2013/2/1

朝6時頃起床。朝食のあとシャワーを浴びて、論文の査読など。

8時半頃チェックアウトして、名古屋駅から各停の新幹線で熱海まで。東海道新幹線の各停に乗ったのは本当に久しぶりだ。


目的地は湯河原なのだが、切符の都合上熱海で一旦途中下車。ついでなので熱海の駅前をちょっとうろついてみる。


駅前では温泉まんじゅうをふかして売っている。美味しそうなのでひとつ買ってみた。 熱くておいしい。


SUICAで再入場して湯河原へ。11:15ごろには湯河原到着。


会場のウェルシティ湯河原までは2キロほどあるが、時間があるので歩く。途中、「湯河原名物坦々やきそば」というのぼりがあったので入ってみる。


しかし入ってみると「当店オリジナル」とか書いてある。騙されたか。出てきた焼きそばは、ややしょっぱいけどうまかった。


途中にあった神社。白梅が咲いている。


途中の店の前にトロッコみたいなのがあった。なんだろう


30分ほどで会場へ。入口がわからなくてちょっと迷ったが、無事中へ。


■セッション1: 音声対話システム基盤技術 (13:00〜14:15)

[SLP-1] 音声対話システム用クラスN-gramモデルによるドメイン固有語の認識率向上(名古屋大)
駒谷・佐藤研。データベース検索型の音声対話システム用言語モデルの作成。検索対象DB、小規模の書き起こし、Web文書の3つからドメイン固有の単語を学習してクラスN-gramをつくる。この時、Web文書の単語にドメイン固有クラスをどう付与するかが問題。ここでは、小規模の書き起こし(クラス付与済み)と検索対象DBからクラスを付与するCRFを学習し、それを使ってWeb文書の単語にクラスを与える。CRFの学習データとして、小規模の書き起こしと、そこから検索対象DBの単語を使って人工的に生成した文を使う。単純にドメイン固有語との単語一致でクラスを付与するよりもWERが若干改善。

[SLP-2] マルチドメイン構造を用いたセマンティックWeb検索対話システムの提案(京都工芸繊維大)
荒木研。複数のドメインで、それぞれのドメインで階層の深い対話を行うシステム。ドメインの知識をセマンティックWebの枠組みで記述し、そこからデータを検索するためにRDFのクエリ言語であるSPARQLを使う。共通オントロジーとしてschema.orgを利用。ドメインモジュールはschema.orgのカテゴリごとに作成。各ドメインモジュールはMVCのモジュール構造を持つ。対話のドメインにおけるViewってなんだろう?と思ったら、アプリが対話履歴や状態を画面に表示するようだ。発表自体は枠組みを提案しているだけで、それを使うと音声対話システムの制御が楽になるかどうかはよくわからなかった。

[SLUD-1]意外性のある質問応答システムのための発話文生成手法(早稲田大)
小林研。対話システムに意外なことを言わせる研究。意外性として「システムが発話することの意外性」「表現の意外性」「内容の意外性」という3種類を想定しており、この研究では表現の意外性を扱う。対象は映画の感想。意外な表現を生成するため、わざと低頻度な形容詞を使う。Yahoo!映画のレビューから文を集めて、意見・感想に関する文をCRFでラベリングして抽出し、それを口語体に変換する。それらの収集文から、文の長さ・名詞のTFIDF・形容詞のTFから文を選ぶ。選択した文としてshort・standard・diverseの3種類の文を選ぶ。Diverse文では映画レビューについて長々とうんちくを語る。主観評価では、diverse文またはそれが混ざった分が高評価。どういう人が評価をするかで随分結果が変わりそうな気がする。

■セッション2: 携帯デバイス・入力インタフェース (14:25〜16:05)

[HCI-3] 歩行中のスマートフォン使用時における障害物検出および提示手法の提案と評価(電通大)
歩きながらスマホを使うのは危険だがみんなが止めないので、スマホ使用時に何かにぶつかりそうになったら警告するシステムを提案した。障害物検出は画像処理ベースで、地面の色と違っている領域やエッジのある領域を障害物として検出する単純な方法のようだ。エッジを使ったほうが検出率が高い。また、それをどうやって利用者に知らせるのがいいかを調査した。

[SLP-4] 短文を投稿するための音声対話システム(HRI)
ショートメッセージやFacebookなどに文を投稿するための音声認識。通常のタスク指向対話をやって結果を投稿するモードと、自由文入力を許すモードがある。自由文入力では、短い発話ごとにシステムが復唱して、間違っていたら発話ごとに訂正する。

[HCI-5] 単発音を利用したハンドジェスチャインタラクション(電通大)
ジェスチャを使ったインタフェースで、ユーザの動きがジェスチャなのかどうかを明確にするため、ジェスチャ+手で発生させる音(単発音)を組み合わせる方法を提案。音の出し方は、手を叩く、机を手のひらで叩く、机をノック、指を鳴らすの4つを想定したが、互いに混同しやすい「手を叩く」と「指を鳴らす」、机を叩く2種類をそれぞれ合わせた全部で2種類の発音方法に限ると性能が高い。また、音を出した方をKinectが向くというのも想定。

[HCI-6] 開散性眼球運動による奥行き方向への視線入力手法(電通大)
視線によるポインティングインタフェース。見ているものの選択動作として、「見ているものの奥を見る」という動作を使う。そのままだと奥を見るのが難しいので、ハーフミラーを使ってスクリーンを見せると同時に奥に目印を置いて、それを目安に奥を見るようにした。クリック相当時に目をつぶるインタフェースと比べると、入力時間・精度ともに改善なし。

■招待講演 (16:20〜17:00)

[SLUD-2] 音声対話システムの進化と淘汰(河原達也・京大)
音声対話システムの系譜と歴史。
・ELIZA, SHRDLU, TRAINS: 最初期の(文字ベース)対話システム
・Voyager, ATIS: 最初期の音声対話システム
・日本の音声対話システム(重点領域研究など):TOSBURG, 秘書システム、電話番号案内、ナビゲーション、レストラン案内など
・2000年前後:IVRシステム普及
・各国のシステム
    京都市バス案内システム
    DARPA Communicator, CMU Let's Go!
    ヨーロッパ:CRF, POMDPなどの利用
・ELIZA型の復興
    たけまるくん、京都ナビ, Assistra, MMD-Agent
    Virtual Museum Guides (USC), SergeantStar (USC)
・CALO → Siri
音声対話のブームは10年おき
・進化の要因は技術シーズ、淘汰は外部要因
音声対話システムが生き残る条件
・他のモダリティに対する優位性
・差し迫った要求
・キラーアプリの存在
・認識精度
音声対話システムの退化
・最近のシステムは一問一答型

■企画セッション(パネルディスカッション)

パネリスト:河原先生(京大)、李先生(名工大)、辻野さん(ドコモ)、平沢さん(ニュアンス)、司会:東中さん(NTT)
【ポジショントーク】
・辻野さん:しゃべってコンシェルは音声対話システムではなく「横断検索システム」
・李先生:MMDAgentの説明とデモ オープンプラットフォームによる普及の循環
・平沢さん:Nuanceのビジネスモデル 4割はアメリカのヘルスケアソリューション
【ディスカッション】
あらかじめ東中さんの質問に4人のパネリストが答えた内容をもとにディスカッション。

ここで一旦部屋に戻る。荷物を置いて、食事。


食事のあと、一旦部屋に戻ってちょっと仕事をして、20時半からデモセッション。

■デモ展示紹介セッション (20:30〜)

■デモセッション (21:00〜22:30)

[SLP-7] Webブラウザ上でMMIシステムを実行可能にするJavaScriptライブラリMMI.jsの提案
   菊地泰己,桂田浩一,入部百合絵,新田恒雄
Webページ上で音声認識・合成とキャラクタアニメーションを行うためのライブラリ。楽しく動いているようだったが、中身を見せてもらうとプログラムはイベント駆動型ではなく、イベントループとディスパッチを自分で書かなければならないところがダサかった。

[SLP-8] 音声対話による観光案内システムAssisTra
   翠輝久,水上悦雄,柏岡秀紀
もうすぐサービスクローズする記念に出品。音声合成の学習データを対話音声からとっているそうで、とても親しみやすい声だった。

[SLP-9] ロボット自身のマイクを介したNaoとの音声対話
   駒谷和範,中島大一,杉山貴昭
Naoを持ち込んでいたが、いまいちうまく動いていなかった。機嫌がいいと回文を教えてくれる。

[HCI-10]携帯型情報処理端末を連携したインタフェースの提案と評価
   池田由優,赤池英夫,角田博保
タブレットとスマホを両方使うインタフェース。デモはお絵かきアプリで、スマホがパレット、タブレットがキャンバスになっていた。通信はBluetooth。

[HCI-11] ジョギングの継続を支援するシステムの提案・実装・評価
   清藤智哉,赤池英夫,角田博保
複数の人がジョギングをした時に、スタートから何メートル進んだかをGPSデータから算出し、それをそれぞれの走者のスマホに配信する。仮想的に複数の人がつるんでジョギングしているという演出だが、見せ方が今ひとつ。

[HCI-12]音響マクロ: マウス操作の音響記録・再生・配信と編集
   太田佳敬,高橋治輝,中橋雅弘,宮下芳明
マウスのX-Yデータを2チャンネルの音データに変換し、またそれをマウス軌跡として再生する。アイデアは面白いが、使いどころがわからない。

[HCI-13]そろそろ時間じゃない?なんか焦げ臭くない?
   松岡拓人,宮下芳明
プレゼンなどで制限時間が近づいていることを知らせるために、焦げ臭い匂いを出すインタフェース。実現方法は、実際にヒータを加熱して醤油を焦がす。

[HCI-14] 「数値メモ」のための入力手法
   井川洋平,宮下芳明
数字入力専用のフリック入力。テンキーに対してどの程度有効なのか不明。

[HCI-15] 信頼性を下げることによる感情緩和表現
   大家眸美,宮下芳明
SNSなどのネガティブな書き込みを見て嫌な気分になるのを防ぐために、ネガティブ表現を別な表現に書き換える。自動化は出来ていない。

[HCI] ソーシャルテレプレゼンスの向上に向けた遠隔指相撲ロボットハンドの開発
   塩崎恭平, 田中一晶, 中西英之
指相撲をするロボットハンド。ハンドの操作はデータグローブを使う。ハンドは人間の手と同じような柔らかさ、やや高い体温に設定してあって、実際に握ると生々しい感じ。


[SLUD-3] 課題解決知識を用いた音声アシスタント
   岩田憲治, 若木裕美, 伊藤雅弘, 山崎智弘, 市村由美, 永江尚義
人がいっぱいで聞けなかった。音声入力をすると、それが直接何かを要求する表現でなかったとしても、関連して何をすればいいかを推論して動く音声アシスタントだと理解した。

[SLUD-4] 音声対話システムのネットワーク型開発ツール:WFSTDMBuilder
   水上悦雄, 堀智織, 翠輝久, 柏岡秀紀
こちらも人がいっぱいで聞けなかった。以前堀さんから話を聞いた気がする。WFSTベースの対話記述のツールキット。

デモをやりながら、22時過ぎに酒とつまみが出る。SLP的な人たちで酒を飲みながらいろいろ話す。23時過ぎに抜けて風呂に入り、24時ちょっと前に寝る。


前の日へ 目次へ 次の日へ