ロボカップ＠ホーム入門

1. ロボカップ＠ホーム入門～サービスロボットの音声対話技術～情報通信研究機構（NICT）ユニバーサルコミュニケーション研究所杉浦孔明 komei.sugiura@nict.go.jp 2013/07/09

2. 自己紹介：経歴 • 委員 – RoboCup@Home Executive Committee、ロボカップジャパンオープン @Homeリーグ実行委員 • 受賞 – RoboCup世界大会優勝（2008, 2010）、準優勝（2009, 2012） • 専門 – 知能ロボティクス、ロボット対話、機械学習 1998-2002 京都大学工学部電気電子工学科 2002-2007 京都大学情報学研究科修士課程・博士課程 2006-2008 学術振興会特別研究員 2008- 情報通信研究機構研究員

3. ロボカップ＠ホームの概要 • 生活支援ロボットの競技会として世界最大* – ロボカップのリーグのひとつ – 中心課題：モバイルマニピュレーション・ヒューマンロボットインタラクション – ７個の規定タスクと３つのデモタスクにより評価される • 参加チーム – 約１５か国の大学・研究機関から２００人以上の参加者 – ６～１０人程度のチームが多い＊同様の競技会として、Mobile Manipulation ChallengeやSemantic Robot Visionがある 3

4. ロボカップ＠ホーム関連文献（解説） References Focus 大橋健, “RoboCup@Homeにおける課題設定と技術開発”, 計測と制御, Vol. 52, No. 6, pp. 481-486, 2013. 移動杉浦孔明, 長井隆行, "ロボカップ＠ホームにおける日用品マニピュレーション", 日本ロボット学会誌, Vol. 31, No. 4, pp. 370-375, 2013. 2012タスク杉浦孔明, "ロボカップ道しるべ第８回「ロボカップ＠ホームリーグ」", 情報処理, Vol. 53, No. 3, pp. 250-261, 2012. 音声処理岡田浩之，大森隆司，“ロボカップ@ホーム: 人とロボットの共存を目指して，” 人工知能学会誌，vol.25，no.2，pp.229-236，2010. 2009タスク J. Stuckler, D. Holz, and S. Behnke, “RoboCup@Home: Demonstrating Everyday Manipulation Skills in RoboCup@Home,” Robotics & Automation Magazine, IEEE, vol.19, no.2, pp.34–42, 2012. 日用品把持 L. Iocchi, and T. van der Zant, “RoboCup@Home: Adaptive Benchmarking of Robot Bodies and Minds,” Proc. of SIMPAR, pp.171–182, 2010. 得点分布

5. チーム数の推移場所事前登録チーム（書類選考前）世界大会参加チーム日本大会参加チーム 2006 ドイツ 20 11 - 2007 アメリカ 16 11 - 2008 中国 18 14 2 2009 オーストリア 25 18 2 2010 シンガポール 31 24 2 2011 トルコ 30 19 6 2012 メキシコ 22 20 10 2013 オランダ 22 21 10

7. タスクの難しさ • モバイルマニピュレーション – 未知環境における地図作成・移動 – 観客（移動障害物）の存在 – 実際の店舗の利用 – 日用品の物体認識・把持 • ヒューマンロボットインタラクション – 高騒音環境（Leq=75dB） – 頑健な対話処理 – ジェスチャ認識 8

8. 規定タスク（2013年） Stage Task name Abstract 場所 1 Robot Inspection and Poster Session 競技形式で移動機能・停止スイッチ等の動作を確認するフィールド Follow Me 人混みやエレベータの中で未知ユーザを追従する外部 Clean Up ２０個のオブジェクトを指定された場所に移動させるフィールド Cocktail Party ロボットを呼んでいる３人を見つけて注文を聞き、飲み物を取りに行くフィールド Emergency 煙と要救助者を探索してマップにまとめるフィールド Open Challenge ロボットの性能に関する，研究面で優れている点のデモフィールド 2 Enduring General Purpose Service Robot 複文の指示の解釈、曖昧な指示を明確化（例：「何の飲み物を持ってきますか」）し，指示を実行するフィールド Restaurant 未知環境（実際の店舗）で棚から３個のオブジェクトを持ってくる外部 Demo Challenge 毎年変更されるテーマに沿ったデモフィールド決勝 Final 自由に選んだテーマに沿ったデモフィールド

9. 規定タスク例：Cocktail Party 項目配点項目毎最高点平均点呼んでいる人を発見 150 x 3 300 95 人名・飲み物名を復唱 100 x 3 300 108 オブジェクトを把持 200 x 3 400 32 • ロボットを呼んでいる３人を見つけて注文を聞き、飲み物を取りに行く

10. 規定タスク例：Restaurant 項目配点項目毎最高点平均点 Guide phaseで５箇所移動 50 x 5 250 143 Navigation phaseで４箇所移動 100 x 4 200 50 オブジェクトを把持 250 x 3 500 45 • 未知環境（実際の店舗）で棚から３個のオブジェクトを持ってくる • ロボットを別の会場（実際の店舗）に輸送してタスクを行う

11. 規定タスク例：Enduring General Purpose Service Robots NimbRo（ボン大学） 12

12. Finalデモ例: 家事動作の模倣学習模倣学習モジュールの内部構成「捨てる」動作の模倣学習例「捨てる」と発話しながら空き缶を捨てる動作を数回見せる空き缶とゴミ箱が「捨てる」に関連することを自動推定。空き缶の移動軌道を一般化して「捨てる」という音声と対応づける教師：ロボット：「ペットボトルをゴミ箱に捨てる」と指示他の場所にあるペットボトルとゴミ箱を探し、「捨てる」軌道を実行利用者：ロボット：対話例

13. ルールは、いつ誰がどうやって決めるのか？ • When? – ２年ごとにタスクを大改正 – ドラフト版は２～３月にリリース（e.g. 2011/3/13, 2010/2/12) • Who? – EC(Executive Committee)：ルール執筆 – TC(Technical Committee)：ルール執筆 – OC(Organizing Committee)：事前審査 • How? – Google groupsで意見を募る – http://groups.google.com/group/athome2012 – TCは方向性の決定・投票・執筆を行う

14. ER@SERSの音声対話技術

15. 音声認識は難しい：今までの失敗例 • 「eR@sers, start!」という号令でモジュールが再起動 – 音声でリスタートできるようにしていた • 音声でスタートできるようにしたら、音声認識失敗し続ける – タイムアウトが入っていなかった • ２単語認識を３連続で失敗 – 日本人の”R”の発音は認識されにくい

16. 音声対話機能の標準的構成 • 上位５チームの音声認識・合成ソフトウェア – ATRASR, Loqendo, MS & CSLU Toolkit, pocket sphinx – XIMERA, Loquendo TTS, MAC OS X Leopard Speech Synthesis API, festival 音声モジュール音声認識発話理解応答生成タスクシナリオ管理システム音声応答音声入力他モジュールからの入力（センサ、画像認識結果等）他モジュールへの出力（アクチュエータ、表示、学習等）

17. 雑音抑圧前雑音抑圧後 60dBA 70dBA 80dBA 75dBA環境では50cmの距離での音声認識すら難しい • eR@sersの騒音環境への対処法 – （指向性マイクロホン） – パーティクルフィルタによるノイズの逐次推定[Fujimoto+06] – noisy 音響モデルの利用 Fujimoto, M et al, “Sequetial non-stationary noise tracking using particle filtering with switching dynamical system, ICASSP, 2006

18. 未知語学習[Nakamura&Sugiura,et al 2011] • 未知語学習の難しさ：音素認識の精度は高くない • 提案手法 – 音素列（認識用） – EigenVoice Gaussian Mixture Modelによる声質変換（合成） Nakamura, T., Sugiura, K.et al, Learning Novel Objects for …", Journal of Intelligent and Robotic Systems, 2011 CMOS（２者の比較）を評価尺度として比較 • ベースライン手法（音素列を合成）より提案手法が好まれた

19. 非モノローグコーパスによるHMM音声合成 • 一般的な合成音声のデメリット – 自然な声・親しみやすい声でない – 質問されたことに気づかない • 既存研究 – 読み上げ用途は自然性が高いが、対話用途では自然性が低い XIMERA （読み上げ） Sugiura, K.et al, “Non-monologue Speech Synthesis for Service Robots”, Proc. of 5th Workshop on Gaze in HRI, 2013

20. まとめ

21. まとめ • 背景 • ＠ホームタスク例 – Cocktail party, Restaurant, E-GPSR • eR@sersの音声対話機能 – 雑音抑圧、未知語学習、音声合成ジャパンオープン2013出場ロボット世界大会2013出場ロボット

ロボカップ＠ホーム入門

You are reading a preview.

Check these out next

ロボカップ＠ホーム入門

More Related Content

More from Komei Sugiura (15)

Recently uploaded (20)