專利名稱：：觸摸行為辨認裝置和方法、信息處理裝置及計算機程序的制作方法
技術領域：
：本發明涉及用于實時高精度地從通過傳感器檢測到的多個接觸點辨認人的觸摸行為的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。例如，本發明涉及用于辨認人對諸如機器人之類的機器執行的觸摸行為的目的從而有用地作為實現機器的簡易操作的接口或非語言通信工具的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。更具體而言，本發明涉及用于在機器通過至少一個部分與周圍環境接觸時辨認特定觸摸行為的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序，特別是涉及用于選擇經常會與周圍環境接觸的機器中的所關心的接觸集群以辨認特定觸摸行為的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。
背景技術：
：近年來，隨著許多機器的功能變得復雜，已經出現以下需求機器應當響應于直覺指令而被簡易地操作。對于操作涉及與用戶接觸的機器，發明人已經考慮到，直接基于人的觸摸模式(pattern)通過利用觸摸行為辨認來選擇功能的方法可以有用地作為使得可以簡便地操作這樣的機器的接口。基于觸摸行為的上述機器操作還可以應用于通過與例如活躍在日常生活中的機器人接觸而進行的通信，即，非語言通信。該操作必然要與機器人建立靈活且親密的關系。對于基于觸摸行為辨認的直接、簡易的機器操作，有必要基于由機器通過傳感器檢測到的多個觸點來實時且高精度地辨認人的觸摸行為。如果使用基于觸摸行為辨認的機器操作作為與機器人進行非語言通信的工具，則機器人將經常與外圍環境接觸(換而言之，沒有必要所有觸點都基于相同觸摸行為)。因此，發明人考慮到從多個觸點中選擇所關心的接觸點集群并識別該集群是重要的。例如，假設在機器人坐在椅子上的情況下輕輕叩擊(t即)機器人的肩膀數次。只要機器人忽略與椅子的接觸，提取僅與肩膀上的接觸(叩擊)有關的接觸信息，并基于該接觸信息來識別出"被輕輕叩擊"，則機器人正常運作來與人類進行順利交互并不難。已經有一些能夠實時地辨認復雜的人類觸覺模式的觸摸行為辨認系統。例如，已經提出一種觸覺傳感器，該觸覺傳感器包括導電織物(fabric)并且能夠覆蓋機器人的整個身體(參見MasayukiInaba、YukikoHoshino、HirochikaInoue所著的"AFull-BodyTactileSensorSuitUsingElectricallyConductiveFabric",JournaloftheRoboticsSocietyofJapan,Vol.16，No.1，pp.80-86，1998)。觸覺傳感器的每個元件僅輸出分別指示"接觸中"和"未接觸"的兩個值。由于僅使用在接觸表面上的模式來確定人類的觸摸方式，所以很難執行詳細的觸摸行為辨認。另外，針對整個身體來處理一條觸覺數據。因此，難以同時區分由多個外部因素導致的許多種接觸。作為另一個示例，已經提出如下一種觸摸行為辨別方法對從平面觸覺傳感器獲得的九個特征量(下文中稱為"特征量")執行線性辨別分析以用高辨別率來對四種觸摸行為"叩擊"、"掐捏"(pinch)、"拍擊"(pat)和"推動"(push)進行辨別，其中4的平面觸覺傳感器包括作為壓力靈敏元件的半導體壓力傳感器元件(參見HidekazuHirayu、ToshiharuMukai所著的"DiscriminationofTouchingBehaviorswithTactileSensor，，，TechnicalReportsofGifuPrefecturalResearchInstituteofMa皿facturinglnformationTechnology,Vol.8，2007)。由于在完成行為之后才辨認觸摸行為，所以該方法不是實時執行的。另外，該方法沒有考慮在傳感器應用于諸如機器人之類的機器的全身時預測在多個部分中的觸摸行為。由于該方法利用了線性分析，所以將僅辨別簡單的觸摸行為模式。因此，不利地，該方法在對機器整體的操作和交互方面缺乏實用性。此外，已經提出一種用于高精度實時處理的觸摸行為辨別裝置(參見日本未實審專利申請公布No.2001-59779)。該觸摸行為辨別裝置被配置為基于預先前從五個特征量學習的數據而使用k-NN方法和Fisher線性辨別法來對五種觸摸行為進行辨別。在此實例中，五種觸摸行為是"輕叩"、"抓搔"(scratch)、"拍擊"和"輕撓"(tickle)。根據該方法，雖然可以通過學習來執行高精度辨別，但是很難辨別通過將特征量分類為多個類別而獲得的典型、連續且多層的人類觸摸行為，例如，"拍擊同時推動"。此外，由于有必要檢測峰值作為特征量，所以在完成一系列觸摸行為之前不提取特征量。另外，由于使用了整個接觸表面上的特征量的總和，所以很難獨立地確定多個部分中的觸摸行為。因此，很難識別對機器整體執行的實際的復雜的觸摸行為模式。已經提出包括用于辨認全身觸覺圖像的輸入系統的通信機器人(參見日本未實審專利申請公布No.2006-123140)。該輸入系統基于所獲得的傳感器數據來執行非層級集群化(clustering),以基于在每一個集群的重心位置處的壓力轉變變化來執行層級集群化，從而識別觸摸部分和觸摸方式。由于通過根據最近鄰方法(nearestneighborhoodmethod)進行匹配來唯一地確定觸摸行為，所以與上述觸摸行為辨別裝置的情況相同，未識別出連續多層的復雜觸摸行為模式。該通信機器人還具有以下問題。由于所學習的數據是在觸摸行為的位置和質量被混淆的情況下生成的，所以分別指示觸摸了機器人的哪個部分以及如何觸摸機器人的指標(index)是有限的。如果對機器人同時執行多個觸摸行為，則沒有考慮從觸摸行為中選擇哪個觸摸行為。此外，已經提出一種包括用于高效地辨認觸摸行為的輸入系統的通信機器人(參見日本未實審專利申請公布No.2006-281347)。該輸入系統使用小波變換對針對每個傳感器元件獲得的觸覺信息執行辨認和壓縮，從而分散了分布于機器人全身的觸覺傳感器元件的處理負荷。對觸摸行為辨認應用小波變換，有必要以預定時間間隔(例如，在一個實施例中每隔1至3秒)來存儲和處理數據。不利地，完全沒有考慮到實時能力。該機器人還具有以下問題。當在機器人的多個傳感器元件上執行觸摸行為時，或者當對機器人同時執行多個觸摸行為時，沒有考慮到選擇任何觸摸行為的程度。
發明內容希望提供能夠實時高精度地從通過傳感器檢測到的多個接觸點辨認人的觸摸行為的精良的觸摸行為辨認裝置和方法、信息處理裝置和計算機程序。還希望提供用于辨認人對諸如機器人之類的機器執行的觸摸行為的目的以便可有用地用作實現對機器的簡便操作的接口或非語言通信工具的精良的觸摸行為辨認裝置和方法、信息處理裝置和計算機程序。還希望提供能夠在機器的一個或多個部分接觸周圍環境時辨認出特定觸摸行為的精良的觸摸行為辨認裝置和方法、信息處理裝置和計算機程序。還希望提供能夠選擇機器中將經常接觸周圍環境的所關心的接觸點集群以辨認出特定觸摸行為的精良的觸摸行為辨認裝置和方法、信息處理裝置和計算機程序。根據本發明一個實施例，一種觸摸行為辨認裝置包括接觸點獲取單元，所述接觸點獲取單元被配置為獲取多個接觸點中的壓力信息項目和位置信息項目；集群化單元，所述集群化單元被配置為根據基于由接觸點獲取單元獲取的信息項目的、與接觸點的壓力偏差和位置偏差有關的信息來對接觸點執行集群化，以形成作為觸摸行為的接觸點群組，接觸點群組中的每個包括彼此關聯的接觸點；以及觸摸行為識別單元，所述觸摸行為識別單元被配置為識別針對各個接觸點群組的觸摸行為。根據此實施例，觸摸行為識別單元可以包括以下元件。特征量計算部件被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數。映射部件被配置為針對各個觸摸行為類別將從各個接觸點群組計算出的N維特征量映射到n維空間，以基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否，n為小于N的正整數。觸摸行為確定部件被配置為基于在所述n維空間中的所映射的位置來確定對各個接觸點的觸摸行為辨認結果。根據此實施例，優選地，映射部件使用學習到的層級神經網絡來將從各個接觸點群組計算出的N維特征量轉換為二維數據。更具體而言，映射部件可以使用學習到的自組織映射來將從各個接觸點群組計算出的N維特征量轉換為二維數據。根據此實施例，優選地，映射部件針對想要識別的每個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否，并且觸摸行為確定部件基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。根據本發明另一實施例，提供了一種觸摸行為辨認方法，該方法包括以下步驟獲取多個接觸點中的壓力信息項目和位置信息項目；根據基于所獲取的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對接觸點執行集群化，以形成作為觸摸行為的接觸點群組，接觸點群組中的每個包括彼此關聯的接觸點；從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；針對想要識別的每一個觸摸行為類別提供n維空間，并將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，以基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否；以及基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。根據本發明另一實施例，提供了一種信息處理裝置，用于根據用戶操作來執行信息處理。所述裝置包括接觸點檢測單元，包括被附接到所述信息處理裝置的主體的觸覺傳感器群組，所述接觸點檢測單元被配置為檢測多個接觸點中的壓力信息項目和位置信息項目；集群化單元，被配置為根據基于由所述接觸點檢測單元檢測到的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，接觸點群組中的每個包括彼此關聯的接觸點；特征量計算單元，被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；映射單元，被配置為針對想要識別的每一個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否；觸摸行為確定單元，被配置為基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果；以及控制單元，被配置為基于由所述觸摸行為確定單元確定的觸摸行為辨認結果來控制信息處理。根據本發明另一個實施例，提供了一種以計算機可讀形式描述的以便使計算機可以執行用于辨認人的觸摸行為的處理的計算機程序，所述計算機程序使得所述計算機用作接觸點獲取單元，被配置為獲取多個接觸點中的壓力信息項目和位置信息項目；集群化單元，被配置為根據基于由所述接觸點獲取單元獲取的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，接觸點群組中的每個包括彼此關聯的接觸點；特征量計算單元，被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；映射單元，被配置為針對想要識別的每一個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射位置來判斷各個觸摸行為存在與否；以及觸摸行為確定單元，被配置為基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。根據上述實施例的計算機程序被定義為以計算機可讀形式描述的以便在計算機上實現預定處理的計算機程序。換而言之，根據上述實施例的計算機程序被安裝到計算機中，從而在計算機上實現協作操作。因而，可以獲得與根據前述實施例的觸摸行為辨認裝置相同的操作和優點。根據本發明實施例，可以提供能夠實時高精度地從通過傳感器檢測到的多個接觸點辨認人的觸摸行為的精良的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。根據本發明實施例，可以提供能夠選擇機器中將經常接觸外圍環境的所關心觸點集群以辨認特定觸摸行為的精良的觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。根據本發明實施例的觸摸行為辨認裝置能夠實時高精度地辨認人對諸如機器人之類的機器執行的觸摸行為的目的。因此，該裝置可有用地用作用于實現對機器的簡便操作的接口或非語言通信工具。根據上述實施例，觸摸行為辨認是針對各個接觸點群組執行的。因此，即使當同時在不同部分執行不同種類的觸摸行為時，也可以單獨地辨認各個觸摸行為。根據上述實施例，由于映射單元(部件)將從各個接觸點群組計算出的N維特征量映射到各個較低維度空間，B卩，執行維度壓縮，所以可以執行高速且高精度的觸摸行為辨認。根據上述實施例，由于觸摸行為是使用自組織映射來識別的，所以可以實現與閾值判斷不同的、并非基于規則的判斷的靈活判斷。根據上述實施例，由于識別是使用針對想要識別的各個觸摸行為的多個自組織映射來執行的，所以可以將觸摸行為之間的包含關系考慮在內。因此，可以執行對諸如"在推動的同時拍擊"之類的層級觸摸行為類別的多層辨認以及依賴于上下文的辨認。根據上述實施例，某個時間的識別結果通過與過去的識別結果相比較來確定，并被輸出作為觸摸行為辨認的最小結果。因此，可以獲得依賴于上下文的結果。另一方面，瞬時獲取的物理量被用作充當識別基礎的特征量，因此可以實時地獲得識別結果。本發明的其它特征和優點將從以下結合附圖對本發明的優選實施例進行的詳細描述中變得更加清楚。圖1圖示了本發明可適用的人形機器人的外觀配置；圖2圖示了觸覺傳感器群組的配置；圖3是示意性地圖示出觸覺傳感器CS的配置的示圖；圖4是圖示出圖1所示的機器人的示例布局的示圖；圖5是圖示出圖1中的機器人的控制系統的配置的示圖；圖6是示意性地圖示出根據本發明一個實施例的觸摸行為辨認裝置的功能配置的示圖；圖7是說明由集群化單元執行的處理的示圖；圖8是圖示出集群層級的示圖；圖9是圖示出自組織映射的示例結構的示圖；圖10是說明觸摸行為確定部件對針對觸摸行為類別提供的多個自組織映射執行數據處理的機制的示圖；圖11是由觸摸行為確定部件執行的用于基于與各個觸摸行為存在與否有關的判斷結果來確定觸摸行為的處理的流程圖；以及圖12是圖示出用戶通過觸摸行為，即，通過利用指尖觸摸個人數字助理(PDA)來操作觸摸面板PDA的情形的示圖。具體實施例方式以下將參考附圖描述本發明的實施例。根據本發明一個實施例的觸摸行為辨認裝置的應用涉及機器人的非語言通信工具(nonverbalcommunicationtool)。在機器人中，觸覺傳感器群組被附接于將接觸周圍環境的各個部分。圖1圖示了本發明可適用的人形機器人的外觀配置。參考圖l，機器人被構造為使得骨盆與用作移動部件(transportingsection)的兩條腿相連，并且還通過腰關節與上身相連。上身與兩條胳膊相連，并且還通過頸關節與頭部相連。左右腿中的每個在髖關節具有三個自由度，在膝部具有一個自由度，以及在腳踝具有兩個自由度，即，總共六個自由度。左右胳膊中的每個在肩膀具有三個自由度，在肘部具有一個自由度，且在手腕具有兩個自由度，即，總共六個自由度。頸關節和腰關節中的每個具有關于X、Y和Z軸的三個自由度。驅動各個關節軸的致動器例如包括無刷DC電機(brushlessDCmotor)、減速器和檢測減速器的輸出軸的旋轉位置的位置傳感器。這些關節致動器連接至對整個人形機器人的操作執行集中控制的主計算機。假設每個致動器可以從主計算機接收位置控制目標值，并且也可以向主計算機發送指示出相應關節的當前角度(下文中稱為"當前關節角度")或者其當前角速度(下文中稱為"當前關節角速度")的數據。在圖1所示的機器人的表面上，向將接觸外圍環境的各個部分附接了觸覺傳感器群組tl、t2、...和tl6。圖2圖示了各個觸覺傳感器群組的配置。參考圖2，觸覺傳感器群組t包括能夠獨立檢測接觸狀態的觸覺傳感器CS的陣列。觸覺傳感器群組t可以判斷哪個觸覺傳感器CS處于接觸狀態以指定詳細的接觸位置。圖3示意性地圖示了觸覺傳感器CS的配置。觸覺傳感器CS包括兩個電極板P1和P2，其間具有間隔S。電極板P1被施加電位V。。。另一電極板P2接地。電極板P1經由并行接口(PIO)與微計算機相連，從而判斷該電極板是否接觸另一個電極板，即，是否有外部壓力施加于觸覺傳感器CS。本發明的范圍不限于特定觸覺傳感器的配置。在每個觸覺傳感器群組t的附近布置了一個微計算機，以便接收從構成該觸覺傳感器群組的所有觸覺傳感器CS輸出的檢測信號，收集指示出各個觸覺傳感器的0N/0FF狀態的各條數據(下文中稱為"數據項目")，并將指示出相應部分是否接觸外圍環境的數據以及在該部分與外圍環境接觸的情況下指示出接觸位置的數據發送給主計算機。再次參考圖l，機器人的骨盆設有三軸加速度傳感器al和三軸角速度傳感器(陀螺儀)gl。在這些傳感器附近布置了測量這些傳感器的值的微計算機，以將測量的結果(下文中稱為"測量結果")發送給主計算機。圖4圖示了圖1中的機器人的示例布局。機器人在軀干中包括三軸腰關節致動器al、a2和a3，三軸頸關節致動器a16、a17和al8。這些致動器串聯連接至主計算機。每個關節致動器通過串行線纜從主計算機接收位置控制目標值，并且還向主計算機發送當前輸出扭矩、關節角度和關節角速度。機器人還在左胳膊中包括三軸肩膀致動器a4、a5和a6，單軸肘部致動器a7，以及雙軸手腕致動器a8和a9。這些致動器串聯連接至主計算機。類似地，機器人在右胳膊中包括三軸肩膀致動器al0、al1和al2，單軸肘部致動器a13，以及雙軸手腕致動器a14和a15。這些致動器串聯連接至主計算機。另外，機器人在左腿中包括三軸髖關節致動器a19、a20和a21，單軸膝部致動器a22，以及雙軸腳踝致動器a23和a24。這些致動器串聯連接至主計算機。類似地，機器人在右腿中包括三軸髖關節致動器a25、a26和a27，單軸膝部致動器a28，以及雙軸腳踝致動器a29和a30。這些致動器串聯連接至主計算機。在各個關節中使用的致動器al至a30的每個例如包括無刷DC電機、減速器、檢測減速器輸出軸的旋轉位置的位置傳感器以及扭矩傳感器。致動器根據從外部提供的位置控制目標值來旋轉，并且輸出當前輸出扭矩、關節角度和關節角速度。例如在轉讓給同一受讓人的日本未實審專利申請公布No.2004-181613中公開了上述類型的關節致動器。此外，在機器人的右腿中，布置了右腳觸覺傳感器群組tl、右小腿觸覺傳感器群組t2和右大腿觸覺傳感器群組t3。這些觸覺傳感器群組串聯連接至主計算機。如上所述，觸9覺傳感器群組tl至t3的每個設有微計算機。每個微計算機收集指示出相應觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。類似地，在機器人的左腿中，布置了左腳觸覺傳感器群組t9、左小腿觸覺傳感器群組t10和左大腿觸覺傳感器群組tll。為每個觸覺傳感器群組設置的微計算機收集指示出該觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。另外，在機器人的右胳膊中，布置了右手腕觸覺傳感器群組t4、右前臂觸覺傳感器群組t5和右上臂觸覺傳感器群組t6。為每個觸覺傳感器群組設置的微計算機收集指示出該觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。類似地，在機器人的左胳膊中，布置了左手腕觸覺傳感器群組tl2、左前臂觸覺傳感器群組t13和左上臂觸覺傳感器群組t14。為每個觸覺傳感器群組設置的微計算機收集指示出該觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。此外，向機器人軀干的左部分和右部分附接了軀干觸覺傳感器群組t7和t15。為每個觸覺傳感器群組設置的微計算機收集指示出該觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。另外，向機器人頭部的左部分和右部分附接了頭部觸覺傳感器群組t8和t16。為每個觸覺傳感器群組設置的微計算機收集指示出該觸覺傳感器群組中的觸覺傳感器CS的ON/OFF狀態的數據項目，并經由串行線纜將這些數據項目發送到主計算機。圖5圖示了圖1所示的機器人的控制系統的配置。控制系統包括執行數據處理以及對整個機器人的操作執行集中控制的控制單元20、輸入/輸出單元40、驅動單元50和電源單元60。以下將描述各個組件。輸入/輸出單元40包括相當于眼睛的電荷耦合器件(CCD)相機15、相當于耳朵的麥克風16、以及布置在將接觸外圍環境的各個部分的觸覺傳感器18(對應于圖1中的觸覺傳感器群組tl、t2、...和tl6)。這些組件構成了機器人的輸入部件。輸入/輸出單元40可以包括與五種感官相對應的各種其它傳感器。輸入/輸出單元40還包括相當于嘴巴的揚聲器17，以及使用ON和OFF狀態的組合或者接通定時來產生面部表情的LED指示器(眼燈)19。組件17和19構成了機器人的輸出部件。在這種情況下，輸入設備，即CCD相機15、麥克風16和觸覺傳感器18中的每個對檢測信號執行模數轉換以及數字信號處理。驅動單元50是用于實現關于機器人的各個關節的滾動軸(rollaxes)、傾斜軸(pitchaxes)和偏轉軸(yawaxes)的自由度的功能模塊。驅動模塊50包括驅動元件，每個驅動元件含有電機51(對應于圖4中的任意一個致動器al、a2、...)、編碼器52和驅動器53，編碼器52檢測電機51的旋轉位置，驅動器53基于編碼器52的輸出來適當地控制電機51的旋轉位置和/或旋轉速度。取決于如何組合驅動單元，機器人可被構造為有腿的移動機器人，例如兩足或四足行走的機器人。電源單元60照字面意義是向機器人中的電氣電路提供電能的功能模塊。在圖5所示的情況下，電源單元60是使用電池的自治驅動類型。電源60包括可再充電電池61以及對可再充電電池的充放電狀態進行控制的充放電控制器62。控制單元20相當于"大腦"并且例如被安裝在機器人的頭部單元和軀干單元中。控制單元20例如實施用于根據對外部剌激或內部狀態變化的辨認結果來控制行為的操作控制程序。在轉讓給本申請的同一受讓人的日本專利No.3558222中公開了一種根據對外部剌激或內部狀態變化的辨認結果來控制機器人行為的方法。外部剌激的一個示例是用戶對機器人表面執行的觸摸行為。可以通過觸覺傳感器群組tl、t2、...和t16來檢測觸摸行為。雖然圖1所示的機器人將經常接觸周圍環境，但是不必所有接觸點都基于相同觸摸行為。因此，根據本實施例的觸摸行為辨認裝置從接觸點中選擇所關心的接觸點集群，以實時高精度地辨認人對每個集群的觸摸行為。為了辨認多個部分中的觸摸行為，首先，根據本實施例的觸摸行為辨認裝置基于與各個接觸點的壓力偏差和位置偏差有關的信息來執行集群化，以形成接觸點的群組(下文中稱為"接觸點群組")，每個群組作為觸摸行為包括彼此關聯的接觸點。隨后，裝置從每個接觸點群組計算被認為代表接觸模式的多個物理量。在本說明書中，代表接觸模式的物理量被稱為"特征量"。為了不惡化實時的識別能力，觸摸行為完成時確定的峰值不被用作特征量。觸摸行為辨認裝置將計算出的多維特征量轉換為二維數據，S卩，使用學習到的自組織映射來執行維度壓縮，并將觸摸行為與在自組織映射中各個接觸點群組的特征量被映射到的映射位置相關聯。在本說明書中，諸如"叩擊"、"掐捏"、"拍擊"、"推動"等的觸摸行為的類別稱為"觸摸行為類別"。人在某一時間段內執行的觸摸行為的數目不限于一個。諸如"在按壓的同時拍擊"之類的這樣的觸摸行為在其間具有連續性和多層關系(或者包含關系)。為了將觸摸行為的連續性和多層關系考慮在內，根據本實施例的觸摸行為辨認裝置準備了與想要識別的觸摸行為類別相等數目的自組織映射，并在每一步驟判斷在各個所映射的位置是否存在各自的觸摸行為，以獲得二進制化的判斷結果(下文中稱為"判斷結果")。換而言之，對每個接觸點群組判斷是否辨認出具有所述觸摸行為類別的各個觸摸行為(下文中稱為"各個觸摸行為的存在與否")。各個觸摸行為的多維特征量不必然彼此正交，因此難以完全地分離各個觸摸行為。因此，在一些情況下，當某一接觸點群組被映射到觸摸行為類別的自組織映射時，判定出"存在"兩個或兩個以上觸摸行為類別。使用自組織映射來識別觸摸行為允許了靈活判斷，其不是像閾值判斷那樣的基于規則的判斷。在基于如上所述的各個多維特征量(即，各個接觸點群組)獲得了與觸摸行為的存在與否相關的判斷結果之后，觸摸行為辨認裝置最終可以基于與判斷結果有關的轉變數據(transitiondata)項目以及被賦予各個觸摸行為類別的優先級而在每一步驟獲得對于各個多維特征量(即，各個接觸點群組)而言唯一的觸摸行為辨認結果。當針對某一接觸點群組辨認出多個觸摸行為時，可基于從另一功能(例如，注意模塊)提供的信息來從這些觸摸行為中選擇一個觸摸行為。圖6示意性地圖示了根據本發明一個實施例的觸摸行為辨認裝置100的功能配置。觸摸行為辨認裝置100被配置為專用硬件。可替代地，可以以在計算機上實施的程序的形式來實現觸摸行為辨認裝置100。觸摸行為辨認裝置100的辨認結果作為例如對外部剌激的辨認結果而被提供給操作控制程序。接觸點檢測單元110包括多個觸覺傳感器群組(對應于圖1中的觸覺傳感器群組tl、t2、...和tl6)，并且獲取多個接觸點的每個中的壓力信息和位置信息。具體而言，接觸點檢測單元110從輸入/輸出單元40接收通過布置在將接觸周圍環境的各個部分中的觸覺傳感器18檢測到的在接觸點中的壓力信息項目和位置信息項目作為數字值。集群化單元120基于與所檢測到的接觸點的壓力偏差和位置偏差有關的信息來執行集群化，以形成作為觸摸行為的、接觸點彼此關聯的接觸點群組。觸摸行為識別單元130包括特征量計算部件131、映射部件132、和觸摸行為確定部件133。特征量計算部件131從各個接觸點群組計算被認為代表接觸模式的多維物理量。映射部件132針對想要識別的各個觸摸行為類別準備二維自組織映射，并將從各個接觸點群組計算出的N維特征量映射到針對各觸摸行為類別的自組織映射上。之后，映射部件132基于在相應自組織映射中所映射的位置來判斷各個觸摸行為類別存在與否。觸摸行為確定部件133基于指示出與各個接觸點上各個觸摸行為的存在與否有關的判斷結果的轉變數據以及被賦予各觸摸行為類別的優先級來確定對于每個接觸點群組而言唯一的觸摸行為辨認結果。觸摸行為辨認結果作為外部剌激例如被提供給機器人的操作控制程序。現在將詳細描述觸摸行為辨認裝置100中各個功能模塊的處理。為了使用由接觸點檢測單元110檢測到的多個接觸點來辨認觸摸行為，集群化單元120必需對接觸點執行集群化，具體而言，形成作為觸摸行為的接觸點群組，在接觸點群組的每個中，接觸點彼此關聯。這是因為觸摸行為辨認是針對每個接觸點群組執行的。許多相關技術觸摸行為辨認技術被分類為兩種類型，即，使用單個接觸點的第一辨認類型以及使用單個接觸點群組的第二辨認類型。相對的，根據本發明的本實施例，應當了解，對多個接觸點群組同時進行處置以同時辨認各個接觸點群組的觸摸行為。為了將在某一控制時段內檢測到的接觸點集群化為作為觸摸行為的、彼此關聯的接觸點的群組，必需根據先前檢測到的那些接觸點來識別接觸點。原因如下。當僅使用與在這樣的某一控制時間內檢測到的接觸點有關的信息時，不清楚這些接觸點涉及的是從先前的第一控制時段繼續的一系列觸摸行為還是新的觸摸行為。不幸的是，很難集群化這些接觸點。特別地，在使用與過去的數據的偏差(位置偏差信息和壓力偏差信息)作為集群化時的特征量時，必然要識別當前檢測到的接觸點和先前檢測到的接觸點之間的關系。在本實施例中，對一系列觸摸行為中的接觸點的處理被視為具有馬爾可夫屬性(Markovproperty)。馬爾可夫屬性意味著假設的將來狀態僅依賴于所辨認出的當前狀態。首先，集群化單元120計算在某一控制時段內測得的接觸點與在前一時段內測得的各個接觸點之間的歐幾里德幾何距離D。當最小值Dmin未超過閾值Dth時，集群化單元120估計出接觸點與前一時段內測得的接觸點相同，并賦予該接觸點與先前測得的接觸點相同的ID。當最小值Dmin超過閾值Dth時，集群化單元120估計出該接觸點為新的接觸點，并賦予該接觸點新ID(參見圖7)。隨后，集群化單元120對各個接觸點執行集群分析，以形成作為觸摸行為的、彼此關聯的接觸點的群組。在本實施例中，假設利用接觸點位置變化和接觸點壓力變化來寬泛地標記觸摸行為模式，則使用每個接觸點的位置偏差和接觸點的壓力偏差作為指示與觸摸行為的關系的特征量。集群化方法之一例如是執行層級集群分析并設置針對不相似度的閾值以形成集群的方法。假設在某一控制時段內輸入了M個接觸點，則首先產生如下初始狀態其中，存在多個集群，并且一個集群僅包括M個接觸點中的一個接觸點。隨后，從接觸點的特征量向量Xl和x2之間的距離D(Xl，x2)來計算集群之間的距離D(Q，C2)。兩個最接近的集群被依次合并。可以通過利用例如下式表示的華德(Ward)方法來獲得指示出表示兩個集群&和C2的不相似度的距離函數的D(Q，C2)。D(C"C》二E(QUC2)-E(C》-E(C2)攀,)=^'))2其中，五(c,卜Xr("O，c,))2...(1)在式(1)中，x表示以接觸點的位置偏差和壓力偏差為元素的特征量向量。E(C》是第i個集群&的質心(重心)與該集群&中包括的各個接觸點x之間的距離的平方和。使用華德方法計算出的距離D(Q，C2)是通過從兩個集群Q與C2的合并集群的質心與該合并集群中的各個接觸點之間的距離的平方和減去集群Q的質心與其中各個接觸點之間的距離平方和與集群C2的質心與其中各個接觸點之間的距離平方和而獲得的結果。集群Q與C2的相似度越高，距離D(Q，C》就越短。華德方法展現了比其它距離函數更高的分類靈敏度，這是因為集群的質心與其中各個接觸點之間的距離被最小化了。這種依次合并兩個接近集群的處理被重復，直到單個集群包含所有接觸點為止，從而可以形成集群層級。該層級被表示為稱為樹狀圖的二進制樹結構。圖8圖示了以二進制樹結構表示的集群A至E的層級。在圖8中，縱坐標軸對應于華德方法中的距離，S卩，不相似度。將會理解，接觸點之間的關系被表示為不相似度。當設置了距離或不相似度閾值時，基于接觸點的特征量向量將具有高相似度的接觸點成組為集群，即，接觸點群組。此外，提高或降低閾值可以控制要獲得的接觸點群組的數目。參考圖8，使用閾值Dthl產生了四個集群，即，{A}、{B，C}、{D}和{E}。使用閾值D^產生了兩個接觸點群組{A，B，C}和{D，E}。當存在許多接觸點時，樹結構是復雜的。因此，IS0DATA方法或者用作非層級集群分析的k平均方法也是有用的。特征量計算部件131從通過上述層級集群分析形成的各個接觸點群組計算多個特征量，即，代表接觸模式(即，用于觸摸行為辨認)的N維特征量。用于觸摸行為辨認的特征量例如包括以下物理量。任何物理量都可以根據從觸覺傳感器群組輸出的位置信息和壓力信息來獲得。接觸點群組中包括的接觸點接觸點群組中包括的接觸點的平均法向力施加于接觸點群組中包括的每個接觸點的力的反向分量的總和，這些分量是通過在直角坐標軸中分解該力而獲得的接觸點群組中包括的接觸點的切向力的總和接觸點群組中包括的接觸點的移動速度的平均值接觸點群組中包括的接觸點的法向力持續超過閾值的時間接觸點群組中包括的接觸點的法向力持續在預定方向起作用的時間對在單個觸摸行為中是否再次觸摸同一部分的判斷對于用作用于觸摸行為辨認的特征量的物理量，考慮到實時的辨認能力而使用在檢測到接觸點時可以計算出的物理量。在本實施例中，將"叩擊"、"推動"、"拍擊"、"緊握"和"拖拉"這五種類別視為想要識別的觸摸行為。在本實施例中，"叩擊"被定義為形成在短時間內生成很大壓力的脈沖模式的行為，"推動"被定義成在長時間內處于接觸的情況下在預定方向上施加相對較大壓力的行為，"拍擊"被定義為在預定速度范圍內在接觸表面上平行移動接觸位置的情況下重復接觸同一部分的行為，"緊握"被定義為具有特定幅度水平的相反法向力維持達較長時間的行為，"拖拉"是除了"緊握"動作之外，"緊握"的法向力的切向力也在預定方向上起作用的行為。在本實施例中，上述八個物理量被用作能夠代表上述所定義的觸摸行為并彼此區分這些觸摸行為的物理量。以下表格圖示了這些觸摸行為類別與被認為代表這些觸摸行為類別的物理量之間的關系。表1<table>tableseeoriginaldocumentpage14</column></row><table>本發明的范圍不限于上述特征量。與各個觸摸行為類別相關的物理量與各個觸摸行為類別不具有簡單關系。因此，很難使用相關物理量來表示觸摸行為模式。因此，為了執行高速且高精度的辨認，有必要使用諸如維度壓縮之類的數據挖掘技術，下面將對該技術進行描述。映射部件132使用學習到的層級神經網絡將從各個接觸點群組計算出的八維特征量向量壓縮為二維信息。更具體而言，映射部件132使用自組織映射將從各個接觸點群組計算出的八維特征量向量壓縮成二維信息。在此實例中，自組織映射(S0M)是一種雙層前饋神經網絡。在使用自組織映射時，多維數據被二維映射，以使得更高維度的空間可被可視化。自組織映射可以用于多維數據的分類、特征提取以及模式辨認。圖9示意性地示出了自組織映射的結構。參見圖9，自組織映射包括n維輸入層X2、...Xn和競爭層，n維輸入層&、X2、...Xn中的每個用作第一層，競爭層用作第二層。通常，第二層被以比輸入層較少的維度來表示，并且由于視覺辨認容易的原因，第二層通常包括二維陣列。作為第二層的競爭層被利用權重向量n^、m2、...和mn來表示，并且包括與n維輸入層中的元素相等數目的n個元素。利用自組織映射的學習是用于獲得僅一個輸出神經元的放電(firing)的一種無監督競爭學習技術，并且使用歐幾里德距離進行學習。首先，隨機確定所有權重向量mi。當某輸入向量被給定作為要學習的數據時，搜索作為自組織映射的輸出層的第二層以得出使該輸入向量與任意一個權重向量之間的歐幾里德距離最小化的節點(神經元)，并且最接近該輸入向量的節點被確定為最適當匹配的勝出節點。隨后，勝出節點處的權重向量被更新，以便逼近作為被學習數據的輸入向量。另外，在勝出節點近鄰的節點處的權重向量被更新，以便略為逼近被學習數據，從而學習該輸入向量。在此實例中，通過近鄰函數來確定近鄰范圍以及更新量。近鄰范圍隨著學習時間的逝去而減小。結果，隨著學習時間的逝去，在輸出層中具有與輸入向量相似的權重向量的節點被定位成彼此更加接近，而具有與輸入向量不同的權重向量的其它節點被定位為更加遠離。因此，具有與各個輸入向量相似的權重向量的節點在輸出層中聚集，就好像形成了與被學習數據中包括的模式相對應的映射。隨著學習的進行、相似節點聚集到幾何上接近的位置處以形成被學習數據中包括的映射的上述學習處理稱為"自組織學習"。在本實施例中，假設通過批量學習(batchlearning)來學習在映射部件132中使用的自組織映射。批量學習是用于首先讀取要學習的所有數據項目以同時學習這些數據項目的方法。批量學習方法與依次學習方法不同，依次學習方法讀取要被逐一學習的數據項目來更新映射中的節點值。批量學習方法允許形成不依賴于所學習的數據項目的順序的映射。TeuvoKohonen所提出的自組織映射是通過對大腦皮層的神經系統功能進行建模而獲得的神經網絡。自組織映射的細節例如參見T.Kohonen所著的、于1996年6月15日第一次公布的、由HeizoTokutaka、SatoruKishida和KikuoFujimura翻譯的"JikoSoshikikaMappu[Self-OrganizingMaps]"，SpringerVerlagTokyo。對于想要識別的觸摸行為，考慮五種類別"叩擊"、"推動"、"拍擊"、"緊握"和"拖拉"(參見上面的描述和表1)。在這種情況下，針對每一種觸摸行為類別測量所學習的數據項目數次，從而可以基于測量結果來形成用于同時識別所有類別的自組織映射。但是，對于人的觸摸行為，通常以多層方式一起執行多個觸摸行為。一個示例是"在推動的同時拍擊"。此外，由于各個觸摸行為類別的特征量不是完全彼此正交，所以在單個自組織映射中未彼此分離開各個特征量。因此，在以下方面存在問題在同時辨認要識別的所有類別的單個自組織映射中不執行多層辨認和依賴于上下文的辨認。根據本實施例，針對想要識別的每個觸摸行為類別形成自組織映射，并且在映射部件132中準備了用于各個觸摸行為類別的多個自組織映射。當被提供以從某一接觸點群組計算出的八維特征量時，映射部件132將該八維特征量映射到各個自組織映射，以基于在相應自組織映射上的所映射的位置來確定各個觸摸行為的存在與否。因此，對于同時執行多個觸摸行為類別的諸如"在推動的同時拍擊"之類的多層觸摸行為，觸摸行為確定部件133可以使用相關自組織映射來執行與"推動"和"拍擊"有關的多層辨認。圖10圖示了觸摸行為確定部件133對針對各個觸摸行為類別提供的自組織映射15執行數據處理的機制。觸摸行為類別不完全彼此獨立。在一些情況下，很難使用在某一控制時段內檢測到的物理特征量來指定單個觸摸行為。大多數辨認處理是依賴于上下文的。換而言之，由于在一些情況下基于歷史來辨認觸摸行為，所以有必要考慮與觸摸行為有關的轉變數據。因此，當與在針對觸摸行為類別的相應自組織映射上是否存在各個觸摸行為有關的判斷結果被二進制化為0或1然后被輸出時，觸摸行為確定部件133的識別器基于被賦予各個類別的優先級和轉變數據來確定單個觸摸行為。也可以在不使用優先級的情況下執行對多個觸摸行為類別的辨認。圖11是由觸摸行為確定部件133基于與各個觸摸行為的存在與否有關的判斷結果來確定觸摸行為的處理的流程圖。首先，針對各個觸摸行為基本項目(primitiveitem)獲得在過去數毫秒內的判斷結果的平均值(步驟S1)。如果關于各個觸摸行為基本項目的判斷結果中的每個都指示零，則不更新辨認(步驟S2)。另一方面，如果關于任意觸摸行為基本項目的判斷結果的平均指示了零以外的值，則選擇具有最大值的項目(步驟S3)。在此實例中，如果存在具有相同值的兩個或更多個項目，則選擇被賦予最高優先級的項目(步驟S4)。對被賦予先前所選項目的優先級與被賦予當前所選項目的優先級進行比較(步驟S5)。如果被賦予當前所選項目的優先級高于被賦予先前所選項目的優先級，則更新辨認，并輸出辨認結果(步驟S6)。如果被賦予當前所選項目的優先級低于先前所選項目的優先級，則查閱先前所選項目的當前值(步驟S7)。如果該值為零，則更新辨認并輸出辨認結果(步驟S8)。如果該值不是零，則不更新辨認(步驟S9)。雖然已經參考具體實施例詳細描述了本發明，但是應當了解，在不脫離本發明的精神和范圍的情況下，本領域技術人員可以對其作出修改和替代。本說明書中描述的用于觸摸行為辨認的機制可被應用于與觸覺傳感被分布于全身表面(參見圖1)的機器人的觸摸交互。在本實例中，如果觸摸行為辨認機制的系統被包括在更大規模的系統中，則可以作出以下應用。基于另一系統的輸出來確定應當關注的并且獲得了觸摸行為辨認輸出的目標觸覺傳感器群組。在上述實施例中，使用自組織映射來識別對各個接觸點群組執行的觸摸行為。本發明人考慮到可以使用隱式馬爾可夫模型(hiddenMarkovmodel)來獲得連續且多層的觸摸行為。雖然在本說明書中主要描述了將本發明應用于雙足行走類型的有腿的移動機器人的實施例，但是本發明的精神不限于此實施例。本發明可類似地被應用于基于通過觸摸檢測設備感測到的各手指的不同移動來操作的裝置。例如，本發明可應用于用戶可以通過利用單個筆輸入坐標來操作并且也可以通過觸摸行為(即，利用多個指尖觸摸)來操作的觸摸面板個人數字助理(PDA)(參見圖12)。僅出于說明性目的描述了本發明的實施例，并且不應當限制性地解釋說明書的內容。為了理解本發明的精神和范圍，應當考慮所附權利要求。本發明包含與在2008年11月10日向日本專利局提交的日本優先專利申請JP162008-287793所公開的主題相關的主題，該申請的全部內容通過引用而被結合于此。本領域技術人員應當了解，可以依據設計要求和其它因素進行各種修改、組合、子組合和變更，只要它們在所附權利要求或其等同物的范圍內即可。權利要求一種觸摸行為辨認裝置，包括接觸點獲取單元，所述接觸點獲取單元被配置為獲取在多個接觸點中的壓力信息項目和位置信息項目；集群化單元，所述集群化單元被配置為根據基于由所述接觸點獲取單元獲取的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，所述接觸點群組中的每個包括彼此關聯的接觸點；以及觸摸行為識別單元，所述觸摸行為識別單元被配置為識別針對各個接觸點群組的觸摸行為。2.根據權利要求1所述的裝置，其中，所述觸摸行為識別單元包括特征量計算部件，所述特征量計算部件被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；映射部件，所述映射部件被配置為針對各個觸摸行為類別將從各個接觸點群組計算出的N維特征量映射到n維空間，以基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否，n為小于N的正整數；以及觸摸行為確定部件，所述觸摸行為確定部件被配置為基于在所述n維空間中的所映射的位置來確定對各個接觸點的觸摸行為辨認結果。3.根據權利要求2所述的裝置，其中，所述映射部件使用學習到的層級神經網絡來將從各個接觸點群組計算出的N維特征量轉換為二維數據。4.根據權利要求2所述的裝置，其中，所述映射部件使用學習到的自組織映射來將從各個接觸點群組計算出的N維特征量轉換為二維數據。5.根據權利要求2所述的裝置，其中，所述映射部件針對想要識別的每個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否，并且所述觸摸行為確定部件基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。6.—種觸摸行為辨認方法，包括以下步驟獲取多個接觸點中的壓力信息項目和位置信息項目；根據基于所獲取的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，所述接觸點群組中的每個包括彼此關聯的接觸點；從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；針對想要識別的每個觸摸行為類別提供n維空間，并將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，以基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否；以及基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。7.—種信息處理裝置，用于根據用戶操作來執行信息處理，所述裝置包括接觸點檢測單元，所述接觸點檢測單元包括被附接到所述信息處理裝置的主體的觸覺傳感器群組，所述接觸點檢測單元被配置為檢測多個接觸點中的壓力信息項目和位置信息項目；集群化單元，所述集群化單元被配置為根據基于由所述接觸點檢測單元檢測到的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，所述接觸點群組的每個包括彼此關聯的接觸點；特征量計算單元，所述特征量計算單元被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；映射單元，所述映射單元被配置為針對想要識別的每個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否；觸摸行為確定單元，所述觸摸行為確定單元被配置為基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果；以及控制單元，所述控制單元被配置為基于由所述觸摸行為確定單元確定的觸摸行為辨認結果來控制信息處理。8.—種以計算機可讀形式描述的以便使計算機可以執行用于辨認人的觸摸行為的處理的計算機程序，所述計算機程序使得所述計算機用作接觸點獲取單元，所述接觸點獲取單元被配置為獲取多個接觸點中的壓力信息項目和位置信息項目；集群化單元，所述集群化單元被配置為根據基于由所述接觸點獲取單元獲取的信息項目的、與所述接觸點的壓力偏差和位置偏差有關的信息來來對所述接觸點執行集群化，以形成作為觸摸行為的接觸點群組，所述接觸點群組的每個包括彼此關聯的接觸點；特征量計算單元，所述特征量計算單元被配置為從各個接觸點群組計算N個特征量，所述特征量代表接觸模式，N為3或更大的整數；映射單元，所述映射單元被配置為針對想要識別的每個觸摸行為類別提供n維空間，將從各個接觸點群組計算出的N維特征量映射到針對各自的觸摸行為類別的各個n維空間，并基于在相應空間中的所映射的位置來判斷各個觸摸行為存在與否；以及觸摸行為確定單元，所述觸摸行為確定單元被配置為基于指示出與在各個接觸點上各個觸摸行為存在與否有關的判斷結果的轉變數據以及被賦予各個觸摸行為類別的優先級來確定對各個接觸點群組的單個觸摸行為辨認結果。全文摘要本發明提供了觸摸行為辨認裝置和方法、信息處理裝置及計算機程序。觸摸行為辨認裝置包括接觸點獲取單元，所述接觸點獲取單元被配置為獲取在多個接觸點中的壓力信息項目和位置信息項目；集群化單元，所述集群化單元被配置為根據基于由接觸點獲取單元獲取的信息項目的、與接觸點的壓力偏差和位置偏差有關的信息來對接觸點執行集群化，以形成作為觸摸行為的接觸點群組，所述接觸點群組中的每個包括彼此關聯的接觸點；以及觸摸行為識別單元，所述觸摸行為識別單元被配置為識別針對各個接觸點群組的觸摸行為。文檔編號G06F3/041GK101739172SQ20091021170公開日2010年6月16日申請日期2009年11月10日優先權日2008年11月10日發明者白土寬和申請人:索尼株式會社