人間は概念を用いることで最小限の認知的処理で様々な情報を取得し，未知の事象に柔軟に対応している．すなわち，ロボットも概念を用いることで，可観測情報から未観測情報を予測し，未知の事象への対応が可能となると考えられる．我々は，概念を「知覚情報をクラスタリングすることによって形成されるカテゴリ」と定義する．本稿では，複数の知覚情報の共起に基づいて時系列マルチモーダル情報を分節し，そのカテゴリを教師なしで推定する手法を提案する．実際にロボットが物体を操作することで取得した物体画像とロボットの関節角を提案手法により分節・分類することで，物体と動作の共起関係を表す概念を形成可能であることを示す．
