少ない例示から豊かな反応を生み出す、感覚運動協応を再現した自律キャラクタ表現手法

本年度は主に２点の研究を行った。一点目は、動作の失敗と修正の様子を自動生成する機構である。人が環境中で行動する際、動作対象となる環境中の物体の位置・状態などの情報は感覚器からの情報と過去の感覚情報の記憶によると考えられる。感覚情報は取得にコストがかかり、記憶は不正確さを伴う。そのため、感覚器を動かさずに記憶に頼って行動しようとして失敗し、視線を向ける・触探索を行うなど感覚情報を更新する行動を起こしてから再度行動を試行するという、動作の修正が起きることがある。本研究では感覚運動協応に基づくリアリティのある動作としてこのような様子の再現を目指している。本年度は、感覚・確信度付きの記憶・記憶からの感覚予測・本来の行動手順を記述する行動モデルから成る仕組みを構成した。特に行動手順の記述として、行動をサブタスクに分解して木構造とするビヘイビアツリーを用いた。これにより、失敗した際にどこから再試行すればよいかを記述しやすくなると考えられる。二点目は、モーションキャプチャデータを複数のサブ動作に分解する手法である。本研究の手法を様々な動作に適用するには様々な行動パターンの記述が必要となる。これらは実際の人間の行動から取得できると考えられる。モーションキャプチャにより人の動作を取得したのち、環境中の物体への操作の列に変換する必要がある。本研究ではモーションキャプチャデータに対して躍度最小軌道をフィッティングすることにより、少数の到達目標の時系列に変換する手法を実現した。

本年度は主に２点の研究を行った。一点目は、動作の失敗と修正の様子を自動生成する機構である。人が環境中で行動する際、動作対象となる環境中の物体の位置・状態などの情報は感覚器からの情報と過去の感覚情報の記憶によると考えられる。感覚情報は取得にコストがかかり、記憶は不正確さを伴う。そのため、感覚器を動かさずに記憶に頼って行動しようとして失敗し、視線を向ける・触探索を行うなど感覚情報を更新する行動を起こしてから再度行動を試行するという、動作の修正が起きることがある。本研究では感覚運動協応に基づくリアリティのある動作としてこのような様子の再現を目指している。本年度は、感覚・確信度付きの記憶・記憶からの感覚予測・本来の行動手順を記述する行動モデルから成る仕組みを構成した。特に行動手順の記述として、行動をサブタスクに分解して木構造とするビヘイビアツリーを用いた。これにより、失敗した際にどこから再試行すればよいかを記述しやすくなると考えられる。二点目は、モーションキャプチャデータを複数のサブ動作に分解する手法である。本研究の手法を様々な動作に適用するには様々な行動パターンの記述が必要となる。これらは実際の人間の行動から取得できると考えられる。モーションキャプチャにより人の動作を取得したのち、環境中の物体への操作の列に変換する必要がある。本研究ではモーションキャプチャデータに対して躍度最小軌道をフィッティングすることにより、少数の到達目標の時系列に変換する手法を実現した。