aitoの日記： 3月9日 音響学会音声Aスペシャルセッション「ロボットと音声対話システム」

13:30 音声Aスペシャルセッション
会話ロボットとそのプロトコル（小林哲則，早稲田大学）
・会話ロボットの系譜．WABOTからERICAまで
・ロボットのための音声対話 vs. 音声対話のためのロボット
　　会話相手としての存在感，内部状態表出，会話プロトコルを合わせる手段
・人と生活空間を共有するロボットの会話
　　さまざまなプロトコルによって人間と「通信」している
・データリンク／ネットワーク
　　通信チャネルの確立（姿勢・視線による通信相手の表現＝参与構造の形成）
　　SCHEMAの多人数会話デモ
・トランスポート
　　End-to-endの通信管理・エラー処理
　　パラ言語認識に基づくインクリメンタルな情報伝達
　　ROBISUKEのパラ言語認識デモ
　　　パラ言語により「受信されなかった」ことを認識したら情報を詳細化・再送する
　　　あるいは「条件に合う検索結果がない」ということをパラ言語的に表出
　　リアクティブな計画修正に基づくプロアクティブな情報提供
　　　対話的な新聞記事の情報提供
・セッション
　　ターンテイキング
　　　視線によるメッセージ終了タイミングの通知
・アプリケーション
　　具体的な通信サービス　例:ファシリテーション会話（システムを含む４人で会話）
　　「おいてけぼり」を救うため，会話に割って入って話していない人に話題を振る
　　会話に入ってイニシアティブを取るためのプロトコル
　　　談話構造・発話権の管理　POMDPなども使う

雑談対話システムにおける言語処理技術（東中竜一郎，NTT）
・現状の対話システムで使われている言語処理技術について紹介
・雑談対話システム
　雑談は人間社会を形成する．人間の会話の60%は雑談
　雑談が実現するもの：信頼感，愛着，嗜好，思考喚起，承認
　　タスク指向型対話システムの満足度向上
　　　タスク指向の対話でもユーザは雑談をしてしまう
・システム作成の方法論
　　ルールベース（ELIZA型）
　　抽出ベース：たとえばTwitterのリプライ検索に基づく方法など
　　理解・生成に基づく方法
　　　昔のタスク指向システムをオープンドメインに拡張
　　　会話理論を組み込みやすい
・理解生成に基づく方法の課題
　　汎用的な発話理解・生成・管理が必要
　　　汎用的な対話行為セット，述語項構造による発話の分析・生成
　　　データに基づく発話候補のランキング
　　ユーザ情報の記憶，個性の演出
・汎用的発話行為３３種類
・述語項構造解析
　　ゼロ代名詞の照応解析も行う
　　隠れたガ格の推定精度は約55%
・ユーザ情報記憶
　　３４種類の人物属性，推定精度89%
・述語項構造に基づく生成
・キャラクタ風発話変換
・発話ランキング：複数の候補から適切な発話を選ぶ
　　文脈との意味類似度，人間同士のコーパスとの類似度，対話破綻確率などからDNNで学習
・システムエラーと対話破綻
　　解釈不能な発話，質問を無視するなど
・問題点
　　音声合成の問題，質問文が理解できない，レスポンスの問題，マルチモーダル理解

人と自然に対話できる自律型アンドロイドの開発（港隆史・石黒浩，ATR/大阪大学）
・石黒共生ヒューマンロボットインタラクションプロジェクト
・自律型音声対話アンドロイド研究開発のためのプラットフォームERICA
・ノンバーバル情報の認識（マイクロフォンアレイ），動作生成　
・アンドロイド制御システム，インタラクション設計支援システム
・高度な対話感がある対話　感情・意図の表出
・自然な対話のために
　　動作・振る舞いが人間と同じではない→動作の意図や理由が解釈できない
　　インタラクションを通した人の適応
　　アンドロイドに急速に適応させるための要因を明らかにする
　　　（人間の自然な動作とは異なる，より効果的な動作をさせる）
・発話時の自然な頭部動作生成
　　ロボット自身が発話しているという感覚を持たせる
　　人間の動作をコピーするよりもモデルで首の動きを生成した方が自然性が高い
・対話意欲を引き起こす対話戦略
　　アンドロイドの発話の意図を感じさせる:コンテキスト破綻，対話意欲の減退を防ぐ
　　意図・価値観を組み込んだ発話生成モデル
　　　対話において「肯定（＝親和性）」と「否定（＝独自の価値観）」のバランスをとる
　　　「価値観の所有感」と「親和性」を同時に最大化するピークは肯定割合50%ｔ100%の間にありそう
　　　（有意な差は無い）