JP2020144264A - エージェント装置、エージェント装置の制御方法、およびプログラム - Google Patents

Abstract

【課題】エージェント機能をより使いやすいものに改善することができるエージェント装置、エージェント装置の制御方法、およびプログラムを提供すること。【解決手段】車両の乗員の発話に応じて、音声による応答を含むサービスを提供するエージェント機能部（１５０）と、前記乗員による指示を受け付ける受付部（１１９）と、を備え、前記受付部が所定の指示を受け付けた場合、前記エージェント機能部が有する一部の機能が制限される、エージェント装置（１００）。【選択図】図２

Description

本発明は、エージェント装置、エージェント装置の制御方法、およびプログラムに関する。

従来、車両の乗員と対話を行いながら、乗員の要求に応じた運転支援に関する情報や車両の制御、その他のアプリケーション等を提供するエージェント機能に関する技術が開示されている（例えば、特許文献１参照）。

特開２００６−３３５２３１号公報

近年では、エージェント機能を車両に搭載することについて実用化が進められているが、例えば、乗員が発話内容をエージェント機能に聞かれたくない場合や、エージェント機能に対しての発話ではないのにエージェント機能から応答があると煩わしく感じる場合などがあり、このような場合について十分に検討されていなかった。このため、従来の技術では、乗員がエージェント機能を使い勝手が悪いと感じる場面があった。

本発明は、このような事情を考慮してなされたものであり、エージェント機能をより使いやすいものに改善することができるエージェント装置、エージェント装置の制御方法、およびプログラムを提供することを目的の一つとする。

この発明に係るエージェント装置、エージェント装置の制御方法、およびプログラムは、以下の構成を採用した。
（１）：この発明の一態様に係るエージェント装置は、車両の乗員の発話に応じて、音声による応答を含むサービスを提供するエージェント機能部と、前記乗員による指示を受け付ける受付部と、を備え、前記受付部が所定の指示を受け付けた場合、前記エージェント機能部が有する一部の機能が制限されるものである。

（２）：上記（１）の態様において、前記エージェント機能部が有する一部の機能を制限する制限管理部をさらに備えるものである。

（３）：上記（１）の態様において、前記エージェント機能部は、前記受付部が前記所定の指示を受け付けた場合、前記一部の機能を自ら制限するものである。

（４）：上記（１）〜（３）の態様において、前記受付部が前記所定の指示を受け付けた場合、前記エージェント機能部への音声入力が停止されることで、前記エージェント機能部が有する音声に対する応答機能が制限されるものである。

（５）：上記（１）〜（４）の態様において、前記受付部が前記所定の指示を受け付けた場合、前記エージェント機能部と協働してエージェントを仮想的に出現させるエージェントサーバへのアップロードが停止されることで、前記一部の機能が制限されるものである。

（６）：上記（１）〜（５）の態様において、前記受付部が前記所定の指示を受け付けた場合、前記乗員の発話に対する応答の音声出力が停止されることで、前記エージェント機能部が有する音声に対する応答機能が制限されるものである。

（７）：上記（１）〜（６）の態様において、前記エージェント機能部は、前記エージェント機能部が有する一部の機能が制限された場合、起動状態を継続するものである。

（８）：上記（１）〜（７）の態様において、前記受付部は、前記乗員による操作を受け付けるスイッチからの出力に基づいて、前記所定の指示を受け付けるものである。

（９）：上記（１）〜（８）の態様において、前記受付部は、音声認識の技術を用いて、前記乗員の発話による前記所定の指示を受け付けるものである。

（１０）：上記（１）〜（９）の態様において、前記エージェント機能部が起動している状態で、前記受付部が前記所定の指示を受け付けた場合、前記エージェント機能部が有する音声入力の機能、前記エージェント機能部が有する発話機能、および前記エージェント機能部が有するサーバへのアップロードの機能が、所定の順番で段階的に制限されるものである。

（１１）：本発明の他の態様に係るエージェント装置の制御方法は、コンピュータが、車両の乗員の発話に応じて、音声による応答を含むエージェントによるサービスを提供し、前記乗員による所定の指示を受け付けた場合、前記エージェントが有する一部の機能を制限するものである。

（１２）：本発明の他の態様に係るプログラムは、コンピュータに、車両の乗員の発話に応じて、音声による応答を含むエージェントによるサービスを提供する処理と、前記乗員による指示を受け付ける処理と、所定の指示を受け付けた場合、前記エージェントが有する一部の機能を制限する処理と、を実行させるものである。

（１）〜（１２）の態様によれば、エージェント機能をより使いやすいものに改善することができる。

エージェント装置１００を含むエージェントシステム１の構成図である。 第１実施形態に係るエージェント装置１００の構成と、車両Ｍに搭載された機器とを示す図である。 表示・操作装置２０の配置例を示す図である。 スピーカユニット３０の配置例を示す図である。 エージェントサーバ２００の構成と、エージェント装置１００の構成の一部とを示す図である。 エージェント機能部１５０が有する一部の機能が制限されていない状態の処理例について説明するための参考図である。 エージェント機能部１５０が有する「音声に対する応答機能」が制限されている状態の処理例について説明するための参考図である。 エージェント機能部１５０が有する「音声に対する応答機能」が制限されている状態の他の処理例について説明するための参考図である。 エージェント機能部１５０が有する「アップロード機能」が制限されている状態の処理例について説明するための参考図である。 エージェント機能部１５０の一部機能が制限されていない状態におけるエージェント画像の一例を示す図である。 エージェント機能部１５０の一部機能が制限されている状態におけるエージェント画像の一例を示す図である。 エージェント装置１００による制限処理の一例を示すフローチャートである。 エージェント装置１００によるタイムアウト処理の一例を示すフローチャートである。

以下、図面を参照し、本発明のエージェント装置、エージェント装置の制御方法、およびプログラムの実施形態について説明する。エージェント装置は、エージェントシステムの一部または全部を実現する装置である。以下では、エージェント装置の一例として、車両（以下、車両Ｍ）に搭載され、複数種類のエージェント機能を備えたエージェント装置について説明する。エージェント機能とは、例えば、車両Ｍの乗員と対話をしながら、乗員の発話の中に含まれる要求（コマンド）に基づく各種の情報提供を行ったり、ネットワークサービスを仲介したりする機能である。複数種類のエージェントはそれぞれに果たす機能、処理手順、制御、出力態様・内容がそれぞれ異なってもよい。また、エージェント機能の中には、車両内の機器（例えば運転制御や車体制御に関わる機器）の制御等を行う機能を有するものがあってよい。

エージェント機能は、例えば、乗員の音声を認識する音声認識機能（音声をテキスト化する機能）に加え、自然言語処理機能（テキストの構造や意味を理解する機能）、対話管理機能、ネットワークを介して他装置を検索し、或いは自装置が保有する所定のデータベースを検索するネットワーク検索機能等を統合的に利用して実現される。これらの機能の一部または全部は、ＡＩ（Artificial Intelligence）技術によって実現されてよい。また、これらの機能を行うための構成の一部（特に、音声認識機能や自然言語処理解釈機能）は、車両Ｍの車載通信装置または車両Ｍに持ち込まれた汎用通信装置と通信可能なエージェントサーバ（外部装置）に搭載されてもよい。以下の説明では、構成の一部がエージェントサーバに搭載されており、エージェント装置とエージェントサーバが協働してエージェントシステムを実現することを前提とする。また、エージェント装置とエージェントサーバが協働して仮想的に出現させるサービス提供主体（サービス・エンティティ）をエージェントと称する。

＜全体構成＞
図１は、エージェント装置１００を含むエージェントシステム１の構成図である。エージェントシステム１は、例えば、エージェント装置１００と、複数のエージェントサーバ２００−１、２００−２、２００−３、…とを備える。符号の末尾のハイフン以下数字は、エージェントを区別するための識別子であるものとする。いずれのエージェントサーバであるかを区別しない場合、単にエージェントサーバ２００と称する場合がある。図１では３つのエージェントサーバ２００を示しているが、エージェントサーバ２００の数は２つであってもよいし、４つ以上であってもよい。それぞれのエージェントサーバ２００は、互いに異なるエージェントシステムの提供者が運営するものである。従って、本発明におけるエージェントは、互いに異なる提供者により実現されるエージェントである。提供者としては、例えば、自動車メーカー、ネットワークサービス事業者、電子商取引事業者、携帯端末の販売者や製造者などが挙げられ、任意の主体（法人、団体、個人等）がエージェントシステムの提供者となり得る。

エージェント装置１００は、ネットワークＮＷを介してエージェントサーバ２００と通信する。ネットワークＮＷは、例えば、インターネット、セルラー網、Ｗｉ−Ｆｉ網、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）、公衆回線、電話回線、無線基地局などのうち一部または全部を含む。ネットワークＮＷには、各種ウェブサーバ３００が接続されており、エージェントサーバ２００またはエージェント装置１００は、ネットワークＮＷを介して各種ウェブサーバ３００からウェブページを取得することができる。

エージェント装置１００は、車両Ｍの乗員と対話を行い、乗員からの音声をエージェントサーバ２００に送信し、エージェントサーバ２００から得られた回答を、音声出力や画像表示の形で乗員に提示する。

＜第１実施形態＞
［車両］
図２は、第１実施形態に係るエージェント装置１００の構成と、車両Ｍに搭載された機器とを示す図である。車両Ｍには、例えば、一以上のマイク１０と、表示・操作装置２０と、スピーカユニット３０と、ナビゲーション装置４０と、車両機器５０と、車載通信装置６０と、乗員認識装置８０と、エージェント装置１００とが搭載される。また、スマートフォンなどの汎用通信装置７０が車室内に持ち込まれ、通信装置として使用される場合がある。これらの装置は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図２に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

マイク１０は、車室内で発せられた音声を収集する収音部である。表示・操作装置２０は、画像を表示すると共に、入力操作を受付可能な装置（或いは装置群）である。表示・操作装置２０は、例えば、タッチパネルとして構成されたディスプレイ装置を含む。表示・操作装置２０は、更に、ＨＵＤ（Head Up Display）や機械式の入力装置を含んでもよい。スピーカユニット３０は、例えば、車室内の互いに異なる位置に配設された複数のスピーカ（音出力部）を含む。表示・操作装置２０は、エージェント装置１００とナビゲーション装置４０とで共用されてもよい。これらの詳細については後述する。

ナビゲーション装置４０は、ナビＨＭＩ（Human machine Interface）と、ＧＰＳ（Global Positioning System）などの位置測位装置と、地図情報を記憶した記憶装置と、経路探索などを行う制御装置（ナビゲーションコントローラ）とを備える。マイク１０、表示・操作装置２０、およびスピーカユニット３０のうち一部または全部がナビＨＭＩとして用いられてもよい。ナビゲーション装置４０は、位置測位装置によって特定された車両Ｍの位置から、乗員によって入力された目的地まで移動するための経路（ナビ経路）を探索し、経路に沿って車両Ｍが走行できるように、ナビＨＭＩを用いて案内情報を出力する。経路探索機能は、ネットワークＮＷを介してアクセス可能なナビゲーションサーバにあってもよい。この場合、ナビゲーション装置４０は、ナビゲーションサーバから経路を取得して案内情報を出力する。なお、エージェント装置１００は、ナビゲーションコントローラを基盤として構築されてもよく、その場合、ナビゲーションコントローラとエージェント装置１００は、ハードウェア上は一体に構成される。

車両機器５０は、例えば、エンジンや走行用モータなどの駆動力出力装置、エンジンの始動モータ、ドアロック装置、ドア開閉装置、窓、窓の開閉装置及び窓の開閉制御装置、シート、シート位置の制御装置、ルームミラー及びその角度位置制御装置、車両内外の照明装置及びその制御装置、ワイパーやデフォッガー及びそれぞれの制御装置、方向指示灯及びその制御装置、空調装置、走行距離やタイヤの空気圧の情報や燃料の残量情報などの車両情報装置などを含む。

車載通信装置６０は、例えば、セルラー網やＷｉ−Ｆｉ網を利用してネットワークＮＷにアクセス可能な無線通信装置である。

乗員認識装置８０は、例えば、着座センサ、車室内カメラ、画像認識装置などを含む。着座センサは座席の下部に設けられた圧力センサ、シートベルトに取り付けられた張力センサなどを含む。車室内カメラは、車室内に設けられたＣＣＤ（Charge Coupled Device）カメラやＣＭＯＳ（Complementary Metal Oxide Semiconductor）カメラである。画像認識装置は、車室内カメラの画像を解析し、座席ごとの乗員の有無、顔向きなどを認識する。本実施形態において、乗員認識装置８０は、着座位置認識部の一例である。

図３は、表示・操作装置２０の配置例を示す図である。表示・操作装置２０は、例えば、第１ディスプレイ２２と、第２ディスプレイ２４と、操作スイッチＡＳＳＹ２６と、ミュートボタン２７とを含む。表示・操作装置２０は、更に、ＨＵＤ２８を含んでもよい。

車両Ｍには、例えば、ステアリングホイールＳＷが設けられた運転席ＤＳと、運転席ＤＳに対して車幅方向（図中Ｙ方向）に設けられた助手席ＡＳとが存在する。第１ディスプレイ２２は、インストルメントパネルにおける運転席ＤＳと助手席ＡＳとの中間辺りから、助手席ＡＳの左端部に対向する位置まで延在する横長形状のディスプレイ装置である。第２ディスプレイ２４は、運転席ＤＳと助手席ＡＳとの車幅方向に関する中間あたり、且つ第１ディスプレイの下方に設置されている。例えば、第１ディスプレイ２２と第２ディスプレイ２４は、共にタッチパネルとして構成され、表示部としてＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electroluminescence）、プラズマディスプレイなどを備えるものである。操作スイッチＡＳＳＹ２６は、ダイヤルスイッチやボタン式スイッチなどが集積されたものである。ミュートボタン２７は、例えば、ステアリングホイールＳＷの一部に設けられている。これに限られず、ミュートボタン２７は、操作スイッチＡＳＳＹ２６に含まれる構成であってもよい。表示・操作装置２０は、乗員によってなされた操作の内容をエージェント装置１００に出力する。第１ディスプレイ２２または第２ディスプレイ２４が表示する内容は、エージェント装置１００によって決定されてよい。

図４は、スピーカユニット３０の配置例を示す図である。スピーカユニット３０は、例えば、スピーカ３０Ａ〜３０Ｈを含む。スピーカ３０Ａは、運転席ＤＳ側の窓柱（いわゆるＡピラー）に設置されている。スピーカ３０Ｂは、運転席ＤＳに近いドアの下部に設置されている。スピーカ３０Ｃは、助手席ＡＳ側の窓柱に設置されている。スピーカ３０Ｄは、助手席ＡＳに近いドアの下部に設置されている。スピーカ３０Ｅは、右側後部座席ＢＳ１側に近いドアの下部に設置されている。スピーカ３０Ｆは、左側後部座席ＢＳ２側に近いドアの下部に設置されている。スピーカ３０Ｇは、第２ディスプレイ２４の近傍に設置されている。スピーカ３０Ｈは、車室の天井（ルーフ）に設置されている。

係る配置において、例えば、専らスピーカ３０Ａおよび３０Ｂに音を出力させた場合、音像は運転席ＤＳ付近に定位することになる。また、専らスピーカ３０Ｃおよび３０Ｄに音を出力させた場合、音像は助手席ＡＳ付近に定位することになる。また、専らスピーカ３０Ｅに音を出力させた場合、音像は右側後部座席ＢＳ１付近に定位することになる。また、専らスピーカ３０Ｆに音を出力させた場合、音像は左側後部座席ＢＳ２付近に定位することになる。また、専らスピーカ３０Ｇに音を出力させた場合、音像は車室の前方付近に定位することになり、専らスピーカ３０Ｈに音を出力させた場合、音像は車室の上方付近に定位することになる。これに限らず、スピーカユニット３０は、ミキサーやアンプを用いて各スピーカの出力する音の配分を調整することで、車室内の任意の位置に音像を定位させることができる。

［エージェント装置］
図２に戻り、エージェント装置１００は、管理部１１０と、エージェント機能部１５０−１、１５０−２、１５０−３と、ペアリングアプリ実行部１５２とを備える。管理部１１０は、例えば、音響処理部１１２と、エージェントごとＷＵ（Wake Up）判定部１１４と、表示制御部１１６と、音声制御部１１８と、指示受付部１１９と、制限管理部１２０と、タイムアウト管理部１２２と、を備える。いずれのエージェント機能部であるか区別しない場合、単にエージェント機能部１５０と称する。３つのエージェント機能部１５０を示しているのは、図１におけるエージェントサーバ２００の数に対応させた一例に過ぎず、エージェント機能部１５０の数は、２つであってもよいし、４つ以上であってもよい。図２に示すソフトウェア配置は説明のために簡易に示しており、実際には、例えば、エージェント機能部１５０と車載通信装置６０の間に管理部１１０が介在してもよいように、任意に改変することができる。

エージェント装置１００の各構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

管理部１１０は、ＯＳ（Operating System）やミドルウェアなどのプログラムが実行されることで機能する。

管理部１１０の音響処理部１１２は、エージェントごとに予め設定されているウエイクアップワードを認識するのに適した状態になるように、入力された音に対して音響処理を行う。

エージェントごとＷＵ判定部１１４は、エージェント機能部１５０−１、１５０−２、１５０−３のそれぞれに対応して存在し、エージェントごとに予め定められているウエイクアップワードを認識する。エージェントごとＷＵ判定部１１４は、音響処理が行われた音声（音声ストリーム）から音声の意味を認識する。まず、エージェントごとＷＵ判定部１１４は、音声ストリームにおける音声波形の振幅と零交差に基づいて音声区間を検出する。エージェントごとＷＵ判定部１１４は、混合ガウス分布モデル（ＧＭＭ；Gaussian mixture model) に基づくフレーム単位の音声識別および非音声識別に基づく区間検出を行ってもよい。

次に、エージェントごとＷＵ判定部１１４は、検出した音声区間における音声をテキスト化し、文字情報とする。そして、エージェントごとＷＵ判定部１１４は、テキスト化した文字情報がウエイクアップワードに該当するか否かを判定する。ウエイクアップワードであると判定した場合、エージェントごとＷＵ判定部１１４は、対応するエージェント機能部１５０を起動させる。なお、エージェントごとＷＵ判定部１１４に相当する機能がエージェントサーバ２００に搭載されてもよい。この場合、管理部１１０は、音響処理部１１２によって音響処理が行われた音声ストリームをエージェントサーバ２００に送信し、エージェントサーバ２００がウエイクアップワードであると判定した場合、エージェントサーバ２００からの指示に従ってエージェント機能部１５０が起動する。なお、各エージェント機能部１５０は、常時起動しており且つウエイクアップワードの判定を自ら行うものであってよい。この場合、管理部１１０がエージェントごとＷＵ判定部１１４を備える必要はない。

エージェント機能部１５０は、対応するエージェントサーバ２００と協働してエージェントを仮想的に出現させ、車両の乗員の発話に応じて、音声による応答を含むサービスを提供する。エージェント機能部１５０には、車両機器５０を制御する権限が付与されたものが含まれてよい。また、エージェント機能部１５０には、ペアリングアプリ実行部１５２を介して汎用通信装置７０と連携し、エージェントサーバ２００と通信するものがあってよい。例えば、エージェント機能部１５０−１には、車両機器５０を制御する権限が付与されている。エージェント機能部１５０−１は、車載通信装置６０を介してエージェントサーバ２００−１と通信する。エージェント機能部１５０−２は、車載通信装置６０を介してエージェントサーバ２００−２と通信する。エージェント機能部１５０−３は、ペアリングアプリ実行部１５２を介して汎用通信装置７０と連携し、エージェントサーバ２００−３と通信する。ペアリングアプリ実行部１５２は、例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）によって汎用通信装置７０とペアリングを行い、エージェント機能部１５０−３と汎用通信装置７０とを接続させる。なお、エージェント機能部１５０−３は、ＵＳＢ（Universal Serial Bus）などを利用した有線通信によって汎用通信装置７０に接続されるようにしてもよい。以下、エージェント機能部１５０−１とエージェントサーバ２００−１が協働して出現させるエージェントをエージェント１、エージェント機能部１５０−２とエージェントサーバ２００−２が協働して出現させるエージェントをエージェント２、エージェント機能部１５０−３とエージェントサーバ２００−３が協働して出現させるエージェントをエージェント３と称する場合がある。

表示制御部１１６は、エージェント機能部１５０からの指示に応じて第１ディスプレイ２２または第２ディスプレイ２４に画像を表示させる。以下では、第１ディスプレイ２２を使用するものとする。表示制御部１１６は、一部のエージェント機能部１５０の制御により、例えば、車室内で乗員とのコミュニケーションを行う擬人化されたエージェントの画像（以下、エージェント画像と称する）を生成し、生成したエージェント画像を第１ディスプレイ２２に表示させる。エージェント画像は、例えば、乗員に対して話しかける態様の画像である。エージェント画像は、例えば、少なくとも観者（乗員）によって表情や顔向きが認識される程度の顔画像を含んでよい。例えば、エージェント画像は、顔領域の中に目や鼻に擬したパーツが表されており、顔領域の中のパーツの位置に基づいて表情や顔向きが認識されるものであってよい。また、エージェント画像は、立体的に感じられ、観者によって三次元空間における頭部画像を含むことでエージェントの顔向きが認識されたり、本体（胴体や手足）の画像を含むことで、エージェントの動作や振る舞い、姿勢等が認識されるものであってもよい。また、エージェント画像は、アニメーション画像であってもよい。

音声制御部１１８は、エージェント機能部１５０からの指示に応じて、スピーカユニット３０に含まれるスピーカのうち一部または全部に音声を出力させる。音声制御部１１８は、複数のスピーカユニット３０を用いて、エージェント画像の表示位置に対応する位置にエージェント音声の音像を定位させる制御を行ってもよい。エージェント画像の表示位置に対応する位置とは、例えば、エージェント画像がエージェント音声を喋っていると乗員が感じると予測される位置であり、具体的には、エージェント画像の表示位置付近（例えば、２〜３［ｃｍ］以内）の位置である。また、音像が定位するとは、例えば、乗員の左右の耳に伝達される音の大きさを調節することにより、乗員が感じる音源の空間的な位置を定めることである。

指示受付部１１９は、乗員による指示を受け付ける。例えば、指示受付部１１９は、エージェント機能部１５０の一部の機能が制限されていない状態で、表示・操作装置２０に含まれるミュートボタン２７が乗員により操作された場合、エージェントの一部制限指示を受け付ける。例えば、指示受付部１１９は、エージェント機能部１５０の一部の機能が制限されている状態で、ミュートボタン２７が乗員により操作された場合、エージェントの解除指示を受け付ける。

また、指示受付部１１９は、音声認識機能を備え、車内音声に基づいて音声の意味を認識してもよい。車内音声には、マイク１０から入力された音や、音響処理部１１２により音響処理が行われた音声（音声ストリーム）などが含まれる。指示受付部１１９は、認識した音声に、エージェントの一部機能を制御すること（あるいは、一部機能の制限を解除すること）を指示する内容が含まれるか否かを判定し、エージェントの一部機能を制御すること（あるいは、一部機能の制限を解除すること）を指示する内容が認識した音声に含まれる場合、エージェントの一部制限指示（あるいは、解除指示）を受け付ける。

また、指示受付部１１９は、エージェントの一部制限指示や解除指示を受け付けた場合、その旨を、制限管理部１２０に通知してもよく、エージェント機能部１５０に通知してもよい。

制限管理部１２０は、指示受付部１１９がエージェントの一部制限指示を受け付けた場合、エージェント機能部１５０が有する一部の機能を制限する。指示受付部１１９がエージェントの制限の解除指示を受け付けた場合、制限管理部１２０は、制限されているエージェント機能部１５０の機能の制限を解除する。詳細については、後述する。なお、エージェント機能部１５０が有する一部の機能が制限された場合であっても、エージェント機能部１５０の起動状態は継続される。

タイムアウト管理部１２２は、起動中のエージェント機能部１５０のタイムアウトを管理する。例えば、タイムアウト管理部１２２は、エージェント機能部１５０が起動したとき、エージェント機能部１５０が乗員の発話に応じたサービスを提供したときなどを開始点として、一定時間（以下、タイムアウト時間と記す）が経過した場合、エージェント機能部１５０を停止させる。タイムアウト時間が経過した後に、エージェント機能部１５０を停止させる主体は、タイムアウト管理部１２２であってもよく、エージェントごとＷＵ判定部１１４であってもよく、エージェント機能部１５０自身であってもよい。開始点は、上述したものに限られず、乗員の発話が終了したとき、エージェント機能部１５０が乗員の発話に応じたサービスの提供を開始したとき、エージェント機能部１５０の一部制限の解除指示を受け付けたときなどであってもよい。

タイムアウト管理部１２２は、指示受付部１１９がエージェント機能部１５０の一部制限指示を受け付けた場合、タイムアウトタイマーを停止する。指示受付部１１９がエージェント機能部１５０の一部制限の解除指示を受け付けた場合、タイムアウト管理部１２２は、タイムアウトタイマーを再開する。こうすることにより、エージェント機能部１５０の一部機能が制限されている期間において、タイムアウトしてしまうことを防止することができる。

［エージェントサーバ］
図５は、エージェントサーバ２００の構成と、エージェント装置１００の構成の一部とを示す図である。以下、エージェントサーバ２００の構成と共にエージェント機能部１５０等の動作について説明する。ここでは、エージェント装置１００からネットワークＮＷまでの物理的な通信についての説明を省略する。

エージェントサーバ２００は、通信部２１０を備える。通信部２１０は、例えばＮＩＣ（Network Interface Card）などのネットワークインターフェースである。更に、エージェントサーバ２００は、例えば、音声認識部２２０と、自然言語処理部２２２と、対話管理部２２４と、ネットワーク検索部２２６と、応答文生成部２２８とを備える。これらの構成要素は、例えば、ＣＰＵなどのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。これらの構成要素のうち一部または全部は、ＬＳＩやＡＳＩＣ、ＦＰＧＡ、ＧＰＵなどのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。プログラムは、予めＨＤＤやフラッシュメモリなどの記憶装置（非一過性の記憶媒体を備える記憶装置）に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭなどの着脱可能な記憶媒体（非一過性の記憶媒体）に格納されており、記憶媒体がドライブ装置に装着されることでインストールされてもよい。

エージェントサーバ２００は、記憶部２５０を備える。記憶部２５０は、上記の各種記憶装置により実現される。記憶部２５０には、パーソナルプロファイル２５２、辞書ＤＢ（データベース）２５４、知識ベースＤＢ２５６、応答規則ＤＢ２５８などのデータやプログラムが格納される。

エージェント装置１００において、エージェント機能部１５０は、音声ストリーム、或いは圧縮や符号化などの処理を行った音声ストリームを、エージェントサーバ２００に送信する。エージェント機能部１５０は、ローカル処理（エージェントサーバ２００を介さない処理）が可能な音声コマンドを認識した場合は、音声コマンドで要求された処理を行ってよい。ローカル処理が可能な音声コマンドとは、エージェント装置１００が備える記憶部（不図示）を参照することで回答可能な音声コマンドであったり、エージェント機能部１５０−１の場合は車両機器５０を制御する音声コマンド（例えば、空調装置をオンにするコマンドなど）であったりする。従って、エージェント機能部１５０は、エージェントサーバ２００が備える機能の一部を有してもよい。

音声ストリームを取得すると、音声認識部２２０が音声認識を行ってテキスト化された文字情報を出力し、自然言語処理部２２２が文字情報に対して辞書ＤＢ２５４を参照しながら意味解釈を行う。辞書ＤＢ２５４は、文字情報に対して抽象化された意味情報が対応付けられたものである。辞書ＤＢ２５４は、同義語や類義語の一覧情報を含んでもよい。音声認識部２２０の処理と、自然言語処理部２２２の処理は、段階が明確に分かれるものではなく、自然言語処理部２２２の処理結果を受けて音声認識部２２０が認識結果を修正するなど、相互に影響し合って行われてよい。

自然言語処理部２２２は、例えば、認識結果として、「今日の天気は」、「天気はどうですか」等の意味が認識された場合、標準文字情報「今日の天気」に置き換えたコマンドを生成する。これにより、リクエストの音声に文字揺らぎがあった場合にも要求にあった対話をし易くすることができる。また、自然言語処理部２２２は、例えば、確率を利用した機械学習処理等の人工知能処理を用いて文字情報の意味を認識したり、認識結果に基づくコマンドを生成してもよい。

対話管理部２２４は、自然言語処理部２２２の処理結果（コマンド）に基づいて、パーソナルプロファイル２５２や知識ベースＤＢ２５６、応答規則ＤＢ２５８を参照しながら車両Ｍの乗員に対する発話の内容を決定する。パーソナルプロファイル２５２は、乗員ごとに保存されている乗員の個人情報、趣味嗜好、過去の対話の履歴などを含む。知識ベースＤＢ２５６は、物事の関係性を規定した情報である。応答規則ＤＢ２５８は、コマンドに対してエージェントが行うべき動作（回答や機器制御の内容など）を規定した情報である。

また、対話管理部２２４は、音声ストリームから得られる特徴情報を用いて、パーソナルプロファイル２５２と照合を行うことで、乗員を特定してもよい。この場合、パーソナルプロファイル２５２には、例えば、音声の特徴情報に、個人情報が対応付けられている。音声の特徴情報とは、例えば、声の高さ、イントネーション、リズム（音の高低のパターン）等の喋り方の特徴や、メル周波数ケプストラム係数（Mel Frequency Cepstrum Coefficients）等による特徴量に関する情報である。音声の特徴情報は、例えば、乗員の初期登録時に所定の単語や文章等を乗員に発声させ、発声させた音声を認識することで得られる情報である。

対話管理部２２４は、コマンドが、ネットワークＮＷを介して検索可能な情報を要求するものである場合、ネットワーク検索部２２６に検索を行わせる。ネットワーク検索部２２６は、ネットワークＮＷを介して各種ウェブサーバ３００にアクセスし、所望の情報を取得する。「ネットワークＮＷを介して検索可能な情報」とは、例えば、車両Ｍの周辺にあるレストランの一般ユーザによる評価結果であったり、その日の車両Ｍの位置に応じた天気予報であったりする。

応答文生成部２２８は、対話管理部２２４により決定された発話の内容が車両Ｍの乗員に伝わるように、応答文を生成し、エージェント装置１００に送信する。応答文生成部２２８は、乗員がパーソナルプロファイルに登録された乗員であることが特定されている場合に、乗員の名前を呼んだり、乗員の話し方に似せた話し方にした応答文を生成してもよい。

エージェント機能部１５０は、応答文を取得すると、音声合成を行って音声を出力するように音声制御部１１８に指示する。また、エージェント機能部１５０は、音声出力に合わせてエージェントの画像を表示するように表示制御部１１６に指示する。このようにして、仮想的に出現したエージェントが車両Ｍの乗員に応答するエージェント機能が実現される。

［エージェント機能部の制限について］
次に、制限管理部１２０は、指示受付部１１９がエージェントの一部制限指示を受け付けた場合、エージェント機能部１５０が有する一部の機能を制限する。以下、図６〜９を参照して、エージェント機能部１５０が有する一部の機能を制限する処理の一例について説明する。

まず、図６を参照して、エージェント機能部１５０が有する一部の機能が制限されていない例について説明する。図６は、エージェント機能部１５０が有する一部の機能が制限されていない状態の処理例について説明するための参考図である。管理部１１０は、マイク１０から入力した音等（車内音声）を、エージェント機能部１５０に出力する。エージェント機能部１５０は、単独で（あるいは、エージェントサーバ２００と協働して）、例えば、入力した車内音声に基づいて乗員の発話に応答する音声を生成して、生成した音声をスピーカユニット３０から出力させる。また、エージェント機能部１５０は、例えば、入力した車内音声（あるいは、生成した乗員の発話に応答する音声）のテキストデータを、エージェントサーバ２００にアップロードする。

次に、図７〜９を参照して、エージェント機能部１５０が有する一部の機能が制限されている例について説明する。以下、エージェント機能部１５０の一部の機能が制限される例として、制限管理部１２０がエージェント機能部１５０の一部の機能を制限する例について主に説明するが、これに限られない。例えば、エージェント機能部１５０が一部の機能を自ら制限するものであってもよい。

図７は、エージェント機能部１５０が有する「音声に対する応答機能」が制限されている状態の処理例について説明するための参考図である。ここでは、「音声に対する応答機能」に含まれる「音声入力の機能」が制限される例について説明する。例えば、制限管理部１２０は、エージェント機能部１５０への音声入力を停止することで、「音声入力の機能」を制限する。例えば、制限管理部１２０は、マイク１０から入力された音（車内音声）を破棄すること、エージェント機能部１５０に対して音声を出力する機能を停止すること等で、「音声入力の機能」を制限する。一方、エージェント機能部１５０が一部の機能を自ら制限するものである場合、エージェント機能部１５０は、管理部１１０から音声を入力する機能を停止すること、管理部１１０から入力する車内音声を破棄すること等で、「音声入力の機能」を制限してもよい。

図８は、エージェント機能部１５０が有する「音声に対する応答機能」が制限されている状態の他の処理例について説明するための参考図である。ここでは、「音声に対する応答機能」に含まれる「発話機能」が制限される例について説明する。例えば、制限管理部１２０は、乗員の発話に対する応答の音声出力が停止されることで、「発話機能」を制限してもよい。例えば、制限管理部１２０は、エージェント機能部１５０に対して乗員の発話に対する応答をしないように指示すること（応答機能の停止を指示すること）、エージェント機能部１５０に対して発話しないように指示すること（発話機能の停止を指示すること）等で、「発話機能」を制限してもよい。一方、エージェント機能部１５０が一部の機能を自ら制限するものである場合、エージェント機能部１５０は、管理部１１０から車内音声が入力された場合であっても入力された車内音声に対する応答を作成しないこと、スピーカユニット３０を用いた何らかの応答の出力を停止すること等で、「発話機能」を制限してもよい。

図９は、エージェント機能部１５０が有する「アップロード機能」が制限されている状態の処理例について説明するための参考図である。例えば、制限管理部１２０は、エージェントサーバ２００へのアップロードを停止することで、エージェント機能部１５０が有する「アップロード機能」を制限してもよい。例えば、エージェント機能部１５０に対して車内音声を出力する機能を停止すること、車載通信装置６０を介してエージェントサーバ２００へ車内音声を送信する機能（アップロード機能）を停止するようにエージェント機能部１５０に指示すること等で、「アップロード機能」を制限してもよい。一方、エージェント機能部１５０が一部の機能を自ら制限するものである場合、エージェント機能部１５０は、管理部１１０から入力した車内音声をエージェントサーバ２００にアップロードしないこと、管理部１１０から入力した車内音声に対する応答をエージェントサーバ２００にアップロードしないこと等で、「アップロード機能」を制限してもよい。

なお、エージェント機能部１５０が起動している状態で、指示受付部１１９が一部制限指示を受け付けた場合、エージェント機能部が有する「音声入力の機能」、「発話機能」、および「アップロードの機能」が、所定の順番で段階的に制限されてもよい。この所定の順番は、任意に設定可能であり、例えば、乗員により予め設定されている。例えば、制限管理部１２０（あるいは、エージェント機能部１５０）は、ミュートボタン２７が最初に押された場合、順番が１番の機能を制限し、順番が１番の機能を制限している状態でミュートボタン２７が押された場合、順番が２番の機能を制限し、順番が２番の機能を制限している状態でミュートボタン２７が押された場合、順番が３番の機能を制限してもよい。

また、エージェント機能部１５０が起動している状態で、指示受付部１１９が一部制限指示を受け付けた場合、エージェント機能部が有する「音声入力の機能」、「発話機能」、および「アップロードの機能」のうちいずれか一つを制限してもよく、一度に全ての機能を制限してもよい。

また、指示受付部１１９は、受け付けた指示が、エージェント機能部が有する「音声入力の機能」、「発話機能」、および「アップロードの機能」のうちいずれかを制限する指示であるかを判定し、指示された機能の制限を、制限管理部１２０あるいはエージェント機能部１５０に通知してもよい。例えば、指示受付部１１９は、ミュートボタン２７が押された回数や押されている時間長に応じて、指定された機能を判定してもよく、音声認識された車内音声の意味が示す機能が指示された機能であると判定してもよい。後者の場合、例えば、「音声入力を制限」、「エージェント、耳を塞いで」という場合、指示受付部１１９は、音声入力の機能の制限が指示されたと判定する。

［表示例］
図１０は、エージェント機能部１５０の一部機能が制限されていない状態におけるエージェント画像の一例を示す図である。画面３０１には、エージェントのアイコン３１１と、マイクのアイコン３１２とが表示されている。エージェントのアイコン３１１は、例えば、エージェントが周囲の音声を聞いていることを表す画像である。マイクのアイコン３１２は、マイクがオンになっていることを表す画像である。エージェントのアイコンやマイクのアイコンは、静止画像であってもよく、動くアニメーションであってもよい。

図１１は、エージェント機能部１５０の一部機能が制限されている状態におけるエージェント画像の一例を示す図である。画面３０３には、エージェントのアイコン３３１と、マイクのアイコン３３２とが表示されている。エージェントのアイコン３３１は、例えば、エージェントが耳を塞いでおり、周囲の音声が聞こえていないことを表す画像である。マイクのアイコン３３２は、マイクがオフになっていることを表す画像である。

表示制御部１１６は、エージェント機能部１５０の一部機能が制限されていない状態において、画面３０１を第１ディスプレイ２２等に表示させる。一方、エージェント機能部１５０の一部機能が制限されている状態において、表示制御部１１６は、画面３０３を第１ディスプレイ２２等に表示させる。このように、エージェント機能部１５０の一部機能が制限されているかどうかに応じて、エージェント画像の表示を切り替えることにより、乗員はエージェント機能部１５０の一部機能の制限状態を簡単に認識することができる。

［フローチャート］
図１２は、エージェント装置１００による制限処理の一例を示すフローチャートである。ここでは、制限管理部１２０が、エージェント機能部１５０が有する一部の機能を制限する例について説明し、エージェント機能部１５０が一部の機能を自ら制限する処理の説明は省略する。

まず、エージェントごとＷＵ判定部１１４（あるいは、エージェントサーバ２００からの指示）によって、対応するエージェント機能部１５０が起動される（ステップＳ１０１）。この状態で、一部制限指示があった場合（ステップＳ１０２）、制限管理部１２０は、受け付けた一部制限指示が、音声入力の機能の制限であるか否かを判定する（ステップＳ１０３）。音声入力の機能の制限が指示された場合、制限管理部１２０は、例えば、エージェント機能部１５０への音声入力を停止する（ステップＳ１０４）。

一方、受け付けた一部制限指示が、音声入力の機能の制限でない場合、制限管理部１２０は、受け付けた一部制限指示が、発話機能の制限であるか否かを判定する（ステップＳ１０５）。発話機能の制限が指示された場合、制限管理部１２０は、例えば、エージェント機能部１５０に対して応答しないように指示する（ステップＳ１０６）。

一方、受け付けた一部制限指示が、発話機能の制限でない場合、制限管理部１２０は、受け付けた一部制限指示が、アップロード機能の制限であるか否かを判定する（ステップＳ１０７）。アップロード機能の制限が指示された場合、制限管理部１２０は、例えば、エージェント機能部１５０に対してアップロード機能を停止するように指示する（ステップＳ１０８）。

一方、受け付けた一部制限指示が、アップロード機能の制限でない場合、制限管理部１２０は、受け付けた一部制限指示が、音声入力の機能、発話機能、およびアップロード機能の全ての機能の制限であるか否かを判定する（ステップＳ１０９）。全ての機能の制限が指示された場合、制限管理部１２０は、エージェント機能部１５０への音声入力を停止し、エージェント機能部１５０に対して応答しないように指示するとともに、エージェント機能部１５０に対してアップロード機能を停止するように指示する（ステップＳ１１０）。

図１３は、エージェント装置１００によるタイムアウト処理の一例を示すフローチャートである。ここでは、制限管理部１２０が、エージェント機能部１５０が有する一部の機能を制限する例について説明し、エージェント機能部１５０が一部の機能を自ら制限する処理の説明は省略する。

まず、エージェントごとＷＵ判定部１１４は、ウエイクアップワードが発話されたかどうかを判定する（ステップＳ２０１）。ウエイクアップワードが発話された場合、エージェントごとＷＵ判定部１１４は、対応するエージェント機能部１５０を起動させる（ステップＳ２０２）。そして、タイムアウト管理部１２２は、タイムアウトタイマーによるタイムアウト時間のカウントを開始する（ステップＳ２０３）。

次いで、エージェント機能部１５０は、乗員による発話があったか否かを判定する（ステップＳ２０４）。乗員による発話があった場合、エージェント機能部１５０は、乗員の発話に応じたサービスを提供する（ステップＳ２０５）。そして、タイムアウト管理部１２２は、タイムアウトタイマーによるカウントをリセットし、再びタイムアウト時間のカウントを開始する（ステップＳ２０６）。

一方、ステップＳ２０４において、乗員による発話がない場合、タイムアウト管理部１２２は、指示受付部１１９が一部制限指示を受け付けたか否かを判定する（ステップＳ２０７）。指示受付部１１９が一部制限指示を受け付けた場合、タイムアウト管理部１２２は、タイムアウトタイマーによるカウントを停止（あるいはリセット）する（ステップＳ２０８）。そして、タイムアウト管理部１２２は、解除指示を受け付けたと判定するまで、指示受付部１１９が一部制限の解除指示を受け付けたどうかを判定する（ステップＳ２０９）。一部制限の解除指示を受け付けた場合、ステップＳ２０６に移行し、タイムアウト管理部１２２は、タイムアウトタイマーによるカウントをリセットし、再びタイムアウト時間のカウントを開始する（ステップＳ２０６）。

一方、ステップＳ２０７において、指示受付部１１９が一部制限指示を受け付けない場合、タイムアウト管理部１２２は、タイムアウトタイマーによりカウントを開始（あるいは再開）してからの時間が、タイムアウト時間を超えたか否か判定する（ステップＳ２１０）。タイムアウト時間を超えない場合、タイムアウト管理部１２２は、ステップＳ２０４に戻って処理を繰り返す。タイムアウト時間を超えた場合、エージェントごとＷＵ判定部１１４は、起動中のエージェント機能部１５０を停止させる（ステップＳ２１１）。

上記説明した第１実施形態のエージェント装置１００によれば、エージェント機能をより使いやすいものに改善されたエージェント機能を提供することができる。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１０ マイク
２０ 表示・操作装置
３０ スピーカユニット
４０ ナビゲーション装置
５０ 車両機器
６０ 車載通信装置
７０ 汎用通信装置
８０ 乗員認識装置
１００ エージェント装置
１１０ 管理部
１１２ 音響処理部
１１４ エージェントごとＷＵ判定部
１１６ 表示制御部
１１８ 音声制御部
１１９ 指示受付部
１２０ 制限管理部
１２２ タイムアウト管理部
１５０ エージェント機能部
１５２ ペアリングアプリ実行部
２００ エージェントサーバ

Claims (12)

1. 車両の乗員の発話に応じて、音声による応答を含むサービスを提供するエージェント機能部と、
   前記乗員による指示を受け付ける受付部と、を備え、
   前記受付部が所定の指示を受け付けた場合、前記エージェント機能部が有する一部の機能が制限される、
   エージェント装置。
2. 前記エージェント機能部が有する一部の機能を制限する制限管理部をさらに備える、
   請求項１に記載のエージェント装置。
3. 前記エージェント機能部は、
   前記受付部が前記所定の指示を受け付けた場合、前記一部の機能を自ら制限する、
   請求項１に記載のエージェント装置。
4. 前記受付部が前記所定の指示を受け付けた場合、前記エージェント機能部への音声入力が停止されることで、前記エージェント機能部が有する音声に対する応答機能が制限される、
   請求項１から３のうちいずれか一項に記載のエージェント装置。
5. 前記受付部が前記所定の指示を受け付けた場合、前記エージェント機能部と協働してエージェントを仮想的に出現させるエージェントサーバへのアップロードが停止されることで、前記一部の機能が制限される、
   請求項１から４のうちいずれか一項に記載のエージェント装置。
6. 前記受付部が前記所定の指示を受け付けた場合、前記乗員の発話に対する応答の音声出力が停止されることで、前記エージェント機能部が有する音声に対する応答機能が制限される、
   請求項１から５のうちいずれか一項に記載のエージェント装置。
7. 前記エージェント機能部は、
   前記エージェント機能部が有する一部の機能が制限された場合、起動状態を継続する、
   請求項１から６のうちいずれか一項に記載のエージェント装置。
8. 前記受付部は、
   前記乗員による操作を受け付けるスイッチからの出力に基づいて、前記所定の指示を受け付ける、
   請求項１から７のうちいずれか一項に記載のエージェント装置。
9. 前記受付部は、
   音声認識の技術を用いて、前記乗員の発話による前記所定の指示を受け付ける、
   請求項１から８のうちいずれか一項に記載のエージェント装置。
10. 前記エージェント機能部が起動している状態で、前記受付部が前記所定の指示を受け付けた場合、
    前記エージェント機能部が有する音声入力の機能、前記エージェント機能部が有する発話機能、および前記エージェント機能部が有するサーバへのアップロードの機能が、所定の順番で段階的に制限される、
    請求項１から９のうちいずれか一項に記載のエージェント装置。
11. コンピュータが、
    車両の乗員の発話に応じて、音声による応答を含むエージェントによるサービスを提供し、
    前記乗員による所定の指示を受け付けた場合、前記エージェントが有する一部の機能を制限する、
    エージェント装置の制御方法。
12. コンピュータに、
    車両の乗員の発話に応じて、音声による応答を含むエージェントによるサービスを提供する処理と、
    前記乗員による指示を受け付ける処理と、
    所定の指示を受け付けた場合、前記エージェントが有する一部の機能を制限する処理と、
    を実行させるプログラム。

Images