が利いていると思うかをテキストで入力してもらった.最後に収集した状況のテキストに基づき,ロボットが気の利いた行動をとる直前のユーザの発話が行われる状況に紐付けられた動画を収集した.一般にロボットの学習で用いることができるデータは収集コストが大きいため,本研究ではごく少数のデータを収集し,収集した画像から得られる説明的な特徴量についてのアノテーションを行った.構築した少数データセットを用いて気の利いた行動を選択するロボットを実現するため,ユーザの発話内容や画像の畳み込みのみを特徴量として用いる分類器や,説明的な特徴量も用いるマルチモーダルな分類器など,複数のベースラインモデルを構築した.構築したベースラインモデルの性能を比較したところ,単純に画像の畳み込みや事前学習モデルによる特徴量抽出を用いるよりも,人手で付与した画像特徴に関する説明的なアノテーション結果がより分類精度の向上に寄与し,画像から抽出する情報の種類が重要であることが示された.(著者抄録)

シソーラス用語： *知能ロボット ,  *対話処理 ,  *ヒューマンインタフェイス ,  好み ,  発話 ,  *パターン分類 ,  *マルチモーダルインタフェイス ,  学習モデル ,  特徴抽出 ,  アノテーション ,  情報抽出 ,  情報 ,  *ヒューマンロボットインタラクション ,  ロボット設計 ,  状況認識 ,  *家庭用ロボット ,  会話ロボット
準シソーラス用語： *ホームロボット ,  ユーザ好み ,  画像アノテーション ,  画像情報 ,  *画像特徴量 ,  行動選択 ,  対話ロボット ,  適応行動 ,  分類精度

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  人間機械系  (IB03000G)

引用文献 (27件)：

• Ahn, M., Brohan, A., Brown, N., Chebotar, Y., Cortes, O., David, B., Finn, C., Fu, C., Gopalakrishnan, K., Hausman, K., Herzog, A., Ho, D., Hsu, J., Ibarz, J., Ichter, B., Irpan, A., Jang, E., Ruano, R. J., Jeffrey, K., Jesmonth, S., Joshi, N., Julian, R., Kalashnikov, D., Kuang, Y., Lee, K.-H., Levine, S., Lu, Y., Luu, L., Parada, C., Pastor, P., Quiambao, J., Rao, K., Rettinghouse, J., Reyes, D., Sermanet, P., Sievers, N., Tan, C., Toshev, A., Vanhoucke, V., Xia, F., Xiao, T., Xu, P., Xu, S., Yan, M. and Zeng, A.: Do As I Can and Not As I Say: Grounding Language in Robotic Affordances, arXiv preprint arXiv:2204.01691 (2022).
• Budzianowski, P., Wen, T.-H., Tseng, B.-H., Casanueva, I., Ultes, S., Ramadan, O. and Gašić, M.: MultiWOZ - A Large-Scale Multi-Domain Wizard-of-Oz Dataset for Task-Oriented Dialogue Modelling, Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing, Brussels, Belgium, Association for Computational Linguistics, pp. 5016-5026 (2018).
• Cevikalp, H., Benligiray, B. and Gerek, O. N.: Semi-supervised robust deep neural networks for multi-label image classification, Pattern Recognition, Vol. 100, p.107164 (2020).
• Chiba, Y. and Higashinaka, R.: Dialogue Situation Recognition for Everyday Conversation Using Multi-modal Information, Proceedings of INTERSPEECH 2021 (INTERSPEECH), pp. 241-245 (online), DOI:10.21437/Interspeech.2021-171 (2021).
• Gervits, F., Roque, A., Briggs, G., Scheutz, M. and Marge, M.: How Should Agents Ask Questions For Situated Learning? An Annotated Dialogue Corpus, Proceedings of the 22nd Annual Meeting of the Special Interest Group on Discourse and Dialogue, Singapore and Online, Association for Computational Linguistics, pp. 353-359 (online), available from (https://aclanthology.org/2021.sigdial-1.37) (2021).

タイトルに関連する用語 (6件)： 気 ,  家庭 ,  ロボット ,  開発 ,  状況 ,  収集