CN107533712A - 信息处理装置、信息处理方法和程序 - Google Patents

信息处理装置、信息处理方法和程序 Download PDF

Info

Publication number
CN107533712A
CN107533712A CN201680026010.XA CN201680026010A CN107533712A CN 107533712 A CN107533712 A CN 107533712A CN 201680026010 A CN201680026010 A CN 201680026010A CN 107533712 A CN107533712 A CN 107533712A
Authority
CN
China
Prior art keywords
information
user
forecasting
contextual
control unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
CN201680026010.XA
Other languages
English (en)
Inventor
小林由幸
仓田雅友
高冈吕尚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Publication of CN107533712A publication Critical patent/CN107533712A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/041—Abduction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

[目的]提供一种信息处理装置、信息处理方法和程序，其能够通过使用关于某个用户的预测结果向其他用户提供有用信息。[解决方案]该信息处理装置设置有输出控制单元，其向作为目标的第一用户输出基于第二用户的上下文信息的历史而生成的预测信息，其与第一用户的上下文信息有关并且指示第二用户的上下文信息的预测结果。

Description

信息处理装置、信息处理方法和程序
技术领域
本公开内容涉及信息处理装置、信息处理方法和程序。
背景技术
近年来，通过使用用户的过去信息来预测用户的未来行为并且基于预测结果来提供信息的技术已经引起关注。例如，以下引用的专利文献1公开了通过使用从可穿戴式传感器获得的时间序列数据来将用户的活动状态学习为随机状态转换模型从而计算到达目的地的路线和到达目的地所花费的时间的技术。
引用列表
专利文献
专利文献1：JP 2011-059924A
发明内容
技术问题
然而，在以上引用的专利文献1等提出的技术中，可以进一步提高基于预测结果提供的信息的有用性。例如，关于某个用户的预测结果仅用于向该用户提供信息。
鉴于此，本公开内容提出了一种信息处理装置、信息处理方法和程序，其中每个都是新型的、改进的、并且能够通过使用关于某个用户的预测结果来向另一个用户提供有用的信息。
问题的解决方案
根据本公开内容，提供了一种信息处理装置，包括：输出控制单元，其被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，该预测信息与第一用户的上下文信息有关并且是基于第二用户的上下文信息的历史生成的。
此外，根据本公开内容，提供了一种信息处理方法，包括使处理器向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，该预测信息与第一用户的上下文信息有关并且是基于第二用户的上下文信息的历史生成的。
此外，根据本公开内容，提供了一种用于使计算机起输出控制单元的作用的程序，该输出控制单元被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，该预测信息与第一用户的上下文信息有关并且是基于第二用户的上下文信息的历史生成的。
发明的有益效果
如上所述，根据本公开内容，可以通过使用关于某个用户的预测结果向另一用户提供有用的信息。注意，上述效果不一定是限制性的。与上述效果一起或代替上述效果，可以实现本说明书中描述的任意一种效果或可以从本说明书中领会的其他效果。
附图说明
图1是用于描述根据本实施方式的信息处理***的概述的图。
图2是示出根据本实施方式的信息处理***的逻辑配置的示例的框图。
图3是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图4是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图5是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图6是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图7是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图8是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图9是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图10是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图11是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图12是用于描述通过根据本实施方式的信息处理***执行的显示示例的图。
图13是示出根据本实施方式的在服务器中执行的预测器的学习处理的流程的示例的流程图。
图14是示出根据本实施方式的在服务器中执行的预测信息的显示处理的流程的示例的流程图。
图15是示出根据本实施方式的在服务器中执行的第二用户的选择处理的流程的示例的流程图。
图16是示出根据本实施方式的在服务器中执行的预测信息的生成处理的流程的示例的流程图。
图17是示出根据本实施方式的信息处理装置的硬件配置的示例的框图。
具体实施方式
在下文中，将参照附图详细描述本公开内容的一个或更多个优选实施方式。在本说明书和附图中，具有基本相同的功能和结构的结构元件用相同的附图标记表示，并且省略对这些结构元件的重复说明。
请注意，将按以下顺序提供描述。
1.概述
2.配置示例
3.技术特征
3.1.上下文信息
3.2.学习和预测
3.3.选择第二用户
3.4.生成预测信息
3.5.设定许可/不许可输出
3.6.筛选生成的预测信息
3.7.输出用户自己的预测信息
4.操作处理示例
5.硬件配置示例
6.结论
<<1.概述>>
首先，将参照图1对根据本公开内容的实施方式的信息处理***的概述进行描述。
图1是用于描述根据本实施方式的信息处理***的概述的图。图1所示的图像10是这样的图像：其中信息11被显示并且叠加在通过使用增强现实(AR)技术拍摄真实空间而获得的图像上。AR技术是将附加信息叠加在真实世界上并且向用户呈现附加信息的技术。在AR技术中呈现给用户的信息也被称为“注释”，并且可以通过使用各种形式的虚拟对象诸如文本、图标和动画来可视化。
用户可以通过使用各种用户终端(终端设备)看到叠加并显示图1所示的注释的图像。用户终端的具体示例包括智能电话、头戴式显示器(HMD)和汽车导航***。在下文中，通过假设将用户终端实现为透视HMD作为示例来进行描述。透视HMD是这样的设备：在用户穿戴该设备的状态下，该设备能够通过使布置在用户眼睛的前方的显示单元显示诸如文本或图形的图像，同时显示单元实际上处于透明或半透明状态，来显示注释并且将注释叠加在真实空间的场景上。在下文中，在用户终端的显示单元(透视显示器)上显示的图像(包括在被透射的情况下被视觉识别的背景和被叠加的情况下显示的注释)也被称为“真实空间图像”。也就是说，图像10是真实空间图像。
图1所示的真实空间图像10是当用户在午餐时间到餐厅时显示的图像的示例。在真实空间图像10中，注释11与每个其他用户相关联并且被显示，注释11示出了到正在用餐的其他用户中的每个用户离开他/她的座位的剩余时间的预测结果。由此，例如，用户可以在被预测为具有最少剩余时间的另一用户附近等待。
本文中，对于其剩余时间被预测的用户，对用户自己呈现指示示出到该用户离开他/她的座位剩余时间的预测结果的信息不能说是非常有用的。另外，如图1中所示的示例中，指示某个用户的预测结果的信息可能对其他用户是有用的。根据本实施方式的信息处理***可以通过相互使另一用户能够可视化指示某个用户的预测结果的信息来改善对所有用户的便利性。
以上，对根据本实施方式的信息处理***的概述进行了描述。接下来，将对根据本实施方式的信息处理***的配置示例进行描述。
注意，以下，将由根据本实施方式的信息处理***从其收集信息和/或向其呈现信息的目标将被称为“用户”。此外，向其呈现信息的用户也将被称为“第一用户”。与所呈现的信息相关联的用户也将被称为“第二用户”。也就是说，向第一用户呈现指示关于第二用户的预测结果的信息。此外，在某些情况下，除了第一用户或第二用户之外的用户将被称为“第三用户”。在下文中，在不需要具体区分第一用户、第二用户和第三用户的情况下，这些用户将被简单地称为“用户”。
<<2.配置示例>>
图2是示出根据本实施方式的信息处理***1的逻辑配置的示例的框图。如图2所示，根据本实施方式的信息处理***1包括服务器100、用户终端200、识别装置300、输出装置400和外部装置500。
(1)服务器
如图2所示，服务器100包括通信单元110、上下文信息DB 120、预测器DB 130和处理单元140。
通信单元110是用于经由有线/无线网络在服务器100与另一装置之间发送/接收数据的通信模块。例如，通信单元110直接地或经由另一节点间接地与用户终端200、识别装置300、输出装置400和外部装置500进行通信。
上下文信息DB 120具有存储用户的上下文信息的功能。上下文信息是关于用户的信息。以下对其细节进行描述。
预测器DB 130具有存储用于预测上下文信息的预测器的功能。
处理单元140提供服务器100的各种功能。如图2所示，处理单元140包括获取单元141、学习单元142、生成单元143和输出控制单元144。注意，除了这些构成要素之外，处理单元140还可以包括另一构成要素。也就是说，处理单元140还可以执行除这些构成要素的操作之外的操作。
获取单元141具有获取上下文信息的功能。例如，获取单元141获取由用户终端200和识别装置300识别的上下文信息。然后，获取单元141将所获取的上下文信息存储在上下文信息DB 120上。
学习单元142具有学习上下文信息中的时间序列变化的功能。例如，学习单元142基于存储在上下文信息DB120上的上下文信息的历史来学习用于预测上下文信息中的时间序列变化的预测器。然后，学习单元142将所学习到的预测器存储在预测器DB 130上。
生成单元143具有生成要呈现给第一用户的预测信息(注释)的功能。例如，生成单元143基于第二用户的上下文信息的历史生成预测信息。具体地，生成单元143将由获取单元141获取的第二用户的实时上下文信息输入到存储在预测器DB 130上的第二用户的预测器，从而预测第二用户的上下文信息。然后，生成单元143生成指示第二用户的上下文信息的预测结果的预测信息。
输出控制单元144具有将由生成单元143生成的预测信息输出到作为目标的第一用户的功能。例如，输出控制单元144使第一用户的用户终端200或用户终端200附近的环境安装型输出装置400输出预测信息。
本文中，环境型和环境安装型等词语将用于固定地或半固定地设置在真实空间中的装置。例如，数字标牌是环境安装型输出装置400。此外，监视摄像机是环境安装型识别装置300。
(2)用户终端
如图2所示，用户终端200包括通信单元210、识别单元220和输出单元230。
通信单元210是用于经由有线/无线网络在用户终端200与另一装置之间发送/接收数据的通信模块。例如，通信单元210直接地或经由另一节点间接地与服务器100进行通信。
识别单元220具有识别上下文信息的功能。所识别的上下文信息由通信单元210发送到服务器100。识别单元220可以包括各种类型的传感器并且基于所检测到的传感器信息来识别上下文信息。
例如，识别单元220可以包括各种传感器，诸如摄像机、麦克风、加速度传感器、陀螺仪传感器、全球定位***(GPS)和地磁传感器。识别单元220还可以包括用于检测诸如无线保真(注册商标，Wi-Fi)和蓝牙(注册商标)的周围电波的信息的通信接口。识别单元220还可以包括用于检测诸如温度、湿度、风速、大气压力、照度和物质(诸如花粉等应激物质、气味等)的环境的信息的传感器。识别单元220还可以包括用于检测诸如体温、出汗、心电图、脉搏波、心率、血压、血糖、肌电和脑电波等生物信息的传感器。识别单元220还可以包括用于接受来自用户的上下文信息的输入的输入单元。
输出单元230具有输出来自服务器100的信息的功能。例如，输出单元230可以包括能够显示图像的显示单元、能够输出声音的扬声器、能够振动的振动马达等。注意，在用户终端200被实现为透视HMD的情况下，输出单元230可以被实现为透视显示器。
(3)识别装置
如图2所示，识别装置300包括通信单元310和识别单元320。通信单元310和识别单元320的配置与通信单元210和识别单元220的配置相似。
注意，识别装置300可以被实现为例如可穿戴装置、环境安装型摄像机、环境安装型麦克风、物联网(IoT)或者万物联网(IoE)。
(4)输出装置
如图2所示，输出装置400包括通信单元410和输出单元420。通信单元410和输出单元420的配置与通信单元210和输出单元230的配置类似。
注意，输出装置400可以被实现为例如数字标牌、车载引导显示装置、投影映射装置或音频引导装置。
(5)外部装置
外部装置500是具有用户信息的装置。例如，外部装置500是用于使用社交网络服务(SNS)服务器、电子邮件服务器和位置信息来提供服务的服务器。外部装置500将用户的上下文信息发送到服务器100。
注意，在图2中，示出了单个用户终端200、单个识别装置300、单个输出装置400和单个外部装置500。然而，可以存在多个用户终端200、多个识别装置300、多个输出装置400和多个外部装置500。
如上所述，信息处理***1不仅包括用户终端200，还包括环境安装型识别装置300和输出装置400。因此，信息处理***1可以生成和输出没有用户终端200的用户的预测信息，并且还可以向作为目标的没有用户终端200的用户输出预测信息。
以上，对根据本实施方式的信息处理***1的配置示例进行了描述。接下来，将对根据本实施方式的信息处理***1的技术特征进行描述。
<<3.技术特征>>
<3.1.上下文信息>
上下文信息是指示用户所置于的状态的信息。上下文信息可以基于用户的各种信息来识别或者可以由用户输入。在下文中，将对上下文信息的示例进行描述。
(1)指示用户行为的信息
例如，上下文信息可以包括指示用户行为的信息。
识别的行为可以分为两种类型：作为基本行为元素的基本行为以及作为基本行为的组合的高阶行为。基本行为的示例包括坐着且保持静止、站立且保持静止、行走、跑步、在电梯上(上、下)、在自动扶梯上(上、下)、以及乘坐在交通工具上(自行车、列车、轿车、公共汽车、……、其他交通工具)。高阶行为的示例包括移动(去上学、返回家、……、其他种类的移动)、学习、工作(体力劳动、办公桌工作、……、(更详细类型的工作))、玩耍(玩的类型)、进行体育运动(体育运动的类型)、购物(购物的类型)、吃饭(吃饭的内容)。
例如，可以基于由用户携带的用户终端200中包含的加速度传感器、陀螺仪传感器、地磁传感器等检测到的传感器信息来识别指示用户的行为的信息。此外，可以基于例如由监视摄像机等拍摄的拍摄图像的图像识别结果来识别指示用户的行为的信息。此外，例如，在用户终端200中正在使用跑步应用的情况下，识别出用户正在跑步。也就是说，可以基于在用户终端200中正在使用的应用来识别指示用户的行为的信息。此外，可以基于例如在用户终端200中正在使用的消息应用中执行的状态设定诸如办公桌工作/离开办公桌来识别指示用户的行为的信息。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(2)指示用户的位置的信息
例如，上下文信息可以包括指示用户的位置的信息。
指示位置的信息不仅可以包括指示绝对地理坐标的信息，而且也可以包括指示关于特定对象的相对坐标、内部或外部、高度等的信息。具体地，指示位置的信息可以包括指示纬度、经度、海拔高度、地址、GEO标签、建筑物的名称、商店的名称等的信息。
例如，可以通过使用GPS的定位技术、自主定位技术等来识别指示位置的信息。此外，可以基于用户终端200中包括的加速度传感器、陀螺仪传感器、地磁传感器等的传感器信息来识别指示位置的信息。此外，可以基于由环境安装型摄像机所拍摄的图像通过人体检测技术、人脸识别技术等来识别指示位置的信息。此外，可以基于关于能够估计与用户终端200的距离(即，接近关系)的环境安装型通信装置诸如蓝牙和信标的通信结果等来识别指示位置的信息。此外，可以基于利用使用位置信息的服务的用户终端200的结果来识别指示位置的信息。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(3)指示视线的信息
例如，上下文信息可以包括指示用户的视线的信息。
指示视线的信息可以包括受到用户关注的对象、受到用户关注的另一用户的特征、受到用户关注的另一用户的上下文信息、在其受到关注时获得的用户自身的上下文信息等。例如，指示视线的信息可以是这样的信息：该信息指示当用户自己正在执行哪种行为时该用户关注正在执行哪种行为的哪个另外的用户。
例如，可以基于例如以由设置在HMD中以使得用户的眼球是图像拍摄范围的立体摄像机获得的拍摄图像和深度信息为基础的视线方向的识别结果来识别指示视线的信息。此外，可以基于指示用户终端200在真实空间中的位置和姿势的信息来识别指示视线的信息，该位置和姿势通过公知的图像识别技术诸如从运动中恢复结构(SfM)方法或即时定位与地图构建(SLAM)方法来识别。此外，可以基于眼球附近的肌电量来识别指示视线的信息。此外，可以基于由环境安装型摄像机拍摄的图像通过面部识别技术、视线检测技术等来识别指示视线的信息。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(4)用户输出的信息
例如，上下文信息可以包括用户输出的信息。
由用户输出的信息可以包括指示用户说出的内容、用户书写的文本等的信息。
例如，可以通过其中由用户终端200的麦克风获取的声音用作目标的声音识别来识别用户输出的信息。此外，可以通过其中由环境安装型麦克风、激光多普勒传感器等获取的声音用作目标的声音识别来识别用户输出的信息。此外，可以通过其中由环境安装型摄像机所拍摄的嘴的拍摄图像用作目标的图像识别来识别由用户输出的信息。此外，还可以基于由用户发送的电子邮件的内容、消息的内容、SNS上的帖子、搜索关键字等来识别用户输出的信息。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(5)指示用户状态的信息
例如，上下文信息可以包括指示用户的状态的信息。
指示用户状态的信息可以包括指示用户的情绪、用户的身体状况、用户是否正在睡眠的信息等。
例如，可以通过使用生物信息来识别指示用户的状态的信息。此外，可以基于通过环境安装型摄像机拍摄为图像的用户的脸部的表情来识别指示用户的状态的信息。此外，可以基于用户说出的内容或用户书写的文本来识别指示用户的状态的信息。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(6)用户的属性信息
例如，上下文信息可以包括用户的属性信息。
属性信息可以包括指示性别、生日(年龄)、职业、事业、地址(家庭、学校、办公室等)、爱好、喜爱的食物、喜爱的内容(音乐、电影、书籍等)、生活日志(用户经常访问的地方、旅行历史等)、疾病、病史的信息等。
例如，可以基于用户对应用的输入、SNS上的帖子等来识别属性信息。此外，可以基于用户对购物服务或内容分发服务的反馈(例如，购买、再现历史、或者商品或内容的评价信息)等来识别属性信息。此外，可以基于用户终端200的使用历史或操作历史来识别属性信息。此外，可以通过其中使用由环境安装型摄像机拍摄的拍摄图像用作目标的图像识别来识别属性信息。更具体地，例如，可以基于面部部分的图像来识别年龄和性别，并且可以基于衣服部分的图像来识别职业。此外，可以通过位置信息的时间序列变化来识别属性信息。更具体地，例如，用户在夜间长时间停留的地方可以被识别为用户的家，并且用户在白天长时间停留的地方可以被识别为办公室或学校。注意，可以组合这些识别方法，或者可以使用另一任意识别方法。
(7)指示用户的人际关系的信息
例如，上下文信息可以包括指示用户的人际关系的信息。
指示人际关系的信息可以包括指示与用户待在一起的人、家庭关系、友谊、亲密程度等的信息。
例如，可以基于用户对应用的输入、SNS上的帖子等来识别指示人际关系的信息。此外，可以基于用户与个人待在一起的时间长度、用户与个人待在一起时的用户的表达等来识别指示人际关系的信息。此外，可以基于用户与个人是否居住在同一家庭中、用户与个人是否在同一办公室工作或去同一所学校的信息等来识别指示人际关系的信息。
以上，对上下文信息的示例进行了描述。上下文信息可以包括以上所述多条信息中的至少任意一个。
上下文信息的识别处理可以由用户终端200和识别装置300执行，或者可以由服务器100执行。在识别处理在服务器100中执行的情况下，在用户终端200和识别装置300与服务器100之间发送/接收实时传感器信息，因此，鉴于通信量，期望在用户终端200和识别装置300中执行识别处理。
此外，识别的上下文信息可以是不被直接预测的上下文信息，只要所识别的上下文信息对于预测上下文信息有用即可。例如，即使在没有预测到话语的情况下，也可以在基于发音的内容预测下一个行为的情况下识别话语的内容。
如上所述，可以在没有用户的主动输入的情况下识别上下文信息。这减轻了用户的负担。注意，用户主动输入的信息，例如输入日程表以及将目的地输入到汽车导航***，也可以用于识别上下文信息。
<3.2.学习与预测>
服务器100(例如，学习单元142)学习预测器。然后，服务器100(例如，生成单元143)通过使用预测器来预测上下文信息。
预测器的学习可以通过使用诸如状态转换模型、神经网络、深度学习、隐马尔可夫模型(HMM)、k最近邻算法方法、内核方法或支持向量机(SVM)等技术来执行。关于行为的技术的示例包括通过提取目标人的行为习惯来预测未来行为的技术和通过提取目标人的运动模式来预测未来运动的技术。
可以为每个用户学习预测器，或者可以为多个用户或所有用户学习公共预测器。例如，可以学习以家庭为单位、以办公室为单位或以朋友为单位的常见预测器。此外，可以针对每个识别单元220即对于每个用户终端200或对于每个识别装置300执行预测器的学习。
预测器可以被认为是表示在基于上下文信息的历史生成的多条上下文信息之间的依赖关系(例如，时间序列变化)的模型。在预测处理时，实时获取的上下文信息被输入到预测器，并且因此输出具有依赖关系(例如，被预测为要在时间序列中的下一时间处获取)的上下文信息。例如，在当前时间处的用户的行为、用户的位置、用户输出的内容、用户的视线、用户的状态、用户的属性信息以及用户的人际关系被输入到预测器时，输出用户的未来行为、用户的位置、用户输出的内容、用户的视线、用户的状态、用户的属性信息以及用户的人际关系的预测结果。如上所述，生成单元143生成指示从预测器输出的预测结果的预测信息。
<3.3.选择第二用户>
服务器100(例如，生成单元143和输出控制单元144)向第一用户显示与第一用户的上下文信息有关的预测信息。为此，服务器100选择向第一用户显示哪个用户的预测信息，即选择将哪个用户设定为第二用户。
例如，服务器100显示基于第一用户的上下文信息从多个其他用户选择的第二用户的预测信息。由此，第一用户可以知道与第一用户所处的状态相对应的用户的预测信息(即，上下文信息)。因此，防止真实空间图像因为显示过多的预测信息而复杂化。
具体地，服务器100可以显示被确定为具有与第一用户的上下文信息有关的上下文信息的第二用户的预测信息。在图1所示的示例中，第一用户(正在看真实空间图像10的用户)选择在餐厅中用餐的另一用户作为第二用户，该另一用户与指示第一用户在餐厅中并且要用餐的上下文信息有关。如上所述，第一用户可以知道与第一用户所置于或将置于的状态有关的用户的预测信息。
此外，服务器100可以显示被确定为受到第一用户的关注的第二用户的预测信息。在图1所示的示例中，选择坐在第一用户希望坐的座位中的另一用户作为第二用户，该另一用户被确定为受到第一用户的关注。如上所述，第一用户可以知道第一用户期望知道的用户的预测信息。
此外，服务器100可以显示被确定为具有与过去已经受到第一用户的关注的第三用户的上下文信息类似的上下文信息的第二用户的预测信息。在图1所示的示例中，选择当前坐在座位上的另一用户作为第二用户，该另一用户与过去已经受到第一用户的关注并且已经坐在第一用户希望坐的同一座位中的另一用户相似。如上所述，第一用户可以知道与第一用户过去已经期望知道其预测信息类似的用户的预测信息。
<3.4.生成预测信息>
服务器100(例如，生成单元143和输出控制单元144)向第一用户显示与第一用户的上下文信息有关的预测信息。此时，服务器100(例如，生成单元143和输出控制单元144)显示基于第二用户的上下文信息生成的预测信息。换言之，服务器100基于第一用户和第二用户的上下文信息来控制要显示的预测信息的内容。由此，第一用户可以知道内容与第一用户所置于的状态相对应的预测信息。
具体地，服务器100可以根据第二用户是否在移动来显示不同的预测信息。例如，在确定第二用户在移动的情况下，服务器100显示指示第二用户的移动轨迹的预测结果的预测信息。由此，第一用户可以预先知道第一用户的移动轨迹和第二用户的移动轨迹是否彼此交叉。另外，在确定第二用户不移动的情况下，服务器100显示指示预测第二用户开始移动的时间的预测信息。由此，例如，第一用户可以在掌握例如到第二用户开始移动的剩余时间的情况下移动。下面将对具体的显示示例进行详细描述。
注意，预测信息中的剩余时间可以被认为是到任意行为开始或终止的剩余时间。例如，到移动开始的剩余时间是到停止行为终止的剩余时间。此外，例如，移动开始之后到移动停止的剩余时间可以被显示为预测信息。
此外，服务器100可以显示与第一用户和第二用户之间的人际关系对应的预测信息。例如，关于与第一用户具有高亲密度的第二用户，服务器100可以显示详细的预测信息，并且关于与第二用户具有低亲密度的第二用户，服务器100可以显示简化的预测信息或隐藏预测信息。由此，第一用户看不到不必要的预测信息，并且第二用户可以保护隐私。
此外，在第二用户的上下文信息的历史不存在或不足够的情况下，服务器100可以显示基于被确定为属性信息与第二用户的属性信息类似的第三用户的上下文信息的历史而生成的预测信息。例如，关于第一次访问咖啡馆的第二用户，服务器100例如可以基于第二用户的年龄、职业等的识别结果通过使用年龄和职业与第二用户类似的第三用户的预测器来执行停留时间和行为的预测，从而显示预测信息。注意，上下文信息的历史不足够的情况是指例如预测器的预测精度小于阈值的情况。由此，即使在关于第二用户的学习不足够的情况下，也可以适当地向第一用户呈现预测信息。
此外，服务器100可以优先地显示指示具有高预测精度的上下文信息的预测结果的预测信息。这防止第一用户被错误的预测信息迷惑。
此外，服务器100可以在地图上而不是真实空间图像显示多个第二用户的预测信息。由此，第一用户可以从鸟瞰图视觉地识别多个第二用户的预测信息。这种显示对于例如游乐园的管理者是有用的。
注意，服务器100可以显示关于单个第二用户的多条预测信息。例如，服务器100可以显示指示多种不同种类的上下文信息的预测结果的预测信息。
在下文中，将参照图3至图11对具体的显示示例进行描述。
(1)剩余时间
图3是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图3所示的真实空间图像20中，显示从乘坐列车的第一用户看到的列车内部的状态。此外，关于被确定为坐在座位上并且不移动的第二用户21，在真实空间图像20中显示指示到第二用户21离开座位(即，下列车)的预测时间(即，第二用户21被预测开始移动的时间)的预测信息22。根据预测信息22，预测第二用户21在两分钟后下列车。为此，第一用户可以准备为将下车的第二用户让路或准备坐在第二用户正在坐的座位上。另外对于第二用户，期望周围的用户提前为下列车的第二用户作准备，因此可以更舒适地下列车。如上所述，向第一用户公开第二用户的预测信息对于第一用户和第二用户都是有用的。
图4是用于描述根据本实施方式的信息处理***1执行的显示示例的图。关于被确定坐在座位上并且不移动的第二用户31和32，在图4所示的真实空间图像30中显示指示到第二用户31和32离开座位的预测时间(即，第二用户31和32被预测开始移动的时间)的多条预测信息33和34。根据多条预测信息33和34，预测第二用户31和32在二十五分钟后离开座位。本文中，如图4所示，在多条预测信息33和34中，以进度条的形式显示坐在座位中的行为的剩余时间或经过时间与整个时间的比例。使用进度条的显示可以是各种形式，如图5所示。
图5是用于描述根据本实施方式的信息处理***1的显示示例的图。图5示出以进度条形式显示的预测信息的具体示例。在预测信息35中，假设从当前行为开始到预测结束时刻的时间长度为100％(附图标记36)，从当前行为开始起经过的时间由进度条的长度(附图标记37)表示。图4所示的示例与此相对应。预测信息38是可以在预测精度低的情况下使用的显示方法，并且示出预测可能改变。可以根据最新获取的上下文信息来增加/减少预测时间。然而，由于显示这样的比例，所以第一用户可以预测近似结束时间的变化。
以上，描述了关于不移动的第二用户的示例，显示指示到第二用户开始移动的剩余时间的预测信息。然而，本技术不限于此示例。例如，可以显示指示到第二用户开始(执行)或终止任意行为的剩余时间的信息。例如，如参照图6所述的可以显示指示到第二用户说出特定词语的剩余时间的信息。
图6是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图6所示的真实空间图像30中，显示从作为第一用户的家长看到的与家人散步的孩子的状态。在真实空间图像40中，显示指示到作为第二用户的孩子41执行特定行为的剩余时间的预测信息42。预测信息42显示，孩子已经被预测为“太累而无法行走”，被预测为在一小时二十分钟后说“我想去厕所”，以及被预测为在三十分钟后说“我饿了”。由此显示，家长可以提前满足孩子的需求。如上所述，在一起行为的多个用户相互知道他们的预测信息，因此预先防止由多个人的行为引起的麻烦。
(2)移动轨迹
图7是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图7所示的真实空间图像50中，从驾驶轿车51的第一用户看到的轿车52和53(具体地，驾驶轿车52的第二用户和驾驶轿车53的第二用户)的多条预测信息54和55。关于显示被确定为不移动(例如，停放)的轿车52，显示指示到轿车52开始移动的预测时间的预测信息54。剩余时间为5分3秒，即足够的时间，因此第一用户可以容易地通过轿车52。此外，关于被确定为移动(例如，正在行驶或为了右转而暂时停止)的轿车53，显示指示运动轨迹的预测结果的预测信息55。第一用户可以很容易地知道运动轨迹与行进方向交叉，因此可以安全地停止。通过显示该预测信息，提高了道路交通安全性。
图8是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图8所示的真实空间图像60中，显示从驾驶轿车61的第一用户看到的摩托车62(具体地，驾驶摩托车62的第二用户)的运动轨迹的预测结果的预测信息63。根据预测信息63，摩托车62直线行驶，因此第一用户可以使轿车61直线行驶而不考虑摩托车62的车道变更。通过显示此类预测信息，提高了驾驶的舒适性。
图9是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图9所示的真实空间图像70中，显示从在道路上步行的第一用户看到的其他步行用户71和72的移动轨迹的预测结果的多条预测信息73和74。由此，第一用户可以行走而不与第二用户71和72碰撞。此外，在第一用户关注第二用户71的情况下，可以显示指示更详细的预测结果的预测信息75。预测信息75包括第二用户71的行为计划表，诸如在五分钟后到达车站AA，上列车并移动，十五分钟后到达车站BB，步行移动，以及在二十五分钟后到达公司CC。
(3)关注度
图10是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图10所示的真实空间图像80中，显示电梯内部的状态。此外，在真实空间图像80中，显示指示多少个第二用户关注第一用户的预测结果的预测信息81。更具体地，在预测信息81中，显示预测关注第一用户的人数的时间序列变化。由此，例如，第一用户可以在例如门打开并且第一用户受到关注之前整理好自己的仪容。
(4)实时上下文信息
图11是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图11所示的真实空间图像30中，除了图4所示的真实空间图像30之外，还显示指示第二用户31的当前情绪的信息39。指示情绪的信息39显示第二用户31当前高兴。如上所述，服务器100可以不仅显示预测信息33，还显示第二用户31的上下文信息。由此，第一用户可以基于第二用户当前所置于的状态来执行行为。例如，在第二用户处于麻烦中的情况下，第一用户帮助第二用户。
(5)其他
此外，服务器100可以显示各种预测信息。例如，服务器100可以显示预测要由第二用户说出的关键字。在这种情况下，第一用户可以通过使用关键字进行有趣的对话。
<3.5.设定许可/不许可输出>
服务器100(例如，生成单元143和输出控制单元144)可以设定许可/不许可向另一用户输出用户的预测信息。从向第一用户显示预测信息的观点来看，服务器100可以设定许可/不许可向第一用户输出第二用户的预测信息。
例如，服务器100显示被第二用户许可显示的预测信息。由此，第二用户可以保护隐私。
可以基于来自第二用户的指令执行许可。在这种情况下，第二用户直接设定许可/不许可预测信息的公开。此外，可以基于与第二用户的位置有关的设定来执行许可。例如，可以执行以下设定：当第二用户在第二用户的家庭附近的地方时，不许可公开详细的预测信息。此外，可以基于与第一用户和第二用户之间的人际关系有关的设定来执行许可。例如，可以执行以下设定：十分钟以内的预测被许可向所有人公开，一小时内的预测许可向朋友公开，并且一个小时以上的预测不许可对任何人公开。
<3.6.筛选所生成预测信息>
服务器100(例如，生成单元143和输出控制单元144)可以筛选所生成的预测信息。例如，服务器100显示所生成的预测信息的一部分并且不显示其另一部分。
例如，服务器100提供所显示的预测信息与第一用户之间的交互功能。然后，在由第一用户删除显示给作为目标的第一用户的预测信息(消除了显示)的情况下，服务器100存储所删除的预测信息并且此后不显示相同种类的预测信息。由此，仅提供适当的预测信息。
<3.7.输出用户自己的预测信息>
服务器100(例如，生成单元143和输出控制单元144)可以向作为目标的第一用户自己显示指示第一用户的上下文信息的预测结果的预测信息显示。换言之，服务器100可以显示向作为目标的另一用户显示的第一用户的预测信息，使得预测信息也可以由第一用户自己视觉地识别。由此，第一用户可以知道第一用户的哪个预测信息被公开给另一个用户。
如上参照图1所述，一般来说，不能说将向个人呈现个人自己的预测结果是非常有用的。然而，从个人自己的预测结果如何向另一人公开的观点来看，向个人呈现个人的预测结果是有用的。
以下，参照图12对关于用户自身的预测信息的显示示例进行描述。
图12是用于描述根据本实施方式的信息处理***1执行的显示示例的图。在图12所示的真实空间图像90中，显示从坐在列车座位的第一用户所看到的列车内部的状态。在图12所示的真实空间图像90中，不仅显示第二用户91的预测信息92，还显示第一用户的多条预测信息93和94。预测信息92示出了第二用户91被预测为在三十分钟后下车。预测信息93示出了第一用户被预测为在一小时后进行午餐。预测信息94示出了第一用户被预测为在两分钟后下车。这里，在另一用户关注预测信息94的情况下(例如，向大量其他用户显示预测信息94)，可以如图12所示那样强调预测信息94。由此，第一用户可以基于第一用户的哪个预测信息而知道第二用户要如何行为。
本文中，预测信息可以由用户来校正。从向第一用户显示预测信息的观点来看，服务器100可以显示基于来自第二用户的指令而校正的预测信息。例如，在图12所示的示例中，在多条预测信息93或94错误的情况下，第一用户校正这些预测信息。这防止另一用户被错误的预测信息迷惑。此外，在预测信息错误的情况下，如图12所示的示例那样强调另一用户关注的预测信息可以促使第一用户校正预测信息。由此，例如，在第一用户实际在三十分钟后下车的情况下，第一用户将预测信息94从两分钟后校正到三十分钟后。因此，可以防止周围的其他用户为第一用户下车作准备。如上所述，关于具有高度关注度的预测信息，期望呈现更准确的信息。
以上，对根据本实施方式的信息处理***1的技术特征进行了描述。接下来，将参照图13至图16对根据本实施方式的信息处理***1的操作处理示例进行描述。
<<4.操作处理示例>>
(1)学习处理
图13是示出在根据本实施方式的服务器100中执行的预测器的学习处理的流程的示例的流程图。
如图13所示，首先，获取单元141经由通信单元110从用户终端200和识别装置300获取上下文信息(步骤S102)，并且将上下文信息存储在上下文信息DB120上(步骤S104)。然后，学习单元142基于在上下文信息DB 120中累积的上下文信息的历史来学习预测器(步骤S106)。
(2)显示处理
图14是示出在根据本实施方式的服务器100中执行的预测信息的显示处理的流程的示例的流程图。
如图14所示，首先，生成单元143选择第二用户(步骤S202)。以下将参照图15详细描述这里的处理。然后，生成单元143生成第二用户的预测信息(步骤S204)。以下将参照图16详细描述这里的处理。然后，输出控制单元144使用户终端200或输出装置400显示所生成的预测信息(步骤S206)。
注意，步骤S202和S204的顺序可以颠倒。在顺序颠倒的情况下，生成单元143生成可能成为第二用户的用户(例如，真实空间图像中包括的所有其他用户)的预测信息，并且选择要显示的预测信息。
(3)第二用户的选择处理
图15是示出在根据本实施方式的服务器100中执行的第二用户的选择处理的流程的示例的流程图。该流程详细示出了图14中的步骤S202。
如图15所示，首先，生成单元143基于指示人际关系的信息进行选择(步骤S302)。例如，生成单元143选择与第一用户有关的另一用户(例如与第一用户具有友谊的另一用户)作为第二用户的候选者。然后，生成单元143基于指示位置的信息进行选择(步骤S304)。例如，生成单元143选择位于第一用户附近的另一用户作为第二用户的候选者。然后，生成单元143基于指示行为的信息进行选择(步骤S306)。例如，生成单元143选择其行为与第一用户的行为相似或者执行与之有关的行为的另一用户作为第二用户的候选者。然后，生成单元143基于指示视线的信息进行选择(步骤S308)。例如，生成单元143根据第一用户关注这些用户的程度，对目前选择为第二用户的候选者的用户进行排序，并且从受到最高关注度的用户按顺序选择预定数目的用户作为第二用户。
(4)预测信息的生成处理
图16是示出在根据本实施方式的服务器100中执行的预测信息的生成处理的流程的示例的流程图。该流程详细示出图14中的步骤S204。
如图16所示，首先，生成单元143确定第二用户是否在移动(步骤S402)。在确定第二用户在移动的情况下(步骤S402/是)，生成单元143生成指示第二用户的移动轨迹的预测结果的预测信息(步骤S404)。另外，在确定第二用户不移动的情况下(步骤S402/否)，生成单元143生成指示到开始移动之前的剩余时间的预测信息(步骤S406)。
然后，生成单元143基于许可/不许可公开的设定来调整预测信息的内容(步骤S408)。例如，生成单元143根据第一用户与第二用户之间的人际关系来简化或隐藏预测信息的内容。然后，生成单元143基于关注度来调整预测信息的内容(步骤S410)。例如，关于具有第一用户的高度关注度的第二用户，生成单元143使预测信息的内容更精细。
以上，对根据本实施方式的信息处理***1的操作处理示例进行了描述。
<<5.硬件配置示例>>
最后，将参照图17描述根据本实施方式的信息处理装置的硬件配置。图17是示出根据本实施方式的信息处理装置的硬件配置的示例的框图。注意，图17所示的信息处理装置900可以实现例如图2所示的服务器100、用户终端200、识别装置300、输出装置400或外部装置500。根据本实施方式的由服务器100、用户终端200、识别装置300、输出装置400或外部装置500执行的信息处理通过软件与以下描述的硬件协作来实现。
如图17所示，信息处理装置900包括中央处理单元(CPU)901、只读存储器(ROM)902、随机存取存储器(RAM)903和主机总线904a。此外，信息处理装置900包括桥接器904、外部总线904b、接口905、输入装置906、输出装置907、存储装置908、驱动器909、连接端口911和通信装置913。信息处理装置900可以包括诸如DSP或ASIC之类的处理电路来替代CPU 901或者与CPU 901一起。
CPU 901用作算术处理装置和控制装置，并且根据各种程序来控制信息处理装置900中的整体操作。此外，CPU 901可以是微处理器。ROM 902存储由CPU 901使用的程序、操作参数等。RAM 903临时存储在CPU 901的执行中使用的程序、在执行中适当改变的参数等。例如，CPU 901可以形成图2所示的处理单元140。
CPU 901、ROM 902和RAM 903由包括CPU总线等的主机总线904a连接。主机总线904a经由桥接器904与外部总线904b(例如***组件互连/接口(PCI)总线)连接。此外，主机总线904a、桥接器904和外部总线904b不一定单独配置，并且这些功能可以安装在单个总线中。
输入装置906由用户通过其输入信息的装置，例如鼠标、键盘、触摸面板、按钮、麦克风、开关、操纵杆等实现。此外，例如，输入装置906可以是使用红外线或其他电波的遥控装置，或者与信息处理装置900的操纵相对应的诸如蜂窝电话或PDA的外部连接装置。此外，输入装置906例如可以包括基于使用上述输入装置输入的信息生成输入信号并且将该输入信号输出到CPU 901的输入控制电路等。信息处理装置900的用户可以通过操纵输入装置906来输入各种类型的数据或者对信息处理装置900的处理操作进行排序。
此外，输入装置906可以由用于感测用户信息的传感器构成。例如，输入装置906可以包括各种传感器诸如图像传感器(例如，摄像机)、深度传感器(例如，立体摄像机)、加速度传感器、陀螺仪传感器、地磁传感器、光学传感器、声音传感器、距离测量传感器和力传感器。此外，输入装置906可以获取关于信息处理装置900自身的状态的信息，诸如信息处理装置900的姿势和移动速度，以及关于信息处理装置900的周围环境的信息，诸如信息处理装置900附近的亮度和噪声。此外，输入装置906可以包括用于接收GPS信号以测量装置的纬度、经度和海拔高度的GPS传感器。
输入装置906可以形成例如图2所示的识别单元220和识别单元320。
输出装置907由可以在视觉上或听觉地通知用户获取的信息的装置形成。作为这样的装置，存在诸如CRT显示装置、液晶显示装置、等离子体显示装置、EL显示装置、激光投影仪、LED投影仪或灯的显示装置，诸如扬声器和耳机的声音输出装置，打印机装置等。输出装置907输出例如由信息处理装置900进行的各种处理而获得的结果。具体地，显示装置以文字、图像、表格和图形等各种形式可视地显示由信息处理装置900进行的各种处理而获得的结果。另一方面，声音输出装置将由再现的声音数据、音频数据等组成的音频信号转换为模拟信号，并且听觉地输出模拟信号。例如，上述显示装置和声音输出装置可以形成图2所示的输出单元230和输出单元420。
存储装置908是用于形成为信息处理装置900的存储单元的示例的数据存储的装置。例如，存储装置908由诸如HDD的磁存储装置、半导体存储装置、光学存储装置、磁光存储装置等实现。存储装置908可以包括存储介质、在存储介质上记录数据的记录介质、用于从存储介质读取数据的读取装置、用于删除记录在存储介质上的数据的删除装置等。存储装置908存储由CPU 901执行的程序和各种类型的数据、从外部获取的各种类型的数据等。存储装置908可以形成例如图2所示的上下文信息DB 120和预测器DB 130。
驱动器909是用于存储介质的读取器/写入器，并且被包括在信息处理装置900中或者外部地附加到信息处理装置900。驱动器909读取安装在其上的诸如磁盘、光盘、磁光学光盘或半导体存储器的可去除存储介质上记录的信息，并且将该信息输出到RAM 903。此外，驱动器909可以在可移动存储介质上写入信息。
连接端口911是与外部装置连接的接口，并且是例如通过通用串行总线(USB)等传输数据的外部装置的连接器。
通信装置913是例如由用于连接到网络920等的通信装置形成的通信接口。通信装置913例如是用于有线或无线局域网(LAN)、长期演进(LTE)、蓝牙(注册商标)或无线USB(WUSB)等的通信卡等。此外，通信装置913可以是用于光通信的路由器、用于非对称数字用户线路(ADSL)的路由器、各种通信调制解调器等。例如，通信装置913可以根据预定协议(例如TCP/IP等)向/从因特网和其他通信装置发送/接收信号等。通信装置913可以形成例如图2所示的通信单元110、通信单元210、通信单元310和通信单元410。
此外，网络920是从连接到网络920的装置发送的信息的有线或无线传输路径。例如，网络920可以包括诸如因特网、电话电路网络或卫星通信网络的公共电路网络，包括以太网(注册商标)的各种局域网(LAN)，广域网(WAN)等。此外，网络920可以包括诸如因特网协议-虚拟专用网(IP-VPN)的专用电路网络。
上文中，示出了能够实现根据本实施方式的信息处理装置900的功能的硬件配置的示例。各个部件可以使用通用构件来实现，或者可以由专用于相应组件的功能的硬件来实现。因此，根据执行实施方式时的技术水平，可以适当地改变要使用的硬件配置。
此外，可以创建用于实现根据本实施方式的信息处理装置900的每个功能的计算机程序，并且可以安装在PC等中。此外，可以提供其上存储有此类计算机程序的计算机可读记录介质。例如，记录介质是磁盘、光盘、磁光盘、闪速存储器等。计算机程序可以例如通过网络传送而不使用记录介质。
<<6.结论>>
在上文中，已经参照图1至图17对根据本公开内容的实施方式的信息处理***1进行了详细描述。如上所述，根据本实施方式的信息处理***1可以向作为目标的第一用户显示与第一用户的上下文信息有关的第二用户的预测信息，该预测信息是基于第二用户的上下文信息的历史生成的。由此，将第二用户的预测信息呈现为对第一用户有用的信息。对于第一用户，例如可以视觉地识别第二用户的未来行为，因此可以执行顺畅的通信，并且还可以容易地制定第一用户的行为计划。
此外，信息处理***1显示基于第二用户的上下文信息生成的预测信息作为与第一用户的上下文信息有关的预测信息。由此，第一用户可以知道内容对应于第一用户所置于的状态的预测信息。例如，在第一用户正在驾驶轿车的情况下，另一辆车的路线被可视化并且实现了顺畅的交通。此外，在第一用户尝试进行交谈的情况下，可以知道第一用户是否可以与同伴谈话。此外，在第一用户乘坐列车的情况下，可以预先知道拥挤的列车中的座位的空缺。此外，在第一用户前往第一用户首次访问的地方的情况下，第一用户可以通过跟随前往与第一用户的目的地相同的目的地的第二用户来容易地到达目的地。
此外，信息处理***1显示基于第一用户的上下文信息从多个其他用户中选择的第二用户的预测信息。由此，可以防止真实空间图像因为显示出过多的预测信息而复杂化。
以上已经参照附图描述了本公开内容的优选实施方式，而本公开内容不限于上述示例。本领域技术人员可以在所附权利要求的范围内发现各种改变和修改，并且应当理解，它们将自然地落入本公开内容的技术范围内。
例如，在上述实施方式中，已经描述了将用户终端200实现为透视HMD的示例。然而，本技术不限于该示例。例如，用户终端200可以被实现为在显示AR的虚拟对象的同时显示真实空间的拍摄图像以使得虚拟对象被叠加在真实空间的拍摄图像上的沉浸式(视频通过)HMD。此外，关于沉浸式HMD，可以使用虚拟空间的拍摄图像而不是真实空间的拍摄图像。此外，用户终端200可以被实现为投影HMD，其中例如提供用于将图像直接投影到用户的视网膜上的LED光源。
此外，在上述实施方式中，已经描述了将服务器100设置为单个装置的示例。然而，本技术不限于该示例。例如，一部分或整个服务器100可以被包括在不同的设备中。例如，上下文信息DB 120和预测器DB 130可以被实现为与服务器100不同的装置。
此外，在上述实施方式中，已经描述了用户终端200和服务器100被单独提供的示例。然而，本技术不限于该示例。例如，一部分或全部服务器100可以被包括在用户终端200中。在这种情况下，可以在用户终端200中执行上下文信息的累积和/或预测器的学习。这同样适用于识别装置300和输出装置400。
注意，本说明书中描述的处理不需要按照流程图所示的顺序执行流程图。一些处理步骤可以并行执行。此外，可以采用一些附加步骤，或者可以省略一些处理步骤。
此外，本说明书中描述的效果仅仅是示例性或例示性的效果，并不是限制性的。也就是说，与以上效果一起或代替以上效果，根据本公开内容的技术可以实现从根据说明书的描述对本领域技术人员清楚的其他效果。
此外，本技术也可以如下构成。
(1)
一种信息处理装置，包括：
输出控制单元，被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
(2)
根据(1)所述的信息处理装置，
其中，所述输出控制单元显示基于所述第一用户的上下文信息而从多个其他用户中选择的所述第二用户的预测信息。
(3)
根据(2)所述的信息处理装置，
其中，所述输出控制单元显示被确定为上下文信息与所述第一用户有关的所述第二用户的预测信息。
(4)
根据(2)或(3)所述的信息处理装置，其中
所述上下文信息包括指示用户的视线的信息，并且
所述输出控制单元显示被确定为受到所述第一用户关注的所述第二用户的预测信息。
(5)
根据(2)至(4)中任一项所述的信息处理装置，其中
所述上下文信息包括指示用户的视线的信息，并且
所述输出控制单元显示被确定为上下文信息与过去受到过所述第一用户关注的第三用户的上下文信息类似的所述第二用户的预测信息。
(6)
根据(1)至(5)中任一项所述的信息处理装置，
其中，所述输出控制单元显示基于所述第二用户的上下文信息而生成的所述预测信息。
(7)
根据(6)所述的信息处理装置，其中
所述上下文信息包括指示用户的行为的信息，并且
所述输出控制单元显示根据所述第二用户是否在移动而不同的所述预测信息。
(8)
根据(7)所述的信息处理装置，
其中，在确定所述第二用户在移动的情况下，所述输出控制单元显示指示所述第二用户的移动轨迹的预测结果的所述预测信息。
(9)
根据(7)或(8)所述的信息处理装置，
其中，在确定所述第二用户不在移动的情况下，所述输出控制单元显示指示所述第二用户被预测为开始移动的时间的所述预测信息。
(10)
根据(6)至(9)中任一项所述的信息处理装置，其中
所述上下文信息包括指示用户的人际关系的信息，并且
所述输出控制单元显示与所述第一用户和所述第二用户之间的人际关系相对应的所述预测信息。
(11)
根据(6)至(10)中任一项所述的信息处理装置，其中
所述上下文信息包括用户的属性信息，并且
在所述第二用户的上下文信息的历史不存在或不足够的情况下，所述输出控制单元显示基于被确定为属性信息与所述第二用户的属性信息类似的第三用户的上下文信息的历史而生成的所述预测信息。
(12)
根据(1)至(11)中任一项所述的信息处理装置，
其中，所述输出控制单元显示被所述第二用户许可显示的所述预测信息。
(13)
根据(12)所述的信息处理装置，
其中，基于关于来自所述第二用户的指令、所述第二用户的位置和所述第一用户与所述第二用户之间的人际关系中的至少任一个的设定来给出所述许可。
(14)
根据(1)至(13)中任一项所述的信息处理装置，
其中，所述输出控制单元显示基于来自所述第二用户的指令而校正的所述预测信息。
(15)
根据(1)至(14)中任一项所述的信息处理装置，
其中，所述输出控制单元显示指示所述第一用户的上下文信息的预测结果的所述预测信息。
(16)
根据(1)至(15)中任一项所述的信息处理装置，
其中，所述输出控制单元不仅显示所述预测信息，而且显示所述第二用户的上下文信息。
(17)
根据(1)至(16)中任一项所述的信息处理装置，
其中，所述上下文信息包括指示用户行为的信息、指示所述用户的位置的信息、指示所述用户的视线的信息、由所述用户输出的信息、指示所述用户的状态的信息、所述用户的属性信息、以及指示所述用户的人际关系的信息中的至少任一个。
(18)
根据(1)至(17)中任一项所述的信息处理装置，
其中，所述输出控制单元使得输出装置显示所述预测信息，所述输出装置被设置在所述第一用户的终端设备中或者被设置在所述第一用户附近。
(19)
一种信息处理方法，包括
使处理器向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
(20)
一种用于使计算机起输出控制单元的作用的程序，
输出控制单元，被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
附图标记清单
1 信息处理***
100 服务器
110 通信单元
120 上下文信息DB
130 预测器DB
140 处理单元
141 获取单元
142 学习单元
143 生成单元
144 输出控制单元
200 用户终端
210 通信单元
220 识别单元
230 输出单元
300 识别装置
310 通信单元
320 识别单元
400 输出装置
410 通信单元
420 输出单元
500 外部装置

Claims (20)

1.一种信息处理装置，包括：
输出控制单元，被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
2.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元显示基于所述第一用户的上下文信息而从多个其他用户中选择的所述第二用户的预测信息。
3.根据权利要求2所述的信息处理装置，
其中，所述输出控制单元显示被确定为上下文信息与所述第一用户有关的所述第二用户的预测信息。
4.根据权利要求2所述的信息处理装置，其中，
所述上下文信息包括指示用户的视线的信息，并且
所述输出控制单元显示被确定为受到所述第一用户关注的所述第二用户的预测信息。
5.根据权利要求2所述的信息处理装置，其中，
所述上下文信息包括指示用户的视线的信息，并且
所述输出控制单元显示被确定为上下文信息与过去受到过所述第一用户关注的第三用户的上下文信息类似的所述第二用户的预测信息。
6.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元显示基于所述第二用户的上下文信息而生成的所述预测信息。
7.根据权利要求6所述的信息处理装置，其中，
所述上下文信息包括指示用户的行为的信息，并且
所述输出控制单元显示根据所述第二用户是否在移动而不同的所述预测信息。
8.根据权利要求7所述的信息处理装置，
其中，在确定所述第二用户在移动的情况下，所述输出控制单元显示指示所述第二用户的移动轨迹的预测结果的所述预测信息。
9.根据权利要求7所述的信息处理装置，
其中，在确定所述第二用户不在移动的情况下，所述输出控制单元显示指示所述第二用户被预测为开始移动的时间的所述预测信息。
10.根据权利要求6所述的信息处理装置，其中，
所述上下文信息包括指示用户的人际关系的信息，并且
所述输出控制单元显示与所述第一用户和所述第二用户之间的人际关系相对应的所述预测信息。
11.根据权利要求6所述的信息处理装置，其中，
所述上下文信息包括用户的属性信息，并且
在所述第二用户的上下文信息的历史不存在或不足够的情况下，所述输出控制单元显示基于被确定为属性信息与所述第二用户的属性信息类似的第三用户的上下文信息的历史而生成的所述预测信息。
12.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元显示被所述第二用户许可显示的所述预测信息。
13.根据权利要求12所述的信息处理装置，
其中，基于关于来自所述第二用户的指令、所述第二用户的位置和所述第一用户与所述第二用户之间的人际关系中的至少任一个的设定来给出所述许可。
14.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元显示基于来自所述第二用户的指令而校正的所述预测信息。
15.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元显示指示所述第一用户的上下文信息的预测结果的所述预测信息。
16.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元不仅显示所述预测信息，而且显示所述第二用户的上下文信息。
17.根据权利要求1所述的信息处理装置，
其中，所述上下文信息包括指示用户行为的信息、指示所述用户的位置的信息、指示所述用户的视线的信息、由所述用户输出的信息、指示所述用户的状态的信息、所述用户的属性信息、以及指示所述用户的人际关系的信息中的至少任一个。
18.根据权利要求1所述的信息处理装置，
其中，所述输出控制单元使得输出装置显示所述预测信息，所述输出装置被设置在所述第一用户的终端设备中或者被设置在所述第一用户附近。
19.一种信息处理方法，包括：
使处理器向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
20.一种程序，用于使计算机用作：
输出控制单元，被配置成向第一用户输出指示第二用户的上下文信息的预测结果的预测信息，所述预测信息与所述第一用户的上下文信息有关并且是基于所述第二用户的上下文信息的历史而生成的。
CN201680026010.XA 2015-05-11 2016-01-28 信息处理装置、信息处理方法和程序 Withdrawn CN107533712A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015-096596 2015-05-11
JP2015096596 2015-05-11
PCT/JP2016/052491 WO2016181670A1 (ja) 2015-05-11 2016-01-28 情報処理装置、情報処理方法及びプログラム

Publications (1)

Publication Number Publication Date
CN107533712A true CN107533712A (zh) 2018-01-02

Family

ID=57247933

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680026010.XA Withdrawn CN107533712A (zh) 2015-05-11 2016-01-28 信息处理装置、信息处理方法和程序

Country Status (5)

Country Link
US (1) US20180025283A1 (zh)
EP (1) EP3296944A4 (zh)
JP (1) JPWO2016181670A1 (zh)
CN (1) CN107533712A (zh)
WO (1) WO2016181670A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334669A (zh) * 2019-07-10 2019-10-15 深圳市华腾物联科技有限公司 一种形态特征识别的方法和设备

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018168247A1 (ja) 2017-03-15 2018-09-20 ソニー株式会社 情報処理装置、情報処理方法およびプログラム
US11669345B2 (en) * 2018-03-13 2023-06-06 Cloudblue Llc System and method for generating prediction based GUIs to improve GUI response times
KR102111672B1 (ko) * 2018-05-30 2020-05-15 가천대학교 산학협력단 소셜미디어 컨텐츠 기반 감정 분석 방법, 시스템 및 컴퓨터-판독가능 매체
US11195336B2 (en) * 2018-06-08 2021-12-07 Vulcan Inc. Framework for augmented reality applications
WO2019237085A1 (en) 2018-06-08 2019-12-12 Vulcan Inc. Session-based information exchange
US10665032B2 (en) * 2018-10-12 2020-05-26 Accenture Global Solutions Limited Real-time motion feedback for extended reality
JP7405660B2 (ja) * 2020-03-19 2023-12-26 Ｌｉｎｅヤフー株式会社 出力装置、出力方法及び出力プログラム
WO2023135939A1 (ja) * 2022-01-17 2023-07-20 ソニーグループ株式会社 情報処理装置、および情報処理方法、並びにプログラム
JP2024055512A (ja) * 2022-10-07 2024-04-18 株式会社日立製作所 表示方法、表示システム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030210228A1 (en) * 2000-02-25 2003-11-13 Ebersole John Franklin Augmented reality situational awareness system and method
CN1629870A (zh) * 2003-06-30 2005-06-22 微软公司 用于提供用户存在性和有效性的状态和预测的方法及结构
CN102591449A (zh) * 2010-10-27 2012-07-18 微软公司 虚拟内容和现实内容的低等待时间的融合
CN102667848A (zh) * 2009-12-22 2012-09-12 康尔福盛303公司 可适应的医疗工作流程***
US20140118225A1 (en) * 2012-10-31 2014-05-01 Robert Jerauld Wearable emotion detection and feedback system
US20140240350A1 (en) * 2013-02-26 2014-08-28 Qualcomm Incorporated Directional and x-ray view techniques for navigation using a mobile device
CN104156778A (zh) * 2013-05-14 2014-11-19 谷歌公司 预测性运输计算

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002297832A (ja) * 2001-03-30 2002-10-11 Fujitsu Ltd 情報処理装置、料金提示用プログラムおよび料金提示方法
JP4507992B2 (ja) * 2005-06-09 2010-07-21 ソニー株式会社 情報処理装置および方法、並びにプログラム
JP5495014B2 (ja) * 2009-09-09 2014-05-21 ソニー株式会社 データ処理装置、データ処理方法、およびプログラム
JP5735330B2 (ja) * 2011-04-08 2015-06-17 株式会社ソニー・コンピュータエンタテインメント 画像処理装置および画像処理方法
JP5849762B2 (ja) * 2012-02-22 2016-02-03 日本電気株式会社 予測情報提示システム、予測情報提示装置、予測情報提示方法および予測情報提示プログラム
JP5942840B2 (ja) * 2012-12-21 2016-06-29 ソニー株式会社 表示制御システム及び記録媒体
US9500865B2 (en) * 2013-03-04 2016-11-22 Alex C. Chen Method and apparatus for recognizing behavior and providing information
JP2015056772A (ja) * 2013-09-12 2015-03-23 カシオ計算機株式会社 画像処理装置、画像処理方法及びプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030210228A1 (en) * 2000-02-25 2003-11-13 Ebersole John Franklin Augmented reality situational awareness system and method
CN1629870A (zh) * 2003-06-30 2005-06-22 微软公司 用于提供用户存在性和有效性的状态和预测的方法及结构
CN102667848A (zh) * 2009-12-22 2012-09-12 康尔福盛303公司 可适应的医疗工作流程***
CN102591449A (zh) * 2010-10-27 2012-07-18 微软公司 虚拟内容和现实内容的低等待时间的融合
US20140118225A1 (en) * 2012-10-31 2014-05-01 Robert Jerauld Wearable emotion detection and feedback system
US20140240350A1 (en) * 2013-02-26 2014-08-28 Qualcomm Incorporated Directional and x-ray view techniques for navigation using a mobile device
CN104156778A (zh) * 2013-05-14 2014-11-19 谷歌公司 预测性运输计算

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110334669A (zh) * 2019-07-10 2019-10-15 深圳市华腾物联科技有限公司 一种形态特征识别的方法和设备
CN110334669B (zh) * 2019-07-10 2021-06-08 深圳市华腾物联科技有限公司 一种形态特征识别的方法和设备

Also Published As

Publication number Publication date
EP3296944A1 (en) 2018-03-21
WO2016181670A1 (ja) 2016-11-17
JPWO2016181670A1 (ja) 2018-03-01
EP3296944A4 (en) 2018-11-07
US20180025283A1 (en) 2018-01-25

Similar Documents

Publication Publication Date Title
CN107533712A (zh) 信息处理装置、信息处理方法和程序
US10853650B2 (en) Information processing apparatus, information processing method, and program
CN110139732B (zh) 具有环境控制特征的社交机器人
CN104885144B (zh) 混合现实显示调节
JP6607198B2 (ja) 情報処理システムおよび制御方法
JP2021082310A (ja) 拡張現実および仮想現実のためのシステムおよび方法
JP2021036449A (ja) 拡張現実および仮想現実のためのシステムおよび方法
US7584158B2 (en) User support apparatus
US20200186608A1 (en) Information processing apparatus, information processing method, and program
JP2005315802A (ja) ユーザ支援装置
CN107407572A (zh) 沿路线搜索
TWI680400B (zh) 基於影像管理使用者資訊的裝置與方法
US20240112427A1 (en) Location-based virtual resource locator
CN107430560A (zh) 信息处理设备、信息处理方法和计算机程序
JP2009238251A (ja) ユーザ支援装置
JPWO2019073668A1 (ja) 情報処理装置、情報処理方法、およびプログラム
Karas et al. Audiovisual Affect Recognition for Autonomous Vehicles: Applications and Future Agendas
JP2012154924A (ja) 施設、自然、歴史、ルートに関する影像及び音声の再生及びデータの制作方法
WO2024069534A1 (en) Adaptive extended reality content presentation in multiple physical environments
Jiamin MRCIAC: A Mixed Reality Conversational Intelligent Agent Companion in Cars for Supporting Travel Experience
FANG New exploration of passengers' matching system for future driverless car sharing system
JP2023152707A (ja) 情報提示方法、情報提示システム、及びプログラム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180102