第22回 ロボット聴覚特集 - 奥乃研究室 - 京都大学

Fig.5 The dialogue system for the humanoid HRP-2システムでは,3 人 分 の 20 単 語 を 雑 音 源 がある 状 態で 録 音 したデータを 基 に 音 響 モデルの 適 応 処 理 を 行ったものを 使 用 している.これらの 処 理 により 音 声認 識 システムの 性 能 の 向 上 を 図 っている.3. HRP-2 における 音 声 対 話 制 御上 で 述 べたロバスト 音 声 インターフェースを 用 いてヒューマノイドロボット HRP-2 の 音 声 対 話 制 御 システムの 実 装 を 行 った.Fig.5 にロバスト 音 声 インターフェースを 含 めた HRP-2 の 音 声 対 話 システム 全 体 の概 要 を 示 す. 情 報 家 電 コントローラを 除 いて,ロボット 内 部 に 実 装 した 音 響 処 理 ハードウェア(RASP-2)および 知 覚 機 能 処 理 用 CPU ボード(Vision Processor)上 に 実 装 されている. 各 モジュールは, 独 立 した 実行 モジュールであり,ロバスト 音 声 インターフェース 部 では RMCP を 介 して,その 他 のモジュール 間 では TCP ソケットを 介 して 接 続 されている.これによって, 適 用 するタスクやロボット 内 の 計 算 資 源 に 応じて, 柔 軟 に 分 散 処 理 を 行 うことが 可 能 になっており, 必 要 に 応 じてロボット 体 外 のネットワーク 上 の計 算 資 源 を 利 用 することも 可 能 になっている.また,このような 比 較 的 疎 なモジュール 間 の 結 合 を 用 いることで, 容 易 にシステムの 拡 張 を 行 うことができる.現 在 , 本 システムで 実 装 されている 対 話 制 御 モジュールでは,ロボットやネットワークに 接 続 された 情報 家 電 の 制 御 することを 対 象 としているために, 音声 コマンドと 制 御 コマンドの 対 応 付 けを 基 本 にしている.また, 音 声 コマンドとして, 孤 立 単 語 や 比 較的 短 い 単 文 を 想 定 し, 制 御 対 象 機 器 の 拡 張 などを 用意 にするために, 音 声 認 識 システム Julian のサーバーモードの 機 能 を 利 用 し, 対 話 制 御 モジュールから,音 声 認 識 用 の 辞 書 等 を 動 的 にロードし, 動 的 辞 書 切換 が 可 能 になっている.これによって, 制 御 対 象 に応 じて 認 識 モードを 設 定 することができ, 認 識 語 彙の 限 定 や 辞 書 の 切 換 による 音 声 認 識 精 度 の 向 上 を 図ることができる.音 声 認 識 結 果 からロボットや 外 部 情 報 家 電 を 制 御 するためのコマンドへの 対 応 づけにおいては, 音 声 コマンドへの 柔 軟 性 を 持 たせるために, 音 声 認 識 結 果を 正 規 表 現 または 認 識 結 果 の 列 挙 という 形 で 記 述 することとし, 対 話 コマンドの 記 述 の 大 幅 な 削 減 と 可読 性 を 高 めている. Fig.6 に, 対 話 制 御 モジュールで 用 いているコマンド 記 述 フォーマットを 示 す.この 例 からわかるように, 対 話 制 御 のスクリプトは,XML 形 式 で 記 述 し,タグの 部 分 が 1 つの 音 声コマンドのセットとなっており,タグに 音 声 認識 された 結 果 およびタグによる 対 応 する 制 御 コマンドセットの 形 式 で 記 述 する.1 つの 音 声認 識 結 果 に 対 する 機 器 制 御 コマンドに 関 しては, 複数 記 述 することが 可 能 になっており, 属 性 を 指 定 することで TCP ソケットを 用 いた 制 御 エージェントへのコマンド 発 行 , 音 声 認 識 辞 書 の 切 換 等 の 内 部 関 数呼 び 出 しおよびスクリプト 言 語 Python インタプリタ呼 び 出 しによる 動 的 な 制 御 コマンドの 発 行 を 行 うことが 可 能 になっている. 音 声 認 識 結 果 1( 正 規 表 現 ) 音 声 認 識 結 果 2( 正 規 表 現 )音 声 認 識 辞 書 切 替 ( 内 部 関 数 呼 び 出 し) 制 御 コマンドPython スクリプトFig.6A script of the rule on the dialogue system86