JP2020152183A - 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】乗員の利便性を向上させ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】エージェント装置１００は、車両の乗員の発話に応じて、応答を含むサービスを提供する複数のエージェント機能部１５０を備え、複数のエージェント機能部１５０のうち、起動中である第１のエージェント機能部は、他のエージェント機能部の起動の指示を受け付けた場合に、他のエージェント機能部を起動させる。【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、複数の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、あるエージェントが起動している場合に、他のエージェントを起動させることが困難な場合があった。そのため、乗員の利便性が損なわれる場合があった。

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、乗員の利便性を向上させ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、応答を含むサービスを提供する複数のエージェント機能部を備え、前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部は、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、エージェント装置である。

（２）：上記（１）の態様において、前記第１のエージェント機能部は、起動中に前記他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させるとともに、前記第１のエージェント機能部を停止させるものである。

（３）：上記（１）の態様において、前記第１のエージェント機能部は、起動中に前記他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させるとともに、前記他のエージェント機能部に、前記乗員の発話に対する応答を優先させるものである。

（４）：上記（２）または（３）の態様において、前記複数のエージェント機能部のうち、一部のエージェント機能部を、前記他のエージェント機能部を起動可能なエージェント機能部とするものである。

（５）：上記（４）の態様において、前記一部のエージェント機能部は、前記車両を制御するエージェント機能部を含むものである。

（６）：上記（１）〜（５）のうち何れか１つの態様において、前記複数のエージェント機能部のそれぞれの起動を制御する起動制御部を更に備え、前記起動制御部は、前記他のエージェント機能部の起動の指示を受け付けた場合に、前記第１のエージェント機能部を停止させるものである。

（７）：上記（６）の態様において、前記起動制御部は、起動中の前記第１のエージェント機能部を終了させる終了ワードを出力するものである。

（８）：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、複数のエージェント機能部のうちいずれかを起動させ、前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、応答を含むサービスを提供し、前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部が、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、エージェント装置の制御方法である。

（９）：本発明の他の態様に係るプログラムは、コンピュータに、複数のエージェント機能部のうちいずれかを起動させ、前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、応答を含むサービスを提供させ、前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部が、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、プログラムである。

上記（１）〜（９）の態様によれば、乗員の利便性を向上させることができる。

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およびスピーカユニット３０の配置例を示す図である。 エージェント制御情報１７２の内容の一例を示す図である。 第１実施形態に係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。 何れのエージェントも起動していない場面において、表示制御部１２２により表示される画像ＩＭ１の一例を示す図である。 第１のエージェント機能部が起動中である場面において、表示制御部１２２により表示される画像ＩＭ２の一例を示す図である。 応答結果が出力される様子の一例を示す図である。 他エージェント機能部による応答結果が出力される様子について説明するための図である。 応答の優先権が移動したときに出力される情報について説明するための図である。 第１実施形態に係るエージェント装置１００により実行される処理の流れの一例を示すフローチャートである。 第２実施形態に係るエージェント装置１００Ａの構成と、車両Ｍに搭載された機器とを示す図である。 第２実施形態に係るエージェント装置１００Ａにより実行される処理の流れ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。何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、例えば、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。したがって、本実施形態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等が挙げられ、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、無線基地局等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からウェブページやＷｅｂ ＡＰＩ（Web Application Programming Interface）経由で各種情報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。また、エージェント装置１００は、乗員からの要求に基づいて車両機器５０に対する制御等を行う。

＜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、スマートフォン等の汎用通信装置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。表示・操作装置２０と、スピーカユニット３０とを合わせたものが「出力部」の一例である。

マイク１０は、車室内で発せられた音を収集する収音部である。表示・操作装置２０は、画像を表示するとともに、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及びスピーカユニット３０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）等の位置測位装置と、地図情報を記憶した記憶装置と、経路探索等を行う制御装置（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、車両Ｍに搭載される機器である。車両機器５０は、例えば、エンジンや走行用モータ等の駆動力出力装置、エンジンの始動モータ、ドアロック装置、ドア開閉装置、窓、窓の開閉装置および窓の開閉制御装置、シート、シート位置の制御装置、ルームミラーおよびその角度位置制御装置、車両内外の照明装置およびその制御装置、ワイパーやデフォッガーおよびそれぞれの制御装置、方向指示灯およびその制御装置、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等の車両情報装置等を含む。

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、画像認識装置等を含む。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等を含む。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、顔向き等を認識する。

図３は、表示・操作装置２０およびスピーカユニット３０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とを含む。表示・操作装置２０は、更に、ＨＵＤ２８を含んでもよい。また、表示・操作装置２０は、更に、インストルメントパネルのうち運転席ＤＳに対面する部分に設けられるメーターディスプレイ２９を含んでもよい。第１ディスプレイ２２と、第２ディスプレイ２４と、ＨＵＤ２８と、メーターディスプレイ２９とを合わせたものが「表示部」の一例である。

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等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等が集積されたものである。ＨＵＤ２８は、例えば、風景に重畳させて画像を視認させる装置であり、一例として、車両Ｍのフロントウインドシールドやコンバイナーに画像を含む光を投光することで、乗員に虚像を視認させる。メーターディスプレイ２９は、例えば、ＬＣＤや有機ＥＬ等であり、速度計や回転速度計等の計器類を表示する。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。上述した各表示部が表示する内容は、エージェント装置１００によって決定されてよい。

スピーカユニット３０は、例えば、スピーカ３０Ａ〜３０Ｆ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、第２ディスプレイ２４の近傍に設置されている。スピーカ３０Ｆは、車室の天井（ルーフ）に設置されている。また、スピーカユニット３０は、右側後部座席や左側後部座席に近いドアの下部に設置されてもよい。

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。「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。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、音像は車室の前方付近に定位することになり、専らスピーカ３０Ｆ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１６０と、記憶部１７０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、出力制御部１２０と備える。以下、何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。また、以下では、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。

エージェント装置１００の各構成要素は、例えば、ＣＰＵ（Central Processing Unit）等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）等のハードウェア（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等の記憶装置（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等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。

記憶部１７０は、上記の各種記憶装置により実現される。記憶部１７０には、例えば、エージェント制御情報１７２等のデータやプログラムが格納される。図４は、エージェント制御情報１７２の内容の一例を示す図である。エージェント制御情報１７２は、例えば、エージェントを識別するエージェント識別情報に、ウエイクアップワード（起動ワード）と、起動制御可能エージェント種別と、終了ワードとが対応付けられている。ウエイクアップワードには、例えば、各エージェントに対応するエージェント機能部を起動させるためのワードやフレーズ等が格納される。起動制御可能エージェント識別情報には、例えば、ウエイクアップワードで指示されたエージェントを起動させる権限を有するエージェントの識別情報が格納される。図４の例では、エージェント１がエージェント２およびエージェント３を起動可能でありエージェント２やエージェント３が他のエージェントを起動できないことが示されている。終了ワードには、例えば、エージェントを終了させるためのワードやフレーズ等が格納される。エージェント制御情報１７２は、例えば、管理部１１０またはエージェントサーバ２００により適宜更新される。

管理部１１０は、ＯＳ（Operating System）やミドルウェア等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、マイク１０から収集される音を受け付け、受け付けた音に対して、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音響処理を行う。音響処理とは、例えば、バンドパスフィルタ等のフィルタリングによるノイズ除去や音の増幅等である。また、音響処理部１１２は、音響処理された音声を、エージェントごとＷＵ判定部１１４や起動中のエージェント機能部に出力する。

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、何れのエージェント機能部が起動していない状態において、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と、記憶部１７０に記憶されたエージェント制御情報１７２のウエイクアップワードとを照合し、文字情報がエージェント制御情報１７２に含まれるウエイクアップワードの何れか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。また、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。

また、エージェントごとＷＵ判定部１１４は、上述した手順と同様の手順で、発話された音声に含まれる終了ワードを認識した場合であり、且つ、終了ワードに対応するエージェントが起動している状態（以下、必要に応じて「起動中」と称する）である場合、起動しているエージェント機能部を停止（終了）させる。なお、起動中のエージェントは、音声の入力を所定時間以上受け付けなかった場合や、エージェントを終了させる所定の指示操作を受け付けた場合に、エージェントを停止させてもよい。

出力制御部１２０は、管理部１１０またはエージェント機能部１５０からの指示に応じて表示部またはスピーカユニット３０に応答結果等の情報を出力させることで、乗員にサービス等の提供を行う。出力制御部１２０は、例えば、表示制御部１２２と、音声制御部１２４とを備える。

表示制御部１２２は、出力制御部１２０からの指示に応じて表示部の少なくとも一部の領域に画像を表示させる。以下では、エージェントに関する画像を第１ディスプレイ２２に表示させるものとして説明する。表示制御部１２２は、出力制御部１２０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。例えば、表示制御部１２２は、乗員認識装置８０により認識された乗員の位置に近い表示領域にエージェント画像を表示させたり、乗員の位置に顔を向けたエージェント画像を生成して表示させてもよい。

音声制御部１２４は、出力制御部１２０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１２４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。

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Ｍ（例えば、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１６０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Ｍ（例えば、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１６０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１６０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）等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。

エージェント機能部１５０−１〜１５０−３のそれぞれは、音響処理部１１２等から入力された乗員の発話（音声）に対する処理を実行し、実行結果（例えば、発話に含まれる要求に対する応答結果）を管理部１１０に出力する。また、エージェント機能部１５０−１〜１５０−３のそれぞれは、例えば、他エージェントＷＵ判定部１５２と、他エージェント起動制御部１５４とを備える。第１実施形態において、他エージェント起動制御部１５４は、「起動制御部」の一例である。

他エージェントＷＵ判定部１５２は、例えば、自己のエージェントの起動中において、音響処理部１１２から得られる音声に、自己以外のエージェント（以下、他エージェント）に対応するエージェント機能部（以下、他エージェント機能部と称する）を起動させるウエイクアップワードが含まれているか否かを判定する。この場合、他エージェントＷＵ判定部１５２は、エージェントごとＷＵ判定部１１４と同様に、音響処理が行われた音声の意味を認識し、音声をテキスト化した文字情報と、エージェント制御情報１７２のウエイクアップワードとを照合し、文字情報がエージェント制御情報１７２に含まれる他のエージェントのウエイクアップワードの何れかに該当するか否かを判定する。

他エージェント起動制御部１５４は、他エージェントＷＵ判定部１５２の判定結果により、他のエージェントのウエイクアップワードがあると判定された場合に、対応するエージェント機能部を起動させる。また、他エージェントＷＵ判定部１５２および他エージェント起動制御部１５４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。エージェント機能部１５０の機能の詳細については、後述する。

［エージェントサーバ］
図５は、第１実施形態に係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。以下、エージェントサーバ２００の構成とともに、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。また、以下では、主にエージェント機能部１５０−１およびエージェントサーバ２００−１を中心として説明するが、他のエージェント機能部やエージェントサーバの組についても、それぞれの詳細な機能やデータベース等で相違はあるものの、ほぼ同様の動作を行う。

エージェントサーバ２００−１は、通信部２１０を備える。通信部２１０は、例えば、ＮＩＣ（Network Interface Card）等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２００−１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、記憶部２５０とを備える。これらの構成要素は、例えば、ＣＰＵ等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等のハードウェア（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等の記憶装置（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等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。音声認識部２２０と、自然言語処理部２２２とを合わせたものが「認識部」の一例である。

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、例えば、辞書ＤＢ（データベース）２５２、パーソナルプロファイル２５４、知識ベースＤＢ２５６、応答規則ＤＢ２５８等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１５０−１は、例えば、音響処理部１１２等から入力される音声ストリーム、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２００−１に送信する。エージェント機能部１５０−１は、ローカル処理（エージェントサーバ２００−１を介さない処理）が可能なコマンド（要求内容）が認識できた場合には、コマンドで要求された処理を実行してもよい。ローカル処理が可能なコマンドとは、例えば、エージェント装置１００が備える記憶部１７０を参照することで応答可能なコマンドである。より具体的には、ローカル処理が可能なコマンドとは、例えば、記憶部１７０内に存在する電話帳データから特定者の名前を検索し、合致した名前に対応付けられた電話番号に電話をかける（相手を呼び出す）コマンドである。したがって、エージェント機能部１５０−１は、エージェントサーバ２００−１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ＤＢ２５２を参照しながら意味解釈を行う。辞書ＤＢ２５２は、例えば、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ＤＢ２５２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、音声認識結果として、「今日の天気は」、「天気はどうですか」等のテキストが認識された場合、ユーザ意図を「天気：今日」に置き換えた内部状態を生成する。これにより、リクエストの音声に文字揺らぎや言い回しの違い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、入力されたコマンドに基づいて、パーソナルプロファイル２５４や知識ベースＤＢ２５６、応答規則ＤＢ２５８を参照しながら車両Ｍの乗員に対する応答内容（例えば、乗員への発話内容や出力部から出力する画像、音声）を決定する。パーソナルプロファイル２５４は、乗員ごとに保存されている乗員の個人情報、趣味嗜好、過去の対話の履歴等を含む。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等）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２５４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２５４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、生成した応答文（応答結果）をエージェント装置１００に送信する。また、応答文生成部２２８は、乗員認識装置８０による認識結果をエージェント装置１００から取得し、取得した認識結果によりコマンドを含む発話を行った乗員がパーソナルプロファイル２５４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、乗員の話し方に合わ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１２４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画像を生成し、生成したエージェント画像や応答結果に含まれる画像等を表示するように表示制御部１２２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。また、エージェント機能部１５０は、起動中に、入力される音声ストリームに対して他エージェントのウエイクアップワードが含まれるか否かの判定を行ったり、他エージェント機能部を起動させる制御等を行う。

［エージェント機能部の機能］
以下、エージェント機能部１５０の機能の詳細について具体的に説明する。以下では、主にエージェント機能部１５０における他エージェント機能部の起動制御に関する機能と、エージェント機能部１５０の機能によって出力制御部１２０により出力され、乗員（以下、乗員Ｐと称する）に提供される応答結果を中心として説明する。また、以下では、音声に含まれるウエイクアップワードによりエージェントを起動させる方法を用いて説明するが、エージェントを起動させる方法はこれに限定されず、例えば、予め車内に設けられた起動ボタン（操作部）の操作によりエージェントを起動させてもよい。また、以下では、表示制御部１２２により画像が表示される場合には、第１ディスプレイ２２に表示されるものとする。また、以下では、何れのエージェント機能部１５０も起動していない状態で最初に起動したエージェント機能部を「第１のエージェント機能部」と称するものとする。

図６は、何れのエージェントも起動していない場面において、表示制御部１２２により表示される画像ＩＭ１の一例を示す図である。なお、画像ＩＭ１に表示される内容やレイアウト等については、これに限定されるものではない。また、画像ＩＭ１は、出力制御部１２０等からの指示に基づいて表示制御部１２２により生成されるものである。上述の内容は、以降の画像の説明についても同様とする。

出力制御部１２０は、例えば、乗員Ｐがエージェントと対話を行っていない状態（第１のエージェント機能部が存在していない状態）である場合に、表示制御部１２２に初期状態画面として画像ＩＭ１を生成させ、生成させた画像ＩＭ１を第１ディスプレイ２２に表示させる。

画像ＩＭ１には、例えば、文字情報表示領域Ａ１１と、エージェント表示領域Ａ１２とが含まれる。文字情報表示領域Ａ１１には、例えば、使用可能なエージェントの数や種類に関する情報が表示される。使用可能なエージェントとは、例えば乗員により起動可能なエージェントであり、更に具体的には、乗員の発話に対して応答が可能なエージェントである。使用可能なエージェントは、例えば、車両Ｍが走行している地域、時間帯、エージェントの状況、乗員認識装置８０により認識される乗員Ｐに基づいて設定される。エージェントの状況には、例えば、車両Ｍが地下やトンネル内に存在するためにエージェントサーバ２００と通信できない状況、または、すでに他のコマンドによる処理が実行中であり、次の発話に対する処理が実行できない状況が含まれる。図６の例において、文字情報表示領域Ａ１１には、「３つのエージェントが使用可能です」という文字情報が表示されている。

エージェント表示領域Ａ１２には、例えば、使用可能なエージェントに対応付けられたエージェント画像が表示される。図６の例において、エージェント表示領域Ａ１２には、エージェント機能部１５０−１〜１５０−３に対応付けられたエージェント画像ＥＩ１〜ＥＩ３が表示されている。これにより、乗員Ｐは、使用可能なエージェントの数や種類を容易に把握することができる。

ここで、エージェントごとＷＵ判定部１１４は、乗員Ｐの発話に含まれるウエイクアップワードを認識し、認識したウエイクアップワードに対応する第１のエージェント機能部を起動させる。図７の例において、乗員Ｐによる「おーい、ＡＡＡ！」という発話に対し、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「ＡＡＡ」であるエージェント１（エージェント機能部１５０−１）を第１のエージェントとして起動させる。起動後、エージェント機能部１５０−１は、表示制御部１２２の制御によって、エージェント画像ＥＩ１を第１ディスプレイ２２に表示させる。

図７は、第１のエージェント機能部が起動中である場面において、表示制御部１２２により表示される画像ＩＭ２の一例を示す図である。画像ＩＭ２には、例えば、文字情報表示領域Ａ２１と、エージェント表示領域Ａ２２とが含まれる。文字情報表示領域Ａ２１には、例えば、乗員Ｐと対話を行うエージェントに関する情報が表示される。図７の例において、文字情報表示領域Ａ２１には、「エージェント１が応答中」という文字情報が表示されている。なお、この場面においては、文字情報表示領域Ａ２１に文字情報を表示させなくてもよい。

エージェント表示領域Ａ２２には、例えば、対話中のエージェントに対応付けられたエージェント画像が表示される。図７の例において、エージェント表示領域Ａ２２には、エージェント機能部１５０−１に対応付けられたエージェント画像ＥＩ１が表示されている。これにより、乗員Ｐは、エージェント１が起動したことを容易に把握することができる。

次に、乗員Ｐが「最近流行っているお店はどこ？」と発話した場合、エージェント機能部１５０−１は、発話内容に基づく音声認識を行う。そして、エージェント機能部１５０−１は、音声認識結果が得られた場合、乗員Ｐに確認するために、音声認識結果に基づく応答結果（応答文）を生成し、生成した応答結果を乗員Ｐに出力する。

図７の例において、音声制御部１２４は、エージェント１（エージェント機能部１５０−１、エージェントサーバ２００−１）によって生成された応答文に対応させて、「最近流行っているお店を検索します！」という音声を生成し、生成した音声をスピーカユニット３０に出力させる。また、音声制御部１２４は、上述した応答文の音声を、エージェント表示領域Ａ２２に表示されているエージェント画像ＥＩ１の表示位置付近に定位させる音像定位処理を行う。また、音声が出力される場合、表示制御部１２２は、音声出力に合わせてエージェント画像ＥＩ１が喋っているように乗員Ｐに視認させるアニメーション画像等を生成して表示させてもよい。また、表示制御部１２２は、応答文をエージェント表示領域Ａ２２に表示させてもよい。これにより、乗員Ｐは、発話内容をエージェント１が認識できたか否かをより正確に把握することができる。

次に、エージェント機能部１５０−１は、音声認識した内容に基づく処理を実行し、エージェントサーバ２００−１等の処理によって得られた応答結果を、出力制御部１２０に出力させる。図８は、応答結果が出力される様子の一例を示す図である。図８の例では、第１ディスプレイ２２に表示される画像ＩＭ３が示されている。画像ＩＭ３には、例えば、文字情報表示領域Ａ３１と、エージェント表示領域Ａ３２とが含まれる。文字情報表示領域Ａ３１には、文字情報表示領域Ａ３１と同様に対話中のエージェント１に関する情報が表示される。

エージェント表示領域Ａ３２には、例えば、対話中のエージェント画像やエージェントの応答結果が表示される。図８の例において、エージェント表示領域Ａ３２には、エージェント画像ＥＩ１およびエージェント１の応答結果である「イタリアンレストラン「〇〇〇」です。」という文字情報が表示されている。この場面において、音声制御部１２４は、エージェント機能部１５０−１によってなされた応答結果の音声を生成し、エージェント画像ＥＩ１の表示位置付近に定位させる音像定位処理を行う。図８の例において、音声制御部１２４は、「私が紹介するのはイタリアンレストラン「〇〇〇」です。」という音声を出力させている。

ここで、音響処理部１１２は、エージェント１が起動中の状態で、乗員Ｐの「ＢＢＢ！ 「△△△」の曲を聞かせて！」という発話を受け付けたとする。この場合、他エージェントＷＵ判定部１５２−１は、「ＢＢＢ」という文字情報と、エージェント制御情報１７２に含まれる他のエージェントのウエイクアップワードとを照合し、文字情報「ＢＢＢ」がエージェント２のウエイクアップワードに該当すると判定する。

他エージェント起動制御部１５４−１は、他エージェントＷＵ判定部１５２−１の判定結果により、エージェント２のウエイクアップワードに該当すると判定された場合、エージェント機能部１５０−２（他エージェント機能部）を起動させる。この場合、他エージェント起動制御部１５４−１は、エージェント機能部１５０−２を起動させる指示を直接エージェント機能部１５０−２に出力してもよく、エージェント機能部１５０−２に対応付けられたエージェントごと判定部１１４に起動させる指示を出力し、エージェントごとＷＵ判定部１１４に出力させてもよい。

また、他エージェント起動制御部１５４−１は、自己のエージェントにエージェント機能部１５０−２を起動させるウエイクアップワード「ＢＢＢ」に対応する音声を音声制御部１２４に生成させて、スピーカユニット３０から出力させてもよい。これにより、マイク１０から入力された「ＢＢＢ」に対応する音声が音響処理部１１２に受け付けられ、エージェントごとＷＵ判定部１１４によって、エージェント機能部１５０−２を起動させることができる。

なお、エージェント装置１００は、全てのエージェント機能部が他エージェント機能部を起動させることができるのではなく、一部のエージェント機能部のみが、他エージェント機能部を起動できるように制御してもよい。この場合、他エージェント起動制御部１５４−１は、エージェント制御情報１７２に含まれる起動制御可能エージェント識別情報を参照し、自己エージェント（エージェント１）が他エージェント（エージェント２）の起動制御が可能なエージェントであるか否かを判定する。図４の例において、エージェント１は、エージェント２の起動制御が可能なエージェントである。したがって、エージェント機能部１５０−１は、エージェント機能部１５０−２を起動させる。

このように、一部のエージェント機能部のみが、他エージェント機能部を起動できるように制御することで、エージェントごとに異なる権限を設定することができ、エージェント間で主従（マスタエージェントとサブエージェント）の関係性を持たせることができる。また、主（マスタ）となるエージェントには、車両機器５０等を制御するエージェント（例えば、エージェント機能部１５０−１）が含まれることが好ましい。これにより、例えば、車内で起動している時間が他のエージェントよりも長いことが予測されるエージェント、または重要度の高いエージェントから、即座に他のエージェントを起動させることができる。

また、他エージェント起動制御部１５４−１は、他エージェント（例えば、エージェント機能部１５０−２）を起動させた後、自己のエージェント１（エージェント機能部１５０−１）を停止させる制御を行ってもよい。この場合、他エージェント起動制御部１５４−１は、エージェント１を停止させる制御を直接行ってもよく、エージェント制御情報１７２から取得したエージェント１の終了ワード「ＸＸＸ」をエージェントごとＷＵ判定部１１４に出力し、エージェントごとＷＵ判定部１１４によりエージェント１を終了させてもよい。

また、他エージェント起動制御部１５４−１は、エージェント１の終了ワード「ＸＸＸ」に対応する音声を音声制御部１２４に生成させて、スピーカユニット３０から出力させてもよい。これにより、マイク１０から入力された「ＸＸＸ」に対応する音声が音響処理部１１２に受け付けられ、エージェントごとＷＵ判定部１１４によって、エージェント機能部１５０−２を停止させることができる。エージェント１が停止した後、他エージェント機能部（エージェント機能部１５０−２）のエージェント２によって、乗員Ｐの発話に対する応答が実行される。

図９は、他エージェント機能部による応答結果が出力される様子について説明するための図である。図９の例では、第１ディスプレイ２２に表示される画像ＩＭ４が示されている。画像ＩＭ４には、例えば、文字情報表示領域Ａ４１と、エージェント表示領域Ａ４２とが含まれる。文字情報表示領域Ａ４１には、現在応答中のエージェントに関する情報が表示される。図９の例において、文字情報表示領域Ａ４１には、「エージェント２が応答中」という文字情報が表示されている。

エージェント表示領域Ａ４２には、例えば、応答中のエージェント画像やエージェントの応答結果が表示される。表示制御部１２２は、エージェント機能部１５０−１から、応答結果、および応答結果を生成した他のエージェント機能部の識別情報を取得し、取得した情報に基づいて、エージェント表示領域Ａ４２に表示する画像を生成する。

図９の例において、エージェント表示領域Ａ４２には、エージェント画像ＥＩ２およびエージェント２の応答結果である「「△△△」の曲を再生します。」という文字情報が表示されている。この場面において、音声制御部１２４は、応答結果に対応する音声を生成し、エージェント画像ＥＩ２の表示位置付近に定位させる音像定位処理を行う。更に、音声制御部１２４は、応答結果に含まれる「△△△」の曲をスピーカユニット３０から出力させる。

これにより、乗員Ｐは、起動中のエージェントを停止させる指示を行うことなく、他のエージェントを起動させる音声のみを発話することで、起動中のエージェントの停止と他のエージェントの起動を行うことができる。したがって、エージェントを切り替えるときの煩わしさを削減でき、エージェントの使用に関する乗員の利便性を向上させることができる。

［変形例］
他エージェント起動制御部１５４は、他エージェントを起動させた後、自己のエージェントを停止させるのに代えて、自己のエージェントを起動させたまま乗員Ｐの発話に対する応答を他エージェントに優先させる制御を行ってもよい。「乗員Ｐの発話に対する応答を他エージェントに優先させる」とは、例えば、乗員Ｐに応答する優先権をすでに起動中のエージェントから新たに起動した他エージェントに移動させることである。上述した例の場合、エージェント１とエージェント２とが起動中となるが、乗員Ｐとの対話はエージェント２が行うこととなる。

また、エージェント１は、エージェント２が乗員Ｐと対話している間も乗員Ｐからの音声やエージェント２からの音声を入力し、入力した音声の意味に基づく応答を生成してもよい。この場合、エージェント１は、生成した応答結果を、エージェント２からの指示や乗員Ｐからの指示があった場合にのみ出力する。これにより、エージェント１は、エージェント２の応答を補助するような振る舞いで応答結果を出力することができる。

また、出力制御部１２０は、エージェント１からエージェント２が起動され、エージェント２に優先権が移動していることを示す情報を、出力部に出力させてもよい。図１０は、応答の優先権が移動したときに出力される情報について説明するための図である。図１０の例では、第１ディスプレイ２２に表示される画像ＩＭ５が示されている。画像ＩＭ５には、例えば、文字情報表示領域Ａ５１と、エージェント表示領域Ａ５２とが含まれる。文字情報表示領域Ａ５１には、乗員Ｐの発話に応答するエージェントが移動されたことを示す情報が表示される。図１０の例において、文字情報表示領域Ａ５１には、「応答の優先権がエージェント２に移動しました」という文字情報が表示されている。

エージェント表示領域Ａ５２には、例えば、対話中のエージェント画像やエージェントの応答結果が表示されるとともに、優先権を移動する前のエージェント画像が表示される。図１０の例において、エージェント表示領域Ａ５２には、上述した図９に示すエージェント表示領域Ａ４２に示す表示内容に加えて、エージェント画像ＥＩ１が表示されている。この場面において、表示制御部１２２は、優先権のないエージェント１のエージェント画像ＥＩ１を、優先権があるエージェント２のエージェント画像ＥＩ２よりも小さくなるように表示させる。これにより、乗員Ｐは、複数のエージェント画像が表示された場合であっても、応答するエージェントを容易に判別することができる。

また、表示制御部１２２は、エージェント２が応答中であってもエージェント画像ＥＩ１の表情や顔の向き等を変えて表示させてもよい。図１０の例において、エージェント表示領域Ａ５２には、エージェント画像ＥＩ２の方を向いているエージェント画像ＥＩ１の画像が表示されている。このように、エージェント２が応答中であってもエージェント画像ＥＩ１の表情や顔の向きを変えることで、エージェント２だけでなく、エージェント１も起動中であることを、乗員Ｐに直感的に把握させることができる。

なお、変形例において、エージェント２の応答が完了した場合、他エージェント起動制御部１５４−１は、優先権を元に戻す（エージェント１に戻す）制御を行ってもよい。これにより、一時的に他のエージェントに応答させた場合であっても、円滑に元のエージェントに復帰させることができる。その結果、乗員の利便性を向上させることができる。

[処理フロー]
図１１は、第１実施形態に係るエージェント装置１００により実行される処理の流れの一例を示すフローチャートである。なお、以下では、エージェント装置１００により、第１のエージェント機能部（以下では、一例としてエージェント機能部１５０−１とする）がすでに起動中である場合の処理について説明する。本フローチャートの処理は、例えば、所定周期或いは所定のタイミングで繰り返し実行されてよい。

まず、エージェント機能部１５０−１は、音響処理部１１２からの音声の入力を受け付けたか否かを判定する（ステップＳ１００）。音声の入力を受け付けたと判定された場合、エージェント機能部１５０−１は、認識部に入力された音声に対する音声認識を実行させ、音声認識結果を取得する（ステップＳ１０２）。次に、エージェント機能部１５０−１の他エージェントＷＵ判定部１５２−１は、他エージェントのウエイクアップワードを受け付けたか否かを判定する（ステップＳ１０４）。

他エージェントのウエイクアップワードを受け付けたと判定された場合、他エージェント起動制御部１５４−１は、他エージェントに対応するエージェント機能部を起動させる（ステップＳ１０６）。また、他エージェント起動制御部１５４−１は、起動している自己のエージェントを停止させる（ステップＳ１０８）。また、ステップＳ１０４の処理において、他エージェントのウエイクアップワードを受け付けていない場合、エージェント機能部１５０−１は、認識結果に基づく応答を生成し（ステップＳ１１０）、生成した応答結果を出力させる（ステップＳ１１２）。これにより、本フローチャートの処理は、終了する。また、ステップＳ１００の処理において、音声の入力を受け付けていないと判定された場合、本フローチャートの処理は、終了する。

なお、ステップＳ１０６の処理において、他エージェント起動制御部１５４−１は、エージェント１が他エージェントを起動できる権限を有するか否かを判定し、起動できる権限を有する場合に、他エージェントを起動させてもよい。

上述した第１実施形態に係るエージェント装置１００によれば、車両Ｍの乗員の発話に応じて、応答を含むサービスを提供する複数のエージェント機能部１５０と、複数のエージェント機能部１５０のうち、第１のエージェント機能部が起動中で、他のエージェント機能部の起動の指示がなされた場合に、他のエージェント機能部を起動させる他エージェント起動制御部１５４とを備えることで、エージェントとの対話における乗員の利便性を向上させることができる。

＜第２実施形態＞
以下、第２実施形態について説明する。第２実施形態のエージェント装置は、第１実施形態のエージェント装置１００と比較して、エージェント機能部１５０の他エージェントＷＵ判定部１５２および他エージェント起動制御部１５４に代えて、管理部１１０に起動状態管理部１１６および起動制御部１１８を備える点で相違する。したがって、以下では、主に起動状態管理部１１６および起動制御部１１８を中心として説明するものとし、それ以外の構成については、共通する名称および符号を付するものとし、ここでの具体的な説明は省略する。

図１２は、第２実施形態に係るエージェント装置１００Ａ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１００Ａとが搭載される。また、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。

また、エージェント装置１００Ａは、管理部１１０Ａと、エージェント機能部１５０Ａ、１５０Ａ−２、１５０Ａ−３と、ペアリングアプリ実行部１６０と、記憶部１７０とを備える。管理部１１０Ａは、例えば、音響処理部１１２と、エージェントごとＷＵ判定部１１４と、起動状態管理部１１６と、起動制御部１１８と、出力制御部１２０とを備える。エージェント装置１００Ａの各構成要素は、例えば、ＣＰＵ等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等のハードウェア（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等の記憶装置（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等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。

エージェント機能部１５０Ａは、第１実施形態に示すエージェント機能部１５０の機能のうち、他エージェントＷＵ判定部１５２および他エージェント起動制御部１５４を除く機能を備える。

起動状態管理部１１６は、現在起動中のエージェントを管理する。例えば、起動状態管理部１１６は、エージェントごとＷＵ判定部１１４により、入力された音声の文字情報が何れかのエージェントに対するウエイクアップワードに該当すると判定された場合、現在起動中のエージェントが存在するか否かを判定する。また、起動状態管理部１１６は、起動中のエージェントが存在する場合に、そのエージェント種別やエージェントの優先権（どのエージェントが乗員Ｐの発話に応答しているか）に関する情報を取得してもよい。

起動制御部１１８は、エージェントごとＷＵ判定部１１４によりウエイクアップワードが発話されたと判定され、且つ、現在起動しているエージェントにウエイクアップワードに対応するエージェントが含まれていない場合に、ウエイクアップワードに対応するエージェントを起動させる。また、起動制御部１１８は、上述した制御に加えて、エージェント制御情報１７２の起動制御可能エージェント識別情報を参照し、起動中のエージェントが起動制御可能エージェント識別情報に含まれるエージェントである場合にのみ、ウエイクアップワードに対応するエージェントを起動させてもよい。

また、起動制御部１１８は、ウエイクアップワードに対応するエージェントを起動させることに加えて、すでに起動中のエージェントを停止させる制御を行ってもよい。この場合、起動制御部１１８は、停止させるエージェント機能部１５０Ａに停止させる制御を直接行ってもよい。また、起動制御部１１８は、エージェント制御情報１７２から取得したエージェントの終了ワードに対応する音声を音声制御部１２４に生成させて、スピーカユニット３０から出力させてもよい。これにより、マイク１０から入力された終了ワードに対応する音声が音響処理部１１２に受け付けられ、エージェントごとＷＵ判定部１１４によって、対象のエージェントを停止させることができる。また、起動制御部１１８は、すでに起動中のエージェントを停止させることに代えて、乗員の発話に対する応答の優先権を、すでに起動中のエージェントから、新たに起動させたエージェントに移動させる制御を行ってもよい。

[処理フロー]
図１３は、第２実施形態に係るエージェント装置１００Ａにより実行される処理の流れの一例を示すフローチャートである。本フローチャートの処理は、例えば、所定周期或いは所定のタイミングで繰り返し実行されてよい。

まず、管理部１１０Ａは、マイク１０からの音声の入力を受け付けたか否かを判定する（ステップＳ２００）。音声の入力を受け付けたと判定された場合、管理部１１０Ａは、音響処理およびエージェントごとＷＵ判定部１１４による音声認識を実行させ、音声認識結果を取得する（ステップＳ２０２）。次に、エージェントごとＷＵ判定部１１４は、音声によりエージェントのウエイクアップワードを受け付けたか否かを判定する（ステップＳ２０４）。ウエイクアップワードを受け付けたと判定された場合、起動状態管理部１１６は、エージェントの起動状態を取得する（ステップＳ２０６）。

次に、起動制御部１１８は、現在起動しているエージェントが存在するか否かを判定する（ステップＳ２０８）。現在起動しているエージェントが存在すると判定された場合、起動制御部１１８は、受け付けたウエイクアップワードが、起動中のエージェント以外のウエイクアップワードか否かを判定する（ステップＳ２１０）。起動中のエージェント以外のウエイクアップワードである場合、起動制御部１１８は、起動中のエージェントを停止させ（ステップＳ２１２）、ウエイクアップワードに対応するエージェントを起動させる（ステップＳ２１４）。また、ステップＳ２０８の処理において、エージェントが起動中でないと判定された場合、起動制御部１１８は、ウエイクアップワードに対応するエージェントを起動させる（ステップＳ２１４）。

また、ステップＳ２０４の処理において、ウエイクアップワードを受け付けていない場合、管理部１１０または起動中のエージェント機能部１５０は、認識結果に基づく応答を生成し（ステップＳ２１６）、生成した応答結果を出力させる（ステップＳ２１８）。これにより、本フローチャートの処理は、終了する。また、ステップＳ２００の処理において、音声の入力を受け付けていない場合、または、ステップＳ２１０の処理において、受け付けたウエイクアップワードが、起動中のエージェント以外のウエイクアップワードでないと判定された場合に、本フローチャートの処理は、終了する。

上述した第２実施形態のエージェント装置１００Ａによれば、第１実施形態のエージェント装置１００と同様の効果を奏する他、管理部１１０Ａで各エージェントの状態を管理するとともに、エージェントの起動状態に基づく他のエージェントの起動や停止制御を行うことができる。

上述した第１実施形態および第２実施形態のそれぞれは、他の実施形態の一部または全部を組み合わせてもよい。また、エージェント装置１００（１００Ａ）の機能のうち一部または全部は、エージェントサーバ２００に含まれていてもよい。また、エージェントサーバ２００の機能のうち一部または全部は、エージェント装置１００に含まれていてもよい。つまり、エージェント装置１００（１００Ａ）およびエージェントサーバ２００における機能の切り分けは、各装置の構成要素、エージェントサーバ２００やエージェントシステム１の規模等によって適宜変更されてよい。また、エージェント装置１００（１００Ａ）およびエージェントサーバ２００における機能の切り分けは、車両Ｍごとに設定されてもよい。

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。

１…エージェントシステム、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、１００Ａ…エージェント装置、１１０、１１０Ａ…管理部、１１２…音響処理部、１１４…エージェントごとＷＵ判定部、１１６…起動状態管理部、１１８…起動制御部、１２０…出力制御部、１２２…表示制御部、１２４…音声制御部、１５０…エージェント機能部、１５２…他エージェントＷＵ判定部、１５４…他エージェント起動制御部、１６０…ペアリングアプリ実行部、１７０、２５０…記憶部、２００…エージェントサーバ、２１０…通信部、２２０…音声認識部、２２２…自然言語処理部、２２４…対話管理部、２２６…ネットワーク検索部、２２８…応答文生成部、３００…各種ウェブサーバ、Ｍ…車両

Claims (9)

1. 車両の乗員の発話に応じて、応答を含むサービスを提供する複数のエージェント機能部を備え、
   前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部は、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、
   エージェント装置。
2. 前記第１のエージェント機能部は、起動中に前記他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させるとともに、前記第１のエージェント機能部を停止させる、
   請求項１に記載のエージェント装置。
3. 前記第１のエージェント機能部は、起動中に前記他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させるとともに、前記他のエージェント機能部に、前記乗員の発話に対する応答を優先させる、
   請求項１に記載のエージェント装置。
4. 前記複数のエージェント機能部のうち、一部のエージェント機能部を、前記他のエージェント機能部を起動可能なエージェント機能部とする、
   請求項２または３に記載のエージェント装置。
5. 前記一部のエージェント機能部は、前記車両を制御するエージェント機能部を含む、
   請求項４に記載のエージェント装置。
6. 前記複数のエージェント機能部のそれぞれの起動を制御する起動制御部を更に備え、
   前記起動制御部は、前記他のエージェント機能部の起動の指示を受け付けた場合に、前記第１のエージェント機能部を停止させる、
   請求項１から５のうち何れか１項に記載のエージェント装置。
7. 前記起動制御部は、起動中の前記第１のエージェント機能部を終了させる終了ワードを出力する、
   請求項６に記載のエージェント装置。
8. コンピュータが、
   複数のエージェント機能部のうちいずれかを起動させ、
   前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、応答を含むサービスを提供し、
   前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部が、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、
   エージェント装置の制御方法。
9. コンピュータに、
   複数のエージェント機能部のうちいずれかを起動させ、
   前記起動したエージェント機能部の機能として、車両の乗員の発話に応じて、応答を含むサービスを提供させ、
   前記複数のエージェント機能部のうち、起動中である第１のエージェント機能部が、他のエージェント機能部の起動の指示を受け付けた場合に、前記他のエージェント機能部を起動させる、
   プログラム。

Images