文献

J-GLOBAL ID：201802246938614324   整理番号：18A1802519

ディープリカレントニューラルネットワークを用いた人間の全身運動と自然言語間の双方向マッピングの学習【JST・京大機械翻訳】

Learning a bidirectional mapping between human whole-body motion and natural language using deep recurrent neural networks

著者 (3件)： Plappert Matthias (High Performance Humanoid Technologies (H2T), Karlsruhe Institute of Technology (KIT), Adenauerring 2 (Building 50.20), 76131 Karlsruhe, Germany) ,  Mandery Christian (High Performance Humanoid Technologies (H2T), Karlsruhe Institute of Technology (KIT), Adenauerring 2 (Building 50.20), 76131 Karlsruhe, Germany) ,  Asfour Tamim (High Performance Humanoid Technologies (H2T), Karlsruhe Institute of Technology (KIT), Adenauerring 2 (Building 50.20), 76131 Karlsruhe, Germany)
資料名： Robotics and Autonomous Systems  (Robotics and Autonomous Systems)
巻： 109  ページ： 13-26  発行年： 2018年 
JST資料番号： C0133C  ISSN： 0921-8890  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 人間の全身運動と自然言語を結びつけることは,自然言語入力に基づくロボット行動の生成だけでなく,観察された人間行動の意味論的表現の生成にとって非常に興味深い。この分野では多くの研究が行われているが,今日存在する多くのアプローチは運動の象徴的表現(例えば運動プリミティブの形で)を必要とし,これは事前に定義されるか複雑なセグメンテーションアルゴリズムを必要とする。対照的に,ニューラルネットワークと特に深い学習の分野における最近の進歩は,機械翻訳のような応用のために,学習されたエンドツーエンドのサブ記号表現が通常より伝統的な手法よりも優れていることを示している。本論文では,人間の全身運動と自然言語との間の双方向マッピングを,深いリカレントニューラルネットワーク(RNNs)とシーケンスからシーケンスへの学習を用いて学習する生成モデルを提案した。著者らのアプローチは,いかなるセグメンテーションや手動の特徴工学も必要とせず,すべての運動と記述に共有される分散表現を学習する。著者らは,KIT運動言語データセットから,2846人の人間の全身運動と6187人の自然言語記述に関する著者らのアプローチを評価した。著者らの結果は,提案したモデルの有効性を明確に示した。このモデルは,単一文の形で記述されるだけで,広範囲の現実的な運動を生成することを示した。逆に,著者らのモデルは人間の運動から正確で詳細な自然言語記述を生成することもできる。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エンドツーエンド方式 ,  機械翻訳 ,  アルゴリズム ,  人間行動 ,  *自然言語 ,  セグメンテーション ,  *言語 ,  *学習 ,  意味論 ,  *ニューラルネットワーク ,  ロボット
準シソーラス用語： 生成モデル ,  *リカレントニューラルネットワーク ,  記号表現 ,  *全身運動 , 【Automatic Indexing@JST】

著者キーワード (4件)： 人間の全身運動 ,  自然言語 ,  シーケンスからシーケンスへの学習 ,  リカレントニューラルネットワーク

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (6件)： 人間 ,  全身運動 ,  自然言語 ,  双方向 ,  マッピング ,  学習