特許 7565756 判定装置、判定システムおよび判定方法

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2024-10-03

(45)【発行日】2024-10-11

(54)【発明の名称】判定装置、判定システムおよび判定方法

(51)【国際特許分類】

   G09B 19/00 20060101AFI20241004BHJP

   G09B 19/16 20060101ALI20241004BHJP

【ＦＩ】

G09B19/00 H

G09B19/16

【請求項の数】 6

(21)【出願番号】P 2020185380

(22)【出願日】2020-11-05

(65)【公開番号】P2022074938

(43)【公開日】2022-05-18

【審査請求日】2023-09-29

(73)【特許権者】

【識別番号】000237592

【氏名又は名称】株式会社デンソーテン

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】加藤 徹洋

(72)【発明者】

【氏名】村下 君孝

【審査官】鈴木 崇雅

(56)【参考文献】

【文献】特開２００６－０２３５６６（ＪＰ，Ａ）

【文献】特開２０１８－１２４７９１（ＪＰ，Ａ）

【文献】特開２０１４－２２８７２５（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０９Ｂ １／００－９／５６、１７／００－１９／２６

Ｇ０９Ｂ ２３／００－２９／１４

Ｇ０１Ｃ ２１／２６

(57)【特許請求の範囲】

【請求項1】

タスク実行者によって実行される車両の運転タスクの状況を観測し、
前記タスク実行者のメンタルの状況を観測し、
観測された前記運転タスクの状況、および、観測された前記メンタルの状況に基づいて、前記タスク実行者の前記運転タスクに関する習熟度を判定し、
前記習熟度の判定結果に応じて、地図上にタスク実行地点と、タスク種別と、習熟度との情報を表示するマップ情報を生成する、
コントローラを備えた判定装置。

【請求項2】

前記コントローラは、
前記運転タスクの実行前に提供されるプレコンテンツに対する前記タスク実行者の反応に基づいて、前記メンタルの状況の観測処理に対するキャリブレーション処理を実行する、
請求項１に記載の判定装置。

【請求項3】

前記コントローラは、
前記プレコンテンツに対する前記タスク実行者の反応に基づいて前記タスク実行者の体調を推定し、推定した前記体調に応じて前記タスク実行者に対するリコメンド処理を実行する、
請求項２に記載の判定装置。

【請求項4】

時系列のバイタルデータからメンタルの状況を出力する機械学習によって生成された学習モデルを備え、
前記コントローラは、
前記タスク実行者の前記バイタルデータを前記学習モデルに入力し、前記学習モデルの出力を前記メンタルの状況とする、
請求項１、２または３に記載の判定装置。

【請求項5】

判定装置とカーナビゲーション装置とを含む判定システムであって、
前記判定装置は、
タスク実行者によって実行される車両の運転タスクの状況を観測し、
前記タスク実行者のメンタルの状況を観測し、
観測された前記運転タスクの状況、および、観測された前記メンタルの状況に基づいて、前記タスク実行者の前記運転タスクに関する習熟度を判定し、
前記習熟度の判定結果に応じて、地図上にタスク実行地点と、タスク種別と、習熟度との情報を表示するマップ情報を生成し、
前記カーナビゲーション装置は、
前記マップ情報に基づき地図上にタスク実行地点と、タスク種別と、習熟度との情報を表示する、
判定システム。

【請求項6】

タスク実行者によって実行される車両の運転タスクの状況を観測し、
前記タスク実行者のメンタルの状況を観測し、
観測された前記運転タスクの状況、および、観測された前記メンタルの状況に基づいて、前記タスク実行者の前記運転タスクに関する習熟度を判定し、
前記習熟度の判定結果に応じて、地図上にタスク実行地点と、タスク種別と、習熟度との情報を表示するマップ情報を生成する、
コントローラが実行する判定方法。

【発明の詳細な説明】

【技術分野】

【0001】

開示の実施形態は、判定装置、判定システムおよび判定方法に関する。

【背景技術】

【0002】

従来、工場における作業者や、オンライン学習の受講者といった、所定のタスクを実行するタスク実行者の習熟度を判定する技術が提案されている（たとえば、特許文献１参照）。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２００４－０８６３２２号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術には、タスク実行者の習熟度を精度よく判定するうえで、更なる改善の余地がある。

【0005】

たとえば、従来技術は、タスク実行者のタスク実行スピードや、アウトプットの品質、例として正解率や正解との一致度等に基づいて習熟度を判定する。しかし、かかる判定方法によれば、実際は習熟度が低いにも関わらず、偶々タスクが成功した場合にも、習熟度が高いと判定してしまうおそれがある。

【0006】

実施形態の一態様は、上記に鑑みてなされたものであって、タスク実行者の習熟度を精度よく判定することができる判定装置、判定システムおよび判定方法を提供することを目的とする。

【課題を解決するための手段】

【0007】

実施形態の一態様に係る判定装置は、コントローラを備える。前記コントローラは、タスク実行者によって実行される車両の運転タスクの状況を観測し、前記タスク実行者のメンタルの状況を観測し、観測された前記運転タスクの状況、および、観測された前記メンタルの状況に基づいて、前記タスク実行者の前記運転タスクに関する習熟度を判定し、前記習熟度の判定結果に応じて、地図上にタスク実行地点と、タスク種別と、習熟度との情報を表示するマップ情報を生成する。

【発明の効果】

【0008】

実施形態の一態様によれば、タスク実行者の習熟度を精度よく判定することができる。

【図面の簡単な説明】

【0009】

【図1】図１は、実施形態に係る判定方法の概要説明図である。

【図2】図２は、タスクの例を示す図である。

【図3】図３は、実施形態に係る判定システムの構成例を示すブロック図である。

【図4】図４は、バイタルデータの例を示す図である。

【図5】図５は、タスク提供部の構成例を示すブロック図である。

【図6】図６は、メンタル状況観測部の構成例を示すブロック図である。

【図7】図７は、プレコンテンツに基づくスケール調整処理の説明図（その１）である。

【図8】図８は、プレコンテンツに基づくスケール調整処理の説明図（その２）である。

【図9】図９は、プレコンテンツに基づくリコメンド処理の説明図である。

【図10】図１０は、リコメンドの例を示す図（その１）である。

【図11】図１１は、リコメンドの例を示す図（その２）である。

【図12】図１２は、判定結果の活用例を示す図（その１）である。

【図13】図１３は、判定結果の活用例を示す図（その２）である。

【図14】図１４は、判定結果の活用例を示す図（その３）である。

【図15】図１５は、実施形態に係る判定装置が実行する処理手順を示すフローチャートである。

【図16】図１６は、変形例に係る判定システムの構成例を示すブロック図である。

【発明を実施するための形態】

【0010】

以下、添付図面を参照して、本願の開示する判定装置、判定システムおよび判定方法の実施形態を詳細に説明する。なお、以下に示す実施形態によりこの発明が限定されるものではない。

【0011】

まず、実施形態に係る判定方法の概要について、図１および図２を用いて説明する。図１は、実施形態に係る判定方法の概要説明図である。また、図２は、タスクの例を示す図である。

【0012】

たとえば、従来技術は、タスク実行者のタスク実行スピードや、アウトプットの品質等に基づいて習熟度を判定する。しかし、かかる判定方法によれば、実際は習熟度が低いにも関わらず、偶々タスクが成功した場合にも、習熟度が高いと判定してしまうおそれがある。

【0013】

通常、習熟度は、タスク実行時におけるタスク実行者のメンタルが反映される。実際に習熟度が高い場合、タスク実行時におけるタスク実行者のメンタルは、冷静である傾向が強い。言い換えれば、メンタル強度が高い傾向にある。逆に、習熟度が低い場合、タスク実行時におけるタスク実行者のメンタルは、冷静でない傾向が強い。言い換えれば、メンタル強度が低い傾向にある。

【0014】

そこで、実施形態に係る判定方法では、かかるタスク実行者のメンタル面に着目することとした。具体的には、実施形態に係る判定方法では、タスク実行者によって実行されるタスクの状況を観測するとともに、タスク実行者のメンタルの状況を観測することとした。そして、観測されたタスクの状況、および、観測されたメンタルの状況に基づいて、タスク実行者の習熟度を判定することとした。

【0015】

より具体的には、図１に示すように、実施形態に係る判定方法では、判定装置１０が、まずタスク実行者Ｕに対し、タスクを提供する（ステップＳ１）。ここで、図２に示すように、「タスク」は、たとえばＰＣ（Personal Computer）スキル、語学などの技能検定である。また、ｅスポーツ、ｅラーニング、プレゼンテーション、運転、オンライン面接、スポーツなどである。以下の説明では、これらのうちのいくつかを、適宜例に挙げて説明する。

【0016】

図１の説明に戻る。そして、実施形態に係る判定方法では、判定装置１０が、タスク実行者Ｕが実行するタスクの状況を観測するとともに（ステップＳ２）、タスク実行者Ｕのメンタルの状況を観測する（ステップＳ３）。

【0017】

メンタルの状況は、たとえば後述するセンサ部２によって取得されるタスク実行者Ｕのバイタルデータなどに基づいて観測される。

【0018】

そして、判定装置１０は、観測したタスクの状況およびメンタルの状況に基づいてタスク実行者Ｕの習熟度を判定する（ステップＳ４）。たとえば、判定装置１０は、図１に示すように、タスクの状況が「○」、すなわち成功に見える場合であっても、メンタルの状況が「×」、すなわちメンタル強度が弱い場合は、偶々タスクが成功したと見なす。そして、判定装置１０は、かかる場合について判定結果を「×」、すなわち習熟度は低いと判定する。

【0019】

なお、判定装置１０は、タスクの状況およびメンタルの状況がともに「○」である場合は無論、判定結果を「○」とする。また、判定装置１０は、少なくともタスクの状況が「×」、すなわち失敗である場合は、判定結果を「×」とする。

【0020】

このように、外見上のタスクの状況だけでなく、タスク実行者Ｕのメンタルの状況を加味した判断を行うことによって、タスク実行者Ｕの実際の習熟度を伴う実質的なタスクの成否を判定することが可能となる。

【0021】

上述したように、実施形態に係る判定方法では、タスク実行者によって実行されるタスクの状況を観測するとともに、タスク実行者のメンタルの状況を観測することとした。そして、観測されたタスクの状況、および、観測されたメンタルの状況に基づいて、タスク実行者の習熟度を判定することとした。

【0022】

したがって、実施形態に係る判定方法によれば、タスク実行者の習熟度を精度よく判定することができる。

【0023】

以下、実施形態に係る判定方法を適用した判定装置１０を含む判定システム１の構成例について、より具体的に説明する。

【0024】

図３は、実施形態に係る判定システム１の構成例を示すブロック図である。なお、図３では、本実施形態の特徴を説明するために必要な構成要素のみを表しており、一般的な構成要素についての記載を省略している。

【0025】

換言すれば、図３に図示される各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。例えば、各ブロックの分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することが可能である。

【0026】

また、図３を用いた説明では、既に説明済みの構成要素については、説明を簡略するか、説明を省略する場合がある。

【0027】

図３に示すように、実施形態に係る判定システム１は、センサ部２と、判定装置１０とを含む。センサ部２は、バイタルセンサ２ａと、カメラ２ｂと、マイク２ｃとを含む。

【0028】

バイタルセンサ２ａは、タスク実行者Ｕのバイタルデータを取得するセンサである。ここで、図４は、バイタルデータの例を示す図である。図４に示すように、バイタルデータは、たとえば脳波、心拍、筋電、視線、ＮＩＲＳ（near‐infrared spectroscopy）脳計測、体温、発汗、呼吸などに関するデータを含む。

【0029】

バイタルセンサ２ａは、たとえばタスク実行者Ｕに装着、または、タスク実行者Ｕの近傍に設けられ、これらバイタルデータを判定装置１０へ出力する。

【0030】

図３の説明に戻る。カメラ２ｂは、たとえばタスク実行者Ｕの近傍に設けられ、タスク実行者Ｕを被写体として撮像し、撮像データを判定装置１０へ出力する。マイク２ｃは、たとえばタスク実行者Ｕの近傍に設けられ、タスク実行者Ｕの発する音声を集音し、音声データを判定装置１０へ出力する。

【0031】

なお、センサ部２の構成要素は、図３に示したバイタルセンサ２ａ、カメラ２ｂ、マイク２ｃに限られるものではなく、タスク実行者Ｕのメンタルの状況を観測するのに資するものであれば、いずれでもよい。たとえば、タスク実行者Ｕのタイプミス等を取得するものであってもよい。

【0032】

判定装置１０は、記憶部１１と、制御部１２とを備える。記憶部１１は、たとえば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、または、ハードディスク、光ディスク等の記憶装置によって実現され、図３の例では、タスク情報１１ａと、履歴情報１１ｂと、相関モデル１１ｃとを記憶する。

【0033】

タスク情報１１ａは、後述するタスク提供部１２ａによってタスク実行者Ｕへ提供されるタスクに関する情報であり、たとえばタスクを構成する各種のプログラム等を含む。

【0034】

履歴情報１１ｂは、過去のタスク実行時に観測されたタスク実行者Ｕのメンタルの状況の履歴に関する情報である。履歴情報１１ｂは、たとえば過去のタスク実行時に観測されたバイタルデータから算出された、人間の喜怒哀楽といった感情の程度を示す感情値や、かかる感情値の特性（値域や振幅等）などを含む。

【0035】

相関モデル１１ｃは、センサ部２によって取得されるセンシングデータとタスク実行者Ｕのメンタルの状況との関係を示す、事前作成されたモデルである。相関モデル１１ｃは、たとえば機械学習によって、タスク実行者Ｕの時系列のバイタルデータからタスク実行者Ｕのメンタルの状況を示すメンタル強度を出力する学習モデルとして生成される。機械学習のアルゴリズムとしては、たとえばディープラーニング等を用いることができる。

【0036】

なお、タスクごとや個人ごとにメンタルの負荷は異なるため、相関モデル１１ｃは、タスクごとやタスク実行者Ｕごとに設けられていてもよい。また、相関モデル１１ｃは、タスク実行者Ｕのたとえば経験年数ごとのように、層別に設けられていてもよい。

【0037】

制御部１２は、コントローラ（controller）であり、たとえば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、判定装置１０内部の記憶デバイスに記憶されている各種プログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１２は、たとえば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現することができる。

【0038】

制御部１２は、タスク提供部１２ａと、タスク状況観測部１２ｂと、メンタル状況観測部１２ｃと、判定部１２ｄと、生成部１２ｅとを有し、以下に説明する情報処理の機能や作用を実現または実行する。

【0039】

タスク提供部１２ａは、たとえばタスク実行者Ｕが利用する端末装置に対し、タスク実行者Ｕに実行させるタスクを提供する。また、タスク提供部１２ａは、本番のタスクを実行させる前に、予めタスク実行者Ｕの感情値の特性や体調を把握するための短時間のプレコンテンツを提供することができる。なお、以下の説明で「把握」と言った場合、「推定」と言い換えてもよい。

【0040】

図５は、タスク提供部１２ａの構成例を示すブロック図である。タスク提供部１２ａは、プレコンテンツ提供部１２ａａと、本タスク提供部１２ａｂとを有する。プレコンテンツ提供部１２ａａは、タスク実行者Ｕが利用する端末装置に対し、前述のプレコンテンツを提供する。

【0041】

プレコンテンツは、たとえば、喜怒哀楽といった代表的な人間の感情を喚起することができるように予め用意された短時間の動画コンテンツやゲーム等である。

【0042】

そして、後述するメンタル状況観測部１２ｃは、かかるプレコンテンツの提供を受けたタスク実行者Ｕの反応、たとえばバイタルデータに基づいて、タスク実行者Ｕの感情値の特性や体調を把握する。

【0043】

そして、メンタル状況観測部１２ｃは、把握した感情値の特性や体調に基づき、タスク実行者Ｕの個人差または体調差を解消するためのスケール調整処理を実行する。かかる点については、図７および図８を用いた説明で後述する。

【0044】

本タスク提供部１２ａｂは、タスク実行者Ｕが利用する端末装置に対し、本番のタスクを提供する。また、本タスク提供部１２ａｂは、かかる本番のタスクの提供に際し、メンタル状況観測部１２ｃによって把握されたタスク実行者Ｕのたとえば体調に基づいて、タスク実行者Ｕに対する所定のリコメンド処理を実行することができる。かかる点については、図９～図１１を用いた説明で後述する。

【0045】

図３の説明に戻る。また、タスク提供部１２ａは、提供したタスクに対するタスク実行者Ｕの応答を逐次取得し、タスク状況観測部１２ｂへ出力する。

【0046】

タスク状況観測部１２ｂは、タスク提供部１２ａから出力されるタスク実行者Ｕの応答に基づいて、タスクの状況を観測する。また、タスク状況観測部１２ｂは、観測した観測結果を判定部１２ｄへ出力する。

【0047】

メンタル状況観測部１２ｃは、センサ部２によって取得されるセンシングデータに基づいて、タスク実行者Ｕのメンタルの状況を観測する。具体的には、メンタル状況観測部１２ｃは、たとえばバイタルセンサ２ａによって取得されたバイタルデータを相関モデル１１ｃへ入力することによってタスク実行者Ｕのメンタル強度を算出する。

【0048】

なお、ここで、必ずしも相関モデル１１ｃを用いる必要はなく、たとえば古典的な信号処理による評価指標などを利用してもよい。また、たとえばバイタルデータとして脳波を用いる場合には、α波とβ波のパワースペクトルの比率に対する閾値処理を実行するようにしてもよい。また、たとえば心拍を用いる場合には、ＲＲＩ（R-R Interval）の揺らぎに対する閾値処理を実行するようにしてもよい。

【0049】

また、メンタル状況観測部１２ｃは、カメラ２ｂによって取得された撮像データを画像解析することによって、たとえば、集中状態や緊張状態を示すタスク実行者Ｕの挙動を検出し、かかる挙動に基づいてメンタル強度を算出することもできる。

【0050】

また、メンタル状況観測部１２ｃは、マイク２ｃによって取得された音声データを音声解析することによって、たとえば、集中状態や緊張状態を示すタスク実行者Ｕの言動を検出し、かかる言動に基づいてメンタル強度を算出することもできる。

【0051】

また、メンタル状況観測部１２ｃは、前述のプレコンテンツに対するタスク実行者Ｕの反応に基づいて、タスク実行者Ｕの感情値の特性や体調を把握し、前述のスケール調整処理を実行する。

【0052】

図６は、メンタル状況観測部１２ｃの構成例を示すブロック図である。メンタル状況観測部１２ｃは、特性把握部１２ｃａと、感情値算出部１２ｃｂと、スケール調整部１２ｃｃと、メンタル強度算出部１２ｃｄとを有する。

【0053】

特性把握部１２ｃａは、プレコンテンツに対するタスク実行者Ｕの反応に基づいて、タスク実行者Ｕの感情値の特性や体調を把握する。感情値算出部１２ｃｂは、本番のタスク実行時にセンサ部２によって取得されたバイタルデータに基づいて、本番のタスク実行時におけるタスク実行者Ｕの感情値を算出する。

【0054】

スケール調整部１２ｃｃは、特性把握部１２ｃａによって把握された感情値の特性に基づいて、感情値算出部１２ｃｂによって算出された感情値に対するスケール調整処理を実行する。メンタル強度算出部１２ｃｄは、スケール調整処理を経た感情値のデータを相関モデル１１ｃへ入力することによってタスク実行者Ｕのメンタル強度を算出する。

【0055】

ここで、スケール調整処理について、図７および図８を用いて説明する。図７は、プレコンテンツに基づくスケール調整処理の説明図（その１）である。また、図８は、プレコンテンツに基づくスケール調整処理の説明図（その２）である。

【0056】

図７に示すように、プレコンテンツ提供部１２ａａによってタスク実行者Ｕへプレコンテンツが提供されると、センサ部２は、かかるプレコンテンツ視聴時のタスク実行者Ｕのバイタルデータを取得し、特性把握部１２ｃａへ出力する。

【0057】

そして、特性把握部１２ｃａは、かかるバイタルデータおよび／または履歴情報１１ｂに基づき、タスク実行者Ｕの感情値の特性を推定し、スケール調整部１２ｃｃへ出力する。そして、スケール調整部１２ｃｃは、かかる感情値の特性に基づいてスケール調整処理を実行する。

【0058】

ここで、図８に示すように、「Ａさん」は、「悲しい」～「楽しい」の感情変動が、値域「０」～「５」の間で振幅する感情値の特性を有していたものとする。一方、「Ｂさん」は、同じく「悲しい」～「楽しい」の感情変動が、値域「５０」～「１００」の間で振幅する感情値の特性を有していたものとする。

【0059】

かかる場合に、図中に「×」印で示す場合のように、一律なスケール調整により「Ａさん」および「Ｂさん」の感情変動をマッピングしてしまうと、感情値の特性の個人差により、メンタルの状況を正しく推定することができない。

【0060】

そこで、スケール調整部１２ｃｃは、図中に「○」印で示す場合のように、感情変動が同一の基準で比較可能となるように、たとえば「悲しい」や「楽しい」といった各感情を各次元とする特徴量空間へマッピングするスケール調整処理を実行する。

【0061】

これにより、感情値の特性の個人差を解消することができる。したがって、スケール調整処理は、メンタル状況観測部１２ｃが実行するメンタル状況観測処理のキャリブレーションを実現するキャリブレーション処理とも言うことができる。

【0062】

なお、特性把握部１２ｃａは、プレコンテンツに対するタスク実行者Ｕの反応に基づいて、タスク実行者Ｕの感情値の特性だけでなく、体調も把握できる点については既に述べた。かかる体調に基づいては、本タスク提供部１２ａｂが、本番のタスクの提供に際し、タスク実行者Ｕに対する所定のリコメンド処理を実行することができる。

【0063】

ここで、かかるリコメンド処理について、図９～図１１を用いて説明する。図９は、プレコンテンツに基づくリコメンド処理の説明図である。また、図１０は、リコメンドの例を示す図（その１）である。また、図１１は、リコメンドの例を示す図（その２）である。

【0064】

図９に示すように、プレコンテンツ提供部１２ａａによってタスク実行者Ｕへプレコンテンツが提供されると、センサ部２は、かかるプレコンテンツ視聴時のタスク実行者Ｕのバイタルデータを取得し、特性把握部１２ｃａへ出力する。

【0065】

そして、特性把握部１２ｃａは、かかるバイタルデータおよび／または履歴情報１１ｂに基づき、タスク実行者Ｕの体調を推定し、本タスク提供部１２ａｂへ出力する。そして、本タスク提供部１２ａｂは、かかる体調に基づいてリコメンド処理を実行する。

【0066】

たとえば、特性把握部１２ｃａは、タスク実行者Ｕの体調不良を検出したものとする。すると、かかる場合、本タスク提供部１２ａｂは、図１０に示すように、タスク実行者Ｕが利用する端末装置へ、たとえば「体調不良が検出されました。このままタスクを実行しますか？」のメッセージと、タスクの実行または中止を選択可能なチェックボックスを出力する。

【0067】

そして、タスク実行者Ｕが、タスクの実行または中止を選択し、たとえば図中に示す「確認」ボタンを押下すると、本タスク提供部１２ａｂはタスク実行者Ｕの選択結果に応じ、タスクを実行または中止させる。これにより、体調不良のままタスクを継続することにより、正しく習熟度が判定できなくなる機会を低減させることができる。

【0068】

また、図１１に示すように、本タスク提供部１２ａｂは、たとえばｅスポーツであれば、タスク実行者Ｕの体調に応じ、ゲームの種類をリコメンドすることができる。また、チームゲームであれば、かかるチームゲームでの役割をリコメンドすることができる。

【0069】

また、ｅスポーツに限らないが、同図に示すように、タスクにおいて再生される動画の種類をリコメンドするようにしてもよい。また、音量や、視野角、色味等を含む動画再生パターンをリコメンドするようにしてもよい。これにより、タスク実行者Ｕの体調に応じて負荷を軽減しつつタスクを提供することができ、体調による影響で正しく習熟度が判定されなくなる機会を低減させることができる。

【0070】

図３の説明に戻る。また、メンタル状況観測部１２ｃは、観測した観測結果、すなわち算出したメンタル強度を判定部１２ｄへ出力する。

【0071】

判定部１２ｄは、タスク状況観測部１２ｂによって観測されたタスクの状況、および、メンタル状況観測部１２ｃによって観測されたメンタルの状況に基づいて、タスク実行者の習熟度を判定する。たとえば、判定部１２ｄは、図１を用いて既に説明したように、タスクの状況が「○」であっても、メンタルの状況が「×」、すなわちメンタル強度が弱いならば、判定結果を「×」、すなわち習熟度は低いと判定する。

【0072】

また、判定部１２ｄは、タスクの状況およびメンタルの状況がともに「○」である場合は無論、判定結果を「○」、すなわち習熟度は高いと判定する。また、判定部１２ｄは、少なくともタスクの状況が「×」である場合は、判定結果を「×」、すなわち習熟度は低いと判定する。

【0073】

なお、判定部１２ｄによる判定結果はかかる場合に限られない。その他の例については、図１２～図１４を用いた説明で後述する。

【0074】

また、判定部１２ｄは、判定した判定結果を生成部１２ｅへ出力する。生成部１２ｅは、判定部１２ｄの判定結果に基づいて各種の情報を生成し、必要に応じてタスク提供部１２ａへフィードバックする。

【0075】

たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、次回のタスクのレベルを決定し、次回のタスクを生成する。また、たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、タスク実行者Ｕへ付与する刺激を生成する。また、たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、タスク実行者Ｕが苦手なタスクをタスク実行者Ｕへ明示するマップ情報を生成する。

【0076】

こうした判定部１２ｄの判定結果の活用例について、図１２～図１４を用いて説明する。図１２は、判定結果の活用例を示す図（その１）である。また、図１３は、判定結果の活用例を示す図（その２）である。また、図１４は、判定結果の活用例を示す図（その３）である。

【0077】

図１２に示す例は、たとえばｅラーニング向けである。図１２に示すように、たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、次回のタスクのレベルを決定し、次回のタスクを生成する。

【0078】

かかる場合、具体的には、判定部１２ｄは、タスクの状況が「○」であり、メンタルの状況が「○」である場合、タスク実行者Ｕは直近のタスクに関しては十分に習熟度が高いとして判定結果を「○」とする。そして、生成部１２ｅは、かかる判定結果に基づき、次回のタスクについては、難易度を上昇させたタスクを生成し、タスク提供部１２ａに提供させる。

【0079】

また、タスクの状況が「○」であり、メンタルの状況が「×」である場合、判定部１２ｄは、タスク実行者Ｕは直近のタスクに関しては偶々成功した可能性があるため、習熟度は中程度であるとして判定結果を「△」とする。そして、生成部１２ｅは、かかる判定結果に基づき、次回のタスクについては、難易度を維持したタスクを生成し、タスク提供部１２ａに提供させる。

【0080】

なお、過去の判定結果を記憶しておき、同種のタスクで所定回数（図１２の例では５回）連続して、タスクの状況が「○」であり、メンタルの状況が「×」である場合は、判定部１２ｄは、メンタルの状況が「×」でもタスクの状況が「○」になるほど習熟していると判定する。そして、生成部１２ｅは、かかる判定結果に基づき、次回のタスクについては、難易度を上昇させたタスクを生成し、タスク提供部１２ａに提供させる。

【0081】

また、少なくともタスクの状況が「×」である場合、メンタルの状況を問わず、判定部１２ｄは、タスク実行者Ｕは直近のタスクに関しては習熟度が低いとして判定結果を「×」とする。そして、生成部１２ｅは、かかる判定結果に基づき、次回のタスクについては、難易度を下降させたタスクを生成し、タスク提供部１２ａに提供させる。

【0082】

これにより、たとえばｅラーニングの場面において、タスク実行者Ｕである受講者の理解度に応じて、適切な次回のタスクを適宜受講者へ提供することが可能となる。

【0083】

次に、図１３に示す例は、たとえばプレゼンテーション向けである。図１３に示すように、たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、タスク実行者Ｕへ付与する刺激を生成する。

【0084】

かかる場合、具体的には、判定部１２ｄは、少なくともメンタルの状況が「○」である場合、タスク実行者Ｕに対しては、メンタルサポートは不要であるとして判定結果を「○」とする。そして、生成部１２ｅは、かかる判定結果に基づき、特にはタスク実行者Ｕへ付与する刺激を生成しない。

【0085】

一方、判定部１２ｄは、少なくともメンタルの状況が「×」である場合、タスク実行者Ｕに対しては、メンタルサポートが必要であるとして判定結果を「×」とする。そして、生成部１２ｅは、かかる判定結果に基づき、タスク実行者Ｕへ付与する刺激を生成する。刺激は、同図に示すように、匂いや、音楽、照明などである。すなわち、生成部１２ｅは、これら刺激を提示する発香装置や、音響装置、照明装置といった刺激提示デバイスを制御する制御信号を生成する。

【0086】

これにより、たとえばプレゼンテーションの場面において、タスク実行者Ｕである発表者のメンタルの状況に応じて、適切な刺激、たとえば発表者を落ち着かせるような刺激を適宜発表者へ提供することが可能となる。

【0087】

次に、図１４に示す例は、たとえば車両の運転向けである。図１４に示すように、たとえば、生成部１２ｅは、判定部１２ｄの判定結果に応じて、タスク実行者Ｕが苦手なタスクを明示する地図情報を生成する。

【0088】

かかる場合、具体的には、判定部１２ｄは、タスクの状況が「○」であり、メンタルの状況が「○」である場合、タスク実行者Ｕは該当のタスクに関しては十分に習熟度が高く得意であるとして判定結果を「○」とする。そして、生成部１２ｅは、かかる判定結果に基づき、得意なタスクについては地図情報に明示しない。

【0089】

また、タスクの状況が「○」であり、メンタルの状況が「×」である場合、判定部１２ｄは、タスク実行者Ｕは該当のタスクに関しては偶々成功したが苦手な可能性があるため、判定結果を「△」とする。そして、生成部１２ｅは、かかる苦手な可能性があるタスクとその該当地点とを地図情報に明示する（図中の「車庫入れ」参照）。

【0090】

また、少なくともタスクの状況が「×」である場合、メンタルの状況を問わず、判定部１２ｄは、タスク実行者Ｕは該当のタスクに関しては習熟度が低く苦手であるとして判定結果を「×」とする。そして、生成部１２ｅは、かかる判定結果に基づき、かかる苦手なタスクとその該当地点とを明示した地図情報を生成する（図中の「縦列駐車」または「クランク」参照）。

【0091】

なお、図１４に示す地図情報は、タスク実行者Ｕが実際に実行したタスクの該当地点だけでなく、その該当地点に類似する地点についても、苦手な可能性のあるまたは苦手である推測地点として明示するようにしてもよい。

【0092】

かかる地図情報をたとえばカーナビゲーション画面に表示することにより、車両の運転の場面において、タスク実行者Ｕである運転者の運転技能の習熟度に応じて、苦手な可能性のある地点または苦手な地点を本人に認識させ、注意を払わせることが可能となる。

【0093】

なお、図１４を用いた説明では、生成部１２ｅが生成するマップ情報として文字通り「地図情報」を例に挙げたが、これに限られるものではなく、マップ情報は、たとえばレーダーチャートといった、習熟度の判定結果をマッピングして明示可能な情報であればいずれでもよい。

【0094】

次に、実施形態に係る判定装置１０が実行する処理手順について、図１５を用いて説明する。図１５は、実施形態に係る判定装置１０が実行する処理手順を示すフローチャートである。

【0095】

図１５に示すように、まず、タスク提供部１２ａが、たとえばタスク実行者Ｕが利用する端末装置に対し、タスク実行者Ｕに実行させるタスクを提供する（ステップＳ１０１）。

【0096】

そして、タスク状況観測部１２ｂが、タスク実行者Ｕが実行するタスクの状況を観測するとともに（ステップＳ１０２）、メンタル状況観測部１２ｃが、タスク実行者Ｕのメンタルの状況を観測する（ステップＳ１０３）。

【0097】

そして、判定部１２ｄが、タスク状況観測部１２ｂによって観測されたタスクの状況、および、メンタル状況観測部１２ｃによって観測されたメンタルの状況に基づいて、タスク実行者Ｕの習熟度を判定し（ステップＳ１０４）、処理を終了する。

【0098】

なお、これまでは、図３に示すように、判定装置１０が一体で、タスク提供機能、タスク状況観測機能、メンタル状況観測機能、判定機能、生成機能を有する構成例について説明した。しかし、既に述べたように、図３に図示される各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。

【0099】

そこで、たとえば、タスク提供機能および生成機能をそれぞれ物理的に分散して構成するようにしてもよい。かかる変形例について、図１６を用いて説明する。図１６は、変形例に係る判定システム１Ａの構成例を示すブロック図である。

【0100】

なお、図１６は図３に対応しているため、ここでは図３と異なる点について主に説明する。図１６に示すように、変形例に係る判定システム１Ａは、センサ部２と、判定装置１０Ａと、タスク提供装置２０と、生成装置３０とを含む。

【0101】

判定装置１０Ａは、図３の判定装置１０から、タスク情報１１ａと、タスク提供部１２ａと、生成部１２ｅとを外部に分散させた構成となる。

【0102】

タスク提供装置２０は、タスク提供機能に特化した装置であり、図３の判定装置１０から、タスク情報１１ａと、タスク提供部１２ａとが分散して構成され、判定装置１０Ａの判定結果および生成装置３０の生成結果に基づいて、タスク実行者Ｕへタスクを提供する。タスク提供装置２０はたとえば、ｅスポーツマシンや、ｅラーニングマシン、カーナビゲーション装置などである。タスク提供装置２０は、判定装置１０Ａの判定結果を利用する「利用装置」の一例に相当する。

【0103】

生成装置３０は、生成機能に特化した装置であり、図３の判定装置１０から、生成部１２ｅが分散して構成され、判定装置１０Ａの判定結果に基づいて各種の情報を生成し、必要に応じてタスク提供装置２０へフィードバックする。また、生成装置３０は、図示略の刺激提示デバイスを制御する制御信号を生成した場合、かかる制御信号を刺激提示デバイスへ出力する。生成装置３０もまた、判定装置１０Ａの判定結果を利用する「利用装置」の一例に相当する。

【0104】

また、図１６に示したように、図３における各構成要素の各機能を分散させるのではなく、統合するようにしてもよい。たとえば、図３の生成部１２ｅを判定部１２ｄに統合し、判定部１３ｄが自身の判定結果に基づく各種の情報の生成機能を有することとしてもよい。

【0105】

上述してきたように、実施形態に係る判定装置１０，１０Ａは、タスク状況観測部１２ｂ（「第１の観測部」の一例に相当）と、メンタル状況観測部１２ｃ（「第２の観測部」の一例に相当）と、判定部１２ｄとを備える。タスク状況観測部１２ｂは、タスク実行者Ｕによって実行されるタスクの状況を観測する。メンタル状況観測部１２ｃは、タスク実行者Ｕのメンタルの状況を観測する。判定部１２ｄは、タスク状況観測部１２ｂによって観測されたタスクの状況、および、メンタル状況観測部１２ｃによって観測されたメンタルの状況に基づいて、タスク実行者Ｕの習熟度を判定する。

【0106】

したがって、実施形態に係る判定装置１０，１０Ａによれば、タスク実行者の習熟度を精度よく判定することができる。

【0107】

また、判定部１２ｄは、習熟度の判定結果に応じて、タスク実行者Ｕに対し次回に実行させるタスクのレベルを決定する。

【0108】

したがって、実施形態に係る判定装置１０，１０Ａによれば、たとえばｅラーニングの場面において、タスク実行者Ｕである受講者の理解度に応じて、適切な次回のタスクを適宜受講者へ提供することが可能となる。

【0109】

また、判定部１２ｄは、習熟度の判定結果に応じて、タスク実行者Ｕが少なくとも苦手である可能性のあるタスクに関するマップ情報を生成する。

【0110】

したがって、実施形態に係る判定装置１０，１０Ａによれば、たとえば車両の運転の場面において、タスク実行者Ｕである運転者の運転技能の習熟度に応じて、少なくとも苦手である可能性のある地点を本人に認識させ、注意を払わせることが可能となる。

【0111】

また、メンタル状況観測部１２ｃは、タスク実行者Ｕがタスクを実行する前に予め提供されるプレコンテンツに対するタスク実行者Ｕの反応に基づいて、タスク実行者Ｕのメンタルの状況に関する特性を推定し、かかる特性に基づいてタスク実行者Ｕの個人差を解消するためのキャリブレーション処理を実行する。

【0112】

したがって、実施形態に係る判定装置１０，１０Ａによれば、タスク実行者Ｕの個人差による影響を除きつつ、習熟度を精度よく判定することが可能となる。

【0113】

また、メンタル状況観測部１２ｃはさらに、プレコンテンツに対するタスク実行者Ｕの反応に基づいてタスク実行者Ｕの体調を推定し、タスク実行者Ｕがタスクを実行する際に、体調に応じたタスク実行者Ｕに対する所定のリコメンド処理を実行させる。

【0114】

したがって、実施形態に係る判定装置１０，１０Ａによれば、たとえばタスク実行者Ｕが体調不良のままタスクを継続することにより、正しく習熟度が判定できなくなる機会を低減させることができる。

【0115】

また、変形例に係る判定システム１Ａは、判定装置１０Ａと、タスク提供装置２０および生成装置３０（「利用装置」の一例に相当）とを備える。タスク提供装置２０および生成装置３０は、判定装置１０Ａの判定結果を利用する。

【0116】

したがって、変形例に係る判定システム１Ａによれば、タスク実行者Ｕの習熟度を判定する判定システムを、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。また、判定装置１０Ａによって精度よく判定された習熟度を反映して生成された各種の情報を用いつつ、タスク実行者Ｕに、習熟度向上のために適切なタスクを提供することが可能となる。

【0117】

さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。

【符号の説明】

【0118】

１，１Ａ 判定システム
２ センサ部
２ａ バイタルセンサ
２ｂ カメラ
２ｃ マイク
１０，１０Ａ 判定装置
１１ 記憶部
１１ａ タスク情報
１１ｂ 履歴情報
１１ｃ 相関モデル
１２ 制御部
１２ａ タスク提供部
１２ａａ プレコンテンツ提供部
１２ａｂ 本タスク提供部
１２ｂ タスク状況観測部
１２ｃ メンタル状況観測部
１２ｃａ 特性把握部
１２ｃｂ 感情値算出部
１２ｃｃ スケール調整部
１２ｃｄ メンタル強度算出部
１２ｄ 判定部
１２ｅ 生成部
２０ タスク提供装置
３０ 生成装置
Ｕ タスク実行者

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】