[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

KR102443052B1 - 공기 조화기 및 공기 조화기의 제어 방법 - Google Patents

공기 조화기 및 공기 조화기의 제어 방법 Download PDF

Info

Publication number
KR102443052B1
KR102443052B1 KR1020180043576A KR20180043576A KR102443052B1 KR 102443052 B1 KR102443052 B1 KR 102443052B1 KR 1020180043576 A KR1020180043576 A KR 1020180043576A KR 20180043576 A KR20180043576 A KR 20180043576A KR 102443052 B1 KR102443052 B1 KR 102443052B1
Authority
KR
South Korea
Prior art keywords
air conditioner
user
sound data
data
voice
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020180043576A
Other languages
English (en)
Other versions
KR20190119967A (ko
Inventor
이상경
김재홍
서희진
이창수
최보근
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020180043576A priority Critical patent/KR102443052B1/ko
Priority to PCT/KR2018/004747 priority patent/WO2019198857A1/ko
Priority to US17/047,263 priority patent/US11428426B2/en
Priority to EP18914880.2A priority patent/EP3748247B1/en
Priority to CN201880092075.3A priority patent/CN111936795B/zh
Publication of KR20190119967A publication Critical patent/KR20190119967A/ko
Application granted granted Critical
Publication of KR102443052B1 publication Critical patent/KR102443052B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/65—Electronic processing for selecting an operating mode
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/56—Remote control
    • F24F11/57—Remote control using telephone networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/14—Systems for determining distance or velocity not using reflection or reradiation using ultrasonic, sonic, or infrasonic waves
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F1/00—Room units for air-conditioning, e.g. separate or self-contained units or units receiving primary air from a central station
    • F24F1/0007—Indoor units, e.g. fan coil units
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/10—Occupancy
    • F24F2120/12—Position of occupants
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2120/00—Control inputs relating to users or occupants
    • F24F2120/20—Feedback from users
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
    • F24F2130/40—Noise
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2614—HVAC, heating, ventillation, climate control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Multimedia (AREA)
  • Acoustics & Sound (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 개시의 공기 조화기는, 마이크, 냉기 또는 온기를 외부로 토출하는 송풍팬, 상기 공기 조화기 주변의 현재 온도를 감지하는 온도 센서, 외부 장치와 통신 가능한 통신부, 상기 마이크, 상기 온도 센서 및 상기 통신부와 전기적으로 연결된 적어도 하나의 프로세서, 및 상기 적어도 하나의 프로세서와 전기적으로 연결된 메모리를 포함할 수 있다. 상기 메모리는, 상기 프로세서가, 사용자의 위치 및 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 학습된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하고, 상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하도록(set) 설정된(configured) 적어도 하나의 명령어를 저장할 수 있다. 이 때, 학습 모델은 복수의 주변 온도, 복수의 설정 온도, 복수의 위치 정보 및 복수의 운전 모드 중 적어도 하나를 이용하여 학습된 학습 모델일 수 있다. 상기 학습 모델은, 예로, 인공 지능 알고리즘으로서 기계학습, 신경망 또는 딥러닝 알고리즘 중 적어도 하나를 이용하여 생성된 모델일 수 있다.

Description

공기 조화기 및 공기 조화기의 제어 방법{AIR CONDITIONER AND METHOD FOR CONTROLLING AIR CONDITIONER}
본 개시는 공기 조화기 및 공기 조화기의 제어 방법에 관한 것이다.
공기 조화기는 실내의 공기를 목적 또는 용도에 따라서 최적의 상태로 유지하는 가전 기기일 수 있다. 예로, 공기 조화기는 여름에는 실내를 냉방 상태로 유지하고, 겨울에는 실내를 난방 상태로 유지할 수 있다. 또한, 실내의 습도를 조절하여 실내를 청정 상태로 유지할 수 있다.
일반적으로, 공기 조화기는 사용자가 설정한 설정 온도에 따라 동작할 수 있다. 예로, 공기 조화기는 실내의 주변 온도를 감지하고 주변 온도가 사용자가 설정한 설정 온도에 도달할 때까지 송풍을 수행할 수 있다. 또는, 공기 조화기는 사용자가 설정한 설정 온도를 유지하도록 송풍을 수행할 수 있다.
한편, 근래에는 데이터를 자동(Automation)으로 인식하여 데이터와 연관된 정보를 제공하거나 데이터와 관련된 서비스를 제공하는 지능형 서비스(Intelligent Service)가 다양한 분야에서 사용되고 있다. 지능형 서비스에 이용되는 인공 지능 기술은 인간 수준의 지능을 구현하는 기술로서, 기존 룰(rule) 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 기술이다. 인공 지능 기술은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 룰 기반 기술은 점차 인공 지능 기술로 대체되고 있다.
인공 지능 기술은 기계학습 및 기계학습을 활용한 요소 기술들로 구성된다. 기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소 기술은 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.
공기 조화기가 송풍을 수행하는 경우, 공기 조화기는 재실자의 위치를 고려하지 않고 송풍할 수 있다. 재실자가 공기 조화기의 송풍의 방향 또는 강도를 조절할 수 있으나, 재실자의 위치가 변경되는 경우, 공기 조화기는 재실자의 이동을 고려하지 않고 송풍을 하기 때문에 불필요한 공간의 송풍에 따른 에너지 손실이 발생될 수 있다.
따라서, 본 개시의 목적은 재실자의 위치를 고려하고, 또한 인공 지능 기술을 이용하여 공기 조화기의 온도를 설정하는데 목적이 있다.
그밖에, 본 개시에서 해결하고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급하지 않은 다른 기술적 과제들은 아래의 기재로부터 본 개시에 속하는 기술분야의 통상의 지식을 가진 자에게 명확하게 이해될 수 있다.
본 개시에 따른, 공기 조화기는, 마이크, 냉기 또는 온기를 외부로 토출하는 송풍팬, 상기 공기 조화기 주변의 현재 온도를 감지하는 온도 센서, 외부 장치와 통신 가능한 통신부, 상기 마이크, 상기 온도 센서 및 상기 통신부와 전기적으로 연결된 적어도 하나의 프로세서, 및 상기 적어도 하나의 프로세서와 전기적으로 연결된 메모리를 포함하되, 상기 메모리는, 상기 프로세서가, 사용자가 음성을 발화함에 따라, 상기 사용자의 음성(voice) 데이터를 포함하는 제1 사운드 데이터를 상기 마이크를 통하여 획득하고, 상기 공기 조화기가 위치한 제1 위치와 다른 제2 위치의 제1 외부 장치가 획득한, 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 상기 통신부를 통하여 획득하고, 상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 상기 통신부를 통하여 획득하고, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하고, 상기 획득된 사용자의 위치 및 상기 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 학습된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하고, 상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하도록 설정된 적어도 하나의 명령어를 저장하고, 상기 학습 모델은 복수의 주변 온도, 복수의 설정 온도, 복수의 위치 정보 및 복수의 운전 모드 중 적어도 하나를 이용하여 학습된 학습 모델일 수 있다.
본 개시에 따른 공기 조화기의 제어 방법은, 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크를 통하여 획득하는 동작, 제1 외부 장치가 획득한 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 획득하는 동작, 상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 획득하는 동작, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작, 상기 획득된 사용자의 위치, 및 상기 사용자의 음성이 발화되는 상황에서 측정된 상기 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작, 및 상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하는 동작을 포함할 수 있다.
본 개시에 따른 컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품은, 제1 위치의 공기 조화기에 마련된 마이크를 통하여, 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 획득하는 동작, 상기 제1 위치와 다른 제2 위치의 제1 외부 장치가 획득한, 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 획득하는 동작, 상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 획득하는 동작, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작, 상기 획득된 사용자의 위치, 및 상기 사용자의 음성이 발화되는 상황에서 측정된 상기 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작, 및 상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하는 동작을 수행하도록 설정된 적어도 하나의 명령어를 포함할 수 있다.
본 개시에 따르면, 공기 조화기의 사용자의 위치를 고려하여 추천 온도 및 운전 모드 중 적어도 하나의 설정이 가능하게 되어, 불필요한 공간의 냉방 또는 난방에 따른 에너지 손실이 감소된다. 또한, 사용자의 위치를 향하여 송풍이 가능함에 따라, 공기 조화기를 이용하는 사용자의 조작이 최소화되고 공기 조화기를 이용하는 사용자의 만족이 증가하게 된다.
또한, 인공 지능 기술을 이용하여 공기 조화기에 설정될 온도 및 운전 모드가 자동으로 추천됨에 따라, 공기 조화기를 제어하는 사용자의 편의성이 향상되고, 사용자에게 이상적인 냉방 또는 난방 환경이 제공될 수 있다.
또한, 인공 지능 기술을 이용하여 공기 조화기를 이용하는 사용자들 각각에게 맞춤화된 학습 모델이 생성이 가능함에 따라, 다수의 사용자들 각각에 적합한 최적의 추천 온도 및 운전 모드의 제공이 가능하게 된다.
그 외에 본 개시의 실시 예로 인하여 얻을 수 있거나 예측되는 효과에 대해서는 본 개시의 실시 예에 대한 상세한 설명에서 직접적 또는 암시적으로 개시하도록 한다. 예컨대, 본 개시의 실시 예에 따라 예측되는 다양한 효과에 대해서는 후술될 상세한 설명 내에서 개시될 것이다.
도 1 내지 도 6은, 본 개시의 일 실시 예에 따른 공기 조화기를 포함하는 네트워크 시스템을 나타내는 도면이다.
도 7a 및 도 7b는, 본 개시의 일 실시 예에 따른 사용자의 위치를 획득하는 절차를 나타내는 도면이다.
도 8a 및 도 8b는, 본 개시의 일 실시 예에 따른 인공 지능 서버의 구성을 나타내는 도면이다.
도 9은, 본 개시의 일 실시 예에 따른 공기 조화기의 구성을 도시한 블록도이다.
도 10은, 본 개시의 일 실시 예에 따른 공기 조화기의 흐름도이다.
본 명세서에 기재된 실시예와 도면에 도시된 구성은 개시된 발명의 바람직한 일 예에 불과할 뿐이며, 본 출원의 출원시점에 있어서 본 명세서의 실시예와 도면을 대체할 수 있는 다양한 변형 예들이 있을 수 있다.
이하 설명될 공기 조화기(100)의 프로세서(950), 통신부(930), 메모리(940) 및 마이크(945)는, 후술할 도 9에서 공기 조화기(100)의 프로세서(950), 통신부(930), 메모리(940) 및 마이크(945)에 각각 대응될 수 있다.
도 1은 본 개시의 실시예에 따른 공기 조화기를 포함하는 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)를 포함할 수 있다. 공기 조화기(100)는 실내의 공기의 온도 또는 습도를 조절하는 가전 기기일 수 있다. 공기 조화기(100)에는 벽걸이형 또는 스탠드형이 있을 수 있다.
제1 외부 장치(200)는 공기 조화기(100)와 다른 위치에 존재할 수 있다. 예로, 공기 조화기(100)는 제1 위치에 존재하고, 제1 외부 장치(200)는 제2 위치에 존재할 수 있다. 제1 외부 장치(200)는, 사운드 출력이 가능한 장치로서, 예로, TV 또는 오디오 장치 등을 포함할 수 있다.
제1 서버(300)는 적어도 하나의 사운드 데이터 및 적어도 하나의 오디오 데이터를 입력 받아, 사운드 데이터에 포함된 사용자의 음성에 대응되는 사용자의 위치를 결정하도록 설정된 학습 모델을 저장할 수 있다.
제2 서버(400)는, 사용자의 위치 및 공기 조화기(100)의 주변 온도를 입력 받아, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정하도록 설정된 학습 모델을 저장할 수 있다.
제1 서버(300) 및 제2 서버(400)는 하나 또는 그 이상의 서버, 또는 클라우드로 구현될 수도 있다. 또한, 제1 서버(300)에 포함된 학습 모델 및 제2 서버(400)에 포함된 학습 모델은 하나의 학습 모델로 구현될 수도 있다. 예로, 제1 서버(300) 및 제2 서버(400)의 기능이 통합된 서버는 적어도 하나의 사운드 데이터 및 적어도 하나의 오디오 데이터를 입력 받아, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다.
다양한 실시 예로, 제1 서버(300) 및 제2 서버(400)의 동작을 공기 조화기(100) 또는 실내의 다른 외부 장치가 수행할 수도 있다. 이 때, 공기 조화기(100) 또는 실내의 다른 외부 장치가 사용자의 위치를 결정하도록 설정된 학습 모델, 및 추천 온도 및 운전 모드 중 적어도 하나를 결정하도록 설정된 학습 모델 중 적어도 하나를 포함할 수도 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 예로, 사용자(1)는 '온도 조절해~'(101)라고 발화할 수 있다. 이에 따라, 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다.
한편, 사용자가 음성(101)을 발화하는 상황에서, 제1 외부 장치(200) 또한 제1 외부 장치(200)의 마이크를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제2 사운드 데이터를 획득할 수 있다. 제1 외부 장치(200)는 획득된 제2 사운드 데이터를 공기 조화기(100)에게 전송할 수 있다. 예로, 음성(101)이 발화되는 상황에서, 공기 조화기(100)의 프로세서(950)는 제2 사운드 데이터의 요청 명령을 제1 외부 장치(200)에게 전송하도록 통신부(930)를 제어할 수 있다. 이 때, 음성(101)이 발화되는 상황은, 예로, 공기 조화기(100)가 제1 사운드 데이터를 획득할 때, 또는 공기 조화기(100)의 마이크가 사용자의 음성(101)을 감지할 때를 포함할 수 있으나, 전술한 예에 제한되지 않는다. 또한, 음성(101)이 발화되는 상황은, 음성(101)이 발화되기 시작할 때, 음성(101)의 발화가 종료될 때 또는 음성(101)이 발화 중일 때를 포함할 수 있다. 또한, 음성(101)이 발화되는 상황은, 음성(101)이 발화되기 일정 시간 전 또는 음성(101)이 발화되고 일정 시간 후를 포함할 수 있다. 공기 조화기(100)로부터의 요청 명령에 응답하여, 제1 외부 장치(200)는 획득된 제2 사운드 데이터를 공기 조화기(100)에게 전송할 수 있다.
공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터를 통신부(930)를 통하여 획득할 수 있다. 또한, 공기 조화기(100)의 프로세서(950)는 제1 외부 장치(200)가, 음성(101)이 발화되는 상황에서, 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다. 예로, 제1 외부 장치(200)가 TV인 경우, 오디오 데이터는 TV에서 출력 중인 오디오 데이터를 포함할 수 있다. 일 실시 예로, 공기 조화기(100)의 프로세서(950)는 제2 사운드 데이터 및 오디오 데이터를 함께 획득할 수도 있다.
제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터가 획득되면, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자(1)의 위치를 획득할 수 있다.
일 예로, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터로부터 오디오 데이터를 제거하여 사용자 음성(101)에 대응되는 음성 데이터를 추출하고, 제2 사운드 데이터로부터 오디오 데이터를 제거하여 사용자 음성(101)에 대응되는 음성 데이터를 추출할 수 있다. 이 때, 오디오 데이터를 제거하여 음성 데이터를 추출하는 것은, 오디오 데이터와 함께 외부의 환경 노이즈를 제거하여 사용자 음성(101)을 추출하는 것을 포함할 수 있다. 다음으로, 공기 조화기(100)의 프로세서(950)는 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 사용자(1)의 위치를 획득할 수 있다.
다른 실시 예로, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 사용자(1)의 위치를 획득할 수 있다. 학습 모델은, 예로, 공기 조화기(100)의 메모리(940)에 저장된 상태이거나 또는 공기 조화기(100)와 통신 가능한 외부의 제1 서버(300)에 저장된 상태일 수 있다. 학습 모델은, 예로, 복수의 사운드 데이터, 복수의 오디오 데이터 및 위치 정보 중 적어도 하나를 이용하여 학습된 학습 모델일 수 있다.
학습 모델이 제1 서버(300)에 저장된 경우, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 제1 서버(300)에게 전송할 수 있다. 제1 서버(300)는 수신한 데이터들을 저장된 학습 모델에 적용하여 사용자(1)의 위치를 결정할 수 있다. 제1 서버(300)는 결정된 사용자(1)의 위치를 공기 조화기(100)로 전송할 수 있다. 공기 조화기(100)는 제1 서버(300)로부터 사용자(1)의 위치를 획득할 수 있다.
사용자의 위치가 획득되면, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치, 및 사용자의 음성(101)이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다.
이 경우, 공기 조화기(100)의 프로세서(950)는 사용자의 음성이 공기 조화기(100)의 온도 조절을 요청하는 음성인 것으로 인식되면, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 이 때, 음성(101)이 발화되는 상황은, 예로, 공기 조화기(100)가 제1 사운드 데이터를 획득할 때, 또는 공기 조화기(100)의 마이크가 사용자의 음성(101)을 감지할 때를 포함할 수 있으나, 전술한 예에 제한되지 않는다. 또한, 음성(101)이 발화되는 상황은, 음성(101)이 발화되기 시작할 때, 음성(101)의 발화가 종료될 때 또는 음성(101)이 발화 중일 때를 포함할 수 있다. 또한, 음성(101)이 발화되는 상황은, 음성(101)이 발화되기 일정 시간 전 또는 음성(101)이 발화되고 일정 시간 후를 포함할 수 있다.
다양한 실시 예로, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치 및 음성이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다. 학습 모델은, 예로, 공기 조화기(100)의 메모리(940)에 저장된 상태이거나 또는 공기 조화기(100)와 통신 가능한 외부의 제2 서버(400)에 저장된 상태일 수 있다. 학습 모델은, 예로, 복수의 주변 온도, 복수의 설정 온도, 복수의 위치 정보 및 복수의 운전 모드 중 적어도 하나를 이용하여 학습된 학습 모델일 수 있다.
학습 모델이 제2 서버(400)에 저장된 경우, 공기 조화기(100)의 프로세서(950)는 사용자의 위치 및 공기 조화기(100)의 주변 온도를 제2 서버(400)에게 전송할 수 있다. 제2 서버(400)는 수신한 데이터들을 저장된 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 공기 조화기(100)는 제2 서버(400)부터 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나가 획득되면, 공기 조화기(100)는 획득된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
도 2는 본 개시의 다른 실시예에 따른 공기 조화기를 포함하는 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 서버(300) 및 제2 서버(400), 제1 외부 장치(200), 제2 외부 장치(500)를 포함할 수 있다. 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)는 전술한 도 1의 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)에 각각 대응될 수 있다. 제2 외부 장치(500)는 마이크를 포함한 장치가 될 수 있다. 예로, 제2 외부 장치(500)는 마이크를 이용하여 외부에서 수신되는 음성 또는 사운드를 전기적인 신호로 생성(또는, 변환)할 수 있다. 또는, 제2 외부 장치(500)는 마이크를 통하여 변환된 음성 데이터 또는 오디오 데이터를 인식할 수 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다.
사용자가 음성(101)을 발화하는 상황에서, 제2 외부 장치(500)는 마이크를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제2 사운드 데이터를 획득할 수 있다. 제2 외부 장치(500)는 획득된 제2 사운드 데이터를 공기 조화기(100)에게 전송할 수 있다. 예로, 음성(101)이 발화될 상황에서, 공기 조화기(100)의 프로세서(950)는 제2 사운드 데이터의 요청 명령을 제2 외부 장치(500)에게 전송하도록 통신부(930)를 제어할 수 있다. 공기 조화기(100)로부터의 요청 명령에 응답하여, 제2 외부 장치(500)는 획득된 제2 사운드 데이터를 공기 조화기(100)에게 전송할 수 있다.
한편, 공기 조화기(100)의 프로세서(950)는, 음성(101)이 발화되는 상황에서, 제1 외부 장치(200)가 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다.
제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터가 획득되면, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자(1)의 위치를 획득할 수 있다. 공기 조화기(100)의 프로세서(950)가 사용자(1)의 위치를 획득하는 예는, 도 1에서 전술하여 중복되는 설명은 생략한다.
사용자의 위치가 획득되면, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치 및 사용자의 음성(101)이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
일 예로, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치 및 음성이 발화되는 상황에서 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다. 공기 조화기(100)에 설정할 추천 온도 및 운전 모드가 결정되면, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
도 3은 본 개시의 다른 실시예에 따른 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400) 및 제4 외부 장치(600)를 포함할 수 있다. 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)는 전술한 도 1의 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)에 각각 대응될 수 있다. 제4 외부 장치(600)는, 공기 조화기(100)를 원격으로 제어하는 기기일 수 있다. 예로, 사용자(1)는 제4 외부 장치(600)를 파지하고, 제4 외부 장치(600)를 통하여 사용자 입력을 수행하여 공기 조화기(100)를 원격으로 제어할 수 있다.
제4 외부 장치(600)는, 사용자 단말(600a)과 같이, 공기 조화기 제어 어플리케이션(또는, 앱)이 설치된 스마트 폰(Smart Phone), 셀룰러 폰(Cellular Phone) 또는 태블릿 피씨(Tablet PC) 등이 있을 수 있고, 또는, 사용자 단말(600b)과 같이, 공기 조화기 전용 원격 제어 장치(Remote Controller)(또는, 리모컨)가 있을 수 있다. 제4 외부 장치(600)는 공기 조화기(100)를 원격으로 제어할 수 있다. 예로, 제4 외부 장치(600)는 지그비(ZigBee), 와이파이(WIFI), 블루투스(Bluetooth), 이동 통신, 근거리 통신망(LAN), 광역 통신망(WAN), 적외선(IrDA), UHF 및 VHF와 같은 RF 통신 기술 등을 이용하여 공기 조화기(100)로 제어 명령을 전송할 수 있다.
제4 외부 장치(600)는 마이크를 포함하여, 외부에서 수신되는 음성 또는 사운드를 전기적인 신호로 생성할 수 있다. 또는, 제4 외부 장치(600)는 제4 외부 장치(600)의 위치 정보를 획득하여 저장할 수 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다. 또한, 제4 외부 장치(600)는 마이크를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제2 사운드 데이터를 획득할 수 있다. 또는, 제4 외부 장치(600)는 음성(101)이 발화되는 상황에서 제4 외부 장치(600)의 위치 정보를 획득할 수 있다. 제4 외부 장치(700)는 제2 사운드 데이터 및/또는 위치 정보를 공기 조화기(100)에게 전송할 수 있다.
공기 조화기(100)의 프로세서(950)는 제2 사운드 데이터 및/또는 위치 정보를 통신부(930)를 통하여 획득할 수 있다.
한편, 공기 조화기(100)의 프로세서(950)는, 음성(101)이 발화되는 상황에서, 제1 외부 장치(200)가 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다.
제1 사운드 데이터, 제2 사운드 데이터, 오디오 데이터 및 사용자(10)가 파지한 외부 장치(예로, 제4 외부 장치(600))의 위치 정보 중 적어도 하나가 획득되면, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터, 오디오 데이터 및 상기 위치 정보 중 적어도 하나를 이용하여 사용자(1)의 위치를 획득할 수 있다. 예로, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터, 오디오 데이터 및 상기 위치 정보 중 적어도 하나를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 사용자(1)의 위치를 획득할 수 있다.
다른 예로, 공기 조화기(100)의 프로세서(950)는 사용자(10)가 파지한 외부 장치(예로, 제4 외부 장치(600))의 위치 정보만 이용하여 사용자(1)의 위치를 획득할 수도 있다.
사용자의 위치가 획득되면, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치 및 사용자의 음성(101)이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나가 결정되면, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
도 4는 본 개시의 다른 실시예에 따른 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300), 제2 서버(400) 및 제5 외부 장치(700)를 포함할 수 있다. 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)는 전술한 도 1의 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)에 각각 대응될 수 있다. 제5 외부 장치(700)는, 촬영이 가능한 장치로서, 예로, 로봇 청소기, 보안 카메라 등을 포함할 수 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다.
제5 외부 장치(700)는 카메라를 이용하여 사용자가 위치한 장소를 촬영할 수 있다. 제5 외부 장치(700)는 촬영된 촬영 정보를 공기 조화기(100)에게 전송할 수 있다. 촬영 정보는, 이미지, 동영상 또는 시간이 경과됨에 따라 촬영된 복수 개의 이미지들일 수 있다.
한편, 공기 조화기(100)의 프로세서(950)는, 음성(101)이 발화되는 상황에서, 제1 외부 장치(200)가 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다. 또한, 공기 조화기(100)의 프로세서(950)는, 제5 외부 장치(700)가 촬영한 촬영 정보를 획득할 수 있다. 촬영 정보는, 예로, 사용자(1)를 촬영한 영상을 포함할 수 있다. 또는, 촬영 정보는 공기 조화기(100)가 위치한 실내의 지도 정보를 포함할 수 있다. 지도 정보는, 제5 외부 장치(700)(예로, 로봇 청소기)가 촬영한 촬영 정보에 기반하여 생성된 정보일 수 있다.
제1 사운드 데이터, 오디오 데이터 및 촬영 정보가 획득되면, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 오디오 데이터 및 촬영 정보 중 적어도 하나를 이용하여 사용자(1)의 위치를 획득할 수 있다. 예로, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 오디오 데이터 및 촬영 정보 중 적어도 하나를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 사용자(1)의 위치를 획득할 수 있다.
사용자의 위치가 획득되면, 공기 조화기(100)의 프로세서(950)는 획득된 사용자의 위치 및 사용자의 음성(101)이 발화되는 상황에서 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 공기 조화기(100)에 설정할 추천 온도 및 운전 모드가 결정되면, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
도 5는, 본 개시의 일 실시예에 따른 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)를 포함할 수 있다. 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)는 전술한 도 1의 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)에 각각 대응될 수 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 예로, 사용자(1)는 '온도 조절해~'(101)라고 발화할 수 있다. 사용자(1)가 음성(101)을 발화하는 동안에, 다른 사용자(2) 또한 음성(102)을 발화할 수 있다. 예로, 다른 사용자(2)는 '오늘 뭐했어?'(102)라고 발화할 수 있다. 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자(10)의 음성(101)에 대응되는 제1 음성 데이터 및 다른 사용자(2)의 음성(102)에 대응되는 제2 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다.
복수의 음성들(101,102)이 발화되는 상황에서, 제1 외부 장치(200) 또한 제1 외부 장치(200)의 마이크를 통하여 제1 음성 데이터 및 제2 음성 데이터를 포함하는 제2 사운드 데이터를 획득할 수 있다. 제1 외부 장치(200)는 획득된 제2 사운드 데이터를 공기 조화기(100)에게 전송할 수 있다.
공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터를 통신부(930)를 통하여 획득할 수 있다. 또한, 공기 조화기(100)의 프로세서(950)는 복수의 음성들(101,102)이 발화되는 상황에서 제1 외부 장치(200)가 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다.
제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터가 획득되면, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 복수의 사용자들(1,2)의 위치를 획득할 수 있다. 일 예로, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 복수의 사용자들(1,2) 각각의 위치를 획득할 수 있다.
공기 조화기(100)의 프로세서(950)는 복수의 사용자들(1,2) 각각의 위치 및 사용자의 음성(101)이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 다음으로, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
도 6은, 본 개시의 일 실시예에 따른 네트워크 시스템을 나타내는 도면이다.
네트워크 시스템은, 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300), 제2 서버(400) 및 제6 외부 장치(800)를 포함할 수 있다. 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)는 전술한 도 1의 공기 조화기(100), 제1 외부 장치(200), 제1 서버(300) 및 제2 서버(400)에 각각 대응될 수 있다. 제6 외부 장치(800)는 사용자의 입력에 따른 이벤트 신호를 발생시킬 수 있는 장치를 포함할 수 있다. 또는, 제6 외부 장치(800)는 제6 외부 장치(800)의 이용 또는 동작 중에 발생되는 이벤트 신호에 대응되는 이벤트 정보를 외부 장치로 전송 가능한 장치일 수 있다.
이러한 상황에서, 사용자(1)는 공기 조화기(100)를 제어하기 위한 음성(101)을 발화할 수 있다. 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(101)에 대응되는 음성 데이터를 포함하는 제1 사운드 데이터를 획득할 수 있다. 또한, 공기 조화기(100)의 프로세서(950)는, 음성(101)이 발화되는 상황에서, 제1 외부 장치(200)가 출력 중인 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다.
공기 조화기(100)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득할 수 있다.
한편, 공기 조화기(100)의 프로세서(950)는 제6 외부 장치(800)로부터 사용자 액션에 따라 발생된 이벤트 신호에 대응되는 이벤트 정보를 획득할 수 있다. 예로, 제6 외부 장치(800)가 냉장고인 경우, 사용자(2)가 냉장고를 개/폐할 수 있다. 냉장고를 개/폐하는 사용자 액션에 따라 이벤트 신호가 발생되면, 제6 외부 장치(800)는 발생된 이벤트 신호에 대응되는 이벤트 정보를 공기 조화기(100)로 전송할 수 있다.
공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터 및 오디오 데이터를 이용하여 사용자(1)의 위치를 획득할 수 있다. 또한, 공기 조화기(100)는 이벤트 정보를 이용하여 다른 사용자(2)의 위치를 획득할 수 있다. 이 때, 공기 조화기(100)의 프로세서(950)는 이벤트 정보를 전송한 제6 외부 장치(800)의 위치 정보에 기반하여, 다른 사용자(2)의 위치를 획득할 수 있다. 제6 외부 장치(800)의 위치 정보는 공기 조화기(100)에 미리 저장된 상태일 수 있다. 또는, 공기 조화기(100)가 댁 내의 기기들을 관리하는 홈 관리 서버(미도시)에 요청하여 획득할 수 있다. 또는, 이벤트 정보와 함께 제6 외부 장치(800)로부터 획득될 수도 있다.
공기 조화기(100)의 프로세서(950)는 복수의 사용자들(1,2) 각각의 위치 및 사용자의 음성(101)이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 이용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 다음으로, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정할 수 있다.
도 7a는, 본 개시의 일 실시예에 따라 사용자의 위치를 획득하는 절차를 나타내는 도면이다.
도 7a의 (a)에서, 제1 위치의 공기 조화기(100)의 프로세서(950)는 공기 조화기(100)에 마련된 마이크(945)를 통하여 사용자의 음성(예로, 도 2의 사용자(1)의 음성(101))에 대응되는 제1 음성 데이터(702) 및 오디오 출력 장치(예로, 도 2의 제1 외부 장치(200))가 출력 중인 제1 오디오 데이터(703)를 포함하는 제1 사운드 데이터(701)를 획득할 수 있다. 도 7a의 (a)에서, 공기 조화기(100)의 프로세서(950)는 제1 사운드 데이터(701)로부터 제1 오디오 데이터(703)를 제거하여 제1 음성 데이터(702)를 획득할 수 있다.
또한, 도 7a의 (b)에서, 공기 조화기(100)와 다른 제2 위치에 존재하는 음성 인식 장치(예로, 도 2의 제2 외부 장치(500))는 마이크를 통하여 사용자의 음성(예로, 도 2의 사용자(10)의 음성(101))에 대응되는 제2 음성 데이터(712) 및 오디오 출력 장치(예로, 도 2의 제1 외부 장치(200))가 출력 중인 제2 오디오 데이터(713)를 포함하는 제2 사운드 데이터(711)를 획득할 수 있다.
음성 인식 장치는 획득한 제2 사운드 데이터(711)를 공기 조화기(100)에게 전송할 수 있다. 공기 조화기(100)의 프로세서(950)는 제2 사운드 데이터(711)로부터 제2 오디오 데이터(713)를 제거하여 제2 음성 데이터(712)를 획득할 수 있다. 이 때, 제2 오디오 데이터(713)는 오디오 출력 장치로부터 획득된 제1 오디오 데이터(703)와 동일한 오디오 데이터일 수 있다.
다양한 실시예로, 음식 인식 장치가 제2 사운드 데이터(711)로부터 제2 오디오 데이터(713)를 제거하여 제2 음성 데이터(712)를 획득할 수 있다. 그리고, 획득된 제2 음성 데이터(712)를 공기 조화기(100)에게 전송할 수 있다.
도 7a에서, 제1 사운드 데이터(701) 및 제2 사운드 데이터(711)는 다른 위상 차를 갖는 동일한 사운드 데이터일 수 있다. 즉, 제1 위치의 공기 조화기(100)와 제2 위치의 음성 인식 장치는 서로 다른 위치에 존재하기 때문에, 동일한 사운드라고 할지라도 각각의 마이크로 입력되는 시간이 서로 다를 수 있다. 따라서, 음원으로부터 각각의 마이크로 입력되는 시간 차이 또는 음원으로부터 각각의 마이크까지의 거리 차이에 의하여 제1 사운드 데이터(701) 및 제2 사운드 데이터(711)는 다른 위상 차 또는 다른 진폭을 갖는 동일한 사운드 데이터일 수 있다.
다양한 실시예로, 도 7a에서, 공기 조화기(100)의 프로세서(950)는 제1 및 제2 사운드 데이터(701,711)로부터 환경 노이즈(noise)를 추가적으로 더 제거하여 제1 및 제2 음성 데이터(702,712)를 획득할 수도 있다. 환경 노이즈(noise)는 공기 조화기(100)의 주변의 다른 소음 및/또는 제3의 오디오 출력 장치가 출력 중인 오디오 소음 등을 포함할 수 있다. 공기 조화기(100)의 프로세서(950)는, 예로, 노이즈 캔슬링(noise cancelling) 기법을 통하여 환경 노이즈를 제거할 수 있다. 노이즈 캔슬링 기법에는, 예로, 능동 소음 제어(active noise cancelling, ANC) 또는 능동 소음 감소(active noise reduction, ANR)을 포함할 수 있으나, 전술한 예에 제한되지는 않는다.
다양한 실시예로, 공기 조화기(100)의 프로세서(950)는 제1 및 제2 사운드 데이터(701,711)로부터 제1 및 제2 오디오 데이터(703,713)을 제거하고, 제거된 제1 및 제2 오디오 데이터(703,713) 각각으로부터 사람의 음성을 인식하여 제1 및 제2 음성 데이터(702,712)를 각각 획득할 수 있다. 이에 따라, 오디오 데이터(703)가 제3 자의 음성 데이터를 포함하는 상황에서도, 제1 위치의 공기 조화기(100)의 프로세서(950)가 제3 자의 음성을 제외한 사용자의 음성을 인식하여 추출하는 것이 가능할 수 있다.
다양한 실시예로, 제1 위치의 공기 조화기(100)는 제1 사운드 데이터(701), 제1 오디오 데이터(703), 제2 사운드 데이터(711), 제2 오디오 데이터(713)를 외부의 음성 인식 서버로 전송하고, 음성 인식 서버로부터 제1 음성 데이터(702) 및 제2 음성 데이터(712)를 획득할 수도 있다.
도 7a에서, 서로 다른 위상 차를 갖는 제1 위치에서의 제1 음성 데이터(702) 및 제2 위치에서의 제2 음성 데이터(712)가 획득되면, 공기 조화기(100)는 제1 음성 데이터(702) 및 제2 음성 데이터(712) 각각을 획득한 위치, 제1 음성 데이터(702) 및 제2 음성 데이터(712) 간의 시간 차이, 위상 차이, 제1 음성 데이터(702) 및 제2 음성 데이터(712) 간의 진폭 차이 중 적어도 하나에 기반하여 사용자의 위치를 획득할 수 있다. 예로, 음원의 위치를 인식하는 어레이 마이크에서 활용되는 기술에 기반하여, 사용자의 위치가 획득될 수 있다. 이 경우, 제1 위치 및 제2 위치에 대한 정보 중 적어도 하나는 공기 조화기(100)의 메모리(940)에 기 저장된 상태일 수 있다. 또는, 제1 위치 및 제2 위치 간의 상대적인 정보(예로, 제1 위치로부터 제2 위치까지의 거리 또는 방향)가 공기 조화기(100)의 메모리(940)에 기 저장된 상태일 수 있다.
사용자의 위치가 회득되면, 공기 조화기(100)의 프로세서(950)는 사용자의 위치 및 음성이 발화되는 상황에서 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정할 수 있다. 다음으로, 공기 조화기(100)의 프로세서(950)는 결정된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
예로, 도 7b와 같이, 공기 조화기(100)는, 공기 조화기(100)로부터 사용자(1)까지의 방향, 및 공기 조화기(100)로부터 사용자(1)까지의 거리 중 적어도 하나가 고려된 운전 모드를 공기 조화기(100)에 설정할 수 있다. 예로, 도 7b의 (a) 및 도 7b의 (b)를 비교하면, 도 7b의 (a)의 사용자가 도 7b의 (b)의 사용자 보다 공기 조화기(100)에 더 가까이 위치할 수 있다. 이 경우, 공기 조화기(100)는 사용자(10)까지의 방향(751,761) 및 사용자(10)까지의 거리(752,762)를 고려하여 공기 조화기(100)의 풍향 및 풍량 중 적어도 하나를 설정할 수 있다. 예로, 공기 조화기(100)는 도 7b의 (a) 보다 도 7b의 (b)의 상황에서 상대적으로 더 많은 풍량의 냉기 또는 온기를 토출하도록 동작할 수 있다.
다른 예로, 복수의 사용자들(1,2)이 존재하는 경우, 공기 조화기(100)는, 공기 조화기(100)로부터 복수의 사용자들(1,2) 각각까지의 방향, 및 공기 조화기(100)로부터 복수의 사용자들(1,2) 각각까지의 거리 중 적어도 하나가 고려된 운전 모드를 공기 조화기(100)를 설정할 수 있다. 예로, 공기 조화기(100)는 도 7c의 (a)와 같이, 복수의 사용자들(1,2)을 대상으로 회전하는 풍향(771)을 제공하는 회전 모드로서 동작할 수 있다. 또는, 공기 조화기(100)는, 도 7c의 (b)와 같이, 복수의 사용자들(1,2)의 위치의 중간 방향(781)으로 냉기 또는 온기를 토출할 수 있다.
도 8a 및 도 8b는 본 개시의 실시예에 따른 인공 지능 서버의 구성을 나타내는 도면이다.
본 개시에 따른, 공기 조화기(100)는 음성을 발화한 사용자의 위치 및 음성이 발화되는 상황에서 측정된 공기 조화기의 주변 온도를 인공 지능 서버에 적용하여, 공기 조화기(100)가 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 예를 상세히 설명한다. 인공 지능 서버는, 예로, 인공 지능 알고리즘을 이용하여 학습 모델을 생성하거나 또는 상기 학습 모델을 이용하는 서버가 될 수 있다. 인공 지능 서버는, 예로, 인간 수준의 지능을 구현하는 인공 지능 시스템을 포함한다. 인공 지능 시스템은 기존의 규칙 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공 지능 시스템은 사용할수록 인식률이 향상되고 사용자의 취향을 더욱 정확하게 이해할 수 있게 된다. 인공지능 기술은 기계학습(예로, 딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다. 기계 학습은 입력 데이터들의 특징을 스스로 분류하여 학습하는 알고리즘 기술이다. 요소 기술은 딥러닝 등의 기계학습 알고리즘을 활용하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성될 수 있다
인공 지능 서버는 데이터 학습 서버(801) 및 데이터 인식 서버(802) 중 적어도 하나로 구성될 수 있다. 데이터 학습 서버(801) 및 데이터 인식 서버(802)는 하나 또는 그 이상의 서버로 구현될 수 있다. 데이터 학습 서버(801) 및 데이터 인식 서버(802)가 물리적으로 분리된 경우, 데이터 학습 서버(801) 및 데이터 인식 서버(802)는 근거리 네트워크 또는 원거리 네트워크를 통하여 서로 통신 연결될 수 있다.
도 8a는 데이터 학습 서버(801)의 기능 블록도이고, 도 8b의 데이터 인식 서버(802)의 기능 블록도이다. 도 8a 및 도 8b에서는, 데이터 학습 서버(801) 및 데이터 인식 서버(802)가 동일한 서버인 것을 가정하여 설명한다. 이하, 데이터 학습 서버(801) 및 데이터 인식 서버(802)를 인공 지능 서버로 통칭한다.
도 8a 및 도 8b에서, 인공 지능 서버는 통신부(810), 메모리(820), 프로세서(830)를 포함할 수 있다.
통신부(810)는 외부 기기와 통신을 수행할 수 있다. 외부 기기는, 예로, 공기 조화기(100)를 포함할 수 있다. 통신부(810)는 외부 기기와 유선 또는 무선 통신을 수행할 수 있다. 무선 통신은, 예로, 셀룰러 통신, 근거리 무선 통신, 또는 GNSS(global navigation satellite system) 통신을 포함할 수 있다. 셀룰러 통신은, 예를 들면, LTE(Long-Term Evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications)을 포함할 수 있다. 근거리 무선 통신은, 예를 들면, WiFi(wireless fidelity), WiFi Direct, LiFi(light fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN)을 포함할 수 있다. 본 개시에서, 인공 지능 서버의 통신부(810)가 공기 조화기와 통신을 수행한다는 것은, 근거리 통신 기술로 직접 연결되거나 또는 제3 중계기를 통하여 통신 연결되는 것을 포함할 수 있다. 제3 중계기는, 예로, 기지국, 허브, 엑세스 포인트, 게이트웨이, 스위치, 릴레이 서버 및/또는 중계 서버 중 적어도 하나를 포함할 수 있다.
메모리(820)는 인공 지능 알고리즘을 이용하여 학습된 학습 모델을 저장할 수 있다. 메모리(820)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 휘발성 메모리는, 예를 들면, RAM(random access memory)(예: DRAM, SRAM, 또는 SDRAM)을 포함할 수 있다. 비휘발성 메모리는, 예를 들면, OTPROM(one time programmable read-only memory(ROM)), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable programmable read-only memory), mask ROM, flash ROM, 플래시 메모리, 하드 드라이브, 또는 솔리드 스테이트 드라이브 (SSD))를 포함할 수 있다.
프로세서(830)는 중앙처리장치, 어플리케이션 프로세서, GPU(graphic processing unit), 카메라 이미지 신호 프로세서, 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다. 일 실시예에 따르면, 프로세서(830)는 SoC(system on chip) 또는 SiP(system in package)으로 구현될 수 있다. 프로세서(830)는, 예를 들면, 운영 체제 또는 응용 프로그램을 구동하여 프로세서(830)에 연결된 인공 지능 서버의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 프로세서(830)는 다른 구성요소들(예: 통신부(810))로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드하여 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다.
도 8a의 프로세서(830)는 학습 모델을 생성하는 기능 블록도로 설명될 수 있다.
도 8a에서, 프로세서(830)는 학습 데이터 획득부(831) 및 모델 학습부(832)를 포함할 수 있다.
학습 데이터 획득부(831)는 통신부(810)를 통하여 공기 조화기(100)의 설정 온도, 온도 설정 시 공기 조화기(100)의 주변 온도, 온도 설정 시 사용자의 위치 정보 및 온도 설정 시 공기 조화기(100)의 운전 모드 중 적어도 하나를 획득할 수 있다. 예로, 학습 데이터 획득부(831)는 공기 조화기(100)로부터 설정 온도, 온도 설정 시 공기 조화기(100)의 주변 온도, 온도 설정 시 사용자의 위치 정보 및 온도 설정 시 공기 조화기(100)의 운전 모드 중 적어도 하나를 획득할 수 있다.
이 때, 사용자의 위치 정보는, 예로, 사용자가 공기 조화기(100)에 직접 입력한 정보로부터 획득하거나 또는 공기 조화기(100)가 주변의 사운드 데이터를 처리하여 획득할 수 있다. 예로, 사용자가 음성을 발화함에 따라, 공기 조화기(100)는 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크(945)를 통하여 획득할 수 있다. 그리고, 공기 조화기(100)는 공기 조화기(100)가 위치한 제1 위치와 다른 제2 위치의 제1 외부 장치가 획득한, 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 통신부(930)를 통하여 획득할 수 있다. 또한, 공기 조화기(100)는 사용자의 음성이 발화되는 상황에서, 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 통신부(930)를 통하여 획득할 수 있다. 공기 조화기(100)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여, 사용자의 위치를 획득할 수 있다. 예로, 공기 조화기(100)는 제1 사운드 데이터 및 제2 사운드 데이터 각각으로부터 오디오 데이터를 제거하여, 제1 사운드 데이터에 포함된 사용자의 음성 데이터 및 제2 사운드 데이터에 포함한 사용자의 음성 데이터를 추출하고, 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 사용자의 위치를 획득할 수 있다.
또한, 학습 데이터 획득부(831)는 통신부(810)를 통하여 외부 환경 정보를 더 획득할 수 있다. 외부 환경 정보는 외부 온도 및 외부 습도 중 적어도 하나를 포함할 수 있다. 예로, 학습 데이터 획득부(831)는 외부의 콘텐트 제공 서버(미도시)로부터 외부 환경 정보를 획득할 수 있다.
모델 학습부(832)는 획득한 설정 온도, 주변 온도, 사용자의 위치 정보 및 운전 모드 중 적어도 하나를 이용하여 학습 모델을 생성 또는 갱신할 수 있다. 학습 데이터 획득부(831)가 외부 환경 정보를 더 획득한 경우, 모델 학습부(832)는 획득한 설정 온도, 주변 온도, 사용자의 위치 정보 및 운전 모드 중 적어도 하나를 이용하여 외부 환경 정보를 이용하여 학습 모델을 생성 또는 갱신할 수 있다. 또한, 학습 데이터 획득부(831)가 공기 조화기(100)의 온도 설정 시의 시간 정보를 더 획득한 경우, 모델 학습부(832)는 설정 온도, 주변 온도, 사용자의 위치 정보, 운전 모드 및 시간 정보를 이용하여 학습 모델을 생성 또는 갱신할 수 있다. 다양한 실시예로, 모델 학습부(832)는 복수의 설정 온도들, 복수의 주변 온도들, 복수의 사용자의 위치 정보들 및 복수의 운전 모드들 중 적어도 하나를 이용하여 학습 모델을 생성 또는 갱신할 수 있다. 이 때, 복수의 설정 온도들, 복수의 주변 온도들, 복수의 사용자의 위치 정보들 및 복수의 운전 모드들 각각은 온도 설정 시점을 기준으로 학습 데이터 쌍을 구성을 할 수 있다. 예로, 사용자가 공기 조화기(100)의 온도를 설정하는 시점의 {설정 온도, 주변 온도, 사용자의 위치 정보, 운전 모드}가 하나의 학습 데이터 쌍으로서 학습 모델의 생성 또는 갱신을 위하여 이용될 수 있다.
메모리(820)는 학습 모델의 생성 또는 갱신 결과로서, 추천 온도 및 운전 모드 중 적어도 하나를 제공하도록 설정된 학습 모델을 저장할 수 있다.
이 때, 학습 모델은, 예를 들어, 신경망(Neural Network)을 기반으로 하는 모델일 수 있다. 학습 모델은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있다. 학습 모델은 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 가지는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 노드들은 시냅스(synapse)를 통하여 신호를 주고 받는 뉴런의 시냅틱(synaptic) 활동을 모의하도록 각각 연결 관계를 형성할 수 있다. 학습 모델은, 일 예로, 신경망 모델, 또는 신경망 모델에서 발전한 딥 러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 깊이(또는, 레이어)에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 예컨대, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있다.
다양한 실시예로, 모델 학습부(832)가 사용자 위치, 운전 모드 또는 특정 기간 별로 복수의 학습 모델들을 생성 또는 갱신한 경우, 메모리(820)는 복수의 학습 모델들을 각각 저장할 수도 있다.
다양한 실시예로, 공기 조화기를 이용하는 사용자들 각각을 대상으로 맞춤화된 학습 모델이 생성이 가능할 수 있다. 이에 따라, 다수의 사용자들 각각의 성향에 적합한 최적의 추천 온도 및 운전 모드의 제공이 가능할 수 있다.
도 8b의 프로세서(830)는 학습 모델을 이용하는 기능 블록도로 설명될 수 있다.
도 8b에서, 프로세서(830)는 인식 데이터 획득부(835) 및 모델 적용부(836)를 포함할 수 있다. 이 경우, 메모리(820)는 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 제공하도록 설정된 학습 모델을 저장한 상황일 수 있다.
도 8b에서, 인식 데이터 획득부(835)는 공기 조화기(100)로부터 공기 조화기(100)를 이용하는 사용자의 위치 정보 및 사용자의 음성이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 획득할 수 있다.
모델 적용부(836)는 획득된 사용자의 위치 정보 및 사용자의 음성이 발화되는 상황에서 측정된 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 학습된 학습 모델에 적용하여, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
인식 데이터 획득부(835)가 외부 환경 정보를 더 획득한 경우, 모델 적용부(836)는 사용자의 위치 정보, 주변 온도 및 외부 환경 정보를, 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
인식 데이터 획득부(835)가 시간 정보를 더 획득한 경우, 모델 적용부(836)는 사용자의 위치 정보, 주변 온도 및 시간 정보를, 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
통신부(810)는 획득한 추천 온도 및 운전 모드 중 적어도 하나를 외부 기기로 전송할 수 있다. 외부 기기는, 예로, 공기 조화기(100) 또는 공기 조화기(100)와 통신 연결된 제3 기기 등이 될 수 있다.
도 9은 본 개시의 일 실시 예에 따른 공기 조화기(100)의 구성을 도시한 블럭도이다.
도 9를 참조하면, 공기 조화기(100)는 온도 센서(910), 송풍팬(920), 통신부(930), 메모리(940), 및 프로세서(950)를 포함할 수 있다. 다양한 실시예로, 공기 조화기(100)는 전술한 구성 요소들 중 적어도 하나를 생략하거나 다른 구성요소를 추가적으로 구비할 수 있다.
온도 센서(910)는 공기 조화기(100) 주변의 실내의 온도를 감지할 수 있다.
송풍팬(920)은 냉기 또는 온기를 개폐부를 통하여 외부로 토출할 수 있다. 또는, 무풍 모드에서는 송풍팬(920)는 냉기 또는 온기를 복수의 마이크로 홀을 통해 기 설정된 유속 이하로 외부로 배출할 수 있다. 이때, 기설정된 유속은 0.25m/s이하, 바람직하게는 0.15m/s이하일 수 있다.
통신부(930)는 외부 기기와 통신할 수 있다. 이 때, 외부 기기는 인공 지능 서버, 외부의 음성 인식 장치, 외부의 오디오 출력 장치 및 공기 조회기(100)를 원격으로 제어 가능한 사용자 단말 중 적어도 하나를 포함할 수 있다. 통신부(930)가 외부 기기와 통신한다는 것은, 제3 중계기 등을 통하여 외부 기기와 통신하는 것을 포함할 수 있다. 제3 중계기는, 예로, 기지국, 허브, 엑세스 포인트, 게이트웨이, 스위치, 릴레이 서버 및/또는 중계 서버 중 적어도 하나를 포함할 수 있다.
통신부(930)는 유선 통신 또는 무선 통신을 통하여 외부 기기와 통신할 수 있다. 예로, 통신부(930)는 케이블을 이용하여 연결하는 포트뿐만 아니라, 셀룰러 통신, 근거리 통신 및 인터넷망을 통해 제어 단말 장치와 통신을 수행하는 형태, USB(Universal Serial Bus) 통신, 와이파이, 블루투스, 지그비, 적외선(IrDA), UHF 및 VHF와 같은 RF 및 초광대역 통신(UWB) 등의 규격에 따른 통신을 수행할 수 있다.
메모리(940)는 공기 조화기(100)의 기능을 수행하기 위한 각종 소프트웨어 및 프로그램을 저장한다. 구체적으로, 메모리(940)는 복수의 운전 모드에 따른 온도 제어 알고리즘을 저장할 수 있다. 여기서, 온도 제어 알고리즘은 각 운전 모드 별로 기설정된 주기에 따른 설정 온도의 변화, 풍속의 세기, 풍속의 방향 등을 포함할 수 있다. 또한, 본 개시에 따른, 메모리(940)는 설정 온도 및 주변 온도에 기반하여 학습된 학습 모델을 저장할 수도 있다.
마이크(945)는 프로세서(950)의 제어에 의해 외부에서부터 수신되는 음성(voice) 또는 사운드(sound)를 전기적인 신호로 생성(또는, 변환)한다. 마이크(945)에서 생성된 전기적인 신호는 프로세서(950)의 제어에 의해 오디오 코덱에서 변환되어 메모리(940)에 저장될 수 있다.
프로세서(950)는 메모리(840)에 저장된 프로그램 등을 독출할 수 있다. 구체적으로, 프로세서(950)는 공기 조화기(100)의 기능을 수행하기 위하여, 판독 가능한 일련의 명령이 포함된 프로그램들을 독출하여 설정된 온도에 따라 공기 조화를 수행할 수 있다.
프로세서(950)는 실내 열 교환기에 냉매의 압력 및/또는 온도를 감지하여 정상적인 공기 조화가 이루어지고 있는지 감지할 수 있다. 예를 들어, 프로세서(950)는 실내 열 교환기 배관의 파손 또는 성에가 있는지 여부 및 공기 중의 수증기가 응결된 물이 적절히 제거되고 있는지 감지할 수 있다.
프로세서(950)는 송풍팬(920)의 속도를 제어할 수 있다. 구체적으로, 프로세서(950)는 온도 센서(910)에 의해 측정된 주변 온도 및 설정 온도에 따라 송풍팬(920)이 회전하는 속도를 제어할 수 있다. 구체적으로, 프로세서(950)는 주변 온도 및 설정 온도의 차이에 따라 송풍팬(920)이 회전하는 속도를 제어할 수 있다. 예를 들어, 주변 온도 및 설정 온도의 차이가 크면 송풍팬(920)의 회전 속도를 빠르게 하여 설정 온도에 빨리 도달하도록 제어하고, 주변 온도와 설정 온도의 차이가 작거나, 주변 온도가 설정 온도에 도달하면, 실내 온도가 너무 떨어져 실외기의 압축기가 꺼지는 일이 없도록 송풍팬(920)의 회전 속도를 느리게 할 수 있다. 일 예로, 프로세서(950)는 500RPM 내지 900RPM 사이에서 송풍팬(920)의 회전 속도를 제어할 수 있다. 프로세서(950)는 온도 센서(910)에서 감지된 주변 온도 및 설정 온도가 외부 기기로 전송되도록 통신부(830)를 제어할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 사용자가 음성을 발화함에 따라, 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크(945)를 통하여 획득하고, 공기 조화기(100)가 위치한 제1 위치와 다른 제2 위치의 제1 외부 장치가 획득한, 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 통신부(930)를 통하여 획득하고, 사용자의 음성이 발화되는 상황에서, 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 통신부(930)를 통하여 획득하고, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득하고, 획득된 사용자의 위치, 및 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 학습된 학습 모델에 적용하여, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하고, 획득된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정하도록(set) 설정된(configured) 적어도 하나의 명령어를 저장할 수 있다. 이 때, 학습 모델은 복수의 주변 온도, 복수의 설정 온도, 복수의 위치 정보 및 복수의 운전 모드 중 적어도 하나를 이용하여 학습된 학습 모델일 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 제1 사운드 데이터 및 제2 사운드 데이터 각각으로부터 오디오 데이터를 제거하여, 제1 사운드 데이터에 포함된 사용자의 음성 데이터 및 제2 사운드 데이터에 포함한 사용자의 음성 데이터를 추출하고, 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가 제1 사운드 데이터 및 제2 사운드 데이터 각각으로부터 오디오 데이터 및 공기 조화기(100) 주변의 환경 노이즈를 제거하여, 제1 사운드 데이터에 포함된 사용자의 음성 데이터 및 제2 사운드 데이터에 포함한 사용자의 음성 데이터를 추출하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 인공 지능 알고리즘을 생성된 학습 모델에 적용하여, 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정하는 경우, 사용자의 음성이 공기 조화기(100)의 설정 온도의 조절을 요청하는 음성인 것으로 인식됨에 따라, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 제1 사운드 데이터 및 제2 사운드 데이터 각각이 상기 사용자의 음성 데이터 및 다른 사용자의 음성 데이터를 포함하는 경우, 메모리(940)는 프로세서(950)가 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 복수의 사용자들의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가 복수의 사용자들 각각의 위치 및 공기 조화기(100)의 주변 온도를 학습 모델에 적용하여 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 결정하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 제1 외부 장치의 위치 정보를 획득하고, 위치 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 프로세서(950)가, 공기 조화기(100)가 위치한 실내의 촬영 정보를 획득하고, 촬영 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 메모리(940)는, 제3 외부 장치에서 사용자 액션에 따라 발생된 이벤트 신호에 대응되는 이벤트 정보를 획득하고, 이벤트 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장할 수 있다.
다양한 실시예로, 운전 모드는, 공기 조화기(100)로부터 사용자까지의 방향 및 공기 조화기(100)로부터 사용자까지의 거리 중 적어도 하나를 고려하여 결정될 수 있다.
도 10은 본 개시의 일 실시 예에 따른 공기 조화기(100)의 흐름도이다.
동작 1001에서, 공기 조화기(100)는 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크를 통하여 획득할 수 있다.
동작 1003에서, 공기 조화기(100)는 제1 외부 장치가 획득한 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 획득할 수 있다. 동작 1003는, 동작 1001 전에 선제적으로 수행될 수도 있다. 이 때, 마이크를 포함하는 공기 조화기(100)가 설치된 위치는, 제1 외부 장치가 설치된 위치와 다른 위치일 수 있다.
동작 1005에서, 사용자의 음성이 발화되는 상황에서, 공기 조화기(100)는 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 획득할 수 있다. 동작 1005는, 동작 1001 또는 동작 1003 전에 선제적으로 수행될 수도 있다.
동작 1007에서, 공기 조화기(100)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 제1 사운드 데이터 및 제2 사운드 데이터 각각으로부터 오디오 데이터를 제거하여, 제1 사운드 데이터에 포함된 사용자의 음성 데이터 및 제2 사운드 데이터에 포함한 사용자의 음성 데이터를 추출할 수 있다. 다음으로, 공기 조화기(100)는 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 제1 사운드 데이터 및 제2 사운드 데이터 각각으로부터 오디오 데이터 및 공기 조화기(100) 주변의 환경 노이즈를 제거하여, 제1 사운드 데이터에 포함된 사용자의 음성 데이터 및 제2 사운드 데이터에 포함한 사용자의 음성 데이터를 추출할 수 있다. 다음으로, 공기 조화기(100)는 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 제1 사운드 데이터, 제2 사운드 데이터 및 상기 오디오 데이터를 인공 지능 알고리즘을 생성된 학습 모델에 적용하여, 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 제1 사운드 데이터 및 제2 사운드 데이터 각각이 사용자의 음성 데이터 및 다른 사용자의 음성 데이터를 포함할 수 있다. 이 경우, 공기 조화기(100)는 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 복수의 사용자들의 위치를 각각 획득할 수 있다. 다음으로, 공기 조화기(100)는 복수의 사용자들 각각의 위치 및 공기 조화기(100)의 주변 온도를 학습 모델에 적용하여 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 제1 외부 장치의 위치 정보를 획득할 수 있다. 공기 조화기(100)는 위치 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 공기 조화기(100)가 위치한 실내의 촬영 정보를 획득할 수 있다. 공기 조화기(100)는 촬영 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 제3 외부 장치에서 사용자 액션에 따라 발생된 이벤트 신호에 대응되는 이벤트 정보를 획득할 수 있다. 공기 조화기(100)는 이벤트 정보, 제1 사운드 데이터, 제2 사운드 데이터 및 오디오 데이터를 이용하여 사용자의 위치를 획득할 수 있다.
동작 1009에서, 공기 조화기(100)는 획득된 사용자의 위치, 및 공기 조화기(100)의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
다양한 실시예로, 공기 조화기(100)는 사용자의 음성이 상기 공기 조화기의 설정 온도의 조절을 요청하는 음성인 것으로 인식됨에 따라, 공기 조화기(100)에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득할 수 있다.
동작 1011에서, 공기 조화기(100)는 획득된 추천 온도 및 운전 모드 중 적어도 하나를 공기 조화기(100)에 설정할 수 있다.
본 개시에서 사용한 용어는 실시예를 설명하기 위해 사용된 것으로, 본 개시를 제한 및/또는 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 개시에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시의 다양한 실시예들 및 이에 사용된 용어들은 본 개시에 기재된 기술을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 및/또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 본 개시에서, "A 또는 B", "A 및/또는 B 중 적어도 하나", "A, B 또는 C" 또는 "A, B 및/또는 C 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", "첫째" 또는 "둘째" 등의 표현들은 해당 구성요소들을, 순서 또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에 "(기능적으로 또는 통신적으로) 연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제 3 구성요소)를 통하여 연결될 수 있다.
본 개시에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구성된 유닛을 포함하며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로 등의 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 모듈은 ASIC(application-specific integrated circuit)으로 구성될 수 있다.
본 개시의 다양한 실시예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시예들에 따른 공기 조화기(100) 및 인공 지능 서버를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다.
일 실시예에 따르면, 본 개시에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM)) 또는 유/무선 네트워크를 통하여 전송 가능한 프로그램을 포함할 수 있다. 예로, 컴퓨터 프로그램 제품은 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다. 본 개시의 기기(예로, 공기 조화기(100) 또는 인공 지능 서버)는 어플리케이션 스토어를 통하여 컴퓨터 프로그램 제품을 다운로드 받아 설치하고, 다운로드된 컴퓨터 프로그램 제품을 이용하여 전술한 본 개시의 다양한 실시예를 수행할 수 있다.
다양한 실시예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
100: 공기 조화기 910: 온도 센서
920: 송풍팬 930: 통신부
940: 메모리 950: 프로세서
945: 마이크

Claims (20)

  1. 공기 조화기에 있어서,
    마이크;
    냉기 또는 온기를 외부로 토출하는 송풍팬;
    상기 공기 조화기 주변의 현재 온도를 감지하는 온도 센서;
    외부 장치와 통신 가능한 통신부;
    상기 마이크, 상기 온도 센서 및 상기 통신부와 전기적으로 연결된 적어도 하나의 프로세서; 및
    상기 적어도 하나의 프로세서와 전기적으로 연결된 메모리를 포함하되,
    상기 메모리는, 상기 프로세서가,
    사용자가 음성을 발화함에 따라, 상기 사용자의 음성(voice) 데이터를 포함하는 제1 사운드 데이터를 상기 마이크를 통하여 획득하고,
    상기 공기 조화기가 위치한 제1 위치와 다른 제2 위치의 제1 외부 장치가 획득한, 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 상기 통신부를 통하여 획득하고,
    상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 상기 통신부를 통하여 획득하고,
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하고,
    상기 획득된 사용자의 위치 및 상기 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 학습된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하고,
    상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하도록(set) 설정된(configured) 적어도 하나의 명령어를 저장하고,
    상기 학습 모델은 복수의 주변 온도, 복수의 설정 온도, 복수의 위치 정보 및 복수의 운전 모드 중 적어도 하나를 이용하여 학습된 학습 모델인,
    공기 조화기.
  2. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 제1 사운드 데이터 및 상기 제2 사운드 데이터 각각으로부터 상기 오디오 데이터를 제거하여, 상기 제1 사운드 데이터에 포함된 상기 사용자의 음성 데이터 및 상기 제2 사운드 데이터에 포함한 상기 사용자의 음성 데이터를 추출하고,
    상기 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  3. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 제1 사운드 데이터 및 상기 제2 사운드 데이터 각각으로부터 상기 오디오 데이터 및 상기 공기 조화기 주변의 환경 노이즈를 제거하여, 상기 제1 사운드 데이터에 포함된 상기 사용자의 음성 데이터 및 상기 제2 사운드 데이터에 포함한 상기 사용자의 음성 데이터를 추출하고,
    상기 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  4. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 인공 지능 알고리즘을 생성된 학습 모델에 적용하여, 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  5. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 사용자의 음성이 상기 공기 조화기의 설정 온도의 조절을 요청하는 음성인 것으로 인식됨에 따라, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  6. 제1항에 있어서,
    상기 제1 사운드 데이터 및 제2 사운드 데이터 각각이 복수의 사용자들의 음성 데이터를 포함하는 경우,
    상기 메모리는, 상기 프로세서가,
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 복수의 사용자들의 위치를 각각 획득하도록 설정된 적어도 하나의 명령어를 저장하고,
    상기 복수의 사용자들 각각의 위치 및 상기 공기 조화기의 주변 온도를 상기 학습 모델에 적용하여 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  7. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 제1 외부 장치의 위치 정보를 획득하고,
    상기 제1 외부 장치의 위치 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  8. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    상기 공기 조화기가 위치한 실내의 촬영 정보를 획득하고,
    상기 촬영 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  9. 제1항에 있어서,
    상기 메모리는, 상기 프로세서가,
    제3 외부 장치에서 사용자 액션에 따라 발생된 이벤트 신호에 대응되는 이벤트 정보를 획득하고,
    상기 이벤트 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하도록 설정된 적어도 하나의 명령어를 저장하는,
    공기 조화기.
  10. 제1항에 있어서,
    상기 운전 모드는,
    상기 공기 조화기로부터 상기 사용자까지의 방향 및 상기 공기 조화기로부터 사용자까지의 거리 중 적어도 하나를 고려하여 결정된 것을 특징으로 하는,
    공기 조화기.
  11. 사용자가 음성을 발화함에 따라, 상기 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크를 통하여 획득하는 동작;
    제1 외부 장치에서 획득된 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 획득하는 동작;
    상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 획득하는 동작;
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작;
    상기 획득된 사용자의 위치 및 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작; 및
    상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  12. 제11항에 있어서,
    상기 사용자의 위치를 획득하는 동작은,
    상기 제1 사운드 데이터 및 상기 제2 사운드 데이터 각각으로부터 상기 오디오 데이터를 제거하여, 상기 제1 사운드 데이터에 포함된 상기 사용자의 음성 데이터 및 상기 제2 사운드 데이터에 포함한 상기 사용자의 음성 데이터를 추출하는 동작; 및
    상기 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  13. 제11항에 있어서,
    상기 사용자의 위치를 획득하는 동작은,
    상기 제1 사운드 데이터 및 상기 제2 사운드 데이터 각각으로부터 상기 오디오 데이터 및 상기 공기 조화기 주변의 환경 노이즈를 제거하여, 상기 제1 사운드 데이터에 포함된 상기 사용자의 음성 데이터 및 상기 제2 사운드 데이터에 포함한 상기 사용자의 음성 데이터를 추출하는 동작; 및
    상기 추출된 복수의 음성 데이터들 간의 위상 차이 및 진폭 차이 중 적어도 하나에 기반하여, 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  14. 제11항에 있어서,
    상기 사용자의 위치를 획득하는 동작은,
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 인공 지능 알고리즘을 생성된 학습 모델에 적용하여, 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  15. 제11항에 있어서,
    상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작은,
    상기 사용자의 음성이 상기 공기 조화기의 설정 온도의 조절을 요청하는 음성인 것으로 인식됨에 따라, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  16. 제11항에 있어서,
    상기 제1 사운드 데이터 및 제2 사운드 데이터 각각이 복수의 사용자들의 음성 데이터를 포함하는 경우,
    상기 사용자의 위치를 획득하는 동작은,
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 복수의 사용자들의 위치를 각각 획득하는 동작을 포함하고,
    상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작은,
    상기 복수의 사용자들 각각의 위치 및 상기 공기 조화기의 주변 온도를 상기 학습 모델에 적용하여 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  17. 제11항에 있어서,
    상기 방법은,
    상기 제1 외부 장치의 위치 정보를 획득하는 동작을 더 포함하고,
    상기 사용자의 위치를 획득하는 동작은,
    상기 제1 외부 장치의 위치 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  18. 제11항에 있어서,
    상기 방법은,
    상기 공기 조화기가 위치한 실내의 촬영 정보를 획득하는 동작을 더 포함하고,
    상기 사용자의 위치를 획득하는 동작은,
    상기 촬영 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  19. 제11항에 있어서,
    상기 방법은,
    제3 외부 장치에서 사용자 액션에 따라 발생된 이벤트 신호에 대응되는 이벤트 정보를 획득하는 동작을 더 포함하고,
    상기 이벤트 정보, 상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작을 포함하는,
    공기 조화기의 제어 방법.
  20. 사용자가 음성을 발화함에 따라, 상기 사용자의 음성 데이터를 포함하는 제1 사운드 데이터를 마이크를 통하여 획득하는 동작;
    제1 외부 장치에서 획득된 상기 사용자의 음성 데이터를 포함하는 제2 사운드 데이터를 획득하는 동작;
    상기 사용자의 음성이 발화되는 상황에서, 상기 제1 외부 장치 또는 제2 외부 장치가 출력한 오디오 데이터를 획득하는 동작;
    상기 제1 사운드 데이터, 상기 제2 사운드 데이터 및 상기 오디오 데이터를 이용하여 상기 사용자의 위치를 획득하는 동작;
    상기 획득된 사용자의 위치 및 공기 조화기의 주변 온도를 인공 지능 알고리즘을 이용하여 생성된 학습 모델에 적용하여, 상기 공기 조화기에 설정할 추천 온도 및 운전 모드 중 적어도 하나를 획득하는 동작; 및
    상기 획득된 추천 온도 및 운전 모드 중 적어도 하나를 상기 공기 조화기에 설정하는 동작을 수행하도록 설정된 적어도 하나의 명령어를 포함하는 컴퓨터로 읽을 수 있는 기록매체를 포함하는 컴퓨터 프로그램 제품.
KR1020180043576A 2018-04-13 2018-04-13 공기 조화기 및 공기 조화기의 제어 방법 Active KR102443052B1 (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020180043576A KR102443052B1 (ko) 2018-04-13 2018-04-13 공기 조화기 및 공기 조화기의 제어 방법
PCT/KR2018/004747 WO2019198857A1 (ko) 2018-04-13 2018-04-24 공기 조화기 및 공기 조화기의 제어 방법
US17/047,263 US11428426B2 (en) 2018-04-13 2018-04-24 Air conditioner and method for controlling air conditioner
EP18914880.2A EP3748247B1 (en) 2018-04-13 2018-04-24 Air conditioner and method for controlling air conditioner
CN201880092075.3A CN111936795B (zh) 2018-04-13 2018-04-24 空调和控制空调的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180043576A KR102443052B1 (ko) 2018-04-13 2018-04-13 공기 조화기 및 공기 조화기의 제어 방법

Publications (2)

Publication Number Publication Date
KR20190119967A KR20190119967A (ko) 2019-10-23
KR102443052B1 true KR102443052B1 (ko) 2022-09-14

Family

ID=68164335

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180043576A Active KR102443052B1 (ko) 2018-04-13 2018-04-13 공기 조화기 및 공기 조화기의 제어 방법

Country Status (5)

Country Link
US (1) US11428426B2 (ko)
EP (1) EP3748247B1 (ko)
KR (1) KR102443052B1 (ko)
CN (1) CN111936795B (ko)
WO (1) WO2019198857A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6849028B2 (ja) * 2019-08-23 2021-03-24 ダイキン工業株式会社 空調制御システム、空気調和機、および、機械学習装置
CN110895012A (zh) * 2019-11-08 2020-03-20 珠海格力电器股份有限公司 一种空调控制方法、装置、存储介质及空调
KR102131414B1 (ko) * 2019-12-31 2020-07-08 한국산업기술시험원 사용자 위치정보와 거주 기후 조건하에서 심층 강화 학습 알고리즘을 적용한 공기조화기 예비 냉난방 에너지절약 학습 시스템 및 그 방법
CN111895612A (zh) * 2020-07-13 2020-11-06 Tcl空调器(中山)有限公司 空调的制冷控制方法、制热控制方法、空调及存储介质
CN112856727A (zh) * 2021-01-21 2021-05-28 广州三星通信技术研究有限公司 用于控制电子装置的方法和设备
CN117063192B (zh) * 2021-03-31 2024-09-10 大金工业株式会社 可视化系统及程序
KR102770469B1 (ko) * 2021-08-09 2025-02-18 단국대학교 산학협력단 냉난방 설비의 동작상태 판단을 위한 학습방법 및 장치
CN113566395B (zh) * 2021-08-02 2022-08-02 珠海格力电器股份有限公司 空调器及其控制方法及装置、计算机可读存储介质
CN113779391B (zh) * 2021-09-02 2024-07-23 广东好太太智能家居有限公司 基于建模的智能锁开锁推荐方法、系统、装置及存储介质
CN113851143A (zh) * 2021-09-22 2021-12-28 珠海格力电器股份有限公司 一种拾音降噪方法及语音空调
CN113903337A (zh) * 2021-10-13 2022-01-07 海尔(深圳)研发有限责任公司 用于语音空调控制的方法、装置、云端服务器及存储介质
CN114294793A (zh) * 2022-01-14 2022-04-08 珠海格力电器股份有限公司 一种空调的控制方法、装置、空调和存储介质
CN114838496B (zh) * 2022-04-22 2024-02-23 北京百车宝科技有限公司 基于人工智能的空调消声器性能检测方法
CN115098769A (zh) * 2022-06-07 2022-09-23 深圳康佳电子科技有限公司 一种吹风模式动态调整方法、智能吹风机及存储介质
CN115789917B (zh) * 2022-12-01 2024-06-14 珠海格力电器股份有限公司 空调噪音的降噪方法、装置及系统、用户终端、存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010091228A (ja) 2008-10-10 2010-04-22 Panasonic Corp 空気調和機

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR970028213A (ko) 1995-11-24 1997-06-24 구자홍 사용자의 위치에 따른 학습효율 향상을 위한 에어콘의 각성공조 제어방법
JP2001065948A (ja) 1999-08-23 2001-03-16 Sanyo Electric Co Ltd 空気調和機の制御方法
KR101238661B1 (ko) 2006-09-20 2013-03-04 한라공조주식회사 공기 조화 장치의 설정 온도 자동 조절 방법
KR20080083766A (ko) 2007-03-13 2008-09-19 주식회사 현대오토넷 사용자 체온 감지 기반 자동차용 온도 제어 장치
KR20090113628A (ko) 2008-04-28 2009-11-02 엘지전자 주식회사 공기조화기 및 그 제어방법
KR101253610B1 (ko) * 2009-09-28 2013-04-11 한국전자통신연구원 사용자 음성을 이용한 위치 추적 장치 및 그 방법
JP5646969B2 (ja) * 2010-11-24 2014-12-24 日立アプライアンス株式会社 空気調和機
US8676728B1 (en) * 2011-03-30 2014-03-18 Rawles Llc Sound localization with artificial neural network
CN103685906B (zh) * 2012-09-20 2018-01-02 中兴通讯股份有限公司 一种控制方法、控制装置及控制设备
KR102127384B1 (ko) * 2013-08-02 2020-06-26 엘지전자 주식회사 공기조화장치 및 이의 제어방법
EP3036594B1 (en) * 2013-08-21 2021-05-26 Ademco Inc. Devices and methods for interacting with an hvac controller
KR101477233B1 (ko) * 2013-09-16 2014-12-29 현대모비스 주식회사 맞춤형 공조기 제어 시스템 및 방법
KR102188090B1 (ko) * 2013-12-11 2020-12-04 엘지전자 주식회사 스마트 가전제품, 그 작동방법 및 스마트 가전제품을 이용한 음성인식 시스템
WO2015095753A1 (en) * 2013-12-21 2015-06-25 The Regents Of The University Of California Interactive occupant-tracking fan for indoor comfort and energy conservation
US11651258B2 (en) * 2014-01-08 2023-05-16 Yechezkal Evan Spero Integrated docking system for intelligent devices
CN103994544B (zh) 2014-05-07 2017-12-22 美的集团股份有限公司 空调器的控制方法、智能终端和空调器控制系统
KR20160087565A (ko) * 2015-01-14 2016-07-22 엘지전자 주식회사 공기조화 시스템 및 그 제어방법
CN105246004A (zh) 2015-10-27 2016-01-13 中国科学院声学研究所 一种传声器阵列系统
US10753634B2 (en) * 2015-11-06 2020-08-25 At&T Intellectual Property I, L.P. Locational environmental control
US20170186291A1 (en) * 2015-12-24 2017-06-29 Jakub Wenus Techniques for object acquisition and tracking
IL243513B2 (en) * 2016-01-07 2023-11-01 Noveto Systems Ltd System and method for audio communication
US10388273B2 (en) * 2016-08-10 2019-08-20 Roku, Inc. Distributed voice processing system
US10026403B2 (en) * 2016-08-12 2018-07-17 Paypal, Inc. Location based voice association system
US20180100662A1 (en) * 2016-10-11 2018-04-12 Mitsubishi Electric Research Laboratories, Inc. Method for Data-Driven Learning-based Control of HVAC Systems using High-Dimensional Sensory Observations
US10429817B2 (en) * 2016-12-19 2019-10-01 Honeywell International Inc. Voice control of components of a facility
US10467510B2 (en) * 2017-02-14 2019-11-05 Microsoft Technology Licensing, Llc Intelligent assistant
EP3622784B1 (en) * 2017-05-08 2020-11-11 Signify Holding B.V. Voice control
JP7060812B2 (ja) * 2017-07-14 2022-04-27 ダイキン工業株式会社 空調機、空調システム、通信システム、制御システム、機器制御システム、機器管理システム及び音情報解析システム
US20190056127A1 (en) * 2017-08-18 2019-02-21 Otis Elevator Company Enclosed space air conditioning systems
US20190103182A1 (en) * 2017-09-29 2019-04-04 Apple Inc. Management of comfort states of an electronic device user
CN111279135B (zh) * 2017-10-30 2022-06-14 大金工业株式会社 集中度推断装置
US20190303095A1 (en) * 2018-03-27 2019-10-03 Ford Global Technologies, Llc Voice activation system of a vehicle
US10524048B2 (en) * 2018-04-13 2019-12-31 Bose Corporation Intelligent beam steering in microphone array
US10845081B2 (en) * 2018-05-16 2020-11-24 Johnson Controls Technology Company Building management HVAC control using user voice feedback
US20200028703A1 (en) * 2018-07-19 2020-01-23 Rivieh Inc. Intelligent Environment Control Systems And Methods

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010091228A (ja) 2008-10-10 2010-04-22 Panasonic Corp 空気調和機

Also Published As

Publication number Publication date
EP3748247A4 (en) 2021-03-31
US11428426B2 (en) 2022-08-30
CN111936795A (zh) 2020-11-13
EP3748247B1 (en) 2023-05-31
CN111936795B (zh) 2022-11-04
EP3748247A1 (en) 2020-12-09
KR20190119967A (ko) 2019-10-23
US20210164677A1 (en) 2021-06-03
WO2019198857A1 (ko) 2019-10-17

Similar Documents

Publication Publication Date Title
KR102443052B1 (ko) 공기 조화기 및 공기 조화기의 제어 방법
KR102553299B1 (ko) 데이터 학습 서버 및 이의 학습 모델 생성 및 이용 방법
US11137161B2 (en) Data learning server and method for generating and using learning model thereof
US11405231B2 (en) Data learning server, and method for generating and using learning model thereof
US11031008B2 (en) Terminal device and method for controlling thereof
US20200018006A1 (en) Operating mode determining method and operating mode determining device
US20200042831A1 (en) Apparatus and method for identifying object
CN108388140A (zh) 控制智能设备的方法、装置、电子设备及存储介质
JP2021505923A (ja) 音声命令による位置基盤音声認識システム（Ａ Ｌｏｃａｔｉｏｎ Ｂａｓｅｄ Ｖｏｉｃｅ Ｒｅｃｏｇｎｉｔｉｏｎ Ｓｙｓｔｅｍ Ｕｓｉｎｇ Ａ Ｖｏｉｃｅ Ｃｏｍｍａｎｄ）
JP6918215B2 (ja) 機器制御システム及び機器制御方法
KR102051016B1 (ko) 학습 기반 음성 인식 단말을 제어하는 서버 및 제어 방법
JP2021169924A (ja) 空調制御装置、空調システム、空調制御方法及びプログラム
JP6719434B2 (ja) 機器制御装置、機器制御方法及び機器制御システム
US20200012273A1 (en) Communication robot and method for operating the same
WO2019186993A1 (ja) 端末装置、機器制御システム、機器制御方法及びプログラム
JP7533224B2 (ja) 情報機器、情報処理方法、情報処理プログラム、制御装置、制御方法及び制御プログラム
JP7036561B2 (ja) 家電システム
CN106918146A (zh) 热水器调节方法和系统
RU2772237C2 (ru) Сервер обучения на основе данных и способ формирования и использования его обучающей модели
KR20230085695A (ko) 차량 및 이를 이용한 배송품 수령 방법
BR112019020372B1 (pt) Método para gerar um modelo de aprendizado de um servidor de aprendizado de dados, servidor de aprendizado de dados, e sistema de rede
TW201933136A (zh) 智慧型電器設備控制系統及其控制方法
CN119854056A (zh) 家居电器智能遥控装置和遥控方法
Diniz de Faria Smart Directional Fan

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20180413

PG1501 Laying open of application
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20210413

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20180413

Comment text: Patent Application

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20220613

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20220907

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20220908

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
PR1001 Payment of annual fee

Payment date: 20250611

Start annual number: 4

End annual number: 4