本稿では人間の非分節な動作提示からロボットが自律的に模倣学習を行う為の新たな手法を提案する.ロボットが人間と非分節な関わり合いの中で動作獲得を行う為には,連続的な時系列情報から学習対象の動作区間を切り出さなければならない.提案手法では模倣の対象となる一連の動作を複数の線形ダイナミクスの切り替わりで表現しうるとしてモデル化する.具体的には提示された高次元の動作時系列を特異値分解を用いて低次元化した後に,Switching AR modelに基づいてARモデルがマルコフ遷移により切り替わるダイナミクスとしてモデル化する.対象時系列は隠れ状態を表わす文字の列として表現されるが,これに対してN-gram統計量に基づき記述量を最小化する辞書生成を通じて単語抽出を行うことにより,人間の特徴的な動作区間を抽出する.当手法を人間の上半身動作を対象にして実験を行い,また,その抽出性能を人間の抽出能力と比較することで提案手法の有効性検討した.