Enviar pesquisa
Carregar
ロボカップ@ホーム入門
•
5 gostaram
•
2,791 visualizações
Komei Sugiura
Seguir
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 22
Recomendados
Japan Robot Week 2014けいはんなロボットフォーラム
Japan Robot Week 2014けいはんなロボットフォーラム
Komei Sugiura
20151129インテリジェントホームロボティクス研究会
20151129インテリジェントホームロボティクス研究会
Komei Sugiura
実世界の意味を扱う理論と機械知能の構築
実世界の意味を扱う理論と機械知能の構築
Komei Sugiura
ロボティクスにおける言語の利活用
ロボティクスにおける言語の利活用
Komei Sugiura
言葉や能力の壁を越えるデータ指向知能
言葉や能力の壁を越えるデータ指向知能
Komei Sugiura
生活支援ロボットのマルチモーダル言語理解技術
生活支援ロボットのマルチモーダル言語理解技術
Komei Sugiura
ロボットの音声コミュニケーション技術:言葉や能力の壁を越えるデータ指向知能に向けて
ロボットの音声コミュニケーション技術:言葉や能力の壁を越えるデータ指向知能に向けて
Komei Sugiura
bigdata2012nlp okanohara
bigdata2012nlp okanohara
Preferred Networks
Recomendados
Japan Robot Week 2014けいはんなロボットフォーラム
Japan Robot Week 2014けいはんなロボットフォーラム
Komei Sugiura
20151129インテリジェントホームロボティクス研究会
20151129インテリジェントホームロボティクス研究会
Komei Sugiura
実世界の意味を扱う理論と機械知能の構築
実世界の意味を扱う理論と機械知能の構築
Komei Sugiura
ロボティクスにおける言語の利活用
ロボティクスにおける言語の利活用
Komei Sugiura
言葉や能力の壁を越えるデータ指向知能
言葉や能力の壁を越えるデータ指向知能
Komei Sugiura
生活支援ロボットのマルチモーダル言語理解技術
生活支援ロボットのマルチモーダル言語理解技術
Komei Sugiura
ロボットの音声コミュニケーション技術:言葉や能力の壁を越えるデータ指向知能に向けて
ロボットの音声コミュニケーション技術:言葉や能力の壁を越えるデータ指向知能に向けて
Komei Sugiura
bigdata2012nlp okanohara
bigdata2012nlp okanohara
Preferred Networks
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Komei Sugiura
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
Komei Sugiura
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
Komei Sugiura
20161014IROS_WS
20161014IROS_WS
Komei Sugiura
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
Komei Sugiura
20160907rsj16ロボット聴覚OS
20160907rsj16ロボット聴覚OS
Komei Sugiura
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
Komei Sugiura
20160221statistic imitation learning and human-robot communication
20160221statistic imitation learning and human-robot communication
Komei Sugiura
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
Komei Sugiura
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
Komei Sugiura
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
Komei Sugiura
Cloud Robotics for Human-Robot Dialogues
Cloud Robotics for Human-Robot Dialogues
Komei Sugiura
Language acquisition framework for robots: From grounded language acquisition...
Language acquisition framework for robots: From grounded language acquisition...
Komei Sugiura
rospeex: a cloud-based speech communication toolkit for ROS
rospeex: a cloud-based speech communication toolkit for ROS
Komei Sugiura
Introduction to RoboCup@Home
Introduction to RoboCup@Home
Komei Sugiura
Mais conteúdo relacionado
Mais de Komei Sugiura
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
Komei Sugiura
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
Komei Sugiura
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
Komei Sugiura
20161014IROS_WS
20161014IROS_WS
Komei Sugiura
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
Komei Sugiura
20160907rsj16ロボット聴覚OS
20160907rsj16ロボット聴覚OS
Komei Sugiura
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
Komei Sugiura
20160221statistic imitation learning and human-robot communication
20160221statistic imitation learning and human-robot communication
Komei Sugiura
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
Komei Sugiura
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
Komei Sugiura
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
Komei Sugiura
Cloud Robotics for Human-Robot Dialogues
Cloud Robotics for Human-Robot Dialogues
Komei Sugiura
Language acquisition framework for robots: From grounded language acquisition...
Language acquisition framework for robots: From grounded language acquisition...
Komei Sugiura
rospeex: a cloud-based speech communication toolkit for ROS
rospeex: a cloud-based speech communication toolkit for ROS
Komei Sugiura
Introduction to RoboCup@Home
Introduction to RoboCup@Home
Komei Sugiura
Mais de Komei Sugiura
(15)
生活支援ロボットにおける大規模データ収集に向けて
生活支援ロボットにおける大規模データ収集に向けて
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
SuMo-SS: Submodular Optimization Sensor Scattering for Deploying Sensor Netwo...
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
Spatio-Temporal Pseudo Relevance Feedback for Large-Scale and Heterogeneous S...
20161014IROS_WS
20161014IROS_WS
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
New challenge in RoboCup 2017 Nagoya: RoboCup@Home Standard Platform
20160907rsj16ロボット聴覚OS
20160907rsj16ロボット聴覚OS
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
20160606劣モジュラ性を利用したドローンによるばらまき型センサ配置
20160221statistic imitation learning and human-robot communication
20160221statistic imitation learning and human-robot communication
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
20140513大規模異分野データ横断検索における時空間情報を用いた擬似適合性フィードバック
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
20150531Deep Recurrent Neural Networkによる環境モニタリングデータの予測
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
階層型評価構造に基づく観光スポット推薦システムの構築と長期実証実験
Cloud Robotics for Human-Robot Dialogues
Cloud Robotics for Human-Robot Dialogues
Language acquisition framework for robots: From grounded language acquisition...
Language acquisition framework for robots: From grounded language acquisition...
rospeex: a cloud-based speech communication toolkit for ROS
rospeex: a cloud-based speech communication toolkit for ROS
Introduction to RoboCup@Home
Introduction to RoboCup@Home
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
6.
6
7.
8.
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
9.
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
10.
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
11.
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
12.
規定タスク例:Enduring General Purpose
Service Robots NimbRo(ボン大学) 12
13.
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
14.
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
15.
ER@SERSの音声対話技術
16.
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
17.
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)
18.
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
19.
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
20.
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
21.
まとめ
22.
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