知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B1)
(11)【特許番号】
(24)【登録日】2024-12-25
(45)【発行日】2025-01-09
(54)【発明の名称】ロボット制御ＡＩ導入の支援装置
(51)【国際特許分類】
G06Q 50/10 20120101AFI20241226BHJP
G06Q 30/0645 20230101ALI20241226BHJP
【ＦＩ】
G06Q50/10
G06Q30/0645
【請求項の数】
4
(21)【出願番号】P 2024129972
(22)【出願日】2024-08-06
【審査請求日】2024-08-19
【早期審査対象出願】
(73)【特許権者】
【識別番号】524295928
【氏名又は名称】新井 亨
(74)【代理人】
【識別番号】100185270
【弁理士】
【氏名又は名称】原田 貴史
(72)【発明者】
【氏名】新井 亨
【審査官】佐藤 光起
(56)【参考文献】
【文献】特開２００３－０１０５５１（ＪＰ，Ａ）
【文献】特表２０１９－５３００３４（ＪＰ，Ａ）
【文献】大内孝子，［CEDEC2020］aiboの”賢さ”と”可愛さ”を作るAIの秘密，[online]，2024年04月17日，［検索日 2024.09.06］, インターネット：＜ＵＲＬ：https://web.archive.org/web/20240417175123/https://morikatron.ai/2020/10/cedec2020_aibo/＞
【文献】河原塚 英信，物流ロボティクスにおける「RaaS」と「レンタル／リース」の違い～ロジスティクスAMRフォーラム2021，[online]，2024年05月21日，［検索日 2024.09.06］, インターネット：＜ＵＲＬ：https://web.archive.org/web/20240521044044/https://media.plus-automation.com/column/raas_12＞
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｑ １０／００－９９／００
(57)【特許請求の範囲】
【請求項1】
複数のロボットについて、当該ロボットの貸与に係る定額契約の貸与期間及び支払状況に係るデータを管理する定額契約管理部と、前記複数のロボットに含まれる一の取得元ロボットに係る前記定額契約の支払いが行われている場合に、当該取得元ロボットの運用データを取得する運用データ取得部と、
前記運用データに基づく学習データを用いた、ロボットの制御に用いられる制御機械学習モデルの機械学習を行う機械学習部と、
前記複数のロボットに含まれる一の貸与ロボットに係る前記定額契約の貸与期間中である場合に、前記機械学習部による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する機械学習モデル提供部と、
を備え、
前記運用データ取得部は、前記取得元ロボットのセンサデータ及び制御用データを含む運用データを取得し、
前記機械学習部は、前記センサデータを説明変数として含み、前記制御用データを目的変数として含む学習データを用いた機械学習を行い、
前記機械学習モデル提供部は、前記一の貸与ロボットと異なる他のロボットから取得された運用データを含む複数の運用データに基づく学習データを用いた機械学習が行われた制御機械学習モデルを提供し、
ロボットに対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出する頻用項目抽出部と、
前記１以上の頻用項目を前記貸与ロボットに提供する頻用項目提供部と、
をさらに備え、
前記運用データ取得部は、前記取得元ロボットに対する指令項目それぞれにおける当該指令項目の利用頻度をさらに含む運用データを取得し、
前記頻用項目抽出部は、前記指令項目の利用頻度をさらに含む運用データに基づいて、前記１以上の頻用項目を抽出する、
ロボット制御ＡＩ導入の支援装置。
【請求項2】
前記運用データ取得部は、前記取得元ロボットが運用された地域を示すデータを含む運用データを取得し、前記機械学習部は、指定された地域に係る運用データに基づく学習データを用い、当該地域と関連付けられた制御機械学習モデルの機械学習を行い、
前記機械学習モデル提供部は、当該貸与ロボットが運用される地域と関連付けられた制御機械学習モデルを当該貸与ロボットに提供する、
請求項１に記載の支援装置。
【請求項3】
前記運用データ取得部は、前記取得元ロボットから当該取得元ロボットの利用者へ向けて出力した言語表現及び当該言語表現に係る状況と、当該言語表現に対する当該利用者の評価をさらに含む運用データを取得し、前記機械学習部は、前記状況及び前記評価を説明変数として含み、前記言語表現を目的変数として含む学習データを用いた機械学習を行い、当該状況を入力されたときに高い評価が見込まれる言語表現を出力する言語モデルの機械学習を行い、
前記機械学習モデル提供部は、当該言語モデルを当該貸与ロボットに提供する、
請求項１に記載の支援装置。
【請求項4】
ロボットに対する指令項目及び前記運用データを入力とする、言語モデルを用いた処理により、前記指令項目に係る利用方法を示す説明書を生成する説明書生成部をさらに備え、前記運用データ取得部は、前記指令項目と関連付けられた前記取得元ロボットのセンサデータ及び制御用データを含む運用データを取得する、
請求項１に記載の支援装置。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、ロボット制御ＡＩ導入の支援装置に関する。
【背景技術】
【0002】
ロボットは、センサと機械的駆動部とが協働することにより、様々な機能を提供する。ロボット工学の発展に伴い、製造業、小売業、福祉、医療、物流、ホスピタリティ、農業、建設、セキュリティその他の分野に向けた様々なロボットが開発されている。しかしながら、高度な制御を要する先進的なロボットは、経済的負担により、その導入が妨げられている。ロボットの導入に係る経済的負担は、購入する代わりに定額契約によってロボットを借りることにより、低減し得る。
【0003】
従来のサービス及び従来技術等における、ロボット等の先進的な機器の賃借を支援する技術等に関し、特許文献１は、他者の管理下にあり、利用権限がないと利用することができない機材等についての複数の利用者間での共用を可能とするシェアリングシステムであって、前記機材等の所有者から予め貸出条件の指定を受け付けて記録し、利用者からの借入条件の指定を含む借入申請を受け付けて、前記借入条件に前記貸出条件が合致し、かつ貸出可能な状態である前記機材等を抽出して、前記機材等に対する利用権限を前記所有者から前記利用者に移転若しくは付与する、シェアリングシステムを開示している。
【0004】
特許文献１に記載の技術は、複数の所有者がそれぞれ所有・管理するドローン等の機材を、中央の管理主体を有さずに、必要に応じて適当な相手との間で相互に貸借することを実現し得る。
【先行技術文献】
【特許文献】
【0005】
【文献】特開２０１８－１３２７９４号公報
【発明の概要】
【発明が解決しようとする課題】
【0006】
ところで、ロボットは、そのハードウェアを、センサと機械的駆動部とを協働させるソフトウェアが制御することにより、所望の機能を実現する。特許文献１に記載の技術は、必要に応じて適当な相手との間でロボットのハードウェアを相互に貸借することにより、ハードウェアの導入に係る経済的負担を低減し得るに留まる。よって、特許文献１に記載の技術は、高度な機能を提供するロボットを制御する人工知能（ＡＩ）についても定額契約で賃借できるようにし、その導入及び更新に係る負担を低減する点において、さらなる改良の余地がある。
【0007】
本発明の課題は、高度な機能を提供するロボットを制御するＡＩの導入に係る経済的負担を抑えるべく、ロボットを制御する機械学習モデル等を定額契約で賃借できるよう支援することである。
【課題を解決するための手段】
【0008】
本発明者らは、上記課題を解決するために鋭意検討した結果、ロボットに対して高度な制御を行う人工知能（Ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ、ＡＩ）をサブスクリプション形式で提供できるよう、機械学習モデルの提供を管理し、貸与先のロボットから提供された運用データによって当該機械学習モデルを改善する処理等を行う装置によって、上記の目的を達成できることを見いだした。そして、本発明者らは、本発明を完成させるに至った。
【0009】
本発明の一態様は、複数のロボットについて、当該ロボットの貸与に係る定額契約の貸与期間及び支払状況に係るデータを管理する定額契約管理部と、前記複数のロボットに含まれる一の取得元ロボットに係る前記定額契約の支払いが行われている場合に、当該取得元ロボットの運用データを取得する運用データ取得部と、前記運用データに基づく学習データを用いた、ロボットの制御に用いられる制御機械学習モデルの機械学習を行う機械学習部と、前記複数のロボットに含まれる一の貸与ロボットに係る前記定額契約の貸与期間中である場合に、前記機械学習部による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する機械学習モデル提供部と、を備え、前記運用データ取得部は、前記取得元ロボットのセンサデータ及び制御用データを含む運用データを取得し、前記機械学習部は、前記センサデータを説明変数として含み、前記制御用データを目的変数として含む学習データを用いた機械学習を行い、前記機械学習モデル提供部は、前記一の貸与ロボットと異なる他のロボットから取得された運用データを含む複数の運用データに基づく学習データを用いた機械学習が行われた制御機械学習モデルを提供する、ロボット制御ＡＩ導入の支援装置を提供する。
【0010】
機械学習を用いることにより、ロボットを制御するソフトウェアは、より高度な機能を提供できるようになる。しかしながら、機械学習に係る機械学習モデルの提供は、機械学習モデルの設計、学習データの収集、当該学習データを用いた機械学習等において多額の開発費を要する。多額の開発費は、機械学習モデルの購入に係る経済的負担を増大させ、機械学習モデルの普及を妨げることがある。
【0011】
一方、サブスクリプション形式とも称される定額契約では、期間ごとの支払額が、一般に、買い切りより少額となる。本発明の当該態様では、定額契約管理部が、貸与期間及び支払状況を管理する。上述の管理の一部として、当該態様では、機械学習モデル提供部が、上述の支払状況に基づいて、ロボットの制御に用いられる制御機械学習モデルを支払いが行われているロボットに提供する。よって、当該態様は、ロボット及び制御機械学習モデルの提供に係る経済的負担を低減する定額契約であるにも関わらず、制御機械学習モデルを適切に提供できる。
【0012】
ところで、高度な機能を提供するロボットにおいては、日々の運用データを用いて機械学習モデルを改善することが求められ得る。しかしながら、ロボットが定額契約又は購入等によって例示される様々な態様で提供されている場合、ロボットの運用者は、購入したロボット等によって例示される貸与期間外のロボットの運用データまでもが提供側に渡ってしまうのではないかとの懸念を抱き得る。
【0013】
上述の管理の一部として、当該態様では、運用データ取得部が、上述の貸与期間に基づいて、定額契約により貸与されたロボットから、ロボットのセンサデータ及び制御用データを含む運用データを取得する。定額契約に係る支払いが行われ、貸与期間中である場合、上述の機械学習モデル提供部により制御機械学習モデルが取得元ロボットに提供されているため、運用データ取得部は、適切な運用データを取得できる。
【0014】
そして、当該態様では、機械学習部が、取得された運用データに基づいて、制御機械学習モデルに機械学習を行わせ、その性能等を改善する。これら一連の処理が行われることにより、当該態様は、上述の懸念を払拭することと、貸与されたロボットから取得した学習データによって機械学習モデルを改善することとを両立できる。
【0015】
また、当該態様は、上述の処理により、機械学習モデルにより制御されるロボットの利用に係る経済的負担を抑える。これにより、当該態様は、機械学習モデルにより制御されるロボットの普及を助ける。さらに、当該態様は、このようにして普及したロボットから収集した運用データを、通常、多額の費用をかけて手配する学習データの代わりに用いることで、より優れた制御が行われるよう、機械学習モデルを改善する。よって、本発明の当該態様は、ロボットを制御する機械学習モデルを定額契約で賃借できるようにする処理を通して、高度な機能を提供するロボットを制御するソフトウェアの導入に係る経済的負担を抑えることができる。
【0016】
その他、本発明は、地域と関連付けられた運用データを用いて地域に応じた機械学習モデルの改善を行う態様、運用データに基づいて利用頻度が高い指令項目を抽出して提供する態様、ロボットが利用者に対して行う言語表現を運用データに基づいて改善する態様、運用データ等に基づいて説明書を生成する態様等によって例示される各種態様を取り得る。これらの各種態様は、それぞれ特有の構成によって、高度な機能を提供するロボットを制御するソフトウェアの導入及び更新に係る負担を低減することに寄与する。
【発明の効果】
【0017】
以上より、本発明は、高度な機能を提供するロボットを制御するＡＩの導入に係る経済的負担を抑えるべく、ロボットを制御する機械学習モデルを定額契約で賃借できるよう支援できる。
【図面の簡単な説明】
【0018】
【発明を実施するための形態】
【0019】
まず初めに、以下の開示、図表、及び／又は請求項等が、単独であるか、又は１つ以上の他の側面との組み合わせとして記述されていると説明されているものの、即時開示の主題はそのように限定されることを意図していない。つまり、即時開示、図表、及び請求項は、ここで記載されている様々な側面を、それぞれ単独であるか、又はお互いと１つ以上の組み合わせで包含することを意図する。例えば、即時開示が第１実施形態、第２実施形態、及び第３実施形態を、第１実施形態が特に第２実施形態に関連して記述及び図示されるか、第２実施形態が第３実施形態に関連してのみ記述及び図示されるような方法で記述及び図示する場合でも、即時開示と図示はそのように限定されるものではなく、第１実施形態のみ、第２実施形態のみ、第３実施形態のみ、又は第１、第２及び／又は第３実施形態の１つ以上の組み合わせ、例えば第１実施形態と第２実施形態、第１実施形態と第３実施形態、第２実施形態と第３実施形態、又は第１、第２、及び第３実施形態が含まれることがある。
【0020】
本文中でのフレーズ「又は」の使用は、明示的に指定されていない限り、「排他的ではない」取り決めを意味するものとする。例えば、「項目ｘがＡ又はＢである」と言う場合、次のいずれかを意味するものとする：（１）項目ｘがＡ又はＢのどちらか一方のみである、（２）項目ｘがＡとＢの両方である。言い換えれば、単語「又は」は、「排他的」な取り決めを定義するために使用されない。
【0021】
また、本文中で用いられるフレーズ「少なくとも１つを含む」や「以下の少なくとも１つを含む」は、システム又は要素と組み合わせて使用される場合、そのシステム又は要素がフレーズの後に列挙された要素の１つ以上を含むことを意味する。例えば、要素が第１要素から第３要素の３種類である場合、フレーズ「少なくとも１つを含む」や「以下の少なくとも１つを含む」は、次のような構造的配置のいずれかとして解釈する：第１要素を含むデバイス、第２要素を含むデバイス、第３要素を含むデバイス、第１要素と第２要素を含むデバイス、第１要素と第３要素を含むデバイス、第２要素と第３要素を含むデバイス、又は第１要素、第２要素、第３要素を含むデバイス。
【0022】
本文中で「以下の少なくとも１つで使用されている」というフレーズが使用される場合も同様の解釈が意図されている。さらに、本文中で使用される「及び／又は」は、言語的な接続詞として用いられ、記載された要素や条件の１つ以上が含まれるか発生することを示すために使用されている。例えば、第１要素、第２要素、及び／又は第３要素を含むデバイスは、次の構造的配置のいずれかとして解釈される：第１要素を含むデバイス、第２要素を含むデバイス、第３要素を含むデバイス、第１要素と第２要素を含むデバイス、第１要素と第３要素を含むデバイス、第２要素と第３要素を含むデバイス、又は第１要素、第２要素、第３要素を含むデバイス。
【0023】
なお、本文中でのフレーズ「及び／又は」の使用が「排他的ではない」取り決めを意味することは、日本産業規格（ＪＩＳ）の「規格票の様式及び作成方法 ＪＩＳ Ｚ ８３０１」にも規程されている。
【0024】
以下は、本発明の実施形態の一例について、図面を参照しながら詳細に説明するものである。
【0025】
＜システムＳ＞
図１は、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成の一例を示すブロック図である。本実施形態のシステムＳは、ロボット制御ＡＩ導入の支援システムである。システムＳは、少なくともロボット制御ＡＩ導入の支援装置１を含んで構成される。支援装置１は、ネットワークＮを介して、ロボット２と通信するよう構成されることが好ましい。また、支援装置１は、ネットワークＮを介して、ロボット２の運用者等が利用する端末Ｔと通信するよう構成されることが好ましい。
図１は、本実施形態のシステムＳのハードウェア構成及びソフトウェア構成の一例を示すブロック図である。本実施形態のシステムＳは、ロボット制御ＡＩ導入の支援システムである。システムＳは、少なくともロボット制御ＡＩ導入の支援装置１を含んで構成される。支援装置１は、ネットワークＮを介して、ロボット２と通信するよう構成されることが好ましい。また、支援装置１は、ネットワークＮを介して、ロボット２の運用者等が利用する端末Ｔと通信するよう構成されることが好ましい。
【0026】
〔支援装置１〕
支援装置１は、制御部１１、記憶部１３、及び通信部１４を含んで構成される。支援装置１の種類は、特に限定されず、例えば、サーバ装置、クラウドサーバ等で良い。
支援装置１は、制御部１１、記憶部１３、及び通信部１４を含んで構成される。支援装置１の種類は、特に限定されず、例えば、サーバ装置、クラウドサーバ等で良い。
【0027】
［制御部１１］
制御部１１は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＣＰＵ）、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）、及びＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）等を備える。
制御部１１は、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ（ＣＰＵ）、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ（ＲＡＭ）、及びＲｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ（ＲＯＭ）等を備える。
【0028】
制御部１１は、必要に応じて、記憶部１３又は通信部１４のうち、少なくともいずれか一方と協働する。そして、制御部１１は、支援装置１で実行される本実施形態のプログラムのソフトウェア構成要素を実現する。具体的には、定額契約管理部１１１、運用データ取得部１１２、機械学習部１１３、機械学習モデル提供部１１４、頻用項目抽出部１１５、頻用項目提供部１１６、説明書生成部１１７等が含まれる。
【0029】
［記憶部１３］
記憶部１３は、データ及び／又はファイルが記憶される装置であって、ハードディスク、半導体メモリ、記録媒体、及びメモリカード等によってデータを非一時的に格納するストレージ部を有する。記憶部１３には、マイクロコンピューターで実行されるプログラム、定額契約データベース１３１、ロボットデータベース１３２その他のデータが格納されている。
記憶部１３は、データ及び／又はファイルが記憶される装置であって、ハードディスク、半導体メモリ、記録媒体、及びメモリカード等によってデータを非一時的に格納するストレージ部を有する。記憶部１３には、マイクロコンピューターで実行されるプログラム、定額契約データベース１３１、ロボットデータベース１３２その他のデータが格納されている。
【0030】
（定額契約データベース１３１）
定額契約データベース１３１は、定額契約に基づくロボットの貸与に係るデータ（定額契約情報）が格納されるデータベースである。定額契約データベース１３１に格納されたデータは、定額契約管理部１１１により管理される。当該データは、少なくとも、定額契約の貸与期間及び支払状況に係るデータを含む。後述するロボットデータベース１３２と連携すべく、当該データは、定額契約に係るロボットを特定する情報（例えば、ロボットＩＤ）を含むことが好ましい。
定額契約データベース１３１は、定額契約に基づくロボットの貸与に係るデータ（定額契約情報）が格納されるデータベースである。定額契約データベース１３１に格納されたデータは、定額契約管理部１１１により管理される。当該データは、少なくとも、定額契約の貸与期間及び支払状況に係るデータを含む。後述するロボットデータベース１３２と連携すべく、当該データは、定額契約に係るロボットを特定する情報（例えば、ロボットＩＤ）を含むことが好ましい。
【0031】
効率的なデータ管理が行われるべく、当該データは、定額契約を特定する情報（例えば、契約ＩＤ）と関連付けられて格納されることが好ましい。顧客ごとに定額契約を管理すべく、当該データは、顧客名、顧客住所、顧客連絡先、又は顧客担当者等を含むことが好ましい。
【0032】
図２は、定額契約データベース１３１の一例である。当該例には、定額契約データベース１３１に格納されるデータとして、契約ＩＤ「Ｃ０００１」「Ｃ０００２」「Ｃ０１０１」等に係る定額契約情報が示されている。
【0033】
契約ＩＤ「Ｃ０００１」に係る定額契約情報は、顧客名「△△興業 東京事業所」、契約期間「２０△△年△△月－２０△△年△△月」、支払状況「２０△△年△△月分未払い」、ロボットＩＤ「Ｒ０００１」等のデータを含む。当該情報は、一部未払いがある定額契約を示している。
【0034】
契約ＩＤ「Ｃ０００２」に係る定額契約情報は、顧客名「△△興業 大阪事業所」、契約期間「２０△△年△△月－２０△△年△△月」、支払状況「２０△△年△△月まで支払済」、ロボットＩＤ「Ｒ０００２」等のデータを含む。当該情報は、契約ＩＤ「Ｃ０００１」に係る定額契約情報と関連する契約者に属する同業種の法人であって、別の地域の事業所に係る定額契約を示している。
【0035】
契約ＩＤ「Ｃ０１０１」に係る定額契約情報は、顧客名「医療法人 大阪△△会」、契約期間「２０△△年△△月－２０△△年△△月」、支払状況「２０△△年△△月まで支払済」、ロボットＩＤ「Ｒ０１０１」「Ｒ０１０２」等のデータを含む。当該情報は、契約ＩＤ「Ｃ０００２」に係る定額契約情報と同じ地域にある別業種の法人に係る定額契約を示している。
【0036】
当該例にこれらのデータが格納されることにより、支援装置１は、ある定額契約との関係が同一又は類似の契約者、業種、地域、ロボットに係る定額契約を抽出できる。これにより、支援装置１は、制御機械学習モデルを提供する対象となる貸与ロボットと契約者、業種、地域、又はロボットが関連する運用データを抽出された定額契約に基づいて特定し、当該貸与ロボットに提供する制御機械学習モデル（後述）の機械学習に利用できる。よって、支援装置１は、定額契約に係る運用データを利用することでロボットを制御するソフトウェアの導入に係る経済的負担を抑えつつ、貸与ロボットに関連する運用データを学習データとして用いる質の高い機械学習により、高度な機能を実現できる制御機械学習モデルを提供できる。
【0037】
また、当該例にこれらのデータが格納されることにより、支援装置１は、定額契約の支払いが行われている場合に、当該定額契約に係る取得元ロボットから運用データを取得する。そして、支援装置１は、定額契約の貸与期間中である場合に、制御機械学習モデルを当該定額契約に係る貸与ロボットに提供できる。
【0038】
（ロボットデータベース１３２）
ロボットデータベース１３２は、定額契約に基づいて貸与されるロボットのデータ（ロボット情報）が格納されるデータベースである。上述の定額契約データベース１３１と連携した効率的なデータ管理が行われるべく、当該データは、ロボットを特定する情報（例えば、ロボットＩＤ）と関連付けられて格納されることが好ましい。当該データは、少なくとも、ロボットの運用データ及びロボットの制御に用いられる制御機械学習モデルを含む。ロボットの種別ごとに運用データを収集し、制御機械学習モデルを提供すべく、当該データは、ロボットの種別を特定する情報を含むことが好ましい。
ロボットデータベース１３２は、定額契約に基づいて貸与されるロボットのデータ（ロボット情報）が格納されるデータベースである。上述の定額契約データベース１３１と連携した効率的なデータ管理が行われるべく、当該データは、ロボットを特定する情報（例えば、ロボットＩＤ）と関連付けられて格納されることが好ましい。当該データは、少なくとも、ロボットの運用データ及びロボットの制御に用いられる制御機械学習モデルを含む。ロボットの種別ごとに運用データを収集し、制御機械学習モデルを提供すべく、当該データは、ロボットの種別を特定する情報を含むことが好ましい。
【0039】
（運用データ）
センサと機械的駆動部とが協働して高度な機能を実現するロボットを制御する制御機械学習モデルに対する機械学習に寄与すべく、運用データは、少なくとも、運用データの取得元となる取得元ロボットのセンサデータ及び制御用データを含むことが好ましい。地域に応じた制御機械学習モデルの最適化を行うべく、運用データは、取得元ロボットが運用された地域を示すデータを含むことが好ましい。利用者から与えられた指令ごとに機械学習を行うべく、運用データは、指令項目を示すデータを含むことが好ましい。時系列に沿った運用データの変化を制御機械学習モデルに反映させるべく、運用データは、時間を特定する情報（例えば、日時）と関連付けられて格納されることが好ましい。
センサと機械的駆動部とが協働して高度な機能を実現するロボットを制御する制御機械学習モデルに対する機械学習に寄与すべく、運用データは、少なくとも、運用データの取得元となる取得元ロボットのセンサデータ及び制御用データを含むことが好ましい。地域に応じた制御機械学習モデルの最適化を行うべく、運用データは、取得元ロボットが運用された地域を示すデータを含むことが好ましい。利用者から与えられた指令ごとに機械学習を行うべく、運用データは、指令項目を示すデータを含むことが好ましい。時系列に沿った運用データの変化を制御機械学習モデルに反映させるべく、運用データは、時間を特定する情報（例えば、日時）と関連付けられて格納されることが好ましい。
【0040】
（センサデータ）
センサデータは、特に限定されない。センサデータは、例えば、サーボモータの回転位置に関するデータ、駆動部２５に加えられた負荷に関するデータ、重量センサに関するデータ、光学センサ（カメラ等）に係るデータ、振動センサに係るデータ、音響センサ（マイクロフォン等）に係るデータ、温度センサに係るデータ、障害物を検知する装置（レーダー、ソナー、近接センサ等）に係るデータ、測位システムにより計測された現在位置に係るデータ、又は生体情報を取得する機器から得られたデータ等を含む。ロボット２が入力部２６（後述）を備える場合、センサデータは、入力機器から得られたデータを含んでもよい。
センサデータは、特に限定されない。センサデータは、例えば、サーボモータの回転位置に関するデータ、駆動部２５に加えられた負荷に関するデータ、重量センサに関するデータ、光学センサ（カメラ等）に係るデータ、振動センサに係るデータ、音響センサ（マイクロフォン等）に係るデータ、温度センサに係るデータ、障害物を検知する装置（レーダー、ソナー、近接センサ等）に係るデータ、測位システムにより計測された現在位置に係るデータ、又は生体情報を取得する機器から得られたデータ等を含む。ロボット２が入力部２６（後述）を備える場合、センサデータは、入力機器から得られたデータを含んでもよい。
【0041】
（制御用データ）
制御用データは、例えば、サーボモータの制御に係るデータ（例えば、制御信号）、エンジンの制御に係るデータ、操舵機構の制御に係るデータ、モータの制御に係るデータ（例えば、電圧又は周波数等）、振動駆動装置の制御に係るデータ、油圧制御に係るデータ、水圧制御に係るデータ、又は空気圧制御に係るデータ等を含む。ロボット２が表示部２７（後述）を備える場合、制御用データは、表示制御に係るデータを含んでもよい。
制御用データは、例えば、サーボモータの制御に係るデータ（例えば、制御信号）、エンジンの制御に係るデータ、操舵機構の制御に係るデータ、モータの制御に係るデータ（例えば、電圧又は周波数等）、振動駆動装置の制御に係るデータ、油圧制御に係るデータ、水圧制御に係るデータ、又は空気圧制御に係るデータ等を含む。ロボット２が表示部２７（後述）を備える場合、制御用データは、表示制御に係るデータを含んでもよい。
【0042】
例えば、ロボットがバリスタロボットである場合、センサデータは、飲料の提供に係る各種装置を操作するロボットアームに設けられたサーボモータの回転位置に関するデータ、前述のロボットアームの先端周辺にある容器及び各種装置の操作パネル等を読み取る光学センサ（カメラ等）に関するデータ、並びに前述のロボットアーム周辺の障害物を検知する装置に関するデータを含むことが好ましい。これにより、支援装置１は、例えば、サーボモータの回転位置と容器又は各種装置に関する光学センサのデータとの間にある複雑な関係がサーボモータを用いたロボットアームの機械的駆動に反映されるように機械学習を行える。
【0043】
また、ロボットが複数のサーボモータによりロボットアームを動かすバリスタロボットである場合、制御用データは、サーボモータの制御に係るデータを含むことが好ましい。前述したバリスタロボットに係るセンサデータと共に当該データを学習データとして用いることにより、支援装置１は、例えば、「ロボットアームをあと少し前に出せば容器を掴める位置になる」状況を示す光学センサのデータ及び「ロボットアームをあと少し前に出せるサーボモータの回転位置」を示すセンサデータと、そのときに容器を掴める位置にロボットアームを動かすことに成功したサーボモータの制御に係るデータとを含む学習データに基づいて、当該状況において適切にロボットアームを動かす制御を制御機械学習モデルに機械学習させることができる。
【0044】
制御機械学習モデルは、ロボットの制御に用いられる機械学習モデルである。制御機械学習モデルは、後述する機械学習部１１３において、少なくともセンサデータを説明変数として含み、制御用データを目的変数として含む学習データを用いた機械学習が行われている。指令に応じた複数の機能を提供するロボットの制御に寄与すべく、制御機械学習モデルは、上述の指令項目を説明変数としてさらに含む学習データを用いた機械学習が行われていることが好ましい。地域に応じた最適化を行うべく、制御機械学習モデルは、上述の地域を示すデータを説明変数としてさらに含む学習データを用いた機械学習が行われていることが好ましい。
【0045】
（言語コミュニケーションに係る言語モデル）
ロボットが行う言語コミュニケーションに係る機械学習モデルを提供すべく、ロボット情報は、上述の取得元ロボットから当該取得元ロボットの利用者へ向けて出力する言語表現を生成する言語モデルをさらに含むことが好ましい。このとき、言語表現に係る最適化を行うべく、ロボットの運用データは、上述の取得元ロボットから当該取得元ロボットの利用者へ向けて出力した言語表現及び当該言語表現に係る状況と、当該言語表現に対する当該利用者の評価をさらに含むことが好ましい。
ロボットが行う言語コミュニケーションに係る機械学習モデルを提供すべく、ロボット情報は、上述の取得元ロボットから当該取得元ロボットの利用者へ向けて出力する言語表現を生成する言語モデルをさらに含むことが好ましい。このとき、言語表現に係る最適化を行うべく、ロボットの運用データは、上述の取得元ロボットから当該取得元ロボットの利用者へ向けて出力した言語表現及び当該言語表現に係る状況と、当該言語表現に対する当該利用者の評価をさらに含むことが好ましい。
【0046】
言語表現に係る状況として、ロボットに特定の指令が入力された状況及びロボットに係る特定の動作状況が挙げられる。当該言語モデルは、状況を示すデータを入力されたときに利用者からの高い評価が見込まれる言語表現を出力するよう構成される。
【0047】
当該言語モデルは、ロボットに特定の指令が入力された状況であるときに、当該指令に応じた言語表現を出力するよう構成されることが好ましい。当該指令及び言語表現の一例として、エスプレッソを提供せよとの指令を入力されたときに、当該指令に応じた言語表現「エスプレッソですね。承りました。ボタンを押してシングルかダブルかを選んでください。」を出力する場合が挙げられる。
【0048】
また、当該言語モデルは、ロボットが特定の動作状況になったときに、当該動作状況に応じた言語表現を出力するよう構成されることが好ましい。当該指令及び言語表現の一例として、エスプレッソの抽出が完了した動作状況になったときに、当該動作状況に応じた言語表現「エスプレッソができあがりました。お熱いのでお気をつけてお取りください。ご利用ありがとうございました。」を出力する場合が挙げられる。
【0049】
状況に応じて利用者からの評価を得られる言語表現を生成すべく、当該言語モデルは、状況及び生成された言語表現に対する当該利用者の評価を説明変数として含み、かつ、当該状況に対応する言語表現を目的変数として含む学習データを用いた事前学習が行われていることが好ましい。
【0050】
特定地域において利用者からの評価を得られる言語表現を生成すべく、当該言語モデルは、地域、状況及び生成された言語表現に対する当該利用者の評価を説明変数として含み、かつ、当該地域及び状況に対応する言語表現を目的変数として含む学習データを用いた事前学習が行われていることが好ましい。
【0051】
当該言語モデルに係るデータは、上述した記憶部１３に格納される態様のほか、外部のサーバに格納される態様も考えられる。外部のサーバにデータが格納される態様の言語モデルは、例えば、ＡＰＩ等を経由して生成されたテキスト等を支援装置１に提供する。
【0052】
（説明書生成に係る言語モデル）
ロボットの説明書に係る機械学習モデルを提供すべく、ロボット情報は、運用データに基づいて説明書を生成する言語モデルをさらに含むことが好ましい。当該言語モデルは、ロボットに対する指令項目及び当該指令項目と関連付けられた運用データを入力されたときに、当該指令項目に係る利用方法を示す説明書を生成するよう構成される。このとき、運用データ取得部１１２により取得される運用データは、ロボットに対する指令項目と関連付けられたセンサデータ及び制御用データを含む運用データを取得する。
ロボットの説明書に係る機械学習モデルを提供すべく、ロボット情報は、運用データに基づいて説明書を生成する言語モデルをさらに含むことが好ましい。当該言語モデルは、ロボットに対する指令項目及び当該指令項目と関連付けられた運用データを入力されたときに、当該指令項目に係る利用方法を示す説明書を生成するよう構成される。このとき、運用データ取得部１１２により取得される運用データは、ロボットに対する指令項目と関連付けられたセンサデータ及び制御用データを含む運用データを取得する。
【0053】
利用者に評価される説明書を生成すべく、当該言語モデルは、指令項目、運用データ及び生成された説明書に対する当該利用者の評価を説明変数として含み、かつ、当該指令項目及び運用データに対応する説明書を目的変数として含む学習データを用いた事前学習が行われていることが好ましい。
【0054】
図３は、ロボットデータベース１３２の一例である。当該例には、ロボットデータベース１３２に格納されるデータとして、ロボットＩＤ「Ｒ０００１」「Ｒ０００２」「Ｒ０１０１」「Ｒ０１０２」等に係るロボット情報が示されている。
【0055】
ロボットＩＤ「Ｒ０００１」に係るロボット情報は、ロボットの種別「バリスタロボット」及び地域「東京」と、「日時、指令項目、センサ、機械的駆動」等を含む運用データと、制御機械学習モデル及び言語モデル（図示せず）とを含んでいる。すなわち、当該ロボット情報は、東京で運用されるバリスタロボットがコーヒーを提供するときの運用データ及び当該バリスタロボットを制御するための制御機械学習モデルを含んでいる。
【0056】
ロボットＩＤ「Ｒ０００２」に係るロボット情報及びロボットＩＤ「Ｒ０１０１」に係るロボット情報は、いずれも、ロボットの種別「バリスタロボット」及び地域「大阪」と、「日時、指令項目、センサ、機械的駆動」等を含む運用データと、制御機械学習モデル及び言語モデル（図示せず）とを含んでいる。すなわち、当該ロボット情報は、ロボットＩＤ「Ｒ０００１」に係るロボット情報とロボットの種別が同じであるが運用される地域が異なる複数のロボットについてのデータである。
【0057】
ロボットＩＤ「Ｒ０１０２」に係るロボット情報は、ロボットの種別「医療ロボット」及び地域「大阪」と、「日時、指令項目、センサ、機械的駆動」等を含む運用データと、制御機械学習モデル及び言語モデル（図示せず）とを含んでいる。すなわち、当該ロボット情報は、ロボットＩＤ「Ｒ０００２」に係るロボット情報及びロボットＩＤ「Ｒ０１０１」に係るロボット情報と同じ地域であるが、種別が異なるロボットについてのデータである。
【0058】
当該例にこれらのデータが格納されることにより、支援装置１は、例えば、ロボットＩＤ「Ｒ０００１」に係るバリスタロボットに、ロボットＩＤ「Ｒ０００２」及び「Ｒ０１０１」に係る他のバリスタロボットの運用データに基づく機械学習が行われた制御機械学習モデルを提供できる。また、支援装置１は、例えば、ロボットＩＤ「Ｒ０００２」に係るバリスタロボットに、同じ地域で運用される同種のバリスタロボットに係るロボットＩＤ「Ｒ０１０１」の運用データに基づいて、地域に係る最適化を目指す機械学習が行われた制御機械学習モデルを提供できる。
【0059】
［通信部１４］
通信部１４は、支援装置１をネットワークＮに接続して通信可能にする部材を含んで構成されていれば、特に限定されない。当該部材として、例えば、イーサネット規格に対応したネットワークカード、無線ＬＡＮに対応した通信機器等が挙げられる。
通信部１４は、支援装置１をネットワークＮに接続して通信可能にする部材を含んで構成されていれば、特に限定されない。当該部材として、例えば、イーサネット規格に対応したネットワークカード、無線ＬＡＮに対応した通信機器等が挙げられる。
【0060】
〔ロボット２〕
ロボット２は、制御部２１、記憶部２２、通信部２３、センサ２４、及び駆動部２５等を備える。ロボット２は、制御部２１及び記憶部２２等が協働して実現し、通信部２３を介して支援装置１から提供された制御機械学習モデルを利用するソフトウェア構成要素によって、センサ２４からのデータに基づく駆動部２５の制御を行う機械装置である。
ロボット２は、制御部２１、記憶部２２、通信部２３、センサ２４、及び駆動部２５等を備える。ロボット２は、制御部２１及び記憶部２２等が協働して実現し、通信部２３を介して支援装置１から提供された制御機械学習モデルを利用するソフトウェア構成要素によって、センサ２４からのデータに基づく駆動部２５の制御を行う機械装置である。
【0061】
ロボット２は、センサ２４及び駆動部２５を備える産業ロボットであれば特に限定されない。このようなロボット２として、例えば、医療用ロボット、農業用ロボット、移動用ロボット、自動運転ロボット、検品ロボット、家庭用ロボット、エンジニアロボット、警備ロボット、サービス業ロボット、物流仕分けサポートロボット、高齢化社会サポートロボット、日常生活サポートロボット、漁業サポートロボット、災害支援サポートロボット、建築支援サポートロボット等が挙げられる。
【0062】
サービス業ロボットは、例えば、ロボットアームを備え、当該ロボットアームにより各種装置を操作して飲料を提供するバリスタロボットを含む。ドローンロボットは、例えば、センサ２４から得られた風向及び風速に係るデータ並びに位置情報に基づいてローターを制御して荷物を運搬する運搬用ロボットを含む。農業用ロボットは、例えば、センサ２４により取得された畑又は果樹園の状況に基づいて移動機構及び果実採取用のロボットアームを制御する収穫用ロボットを含む。
【0063】
また、ロボット２は、センサ２４等からのデータに対する情報処理を主たる機能とする自動処理装置でもよい。情報処理を主たる機能とする自動処理装置として、例えば、感情認知ロボット、マーケティングロボット、健康管理ロボット、セールスロボット、人事評価ロボット、教育系ロボット、畜産サポートロボット、養殖業サポートロボット、酪農業サポートロボット、エンタメサポートロボット、経営コンサルロボット、経営戦略立案サポートロボ等が挙げられる。
【0064】
以下では、ロボット２がバリスタロボット（サービス業ロボットの一例）、運搬用ロボット（ドローンロボットの一例）、及び収穫用ロボット（農業用ロボットの一例）である場合を主たる例として説明するが、当業者であれば、これらの例示に基づいてその他の種類のロボット２についても本実施形態のシステムＳを実施できよう。
【0065】
ロボット２は、駆動部２５又は表示部２７等の制御に係るソフトウェア構成要素を実現する部材として、制御部２１、記憶部２２、及び通信部２３を備える。ロボット２の動作に係る情報を取得すべく、ロボット２は、センサ２４を備えることが好ましい。機械的な動作によって各種の機能を提供すべく、ロボット２は、駆動部２５を備えることが好ましい。利用者からの入力を取得すべく、ロボット２は、入力部２６を備えることが好ましい。利用者に情報を伝えるべく、ロボット２は、表示部２７を備えることが好ましい。
【0066】
［制御部２１］
制御部２１のハードウェア構成は、制御部１１と同様でよい。制御部２１は、必要に応じて他の部材と協働して、ロボット２を制御する各種ソフトウェア構成要素を実現する。そして、制御部２１は、センサ２４等から取得されたデータに基づく支援装置１から提供された制御機械学習モデル等を用いた処理により、駆動部２５等を制御する処理を実行する。
制御部２１のハードウェア構成は、制御部１１と同様でよい。制御部２１は、必要に応じて他の部材と協働して、ロボット２を制御する各種ソフトウェア構成要素を実現する。そして、制御部２１は、センサ２４等から取得されたデータに基づく支援装置１から提供された制御機械学習モデル等を用いた処理により、駆動部２５等を制御する処理を実行する。
【0067】
［記憶部２２］
記憶部２２のハードウェア構成は、記憶部１３と同様でよい。記憶部２２には、支援装置１から提供された制御機械学習モデル及びロボット２を制御するプログラム等が格納される。
記憶部２２のハードウェア構成は、記憶部１３と同様でよい。記憶部２２には、支援装置１から提供された制御機械学習モデル及びロボット２を制御するプログラム等が格納される。
【0068】
［通信部２３］
通信部２３のハードウェア構成は、通信部１４と同様でよい。通信部２３は、ロボット２をネットワークＮに接続して支援装置１等と通信可能にする。
通信部２３のハードウェア構成は、通信部１４と同様でよい。通信部２３は、ロボット２をネットワークＮに接続して支援装置１等と通信可能にする。
【0069】
［センサ２４］
センサ２４は、ロボット２の動作に係る情報を取得し、センサデータとして出力する各種機器を含む。センサ２４は、例えば、サーボモータの回転位置を取得するセンサ、駆動部２５等に加えられた負荷を取得するセンサ、重量センサ、光学センサ（カメラ等）、振動センサ、音響センサ（マイクロフォン等）、温度センサ、障害物を検知する装置（レーダー、ソナー、近接センサ等）、測位システム（全地球測位システム（ＧＰＳ）、全地球航法衛星システム（ＧＮＳＳ）等）、又は生体情報を取得する機器等を含む。センサデータは、デジタル信号又はアナログ信号のいずれを含んでもよい。センサデータがアナログ信号を含む場合、制御部２１は、当該アナログ信号を処理してデジタル情報にする処理を実行することが好ましい。
センサ２４は、ロボット２の動作に係る情報を取得し、センサデータとして出力する各種機器を含む。センサ２４は、例えば、サーボモータの回転位置を取得するセンサ、駆動部２５等に加えられた負荷を取得するセンサ、重量センサ、光学センサ（カメラ等）、振動センサ、音響センサ（マイクロフォン等）、温度センサ、障害物を検知する装置（レーダー、ソナー、近接センサ等）、測位システム（全地球測位システム（ＧＰＳ）、全地球航法衛星システム（ＧＮＳＳ）等）、又は生体情報を取得する機器等を含む。センサデータは、デジタル信号又はアナログ信号のいずれを含んでもよい。センサデータがアナログ信号を含む場合、制御部２１は、当該アナログ信号を処理してデジタル情報にする処理を実行することが好ましい。
【0070】
［駆動部２５］
駆動部２５は、ロボット２を機械的に動かす部材である。駆動部２５は、上述の制御機械学習モデル等を用いた処理により生成された制御用データにより制御される。制御用データは、デジタル信号又はアナログ信号を含む。駆動部２５の種類は、特に限定されない。駆動部２５の種類は、例えば、サーボモータ、エンジン、操舵機構、モータ、振動駆動装置、油圧制御装置、水圧制御装置、又は空気圧制御装置等を含む。
駆動部２５は、ロボット２を機械的に動かす部材である。駆動部２５は、上述の制御機械学習モデル等を用いた処理により生成された制御用データにより制御される。制御用データは、デジタル信号又はアナログ信号を含む。駆動部２５の種類は、特に限定されない。駆動部２５の種類は、例えば、サーボモータ、エンジン、操舵機構、モータ、振動駆動装置、油圧制御装置、水圧制御装置、又は空気圧制御装置等を含む。
【0071】
サーボモータは、例えば、ロボットアーム、開閉部、コンベア、クロッパー、又はセンサドーム等を指令された向きに動かすモータである。エンジンは、駆動輪又は回転翼その他の回転部材に伝えられる回転動作等を生み出す内燃機関又は外燃機関等である。操舵機構は、自動車の車輪の向き、船舶の舵の向き、又は航空機の動翼の向き等を変更させる装置である。モータは、駆動輪、回転翼、ファン、プーリー、又はギア等を回転させる電動機である。振動駆動装置は、振動によって回転又は移動等を行わせる装置である。油圧制御装置は、油圧によって例えば、ロボットアーム、開閉部、コンベア、クロッパー、又はセンサドーム等を動かす装置である。水圧制御装置は、油圧の代わりに水圧を用いる点を除き、油圧制御装置と同様である。空気圧制御装置は、油圧の代わりに空気圧を用いる点を除き、油圧制御装置と同様である。
【0072】
［入力部２６］
入力部２６は、利用者からの入力を電気信号に変換して制御部２１等に伝える部材であれば、特に限定されない。入力部２６の種類は、例えば、タッチパネル、キーボード、各種ポインティングデバイス、スイッチ、マイクロフォン、又はカメラ等である。
入力部２６は、利用者からの入力を電気信号に変換して制御部２１等に伝える部材であれば、特に限定されない。入力部２６の種類は、例えば、タッチパネル、キーボード、各種ポインティングデバイス、スイッチ、マイクロフォン、又はカメラ等である。
【0073】
［表示部２７］
表示部２７は、利用者に情報を伝える部材であれば、特に限定されない。表示部２７の種類は、例えば、液晶ディスプレイ（ＬＣＤ）、有機エレクトロルミネッセンスディスプレイ（ＯＬＥＤ）、電子ペーパー、又はマイクロ発光ダイオードディスプレイ（マイクロＬＥＤ）等である。なお、本実施形態においては、スピーカー等の非光学的手段によって情報を伝える部材も、表示部２７と同様の機能を提供するものとして扱う。
表示部２７は、利用者に情報を伝える部材であれば、特に限定されない。表示部２７の種類は、例えば、液晶ディスプレイ（ＬＣＤ）、有機エレクトロルミネッセンスディスプレイ（ＯＬＥＤ）、電子ペーパー、又はマイクロ発光ダイオードディスプレイ（マイクロＬＥＤ）等である。なお、本実施形態においては、スピーカー等の非光学的手段によって情報を伝える部材も、表示部２７と同様の機能を提供するものとして扱う。
【0074】
［バリスタロボットであるロボット２］
図４は、ロボット２の一例である。当該例は、バリスタロボットであるロボット２及びロボット２により操作される周辺機器を示している。
図４は、ロボット２の一例である。当該例は、バリスタロボットであるロボット２及びロボット２により操作される周辺機器を示している。
【0075】
当該例において、バリスタロボットであるロボット２は、制御部２１、記憶部２２、及び通信部２３と、ロボットアーム周辺を撮像するカメラであるセンサ２４と、ロボットアームの各回転部を指示された向きに動かすサーボモータである複数の駆動部２５と、入力部２６及び表示部２７を兼ねたタッチパネル付液晶ディスプレイとを備える。
【0076】
バリスタロボットであるロボット２は、上述の各種部材が協働することにより、ロボットアームを動かし、コーヒー豆を挽くミルＭ、水及び氷を提供するウォーターサーバーＷ、及びコーヒーを抽出するエスプレッソマシンＥ等を操作する。また、ロボット２のロボットアームは、必要に応じて提供用の容器（図示せず）を各種周辺機器の所定位置又は顧客のところまで動かす。
【0077】
人間が使う機器として設計されたミルＭ、ウォーターサーバーＷ、及びエスプレッソマシンＥ等の周辺機器は、計器及びレバーの位置等を目視によって読み取り、周辺機器周辺を見ながら容器を適切な位置に載置した上で、繊細な力加減が必要なダイヤル、ボタン及びレバー等を操作する必要がある。このような周辺機器をロボットアームで操作し、さらに、プラスチック又は紙等によって例示される柔軟な素材で構成された容器を潰さないように把持して運ぶためには、センサ２４からのセンサデータを適切に処理し、駆動部２５の制御を通じてロボットアームを正確に動かす必要がある。
【0078】
本実施形態の支援装置１は、センサデータ及び制御用データを共に含む運用データに基づく機械学習によって、このような処理を実現するに至った制御機械学習モデルを提供し、さらに、他のロボット２を含む複数のロボット２から定額契約中に収集された運用データを用いてさらなる機械学習を行うことで、ロボット２がこれらの周辺機器を用いてコーヒー等の飲料を提供できるよう支援する。加えて、本実施形態の支援装置１は、運用データに基づく機械学習によって、顧客に応じたサービスを提供する制御機械学習モデルを提供し得る。制御機械学習モデルは、例えば、顧客の嗜好を学習し、訪問時におすすめのメニュー又はサービスを提案するようロボット２を制御し得る。
【0079】
［運搬用ロボットであるロボット２］
運搬用ロボットであるロボット２は、例えば、複数の回転翼を有するマルチコプターと、荷物又は荷役台等を把持して運搬する把持機構とを備える。運搬用ロボットであるロボット２は、周辺を撮影するカメラ、風速等を測定する風速計、及び測位システム等を含むセンサ２４からのセンサデータに基づく制御機械学習モデルを用いた処理によって回転翼を回転させる駆動部２５及び把持機構を動かす別の駆動部２５を制御し、荷物を運搬する。
運搬用ロボットであるロボット２は、例えば、複数の回転翼を有するマルチコプターと、荷物又は荷役台等を把持して運搬する把持機構とを備える。運搬用ロボットであるロボット２は、周辺を撮影するカメラ、風速等を測定する風速計、及び測位システム等を含むセンサ２４からのセンサデータに基づく制御機械学習モデルを用いた処理によって回転翼を回転させる駆動部２５及び把持機構を動かす別の駆動部２５を制御し、荷物を運搬する。
【0080】
センサデータから得られた機体各部の状況に応じて飛行可否の判断を行い、風向き等の気象条件及び周辺状況に応じて過去の飛行データを含む運用データを援用することで適切なルートを飛行し、届け先の都合がよい場所に荷物を運ぶ機能は、センサデータに基づく複雑な判断を要する。本実施形態の支援装置１は、運用データに基づく機械学習によってこのような処理を実現するに至った制御機械学習モデルを提供し、さらに、運用データを用いてさらなる機械学習を行うことで、ロボット２がこのような判断を行って荷物を適切に運搬できるよう支援する。
【0081】
［収穫用ロボットであるロボット２］
収穫用ロボットであるロボット２は、駆動輪等によって構成される移動機構と、サーボモータ又は空気圧制御装置等によって動かされる収穫用のロボットアームとを備える。収穫用ロボットであるロボット２は、収穫対象となる果樹等を撮影するカメラ及び測位システム等を含むセンサ２４からのセンサデータに基づく制御機械学習モデルを用いた処理によって移動機構を動かす駆動部２５及び収穫用のロボットアームを動かす別の駆動部２５を制御し、果実等を収穫する。
収穫用ロボットであるロボット２は、駆動輪等によって構成される移動機構と、サーボモータ又は空気圧制御装置等によって動かされる収穫用のロボットアームとを備える。収穫用ロボットであるロボット２は、収穫対象となる果樹等を撮影するカメラ及び測位システム等を含むセンサ２４からのセンサデータに基づく制御機械学習モデルを用いた処理によって移動機構を動かす駆動部２５及び収穫用のロボットアームを動かす別の駆動部２５を制御し、果実等を収穫する。
【0082】
作物又は土壌の状態に応じて肥料又は農薬等を適切に適用し、生育状況等に応じて収穫に適した時期を判別し、エリアごとの生育状況に応じた適切なルートで無駄なく移動し、収穫に適した果実を判別して、そのような果実を傷つけずに収穫する機能は、センサデータに基づく複雑な判断を要する。本実施形態の支援装置１は、運用データに基づく機械学習によってこのような処理を実現するに至った制御機械学習モデルを提供し、さらに、運用データを用いてさらなる機械学習を行うことで、ロボット２がこのような判断を行って果実を適切に収穫できるよう支援する。
【0083】
［機械的な動作を伴うその他のロボット２］
上記のほか、センサ２４と駆動部２５とが協働した機械的な動作によって高度な機能を提供する各種のロボット２が、本実施形態のシステムＳに含まれ得る。以下は、その一例である。
上記のほか、センサ２４と駆動部２５とが協働した機械的な動作によって高度な機能を提供する各種のロボット２が、本実施形態のシステムＳに含まれ得る。以下は、その一例である。
【0084】
産業ロボットであるロボット２において、本実施形態の支援装置１は、運用データを用いたデータ駆動型の最適化を制御機械学習モデルに施すことにより、生産効率の向上、コスト削減、品質の向上、又はダウンタイムの減少等を実現し得る。
【0085】
医療用ロボットであるロボット２において、本実施形態の支援装置１は、手術中の運用データ解析に基づく制御機械学習モデルへのフィードバック又は定型的な作業の運用データに基づく最適化等を実現し得る。加えて、本実施形態の支援装置１は、リハビリテーションに係る運用データに基づくリハビリテーション計画の提案、診断装置に係る運用データに基づく病気の早期診断、患者のケアに係る運用データに基づくパーソナライズドケアの提供等にも寄与し得る。
【0086】
農業用ロボットであるロボット２において、本実施形態の支援装置１は、運用データに基づくロボット２の移動経路の最適化、カメラ等のセンサデータに基づく機械学習による病虫害の早期発見及び早期発見に基づく農薬等の散布、カメラ等のセンサデータに基づく機械学習による生育状況の把握及び当該把握に基づく肥料等の散布、又は土壌湿度センサに係るセンサデータ等に基づく機械学習による灌漑計画の立案及び当該計画に基づいた灌漑ロボットの制御等を実現し得る。加えて、本実施形態の支援装置１は、農作業に係る運用データに基づく機械学習による労働者のスケジュールの最適化、市場の需要に係る運用データに基づく機械学習による作付け計画又は収穫計画の最適化等にも寄与し得る。
【0087】
移動用ロボットであるロボット２において、本実施形態の支援装置１は、過去の移動データを含む運用データに基づく機械学習が行われた制御機械学習モデルによるリアルタイムの交通情報を用いた移動計画の最適化、障害物回避に係る運用データに基づく機械学習が行われた制御機械学習モデルによるセンサデータに基づいた好適な障害物回避、バッテリー又は燃料の残量を含む運用データに基づく機械学習が行われた制御機械学習モデルによるエネルギー効率の改善、又はナビゲーションに係る運用データに基づく機械学習が行われた制御機械学習モデルによるユーザに応じたナビゲーション等を実現し得る。
【0088】
自動運転ロボットであるロボット２において、本実施形態の支援装置１は、経路最適化に係る運用データを用いた機械学習によるリアルタイム経路計算又は交通状況の学習等を実現し得る。加えて、本実施形態の支援装置１は、環境認識と安全性向上に係る運用データに基づく機械学習による障害物検知と回避又は天候対応の提供、エネルギー管理に係る運用データに基づくバッテリー管理又はエネルギー効率の最適化の提供、メンテナンスと予防保守に係る運用データに基づく予防保守又は自動診断システムの提供等にも寄与し得る。また、本実施形態の支援装置１は、自律ナビゲーションに基づく高精度ナビゲーション又は動的経路変更、フリートマネジメントに基づく複数ロボットの連携又は需要予測と配車計画、ユーザ体験の向上に基づくパーソナライズドサービス又はリアルタイムサポート等にも寄与し得る。
【0089】
検品ロボットであるロボット２において、本実施形態の支援装置１は、検査精度に係る運用データを用いた機械学習による画像解析の強化又は微細な欠陥検出等を実現し得る。加えて、本実施形態の支援装置１は、動作パスの最適化に係る運用データに基づく機械学習による効率的な検査ルートの提供、検査データの解析とフィードバックに基づくリアルタイム解析又はフィードバックループの提供、予防保守とメンテナンスに基づく機器の異常検知又は自動診断の提供等にも寄与し得る。また、本実施形態の支援装置１は、効率的なリソース管理に基づくリソースの最適化又は作業スケジュールの提案、データの継続的学習と改善に基づく継続的な学習又は改善提案、異常の早期発見と対策に基づく異常パターンの検出等にも寄与し得る。
【0090】
家庭用ロボットであるロボット２において、本実施形態の支援装置１は、清掃状況に係る運用データに基づく機械学習が行われた制御機械学習モデルによる清掃ロボットの経路最適化、家庭内の使用電力に係る運用データに基づく機械学習が行われた制御機械学習モデルによる各ロボットの動作最適化、セキュリティ機器のセンサデータ等に係る運用データに基づく機械学習が行われた制御機械学習モデルによる家庭内セキュリティの向上等を実現し得る。加えて、本実施形態の支援装置１は、家族の健康データに係る運用データに基づく機械学習による健康増進計画の立案等にも寄与し得る。
【0091】
エンジニアロボットであるロボット２において、本実施形態の支援装置１は、作業精度及び効率に係る運用データを用いた機械学習による自動キャリブレーション又は動作パスの最適化等を実現し得る。加えて、本実施形態の支援装置１は、予防保守とメンテナンスに係る運用データに基づく機械学習による異常検知又は自動診断システムの提供、作業プロセスの運用データに基づくプロセス最適化又は動的スケジューリングの提供、作業環境の安全性に係る運用データに基づくリスク評価又は安全プロトコルの自動適用の提供等にも寄与し得る。また、本実施形態の支援装置１は、技術の継続的学習と改善に基づくデータ駆動型の改善又はフィードバックループ、人間との協働に係る運用データに基づく機械学習による協働作業又はインタラクションの最適化、新技術の導入と適応に基づく最新技術の適応又は技術トレンドの予測等にも寄与し得る。
【0092】
警備ロボットであるロボット２において、本実施形態の支援装置１は、異常検知及び対応に係る運用データを用いた機械学習による異常行動の検出又はリアルタイム対応の提供等を実現し得る。加えて、本実施形態の支援装置１は、パトロールルートに係る運用データに基づく機械学習による効率的なルート計算又は動的ルート調整の提供、監視データの統合管理に係る運用データに基づくデータ統合プラットフォームの提供又は長期データ解析、環境認識及び障害物回避に係る運用データに基づくリアルタイム環境認識又は適応型移動の提供等にも寄与し得る。また、本実施形態の支援装置１は、セキュリティ強化及びデータプライバシーに係る運用データに基づく機械学習によるセキュリティプロトコルの強化又はプライバシー保護、継続的な学習及び改善に係る運用データに基づく機械学習によるデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0093】
サービス業ロボットであるロボット２において、本実施形態の支援装置１は、顧客サービスのパーソナライズに係る運用データを用いた機械学習による顧客プロファイリング又はおすすめサービスの提供等を実現し得る。加えて、本実施形態の支援装置１は、業務効率の向上に係る運用データに基づく機械学習によるタスクの自動化又は動的スケジューリング、インタラクションの質に係る運用データに基づく自然言語処理の強化又はリアルタイムフィードバックの提供、トレンド予測と需要管理に係る運用データに基づく需要予測又はトレンドの分析の提供等にも寄与し得る。また、本実施形態の支援装置１は、セキュリティとプライバシーに係る運用データに基づく機械学習によるデータセキュリティ又はプライバシー管理、継続的な学習及び改善に基づく運用データに基づく機械学習によるデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0094】
物流仕分けサポートロボットであるロボット２において、本実施形態の支援装置１は、仕分けプロセスに係る運用データを用いた機械学習による経路最適化又はリアルタイムの動的スケジューリング等を実現し得る。加えて、本実施形態の支援装置１は、エラーの減少と精度向上に係る運用データに基づく機械学習によるバーコードやＱＲコード（登録商標）の読み取り精度向上又は画像解析による認識精度向上、労働力の効率化に係る運用データに基づくタスクの自動化又はロボットと人間の協働の提供、予防保守とメンテナンスに係る運用データに基づく機械学習による異常検知又は自動診断の提供等にも寄与し得る。また、本実施形態の支援装置１は、データ解析と改善提案に基づく業務データの解析又は予測分析、安全性と規制遵守に基づく安全プロトコルの適用又は規制対応、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0095】
高齢化社会サポートロボットであるロボット２において、本実施形態の支援装置１は、健康管理と予防ケアに係る運用データを用いた機械学習によるバイタルサインの監視又は服薬管理等を実現し得る。加えて、本実施形態の支援装置１は、安全とセキュリティの強化に係る運用データに基づく機械学習による転倒検知又は自動ロックシステムの提供、日常生活のサポートに係る運用データに基づく家事支援又は移動支援の提供、社会的交流と精神的ケアに係る運用データに基づくコミュニケーション支援又はレクリエーション活動の提供等にも寄与し得る。また、本実施形態の支援装置１は、リモートモニタリングとサポートに基づく遠隔医療又は家族への通知、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0096】
日常生活サポートロボットであるロボット２において、本実施形態の支援装置１は、家事の効率化に係る運用データを用いた機械学習による掃除の最適化又は洗濯の自動化等を実現し得る。加えて、本実施形態の支援装置１は、健康管理とフィットネスに係る運用データに基づく機械学習によるバイタルサインの監視又はフィットネスサポートの提供、食事の管理と調理サポートに係る運用データに基づくレシピ提案と調理支援又は食材管理の提供、セキュリティと見守りに係る運用データに基づく自動監視システム又は高齢者の見守りの提供等にも寄与し得る。また、本実施形態の支援装置１は、スケジュール管理とリマインダーに基づくスケジュールの最適化又はパーソナライズドリマインダーの提供、継続的な学習と改善に基づくフィードバックの活用又はデータ駆動型の最適化等にも寄与し得る。
【0097】
漁業サポートロボットであるロボット２において、本実施形態の支援装置１は、魚群探知と最適な漁場の特定に係る運用データを用いた機械学習による魚群探知データの解析又は環境データの統合等を実現し得る。加えて、本実施形態の支援装置１は、収穫効率の向上に係る運用データに基づく機械学習による漁獲作業の自動化又はリアルタイムモニタリングと調整の提供、持続可能な漁業管理に係る運用データに基づく漁獲量の管理又は種別選択の最適化の提供、環境モニタリングと適応に係る運用データに基づく海洋環境データの収集又は気候変動の影響予測の提供等にも寄与し得る。また、本実施形態の支援装置１は、労働力の効率化と安全性向上に基づく作業の自動化又は安全監視システムの提供、データ駆動型の改善に基づく収集データの解析又はフィードバックループの構築等にも寄与し得る。
【0098】
災害支援サポートロボットであるロボット２において、本実施形態の支援装置１は、リアルタイム状況把握と情報収集に係る運用データを用いた機械学習によるドローンによる空中監視又は地上ロボットによる現地調査等を実現し得る。加えて、本実施形態の支援装置１は、被災者の救助と支援に係る運用データに基づく機械学習による被災者の位置特定又は医療支援の提供、物流と物資の管理に係る運用データに基づく物資の配達又は在庫管理の提供、インフラ復旧支援に係る運用データに基づく障害物の除去又はインフラ状態の監視の提供等にも寄与し得る。また、本実施形態の支援装置１は、コミュニケーション支援に基づく通信インフラの復旧又は情報提供、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0099】
建築支援サポートロボットであるロボット２において、本実施形態の支援装置１は、施工プロセスに係る運用データを用いた機械学習による作業計画の最適化又はリソース管理の効率化等を実現し得る。加えて、本実施形態の支援装置１は、建設品質に係る運用データに基づく機械学習によるリアルタイム品質監視又は精度の高い施工の提供、労働力の効率化と安全性向上に係る運用データに基づく重機の自動操作又は安全監視システムの提供、環境モニタリングと適応に係る運用データに基づく環境データの収集又は持続可能な建設の提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築、コスト削減と予算管理に基づくコスト分析と予測又は資材の最適調達等にも寄与し得る。
【0100】
［情報処理を行うロボット２］
本実施形態の支援装置１は、センサデータに基づいて機械的な動作を行う代わりに、情報処理の結果を表示することを主たる機能とするロボット２についても、定額契約に伴い収集された運用データに基づく機械学習が行われた機械学習モデルの提供に係る効果を発揮し得る。
本実施形態の支援装置１は、センサデータに基づいて機械的な動作を行う代わりに、情報処理の結果を表示することを主たる機能とするロボット２についても、定額契約に伴い収集された運用データに基づく機械学習が行われた機械学習モデルの提供に係る効果を発揮し得る。
【0101】
感情認知ロボットであるロボット２において、本実施形態の支援装置１は、感情認識の精度に係る運用データを用いた機械学習によるマルチモーダルデータの解析又は個別カスタマイズ等を実現し得る。加えて、本実施形態の支援装置１は、インタラクションの最適化に係る運用データに基づく機械学習によるコンテキスト理解又はリアルタイムフィードバックの提供、パーソナライズされた応答に基づくユーザープロファイルの構築又は学習と適応の提供、ストレス検知とメンタルケアに基づくストレスレベルのモニタリング又はメンタルヘルスサポートの提供等にも寄与し得る。また、本実施形態の支援装置１は、学習の継続と改善に基づく継続的なデータ収集又はフィードバックループの構築等にも寄与し得る。
【0102】
マーケティングロボットであるロボット２において、本実施形態の支援装置１は、ターゲティングの精度向上に係る行動データを用いた生成ＡＩによる解析及びパーソナライズドキャンペーンの提供等を実現し得る。加えて、本実施形態の支援装置１は、コンテンツの最適化に係る生成ＡＩによるコンテンツ生成及びＡ／Ｂテストの自動化の提供、顧客エンゲージメントの向上に係るチャットボットの応答の最適化及びリアルタイム対応の提供、マーケティング効果の分析と最適化に係るキャンペーン効果の解析及びＲＯＩの最適化の提供、顧客体験の向上に係る顧客ジャーニーの最適化及びクロスセルとアップセルの提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくフィードバックループの構築及びトレンド予測の提供等にも寄与し得る。
【0103】
健康管理ロボットであるロボット２において、本実施形態の支援装置１は、個別の健康プラン作成に係る生成ＡＩによる健康データの解析又は習慣の追跡と改善提案の提供等を実現し得る。加えて、本実施形態の支援装置１は、予防医療と早期発見に係る生成ＡＩによる異常検知又はリスク評価の提供、健康モニタリングの効率化に係るリアルタイムモニタリング又はデータの統合管理の提供、フィードバックとアドバイスの提供に係るフィードバックループ又は健康アドバイスの提供、メンタルヘルスのサポートに係るストレスレベルの監視又はメンタルヘルスプランの提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの強化等にも寄与し得る。
【0104】
セールスロボットであるロボット２において、本実施形態の支援装置１は、顧客ターゲティングの精度向上に係る生成ＡＩによる行動データの解析又はパーソナライズドアプローチの提供等を実現し得る。加えて、本実施形態の支援装置１は、セールスプロセスの自動化と効率化に係る生成ＡＩによるリードジェネレーションの自動化又はフォローアップの自動化の提供、セールスパフォーマンスの分析と最適化に係るパフォーマンス分析又は予測分析の提供、インタラクションの質向上に係るチャットボットの最適化又はリアルタイムサポートの提供、トレンドの予測と需要管理に係る市場トレンドの解析又は需要予測の提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくフィードバックの活用又はデータ駆動型の意思決定の提供等にも寄与し得る。
【0105】
人事評価ロボットであるロボット２において、本実施形態の支援装置１は、評価の精度向上に係る生成ＡＩによるパフォーマンスデータの解析又は３６０度評価の提供等を実現し得る。加えて、本実施形態の支援装置１は、バイアスの排除に係る生成ＡＩによるバイアス検出と修正又は標準化された評価基準の提供、個別の成長プランの作成に係るスキルギャップ分析又はトレーニング提案の提供、エンゲージメントとモチベーションの向上に係るフィードバックの提供又はエンゲージメントの測定の提供、パフォーマンス予測と人材配置に係るパフォーマンス予測又は最適な人材配置の提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくフィードバックループの構築又はデータ駆動型の意思決定の提供等にも寄与し得る。
【0106】
教育系ロボットであるロボット２において、本実施形態の支援装置１は、個別学習の最適化に係る生成ＡＩによる学習進捗の解析又はパーソナライズドコンテンツの提供等を実現し得る。加えて、本実施形態の支援装置１は、リアルタイムフィードバックと評価に係る生成ＡＩによる即時評価又は自動グレーディングの提供、効果的なインタラクションの促進に係る対話型学習支援又はエンゲージメントの向上の提供、学習環境の最適化に係る集中力の監視又は物理的環境の調整の提供、学習成果の予測と改善に係る成果予測又は学習方法の改善提案の提供等にも寄与し得る。また、本実施形態の支援装置１は、継続的な学習と改善に基づくフィードバックループの構築又はデータ駆動型の教育戦略の提供等にも寄与し得る。
【0107】
畜産サポートロボットであるロボット２において、本実施形態の支援装置１は、健康管理に係る生成ＡＩによる健康状態の監視又は個別のケアプランの提供等を実現し得る。加えて、本実施形態の支援装置１は、繁殖管理の効率化に係る生成ＡＩによる繁殖サイクルの追跡又は遺伝情報の管理の提供、餌の管理に係る生成ＡＩによる餌の消費量の監視又は栄養バランスの調整の提供、環境管理に係る生成ＡＩによる環境モニタリング又は自動清掃システムの提供等にも寄与し得る。また、本実施形態の支援装置１は、労働力の効率化に基づくタスクの自動化又は作業スケジュールの最適化の提供、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0108】
養殖業サポートロボットであるロボット２において、本実施形態の支援装置１は、養殖環境に係る生成ＡＩによる水質モニタリング又は自動フィードシステムの提供等を実現し得る。加えて、本実施形態の支援装置１は、健康管理と病気予防に係る生成ＡＩによるリアルタイム健康監視又は予防的治療の提供、繁殖管理の効率化に係る生成ＡＩによる繁殖時期の最適化又は遺伝的多様性の管理の提供、労働力の効率化に係る生成ＡＩによるタスクの自動化又は作業スケジュールの最適化の提供等にも寄与し得る。また、本実施形態の支援装置１は、持続可能な養殖の実現に基づく資源の最適利用又は環境インパクトの削減の提供、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0109】
酪農業サポートロボットであるロボット２において、本実施形態の支援装置１は、健康管理に係る生成ＡＩによるリアルタイム健康監視又は個別ケアプランの提供等を実現し得る。加えて、本実施形態の支援装置１は、繁殖管理に係る生成ＡＩによる繁殖サイクルの管理又は遺伝情報の解析の提供、飼料管理に係る生成ＡＩによる餌の消費量の監視又は栄養バランスの調整の提供、ミルク生産に係る生成ＡＩによるミルク生産のモニタリング又は搾乳ロボットの最適化の提供等にも寄与し得る。また、本実施形態の支援装置１は、環境管理に係る生成ＡＩによる環境モニタリング又は自動清掃システムの提供、労働力の効率化に係る生成ＡＩによるタスクの自動化又は作業スケジュールの最適化の提供、継続的な学習と改善に基づくデータ駆動型の改善又はフィードバックループの構築等にも寄与し得る。
【0110】
エンタメサポートロボットであるロボット２において、本実施形態の支援装置１は、生成ＡＩによるユーザの視聴履歴や好みの解析に基づいたパーソナライズドコンテンツの推奨、及びユーザの興味や過去の参加履歴に基づくイベントの提案等を実現し得る。加えて、本実施形態の支援装置１は、生成ＡＩを用いた対話型ＡＩアシスタントによるインタラクションの最適化や、ライブパフォーマンスにおける観客の反応解析とフィードバックの提供等にも寄与し得る。また、本実施形態の支援装置１は、生成ＡＩによる脚本の初稿作成やビジュアルエフェクトの最適化を通じたコンテンツ制作の効率化、ターゲティング広告の最適化やマーケティングキャンペーンの効果解析を通じたマーケティングの最適化、ソーシャルメディア分析やユーザーフィードバックの解析を通じたユーザーエンゲージメントの向上等にも寄与し得る。さらに、本実施形態の支援装置１は、データ駆動型の改善による機能の継続的な学習と改善、現場からのフィードバックに基づくカスタマイズ等にも寄与し得る。
【0111】
経営コンサルロボットであるロボット２において、本実施形態の支援装置１は、生成ＡＩによる市場分析とトレンド予測、及び競合分析等を実現し得る。加えて、本実施形態の支援装置１は、生成ＡＩが業務データを解析して効率化のための改善提案や業務の自動化を推進することにより、業務プロセスの最適化にも寄与し得る。また、本実施形態の支援装置１は、生成ＡＩによるリアルタイムの財務データ解析を通じたコスト削減提案、及び予算編成と管理の最適化等を通じて、財務管理とコスト削減にも寄与し得る。さらに、本実施形態の支援装置１は、生成ＡＩが従業員のパフォーマンスデータを解析して公正で客観的な評価を提供することや、スキルセットを解析して最適なプロジェクトや役割に配置することにより、人材管理と育成にも寄与し得る。また、本実施形態の支援装置１は、生成ＡＩによるリスク予測とコンプライアンス監視を通じたリスク管理と法令遵守の確保にも寄与し得る。さらに、本実施形態の支援装置１は、生成ＡＩがフィードバックループを構築してサービスの質を継続的に向上させることや、最新の知識と技術を学習して最適なソリューションを提供することにより、継続的な学習と改善にも寄与し得る。本実施形態の支援装置１は、生成ＡＩと使用後に溜まったデータを活用することで、経営コンサルロボットの機能を最適化し、データ駆動型の経営戦略立案、業務プロセスの最適化、財務管理とコスト削減、人材管理と育成、リスク管理とコンプライアンス、継続的な学習と改善が実現し、企業はより効果的かつ効率的に経営を行い、競争力を高めることが可能となる。
【0112】
経営戦略立案サポートロボにおいて、本実施形態の支援装置１は、市場分析とトレンド予測に基づく戦略の立案、競合分析とベンチマーキングによる競争優位性の確保、財務計画とリスク管理の最適化、人材管理と組織開発の効率化、戦略のシミュレーションと評価の精度向上、及び継続的な学習と改善等を実現し得る。加えて、本実施形態の支援装置１は、経営層へのフィードバックや従業員のエンゲージメント向上にも寄与し得る。
【0113】
〔ネットワークＮ〕
ネットワークＮの種類は、支援装置１等を通信可能にするものであれば特に限定されない。ネットワークＮの種類は、例えば、インターネット、携帯電話ネットワーク、無線ＬＡＮ等である。
ネットワークＮの種類は、支援装置１等を通信可能にするものであれば特に限定されない。ネットワークＮの種類は、例えば、インターネット、携帯電話ネットワーク、無線ＬＡＮ等である。
【0114】
〔端末Ｔ〕
端末Ｔは、支援装置１の管理者又はロボット２の利用者等により利用される。端末Ｔの種類は、例えば、スマートフォン、タブレット端末、ノートパソコン等の携帯端末、デスクトップパソコン等の据置端末等である。
端末Ｔは、支援装置１の管理者又はロボット２の利用者等により利用される。端末Ｔの種類は、例えば、スマートフォン、タブレット端末、ノートパソコン等の携帯端末、デスクトップパソコン等の据置端末等である。
【0115】
〔支援処理のメインフローチャート〕
図５は、本実施形態の支援処理の好ましい流れの一例を示すメインフローチャートである。図６は、前図から続く図である。図７は、前図から続く図である。図８は、前図から続く図である。図９は、前図から続く図である。以下は、図５から図９を用いた、本実施形態の支援処理の好ましい流れの一例の説明である。
図５は、本実施形態の支援処理の好ましい流れの一例を示すメインフローチャートである。図６は、前図から続く図である。図７は、前図から続く図である。図８は、前図から続く図である。図９は、前図から続く図である。以下は、図５から図９を用いた、本実施形態の支援処理の好ましい流れの一例の説明である。
【0116】
支援装置１は、定額契約管理部１１１により、定額契約に係る請求に対して行われた支払いに基づいて契約期間を更新する一連の処理を実行する。ステップＳ１からステップＳ６は、当該処理の一例である。
【0117】
［ステップＳ１：請求を送信するか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、定額契約管理部１１１を実行する。そして、制御部１１は、定額契約管理部１１１により、ロボットの貸与に係る定額契約に関する請求を送信するか判別する処理を実行する（請求送信判別ステップ）。送信すると判別したならば、制御部１１は、処理をステップＳ２に移す。送信すると判別しなかったならば、制御部１１は、処理をステップＳ３に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、定額契約管理部１１１を実行する。そして、制御部１１は、定額契約管理部１１１により、ロボットの貸与に係る定額契約に関する請求を送信するか判別する処理を実行する（請求送信判別ステップ）。送信すると判別したならば、制御部１１は、処理をステップＳ２に移す。送信すると判別しなかったならば、制御部１１は、処理をステップＳ３に移す。
【0118】
請求送信判別ステップにおいて、定額契約管理部１１１は、例えば、請求予定日以降かつ未払いの定額契約がある場合に、請求を送信すると判別する手順等により、請求を送信するか判別する手順を実現する。
【0119】
［ステップＳ２：請求を送信］
制御部１１は、定額契約管理部１１１により、上述の請求送信判別ステップに関する請求を利用者の端末Ｔに送信する処理を実行する（請求送信実行ステップ）。制御部１１は、処理をステップＳ３に移す。
制御部１１は、定額契約管理部１１１により、上述の請求送信判別ステップに関する請求を利用者の端末Ｔに送信する処理を実行する（請求送信実行ステップ）。制御部１１は、処理をステップＳ３に移す。
【0120】
［ステップＳ３：支払状況を更新するか判別］
制御部１１は、定額契約管理部１１１により、上述の請求送信実行ステップに関する請求に係る支払状況を更新するか判別する処理を実行する（支払状況更新判別ステップ）。更新すると判別したならば、制御部１１は、処理をステップＳ４に移す。更新すると判別しなかったならば、制御部１１は、処理をステップＳ５に移す。
制御部１１は、定額契約管理部１１１により、上述の請求送信実行ステップに関する請求に係る支払状況を更新するか判別する処理を実行する（支払状況更新判別ステップ）。更新すると判別したならば、制御部１１は、処理をステップＳ４に移す。更新すると判別しなかったならば、制御部１１は、処理をステップＳ５に移す。
【0121】
支払状況更新判別ステップにおいて、定額契約管理部１１１は、例えば、当該請求に対応する振込があったとのデータを受信した場合に、支払状況を更新すると判別する手順等により、支払状況を更新するか判別する処理を実現する。
【0122】
［ステップＳ４：支払状況を更新］
制御部１１は、定額契約管理部１１１により、上述の支払状況更新判別ステップに関する支払状況を定額契約データベース１３１において更新する処理を実行する（支払状況更新実行ステップ）。制御部１１は、処理をステップＳ５に移す。
制御部１１は、定額契約管理部１１１により、上述の支払状況更新判別ステップに関する支払状況を定額契約データベース１３１において更新する処理を実行する（支払状況更新実行ステップ）。制御部１１は、処理をステップＳ５に移す。
【0123】
［ステップＳ５：契約期間を更新するか判別］
制御部１１は、定額契約管理部１１１により、上述の支払状況更新実行ステップに関する契約期間を更新するか判別する処理を実行する（契約期間更新判別ステップ）。更新すると判別したならば、制御部１１は、処理をステップＳ６に移す。更新すると判別しなかったならば、制御部１１は、処理をステップＳ７に移す。
制御部１１は、定額契約管理部１１１により、上述の支払状況更新実行ステップに関する契約期間を更新するか判別する処理を実行する（契約期間更新判別ステップ）。更新すると判別したならば、制御部１１は、処理をステップＳ６に移す。更新すると判別しなかったならば、制御部１１は、処理をステップＳ７に移す。
【0124】
契約期間更新判別ステップにおいて、定額契約管理部１１１は、例えば、更新前及び更新後の契約期間に係る未払いの請求がない場合に支払状況更新実行ステップに関する契約期間を更新すると判別する手順等により、契約期間を更新するか判別する処理を実現する。
【0125】
［ステップＳ６：契約期間を更新］
制御部１１は、定額契約管理部１１１により、上述の契約期間更新判別ステップに関する契約期間を定額契約データベース１３１において更新する処理を実行する（契約期間更新実行ステップ）。制御部１１は、処理をステップＳ７に移す。
制御部１１は、定額契約管理部１１１により、上述の契約期間更新判別ステップに関する契約期間を定額契約データベース１３１において更新する処理を実行する（契約期間更新実行ステップ）。制御部１１は、処理をステップＳ７に移す。
【0126】
支援装置１は、運用データ取得部１１２により、複数のロボットに含まれる一の取得元ロボットに係る定額契約の支払いが行われている場合に、当該取得元ロボットの運用データを取得する一連の処理を実行する。ステップＳ７からステップＳ８は、当該処理の一例である。
【0127】
［ステップＳ７：運用データを取得するか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、運用データ取得部１１２を実行する。そして、制御部１１は、運用データ取得部１１２により、ロボット２から運用データを取得するか判別する処理を実行する（運用データ取得判別ステップ）。取得すると判別したならば、制御部１１は、処理をステップＳ８に移す。取得すると判別しなかったならば、制御部１１は、処理をステップＳ９に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、運用データ取得部１１２を実行する。そして、制御部１１は、運用データ取得部１１２により、ロボット２から運用データを取得するか判別する処理を実行する（運用データ取得判別ステップ）。取得すると判別したならば、制御部１１は、処理をステップＳ８に移す。取得すると判別しなかったならば、制御部１１は、処理をステップＳ９に移す。
【0128】
運用データ取得判別ステップにおいて運用データ取得部１１２は、例えば、システムＳに係る複数のロボット２に含まれる一のロボット２（取得元ロボット）に係る定額契約の支払いが行われている場合に、当該ロボット２から運用データを取得すると判別する手順により、運用データを取得するか判別する処理を実現する。当該処理は、取得元ロボットの運用データの取得を定期的に行うタイミング又はそれ以降において当該取得元ロボットの最新の運用データが取得されておらず、かつ、定額契約の支払いが行われている場合に、当該取得元ロボットから運用データを取得すると判別する手順等をさらに含んでもよい。
【0129】
［ステップＳ８：運用データを取得］
制御部１１は、運用データ取得部１１２により、ロボット２（取得元ロボット）から運用データを取得する処理を実行する（運用データ取得実行ステップ）。制御部１１は、処理をステップＳ９に移す。
制御部１１は、運用データ取得部１１２により、ロボット２（取得元ロボット）から運用データを取得する処理を実行する（運用データ取得実行ステップ）。制御部１１は、処理をステップＳ９に移す。
【0130】
運用データは、少なくとも、取得元ロボットのセンサデータ及び制御用データを含むことが好ましい。地域に応じた制御機械学習モデルの最適化を行うべく、運用データは、取得元ロボットが運用された地域を示すデータを含むことが好ましい。利用者から与えられた指令ごとに機械学習を行うべく、運用データは、指令項目を示すデータを含むことが好ましい。時系列に沿った運用データの変化を制御機械学習モデルに反映させるべく、運用データは、時間を特定する情報（例えば、日時）と関連付けられていることが好ましい。
【0131】
支援装置１は、機械学習部１１３により、運用データに基づく学習データを用いた、ロボットの制御に用いられる制御機械学習モデルの機械学習を行う一連の処理を実行する。ステップＳ９からステップＳ１０は、当該処理の一例である。
【0132】
［ステップＳ９：制御機械学習モデルの機械学習を行うか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習部１１３を実行する。そして、制御部１１は、機械学習部１１３により、制御機械学習モデルの機械学習を行うか判別する処理を実行する（制御機械学習判別ステップ）。行うと判別したならば、制御部１１は、処理をステップＳ１０に移す。行うと判別しなかったならば、制御部１１は、処理をステップＳ１１に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習部１１３を実行する。そして、制御部１１は、機械学習部１１３により、制御機械学習モデルの機械学習を行うか判別する処理を実行する（制御機械学習判別ステップ）。行うと判別したならば、制御部１１は、処理をステップＳ１０に移す。行うと判別しなかったならば、制御部１１は、処理をステップＳ１１に移す。
【0133】
制御機械学習判別ステップにおいて、機械学習部１１３は、例えば、新たな運用データの蓄積が所与の閾値を超えている場合に制御機械学習モデルの機械学習を行うと判別する手順等により、制御機械学習モデルの機械学習を行うか判別する処理を実現する。
【0134】
［ステップＳ１０：制御機械学習モデルの機械学習を行う］
制御部１１は、機械学習部１１３により、ロボットの制御に用いられる制御機械学習モデルの機械学習を行う処理を実行する（制御機械学習実行ステップ）。制御部１１は、処理をステップＳ１１に移す。
制御部１１は、機械学習部１１３により、ロボットの制御に用いられる制御機械学習モデルの機械学習を行う処理を実行する（制御機械学習実行ステップ）。制御部１１は、処理をステップＳ１１に移す。
【0135】
制御機械学習実行ステップにおいて機械学習部１１３は、上述の運用データに基づく学習データを用いて制御機械学習モデルの機械学習を行う。具体的に、機械学習部１１３は、運用データに含まれるセンサデータを説明変数として含み、運用データに含まれる制御用データを目的変数として含む学習データを用いた機械学習を行う。
【0136】
地域に応じた機械学習を行うべく、機械学習部１１３は、指定された地域に係る運用データに基づく学習データを用い、当該地域と関連付けられた制御機械学習モデルの機械学習を行う手順を含むことが好ましい。このとき、記憶部１３には、地域ごとに地域と関連付けられた制御機械学習モデルが格納される。
【0137】
ロボット２の種別に応じた機械学習を行うべく、機械学習部１１３は、指定されたロボット２の種別に係る運用データに基づく学習データを用い、当該種別と関連付けられた制御機械学習モデルの機械学習を行う手順を含むことが好ましい。このとき、記憶部１３には、ロボット２の種別ごとに種別と関連付けられた制御機械学習モデルが格納される。
【0138】
上述の機械学習が行われた場合、支援装置１は、機械学習モデル提供部１１４により、複数のロボットに含まれる一の貸与ロボットに係る定額契約の貸与期間中である場合に、機械学習部１１３による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する一連の処理を実行する。ステップＳ１１からステップＳ１２は、当該処理の一例である。
【0139】
［ステップＳ１１：制御機械学習モデルを提供するか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習モデル提供部１１４を実行する。そして、制御部１１は、機械学習モデル提供部１１４により、上述の機械学習が行われた制御機械学習モデルを定額契約によって貸与されたロボット２（貸与ロボット）に提供するか判別する処理を実行する（制御機械学習モデル提供判別ステップ）。提供すると判別したならば、制御部１１は、処理をステップＳ１２に移す。提供すると判別しなかったならば、制御部１１は、処理をステップＳ１３に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習モデル提供部１１４を実行する。そして、制御部１１は、機械学習モデル提供部１１４により、上述の機械学習が行われた制御機械学習モデルを定額契約によって貸与されたロボット２（貸与ロボット）に提供するか判別する処理を実行する（制御機械学習モデル提供判別ステップ）。提供すると判別したならば、制御部１１は、処理をステップＳ１２に移す。提供すると判別しなかったならば、制御部１１は、処理をステップＳ１３に移す。
【0140】
制御機械学習モデル提供判別ステップにおいて、機械学習モデル提供部１１４は、システムＳに係る複数のロボット２に含まれる一のロボット２（貸与ロボット）に係る定額契約の貸与期間中である場合に、機械学習部１１３による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する手順によって、制御機械学習モデルを貸与ロボットに提供するか判別する処理を実現する。当該処理は、貸与期間中であり、かつ、貸与ロボットの制御機械学習モデルの更新を定期的に行うタイミング又はそれ以降において当該貸与ロボットに最新の制御機械学習モデルが提供されていない場合に、当該貸与ロボットに制御機械学習モデルを提供すると判別する手順等をさらに含んでもよい。
【0141】
［ステップＳ１２：制御機械学習モデルを提供］
制御部１１は、機械学習モデル提供部１１４により、機械学習部１１３による上述の機械学習が行われた制御機械学習モデルを貸与ロボットに提供する処理を実行する（制御機械学習モデル提供実行ステップ）。制御部１１は、処理をステップＳ１３に移す。
制御部１１は、機械学習モデル提供部１１４により、機械学習部１１３による上述の機械学習が行われた制御機械学習モデルを貸与ロボットに提供する処理を実行する（制御機械学習モデル提供実行ステップ）。制御部１１は、処理をステップＳ１３に移す。
【0142】
地域又はロボット２の種別等に応じて制御機械学習モデルが管理されている場合、制御機械学習モデル提供実行ステップにおいて機械学習モデル提供部１１４は、貸与ロボットに適した地域又はロボット２の種別等に係る制御機械学習モデルを貸与ロボットに提供することが好ましい。
【0143】
支援装置１は、頻用項目抽出部１１５によりロボットに対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出し、頻用項目提供部１１６により、当該１以上の頻用項目を貸与ロボットに提供する一連の処理を実行することが好ましい。ステップＳ１３からステップＳ１５は、当該処理の一例である。このとき、運用データ取得部１１２は、取得元ロボットに対する指令項目それぞれにおける当該指令項目の利用頻度をさらに含む運用データを取得することが好ましい。
【0144】
［ステップＳ１３：頻用項目を提供するか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、頻用項目抽出部１１５を実行する。そして、制御部１１は、頻用項目抽出部１１５により、ロボット２に対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出して貸与ロボットに提供するか判別する処理を実行する（頻用項目提供判別ステップ）。提供すると判別したならば、制御部１１は、処理をステップＳ１４に移す。提供すると判別しなかったならば、制御部１１は、処理をステップＳ１６に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、頻用項目抽出部１１５を実行する。そして、制御部１１は、頻用項目抽出部１１５により、ロボット２に対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出して貸与ロボットに提供するか判別する処理を実行する（頻用項目提供判別ステップ）。提供すると判別したならば、制御部１１は、処理をステップＳ１４に移す。提供すると判別しなかったならば、制御部１１は、処理をステップＳ１６に移す。
【0145】
頻用項目提供判別ステップにおいて頻用項目抽出部１１５は、例えば、貸与期間中であり、かつ、貸与ロボットの頻用項目の更新を定期的に行うタイミング又はそれ以降において当該貸与ロボットに最新の頻用項目が提供されていない場合に、当該貸与ロボットに頻用項目を提供すると判別する手順等をさらに含んでもよい。
【0146】
［ステップＳ１４：頻用項目を抽出］
制御部１１は、頻用項目抽出部１１５により、ロボット２に対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出する処理を実行する（頻用項目抽出ステップ）。制御部１１は、処理をステップＳ１５に移す。
制御部１１は、頻用項目抽出部１１５により、ロボット２に対する複数の指令項目のうち利用頻度が高い１以上の頻用項目を抽出する処理を実行する（頻用項目抽出ステップ）。制御部１１は、処理をステップＳ１５に移す。
【0147】
頻用項目抽出ステップにおいて頻用項目抽出部１１５は、指令項目の利用頻度をさらに含む運用データに基づいて、上述の１以上の頻用項目を抽出する。種類又は運用される地域が類似するロボット２の運用データを他のロボット２に反映させるべく、頻用項目抽出部１１５は、ロボット２の種類又はロボット２に係る地域ごとに運用データをまとめ、まとめられた運用データに基づいて上述の１以上の頻用項目を抽出することが好ましい。
【0148】
［ステップＳ１５：頻用項目を提供］
制御部１１は、記憶部１３及び通信部１４と協働し、頻用項目提供部１１６を実行する。そして、制御部１１は、頻用項目提供部１１６により、頻用項目抽出ステップにおいて抽出された１以上の頻用項目を貸与ロボットに提供する処理を実行する（頻用項目提供実行ステップ）。制御部１１は、処理をステップＳ１６に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、頻用項目提供部１１６を実行する。そして、制御部１１は、頻用項目提供部１１６により、頻用項目抽出ステップにおいて抽出された１以上の頻用項目を貸与ロボットに提供する処理を実行する（頻用項目提供実行ステップ）。制御部１１は、処理をステップＳ１６に移す。
【0149】
支援装置１は、機械学習部１１３により取得元ロボットから当該取得元ロボットの利用者へ向けて出力した言語表現に係る状況及び当該状況に対する利用者の評価を説明変数として含み、当該言語表現を目的変数として含む学習データを用いた言語モデルの機械学習を行い、当該状況を入力されたときに高い評価が見込まれる言語表現を出力する言語モデルをロボット２に提供する一連の処理を実行する。ステップＳ１６からステップＳ１８は、当該処理の一例である。このとき、運用データ取得部１１２は、取得元ロボットから当該取得元ロボットの利用者へ向けて出力した言語表現及び当該言語表現に係る状況と、当該言語表現に対する当該利用者の評価をさらに含む運用データを取得することが好ましい。
【0150】
［ステップＳ１６：言語モデルの機械学習を行うか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習部１１３を実行する。そして、制御部１１は、機械学習部１１３により、言語モデルの機械学習を行うか判別する処理を実行する（言語機械学習判別ステップ）。行うと判別したならば、制御部１１は、処理をステップＳ１７に移す。行うと判別しなかったならば、制御部１１は、処理をステップＳ１９に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習部１１３を実行する。そして、制御部１１は、機械学習部１１３により、言語モデルの機械学習を行うか判別する処理を実行する（言語機械学習判別ステップ）。行うと判別したならば、制御部１１は、処理をステップＳ１７に移す。行うと判別しなかったならば、制御部１１は、処理をステップＳ１９に移す。
【0151】
制御機械学習判別ステップにおいて、機械学習部１１３は、例えば、新たな運用データの蓄積が所与の閾値を超えている場合に言語機械学習モデルの機械学習を行うと判別する手順等により、言語モデルの機械学習を行うか判別する処理を実現する。
【0152】
［ステップＳ１７：言語モデルの機械学習を行う］
制御部１１は、機械学習部１１３により、言語モデルの機械学習を行う処理を実行する（言語機械学習実行ステップ）。制御部１１は、処理をステップＳ１８に移す。この言語モデルは、ロボット２に係る状況を入力されたときに当該ロボット２の利用者に向けた言語表現を出力するモデルである。
制御部１１は、機械学習部１１３により、言語モデルの機械学習を行う処理を実行する（言語機械学習実行ステップ）。制御部１１は、処理をステップＳ１８に移す。この言語モデルは、ロボット２に係る状況を入力されたときに当該ロボット２の利用者に向けた言語表現を出力するモデルである。
【0153】
言語学習実行ステップにおいて機械学習部１１３は、上述の運用データに基づく学習データを用いて言語モデルの機械学習を行う。具体的に、機械学習部１１３は、運用データに含まれる言語表現に係る状況と、当該言語表現に対する当該利用者の評価を説明変数として含み、当該状況に係る言語表現を目的変数として含む学習データを用いた機械学習を行う。
【0154】
地域に応じた機械学習を行うべく、機械学習部１１３は、指定された地域に係る運用データに基づく学習データを用い、当該地域と関連付けられた言語モデルの機械学習を行う手順を含むことが好ましい。このとき、記憶部１３には、地域ごとに地域と関連付けられた言語モデルが格納される。
【0155】
ロボット２の種別に応じた機械学習を行うべく、機械学習部１１３は、指定されたロボット２の種別に係る運用データに基づく学習データを用い、当該種別と関連付けられた言語モデルの機械学習を行う手順を含むことが好ましい。このとき、記憶部１３には、ロボット２の種別ごとに種別と関連付けられた言語モデルが格納される。
【0156】
［ステップＳ１８：言語モデルを提供］
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習モデル提供部１１４を実行する。そして、制御部１１は、機械学習モデル提供部１１４により、機械学習部１１３による上述の機械学習が行われた言語モデルを貸与ロボットに提供する処理を実行する（言語モデル提供実行ステップ）。制御部１１は、処理をステップＳ１９に移す。
制御部１１は、記憶部１３及び通信部１４と協働し、機械学習モデル提供部１１４を実行する。そして、制御部１１は、機械学習モデル提供部１１４により、機械学習部１１３による上述の機械学習が行われた言語モデルを貸与ロボットに提供する処理を実行する（言語モデル提供実行ステップ）。制御部１１は、処理をステップＳ１９に移す。
【0157】
［視覚的コミュニケーションの最適化］
視覚的コミュニケーションの最適化を図るべく、支援装置１は、言語表現及び言語表現への評価の代わりに視覚表現及び視覚表現への評価を含む運用データを取得し、運用データに含まれる視覚表現に係る状況と、当該視覚表現に対する当該利用者の評価を説明変数として含み、当該状況に係る視覚表現を目的変数として含む学習データを用いた、視覚表現選択モデルの機械学習を行うことが好ましい（視覚表現機械学習ステップ）。
視覚的コミュニケーションの最適化を図るべく、支援装置１は、言語表現及び言語表現への評価の代わりに視覚表現及び視覚表現への評価を含む運用データを取得し、運用データに含まれる視覚表現に係る状況と、当該視覚表現に対する当該利用者の評価を説明変数として含み、当該状況に係る視覚表現を目的変数として含む学習データを用いた、視覚表現選択モデルの機械学習を行うことが好ましい（視覚表現機械学習ステップ）。
【0158】
これにより、支援装置１は、ロボット２の運用に係る状況を示すデータを視覚表現選択モデルに入力する処理によって、当該状況に適した視覚表現を特定する視覚表現特定ステップを実行できる。その結果、ロボット２の運用に係る様々な状況において、ロボット２が駆動部２５又は表示部２７を介して行う視覚表現が最適化される。支援装置１は、例えば、顧客の女性比率が高い業種及び地域において収集された運用データに基づいて、より高い評価が期待される特定の男性アバターを用いた視覚表現を行うよう、ロボット２の動作を最適化できる。
【0159】
支援装置１は、説明書生成部１１７により、ロボットに対する指令項目及び前記運用データを入力とする、言語モデルを用いた処理により、前記指令項目に係る利用方法を示す説明書を生成する一連の処理を実行することが好ましい。ステップＳ１９からステップＳ２１は、当該処理の一例である。このとき、運用データ取得部１１２は、指令項目と関連付けられた取得元ロボットのセンサデータ及び取得元ロボットの制御用データを含む運用データを取得することが好ましい。
【0160】
［ステップＳ１９：説明書を生成するか判別］
制御部１１は、記憶部１３及び通信部１４と協働し、説明書生成部１１７を実行する。そして、制御部１１は、説明書生成部１１７により、ロボット２に対する指令項目に係る利用方法を示す説明書を生成するか判別する処理を実行する（説明書生成判別ステップ）。生成すると判別したならば、制御部１１は、処理をステップＳ２０に移す。生成すると判別しなかったならば、制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ２１の処理を繰り返す。
制御部１１は、記憶部１３及び通信部１４と協働し、説明書生成部１１７を実行する。そして、制御部１１は、説明書生成部１１７により、ロボット２に対する指令項目に係る利用方法を示す説明書を生成するか判別する処理を実行する（説明書生成判別ステップ）。生成すると判別したならば、制御部１１は、処理をステップＳ２０に移す。生成すると判別しなかったならば、制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ２１の処理を繰り返す。
【0161】
説明書生成判別ステップにおいて説明書生成部１１７は、例えば、端末Ｔから説明書の生成を指令された場合に説明書を生成すると判別する手順等により、説明書を生成するか判別する処理を実現する。
【0162】
［ステップＳ２０：説明書を生成］
制御部１１は、説明書生成部１１７により、ロボット２に対する指令項目及び運用データを入力とする、言語モデルを用いた処理により、当該指令項目に係る利用方法を示す説明書を生成する処理を実行する（説明書生成実行ステップ）。制御部１１は、処理をステップＳ２１に移す。
制御部１１は、説明書生成部１１７により、ロボット２に対する指令項目及び運用データを入力とする、言語モデルを用いた処理により、当該指令項目に係る利用方法を示す説明書を生成する処理を実行する（説明書生成実行ステップ）。制御部１１は、処理をステップＳ２１に移す。
【0163】
運用データに基づいた所与のスタイルで説明書を生成すべく、説明書生成実行ステップにおいて説明書生成部１１７は、指令項目及び運用データを説明変数として含み、説明書のデータを目的変数として含む学習データを用いた事前学習が行われた言語モデルを用いた処理によって説明書を生成することが好ましい。
【0164】
［ステップＳ２１：説明書を提供］
制御部１１は、説明書生成部１１７により、説明書生成実行ステップに係る説明書をロボット２の利用者が用いる端末Ｔ等に提供する処理を実行する（説明書提供ステップ）。制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ２１の処理を繰り返す。
制御部１１は、説明書生成部１１７により、説明書生成実行ステップに係る説明書をロボット２の利用者が用いる端末Ｔ等に提供する処理を実行する（説明書提供ステップ）。制御部１１は、処理をステップＳ１に戻し、ステップＳ１からステップＳ２１の処理を繰り返す。
【0165】
［費用対効果算出ステップ］
支援装置１は、ロボット２の導入前後それぞれの事業実績及び上述の運用データに基づいて当該ロボット２の導入がもたらす経済的効果を見積り、当該ロボット２の定額契約に係る利用料と見積もられた経済的効果とに基づいて当該ロボット２がもたらす費用対効果を算出する費用対効果算出ステップをさらに実行することが好ましい。費用対効果算出ステップの実行は、例えば、制御部１１が記憶部１３及び通信部１４と協働して、費用対効果算出部（図示せず）を実行し、費用対効果算出部により、ロボット２の導入前後それぞれの事業実績及び上述の運用データに基づいて当該ロボット２の導入がもたらす経済的効果を見積り、当該ロボット２の定額契約に係る利用料と見積もられた経済的効果とに基づいて当該ロボット２がもたらす費用対効果を算出する手順等によって実現される。
支援装置１は、ロボット２の導入前後それぞれの事業実績及び上述の運用データに基づいて当該ロボット２の導入がもたらす経済的効果を見積り、当該ロボット２の定額契約に係る利用料と見積もられた経済的効果とに基づいて当該ロボット２がもたらす費用対効果を算出する費用対効果算出ステップをさらに実行することが好ましい。費用対効果算出ステップの実行は、例えば、制御部１１が記憶部１３及び通信部１４と協働して、費用対効果算出部（図示せず）を実行し、費用対効果算出部により、ロボット２の導入前後それぞれの事業実績及び上述の運用データに基づいて当該ロボット２の導入がもたらす経済的効果を見積り、当該ロボット２の定額契約に係る利用料と見積もられた経済的効果とに基づいて当該ロボット２がもたらす費用対効果を算出する手順等によって実現される。
【0166】
業種ごとの費用対効果を見積ることでその精度を高めるべく、運用データがロボット２を利用する利用者の業種を含む場合、費用対効果算出ステップは、業種ごとに経済的効果及び費用対効果を見積ることが好ましい。ロボット２の種類ごとの費用対効果を見積ることでその精度を高めるべく、費用対効果算出ステップは、ロボット２の種類ごとに経済的効果及び費用対効果を見積ることが好ましい。ロボット２が運用される地域ごとの費用対効果を見積ることでその精度を高めるべく、費用対効果算出ステップは、地域ごとに経済的効果及び費用対効果を見積ることが好ましい。複数の条件に基づく見積もりでさらに精度を高めるべく、業種、種類、又は地域ごとの見積もりは、これらの２以上を組み合わせて行われてもよい。
【0167】
支援装置１は、費用対効果算出ステップにより、定額契約によるロボット２の導入が利用者にもたらす好影響を可視化し、ロボット２の導入を促す。これにより、支援装置１は、制御機械学習モデルにより制御されるロボット２の利用に係る経済的負担をさらに抑え、その普及をよりいっそう助ける。よって、本実施形態の支援処理は、上述の処理を通して、高度な機能を提供するロボット２を制御するＡＩの導入に係る経済的負担を抑えることができる。
【0168】
［支援処理の効果］
本実施形態のロボット２は、センサ２４と駆動部２５とが協働することにより、様々な機能を提供する。本実施形態のロボット２は、ロボット工学の発展に伴い開発された、製造業、小売業、福祉、医療、物流、ホスピタリティ、農業、建設、セキュリティその他の分野に向けた様々なロボット２を含む。
本実施形態のロボット２は、センサ２４と駆動部２５とが協働することにより、様々な機能を提供する。本実施形態のロボット２は、ロボット工学の発展に伴い開発された、製造業、小売業、福祉、医療、物流、ホスピタリティ、農業、建設、セキュリティその他の分野に向けた様々なロボット２を含む。
【0169】
ロボット２は、そのハードウェアを、センサ２４と駆動部２５とを協働させるソフトウェアが制御することにより、所望の機能を実現する。機械学習を用いることにより、ロボット２を制御するソフトウェアは、より高度な機能を提供できるようになる。しかしながら、機械学習に係る機械学習モデルの提供は、機械学習モデルの設計、学習データの収集、当該学習データを用いた機械学習等において多額の開発費を要する。多額の開発費は、機械学習モデルの購入に係る経済的負担を増大させ、機械学習モデルの普及を妨げ得る。
【0170】
本実施形態の支援処理は、定額契約管理部１１１が、ロボット２に係る貸与期間及び支払状況を管理する（ステップＳ１からステップＳ６）。これにより、本実施形態の機械学習モデル提供部１１４は、上述の支払状況に基づいて、ロボット２の制御に用いられる制御機械学習モデルを支払いが行われているロボット２（貸与ロボット）に提供する（ステップＳ１１からステップＳ１２）。よって、本実施形態の支援装置１は、ロボット及び制御機械学習モデルの提供に係る経済的負担を低減する定額契約であるにもかかわらず、制御機械学習モデルを適切に提供できる。
【0171】
高度な機能を提供するロボットにおいては、日々の運用データを用いて機械学習モデルを改善することが求められる。本実施形態の支援処理は、運用データ取得部１１２が、上述の貸与期間に基づいて、定額契約により貸与されたロボット２から、ロボット２のセンサデータ及び制御用データを含む運用データを取得する（ステップＳ７からステップＳ８）。機械学習部１１３は、この運用データを用いて、制御機械学習モデルの機械学習を行う（ステップＳ９からステップＳ１０）。そして、定額契約に係る支払いが行われ、貸与期間中である場合、機械学習モデル提供部１１４は、当該機械学習によって更新され、より高度な機能を提供できるようになった制御機械学習モデルをロボット２に提供する（ステップＳ１１からステップＳ１２）。多くの場合、初期化状態の制御ソフトウェアは扱いにくいところ、本実施形態の支援装置１により、機械学習によって更新され、より高度な機能を実現できるようになった制御機械学習モデルが提供されるため、ロボット２の利用者は、より扱いやすいソフトウェアを介してロボット２を利用できる。
【0172】
ロボット２が定額契約又は購入等によって例示される様々な態様で提供されている場合、ロボット２の運用者は、購入したロボット等によって例示される貸与期間外のロボットの運用データまでもが提供側に渡ってしまうのではないかとの懸念を抱き得る。本実施形態の支援処理は、定額契約により貸与されたロボット２から運用データを取得する処理により、この懸念を払拭する（ステップＳ７からステップＳ８）。
【0173】
本実施形態の支援処理は、ロボット２の定額契約に係る処理により、制御機械学習モデルにより制御されるロボット２の利用に係る経済的負担を抑え、その普及を助ける。さらに、本実施形態の支援処理は、このようにして普及したロボットから収集した運用データを手配に多額の費用がかかる学習データの代わりに用いることで、より優れた制御が行われるよう、制御機械学習モデルを改善する。よって、本実施形態の支援処理は、ロボット２を制御する制御機械学習モデルを定額契約で賃借できるようにする処理を通して、高度な機能を提供するロボット２を制御するＡＩの導入に係る経済的負担を抑えることができる。
【0174】
本実施形態の支援処理は、ロボット２への指令項目に係るデータをさらに含む運用データから頻用項目を抽出し、ロボット２に提供するよう構成できる（ステップＳ１３からステップＳ１５）。これにより、本実施形態の支援装置１は、定額契約によって収集された大量の運用データに基づいて抽出された頻用項目を優先的に示すようロボット２の動作を改善できる。定額契約による負担軽減及び優れた機械学習モデルの提供にこのような動作改善がさらに加わることにより、頻用項目に係る運用データがさらに収集されやすくなると見込まれるため、支援装置１は、頻用項目に係る制御をさらに改善できる。
【0175】
本実施形態の支援処理は、状況に応じた言語表現及びこれに対する利用者の評価に係るデータを含む運用データに基づく機械学習によって言語モデルを改善し、ロボット２に提供するよう構成できる（ステップＳ１６からステップＳ１８）。これにより、本実施形態の支援装置１は、定額契約によって収集された大量の運用データに基づいて改善された言語モデルによるコミュニケーションを行うようロボット２の動作を改善できる。定額契約による負担軽減及び優れた機械学習モデルの提供とこのような動作改善との相乗効果によりロボット２の利用がさらに広がり、運用データがさらに収集されやすくなると見込まれるため、支援装置１は、改善されたコミュニケーションに関する指令項目に係る制御をよりいっそう改善できる。
【0176】
本実施形態の支援処理は、ロボット２への指令項目に係るデータをさらに含む運用データに基づく機械学習によって説明書を生成し、ロボット２の利用者等に提供するよう構成できる（ステップＳ１９からステップＳ２１）。これにより、本実施形態の支援装置１は、定額契約によって収集された大量の運用データに基づいて生成された説明書により、ロボット２の利用者を支援できる。こうして、ロボット２がよりいっそう適切に利用されるようになり、適切な利用下での運用データがさらに収集されやすくなると見込まれるため、支援装置１は、説明書に関する指令項目に係る制御をよりいっそう改善できる。
【0177】
＜本実施形態の支援装置１の使用例＞
以下は、本実施形態の支援装置１の使用例である。
以下は、本実施形態の支援装置１の使用例である。
【0178】
［ロボット２及び定額契約の登録］
支援装置１の管理者は、ロボットデータベース１３２に貸与されるロボット２に係るデータを登録する。また、支援装置１の管理者は、定額契約データベース１３１にロボット２の定額契約に係るデータを登録する。
支援装置１の管理者は、ロボットデータベース１３２に貸与されるロボット２に係るデータを登録する。また、支援装置１の管理者は、定額契約データベース１３１にロボット２の定額契約に係るデータを登録する。
【0179】
［料金の支払い］
請求の時期になると、支援装置１は、ロボット２を定額契約で借りている利用者に利用料金の請求を送信する。利用者は、端末Ｔを介して請求を受信し、利用料金を支払う。支援装置１は、支払状況を更新し、支払状況に応じて契約期間を更新する。
請求の時期になると、支援装置１は、ロボット２を定額契約で借りている利用者に利用料金の請求を送信する。利用者は、端末Ｔを介して請求を受信し、利用料金を支払う。支援装置１は、支払状況を更新し、支払状況に応じて契約期間を更新する。
【0180】
［制御機械学習モデルの提供及び運用データの収集］
支援装置１は、定額契約の貸与期間中である貸与ロボットに、貸与ロボットの制御に係る制御機械学習モデルを提供する。また、支援装置１は、定額契約の支払いが行われている取得元ロボットから、その運用データを取得する。
支援装置１は、定額契約の貸与期間中である貸与ロボットに、貸与ロボットの制御に係る制御機械学習モデルを提供する。また、支援装置１は、定額契約の支払いが行われている取得元ロボットから、その運用データを取得する。
【0181】
［制御機械学習モデルの改善］
支援装置１は、取得した運用データに基づく機械学習により、制御機械学習モデルを改善する。また、支援装置１は、同様の機械学習により、ロボット２から利用者への言語表現を出力する言語モデルを改善する。ロボット２は、改善された制御機械学習モデル又は言語モデルにより、ロボット２の動作を改善する。加えて、支援装置１は、運用データから頻用項目を抽出し、ロボット２に提供する。ロボット２は、頻用項目によって利用者に提供するユーザインタフェースを改善する。
支援装置１は、取得した運用データに基づく機械学習により、制御機械学習モデルを改善する。また、支援装置１は、同様の機械学習により、ロボット２から利用者への言語表現を出力する言語モデルを改善する。ロボット２は、改善された制御機械学習モデル又は言語モデルにより、ロボット２の動作を改善する。加えて、支援装置１は、運用データから頻用項目を抽出し、ロボット２に提供する。ロボット２は、頻用項目によって利用者に提供するユーザインタフェースを改善する。
【0182】
［説明書の生成］
支援装置１は、取得した運用データに基づく言語モデルを用いた処理により、ロボット２の説明書を生成し、利用者に提供する。
支援装置１は、取得した運用データに基づく言語モデルを用いた処理により、ロボット２の説明書を生成し、利用者に提供する。
【0183】
［ビジネスシーンでの活用］
支援装置１は、データを収集・解析し、企業が意思決定を行うためのデータアナリティクスプラットフォーム、特定の業界に特化したソフトウェアを提供することで顧客がデータ解析や最適化を行うためのツールを提供するサービス提供型ビジネス（ＳａａＳ）、専門家チームが企業に対してデータ収集、解析、最適化のコンサルティングサービスを提供するデータマネジメントコンサルティング、企業が自分たちのデータを他の企業と共有・取引できるプラットフォームを提供するマーケットプレイス型プラットフォーム、生成ＡＩを活用して、企業が将来のトレンドや需要を予測できるＡＩベースの予測分析サービス、ＡＩを活用して企業の業務プロセスを自動化して効率化を図るソリューションを提供するインテリジェントオートメーションソリューション、企業がデータを安全に管理して法令遵守を確保するためのソリューションを提供するデータセキュリティ及びプライバシー管理、ＡＩの活用により複数のチャネル（オンライン広告、ソーシャルメディア、メールマーケティングなど）でのマーケティングキャンペーンを最適化するマルチチャネルマーケティングプラットフォーム、企業内の従業員がデータ解析やＡＩのスキルを習得できるように、オンラインコースやワークショップを提供するデータ教育及びトレーニングサービス、又は顧客データを一元管理し、顧客の行動を分析してパーソナライズされたマーケティング戦略を構築するカスタマーデータプラットフォーム（ＣＤＰ）等の各種ビジネスシーンでの活用にも寄与し得る。それぞれ異なる業界やニーズに対応するためにカスタマイズ可能なこれらのビジネスモデルは、多様な収益源を持つことで、持続可能なビジネスを構築することに寄与する。
支援装置１は、データを収集・解析し、企業が意思決定を行うためのデータアナリティクスプラットフォーム、特定の業界に特化したソフトウェアを提供することで顧客がデータ解析や最適化を行うためのツールを提供するサービス提供型ビジネス（ＳａａＳ）、専門家チームが企業に対してデータ収集、解析、最適化のコンサルティングサービスを提供するデータマネジメントコンサルティング、企業が自分たちのデータを他の企業と共有・取引できるプラットフォームを提供するマーケットプレイス型プラットフォーム、生成ＡＩを活用して、企業が将来のトレンドや需要を予測できるＡＩベースの予測分析サービス、ＡＩを活用して企業の業務プロセスを自動化して効率化を図るソリューションを提供するインテリジェントオートメーションソリューション、企業がデータを安全に管理して法令遵守を確保するためのソリューションを提供するデータセキュリティ及びプライバシー管理、ＡＩの活用により複数のチャネル（オンライン広告、ソーシャルメディア、メールマーケティングなど）でのマーケティングキャンペーンを最適化するマルチチャネルマーケティングプラットフォーム、企業内の従業員がデータ解析やＡＩのスキルを習得できるように、オンラインコースやワークショップを提供するデータ教育及びトレーニングサービス、又は顧客データを一元管理し、顧客の行動を分析してパーソナライズされたマーケティング戦略を構築するカスタマーデータプラットフォーム（ＣＤＰ）等の各種ビジネスシーンでの活用にも寄与し得る。それぞれ異なる業界やニーズに対応するためにカスタマイズ可能なこれらのビジネスモデルは、多様な収益源を持つことで、持続可能なビジネスを構築することに寄与する。
【0184】
なお、本発明の思想の範疇において、当業者であれば各種の変更例及び修正例に想到し得るものである。よって、それら変更例及び修正例は、本発明の範囲に属するものと了解される。例えば、前述の実施の形態に対して、当業者が適宜、構成要素の追加、削除若しくは設計変更を行ったもの、又は、工程の追加、省略若しくは条件変更を行ったものも、本発明の要旨を備えている限り、本発明の範囲に含まれる。
【符号の説明】
【0185】
Ｓ システム
１ 支援装置
１１ 制御部
１１１ 定額契約管理部
１１２ 運用データ取得部
１１３ 機械学習部
１１４ 機械学習モデル提供部
１１５ 頻用項目抽出部
１１６ 頻用項目提供部
１１７ 説明書生成部
１３ 記憶部
１３１ 定額契約データベース
１３２ ロボットデータベース
１４ 通信部
２ ロボット
２１ 制御部
２２ 記憶部
２３ 通信部
２４ センサ
２５ 駆動部
２６ 入力部
２７ 表示部
Ｎ ネットワーク
Ｔ 端末
１ 支援装置
１１ 制御部
１１１ 定額契約管理部
１１２ 運用データ取得部
１１３ 機械学習部
１１４ 機械学習モデル提供部
１１５ 頻用項目抽出部
１１６ 頻用項目提供部
１１７ 説明書生成部
１３ 記憶部
１３１ 定額契約データベース
１３２ ロボットデータベース
１４ 通信部
２ ロボット
２１ 制御部
２２ 記憶部
２３ 通信部
２４ センサ
２５ 駆動部
２６ 入力部
２７ 表示部
Ｎ ネットワーク
Ｔ 端末
【要約】
【課題】ロボットを制御する機械学習モデル等を定額契約で賃借できるよう支援する。
【解決手段】本発明に係るロボット制御ＡＩ導入の支援装置１は、複数のロボット２の貸与に係る定額契約の貸与期間及び支払状況に係るデータを管理する定額契約管理部１１１と、複数のロボット２に含まれる一の取得元ロボットに係る定額契約の支払いが行われている場合に当該取得元ロボットの運用データを取得する運用データ取得部１１２と、運用データに基づく学習データを用いたロボット２の制御に用いられる制御機械学習モデルの機械学習を行う機械学習部１１３と、複数のロボット２に含まれる一の貸与ロボットに係る定額契約の貸与期間中である場合に機械学習部１１３による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する機械学習モデル提供部１１４と、を備える。
【選択図】図１
【解決手段】本発明に係るロボット制御ＡＩ導入の支援装置１は、複数のロボット２の貸与に係る定額契約の貸与期間及び支払状況に係るデータを管理する定額契約管理部１１１と、複数のロボット２に含まれる一の取得元ロボットに係る定額契約の支払いが行われている場合に当該取得元ロボットの運用データを取得する運用データ取得部１１２と、運用データに基づく学習データを用いたロボット２の制御に用いられる制御機械学習モデルの機械学習を行う機械学習部１１３と、複数のロボット２に含まれる一の貸与ロボットに係る定額契約の貸与期間中である場合に機械学習部１１３による機械学習が行われた制御機械学習モデルを当該貸与ロボットに提供する機械学習モデル提供部１１４と、を備える。
【選択図】図１
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
