特許ウォッチ

公開番号2025139347
公報種別公開特許公報(A)
公開日2025-09-26
出願番号2024038231
出願日2024-03-12
発明の名称モデル生成方法、モデル生成装置、推論プログラム及び推論装置
出願人オムロン株式会社
代理人弁理士法人秀和特許事務所
主分類G06T 7/20 20170101AFI20250918BHJP(計算;計数)
要約【課題】対象の行動意図を推論する能力を獲得した訓練済みモデルを生成するコストを低減する技術を提供する。
【解決手段】本発明の一側面に係るモデル生成装置は、対象の観測データの第1訓練サンプル及び第2訓練サンプルを含む訓練データセットを取得する。第1訓練サンプルには、対象が行動を起こす意図を有することを示すラベルが付与されている。第2訓練サンプルには、ラベルが付与されていない。モデル生成装置は、取得された訓練データセットを用いた正例及びラベル無しデータからの学習による推論モデルの機械学習を制御する。機械学習は、対象が行動を起こす意図を有する程度を観測データから推論する能力を獲得させるように推論モデルを訓練することにより構成される。
【選択図】図1
特許請求の範囲【請求項１】
コンピュータが、
対象の観測データの第１訓練サンプル及び第２訓練サンプルを含む訓練データセットを取得するステップであって、前記第１訓練サンプルには、前記対象が行動を起こす意図を有することを示すラベルが付与されており、前記第２訓練サンプルには、前記ラベルが付与されていない、ステップ、
取得された前記訓練データセットを用いた正例及びラベル無しデータからの学習による推論モデルの機械学習を制御するステップであって、前記機械学習は、前記対象が前記行動を起こす意図を有する程度を前記観測データから推論する能力を獲得させるように推論モデルを訓練することにより構成される、ステップ、並びに
前記機械学習の結果を出力するステップ、
を実行する、
モデル生成方法。
続きを表示（約 980 文字）【請求項２】
前記対象は、対象者であり、
前記行動は、発話である、
請求項１に記載のモデル生成方法。
【請求項３】
前記対象は、対象者であり、
前記行動は、ロボット装置に対する行動である、
請求項１に記載のモデル生成方法。
【請求項４】
前記対象は、移動体の周囲に存在する移動ロボットであり、
前記行動は、前記移動体の経路への割り込みである、
請求項１に記載のモデル生成方法。
【請求項５】
前記第１訓練サンプルは、前記観測データにおいて、前記対象が前記行動を起こしている発生区間の直前の区間から抽出される、
請求項１に記載のモデル生成方法。
【請求項６】
前記第２訓練サンプルは、前記観測データにおいて、前記対象が前記行動を起こしている発生区間より前の区間であって、前記発生区間の直前の区間を除いた区間から抽出される、
請求項１に記載のモデル生成方法。
【請求項７】
前記対象は、対象者であり、
前記観測データは、画像データ、音データ、テキストデータ、生体データ、機器の操作データ、モーションキャプチャデータ、位置データ又はこれらの組み合わせにより構成される、
請求項１に記載のモデル生成方法。
【請求項８】
前記対象は、ロボット装置であり、
前記観測データは、画像データ、音データ、テキストデータ、動作状態データ、位置データ又はこれらの組み合わせにより構成される、
請求項１に記載のモデル生成方法。
【請求項９】
コンピュータに、
対象の観測データのサンプルを取得するステップ、
訓練済み推論モデルを用いて、取得された前記観測データのサンプルから前記対象が
行動を起こす意図を有する程度を推論するステップ、及び
推論の結果を出力するステップ、
を実行させるための、
推論プログラム。
【請求項１０】
前記訓練済み推論モデルは、正例及びラベル無しデータからの学習により生成されたものである、
請求項９に記載の推論プログラム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、モデル生成方法、モデル生成装置、推論プログラム及び推論装置に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
近年、ビデオ会議、バーチャル空間での対話等の遠隔コミュニケーションのための様々なツールが存在する。このツールを介した遠隔コミュニケーションでは、実コミュニケーションと比べて、聴衆等の相手の反応（特に、ノンバーバルな反応）が得られ難い。そのため、相手の発話意図を把握し辛く、その結果、一方的な会話になってしまう等のコミュニケーションが停滞してしまう可能性がある。
【０００３】
そこで、相手の発話意図を可視化する技術の開発が進んでいる。例えば、非特許文献１には、音声、テキスト及び画像から発話意図を推論する能力を獲得した訓練済みモデルを生成する手法が提案されている。この手法によれば、得られる訓練済みモデルを用いることで、相手の発話意図を可視化することができる。その結果、適切なタイミングで発話者の交代を促す等のコミュニケーションの円滑化を期待することができる。
【先行技術文献】
【非特許文献】
【０００４】
Ryo Ishii, et al. "Trimodal prediction of speaking and listening willingness to help improve turn-changing modeling", [online], [令和６年３月５日検索], インターネット＜ＵＲＬ：https://www.frontiersin.org/articles/10.3389/fpsyg.2022.774547/full＞
【発明の概要】
【発明が解決しようとする課題】
【０００５】
本件発明者らは、上記従来の方法には、次のような問題点があることを見出した。すなわち、従来の手法では、訓練サンプルのうちのポジティブサンプル及びネガティブサンプル共にラベル（教師信号、正解データ）が人手により付与される。そして、得られたラベル付き訓練サンプルを用いて、ＰＮ学習（教師あり学習）を行うことで、発話意図を推論する能力を獲得した訓練済みモデルが生成される。
【０００６】
この発話意図の真値を示すラベルを取得する方法として、被験者の自己申告及び被験者以外のアノテータによる付与が考えられる。しかしながら、前者の方法では、訓練サンプルを得ている最中に被験者に自己申告の回答を求めることになり、ラベルを事後的に得ることが困難である。各被験者から回答を得る分だけ、アノテーションにコストがかかる。自己申告の回答を含む余計な動作を行うことで、発話意図が自然に表れた訓練サンプルを得られない可能性がある。また、後者の方法でも、アノテータが判断を行う分だけ、アノテーションにコストがかかる。そもそも発話意図は表出し難いため、アノテータ（他人）により被験者の発話意図の真値（特に、発話意図がない状態）を正確に判断することには限界がある。したがって、従来の方法では、発話意図を推論する能力を獲得した訓練済みモデルを生成するコストが高くなる可能性がある。
【０００７】
なお、このような問題点が生じる場面は、発話意図を推論する場面に限られない。発話以外の行動の意図の表出も発話意図の表出と同様の性質を有し得る。そのため、発話意図以外の行動意図を推論する場面でも同様の問題が生じ得る。また、行動意図の程度を外形的に判断し辛い点で、人手による操作に従った装置、自動制御によるロボット装置等の任意の対象の行動意図も、人の行動意図と同様の性質を有し得る。そのため、任意の対象の
行動意図（行動を起こす意図）を推論するあらゆる場面で同様の問題が生じ得る。
【０００８】
本発明は、一側面では、このような事情を鑑みてなされたものであり、その目的は、対象の行動意図を推論する能力を獲得した訓練済みモデルを生成するコストを低減する又は生成された訓練済みモデルを使用する技術を提供することである。
【課題を解決するための手段】
【０００９】
本発明は、上述した課題を解決するために、以下の構成を採用する。なお、以下の発明の構成は適宜組み合わせ可能である。
【００１０】
本発明の一側面に係るモデル生成方法は、コンピュータが、対象の観測データの第１訓練サンプル及び第２訓練サンプルを含む訓練データセットを取得するステップであって、前記第１訓練サンプルには、前記対象が行動を起こす意図を有することを示すラベルが付与されており、前記第２訓練サンプルには、前記ラベルが付与されていない、ステップ、取得された前記訓練データセットを用いた正例及びラベル無しデータからの学習による推論モデルの機械学習を制御するステップであって、前記機械学習は、前記対象が前記行動を起こす意図を有する程度を前記観測データから推論する能力を獲得させるように推論モデルを訓練することにより構成される、ステップ、並びに前記機械学習の結果を出力するステップを実行する情報処理方法である。
（【００１１】以降は省略されています）

関連特許