自動応答と遠隔操作を組み合わせた接客業務の効率化
Optimization of Sales Business by Combining Dialogue System and Remote
Manipulation
久保隆宏
1中山光樹
1Takahiro Kubo
1, Hiroki Nakayama
11
TIS 株式会社 戦略技術センター
1
TIS Inc. Strategic Technology Center
Abstract: We develop dialogue system by combining automatic response and remote manipulation. This system reduces the cost by automation, and keeps customer satisfaction by remote control. One of the characteristic points is that the system utilizes customer’s behavior such as moving speed, staying time and so on fetched by Microsoft Kinect for switching automatic response to remote operation smoothly. This paper describes the system architecture, and switching model.
はじめに
近年，コミュニケーションロボットの普及に伴い， ロボットによる接客への期待が高まっている．特に Pepper をはじめとしたロボットが普及したことで， 実店舗での接客での利用も見られるようになってき た． 現在の接客ロボットは，あらかじめ決められたシ ナリオに沿って応答を行っていることが多い．その ため，あらかじめシナリオとして想定している状況 以外には対応できないという問題がある．また，そ のような状況に陥ると，人間の販売員が代わりに応 対を行わざるを得ない．それでは，人の接客負荷を 低減できているとは言い難い． そこで我々は自動応答と遠隔操作を組み合わせて， 接客の分業を実現するロボットを開発した．自動応 答により，人の接客負荷の低減を行う点は従来と同 様である．これに加えて遠隔操作により，シナリオ 外の状況では人間がロボットを遠隔操作して応対を 行うといったことが可能になる．遠隔操作の機能が あることで，実店舗に販売員がいなくてもよくなる ほか，多言語対応が可能な販売員がロボットを介し て様々な店舗で応対するといった高スキルな人材の 有効活用も可能になると考えている． 本稿では開発したロボットの基本機能と構成を紹 介し，行動ログを利用した性能改善の取り組みにつ いて述べる．機能紹介
システムが提供する機能を図 1 に示す．開発した ロボットでは，自動応答と遠隔操作を状況に応じて 切り替えることで，人とロボットの接客の分業を実 現できる．これにより，ロボットが得意なところは ロボットで，人が得意なところは人が対応するとい うことが実現できる．自動応答では店頭での呼び込 み，定型的な商品説明，声掛けを行うことができる． 対応中のロボットの接客状況（顧客数，商品説明へ の反応）は Web 上のダッシュボードで確認すること ができる．ロボットが対応できない状況になるとア ラートを発し，遠隔にいるオペレータは応対を引き 継ぐ．これにより，ユーザにストレスを与えず，一 人一人に合った接客を行うことができる． 図 1 提供機能システム概要
システム構成
システム構成を図 2 に示す．Pepper 上では音声認 識・音声合成を行っている．対話はサーバ上の自動 人工知能学会研究会資料 SIG-SLUD-B505-11 ― 47 ―応答モデルを用いて行うか，オペレータが手動で行 う．店舗側には顧客の行動データを取得するために Microsoft Kinect を設置し，サーバに情報を送信する． サーバが受信した情報は呼び掛け予測モデルに入力 され，顧客へ呼び掛けるか否かを判断するために用 いられる．また，Pepper の見ている画像や音声は専 用の Web アプリを介してオペレータが見ることがで きる． 図 2 システム構成
処理の流れ
Kinect は店舗内の顧客行動を常に監視し，各顧客 の行動データをサーバに送信する．サーバが行動デ ータを受信すると，呼び掛け予測モデルが受信デー タを用いて顧客に呼び掛けるべき確率を算出する． 顧客へ呼び掛けるべきと判断した場合，サーバから Pepper に対して発話の指示を行い，その指示をもと に Pepper は顧客に対して対話を開始する．また，顧 客から話しかけてきた場合も自動応答モデルを用い ることで対話を行うことが可能である． 対話中に自動応答モデルが答えられない状況に陥 った場合，オペレータの見ている画面にアラートが 表示され，オペレータが対話を引き継ぐことができ る．呼び掛け予測モデル
顧客に呼び掛けるか否かを判断するために，呼び 掛け予測モデルを構築した．Kinect では各顧客を認 識しており，各顧客ごとに動きの速さ，その場に何 秒とどまっているかといった情報を取得することが できる[1]．これらの情報を呼び掛け予測モデルに入 力することで，顧客に呼び掛けるべき確率を計算す ることができる．この確率がしきい値以上の値にな った際にはサーバから Pepper に呼び掛けの指示を出 す．指示を出された Pepper は顧客に呼び掛ける．現 在はルールベースで確率を出力している．図 3 のよ うに確率が出力されている． 図 3 呼び掛け予測モデル行動ログの活用
顧客の行動ログはサーバ上に蓄積している． 図 4 アノテーションツール 作成したアノテーションツール（図 4）を用いる ことで，声を掛けるべきタイミングについて人間が アノテーションを行うことができる．今回は呼び掛 け予測モデルをルールベースで作成したが，アノテ ーションしたデータを用いて，将来的には機械学習 を用いた呼び掛けタイミングの予測を行えるように したいと考えている．おわりに
自動応答と遠隔操作を組み合わせたロボット対話 システムについて述べた．今後は行動ログを活用す ることで性能改善へ取り組む予定である．参考文献
[１] Ezen-Can, Aysu, et al. "Classifying student dialogue acts with multimodal learning analytics." Proceedings of the Fifth International Conference on Learning Analytics And Knowledge. ACM, 2015.
