JP4549703B2 - 対人ロボット及び対人ロボット制御プログラム - Google Patents

Description

本発明は、対人ロボット及び対人ロボット制御プログラムに関する。特に本発明は、人とのコミュニケーションを行う対人ロボット、及び対人ロボットを制御する対人ロボット制御プログラムに関する。

近年、ロボット工学技術の発展に伴い、様々なロボットが開発されている。中でも、愛玩や接客といった用途に用いられ、人間とコミュニケーションを行う対人ロボットがマスメディア等で話題になっている。
従来の対人ロボットにおいては、利用者に話し掛けられた場合に、声が聞こえた大凡の方向を認識すると共に、身体をその方向に向けて、利用者とのコミュニケーションを行うという機能を有するものがある。

現時点で先行技術文献の存在を認識していないので、先行技術文献に関する記載を省略する。

しかしながら、従来の対人ロボットにおいて、多数の利用者から同時に話し掛けられている場合に、対人ロボットが、コミュニケーションを行う対象を切り替える毎に身体の向きを変えていると、切り替え動作に一定の時間を要することにより、コミュニケーションが円滑に行われないという問題があった。また、対人ロボットが、コミュニケーションを行う対象を切り替えても身体の向きを変えず、一定の方向を向いている場合、利用者は、対人ロボットが何れの利用者とコミュニケーションを行っているのかを判断しづらいという問題があった。

そこで本発明は、上記の課題を解決することができる対人ロボット及び対人ロボット制御プログラムを提供することを目的とする。この目的は特許請求の範囲における独立項に記載の特徴の組み合わせにより達成される。また従属項は本発明の更なる有利な具体例を規定する。

上記課題を解決するために、本発明の第１の形態においては、人とのコミュニケーションを行う対人ロボットであって、被写体の画像を撮像する撮像部と、撮像部の外側に設けられ、撮像部が画像を撮像するための開口部を有すると共に、開口部の位置を変化させることのできるシェル部と、シェル部が有する開口部の位置を制御することにより、撮像部が撮像する範囲を制御する撮像範囲制御部とを備える。シェル部は、撮像部に入射する光のうち、一部の光を遮ってもよい。シェル部は、当該対人ロボットの眼球の少なくとも一部として設けられていてもよい。当該対人ロボットは、撮像部により撮像された画像の中で、当該対人ロボットに話し掛けている人物が含まれる領域を選択する話者選択部を更に備え、撮像範囲制御部は、話者選択部により選択された範囲に基づいて、撮像部が撮像する範囲を制御してもよい。

また、本発明の第２の形態においては、対人ロボットを機能させる対人ロボット制御プログラムであって、当該対人ロボットを、被写体の画像を撮像する撮像部と、撮像部の外側に設けられ、撮像部が画像を撮像するための開口部を有すると共に、開口部の位置を変化させることのできるシェル部と、シェル部が有する開口部の位置を制御することにより、撮像部が撮像する範囲を制御する撮像範囲制御部とを備える対人ロボットとして機能させる。当該対人ロボットは、撮像部により撮像された画像の中で、当該対人ロボットに話し掛けている人物が含まれる領域を選択する話者選択部を更に備え、撮像範囲制御部は、話者選択部により選択された範囲に基づいて、撮像部が撮像する範囲を制御してもよい。

なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではなく、これらの特徴群のサブコンビネーションもまた、発明となりうる。

本発明によれば、利用者と対人ロボットとが、より円滑にコミュニケーションを行うことができる。

以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではなく、また実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。

図１は、本発明の実施形態に係る対人ロボット１０の概要を示す。対人ロボット１０は、利用者から話し掛けられた場合に、音声や文字、画像等を用いて応答するといった、双方向のコミュニケーションを行う。具体的には、対人ロボット１０は、デジタルカメラ等を用いて入力した画像に基づいて利用者の動作及び表情を認識すると共に、マイクロフォン等を用いて入力した音声に基づいて利用者の話し声を認識することにより、利用者の意図を認識する。そして、対人ロボット１０は、利用者の意図を認識した結果に基づいて、予め格納されている音声を選択するか、又は必要に応じて音声を合成してスピーカ等を用いて出力することにより、自律的に利用者とのコミュニケーションを行う。

ここで、対人ロボット１０は、音声をスピーカから出力することにより利用者とのコミュニケーションを行うのに変えて、ＬＣＤパネル等の表示デバイスを用いて、文字及び画像を表示することにより、利用者とのコミュニケーションを行ってもよい。また、対人ロボット１０は、自律的に利用者とのコミュニケーションを行うのに変えて、入力した利用者の画像及び話し声を外部の制御端末に送信すると共に、オペレータの音声を制御端末から受信してスピーカ等を用いて出力することにより、利用者とのコミュニケーションを行ってもよい。

利用者にとってより親しみ易いという点で、対人ロボット１０は、本図に示したような人を模した形態であったり、又は、犬や猫等の動物を模した形態であったりすることが好ましい。本実施形態に係る対人ロボット１０は、デジタルカメラ等の、利用者の画像を入力するデバイスを含む眼球１５を備える。

本実施形態に係る対人ロボット１０は、利用者とのコミュニケーションを行う場合に、画像の入力デバイスである眼球１５を外部から見えるように制御して、対人ロボット１０が何れの方向を見ているか、即ち、対人ロボット１０が何れの利用者とコミュニケーションを行っているかを、当該利用者及び他の利用者に知らせることにより、利用者とのコミュニケーションをより円滑に行うことを目的とする。

図２は、本発明の実施形態に係る対人ロボット１０の構成の一例を示すブロック図である。対人ロボット１０は、撮像部１００、１次メモリ１１０、撮像制御部１２０、集音部１３０、話者選択部１４０、シェル部１５０、及び撮像範囲制御部１６０を備える。撮像部１００は、光学系１０２、ＣＣＤ１０４、及び撮像信号処理部１０６を有し、被写体の画像を撮像する。光学系１０２は、例えばフォーカスレンズやズームレンズ等を含み、被写体像をＣＣＤ１０４の受光面上に結像する。ＣＣＤ１０４は、複数の受光素子を含み、光学系１０２により受光面に結像された被写体の光学像によってそれぞれの受光素子に蓄積された電荷を、アナログの電圧信号として撮像信号処理部１０６に出力する。撮像信号処理部１０６は、ＣＣＤ１０４から受け取った、被写体像を示すアナログの電圧信号を、Ｒ、Ｇ、及びＢの各成分に分解する。そして、撮像信号処理部１０６は、Ｒ、Ｇ、及びＢの各成分に分解されたアナログ信号をＡ／Ｄ変換し、その結果得られた被写体像を示すデジタルの画像データを１次メモリ１１０に出力する。１次メモリ１１０は、例えばＤＲＡＭ等の揮発性メモリであり、撮像信号処理部１０６が出力したデジタルの画像データを格納する。撮像制御部１２０は、撮像部１００に含まれる機構部材を駆動することにより、被写体を示す画像の撮像を制御する。例えば、撮像制御部１２０は、露出度、ホワイトバランス、ズーム動作、及び絞り動作等を制御する。

集音部１３０は、例えばマイクロフォンであり、音声を入力し、入力した音声を話者選択部１４０に出力する。話者選択部１４０は、１次メモリ１１０に格納された画像データが示す画像の中で、対人ロボット１０に話し掛けている人物を、画像認識技術等を用いて認識し、当該人物が含まれる領域を選択する。ここで、話者選択部１４０は、集音部１３０から受け取った音声に基づいて、対人ロボット１０に話し掛けている人物を認識してもよい。そして、話者選択部１４０は、選択した領域を示す情報を撮像範囲制御部１６０に出力する。

シェル部１５０は、撮像部１００の外側に設けられ、撮像部１００が画像を撮像するための開口部を有すると共に、開口部の位置を変化させることができる。撮像範囲制御部１６０は、シェル部１５０が有する開口部の位置を制御することにより、撮像部１００が撮像する範囲を制御する。具体的には、撮像範囲制御部１６０は、話者選択部１４０により選択された範囲に基づいて、撮像部１００が撮像する範囲を制御する。例えば、撮像範囲制御部１６０は、話者選択部１４０により選択された範囲が画像の中央に配置されて撮像されるべく、シェル部１５０の開口部の位置を制御してもよい。

本実施形態に係る対人ロボット１０によれば、撮像部１００の外部に設けられたシェル部１５０を用いて撮像部１００における撮像範囲を制御することにより、利用者は、対人ロボット１０が何れの範囲を撮像しているか、即ち、対人ロボット１０が何れの利用者とコミュニケーションを行っているかを、シェル部１５０における開口部の位置に基づいて判断することができる。これにより、利用者は、対人ロボット１０とのコミュニケーションを、より円滑に行うことができる。

また、対人ロボット１０が複数の利用者に囲まれて話し掛けられており、コミュニケーションを行う対象を頻繁に切り替える場合であっても、対人ロボット１０の向きを変えることなく、シェル部１５０における開口部の位置を変化させることによって、コミュニケーションを行う対象を利用者から判別可能に切り替えることができる。これにより、対人ロボット１０は、コミュニケーションを行う対象をより短い時間で切り替えることができるので、応答性を向上させることができる。更に、コミュニケーションを行う対象を切り替える際に駆動させる部分を少なくすることができるので、対人ロボット１０における消費電力を低減することができ、対人ロボット１０の低コスト化や小型化を実現できる。

図３は、本発明の実施形態に係る眼球１５の断面の一例を示す。眼球１５は、シェル部１５０、光学系１０２、及びＣＣＤ１０４を含む。シェル部１５０は、例えば、遮光性を有する部材により、光学系１０２及びＣＣＤ１０４を覆うべく構成され、一部に穴を空けることにより設けられた開口部１５５を有する。そして、シェル部１５０は、光学系１０２に入射する光のうち、一部の光を遮ることにより、撮像部１００における撮像範囲を制限する。具体的には、シェル部１５０は、開口部１５５を通じて入射する光のみを光学系１０２に入射させ、それ以外の光を遮ることにより、撮像部１００における撮像範囲を制限する。ここで、開口部１５５の大きさは多様であってよく、本図に示した開口部１５５より大きくても、又は小さくてもよい。

また、シェル部１５０は、撮像範囲制御部１６０の制御に基づいて開口部１５５の位置を変化させることにより、撮像部１００における撮像範囲を変化させる。例えば、シェル部１５０は、底部に開口部１５５となる穴の空いた、遮光性を有する椀型の部材として設けられ、撮像範囲制御部１６０により駆動されるアクチュエータによって、光学系１０２における光学中心等の周りを回転可能に制御される。また、シェル部１５０は、一部分が透光性を有し、他の部分が遮光性を有する部材として構成され、透光性を有する部分を開口部１５５として機能させてもよい。ここで、開口部１５５として用いる透光性部材は無色透明でなくともよく、何らかの色を有していてもよい。また、シェル部１５０は、全体が透光性を有する部材であり、開口部１５５にあたる部分と、それ以外の部分とが異なる色を有するべく構成されてもよい。

また、シェル部１５０は、透光性を有する電極を用いた液晶パネルにより構成され、開口部１５５にあたる部分において光を透過させると共に、開口部１５５以外の部分において光を遮るべく電極を制御することにより、撮像部１００における撮像範囲を制御してもよい。

図４は、本発明の実施形態に係る開口部１５５の位置変化の一例を示す。図４（ａ）は、開口部１５５が利用者から見て左に位置する場合の、対人ロボット１０の外観の一例を示す。この場合、撮像部１００は、対人ロボット１０から見て右側の被写体の画像を撮像する。図４（ｂ）は、開口部１５５が利用者から見て右に位置する場合の、対人ロボット１０の外観の一例を示す。この場合、撮像部１００は、対人ロボット１０から見て左側の被写体の画像を撮像する。

図４（ａ）及び図４（ｂ）から明らかなように、利用者は、開口部１５５の位置に基づいて、対人ロボット１０が何れの方向の画像を撮像しているかを容易に判断することができる。更に、シェル部１５０が眼球１５の少なくとも一部として設けられていることにより、利用者は、対人ロボット１０が何れの方向を撮像しているかを、人間における視線方向の判断と同様の感覚で、容易に判断することができる。そして、利用者は、対人ロボット１０が自分自身を見ているか否かを判断することにより、対人ロボット１０が自分自身とのコミュニケーションを行っているか否かを判断することができる。つまり、利用者は、対人ロボット１０との間でアイコンタクトを交えたコミュニケーションを行うことができる。これにより、利用者は、対人ロボット１０とのコミュニケーションを、より円滑に行うことができる。

また、光学系１０２において、例えば魚眼レンズ等の広角レンズが用いられている場合に、必要とする方向とは異なる方向から入射する光を、シェル部１５０を用いて遮ることにより、開口部１５５の位置を変更させることによって撮像可能となる範囲を広く確保しながら、所謂迷光を防止することができ、より鮮明な画像を撮像することができる。

図５は、本発明の実施形態に係る対人ロボット１０における処理の流れの一例を示すフローチャートである。まず、集音部１３０が音声を入力する（Ｓ１０００）。ここで、集音部１３０は、複数のマイクロフォンにより構成され、それぞれのマイクロフォンを用いて互いに異なる位置において音声を入力してもよい。続いて、話者選択部１４０は、集音部１３０により入力された音声に、利用者の話し声が含まれているか否かを判定する（Ｓ１０１０）。例えば、話者選択部１４０は、入力された音声を示す信号を、高速フーリエ変換等の公知の技術を用いて複数の周波数成分に分解し、人間の声に特有の周波数帯における成分のレベルが予め定められた基準値以上である場合に、入力された音声に話し声が含まれていると判定する。また、話者選択部１４０は、公知の音声認識技術を用いることにより、入力された音声から特定の単語、例えば対人ロボット１０に付けられた名前等を認識した場合に、入力された音声に話し声が含まれていると判定してもよい。こうすることにより、対人ロボット１０とのコミュニケーションを望んでいる利用者から話し掛けられた場合にのみ、対人ロボット１０を応答させることができる。

また、ここで、話者選択部１４０は、入力された音声に利用者の話し声が含まれているか否かを判定するだけでなく、話し声の発生位置、又は伝播方向を検出してもよい。例えば、話者選択部１４０は、集音部１３０が複数のマイクロフォンにより構成されている場合に、マイクロフォン毎に入力された音声に対する話し声の判定を行い、最も大きな話し声が入力された位置に基づいて、話し声の発生位置又は伝播方向を検出してもよい。また、話者選択部１４０は、集音部１３０が少なくとも２つのマイクロフォンにより構成されている場合に、公知の音声定位技術を用いて、マイクロフォン毎の、同一の話し声を示す音波の入力タイミングのずれに基づいて、当該話し声の発生位置を検出してもよい。

そして、入力された音声に話し声が含まれていない場合（Ｓ１０１０：Ｎｏ）、対人ロボット１０は、処理をＳ１０００に戻し、再び音声を入力する。一方、入力された音声に話し声が含まれている場合（Ｓ１０１０：Ｙｅｓ）、撮像範囲制御部１６０は、撮像部１００における撮像範囲を制御する（Ｓ１０２０）。ここで、話者選択部１４０により話し声の発生位置が検出されている場合、撮像範囲制御部１６０は、当該位置を撮像範囲に含ませるべく、撮像部１００における撮像範囲を制御する。一方、話し声の発生位置が検出されていない場合、撮像範囲制御部１６０は、繰り返し撮像することにより周囲全体を撮像すべく、撮像範囲を、例えば右方向に順次移動させる等、予め定められた規則に基づいて変化させてもよい。

また、撮像範囲制御部１６０は、シェル部１５０が有する開口部の位置を変化させるだけでなく、対人ロボット１０の向きを変更することにより、撮像部１００の撮像範囲を制御してもよい。但し、その場合であっても、可能な限りシェル部１５０が有する開口部の位置を変化させて撮像範囲を制御することにより、撮像範囲の変更に要する時間を短縮することができるので、対人ロボット１０の応答性が向上する。

続いて、撮像部１００は、画像を撮像する（Ｓ１０３０）。ここで、後述する口の動きの検出においては、撮像部１００が、動画像を撮影するか、又は時間的に連続する複数の静止画像を撮像することが好ましい。続いて、話者選択部１４０は、撮像部１００により撮像された画像に人物が含まれているか否かを認識する（Ｓ１０４０）。例えば、話者選択部１４０は、撮像された画像における、肌色を示す領域の分布に基づいて、人物が含まれているか否かを認識する。ここで、撮像部１００により、動画像が撮影された場合、又は複数の静止画像が撮像された場合、話者選択部１４０は、少なくとも一部のフレーム画像又は静止画像に対して認識処理を行ってよい。そして、撮像された画像に人物が含まれていない場合（Ｓ１０４０：Ｎｏ）、対人ロボット１０は、処理をＳ１０００に戻し、再び集音部１３０に音声を入力させる。

一方、撮像された画像に人物が含まれている場合（Ｓ１０４０：Ｙｅｓ）、話者選択部１４０は、認識された人物を示す画像から、例えばパターンマッチング等の公知の画像認識技術を用いて、顔部分の画像を認識すると共に、顔部分の画像における口部分の画像を抽出する（Ｓ１０５０）。続いて、話者選択部１４０は、口部分の画像が話し声に同期して変化しているか否かを判定する（Ｓ１０６０）。例えば、話者選択部１４０は、動画像における複数のフレーム画像、又は時間的に連続する複数の静止画像において認識された人物の口部分の画像が、予め定められた時間間隔以下で変化している場合に、当該人物が話をしていると認識する。そして、話者選択部１４０は、入力された音声に話し声が含まれている時間帯と、当該人物が話をしている時間帯とが、予め定められた基準値以上の割合で一致している場合に、口部分の画像が話し声に同期して変化している、即ち、話し声に同期して口が動いていると判定する。ここで、撮像された画像に複数の人物が含まれている場合、話者選択部１４０は、複数の人物のそれぞれに対して、口部分の画像の検出を行うと共に、口部分の画像が話し声に同期して変化しているか否かを判定してよい。

口部分の画像が話し声に同期して変化しているのではない場合（Ｓ１０６０：Ｎｏ）、対人ロボット１０は、処理をＳ１０００に戻し、再び集音部１３０に音声を入力させる。一方、口部分の画像が話し声に同期して変化している場合に（Ｓ１０６０：Ｙｅｓ）、話者選択部１４０は、当該画像に対応する人物を対人ロボット１０に話し掛けている人物と認識し、撮像された画像の中で、当該人物の少なくとも一部が含まれる領域を選択する（Ｓ１０７０）。例えば、話者選択部１４０は、当該人物に外接する矩形を選択する。そして、撮像範囲制御部１６０は、撮像部１００により撮像される画像の中央に話者選択部１４０により選択された領域が配置されるべく、シェル部１５０を制御して撮像範囲を変更する（Ｓ１０８０）。

以上のように、対人ロボット１０に話し掛けた利用者を含む領域を撮像すべくシェル部１５０を制御することにより、対人ロボット１０に話し掛けた利用者は、対人ロボット１０が自分自身を見ていると認識することができるので、利用者と対人ロボット１０との間にアイコンタクトを交えたコミュニケーションを成立させることができる。これにより、利用者は、対人ロボット１０とより円滑にコミュニケーションを行うことができる。

本例において、対人ロボット１０は、集音部１３０により入力した音声と、撮像部１００により撮像した画像との双方を用いて、対人ロボット１０に話し掛けた利用者を検出したが、音声と画像との何れか一方のみを用いて、話し掛けた利用者を検出してもよい。例えば、対人ロボット１０は、複数のマイクロフォン等を用いて話し声の発生位置を検出し、検出した位置のみに基づいて撮像範囲を制御することにより、話し掛けた利用者を検出してもよい。また、例えば、対人ロボット１０は、シェル部１５０における開口部の位置、及び対人ロボット１０の方向を順次変化させて画像を撮像し、撮像された画像に対して人物認識すると共に、口部分の画像の変化を検出することにより、話し掛けた利用者を検出してもよい。

図６は、本実施形態に係るコンピュータ１５００のハードウェア構成の一例を示すブロック図である。本実施形態に係るコンピュータ１５００は、ホスト・コントローラ１５８２により相互に接続されるＣＰＵ１５０５、ＲＡＭ１５２０、グラフィック・コントローラ１５７５、及び表示装置１５８０を有するＣＰＵ周辺部と、入出力コントローラ１５８４によりホスト・コントローラ１５８２に接続される通信インターフェイス１５３０、ハードディスクドライブ１５４０、及びＣＤ−ＲＯＭドライブ１５６０を有する入出力部と、入出力コントローラ１５８４に接続されるＲＯＭ１５１０、フレキシブルディスク・ドライブ１５５０、及び入出力チップ１５７０を有するレガシー入出力部とを備える。

ホスト・コントローラ１５８２は、ＲＡＭ１５２０と、高い転送レートでＲＡＭ１５２０をアクセスするＣＰＵ１５０５及びグラフィック・コントローラ１５７５とを接続する。ＣＰＵ１５０５は、ＲＯＭ１５１０及びＲＡＭ１５２０に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィック・コントローラ１５７５は、ＣＰＵ１５０５等がＲＡＭ１５２０内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置１５８０上に表示させる。これに代えて、グラフィック・コントローラ１５７５は、ＣＰＵ１５０５等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。

入出力コントローラ１５８４は、ホスト・コントローラ１５８２と、比較的高速な入出力装置であるハードディスクドライブ１５４０、通信インターフェイス１５３０、ＣＤ−ＲＯＭドライブ１５６０を接続する。ハードディスクドライブ１５４０は、コンピュータ１５００内のＣＰＵ１５０５が使用するプログラム及びデータを格納する。通信インターフェイス１５３０は、ネットワークを介して対人ロボット１０と通信し、対人ロボット１０にプログラム及びデータを提供する。ＣＤ−ＲＯＭドライブ１５６０は、ＣＤ−ＲＯＭ１５９５からプログラム又はデータを読み取り、ＲＡＭ１５２０を介してハードディスクドライブ１５４０及び通信インターフェイス１５３０に提供する。

また、入出力コントローラ１５８４には、ＲＯＭ１５１０と、フレキシブルディスク・ドライブ１５５０、及び入出力チップ１５７０の比較的低速な入出力装置とが接続される。ＲＯＭ１５１０は、コンピュータ１５００が起動時に実行するブート・プログラムや、コンピュータ１５００のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ１５５０は、フレキシブルディスク１５９０からプログラム又はデータを読み取り、ＲＡＭ１５２０を介してハードディスクドライブ１５４０及び通信インターフェイス１５３０に提供する。入出力チップ１５７０は、フレキシブルディスク・ドライブ１５５０や、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を接続する。

ＲＡＭ１５２０を介して通信インターフェイス１５３０に提供されるプログラムは、フレキシブルディスク１５９０、ＣＤ−ＲＯＭ１５９５、又はＩＣカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、ＲＡＭ１５２０を介して通信インターフェイス１５３０に提供され、ネットワークを介して対人ロボット１０に送信される。対人ロボット１０に送信されたプログラムは、対人ロボット１０においてインストールされて実行される。対人ロボット１０にインストールされて実行されるプログラムは、対人ロボット１０を、図１から図５にかけて説明した対人ロボット１０として機能させる。

以上に示したプログラムは、外部の記憶媒体に格納されてもよい。記憶媒体としては、フレキシブルディスク１５９０、ＣＤ−ＲＯＭ１５９５の他に、ＤＶＤやＰＤ等の光学記録媒体、ＭＤ等の光磁気記録媒体、テープ媒体、ＩＣカード等の半導体メモリ等を用いることができる。また、専用通信ネットワークやインターネットに接続されたサーバシステムに設けたハードディスク又はＲＡＭ等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムをコンピュータ１５００に提供してもよい。

以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

本発明の実施形態に係る対人ロボット１０の概要を示す図である。 本発明の実施形態に係る対人ロボット１０の構成の一例を示すブロック図である。 本発明の実施形態に係る眼球１５の断面の一例を示す図である。 本発明の実施形態に係る開口部１５５の位置変化の一例を示す図である。 本発明の実施形態に係る対人ロボット１０における処理の流れの一例を示すフローチャートである。 本発明の実施形態に係るコンピュータ１５００の構成の一例を示すブロック図である。

符号の説明

１０ 対人ロボット、１５ 眼球、１００ 撮像部、１０２ 光学系、１０４ ＣＣＤ、１０６ 撮像信号処理部、１１０ １次メモリ、１２０ 撮像制御部、１３０ 集音部、１４０ 話者選択部、１５０ シェル部、１５５ 開口部、１６０ 撮像範囲制御部

Claims (3)

1. 人とのコミュニケーションを行う対人ロボットであって、
   光学系およびＣＣＤを有し、被写体の画像を撮像する撮像部と、
   前記光学系および前記ＣＣＤの外側に前記光学系および前記ＣＣＤを覆うべく構成されて当該対人ロボットの眼球の少なくとも一部として前記撮像部から独立して設けられ、前記撮像部が前記画像を撮像するための開口部を有すると共に、前記撮像部の位置を変化させることなく前記撮像部に対する前記開口部の位置を変化させることのできるシェル部であって、前記開口部を通じて入射する光のみを前記光学系に入射させ、それ以外の光を遮ることにより、前記撮像部における撮像範囲を制限するシェル部と、
   音声を入力し、入力した音声を出力する集音部と、
   前記撮像部により撮像された前記画像において認識された人物の口部分の画像が、前記集音部から入力された音声に含まれる話し声に同期して変化している人物を前記対人ロボットに話し掛けている人物と認識し、撮像された前記画像の中で、当該対人ロボットに話し掛けている人物が含まれる領域を選択する話者選択部と
   前記話者選択部により選択された領域に基づいて前記シェル部が有する前記開口部の位置を制御することにより、前記撮像部が撮像する範囲を制御する撮像範囲制御部と
   を備える対人ロボット。
2. 前記シェル部は、前記撮像部に入射する光のうち、一部の光を遮る請求項１に記載の対人ロボット。
3. 対人ロボットを機能させる対人ロボット制御プログラムであって、
   当該対人ロボットを、
   光学系およびＣＣＤを有し、被写体の画像を撮像する撮像部から画像を取得する取得部と、
   前記光学系および前記ＣＣＤの外側に前記光学系および前記ＣＣＤを覆うべく構成されて当該対人ロボットの眼球の少なくとも一部として前記撮像部から独立して設けられ、前記撮像部が前記画像を撮像するための開口部を有すると共に、前記撮像部の位置を変化させることなく前記撮像部に対する前記開口部の位置を変化させることのできるシェル部であって、前記開口部を通じて入射する光のみを前記光学系に入射させ、それ以外の光を遮ることにより、前記撮像部における撮像範囲を制限するシェル部と、
   音声を入力し、入力した音声を出力する集音部と、
   前記撮像部により撮像された前記画像において認識された人物の口部分の画像が、前記集音部から入力された音声に含まれる話し声に同期して変化している人物を前記対人ロボットに話し掛けている人物と認識し、撮像された前記画像の中で、当該対人ロボットに話し掛けている人物が含まれる領域を選択する話者選択部と
   前記話者選択部により選択された領域に基づいて前記シェル部が有する前記開口部の位置を制御することにより、前記撮像部が撮像する範囲を制御する撮像範囲制御部と
   を備える対人ロボットとして機能させる対人ロボット制御プログラム。

Images