著者

長野 匡隼 中村 友昭 長井 隆行 持橋 大地 小林 一郎 高野 渉

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第33回全国大会(2019)

巻号頁・発行日

pp.1L3J1101, 2019 (Released:2019-06-01)

---

人は知覚した高次元の時系列情報を意味を持つ単語や単位動作に分節・分類することで認識している.ロボットが単語や動作を柔軟に学習するためにも,このような教師なしで分節・分類する能力は重要であると考えられる.本稿では教師なしで高次元の時系列データから特徴抽出すると同時に,単位系列に分節・分類が可能なHierarchical Dirichlet Processes-Variational Autoencoder-Gaussian Process-Hidden Semi-Markov Model (HVGH)を提案する.HVGHは,HDP-GP-HSMMにVariational Autoencoder(VAE)を導入したモデルであり,VAEとHDP-GP-HSMMのパラメータが相互に影響しあい学習される.VAEにより高次元データを分節化に適した低次元の潜在変数へと圧縮し,その潜在変数の遷移をガウス過程を用いて表現することで,高次元の複雑な時系列データの分節化を可能とする.実験では,様々なモーションキャプチャデータを用いて,提案手法が既存手法よりクラス数の推定精度及び分節・分類の精度が高いことが示す.

著者

長野 匡隼 中村 友昭 長井 隆行 持橋 大地 小林 一郎 金子 正秀

出版者

一般社団法人 人工知能学会

雑誌

人工知能学会全国大会論文集 第32回全国大会(2018)

巻号頁・発行日

pp.2G404, 2018 (Released:2018-07-30)

---

本稿では,連続的な時系列データを教師なしで分節化する手法を提案する.ガウス過程(GP)を出力確率分布とした隠れセミマルコフモデル(HSMM)により,連続的な身体動作を単位動作に分節化する手法(GP-HSMM)が提案されている.しかし,GP-HSMMでは,予め分類されるクラス数を与える必要があった.そこで,階層ディリクレ過程(HDP)を導入することで,GP-HSMMをノンパラメトリックベイズモデルに拡張したHDP-GP-HSMMを提案する.提案手法では,GPから単位動作が生成され,それらが結合されることで,動作全体が生成されると考える.クラス数を階層ディリクレ過程とSlice Samplingにより決定し,Forward filtering-Backward samplingによりパラメータを推定することで教師なしの身体動作の分節化が可能となる.