未観測情報の予測に基づくロボットによる理解の実現

机器人基于对未观察到的信息的预测来实现理解

• 批准号: 11J10330
• 负责人: 中村 友昭
• 金额: $ 0.83万
• 依托单位: The University of Electro-Communications
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2011
• 资助国家: 日本
• 起止时间: 2011 至 2012
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-11J10330/
• 关键词: カテゴリ分類; 確率モデル; マルチモーダル; 語意獲得; ディリクレ過程

今年度は,人の発話を音素認識器で認識し,Nested Pitman-Yor Language Model(NPYLM)を用い教師なしでその音素列の分節化を行い,切り出された単語を,概念と結びつけることで,その語意の獲得を行った.しかし,言語モデルを持たない音素認識では音素を正しく認識することは困難である.また,NPYMLにおいて正しい単語の分節化を行うためには大量の学習文章が必要となるが,今回のようなロボットと人が物体に関する対話を行うシナリオでは十分な文章を得ることは困難となる.そこで,本研究では人の発話の音素列の候補とNPYML、により分節化した際の単語の切り出し候補を複数計算し,物体概念と結びつける際に,候補の中からその物体と最も確率的にあり得る単語を選択した.ここで重要な事は,単語はロボットが形成した概念を意味しており,単語と概念が独立しているのではなく相互に関係している点である.すなわち,同じカテゴリに含まれる物体には,同一の単語が与えられる可能性が高く,また逆に同じ単語が与えられた物体は,共通する特長を有している可能性が高いと言える.ロボットは概念形成と教示発話の分節化を行う際に,このような情報を利用することにより分節化の精度と,分類精度の両方を高める事が可能となった.また,これまで提案してきた学習アルゴリズムは,いずれもバッチ学習と呼ばれる手法であり,逐次的な学習ができないという問題があった.バッチ学習は,全データを一括で学習するアルゴリズムであるため,情報を全て保持しておかなければならず,計算時間が長いことや,物理的なメモリ使用量も多いという問題点がある.そこで本研究では,自律的に室内を移動しながら知覚情報を取得し,さらにユーザーとのインタラクションを通じて概念と語意をインクリメンタルに学習する手法を提案した.さらに,オンライン学習アルゴリズムを実際にロボットに実装し,1週間といった長い期間人がロボットに物体の情報を教示することで,言語の獲得が可能となった.

This year, people's speech phoneme recognition device is recognized,Nested Pitman-Yor Language Model(NPYLM) is used to segment the phoneme sequence, cut out the single language, concept and conclusion, and obtain the meaning. Speech is difficult to recognize in phoneme recognition. NPYML is a language that is divided into sections and is difficult to learn. In this study, the candidate of phoneme sequence of speech is NPYML, the candidate of segmentation is NPYML This is an important thing, a simple language, a concept, a meaning, a simple language, a concept, an independent concept, a relationship, a point. The probability of the same language being used is high, and the probability of the same language being used is high. Concept formation, segmentation of teaching information, utilization of information, segmentation accuracy, classification accuracy, etc. For example, if you want to learn, you can learn by using the method of learning. For learning, the whole process includes learning, information retention, calculation time, physical usage, and problem points. In this study, we propose a method of learning from the concept of self-discipline indoor mobile communication. In addition, during the period of one week, people can learn information about objects, and the acquisition of speech is possible.

项目成果

Autonomous Acquisition of Multimodal Information for On-line Object Concept Formation by a Robot

机器人在线物体概念形成的多模态信息自主采集

• 发表时间: 2011
• 作者: Araki. T;Nakamura. T;Nagai. T;Funakoshi. K;Nakano. M;Iwahashi. N
• 通讯作者: Iwahashi. N

階層ディリクレ過程を用いたマルチモーダル物体概念の形成

使用分层狄利克雷过程形成多模态对象概念

• 发表时间: 2011
• 作者: 中村友昭;長井隆行;岩橋直人
• 通讯作者: 岩橋直人

Hierarchical Latent Dirichlet Allocationを用いたロボットによる階層的概念の形成

机器人使用分层潜在狄利克雷分配形成分层概念

• 发表时间: 2012
• 作者: Fadlil Muhammad;中村友昭,長井隆行;中村友昭,荒木孝弥,長井隆行,長坂翔吾,谷口忠大,岩橋直人;荒木孝弥,中村友昭,長井隆行,長坂翔吾,谷口忠大,岩橋直人;安藤義記,荒木孝弥,中村友昭,長井隆行
• 通讯作者: 安藤義記,荒木孝弥,中村友昭,長井隆行

多層マルチモーダルLDAに基づく物体と動作の統合モデル

基于多层多模态LDA的物体与运动集成模型

• 发表时间: 2012
• 作者: 池田圭佑;阿部香澄;中村友昭;荒木孝弥;長井隆行
• 通讯作者: 長井隆行

教師なし形態素解析による物体概念を手がかりとした単語切り出しの高精度化

使用无监督词法分析以对象概念为线索提高分词的准确性

• 发表时间: 2012
• 作者: Fadlil Muhammad;中村友昭,長井隆行;中村友昭,荒木孝弥,長井隆行,長坂翔吾,谷口忠大,岩橋直人
• 通讯作者: 中村友昭,荒木孝弥,長井隆行,長坂翔吾,谷口忠大,岩橋直人