[3E1-GS-10] AI応用：製造

[3E1-GS-10-03] マルチモーダル時系列情報の教師なし分節化に基づく作業行動分析

〇近藤 空哉¹、齋藤 一誠¹、長野 匡隼¹、神谷 聡²、藤田 渉²、八田 俊之^1,2、中村 友昭¹ (1. 電気通信大学、2. 三菱電機株式会社 先端技術総合研究所)

キーワード：行動分析、教師なしセグメンテーション、隠れ半マルコフモデル、ガウス過程

作業現場における人の作業行動の解析では，従来目視による手法が主流であり，時間と労力を要するという課題があった．そこで我々は，Gaussian Process Hidden Semi-Markov Model (GP-HSMM) を用いて，作業者の連続的な動作を教師なしで離散的な作業行動クラスへ分節化することで，作業行動を解析する手法を提案した．しかし，この手法では動作のみを用いているため，異なる行動であってもその動作が類似していると，同じクラスへと分節化されてしまう問題があった．そこで本稿では動作のみではなく，作業者が使用している道具や部品といった，物体情報を含むマルチモーダル情報を教師なしで分節化する手法を提案する．この手法により，動作が類似していても使用している物体が異なる場合，異なるクラスへと分節化することができ，従来手法より正確な作業解析が可能となる．実験では，簡易的な作業行動データセットを用いた予備的な検証を行った．その結果，動作のみを用いる従来手法に比べ，マルチモーダル情報を用いた提案手法が，高い精度で行動の分節化が可能であることを確認した．