Fujie's Blog

　高西研究室で研究・開発されているWABIAN-2が，商店街を歩行する実験を行ったそうだ．
　どんどん実環境で実験する姿勢は見習わなければならない．
　歩行のように，目に見えて，というか物理的なインタラクションがあるものは，なんとなく難しいんだろうなーというのが素人の人にもすぐわかるのだと思いますが，音声対話のように一見知的な記号処理さえできれば実現しそうなものというのはすぐ実現可能だと思われがちなような気がする．
　なんでだろう．赤ちゃんが立って歩くまでに結構苦労したりする様子や，自転車に乗る練習をしたりするのをみな共通の経験として持っているからだろうか．確かにそれに対して（第一）言語を習得する様子に特に苦労する様子は見られないので簡単に感じるのかもしれない．

　話は反れましたが，こちらの高西先生のインタビューもロボット研究者としては必読です．

　ROBISUKEを展示しました．
　直前までICSLPのため渡米していたので，準備その他は学生のみなさんにやってもらいました．
　早く（デモで）一問一答の対話を脱却したいです．

　9/16-21．
　行って来ました．
　自分でも意外なことにアメリカ本土に渡ったのはこれが初めてでした．
　今回，日本から来ている人は少なめなようでした．
　色々と勉強になりました．

　9/13,14．
　行って来ました．
　今回は調査です．
　ICSLPに参加するため早めに東京に帰りました．

　大学通信が主催する学びの支援フォーラムに，去年同様ROBISUKEの展示を行いました．
　ROBISUKEの，去年との大きな違いは「耳に設置されたマイクで音声を認識する」ことと，「目に設置されたカメラで人の顔を追い，さらに年齢性別推定を行う」ことでした．実際の展示を行うと，色々と次の問題点がわかってくるので，そういう機会として貴重です．

　大学（理工学部？）が主に小学生を相手に開催しているユニラボにROBISUKEを展示しました．

　毎年恒例の夏合宿に行ってきました．発表した学生の皆さんはご苦労様でした．
　春に続いて軽井沢セミナーハウスでした．ここはバスケットボールができるから個人的には嫌いでは無いです．虫が多いのが難点ですが…．先生をはじめ，短パンでサッカーをやっていた人は虫刺されが酷かったようです．

　CNET Japanの記事
　面白い実験をやるようです．

Robot Watchの記事．
というか，Robot Watchなるものがあるのを今知りました…．

　MIRU2006に，修士の学生が二人発表するということで参加してきました．
　画像関係の学会にはあまり足を伸ばしたことが無いのでよい勉強になりました．パターン認識に関する発表が少なかったのが意外でした．発表件数が多く評価も高かったのはビジョン系の研究のようだった印象を受けました．
　さらに意外なことに，板倉先生の講演（音声信号処理の歴史的な話）を聞けたのが思わぬ収穫でした．

　私は理工学部の出身ですが，学科は電気工学科（旧称）で，理学部と工学部に分かれている大学に行っていれば工学部に属するべき学科の出身です．
　私は昔から何か自分でものを作る，ということに興味がありました．ただ，あまり手先が器用じゃない，というか，根気がないというか，作業の進め方に多少ムラがある方なので，工作などの類はあまり得意な方ではありませんでした．しかし，小学校の高学年あたりに初めてPCを触って概念が変わりました．ソフトウェアの開発は，基本的に幾らでもやり直しが効くため，様々なことが試しやすかったからです．それから一貫して20年近くの間コンピュータを使って何らかの開発をずっと行ってきました．
　工学，というのはものを作るための学問の総称と言うことで，学科を選んだ当事はあまり深く考えてませんでしたが，電気工学科を選択したことは間違ってなかったと今は思っています．
　最近疑問に思うことは，研究室に配属されてくる学生を含めて，みな「自分でものを作る」という意欲があるかどうかということです．意欲はあるのかもしれませんが，自分では作れないと考えている人が多いのではないかと思います．大学で作るのはあきらめて，会社に就職してから作ってやろうと考えている人も多いのではないでしょうか．確かに一人（もしくはごく少人数）で作れるもの，というのは規模に限界があります．しかし，一生のうちで，一人でものを作る機会などは他にとうていありません（ベンチャー立ち上げる人とかを除けば）．周囲に指導教授，先輩方がいて，意見や指導を貰いながらも自分の好きなことができる，というのは恐らくかなり幸せな状況なのだと思います．（プロジェクトとして進行している研究もあり，必ずしも本当に自分がやりたい研究とは言えない人も中にはいると思いますが…）まあ，そのような点を差し引いたとしても，自分の手で何かを作る，ということにもっと貪欲になっていただきたいと思います．皆さん若いんですから．
　一方で，大学で行うのは基礎研究であり，開発ではないのだから，熟考や調査などを重ねて真理を明らかにすることを志すべきだ，というのは真っ当な意見です．私自身，決して物事の真理を探究することを忘れているわけではありませんが，特に私たちが対象としている音声対話やロボットなどの分野は，関連する分野も多く，基礎的な議論よりもまず応用，というような偏りがあるのも事実です．このような点に留意して研究を進めていく必要はあると感じています．
　説教っぽい文になってしまいましたが，タイトルの質問は特に誰かに向けたものではなく，日頃から疑問に思っていることです．最近，プログラムの実装ばかりやってるものですから…．ツールばかり作ってたら開発になってしまうかもしれませんけど，他の人が作れない（思いつかないアイディアの入った）ツールやプログラムの一つや二つ作れずに研究をするっていうのもそれはそれでどうなんだろうという気はします．

例年どおり，3月25日，早稲田大学の卒業式が行われました．
一昨年は学会，昨年は自分の学位授与と，2年間助手としての役目を果たせなかったので，最後の年になってしまいましたが，情報・ネットワーク専攻の修士学位授与式のお手伝いをさせていただきました．みな，晴れ晴れとしたいい顔をしてたと思います．

自分も今年度で助手を退職して新しい職に就きます．職場は変わらない(模様変えをしてだいぶ席は移動しましたが)ですが．あと二年間でROBISUKEをどこまで完璧な対話システムに成長させられるかが，今後の自分のキャリア的にも重要なファクターになると思います．がんばります．

　音響学会で発表しました．
　ちょっと時間を超過してしまいましたが，そこそこの出来だったと思います．
　ロビスケの口の動きが気になるという指摘を再びされました．無駄な動きが多いのは事実です．ちょっと真剣に音声合成＋リップシンキングやった方がいいかもしれません．

　花王がなんか面白いことやってます．
　これ，顔の研究にも応用できるんじゃないでしょうか…．

　こっちも．

　WIRED NEWSの記事．
　「確率」という言葉が相応しいかどうか分からないが，全ての意図が伝わらないのは確かだろう．興味深いのは，

「書き手が、メッセージに込めた意味合いや感情は明確だと往々にして思うのは、書きながら自分が意図する意味合いを頭の中で『聞いて』いるからだ」と、エプリー助教授は説明する。

　感情的な論争が訴訟にまで発展するということが記事中で挙げられているが，

「人々は、本当に信じられないくらい馬鹿げたことを会社の電子メールに書いている」と、フリン氏は語った。

Speech Prosody 2006にAcceptされました．ゴールデン・ウィークは東ドイツで過ごします．

　修士論文審査会があり，会場の準備やタイムキーパーをやらせて貰いました．
　発表したM2の皆さんお疲れ様でした．

　昨日，なにげなく眺めてて気がついたんですが，IEEE Trans. Speech and Audio Processing が2006年から IEEE Trans. Audio, Speech and Language Processingに名称変更されたようです．
　AudioとSpeechの順番が入れ替わって，Languageが追加されているという微妙な展開．言語処理分野で投稿し易いTrans.は無かった様に思えますから，いいことではあると思いますけどね．ちなみに名称変更した初号であるvol.14, no.1には，なんとなく取って付けた感の強い，AT&Tの音声言語理解の論文が載っていました．とりあえず読んでみます．
　

　白井・小林・山崎・匂坂・菊池研究室合同発表会がありました。
　発表した人、会場準備した人、お疲れ様でした。

　SONYの犬型（ペット型？)ロボットのAIBOが生産終了だそうです。
　プロトタイプのときのデモを見て驚いたりしてたのを思い出すと、ちょっと感慨深いものがあります。

　CNET Japan の記事．

　以前に日本舞踊（？）を踊ったHRPの後継ですね．こうやって定期的にプレスリリースしているのが素晴らしいです．

人間の生活活動を支援するよう知覚機能と行動機能を拡張したヒューマノイドロボットプラットホームを開発したと発表した。

　かつて私が所属していたサークルWaseda-LinksのW PROJECTという企画で機械学科の高西先生が取り上げられています。

「二足歩行ロボットは確かに今、何の役にも立たない。本当に役に立つロボットをつくるなら、二足歩行にこだわる必要は全くない。車輪やキャタピラを使えば良い話なんだ。でも、研究に意味が無いなんて絶対に言わせない。僕は二足歩行ロボットをつくることによって、人間の歩行が解明されると思うんだ。そして人間の歩行が分かれば、義足や車椅子をつくるときに役立つだろ。だから、二足歩行ロボットを研究することには、ちゃんと意味があるんだ」
　加藤の力強い言葉。高西は「この人にずっとついていこう」と再決心した。

　昨年、Discovery Channel Canadaで放映されたDaily Planet Japan Weekが、「海外から見た日本の科学技術」というお題で放映されました。
　運良く(?)研究室の内容が取り上げられました。
　英語で喋れなかったので、僕（日本語）→Daily Planetのナレーション（英語）→日本語字幕、という妙な状況になってましたが…。
　紹介のされ方自体は、よかったと思いますが、キャストの感想を聞いてみてもインパクトはやはり阪大のアンドロイドの方が大きかったんでしょうね。

　CNET Japanの記事．
　携帯電話での音声認識を用いたサービス．「分散型」音声認識を売りにしている．恐らく特徴量抽出までを携帯電話上で行い，尤度計算はサーバ側で行うということを行っているのだと思われる．

さらに、今回au携帯電話に搭載される声de入力機能では、音声認識時に周辺雑音を測定し高い認識性能を維持、誤認識の可能性がある場合に原因を推定してユーザーに利用方法をアドバイスするといった工夫をしている。

　VARAというオランダのテレビ局の取材を受けました．
　今回は（相手もネイティブではないし）英語で頑張って受け答えしてましたが，なかなかうまく喋れず，最後は日本語で喋りました．喋れることは喋れるけど，無意味なポーズが多い気がする．

ZDNetの記事

また、ASIMOで培った姿勢制御技術、画像および音声認識技術、衝突予知・回避技術認識などを車の安全技術をはじめさまざまな分野にフィードバックする予定だ。

　長崎のやすらぎ伊王島というところで開催されたSLUDで発表してきました。
　今回は発表順序が一番最後でした。
　会自体ではMulti Party Dialogue、要するに複数対話を扱う研究のパネルディスカッションがあったりして、盛り上がりを見せてました。その他の発表に関してもデータ収集・分析に関する発表が主で、システムを作って云々という発表は今回は僕だけでした。他に東大の擬人化エージェントの発表もありましたが、COEの総括的な発表で技術的な詳細に関する話は無かったので。
　発表では多少の意見をいただけましたが、自分なりに総合すると、実際にシステムを作る側としては音声合成に関して、音質というよりも、細かい韻律やタイミングの制御ができるようなものが必要なんじゃないかと感じました。

　先月の音響学会に引き続き，仙台の東北大学で行われたPRMUに参加してきました．
　私が普段お世話になっている研究会に比べると理論的な議論が多かったので，ためになりました．

　次の一手を早く考えないと…．

　第58回音声言語情報処理研究会（SLP）が早稲田大学理工学部で開催されました．
　会場の準備を手伝うと共に，発表の最中はマイク係として右往左往してました．今回は実用化を見据えたパネルディスカッションがありましたが，かなりの盛り上がりを見せて時間を大幅に超過していました．

　実用化の中に，標準化というキーワードが入っている．
確かに標準化は必要で，皆が同じものを作って相互に乗り入れ出来るようにするのは重要である．しかしながら，歴史的な経緯を見てみると，標準化で成功しているのは比較的後付のものが多いのではないだろうか．全てがデファクトスタンダードで成り立っているとまでは言わないが，ディスカッションでも出ていた様に，キラーアプリ無くして標準化も無いのではないだろうか．一方で，標準化をして沢山の開発者を巻き込まないとキラーアプリが出てくるチャンスが中々出てこないと言うのも事実かもしれない．

　ことばの科学研究所 研究集会という発表会で，研究室の学生が発表するので付いて行きました．
　私の母校である早稲田大学本庄高等学院とほぼ同じ場所にあるGITSの本庄キャンパスで行われました．
昼ごはんを研究室の人達を連れて高校の食堂でとっていたら，高校3年間担任としてお世話になっていた先生が現れたので挨拶をしました．高校のときは目立たない学生だったので，覚えていただけてるかちょっとだけ不安でしたが，覚えて頂けていたようです．
　発表会自体は，小規模だったものの，学会とは一味違う意見を貰えたのでよかったかなと思います．
　小規模であっても，研究室内のゼミでは無い公式な場で発表するということは学生にとっていい刺激になったのでは無いかと思います．

• 顔認識データベースの調査
• 篠原雄介，大津展之， "フィッシャー重みマップを用いた顔画像からの表情認識"，PRMU2003

自分でこれがテーマになるとか， 解ける解けないに関わらず問題として取り上げることの重要性がわかる． こうなってくるのは博士課程が終わってしばらくしてからだった．

Only source code from the ESPS library is provided, no source code for waves.

The ESPS Toolkit has been licensed to the Centre for Speech Technology thanks to a generous donation from Microsoft and AT&T.

　「玩具メーカーのロボットというと、ペットロボットを連想しがちですが、一方でペット型は“すぐに飽きる”という声も聞きます。実用性と“遊び”を兼ね備えたものでなければ、長く使ってもらうことはできないでしょう」。

　国立学校法人 東京大学 生産技術研究所【所長 西尾 茂文】（以下「東大生研」という）池内研究室（池内 克史 教授）と独立行政法人 産業技術総合研究所【理事長 吉川 弘之】（以下「産総研」という）知能システム研究部門【部門長 平井 成興】ヒューマノイド研究グループ（比留川 博久 グループ長）は共同で、ヒューマノイドロボット（人間型二足歩行ロボット）HRP-2に会津磐梯山踊りを踊らせることに成功しました。

「私のロボットに感情はないが、感情をシミュレートしている」

撮影画像を携帯端末に転送すれば、家庭向けの留守番ロボットにもなる．

MFC(微生物燃料電池)に燃料として8匹のハエを直接投入されたエコボットIIは、最速でも15分に2～4センチしか移動できない。

• 研究を進めたい派 論文を執筆したり、発表用の資料を作ったりするのは、確かに作業量としてかなりのものがあり、その間研究が滞るのは否めません。色々やりたいことがあるのに、できないというもどかしさから、発表などを敬遠する人がいるかもしれません。
• 文章書き等苦手派 論文などの文章を書くのが苦手だったり、大勢の人の前で話すのが苦手だったりすると敬遠する傾向があるようです。これに関しては、訓練して慣れていくしかありませんから、本来は大きな問題ではないような気もします。
• 納得できない派 研究の成果がまだ中途半端で発表すべきではないと思っていたり、人から与えられたテーマや成果で自分の仕事がほとんど入っていないので自分名義で発表することがはばかられたりするケースがあるようです。これに関しては結構難しい問題もあります。特に大学の研究室では、研究成果が究極の状態になった途端、修士を卒業する例も少なくありませんから、発表はその下の後輩にまかせるということもよくあります。

NIKKEI ITの記事

まだちゃんと読んでないが気になる。

仕上がり気味。
明日、明後日くらいには投稿できそうな予感。

AT&T

• DCD Library - Speech Recognition Decoder Library


• FSM Library - Finite-State Machine Library


• GRM Library - Grammar Library

メモ程度に。

• iPORT


• pleora technologies社のページ
  

人工知能学会のSIG-SLUDで発表しました。
ROBISUKEに新たに実装した相槌・復唱生成機能についての発表でした。
資料を十分に準備する時間がとれず、早く終わりすぎるのではないのかと不安でしたが、そこそこの内容でできたと思います。
議論も結構活発にしていただけましたし。

この研究も完成に向けてがんばろうと思います。

今日は、人間科学部の菊池先生と打ち合わせをさせていただきました。

新4年生のテーマに関して、ご意見を頂きました。

やっぱり、一人で考えてると思いつかないようなことが色々と出てくるので、こういう機会は大事だと実感。

情報処理学会の会員申込をしました。
料金を自分で足し算して記入するところをミスって1000円安く提出してしまったので、
さっそく確認の電話が。

「すいません。間違ってましたよねー。送金はちゃんと正しい金額やったのでお願いします。」

情けない…。

ITProの特集
静脈分布って個人差があるんですか。へぇ。
って静脈分布ってのが何かすらよく分かりませんが。
指紋に比べれば、皮膚に覆われている分、コンディションに左右されにくそうではありますね。

ただ、我々の立場としては、あまり特殊なデバイスを使わないようにしたいところではあります。

今日もロボットが6時のニュース(TBSだったかなぁ？)で紹介されていた。
SDR...じゃなくてQRIOの指揮から始まり、この間のNHKの番組でも紹介されていた東大のバッターロボット、理科大小林研のSAYA、そして昔共演したことがある鯛ロボットの最新版が紹介されてました。

SAYAに結構な時間が割かれてたんですが、対話がうまくいかないところが強調されていていまいちでした。
別に対話がトピックになってるロボットではないはずなんだけど...。

shibachoさんの日記より。
まあ、確かに難しい。

正直言って、一般的に見て私はプログラムそんなにきれいな方では無い。
オブジェクト指向には「へぇ」ボタンが押せるが、実際のコーディングは手続き指向でガンガン書いちゃうことが多い。
開発をやっているわけではないので、インターフェース等の仕様を他人と合わせる要請もそんなに無いし、不便はしない。

しかし、オブジェクト指向、デザインパターン、フレームワーク等のことについて知ることは好きだ。
あと、単純なものも好きなので、色々長くて読みづらいコードが短くてすっきりしているものになっているものを見ると、そこらへんの芸術品や小説を見るよりも価値を感じる。
多分、少なくともこういうものがないと、いっくら特訓したって無駄だろうと思う。
研究室に配属されてくる学生は、少なくとも理系なんだからこういうことにまったく興味が無いってことはないと思うんですよね。

誰だって、オイラーの公式見たら「へぇ」ボタン押せるでしょ？
あれと同じですよ。
プログラムをきれいに書く、これはつまるところどれだけ単純化するかに尽きますから。
私に電磁気を教えてくれた小貫先生も、英語の教科書使って「reduce」（式を単純化するときに使う）が重要だっておっしゃってましたよ。

NHK総合で、今まさにやってます。
たまたまチャンネル回したら、P2、P3が出てたので目が止まりました。
P2の説明の時に、「1996年世界で初めて二足歩行をしたロボット」という表現がありましたが、これはまったくもって間違いです。HONDAだけで見てもP1がいるし。もちろんその前に人型じゃない（足だけの）ロボットも何台かいたはずだし。簡単な歴史はここをチェック。

しかし、二足歩行といったらやっぱり早稲田なわけですよ。WABOT-1は1973年に開発され、二足歩行だけでなく、音声認識を用いた対話も行っています。
当時から目標とするものは同様にあって、それをこの当時に実現していたのはやはり凄いと思う。
僕も頑張ろう。

顔の表情を出すというところで高西研のアイちゃんが紹介されてました。
三輪君大活躍。
いやー、しかし感想を聞かれた小学生がハキハキ答えてて、そっちの方が凄いと思ったりして…。

査読が無い発表の登録を2件しました。
また忙しくなりそうだわ…。

えーと...

• 国際会議原稿書き終えたー(投稿できるか!?...というか査読通るか!?)


• 科研費申請書類きたー


• 明日のゼミ準備のために徹夜きたー

あまりにも研究ネタがないので、ゼミの事でも書こうかと。

今日は午前中にグループゼミをやる...予定だったんですが、就活ダー、授業ダーという様々な理由で結局参加者が私を含めて3人でした。
その分時間をかけて話しても1時間強で終わりました。

独ボン大学のProf. Dr. Wolfgang Hessが、匂坂先生の招待で講演をされたので聞きに行きました。
ピッチ抽出の話でした。基本的な話からして頂きましたが、英語力の無さから理解は中途半端で終わってしまったような気がします。残念。

その後、研究室で韻律による態度認識のデモ、ROBISUKEのデモビデオ等をお見せしました。
私のつたない英語で理解していただけたかどうか...。

実験の結果が思うように行かないと思ったら、HTKに与えているパラメータが微妙に好ましくないものだったようです。
小川君の指摘で分かりました。
ツール使うのはいいけど、使い方誤ると痛い目見ますね。

追い込まれて実験をやっている。
パラメータを変えながら計算を繰り返す実験の場合、あるパラメータが繰り返しの前のパラメータに依存していれば直列にならざるを得ないが、そうでない場合は並列化が可能である。

今私がやっている実験がまさにそれ。
13回の繰り返しで結論が出て、その結論に基づいて次の13回の繰り返しを行い...という実験の繰り返し。
並列化を行えばサクッと終わりそうなんだが(I/O使っている部分が多いので、単一ＣＰＵでも並列化した方が数段速くなると思われる)。
直列だと半日以上はかかりそうだ。

学校着いたら即やってました。研究そっちのけ...。って朝書いてることと違うっつーの。
ロジック的には結構簡単なんだが、最終的に陥りやすい落とし穴があるようです。

課題担当のシミケンがいなければできなかった...。

4年生に示しがつかないので、FPGAの課題をやってみました。
スイッチを押すとカウンタの値が上がったり下がったりするもののプログラミングなんだが、
プログラム自体が組めても、ノウハウ的にどう作業していいかがなかなか難しかった。
その辺は何でも同じですけどねー。

で、作ってみたのを実際に試してみたんですが、スイッチ1回押すと2〜7くらい一気に値が変化してしまうことがあるんですよね。
微妙に実行順序が入れ替わっちゃったりすることがあるのだろうか？

今日は、研究室に新4年生が配属になりました。
例年通り、簡単なパーティを開きつつ自己紹介大会。
在学生は各々一ネタ交えながら紹介してましたが、内輪ネタが多く、在学生からしか笑いが起こってなかったような気がするのは僕だけか？

デモを作ったりする研究が多いので、あまり計算を回すという行為をやらないんですが、
次回の発表のネタ作りのために久々に計算を回すスクリプト類なんかを書きました。

学振・未来開拓学術研究 感性的ヒューマンインターフェースの最終公開シンポジウムにて発表しました。
ポスターとビデオでの発表になりました。

数式弄ってみました。
とは言え、教科書をなぞっただけですが...。
一応何かは出来そうな予感。

今日は例年行われている白井研・小林研・山崎研・匂坂研合同の卒論修論発表会がありました。