「オウム返し」では、 特定の人物の音声データを特徴分析して学習ロボットの地声を作り、 与えられる目標音声にできるだけ似た地声音声を生成する機構を 最適ベクトル量子化器[2]などを用いて実現した[3]。 「徘徊」技能の獲得は、分類子システム(classifier system) [5]を高性能化すれば実現できることがわかった(図2)。 また、環境に関する「地図作成」では、直線移動中に収集するソナー情報から、 程よく簡素な壁モデルを最適ベクトル量子化器[2]と 最小記述長原理(MDL)を用いて求める方法を考案した[4]。
連絡先:中野 良平, Email: nakano@cslab.kecl.ntt.co.jp