[論文レビュー] Design of conversational humanoid robot based on hardware independent gesture generation

Katsushi Ikeuchi, David Baumert+2 more|arXiv (Cornell University)|May 21, 2019

Social Robot Interaction and HRI参考文献 16被引用数 5

ひとこと要約

本稿では、多様なロボットプラットフォームに適応可能な、ハードウェアに依存しないジェスチャー生成システムを提案する。Labanotationを用いてジェスチャーを符号化し、異なるロボットプラットフォーム間でジェスチャーを変換することで、会話に同期したリアルなジェスチャーを実現する。人間らしいジェスチャーを計算可能な記号に変換することで、ロボットの形状にかかわらず、文脈的に適切で自然なジェスチャーを生成でき、人間とロボットの間の自然な対話が向上する。

ABSTRACT

With an increasing need for elderly and disability care, there is an increasing opportunity for intelligent and mobile devices such as robots to provide care and support solutions. In order to naturally assist and interact with humans, a robot must possess effective conversational capabilities. Gestures accompanying spoken sentences are an important factor in human-to-human conversational communication. Humanoid robots must also use gestures if they are to be capable of the rich interactions implied and afforded by their humanlike appearance. However, present systems for gesture generation do not dynamically provide realistic physical gestures that are naturally understood by humans. A method for humanoid robots to generate gestures along with spoken sentences is proposed herein. We emphasize that our gesture-generating architecture can be applied to any type of humanoid robot through the use of labanotation, which is an existing system for notating human dance movements. Labanotation's gesture symbols can computationally transformed to be compatible across a range of robots with doddering physical characteristics. This paper describes a solution as an integrated system for conversational robots whose speech and gestures can supplement each other in human-robot interaction.

研究の動機と目的

• 会話的ヒューマノイドロボットにおける動的でリアルなジェスチャー生成の不足を解消すること。
• 特定のロボットハードウェア構成に依存しないジェスチャー生成を可能にすること。
• Labanotationを人間のジェスチャーをロボット互換の運動シーケンスに変換するための普遍的言語として活用すること。
• 会話とジェスチャー生成を統合したシステムとして統合し、より豊かな会話的対話を実現すること。
• ジェスチャーが話された言語と同期した際に、知覚的に自然で文脈的に適切であることを保証すること。

提案手法

• システムは、人間の動きを標準化した表記法であるLabanotationを用い、ジェスチャーを機械処理可能な形式で表現する。
• ジェスチャー列は、特定のロボットの運動学的構造に依存しない記号的表現として符号化される。
• 記号的ジェスチャーは、さまざまなヒューマノイドロボットと互換性のある関節角軌道に計算的に変換される。
• 変換プロセスでは、肢の長さや関節の可動域など、ロボットの形状の違いを考慮する。
• 時間的整合技術を用いて会話とジェスチャーを同期させ、自然な連携を実現する。
• アーキテクチャはモジュール型で拡張可能であり、さまざまな音声合成および自然言語理解モジュールとの統合が可能である。

実験結果

リサーチクエスチョン

• RQ1 どのようにすれば、ヒューマノイドロボットの特定のハードウェア構成に依存しない方法でジェスチャーを生成できるか？
• RQ2 Labanotationは、多様なロボットプラットフォームに適応可能な人間らしいジェスチャーの普遍的表現として機能できるか？
• RQ3 どのようにすれば、話された言語と同期させながら、動的かつ自然なジェスチャーを生成できるか？
• RQ4 このシステムが、知覚的に自然で文脈的に適切なジェスチャーをどれほど生成できるか？
• RQ5 記号的ジェスチャー表現を、リアルタイムで会話的なロボットシステムに適用する可能性はどの程度あるか？

主な発見

• 提案されたシステムは、物理的特性が異なる複数のヒューマノイドロボットにおいても、リアルで文脈的に適切なジェスチャーを効果的に生成した。
• ジェスチャー生成は完全にハードウェアに依存せず、異なる運動学的構造を持つロボットに対しても再プログラミングなしに展開可能である。
• Labanotationの使用により、多様なロボットプラットフォーム間で一貫性があり、計算可能なジェスチャー変換が可能になった。
• 会話とジェスチャーの同期は、定性的な評価を通じて、人間とロボットの対話における自然さの向上を裏付けた。
• システムは、音声入力に応じた動的ジェスチャー生成をリアルタイムで実現した。
• アーキテクチャは拡張性を備えており、既存の自然言語処理および音声合成パイプラインとの統合が可能である。