JP2017191390A - コミュニケーションシステム、会話ログ収集システム、サーバ及びコミュニケーション方法 - Google Patents

Abstract

【課題】ユーザとロボットとの間で行われる会話の品質を高めること。【解決手段】本発明は、コミュニケーションシステムであって、ユーザ側に設置されるロボットと、サーバとを有する。ロボットは、ユーザの音声を集音するマイクと、マイクで集音されたユーザの音声の音声信号を、ネットワークを通じてサーバに送信し、ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、ネットワークを通じて送られてくるユーザの音声信号を、ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、編集音声信号を出力する少なくとも一以上のスピーカとを有する。サーバは、ロボットの信号の送受信を管理する接続管理手段を有する。【選択図】図１

Description

本発明は、コミュニケーションシステム、会話ログ収集システム、サーバ及びコミュニケーション方法に関する。

近年、人とロボット（例えば、人型ロボット）との対話を成立させるコミュニケーションシステムが提案されている。

その一つは、タスク指向型とよばれるもので、特定のタスクをロボットに行わせるための対話システムである。例えば「今日の天気を教えて」といった、ユーザである人の発話（命令）に対して、ロボットは今日の天気予報を音声で伝える。これらの命令と回答のセットは、予め一意に辞書に登録されている。

もう一つは、雑談型と呼ばれるもので、ロボットに特有のタスクをさせるというより、ユーザがロボットとの会話を楽しむためのシステムである（非特許文献１）。これはchatbot（人工無能）対話システムを応用している。このchatbot対話システムは、ユーザと日常会話を行なうためのシステムであり、大きく分けて、辞書型（シナリオ型）、ログ型、マルコフ文生成型（テキスト生成型）等がある。その基本は所定の対話パターンをデータベース化しておき、対話時の入力内容に応じて相応しい応答内容を検索し、それをシステム側から出力する点にある。例えば、対話システムに対してユーザが「何が好きですか？」とキーボードやマイク等を通じて入力すると、システム側は「何−が−好き−です−か？」といった単語列に最も合致する応答データを検索する。データベースには予め入力例とそれに対応する応答文とが大量に格納されている。対話システムは検索結果によって選ばれた応答文を取り出し、それをスピーカやモニターを介してユーザに対して出力する。データベース中の応答内容の格納方法を工夫することで、ユーザの入力の一部を応答文に挿入することもできる。

[Valerie] Valerie Web Site : http://www.roboceptionist.com/

しかしながら、現在の所、辞書型（シナリオ型）、ログ型、マルコフ文生成型（テキスト生成型）等のいずれの方法も完全とはいえず、人間とロボットとの会話が成立しない場合が多々ある。

一方、ロボットのユーザは、ロボットとの間で、ある程度完成されたコミュニケーションを望んでいる。

そこで、本発明は上記課題に鑑みて発明されたものであって、その目的はユーザとロボットとの間で行われる会話の品質を高めることができるコミュニケーションシステム、会話ログ収集システム、サーバ及びコミュニケーション方法を提供することにある。

本発明の一態様は、コミュニケーションシステムであって、ユーザ側に設置されるロボットと、サーバとを有し、前記ロボットは、ユーザの音声を集音するマイクと、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、前記編集音声信号を出力する少なくとも一以上のスピーカと、を有し、前記サーバは、前記ロボットの信号の送受信を管理する接続管理手段を有するコミュニケーションシステムである。

本発明の一態様は、コミュニケーションシステムにおける会話ログ収集システムであって、ユーザ側に設置されるロボットと、サーバとを有し、前記ロボットは、ユーザの音声を集音するマイクと、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、前記編集音声信号を出力する少なくとも一以上のスピーカと、を有し、前記サーバは、前記ロボットの信号の送受信を管理する接続管理手段と、ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する会話ログ収集手段とを有する会話ログ収集システムである。

本発明の一態様は、会話ログ収集サーバであって、ユーザの音声を集音するマイクと、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、前記編集音声信号を出力する少なくとも一以上のスピーカと、を有するロボットの間の信号の送受信を管理する接続管理手段と、ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する会話ログ収集手段とを有する会話ログ収集サーバである。

本発明の一態様は、コミュニケーション方法であって、発話するユーザ側に設置されるロボットは、マイクにより、ユーザの音声を集音し、前記発話するユーザ側に設置されるロボットは、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて、サーバに送信し、前記サーバは、受信したユーザの音声の音声信号を、前記着話先のロボットに送信し、前記着話先のロボットは、前記ネットワークを通じて送られてくるユーザの音声信号を受信し、前記着話先のロボットは、前記ユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成し、前記着話先のロボットは、前記編集音声信号を出力するコミュニケーション方法である。

本発明は、ユーザとロボットとの間で行われる会話の品質を高めることができる。

図１は本発明の第１の実施の形態に係るコミュニケーションロボットシステムを模式的に示した図である。 図２はロボット１の構成を示すブロック図である。 図３は第１の実施の形態におけるサーバ３のブロック図である。 図４は接続管理データベース３２の一例を示す図である。 図５はサーバ３の変形例を示した図である。 図６は第１の実施の形態の変形例における接続管理データベース３２の一例を示す図である。 図７は第２の実施の形態におけるサーバ３のブロック図である。 図８は第３の実施の形態におけるサーバ３のブロック図である。

＜第１の実施の形態＞
本発明の第１の実施の形態を説明する。

図１は、本発明の第１の実施の形態に係るコミュニケーションロボットシステムを模式的に示した図である。

図１中、１はユーザＡ側に設置されるロボットであり、２はユーザＢ側に設置されるロボットであり、３はロボット１とロボット２とを接続されたサーバである。

ロボット１とロボット２とは、同様のものなので、ロボット１を例にしてロボットの構成を説明する。

図２はロボット１の構成を示すブロック図である。

図２に示す如く、ロボット１は、マイク１１と、音声編集部１２と、スピーカ１３と、制御部１４とを有する。

マイク１１は、ユーザＡの音声を集音するマイクである。

音声編集部１２は、ネットワークを通じてサーバ３から送られてくるユーザＢの音声信号を、ロボット１の発話として編集して、編集音声信号を生成するものである。ここで、ユーザＢの音声信号をロボット１の発話として編集するとは、ユーザＢの音声信号に対して、ユーザＢの音声（音色や声色）をロボット１の音声（音色や声色）に編集（変換）するものである。例えば、男性又は女性のユーザの音声を、ロボット特有の中性の音声に編集（変換）したり、ユーザのカスタマイズによるロボットの音声に編集（変換）したりする。

スピーカ１３は、音声編集部１２により編集（変換）された編集音声信号を出力する少なくとも一以上のスピーカである。

図３は第１の実施の形態におけるサーバ３のブロック図である。

サーバ３は、ロボット間接続管理部３１と、接続管理データベース３２とを有する。

接続管理データベース３２は、図４に示す如く、ロボット識別情報（ＩＤ）と、接続状況（接続中又は切断中）と、接続先のロボット識別情報（ＩＤ）とが関連付けられて記憶される。

そして、ロボット間接続管理部３１は、接続管理データベース３２を用いて、ロボット間、本例では、ロボット１とロボット２との接続を管理する。

次に、本実施の形態の動作を説明する。尚、ロボット１とロボット２との通信の接続は、サーバ３のロボット間接続管理部３１により、接続管理されているものとする。

まず、ユーザＡは、ロボット１に向かって話しかける。そのユーザＡの音声はマイク１１で集音され、その音声信号がサーバ３に送信される。例えば、ユーザＡが「アップルパイを作って食べるよ。」と話しかけると、「アップルパイを作って食べるよ。」の音声信号がサーバ３に送信される。

サーバ３のロボット間接続管理部３１は、ロボット１から送信されてきた音声信号を、接続管理データベース３２を参照し、ロボット２に送信する。

ロボット２では、音声編集部１２により、受信した音声信号をロボット２の発話として編集して、編集音声信号を生成する。例えば、受信した「アップルパイを作って食べるよ。」の音声信号を、ロボット２の発話として編集して、編集音声信号を生成する。そして、編集音声信号は、スピーカ１３から出力される。例えば、ロボット２の特有の音声で、「アップルパイを作って食べるよ。」が出力される。

ここで、ユーザＢは、ロボット２が発した音声に返答して、ロボット２に向かって話しかける。そのユーザＢの音声はマイク１１で集音され、その音声信号がサーバ３に送信される。例えば、ユーザＢが「アップルパイを作って食べるよ。」に対して、「いいね。食べたい。」と返答した場合、「いいね。食べたい。」の音声信号がサーバ３に送信される。

サーバ３のロボット間接続管理部３１は、ロボット２から送信されてきた音声信号を、接続管理データベース３２を参照し、ロボット１に送信する。

ロボット１では、音声編集部１２により、受信した音声信号をロボット１の発話として編集して、編集音声信号を生成する。例えば、受信した「いいね。食べたい。」の音声信号を、ロボット１の発話として編集して、編集音声信号を生成する。そして、編集音声信号は、スピーカ１３から出力される。例えば、ロボット１の特有の音声で、「いいね。食べたい。」が出力される。

次に、ユーザＡは、ロボット１が発した音声に返答して、ロボット１に向かって話しかける。そのユーザＡの音声はマイク１１で集音され、その音声信号がサーバ３に送信される。例えば、ユーザＡが「いいね。食べたい。」に対して、「あ。パイ生地買い忘れた。」と返答した場合、「あ。パイ生地買い忘れた。」の音声信号がサーバ３に送信される。

サーバ３のロボット間接続管理部３１は、ロボット１から送信されてきた音声信号を、接続管理データベース３２を参照し、ロボット２に送信する。

ロボット２では、音声編集部１２により、受信した音声信号をロボット２の発話として編集して、編集音声信号を生成する。例えば、受信した「あ。パイ生地買い忘れた。」の音声信号を、ロボット２の発話として編集して、編集音声信号を生成する。そして、編集音声信号は、スピーカ１３から出力される。例えば、ロボット２の特有の音声で、「あ。パイ生地買い忘れた。」が出力される。

続いて、ユーザＢは、ロボット２が発した音声に返答して、ロボット２に向かって話しかける。そのユーザＢの音声はマイク１１で集音され、その音声信号がサーバ３に送信される。例えば、ユーザＢが「あ。パイ生地買い忘れた。」に対して、「残念。今度ね。」と返答した場合、「残念。今度ね。」の音声信号がサーバ３に送信される。

最後に、ロボット１では、音声編集部１２により、受信した音声信号をロボット１の発話として編集して、編集音声信号を生成する。例えば、受信した「残念。今度ね。」の音声信号を、ロボット１の発話として編集して、編集音声信号を生成する。そして、編集音声信号は、スピーカ１３から出力される。例えば、ロボット１の特有の音声で、「残念。今度ね。」が出力される。

このように、辞書型や、ログ型、マルコフ文生成型などを用いたエンジンに比べて、ロボットを介して人間が会話しているので、自然な会話を行うことができる。また、人間が直接会話する相手はロボットなので、人間同士の会話とは異なる雰囲気で会話を行うことができる。

次に、上述した第１の実施の形態の変形例を説明する。

図５はサーバ３の変形例を示した図である。

第１の実施の形態の変形例は、第１の実施の形態におけるサーバ３のロボット間接続管理部３１に加えて、その中に、マッチング制御部３３を有している。

また、接続管理データベース３２には、第１の実施の形態の内容に加えて、ロボットの所有者であるユーザの属性情報が記憶されている。図６に、第１の実施の形態の変形例における接続管理データベース３２の一例を示す。ここで、ユーザ属性情報とは、ロボットを所有するユーザの年齢、性別、住所、趣味等である。

マッチング制御部３３は、接続管理データベース３２のユーザ属性情報に基づいて、ロボットを介して会話を希望するユーザの間のマッチングを行い、ロボット間の接続を確立する。例えば、ユーザＡが２０代の女性であり、同様な女性のユーザとの会話を望む場合、マッチング制御部３３は、接続管理データベース３２のユーザ属性情報を参照し、２０代の女性で、かつ、切断中のロボット識別情報を検索し、それに対応するロボットとの接続の確立を試みる。接続の確立に成功した場合は、上述した会話動作を開始する。接続の確立に不成功の場合は、他のロボットを検索し、接続の確立を試みる。

このような構成を取ることにより、ロボットのユーザの会話する相手の希望をかなえることができる。

更に、ロボット１が有する音声編集部１２を、サーバ３が有しても良い。この場合、サーバ３は、受信したユーザの音声信号を、ロボット２用に編集し、ロボット２に送信する。そして、ロボット２は、編集された音声信号を、スピーカ１３から出力する。

このように構成しても、上述した第１の実施の形態と同様な効果を得ることができる。

＜第２の実施の形態＞
本発明の第２の実施の形態を説明する。

図７は第２の実施の形態におけるサーバ３のブロック図である。

サーバ３は、第１の実施の形態に加えて、音声認識部３４と、フィルタリング部３５と、ＮＧワードデータベース３６とを備える。

ＮＧワードデータベース３６は、会話をするにあたって、不適切な用語（以下、禁止用語と記載する）群が格納されたデータベースである。

音声認識部３４は、ロボット１から送信されてきた音声信号を、従来からある音声認識の技術を用いてテキスト化する。

フィルタリング部３５は、テキスト化されたユーザの音声の文字列に禁止用語が含まれている場合、ユーザの該当する音声を削除、または、その該当する音声を他の用語に変換する。そして、削除、変換された音声を、通信先のロボットに転送する。

このようにすることにより、会話中に不適切な言葉が発せられた場合であっても、会話の相手に、不快な思いをさせることがない。

＜第３の実施の形態＞
本発明の第３の実施の形態を説明する。

第３の実施の形態の特徴的な点は、従来からある、辞書型（シナリオ型）、ログ型、マルコフ文生成型（テキスト生成型）等を用いた会話エンジンの基本となるデータを収集できることである。特に、ログ型の場合、人間とロボットとの間で、自然の会話を成立させるためには、多くの会話ログの収集が不可欠である。そこで、第３の実施の形態では、第１の実施の形態におけるコミュニケーションシステムを用いて、その会話中に得られた会話ログを収集することを特徴とする。

図８は第３の実施の形態におけるサーバ３のブロック図である。

第３の実施の形態におけるサーバ３は、第１、２の実施の形態に加えて、会話ログ収集部３７と、会話ログデータベース３８とを備える。

会話ログ収集部３７は、音声認識部３４にテキスト化されたロボット１，２間で行われる会話を、会話ログデータベース３８に会話ログとして収集する。

これにより、多くの自然なやり取りの会話ログが収集できる。そして、収集した会話ログは、ログ型の会話エンジンなどのデータに用いることができる。

尚、上述した実施の形態では、各部をハードウェアで構成したが、上述した動作の処理を情報処理装置（ＣＰＵ）に行わせるプログラムによっても構成できる。

以上好ましい実施の形態をあげて本発明を説明したが、本発明は必ずしも上記実施の形態に限定されるものではなく、その技術的思想の範囲内において様々に変形し実施することが出来る。

１ ロボット
２ ロボット
３ サーバ
１１ マイク
１２ 音声編集部
１３ スピーカ
１４ 制御部
３１ ロボット間接続管理部
３２ 接続管理データベース
３３ マッチング制御部
３４ 音声認識部
３５ フィルタリング部
３６ ＮＧワードデータベース
３７ 会話ログ収集部
３８ 会話ログデータベース

Claims (10)

1. コミュニケーションシステムであって、
   ユーザ側に設置されるロボットと、サーバとを有し、
   前記ロボットは、
   ユーザの音声を集音するマイクと、
   前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、
   ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、
   前記編集音声信号を出力する少なくとも一以上のスピーカと、
   を有し、
   前記サーバは、
   前記ロボットの信号の送受信を管理する接続管理手段を
   有するコミュニケーションシステム。
2. 前記サーバは、
   前記ロボットを所有するユーザの属性情報を記憶したユーザ属性情報データベースと、
   前記ユーザ属性情報データベースを参照し、ユーザの属性情報に基づいてユーザのマッチングを行い、マッチングしたユーザに対応するロボット間で接続を確立するマッチング制御手段と
   を有する請求項１に記載のコミュニケーションシステム。
3. 前記サーバは、
   会話の禁止用語が格納された禁止用語データベースと、
   ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、
   前記禁止用語データベースを参照し、前記ユーザの音声がテキスト化された文字列から禁止用語を検索し、禁止用語を含む場合、前記ユーザの音声信号を削除、または、一部を変換するフィルタリング手段と
   を有する請求項１又は請求項２に記載のコミュニケーションシステム。
4. 前記サーバは、
   ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、
   前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する会話ログ収集手段と
   を有する請求項１から請求項３のいずれかに記載のコミュニケーションシステム。
5. コミュニケーションシステムにおける会話ログ収集システムであって、
   ユーザ側に設置されるロボットと、サーバとを有し、
   前記ロボットは、
   ユーザの音声を集音するマイクと、
   前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、
   ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、
   前記編集音声信号を出力する少なくとも一以上のスピーカと、
   を有し、
   前記サーバは、
   前記ロボットの信号の送受信を管理する接続管理手段と、
   ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、
   前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する会話ログ収集手段と
   を有する会話ログ収集システム。
6. 会話ログ収集サーバであって、
   ユーザの音声を集音するマイクと、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて前記サーバに送信し、前記ネットワークを通じて送られてくるユーザの音声信号を受信する送受信手段と、ネットワークを通じて送られてくるユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成する音声編集手段と、前記編集音声信号を出力する少なくとも一以上のスピーカと、を有するロボットの間の信号の送受信を管理する接続管理手段と、
   ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化する音声認識手段と、
   前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する会話ログ収集手段と
   を有する会話ログ収集サーバ。
7. コミュニケーション方法であって、
   発話するユーザ側に設置されるロボットは、マイクにより、ユーザの音声を集音し、
   前記発話するユーザ側に設置されるロボットは、前記マイクで集音されたユーザの音声の音声信号を、ネットワークを通じて、サーバに送信し、
   前記サーバは、受信したユーザの音声の音声信号を、前記着話先のロボットに送信し、
   前記着話先のロボットは、前記ネットワークを通じて送られてくるユーザの音声信号を受信し、
   前記着話先のロボットは、前記ユーザの音声信号を、前記ロボットの発話として編集して、編集音声信号を生成し、
   前記着話先のロボットは、前記編集音声信号を出力する
   コミュニケーション方法。
8. 前記サーバは、
   前記ロボットを所有するユーザの属性情報を記憶したユーザ属性情報データベースを参照し、ユーザの属性情報に基づいてユーザのマッチングを行い、マッチングしたユーザに対応するロボット間で接続を確立する
   請求項７に記載のコミュニケーション方法。
9. 前記サーバは、
   ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化し、
   会話の禁止用語が格納された禁止用語データベースを参照し、前記ユーザの音声がテキスト化された文字列から禁止用語を検索し、禁止用語を含む場合、前記ユーザの音声信号を削除、または、一部を変換する
   請求項７又は請求項８に記載のコミュニケーション方法。
10. 前記サーバは、
    ネットワークを通じて送られてくるユーザの音声信号を音声認識し、テキスト化し、
    前記ユーザの音声がテキスト化された文字列を、会話ログとして収集する
    請求項７から請求項９のいずれかに記載のコミュニケーション方法。