数値流体力学（CFD）を用いた最適化設計
数値流体力学（CFD)を用いて最適化設計を行います。設計パラメータの最適な組み合わせを迅速に見つけ出す手法を提案します。手法の検証には3Dプリンタを用いて対象を製作し、性能試験、各種物理量の計測や流れの可視化を行い、現象や勘所を平易に解説します。ライセンスフリーのCFDソフトウェア（OpenFOAM）を用いたコンサルティングも行います。
ユーザの視線行動に適応した エージェントの視線行動の開発と評価 人の目を見て話すのが苦手な人向けの対話エージェント
シャイな人間は対話相手の視線に敏感であり，注視されることを嫌うということが示されている．本研究は実験参加者の視線行動に適応するエージェントの視線行動の開発と評価を目的とする．具体的には，対話中のユーザの視線行動をアイトラッカーで取得し，過去15秒間にユーザがエージェントの目を注視していた割合を基に対話エージェントがユーザの目を注視する割合を適応させ，ユーザと類似した凝視量を保ちながら視線行動をとる対話エージェントを開発した．評価実験では，シャイなユーザグループに対話のストレスの軽減効果および対話エージェントへの親近感の向上効果が見られた．
はじめに
対話エージェントと人間のコミュニケーションにおいても，人間同士と同様にジェスチャーや対人距離などのノンバーバルコミュニケーションは重要な役割を果たしている．ノンバーバルコミュニケーションの中でも特に視線は，対人コミュニケーションにおいて会話開始の合図や発話権の譲渡等の重要な役割を持っており，エージェントを設計する上で重要な要素であると考えられる．
視線は人間の性格特性と密接に結びついており，例えばシャイネス度の高い人間は他人の視線に敏感で，相手からの凝視を嫌い，相手とのアイコンタクトを避ける傾向があるとされている．我々の先行研究ではシャイな人はシャイでない人よりも,自身への凝視割合が高いエージェントとの対話時にストレスが高くなり，エージェントへの親近感が低くなることが示された．このことから，本研究では，人とエージェント間の視線行動の類似性誘引に着目し，シャイな人にも親近感を高く評価される視線モデルの開発を目的とし，その結果を評価実験で検証する．
視線の模倣モデルの開発
エージェントとの対話時の実験参加者のエージェントの目への凝視割合，つまりエージェントの目をどれだけ見ていたかをエージェントが模倣することで，実験参加者とエージェント間に類似性誘引が起こり，エージェントへの親近感を高くすることできると考え，本研究で開発する視線モデルを「模倣モデル」とした．実験参加者の視線は，Tobii社のEye Tracker 4Cで取得した．模倣モデルは，石井らが提唱した「日本人の視線モデル」を基に作成し，「凝視」，「あいまい注視」，「視線そらし」を行う(各視線行動を行っているエージェントを図1から2に示す)．それらの継続時間と遷移確率を，直近15秒間の実験参加者のエージェントの目への凝視割合によって設定した．模倣モデルの視線状態遷移図を図3に示す．
実験の概要
実験参加者は，18～23歳の日本人36名で，男性23名，女性13名であった．実験参加者を，特性シャイネス尺度アンケートの得点により，実験参加者の平均点の44点以下を高群(15名)，44点以上かつ中央値である47点以下を中郡(6名)，48点以上を低群(15名)に分けた．
実験では，凝視モデル，日本人モデル，模倣モデルを実装したエージェントそれぞれと1回ずつ対話をしてもらい，対話終了後に7段階のLikert尺度の印象評価アンケートに回答してもらった．視線モデルごとの3つの印象評価アンケートの結果を3水準の視線要因とし，シャイネス中郡を除いた，高群，低群の2水準のシャイネス要因とで，対応ありなしの二要因分散分析とBonferroniの多重比較検定を行った．
仮説1は，類似性誘因はコンピューターと人間の間にも起こることから「模倣モデルは類似性誘引により，凝視モデル，日本人モデルより，実験参加者のエージェントとの相互の親近感が高く評価される」とし，仮説2はシャイな人は対話相手からの凝視を嫌うことから，「模倣モデルはシャイな人に凝視モデル，日本人モデルより，エージェントとの対話時のストレスが低く評価される」と設定した．
結果
図４に示すとおり，「エージェントからの親近感」に関して，模倣モデルが注視モデル，日本人モデルより有意に高く評価された(p=0.000，p＝0.002)．この結果から，仮説1は支持された．これは実験参加者とエージェント間の視線行動に類似性誘引が起こったため，エージェントとの相互の親近感が向上したためだと考えられる．
また，図5に示すとおり，シャイネス高群，低群の評価を比較すると，注視モデル，日本人モデルにおいて，シャイネス低群がシャイネス高群より「エージェントへの親近感」を有意に高く評価した(p=0.029，p=0.021)．またシャイネス低群において日本人モデル，模倣モデルが注視モデルよりも有意に高く評価された(p=0.039，p=0.027)．高群においては模倣モデルが注視モデル，日本人モデルよりも有意に高く評価された(p=0.000，p=0.000)．このことから模倣モデルは，シャイネス高群に対し「エージェントへの親近感」をシャイネス低群と同等まで向上させる効果があると考えられる．
図6に示すとおり，模倣モデルに対する「対話時のストレス」の評価が凝視モデル，日本人モデルより有意に低くなった(p=0.000，p=0.000)．しかしながら，模倣モデルにおいてシャイネス高群，低群の間に有意差は見られなかった(p=0.195)．このことから模倣モデルは，シャイネス高群に対し，「対話時のストレス」をシャイネス低群と同等まで低下させる効果があると考えられる．このことから，仮説2も支持されたと考える．
おわりに
本研究では実験参加者のエージェントの目への凝視割合をエージェントが模倣することで「エージェントとの相互の親近感」が向上し，シャイな人に対しては，「対話時のストレス」が低下し，「エージェントへの親近感」が向上するという評価を得た．この結果から，ユーザのエージェントへの凝視割合をエージェントに模倣させることの重要性が示された．今後の展望として，同様の実験を長期的に実施することで，一過性ではない効果を検証する必要があると考える．
実用面では，エージェントを用いたオンラインカウンセリングにおいて，ユーザのシャイネスレベルに応じて視線状態を変えるカウンセリングエージェントに応用できると考える．また，本研究の応用として，ユーザのシャイネスレベルが高い場合，エージェントからの凝視割合を低凝視のユーザに適応したものから徐々に高く変化させ，エージェントから凝視されることに慣れさせることが出来ると考える．これにより相手の目を見ることが重要な面接練習等を行うエージェントへの実装が可能になると期待している．
論文
「Development and Evaluation of Agent's Adaptive Gaze Behaviors」(2020)『Proceedings of Human-agent Interaction 2020 (HAI'20)』
「ユーザの視線行動に適応したエージェントの視線行動の開発と評価」(2020)『信学技報HCS2020-23』120(136)p.11-16.
「ユーザの視線行動に適応したエージェントの視線行動の開発と評価」(2020)『HAIシンポジウム2020』
研究シーズ・教員に対しての問合せや相談事項はこちら
技術相談申込フォーム