第22回 ロボット聴覚特集 - 奥乃研究室 - 京都大学

社 団 法 人 人 工 知 能 学 会Japanese Society forArtificial Intelligence人 工 知 能 学 会JSAI Technical ReportSIG-CHallege-0522-14 (10/15)ヒューマノイドロボット HRP-2 におけるロバスト 音 声 インターフェースRobust Speech Interface for Humanoid HRP-2〇 原 功 , 浅 野 太 , 麻 生 英 樹 , 緒 方 淳 , 比 留 川 博 久 , 金 広 文 男 ( 産 業 技 術 総 合 研 究 所 )山 本 潔 ( 筑 波 大 大 学 院 )* Isao HARA, Futoshi ASANO, Hideki ASOH, Jun OGATA, Hirohisa HIRUKAWA,Fumio KANEHIRO (AIST Japan.), Kiyoshi YAMAMOTO(Univ. of Tsukuba)isao-hara@aist.go.jp, f.asano@aist.go.jp, h.asoh@aist.go.jp, jun.ogata:aist.go.jp, hiro.hirukawa@aist.go.jp,f.kanehiro@aist.go.jp, kyama@mmlab.cs.tsukuba.ac.jpAbstract— For human-robot interaction in the real world, acommunicative function based on speech is important. To realizesuch a function in anyplace, it is significant for the robots toextract target speech spoken by humans from mixture of soundsby their own resources. Consequently we have developed arobust speech interface on the humanoid robot HRP-2 using thereal-time signal processing board and a microphone array system,applied a method of detection and separation of speechevents. Furthermore, we have implemented a dialogue basedhome appliances and a humanoid control system. In this paper,we report the robust speech interface, and an experimental resultof a dialogue based control is also described.1. はじめに近 年 , 家 庭 やオフィスのような 生 活 環 境 においてサービスを 提 供 する 様 々なロボットの 開 発 が 行 われており,2025 年 には 家 庭 における 家 事 支 援 や 高 齢 者 の自 立 支 援 , 介 助 ・ 介 護 等 の 家 庭 環 境 における 人 間 の生 活 を 支 援 する 次 世 代 ロボットの 実 用 化 が 期 待 されている 1) . 人 間 と 共 存 した 環 境 下 でサービスを 行 う 次世 代 ロボットにとって, 音 声 を 用 いた 自 然 なコミュニケーションを 実 現 する 機 能 は, 重 要 な 知 覚 機 能 のひとつである.しかしながら, 我 々が 活 動 している生 活 環 境 のほとんどの 場 面 では, 様 々な 雑 音 源 が 存在 するために,ロボットが 知 覚 する 音 声 は, 雑 音 や反 響 音 を 含 んだ 混 合 音 となる.そのため, 単 純 にマイクロホンと 従 来 の 音 声 認 識 システムを 組 み 合 わせてロボットに 搭 載 するだけでは, 人 間 とロボットが自 然 な 音 声 対 話 を 実 現 することは 難 しい.これに 対し, 生 活 環 境 内 で 人 間 と 共 に 動 作 するロボットの 音声 インターフェースとして, 複 数 のマイクロホンを使 用 し, 混 合 音 から 音 声 のみを 分 離 する 機 能 や 雑 音を 含 んだ 音 響 モデルによって 音 声 認 識 をロバストにする 機 能 を 有 する 様 々なシステムの 研 究 開 発 が 進 められている 2) 3) 4) 5) . 我 々も,さまざまな 環 境 下 で 安全 ・ 安 定 に 動 作 し, 人 間 と 自 然 なコミュニケーションが 可 能 な 人 間 型 ロボットの 実 現 のために,マイクロホンアレイを 用 いたロバスト 音 声 インターフェースシステムの 開 発 を 行 ってきた 6) 7) 8) .このシステムでは,(a) 音 響 情 報 を 視 覚 情 報 との 統 合 による 発 話 区間 の 検 出 ,(b) 適 応 ビームフォーマを 用 いた 音 源 分 離および(c) 音 声 認 識 におけるモデル 適 応 の 3 つのロバスト 化 技 術 を 融 合 し, 音 響 処 理 専 用 のハードウェア上 に 実 装 することで, 実 時 間 の 実 環 境 音 声 認 識 を 実現 している.本 稿 では,ヒューマノイドロボット HRP-2 に 搭 載 したこのロバスト 音 声 インターフェースについて 述 べる.また,ロボット 上 に 実 装 されたロバスト 音 声 インターフェースを 用 いたロボット 動 作 制 御 およびネットワークに 接 続 された 情 報 家 電 機 器 制 御 を 行 う 対話 制 御 システムについて 述 べる.Fig.1 An overview of the robust speech interface2. ロバスト 音 声 インターフェースFig.1に HRP-2 に 搭 載 したロバスト 音 声 インターフェースシステムの 概 要 を 示 す.このシステムでは,(a)ロボット 頭 部 に 実 装 した 広 視 野 カメラ( 画 角 : 約160 度 )による 人 物 位 置 推 定 情 報 と 8 個 のマイクからなるマイクロホンアレイによる 音 源 位 置 推 定 情 報 を用 いた 発 話 区 間 検 出 ,(b) 適 応 ビームフォーマによる音 源 分 離 による 雑 音 の 除 去 および(c) 音 声 認 識 システムの 音 響 モデルを 残 留 雑 音 が 乗 った 音 声 に 合 わせることで 認 識 制 度 向 上 を 図 ったモデル 適 応 の3つの 処理 部 から 構 成 されている.(a)の 発 話 区 間 検 出 では,マイクロホンアレイによる 音 源 位 置 推 定 情 報 と 画 像処 理 による 人 物 位 置 検 出 情 報 から, 空 間 上 の 同 一 位置 から 発 生 した 音 響 情 報 を 発 話 と 定 義 することで,雑 音 源 が 存 在 する 実 環 境 のおける 話 者 による 発 話 区83