KR102672220B1 - 지능형 로봇 청소기 - Google Patents
지능형 로봇 청소기 Download PDFInfo
- Publication number
- KR102672220B1 KR102672220B1 KR1020197020219A KR20197020219A KR102672220B1 KR 102672220 B1 KR102672220 B1 KR 102672220B1 KR 1020197020219 A KR1020197020219 A KR 1020197020219A KR 20197020219 A KR20197020219 A KR 20197020219A KR 102672220 B1 KR102672220 B1 KR 102672220B1
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- sensing
- intelligent robot
- foreign matter
- collection unit
- Prior art date
Links
- 239000000126 substance Substances 0.000 claims abstract description 65
- 238000004891 communication Methods 0.000 claims description 69
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 238000004140 cleaning Methods 0.000 claims description 24
- 239000000284 extract Substances 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 59
- 230000003190 augmentative effect Effects 0.000 abstract 1
- 238000000034 method Methods 0.000 description 81
- 230000008569 process Effects 0.000 description 36
- 210000004027 cell Anatomy 0.000 description 34
- 230000005540 biological transmission Effects 0.000 description 32
- 238000012545 processing Methods 0.000 description 18
- 238000003062 neural network model Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 15
- 239000000428 dust Substances 0.000 description 15
- 230000006870 function Effects 0.000 description 11
- 230000004044 response Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000013136 deep learning model Methods 0.000 description 9
- 238000011156 evaluation Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000011664 signaling Effects 0.000 description 6
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 229910001416 lithium ion Inorganic materials 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 5
- 238000010408 sweeping Methods 0.000 description 5
- 101100533725 Mus musculus Smr3a gene Proteins 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 238000007630 basic procedure Methods 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 239000010970 precious metal Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 101150071746 Pbsn gene Proteins 0.000 description 2
- 101150096310 SIB1 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 239000010454 slate Substances 0.000 description 2
- 101100274486 Mus musculus Cited2 gene Proteins 0.000 description 1
- 101150096622 Smr2 gene Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000000443 aerosol Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2805—Parameters or conditions being sensed
- A47L9/281—Parameters or conditions being sensed the amount or condition of incoming dirt or dust
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2805—Parameters or conditions being sensed
- A47L9/281—Parameters or conditions being sensed the amount or condition of incoming dirt or dust
- A47L9/2815—Parameters or conditions being sensed the amount or condition of incoming dirt or dust using optical detectors
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
- A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2857—User input or output elements for control, e.g. buttons, switches or displays
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2894—Details related to signal transmission in suction cleaners
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/08—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups for incorporation in vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01G—WEIGHING
- G01G19/00—Weighing apparatus or methods adapted for special purposes not provided for in the preceding groups
- G01G19/52—Weighing apparatus combined with other objects, e.g. furniture
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0219—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory ensuring the processing of the whole working surface
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/57—Mechanical or electrical details of cameras or camera modules specially adapted for being embedded in other devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R1/00—Details of transducers, loudspeakers or microphones
- H04R1/08—Mouthpieces; Microphones; Attachments therefor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R3/00—Circuits for transducers, loudspeakers or microphones
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
-
- 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04R—LOUDSPEAKERS, MICROPHONES, GRAMOPHONE PICK-UPS OR LIKE ACOUSTIC ELECTROMECHANICAL TRANSDUCERS; DEAF-AID SETS; PUBLIC ADDRESS SYSTEMS
- H04R2410/00—Microphones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
지능형 로봇 청소기를 개시한다. 본 발명의 지능형 로봇 청소기는 제어부의 제어 하에 흡입부를 통해 흡입되는 이물질을 1차 센싱하고, 이물질 이외의 물체가 센싱되면, 수집부에 수집된 물체를 2차 센싱함으로써, 수집부에 수집된 물체에 대한 정확한 정보를 사용자에게 인지시킬 수 있어 귀중품 또는 작은 물체들이 분실되는 것을 방지할 수 있다.
본 발명의 지능형 로봇 단말기, 사용자 단말기 및 서버 중 하나 이상이 인공 지능(Artificail Intelligenfce) 모듈, 드론(Unmanned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.
본 발명의 지능형 로봇 단말기, 사용자 단말기 및 서버 중 하나 이상이 인공 지능(Artificail Intelligenfce) 모듈, 드론(Unmanned Aerial Vehicle, UAV), 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.
Description
본 발명은 지능형 로봇 청소기에 관한 것으로, 특히 인공지능형 학습 결과에 따라 이물질과 함께 흡입되는 물체를 센싱하고, 이를 사용자에게 인지시킬 수 있는 지능형 로봇 청소기에 관한 것이다.
종래의 로봇 청소기는 미리 설정된 주행 경로를 따라 이동하면서, 청소 대상 영역에 해당하는 바닥면의 먼지 및 이물질을 흡입한다. 종래의 로봇 청소기가 이동하는 주행 경로는 미리 설정된다. 주행 경로 상에는 다양한 장애물이 존재할 수 있기 때문에, 이를 대처하기 위한 방안들이 모색되고 있다.
장애물을 대처하기 위해서, 종래의 로봇 청소기는 이동을 방해하는 장애물을 파악하고 해당 장애물을 우회하여 주행 경로를 설정하는 것이 일반적이었다.
또한, 종래의 로봇 청소기는 정해진 주행 경로를 따라 청소하는 과정에서 작은 물체 또는 귀중품 등을 장애물로 파악하지 못하고 흡입하였다. 이처럼 종래의 로봇 청소기가 작은 물체 또는 귀중품 등을 장애물로 인식하지 못하고 진행함에 따라 귀중품을 분실하는 문제점이 발생하였다.
본 발명은 전술한 문제점을 해결하는 것을 목적으로 한다.
또한, 본 발명은 청소하는 동안 흡입되는 물체를 센싱하고, 이를 분석하여 흡입된 물체에 대한 정확한 정보를 사용자에게 인지시킴으로써, 귀중품 또는 작은 물체들이 분실되는 것을 방지할 수 있다.
본 발명의 일실시 예에 따른 지능형 로봇 청소기는 하우징; 상기 하우징에 장착되고, 주행 경로를 따라 청소 대상 영역을 이동하기 위한 주행 구동부; 상기 하우징에 장착되고, 상기 주행 경로 상의 이물질을 흡입하는 흡입부; 상기 하우징에 장착되거나 분리되고, 상기 하우징에 장착되는 동안 상기 흡입부를 통해 흡입되는 상기 이물질을 수집하는 수집부; 상기 주행 경로를 따라 이동하는 상기 주행 구동부를 제어하는 제어부; 및 상기 하우징에 장착되고, 상기 제어부의 제어 하에 상기 흡입부를 통해 흡입되는 상기 이물질을 1차 센싱하고, 상기 이물질 이외의 물체가 센싱되면, 상기 수집부에 수집된 상기 물체를 2차 센싱하는 센싱부;를 포함한다.
상기 센싱부는 상기 흡입부 또는 상기 수집부의 주변에 배치되는 제1 센싱부 내지 제3 센싱부를 포함할 수 있다.
상기 지능형 로봇 청소기는 사용자의 휴대 기기와 신호를 주고 받을 수 있는 통신부와 지능형 로봇 청소기에 대한 상태를 디스플레이할 수 있는 디스플레이부를 더 포함할 수 있다.
상기 제1 센싱부는, 상기 흡입부와 상기 수집부 사이 또는 상기 수집부의 상부에 배치되고, 상기 흡입구를 통해 유입되는 상기 이물질 또는 상기 물체를 이미지로 센싱할 수 있다.
상기 제어부는, 상기 제1 센싱부를 통해 센싱된 상기 이미지에서 기설정된 색상 분포와 비교 분석하여 상기 물체의 색상을 추출할 수 있다.
상기 제어부는, 상기 이미지에서 추출된 상기 물체의 색상을 중심으로 관심 영역을 설정하여 불필요한 부분을 제거할 수 있다.
상기 제어부는, 상기 관심 영역에서 표시되는 상기 물체의 일부를 신경망으로 학습하여 상기 물체의 특징을 추출하고, 추출된 상기 물체의 특징을 분석하여 상기 물체에 대한 정보를 습득할 수 있다.
상기 제2 센싱부는, 상기 수집부의 하부에 배치되고, 상기 수집부에 수집되는 상기 이물질 및 상기 물체의 무게 또는 압력을 센싱할 수 있다.
상기 제어부는, 상기 수집부의 무게가 기설정된 범위에서 크게 벗어날 경우, 상기 수집부에 상기 물체가 있음을 감지하고, 상기 통신부를 이용하여 상기 지능형 로봇 청소기에 등록된 상기 사용자의 휴대 기기에 알림 문자를 전송하거나, 상기 디스플레이부에 알림 문자를 디스플레이할 수 있다.
상기 제3 센싱부는, 상기 수집부의 둘레면 또는 상기 수집부의 하부에 배치되고, 상기 물체가 상기 수집부의 압력에 의해 상기 수집부에 부딪치는 소리 또는 소음을 센싱할 수 있다.
상기 제어부는, 상기 수집부에서 발생되는 소리가 기설정된 범위에서 크게 벗어날 경우, 상기 수집부에 상기 물체가 있음을 감지하고, 상기 통신부를 이용하여 상기 지능형 로봇 청소기에 등록된 상기 사용자의 휴대 기기에 알림 문자를 전송하거나, 상기 디스플레이부에 알림 문자를 디스플레이할 수 있다.
상기 제어부는, 상기 제1 센싱부를 이용하여 상기 흡입부를 통해 흡입되는 상기 이물질을 1차 센싱하고, 상기 이물질 이외의 물체가 센싱되면, 상기 제2 센싱부 또는 상기 제3 센싱부를 이용하여 상기 수집부에 수집된 상기 물체를 2차 센싱할 수 있다.
상기 제어부는, 상기 제2 센싱부를 이용하여 상기 수집부에 수집된 상기 물체를 2차 센싱한 후, 상기 제3 센싱부를 이용하여 상기 수집부에 수집된 상기 물체를 3차 센싱할 수 있다.
상기 제어부는, 1차 센싱된 상기 물체를 신경망으로 학습하고, 이를 기반으로 상기 제2 센싱부 또는 상기 제3 센싱부를 선택하여 상기 수집부에 수집된 상기 물체를 2차 센싱할 수 있다.
본 발명에 따른 지능형 로봇 청소기의 효과에 대해 설명하면 다음과 같다.
또한, 본 발명은 청소하는 동안 흡입되는 물체를 센싱하고, 이를 분석하여 흡입된 물체에 대한 정확한 정보를 사용자에게 인지시킴으로써, 귀중품 또는 작은 물체들이 분실되는 것을 방지할 수 있는 효과가 있다.
또한, 본 발명은 청소하는 동안 흡입되는 물체를 센싱하고, 이를 분석하여 흡입된 물체에 대한 정확한 정보를 사용자에게 인지시킴으로써, 제품에 대한 신뢰성이 개선될 수 있다.
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 일실시 예에 따른 지능형 로봇 청소기를 상부에서 바라 본 사시도이다.
도 5는 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 하부에서 바라 본 사시도이다.
도 6은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 7은 본 발명의 일실시 예에 따른 AI 장치의 블록도이다.
도 8은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 9는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제1 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 10은 본 발명의 실시 예에 따라 제1 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 11은 본 발명의 실시 예에 따라 수집부에 수집된 물체를 인지하기 위한 블록도이다.
도 12는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제2 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 13은 본 발명의 실시 예에 따라 제2 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 14는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제3 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 15는 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 16은 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 주파수를 설명하기 위한 일예이다.
도 17은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 동작 방법을 나타내는 순서도이다.
도 18은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 운용방법 중 2차 센싱하는 것을 나타내는 순서도이다.
도 19는 다른 실시 예에 의한 지능형 로봇 청소기의 청소 시스템을 나타내는 도면이다.
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 4는 본 발명의 일실시 예에 따른 지능형 로봇 청소기를 상부에서 바라 본 사시도이다.
도 5는 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 하부에서 바라 본 사시도이다.
도 6은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 7은 본 발명의 일실시 예에 따른 AI 장치의 블록도이다.
도 8은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 9는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제1 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 10은 본 발명의 실시 예에 따라 제1 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 11은 본 발명의 실시 예에 따라 수집부에 수집된 물체를 인지하기 위한 블록도이다.
도 12는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제2 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 13은 본 발명의 실시 예에 따라 제2 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 14는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제3 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다.
도 15는 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 16은 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 주파수를 설명하기 위한 일예이다.
도 17은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 동작 방법을 나타내는 순서도이다.
도 18은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 운용방법 중 2차 센싱하는 것을 나타내는 순서도이다.
도 19는 다른 실시 예에 의한 지능형 로봇 청소기의 청소 시스템을 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 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.
A. UE 및 5G 네트워크 블록도 예시
도 1은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 1을 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.
AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치(920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.
5G 네트워크가 제1 통신 장치로, AI 장치가 제2 통신 장치로 표현될 수도 있다.
예를 들어, 상기 제1 통신 장치 또는 상기 제2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, AI(Artificial Intelligence) 장치 등일 수 있다.
예를 들어, 단말 또는 UE(User Equipment)는 휴대폰, 스마트폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기(smartwatch), 글래스형 단말기(smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다. 도 1을 참고하면, 제1 통신 장치(910)와 제2 통신 장치(920)는 프로세서(processor, 911,921), 메모리(memory, 914,924), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈(915)은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)은 각각의 안테나(926)를 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL(제1 통신 장치에서 제2 통신 장치로의 통신)에서, 전송(TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신(RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.
UL(제2 통신 장치에서 제1 통신 장치로의 통신)은 제2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)은 각각의 안테나(926)를 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서(921)는 프로그램 코드 및 데이터를 저장하는 메모리(924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.
B. 무선 통신 시스템에서 신호 송/수신 방법
도 2는 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 2를 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널(primary synchronization channel, P-SCH) 및 2차 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호(primary synchronization signal, PSS)와 2차 동기 신호(secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널(physical broadcast channel, PBCH)를 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호(downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).
한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정(random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널(physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답(random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정(contention resolution procedure)를 수행할 수 있다.
상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보(downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정(configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트(control element set, CORESET)들에 설정된 모니터링 기회(occasion)들에서 PDCCH 후보(candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조(modulation) 및 코딩 포맷과 자원 할당(resource allocation) 정보를 적어도 포함하는 하향링크 배정(assignment)(즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트(uplink grant; UL grant)를 포함한다.
도 2를 참고하여, 5G 통신 시스템에서의 초기 접속(Initial Access, IA) 절차에 대해 추가적으로 살펴본다.
UE는 SSB에 기반하여 셀 탐색(search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH(Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.
SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.
셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID(Identifier)(예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.
336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다
SSB는 SSB 주기(periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크(예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.
다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.
SI는 마스터 정보 블록(master information block, MIB)와 복수의 시스템 정보 블록(system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI(Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1(SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성(availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.
도 2를 참고하여, 5G 통신 시스템에서의 임의 접속(Random Access, RA) 과정에 대해 추가적으로 살펴본다.
임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드(triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반(contention-based) 임의 접속 과정과 경쟁 프리(contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.
UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격(subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.
BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답(random access response, RAR) 메시지(Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속(random access, RA) 무선 네트워크 임시 식별자(radio network temporary identifier, RNTI)(RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑(power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.
상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.
C. 5G 통신 시스템의 빔 관리(Beam Management, BM) 절차
BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS(sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.
SSB를 이용한 DL BM 과정에 대해 살펴본다.
SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보(channel state information, CSI)/빔 설정 시에 수행된다.
- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고를 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4,...}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.
- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.
- SSBRI 및 참조 신호 수신 전력(reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선(best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.
UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된(quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간(spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.
다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.
CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제(refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.
먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.
- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.
- UE는 자신의 Rx 빔을 결정한다.
- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.
다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.
- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.
- UE는 최상의(best) 빔을 선택(또는 결정)한다.
- UE는 선택된 빔에 대한 ID(예, CRI) 및 관련 품질 정보(예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.
다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.
- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링(예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.
- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.
- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.
다음으로, 빔 실패 복구(beam failure recovery, BFR) 과정에 대해 살펴본다.
빔포밍된 시스템에서, RLF(Radio Link Failure)는 UE의 회전(rotation), 이동(movement) 또는 빔포밍 블로키지(blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시(indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간(period) 내에 RRC 시그널링에 의해 설정된 임계치(threshold)에 이르면(reach), 빔 실패를 선언(declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시(initiate)함으로써 빔 실패 복구를 트리거하고, 적절한(suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료(completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.
D. URLLC (Ultra-Reliable and Low Latency Communication)
NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항(requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간(duration)(예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격(stringent)한 레이턴시 요구 사항(latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화(multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션(preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.
NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유(sharing)이 지원된다. eMBB와 URLLC 서비스들은 비-중첩(non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인(ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링(puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트(corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시(preemption indication)를 제공한다. 상기 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)로 지칭될 수도 있다.
프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반(convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설졍되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도(granularity)를 가지고 설정된다.
상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.
UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞(last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.
E. mMTC (massive MTC)
mMTC(massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB(NarrowBand)-IoT를 다루고 있다.
mMTC 기술은 PDCCH, PUCCH, PDSCH(physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑(hopping), 리튜닝(retuning), 가드 구간(guard period) 등의 특징을 가진다.
즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑(frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제1 주파수 자원에서 제2 주파수 자원으로 가드 구간(guard period)에서 (RF)리튜닝(retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역(narrowband)(ex. 6 RB (resource block) or 1 RB)을 통해 송/수신될 수 있다.
F. 5G 통신을 이용한 AI 기본 동작
도 3은 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).
G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작
이하, 도 1 및 도 2와 앞서 살핀 무선 통신 기술(BM 절차, URLLC, Mmtc 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.
먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 3의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.
보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.
또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고 UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)을 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고 UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 3의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.
도 3의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제1 주파수 자원에서, 두 번째 특정 정보의 전송은 제2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.
앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.
도 4 및 도 5는 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 사시도들이다. 도 4는 본 발명의 일실시 예에 따른 지능형 로봇 청소기를 상부에서 바라본 사시도이고, 도 5는 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 하부에서 바라 본 사시도이다. 도 6은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 4 내지 도 6을 참조하면, 본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 하우징(50), 센싱부(40), 흡입부(70), 수집부(80), 전원 공급부(60), 제어부(110), 통신부(120), 주행 구동부(130), 사용자 입력부(140), 이벤트 출력부(150), 영상 획득부(160), 위치 인식부(170), 장애물 인식부(180) 및 메모리(190)를 포함할 수 있다.
하우징(50)은 내부 구성이 탑재되는 공간을 제공하고, 지능형 로봇 청소기(100)의 외관을 형성할 수 있다. 하우징(50)은 지능형 로봇 청소기(100)에 내장된 부품을 외부로부터 보호할 수 있다.
전원 공급부(60)는 배터리 드라이버(battery Driver) 및 리튬-이온 배터리(Li-Ion Battery)를 포함할 수 있다. 배터리 드라이버는 리튬-이온 배터리의 충전과 방전을 관리할 수 있다. 리튬-이온 배터리는 로봇의 구동을 위한 전원을 공급할 수 있다. 리튬-이온 배터리는 24V/102A 리튬-이온 배터리 2개를 병렬로 연결하여 구성될 수 있다.
흡입부(70)는 청소 대상 영역의 먼지 또는 이물질을 흡입할 수 있다. 흡입부(70)는 모터 등에 의해서 회전하는 팬을 이용하여 공기의 유동을 강제하는 원리를 이용할 수 있다.
수집부(80)는 흡입부(70)와 소정의 파이프로 연결될 수 있다. 수집부(80)는 흡입부(70)를 통해 흡입되는 먼지, 이물질 또는 물체 등을 수집할 수 있는 소정의 공간을 포함할 수 있다. 수집부(80)는 하우징(50)에 장착 또는 분리될 수 있다. 수집부(80)는 하우징(50)에 장착되는 동안 흡입부(70)를 통해 흡입되는 먼지, 이물질 또는 물체 등을 수집할 수 있다. 수집부(80)는 하우징(50)에 분리되어 수집된 먼지, 이물질 또는 물체 등을 외부로 반출 또는 버릴 수 있다. 수집부(80)는 먼지통, 이물질통 등이라 칭할 수 있다.
센싱부(40)는 하우징(50)에 장착되고, 후술할 제어부(110)의 제어 하에 흡입부(70)를 통해 흡입되는 이물질을 1차 센싱하고, 이물질 이외의 물체가 센싱되면, 수집부(80)에 수집된 물체를 2차 센싱할 수 있다. 이에 대한 자세한 설명은 후술하기로 한다.
제어부(110)는 지능형 로봇 청소기(100)의 하드웨어 중 배터리 등을 포함하는 전원공급부(50), 각종 센서들을 포함하는 장애물 인식부(180), 복수의 모터 및 휠을 포함하는 주행 구동부(130), 센싱부(40) 및 수집부(80)를 관리하는 마이컴을 포함할 수 있다.
제어부(110)는 지능형 로봇 청소기(100)의 하드웨어 모듈 전체 시스템을 관리하는 기능을 수행하는 AP(Application Processor)를 포함할 수 있다. 제어부(110)는 프로세서라 칭할 수 있다. AP는 각종 센서들을 통해 획득된 위치 정보를 이용하여 주행을 위한 응용 프로그램 구동과 사용자 입출력 정보를 마이컴으로 전송하여 모터 등의 구동을 수행하도록 한다. 또한, 사용자 입력부(140), 영상 획득부(160), 위치 인식부(170) 등이 AP에 의해 관리될 수 있다.
또한, 제어부(110)는 AI 프로세서(111)를 포함할 수 있다. AI 프로세서(111)는 메모리(190)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(111)는 지능형 로봇 청소기(100)가 센싱하는 물체를 인식하기 위한 신경망을 학습할 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
지능형 로봇 청소기(100)는 AI 프로세서(111)를 통한 딥러닝 모델을 적용함으로써, 센싱부(40)를 통해서 센싱되는 물체의 일부 또는 전부에 대한 이미지 분석, 물체의 특징을 추출하는 기능을 구현할 수 있다. 또는 지능형 로봇 청소기(100)는 AI 프로세서(111)를 통한 딥러닝 모델을 적용함으로써, 영상 획득부(160)를 통해서 획득하는 객체의 이미지 분석, 객체의 위치 인식, 장애물 인식의 기능을 구현할 수 있다. 지능형 로봇 청소기(100)는 통신부를 통해 외부 서버로부터 AI 프로세싱 결과를 수신함으로써, 전술한 적어도 하나의 기능을 구현할 수도 있다.
통신부(120)는 외부입력으로부터의 신호/데이터를 수신하는 구성뿐 아니라, 지능형 로봇 청소기(100)의 설계 방식에 따라서, 무선 통신을 위한 무선통신모듈(미도시)이나 방송신호의 튜닝을 위한 튜너(미도시)와 같은 다양한 부가적인 구성을 더 포함할 수 있다. 통신부(120)는 외부장치로부터 신호를 수신하는 것 이외에도, 지능형 로봇 청소기(100)의 정보/데이터/신호를 외부장치에 전송할 수도 있다. 즉, 통신부(120)는 외부장치의 신호를 수신하는 구성으로만 한정할 수 없으며, 양방향 통신이 가능한 인터페이스(interface)로 구현될 수 있다. 통신부(120)는 복수의 제어장치로부터 UI를 선택하기 위한 제어신호를 수신할 수 있다. 통신부(120)는 무선통신, 유선통신 및 이동통신 모듈을 포함할 수 있다. 예를 들어 통신부(120)는 무선랜 (WiFi), 블루투스(Bluetooth), IR(Infrared), UWB(Ultra Wideband), 지그비(Zigbee) 등 공지의 근거리 무선통신을 위한 통신모듈로 구성될 수 있다. 통신부(120)는 3G, 4G, LTE, 5G 등의 이동통신 모듈로 구성될 수 있다. 통신부(120)는 유선통신을 위한 공지의 통신포트로 구성될 수도 있다. 통신부(120)는 UI를 선택하기 위한 제어신호 이외에, 디스플레이의 조작을 위한 명령, 데이터의 송수신 등 다양한 목적으로 활용될 수 있다.
주행 구동부(130)는 휠 모터(131) 및 구동 바퀴(61)를 포함할 수 있다. 구동 바퀴(61)는 제1 및 제2 구동 바퀴(61a,61b)를 포함할 수 있다. 휠 모터(131)는 제1 구동 바퀴(61a) 및 제2 구동 바퀴(61b)를 제어할 수 있다. 휠 모터(131)는 주행 구동부(130)의 제어 하에 구동될 수 있다. 휠 모터(131)에 체결되는 제1 구동 바퀴(61a) 및 제2 구동 바퀴(61b)는 개별적으로 분리될 수 있다. 제1 구동 바퀴(61a) 및 제2 구동 바퀴(61b)는 서로 독립적으로 작동할 수 있다. 이에 따라, 지능형 로봇 청소기(100)는 전진/후진뿐만 아니라 어느 한 방향으로 회전할 수도 있다.
사용자 입력부(140)는 사용자의 조작 및 입력에 따라 기설정된 다양한 제어 커맨드 또는 정보를 제어부(110)에 전달할 수 있다. 사용자 입력부(140)는 지능형 로봇 청소기의 외측에 설치된 메뉴 키(menu-key) 또는 입력 패널(panel)이나, 지능형 로봇 청소기(100)와 분리 이격된 리모트 컨트롤러(remote controller) 등으로 구현될 수 있다. 또는, 사용자 입력부(140)의 일부 구성은 디스플레이부(152)와 일체형으로 구현될 수 있다. 디스플레이부(152)는 터치스크린(touch-screen)일 수 있다. 예를 들어 사용자는 터치스크린(touch-screen)인 디스플레이부(152)에 표시된 입력메뉴를 터치함으로써 기 설정된 커맨드를 제어부(110)에 전달할 수 있다.
사용자 입력부(140)는 영역 내를 감지하는 센서를 통하여 사용자의 제스처를 감지하여 사용자의 명령을 제어부(110)로 전달할 수 있다, 또는 사용자 입력부(140)는 사용자의 음성명령을 제어부(110)로 전달하여 동작 및 설정을 수행할 수도 있다.
이벤트 출력부(150)는 영상 획득부(160)를 통해서 획득된 영상에서 객체를 추출하거나 기타 이벤트 상황이 발생하면, 이벤트 상황을 사용자에게 알리는 구성일 수 있다. 이벤트 추출부(150)는 음성 출력부(151) 및 디스플레이부(152)를 포함할 수 있다.
음성 출력부(151)는 특정 이벤트가 발생하였을 때 미리 저장된 음성 메시지를 출력할 수 있다.
디스플레이부(152)는 특정 이벤트가 발생하였을 때 미리 저장된 텍스트 또는 이미지를 표시할 수 있다. 디스플레이부(152)는 지능형 로봇 청소기(100)의 구동 상태를 표시하거나, 현재 상태의 날짜/시간/온도/습도 등의 부가 정보를 표시할 수도 있다.
영상 획득부(160)는 2D 카메라(161) 및 RGBD 카메라(162)를 포함할 수 있다. 2D 카메라(161)는 2차원 영상을 기반으로 사람 또는 사물을 인식하기 위한 센서일 수 있다. RGBD 카메라(Red, Green, Blue, Distance, 162)는 RGBD 센서들을 갖는 카메라 또는 다른 유사한 3D 이미징 디바이스들로부터 획득되는 깊이(Depth) 데이터를 갖는 캡처된 이미지들을 이용하여 사람 또는 사물을 검출하기 위한 센서일 수 있다.
영상 획득부(160)는 지능형 로봇 청소기(100)를 통해 흡입되는 이물질 또는 물체를 촬영하여 획득한 영상 데이터 또는 수집된 이물질 또는 물체를 촬영하여 획득한 영상 데이터를 제어부(110)에 제공할 수 있다. 제어부(110)는 이를 바탕으로 이물질 또는 물체를 재센싱할 수 있다.
또한, 영상 획득부(160)는 지능형 로봇 청소기(100)의 주행 경로 상의 영상을 획득하여, 획득된 영상 데이터를 제어부(110)에 제공할 수 있다. 제어부(110)는 이를 바탕으로 주행 경로를 재설정할 수 있다.
위치 인식부(170)는 라이더(Lidar, 171) 및 SLAM 카메라(172)를 포함할 수 있다.
SLAM 카메라(Simultaneous Localization And Mapping 카메라, 172)는 동시간 위치 추적 및 지도 작성 기술을 구현할 수 있다. 지능형 로봇 청소기(100)는 SLAM 카메라(172)를 이용하여 주변 환경 정보를 검출하고 얻어진 정보를 가공하여 임무 수행 공간에 대응되는 지도를 작성함과 동시에 자신의 절대 위치를 추정할 수 있다.
라이더(Light Detection and Ranging; Lidar)(171)는 레이저 레이더로서, 레이저 빔을 조사하고 에어로졸에 의해 흡수 혹은 산란된 빛 중 후방 산란된 빛을 수집, 분석하여 위치 인식을 수행하는 센서일 수 있다.
위치 인식부(170)는 라이더(171) 및 SLAM 카메라(172) 등으로부터 수집되는 센싱 데이터를 처리 및 가공하여 로봇의 위치 인식과 장애물 인식을 위한 데이터 관리를 담당할 수 있다.
장애물 인식부(180)는 IR 리모콘 수신부(181), USS(182), Cliff PSD(183), ARS(184), Bumper(185) 및 OFS(186)를 포함할 수 있다.
IR 리모콘 수신부(181)는 지능형 로봇 청소기(100)를 원격 조정하기 위한 IR(Infrared) 리모콘의 신호를 신하는 센서를 포함할 수 있다.
USS(Ultrasonic sensor, 182)는 초음파 신호를 이용하여 장애물과 로봇 이의 거리를 판단하기 위한 센서를 포함할 수 있다.
Cliff PSD(183)는 360도 전방향의 지능형 로봇 청소기(100)의 주행 범위에서 낭떠러지 또는 절벽 등을 감지하기 위한 센서를 포함할 수 있다.
ARS(Attitude Reference System, 184)는 로봇의 자세를 검출할 수 있는 센서를 포함할 수 있다. ARS(184)는 지능형 로봇 청소기(100)의 회전량 검출을 위한 가속도 3축 및 자이로 3축으로 구성되는 센서를 포함할 수 있다.
Bumper(185)는 지능형 로봇 청소기(100)와 장애물 사이의 충돌을 감지하는 센서를 포함할 수 있다. Bumper(185)에 포함되는 센서는 360도 범위에서 지능형 로봇 청소기(100)와 장애물 사이의 충돌을 감지할 수 있다.
OFS(Optical Flow Sensor, 186)는 지능형 로봇 청소기(100)의 주행 시 헛바퀴가 도는 현상 및 다양한 바닥 면에서 지능형 로봇 청소기(100)의 주행거리를 측정할 수 있는 센서를 포함할 수 있다.
메모리(190)는 장애물에 해당하는 물체의 명칭과 이에 대응하는 이미지 정보, 그리고 수집부(80)에 수집되는 물체에 대한 다양한 이미 정보 등을 저장할 수 있다.
도 7은 본 발명의 일실시 예에 따른 AI 장치의 블록도이다.
상기 AI 장치(20)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치(20)는 도 6에 도시된 지능형 로봇 청소기(100)의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 AI 프로세싱은 도 4에 도시된 지능형 로봇 청소기(100)의 기능과 관련된 모든 동작들을 포함할 수 있다. 예를 들어, 지능형 로봇 청소기는 센싱 데이터 또는 주행 데이터를 AI 프로세싱하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 예를 들어, 지능형 로봇 청소기는 상기 지능형 로봇 청소기에 구비된 다른 전자 기기와의 인터랙션을 통해 획득되는 데이터를 AI 프로세싱하여 센싱 제어를 수행할 수 있다.
상기 AI 장치(20)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.
상기 AI 장치(20)는 신경망을 학습할 수 있는 컴퓨팅 장치로서, 서버, 데스크탑 PC, 노트북 PC, 태블릿 PC 등과 같은 다양한 전자 장치로 구현될 수 있다.
AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 지능형 로봇 청소기(100)와 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 여기서, 지능형 로봇 청소기(100) 관련 데이터를 인식하기 위한 신경망은 인간의 뇌 구조를 컴퓨터 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고 받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(25)는 AI 장치(20)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다.
또한, 메모리(25)는 본 발명의 일실시 예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.
한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(22)는 적어도 하나의 하드웨어 칩 형태로 제작되어 AI 장치(20)에 탑재될 수 있다. 예를 들어, 데이터 학습부(22)는 인공지능(AI)을 위한 전용 하드웨어 칩 형태로 제작될 수도 있고, 범용 프로세서(CPU) 또는 그래픽 전용 프로세서(GPU)의 일부로 제작되어 AI 장치(20)에 탑재될 수도 있다. 또한, 데이터 학습부(22)는 소프트웨어 모듈로 구현될 수 있다. 소프트웨어 모듈(또는 인스트럭션(instruction)을 포함하는 프로그램 모듈)로 구현되는 경우, 소프트웨어 모듈은 컴퓨터로 읽을 수 있는 판독 가능한 비일시적 판독 가능 기록 매체(non-transitory computer readable media)에 저장될 수 있다. 이 경우, 적어도 하나의 소프트웨어 모듈은 OS(Operating System)에 의해 제공되거나, 애플리케이션에 의해 제공될 수 있다.
데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.
학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다. 예를 들어, 학습 데이터 획득부(23)는 학습 데이터로서, 신경망 모델에 입력하기 위한 차량 데이터 및/또는 샘플 데이터를 획득할 수 있다.
모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다. 이때 모델 학습부(24)는 학습 데이터 중 적어도 일부를 판단 기준으로 이용하는 지도 학습(supervised learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또는 모델 학습부(24)는 지도 없이 학습 데이터를 이용하여 스스로 학습함으로써, 판단 기준을 발견하는 비지도 학습(unsupervised learning)을 통해 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 학습에 따른 상황 판단의 결과가 올바른지에 대한 피드백을 이용하여 강화 학습(reinforcement learning)을 통하여, 신경망 모델을 학습시킬 수 있다. 또한, 모델 학습부(24)는 오류 역전파법(error back-propagation) 또는 경사 하강법(gradient decent)을 포함하는 학습 알고리즘을 이용하여 신경망 모델을 학습시킬 수 있다.
신경망 모델이 학습되면, 모델 학습부(24)는 학습된 신경망 모델을 메모리에 저장할 수 있다. 모델 학습부(24)는 학습된 신경망 모델을 AI 장치(20)와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.
데이터 학습부(22)는 인식 모델의 분석 결과를 향상시키거나, 인식 모델의 생성에 필요한 리소스 또는 시간을 절약하기 위해 학습 데이터 전처리부(미도시) 및 학습 데이터 선택부(미도시)를 더 포함할 수도 있다.
학습 데이터 전처리부는 획득된 데이터가 상황 판단을 위한 학습에 이용될 수 있도록, 획득된 데이터를 전처리할 수 있다. 예를 들어, 학습 데이터 전처리부는 모델 학습부(24)가 이미지 인식을 위한 학습을 위하여 획득된 학습 데이터를 이용할 수 있도록, 획득된 데이터를 기 설정된 포맷으로 가공할 수 있다.
또한, 학습 데이터 선택부는 학습 데이터 획득부(23)에서 획득된 학습 데이터 또는 전처리부에서 전처리된 학습 데이터 중 학습에 필요한 데이터를 선택할 수 있다. 선택된 학습 데이터는 모델 학습부(24)에 제공될 수 있다. 예를 들어, 학습 데이터 선택부는 지능형 로봇 청소기(100)의 카메라를 통해 획득한 영상 중 특정 영역을 검출함으로써, 특정 영역에 포함된 객체에 대한 데이터만을 학습 데이터로 선택할 수 있다.
또한, 데이터 학습부(22)는 신경망 모델의 분석 결과를 향상시키기 위하여 모델 평가부(미도시)를 더 포함할 수도 있다.
모델 평가부는 신경망 모델에 평가 데이터를 입력하고, 평가 데이터로부터 출력되는 분석 결과가 소정 기준을 만족하지 못하는 경우, 모델 학습부(22)로 하여금 다시 학습하도록 할 수 있다. 이 경우, 평가 데이터는 인식 모델을 평가하기 위한 기 정의된 데이터일 수 있다. 일 예로, 모델 평가부는 평가 데이터에 대한 학습된 인식 모델의 분석 결과 중, 분석 결과가 정확하지 않은 평가 데이터의 개수 또는 비율이 미리 설정되 임계치를 초과하는 경우, 소정 기준을 만족하지 못한 것으로 평가할 수 있다.
통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기로 전송할 수 있다.
여기서 외부 전자 기기는 지능형 로봇 청소기(100)로 정의될 수 있다. 또한, 상기 AI 장치(20)는 상기 지능형 로봇 청소기(100)와 통신하는 다른 지능형 로봇 청소기(100) 또는 5G 네트워크로 정의될 수 있다. 한편, 상기 AI 장치(20)는 지능형 로봇 청소기(100) 내에 구비된 자율주행 모듈에 기능적으로 임베딩되어 구현될 수도 있다. 또한, 상기 5G 네트워크는 지능형 로봇 청소기(100)의 관련 제어를 수행하는 서버 또는 모듈을 포함할 수 있다.
한편, 도 7에 도시된 AI 장치(20)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀둔다.
도 8은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 구성을 나타내는 블록도이다.
도 8을 살펴보면, 본 발명에 의한 지능형 로봇 청소기(100)는 적어도 하나의 센싱부(40)를 포함할 수 있다.
적어도 하나의 센싱부(40)는 지능형 로봇 청소기(100)에 장착될 수 있다. 적어도 하나의 센싱부(40)는 흡입부(70), 수집부(80) 및 영상 획득부(160) 등의 주변에 배치될 수 있다.
적어도 하나의 센싱부(40)는 제1 센싱부(41) 내지 제3 센싱부(43)를 포함할 수 있다.
제1 센싱부(41)는 흡입부(70)와 수집부(80) 사이 또는 수집부(80)의 상부 근처에 배치될 수 있다. 제1 센싱부(41)는 흡입부(70)를 통해 흡입되는 이물질 또는 물체를 센싱할 수 있다. 예를 들어, 제1 센싱부(41)는 카메라 이미지 센서를 포함할 수 있다. 제1 센싱부(41)는 흡입부(70)를 통해 흡입되는 이물질 또는 물체를 촬영하여 이들의 이미지를 센싱할 수 있다. 제1 센싱부(41)는 센싱된 이미지에서 물체의 전부 또는 일부에 대한 특징을 추출하고, 추출된 특징을 제어부(110)에 전송할 수 있다.
제2 센싱부(42)는 수집부(80)의 하부 근처에 배치될 수 있다. 제2 센싱부(42)는 흡입부(70)를 통해 흡입되는 이물질 또는 물체의 무게를 센싱할 수 있다. 예를 들어, 제2 센싱부(42)는 무게를 센싱할 수 있는 무게 센서 또는 압력을 센싱할 수 압력 센서를 포함할 수 있다. 제2 센싱부(42)는 수집부(80)에 수집된 이물질 또는 물체의 무게를 센싱하되, 수집되는 이물질 또는 물체의 무게가 급격하게 변화되는 경우, 이를 제어부(110)에 전송할 수 있다.
제3 센싱부(43)는 수집부(80)의 주변 또는 수집부(80)의 외부면에 장착되거나 배치될 수 있다. 제3 센싱부(43)는 수집부(80)에 이물질 또는 물체가 수집되는 동안 발생하는 소리를 센싱할 수 있다. 제3 센싱부(43)는 마이크 센서를 포함할 수 있다. 제3 센싱부(43)는 수집부(80)에 이물질 또는 물체가 수집되는 동안 발생하는 소리를 센싱하되, 기 설정된 소리보다 클 경우, 이를 제어부(110)에 전송할 수 있다.
도 9는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제1 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다. 도 10은 본 발명의 실시 예에 따라 제1 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다. 도 11은 본 발명의 실시 예에 따라 수집부에 수집된 물체를 인지하기 위한 블록도이다.
제1 센싱부(41)는 흡입부(70)와 수집부(80) 사이 또는 수집부(80)의 상부 근처에 배치될 수 있다. 도 9에는 도시되지 않았지만, 수집부(80)는 파이프(미도시)를 통해 흡입부(70)와 연결될 수 있다. 파이프는 먼지 유입구라 칭할 수 있다. 파이프(미도시)는 일단이 수집부(80)에 연결되고, 타단이 흡입부(70)에 연결될 수 있다. 파이프(미도시)는 흡입부(70)를 통해 흡입되는 이물질 또는 물체를 수집부(80)에 제공할 수 있다.
도 9의 (a)에 도시된 바와 같이, 제1 센싱부(41)는 수집부(80)의 상부에 배치될 수 있다. 제1 센싱부(41)는 수집부(80)에 수집되는 이물질(1) 또는 물체(2)를 센싱할 수 있다. 예를 들어 제1 센싱부(41)는 카메라 이미지 센서를 포함할 수 있다.
도 9의 (b)에 도시된 바와 같이, 제1 센싱부(41)는 수집부(80)에 수집되는 이물질(1) 또는 물체(2)를 촬영하고, 촬영된 이물질(1)에 대한 이미지 또는 촬영된 물체(2)에 대한 이미지를 센싱할 수 있다. 제1 센싱부(41)는 수집부(80)에 수집된 이물질(1)의 양 또는 크기에 따라 물체(2)의 일부 또는 전부를 촬영할 수 있다.
도 10의 (a)에 도시된 바와 같이 제1 센싱부(41)는 수집부(80)에 수집되는 이물질(1)을 적어도 하나 이상의 이미지로 센싱할 수 있다. 제어부는 제1 센싱부(41)로부터 센싱된 적어도 하나 이상의 이물질 이미지를 제공받고, 흑백 영상인 그레이 이미지로 표현할 수 있다.
제어부는 제1 센싱부(41)로부터 센싱된 물체 이미지를 제공받아, 물체의 컬러를 분석할 수 있다. 도 10의 (b)에 도시된 바와 같이, 제어부는 기설정된 컬러 분포를 이용하여 물체의 컬러를 비교분석하여 물체의 컬러를 비교적 정확하게 추출할 수 있다. 도 10의 (c)에 도시된 바와 같이, 제어부는 물체 이미지에서 물체의 컬러중 빈도가 높은 부분을 추출 또는 디텍트할 수 있다. 도 10의 (d)의 도시된 바와 같이, 제어부는 제1 센싱부(41)를 통해 획득되는 물체 이미지에서 관심영역(ROI, Region of Interest)을 설정할 수 있다. 예를 들어, 제어부는 제1 센싱부(41)를 통해 초기 물체 이미지를 획득할 수 있다. 초기 물체 이미지는 이미지 분석에 불필요한 부분들(예를 들어, 이물질)이 다수 포함될 수 있다. 제어부는 불필요한 부분들에 의해 이미지 분석 시간이 크게 증가될 수 있다. 이에 제어부는 초기 물체 이미지에서 센싱된 물체를 중심으로 관심 영역을 지정함으로써, 이미지 분석에 필수적인 영역에서만 패턴 매칭 연산을 수행할 수 있다.
도 11을 살펴보면, 제어부는 흡입부로 흡입되는 물체 또는 수집부에 수집되는 물체를 센싱할 수 있다(S10).
제어부는 센싱된 물체에서 물체의 특징을 추출할 수 있다(S20). 제어부는 촬영된 물체 이미지에서 이물질에 의해 가려진 부분을 제외하고, 보여지는 물체의 부분을 중심으로 물체에 대한 특징을 추출할 수 있다. 제어부는 추출된 물체가 일부인 경우, 메모리(190, 도 5 참조)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 예를 들어, 제어부(110, 도 5 참조)는 물체의 특징을 추출하기 위한 신경망을 학습하고, 계속해서 딥러닝함으로써, 물체에 대한 특징을 정확하게 추출할 수 있다.
제어부는 추출된 물체의 특징을 기초하여 물체와 관련된 정보를 수집할 수 있다(S30). 제어부는 통신부(120, 도 5 참조) 또는 메모리(190, 도 5 참조)를 이용하여 물체의 특징을 기초로 물체에 대한 정보를 수집할 수 있다.
물체의 특징을 기초로 물체에 대한 정보를 수집하기 위한 연산은 매우 복잡할 수 있다. 이에 제어부는 최신의 논리 회로인 최첨단 신경망 제어를 사용함으로써, 물체의 특징을 빠르고 정확하게 추출하고, 추출된 물체의 특징에 대응되는 물체의 정보를 수집할 수 있다. 제어부는 인간의 두뇌 판단 기능에 가깝도록 설계된 논리회로인 신경망 제어를 이용함으로써 인간의 두뇌처럼 복잡한 물체에 대한 정보를 상호 연관시켜 빠른 시간에 적절한 판단으로 물체에 대한 다양한 정보를 수집할 수 있다.
제어부는 수집된 물체와 관련된 정보를 분석하고, 이를 분류할 수 있다(S40). 제어부는 최신의 논리 회로인 최첨단 신경망 제어를 사용하여 수집된 물체에 대한 다양한 정보를 분석하고, 분석된 물체에 대한 정보를 서로 상호 연관시켜 빠른 시간에 물체를 분류할 수 있다.
제어부는 분석 및 분류된 물체를 추출 또는 인지할 수 있다(S50). 제어부는 신경망 제어를 사용하여 분석 및 분류된 물체를 정확하게 파악하고 인지할 수 있다.
도 12는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제2 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다. 도 13은 본 발명의 실시 예에 따라 제2 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다.
도 12 내지 도 13을 살펴보면, 제2 센싱부(42)는 수집부(80)의 하부에 배치될 수 있다. 제2 센싱부(42)는 수집부(80)에 수집되는 이물질(1) 또는 물체(2)에 대한 무게 또는 압력을 센싱할 수 있다. 제2 센싱부(42)는 무게를 센싱할 수 있는 무게 센서 또는 압력을 센싱할 수 압력 센서를 포함할 수 있다.
도 12에서는 한 개의 제2 센싱부(42)가 수집부(80)의 하부에 배치되는 것을 도시하였으나, 이에 한정되는 것은 아니다. 제2 센싱부(42)는 수집부(80)의 하부에 적어도 하나 이상이 배치될 수 있다. 복수의 제2 센싱부(42)는 일정한 간격을 유지하며 배치될 수 있다.
도 13에 도시된 바와 같이, 그래프에서 가로 라인은 청소하는 시간을 나타낸 것이고, 세로 라인은 수집부에 쌓이는 먼지 또는 이물질에 대한 무게 변화를 나타낸 것이다. 지능형 로봇 청소기(100)는 흡입부(70)를 통해 먼지 또는 이물질 등을 계속해서 흡입하고, 흡입되는 먼지 또는 이물질을 수집부(80)에 수집할 수 있다.
수집부의 무게는 지능형 로봇 청소기(100)가 청소하는 동안 계속해서 먼지 또는 이물질이 흡입되기 때문에 점진적으로 증가할 수 있다.
제2 센싱부(42)는 수집부(80)에 점진적으로 쌓이는 먼지 또는 이물질에 대한 무게를 실시간으로 센싱할 수 있다. 제2 센싱부(42)는 수집부의 무게가 급격하게 증가할 경우, 이를 감지하고, 변화된 무게 신호를 제어부(110, 도 5 참조)에 전송할 수 있다.
제어부(110, 도 5 참조)는 제2 센싱부(42)로부터 무게 신호가 제공되면, 수집부(80)에 먼지 또는 이물질이 아닌 물체가 수집되었다고 판단할 수 있다. 이에 제어부(110, 도 5 참조)는 통신부(120, 도 5 참조)를 이용하여 등록된 사용자의 휴대 기기에 알림 문자를 전송하거나, 지능형 로봇 청소기(100)의 디스플레이부(152, 도 5 참조)를 이용하여 알림 문자를 디스플레이할 수 있다.
또는 제어부(110, 도 5 참조)는 알림 신호를 소리로 출력하여 지능형 로봇 청소기(100)에 이물질(1)이 아닌 물체(2)가 흡입되어 있다는 것을 사용자에게 알릴 수 있다.
도 14는 본 발명의 실시 예에 따라 지능형 로봇 청소기에 장착된 제3 센싱부를 이용하여 센싱하는 방법을 설명하기 위한 일예이다. 도 15는 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 방법을 설명하기 위한 일예이다. 도 16은 본 발명의 실시 예에 따라 제3 센싱부를 통해 센싱된 물체를 인지하는 주파수를 설명하기 위한 일예이다.
도 14 내지 도 16을 살펴보면, 제3 센싱부(43)는 수집부(80)의 주변 또는 수집부(80)의 둘레면에 장착되거나 배치될 수 있다. 제3 센싱부(43)는 수집부(80)에 이물질 또는 물체가 수집되는 동안 발생하는 소리를 센싱할 수 있다. 제3 센싱부(43)는 마이크 센서를 포함할 수 있다.
물체(2)는 유입구를 통해 유입되어 수집부(80)와 부딪치면서 소정의 소리 또는 소음이 발생될 수 있다. 제3 센싱부(43)는 물체(2)와 수집부(80)가 서로 부딪치거나 유입구를 통해 유입된 물체(2)가 수집부(80)에 떨어지면서 발생하는 소리 또는 소음을 센싱할 수 있다. 예를 들어, 물체가 레고라 가정할 때, 제3 센싱부(43)는 레고가 수집부(80)의 압력에 의해서 이동하면서 수집부(80) 또는 먼지통에 부딪치면서 발생하는 소리 또는 소음을 센싱할 수 있다.
제3 센싱부(43)는 적어도 하나 이상일 수 있다. 예를 들어, 제3 센싱부(43)는 제31 센싱부(43a) 내지 제33 센싱부(43c)를 포함할 수 있다.
수집부(80)의 둘레면에 배치되는 제31 센싱부(43a) 내지 제33 센싱부(43c)는 일정한 간격으로 배치될 수 있다. 도 14에서는 제31 센싱부(43a) 내지 제33 센싱부(43c)는 수집부(80)의 둘레면에 동일한 높이에 배치되는 것을 도시하였으나, 이에 한정되는 것은 아니다. 제31 센싱부(43a) 내지 제33 센싱부(43c)는 수집부(80)의 둘레면에서 서로 다른 높이에 배치될 수 있다. 제31 센싱부(43a) 내지 제33 센싱부(43c) 중 하나의 센싱부는 수집부(80)의 둘레면이 아닌 하부면에 배치될 수 있다.
상술한 제3 센싱부(43)는 수집부(80)에 이물질 또는 물체가 수집되는 동안 발생하는 소리를 센싱하되 기설정된 소리보다 클 경우, 이를 제어부(110)에 전송할 수 있다.
수집부(80)에 이물질 또는 물체가 수집되는 동안 발생하는 소리를 주파수로 나타낼 수 있다.
예를 들어, 제31 센싱부(43a) 내지 제33 센싱부(43c)는 제어부(110)의 제어 하에 물체가 수집부(80)의 압력에 의해 수집부(80)를 부딪치면서 발생한 소리를 센싱하고, 이를 주파수로 변환할 수 있다. 제31 센싱부(43a) 내지 제33 센싱부(43c) 각각은 경화성 물질이 먼지통에 부딪쳐서 나는 소리를 센싱하여 도 16에 도시된 주파수와 같이 표현할 수 있다.
도 17은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 동작 방법을 나타내는 순서도이다. 도 18은 본 발명의 일실시 예에 따른 지능형 로봇 청소기의 운용방법 중 2차 센싱하는 것을 나타내는 순서도이다.
제1 센싱부(41) 내지 제3 센싱부(43)에 대한 설명은 도 9 내지 도 16에서 자세하게 설명하였으므로, 도 17 및 도 18에서는 간략하게 설명하기로 한다.
도 5, 도 8, 도 17 및 도 18을 살펴보면, 지능형 로봇 청소기(100)는 사용자가 설정해 놓은 시간 동안 청소 동작을 진행할 수 있다. 예를 들어, 지능형 로봇 청소기(100)는 사용자의 움직임 또는 외출 시간을 실시간으로 감지하고, 사용자가 없는 시간 또는 사용자가 설정해 놓은 시간에 청소를 시작할 수 있다.
지능형 로봇 청소기(100)는 흡입부(70)를 통해 흡입되는 이물질 또는 물체를 센싱부로 1차 센싱할 수 있다(S31).
센싱부(40)는 제1 센싱부(41) 내지 제3 센싱부(43)를 포함할 수 있다. 지능형 로봇 청소기(100)는 제1 센싱부(41) 내지 제3 센싱부(43) 중 하나를 이용하여 1차 센싱할 수 있다.
지능형 로봇 청소기(100)는 제1 센싱부(41)를 이용하여 1차 센싱 후 물체가 센싱되지 않으면(S32), 계속해서 청소를 정상적으로 동작할 수 있다(S34).
지능형 로봇 청소기(100)는 제1 센싱부(41) 내지 제3 센싱부(43) 중 하나를 이용하여 1차 센싱한 후 물체가 센싱되면(S32), 나머지 센싱부를 이용하여 2차 센싱할 수 있다(S33).
제1 센싱부(41)는 카메라 이미지 센서를 포함하고, 유입구를 통해 수집부(80)에 유입되는 이물질 또는 물체를 인식하여 레이버링(Labeling)할 수 있다(S332). 제2 센싱부(42)는 무게 센서 또는 압력 센서를 포함하고, 유입구를 통해 수집부(80)에 유입된 이물질 또는 물체를 포함한 수집부(80)의 무게를 측정 또는 센싱하여 레이버링(Labeling)할 수 있다(S331). 제3 센싱부(43)는 마이크 센서를 포함하고, 유입구를 통해 수집부(80)에 유입되는 이물질 또는 물체과 수집부(80)가 서로 부딪치면서 발생되는 소리를 센싱하여 레이버링(Labeling)할 수 있다(S333).
예를 들어, 지능형 로봇 청소기(100)는 제1 센싱부(41)를 이용하여 이물질 또는 물체를 1차 센싱한 경우(S32), 제2 센싱부(42) 또는 제3 센싱부(43)를 이용하여 2차 센싱할 수 있다. 또는, 지능형 로봇 청소기(100)는 제2 센싱부(42)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제3 센싱부(43) 또는 제1 센싱부(41)를 이용하여 2차 센싱할 수 있다. 또는, 지능형 로봇 청소기(100)는 제3 센싱부(43)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제1 센싱부(41) 또는 제2 센싱부(42)를 이용하여 2차 센싱할 수 있다.
도 18에서는 지능형 로봇 청소기(100)는 제1 센싱부(41) 내지 제3 센싱부(43) 중 하나를 이용하여 1차 센싱한 후 물체가 센싱되면, 나머지 센싱부 중 하나를 이용하여 2차 센싱하는 것을 도시하였으나, 이에 한정되는 것은 아니다.
예를 들어, 지능형 로봇 청소기(100)는 제1 센싱부(41)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제2 센싱부(42)를 이용하여 2차 센싱한 후 제3 센싱부(43)를 이용하여 3차 센싱할 수 있다. 지능형 로봇 청소기(100)는 제1 센싱부(41)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제3 센싱부(43)를 이용하여 2차 센싱한 후 제2 센싱부(42)를 이용하여 3차 센싱할 수 있다.
또는, 지능형 로봇 청소기(100)는 제2 센싱부(42)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제3 센싱부(43)를 이용하여 2차 센싱한 후 제1 센싱부(41)를 이용하여 3차 센싱할 수 있다. 지능형 로봇 청소기(100)는 제2 센싱부(42)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제1 센싱부(41)를 이용하여 2차 센싱한 후 제3 센싱부(43)를 이용하여 3차 센싱할 수 있다.
또는, 지능형 로봇 청소기(100)는 제3 센싱부(43)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제1 센싱부(41)를 이용하여 2차 센싱한 후 제2 센싱부(42)를 이용하여 3차 센싱할 수 있다. 지능형 로봇 청소기(100)는 제3 센싱부(43)를 이용하여 이물질 또는 물체를 1차 센싱한 경우, 제2 센싱부(42)를 이용하여 2차 센싱한 후 제1 센싱부(41)를 이용하여 3차 센싱할 수 있다.
상술한 바와 같이, 본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 제1 센싱부(41) 내지 제3 센싱부(42) 중 하나를 이용하여 1차 센싱하고, 나머지 센싱부(40)를 이용하여 순차적으로 2차 센싱할 수 있고, 1차 센싱된 것을 참조하여 선택적으로 2차 센싱할 수 있다.
본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 복수의 센싱부(40)를 이용하여 적어도 한번 이상 흡입되는 물체를 센싱하여 인지되면, 물체에 대한 정보를 사용자에게 제공할 수 있다. 본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 통신부(120, 도 5 참조)를 이용하여 등록된 사용자의 휴대 기기에 알림 문자를 전송하거나, 지능형 로봇 청소기(100)의 디스플레이부(152, 도 5 참조)를 이용하여 알림 문자를 디스플레이할 수 있다(S334).
이후, 지능형 로봇 청소기(100)는 상술한 방법을 계속해서 반복하면서 청소를 정상적으로 동작하고(S34), 청소를 끝낼 수 있다.
상술한 지능형 로봇 청소기(100)는 복수의 센싱부를 이용하여 적어도 한번 이상 센싱함으로써, 이물질 이외의 물체를 정확하게 인지하고, 이를 사용자에게 제공할 수 있다.
도시되지 않았지만, 본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 수집부에 이물질 이외의 물체를 인지하고 이를 사용자에게 제공했음에도 불구하고, 사용자의 리액션이 없을 경우, 이를 체크하고 저장할 수 있다.
본 발명의 일실시 예에 따른 지능형 로봇 청소기(100)는 사용자에게 물체에 대한 정보를 제공했음에도 불구하고, 사용자의 리액션이 없을 상태에서 사용자가 하우징에서 수집부를 분리할 경우, 주의 문구 또는 물체에 대한 정보를 디스플레이부에 표시하거나 주의 문구 또는 물체에 대한 정보를 스피커로 출력할 수 있다.
도 19는 다른 실시 예에 의한 지능형 로봇 청소기의 청소 시스템을 나타내는 도면이다.
도 19를 참조하면, 본 발명의 다른 실시 예에 따른 지능형 로봇 청소기(100)의 청소 시스템은 지능형 로봇 청소기(100), 서버(300), 촬영수단(400) 및 휴대 단말기(500)를 포함할 수 있다. 휴대 단말기(500)는 사용자 단말기 또는 휴대 기기라 칭할 수 있다.
지능형 로봇 청소기(100)는 앞에서 상술한 실시 예와 실질적으로 수집부에 수집된 물체를 인지하면서 청소를 수행할 수 있다. 지능형 로봇 청소기(100)는 도 4 내지 도 18을 바탕으로 설명된 지능형 로봇 청소기(100)와 동일한 구성을 포함하거나 일부 구성이 생략될 수도 있다.
예컨대, 지능형 로봇 청소기(100)의 영상 획득부(160, 도 5 참조)는 촬영수단(400)으로 대체될 수 있고, 사용자 입력부(140)의 적어도 일부 구성은 휴대 단말기(500)로 대체될 수 있다. 메모리(190)는 서버(300)로 대체되거나, 서버(300)를 메모리(190)의 일부로 활용할 수 있다.
지능형 로봇 청소기(100)는 서버(300) 또는 휴대 단말기(500)와 신호를 송수신할 수 있다. 예를 들어, 지능형 로봇 청소기(100)는 서버(300)와 흡입부(70, 도 5 참조)를 통해 흡입되거나 수집부(80, 도 5 참조)에 수집되는 물체 또는 이물질 등에 관한 정보를 송수신할 수 있다.
또한, 지능형 로봇 청소기(100)는 촬영수단(400)으로부터 청소 대상 영역이 촬영된 영상을 제공받을 수 있다. 지능형 로봇 청소기(100)는 영상 획득부(160)를 통해서 스스로 촬영한 영상 및 촬영수단(400)로부터 수신한 영상을 종합하여 청소 대상 영역을 모니터링하고, 물체를 추출할 수 있다. 지능형 로봇 청소기(100)는 사용자 입력부(140)를 통해서 사용자로부터 직접 명령을 수신하는 것 이외에도, 서버(300), 또는 휴대 단말기(500)으로부터 수신된 명령에 따라 제어될 수 있다.
지능형 로봇 청소기(100)의 AI 프로세서(111)는 더 많은 정보를 바탕으로 학습을 수행하기 때문에, 물체를 분류하거나 인지하는 정확도를 높일 수 있다.
서버(300)는 지능형 로봇 청소기(100), 촬영수단(400), 및/또는 휴대 단말기(500)로부터 정보를 수신하거나 전송할 수 있다. 서버(300)는 수신된 정보들을 통합하여 저장 및 관리할 수 있다. 예를 들어, 서버(300)는 지능형 로봇 청소기(100)에 흡입부(70, 도 5 참조)를 통해 흡입되거나 수집부(80, 도 5 참조)에 수집되는 물체 또는 이물질 등에 관한 정보를 다양한 형태로 저장할 수 있다.
서버(300)는 저장된 정보들을 지능형 로봇 청소기(100) 또는 휴대 단말기(500)에 전송할 수 있다. 예를 들어, 서버(300)는 흡입부(70, 도 5 참조)를 통해 흡입되거나 수집부(80, 도 5 참조)에 수집되는 물체 또는 이물질 등에 관한 정보를 휴대 단말기(500)에 전송할 수 있다.
촬영수단(400)은 청소 대상 영역 주위에 설치된 카메라를 포함할 수 있다. 예를 들어, 촬영수단(400)은 CCTV(closed circuit television) 카메라일 수 있다. 촬영수단(400)은 촬영된 영상을 서버(300) 또는 지능형 로봇 청소기(100)에 전송할 수 있다.
휴대 단말기(500)는 서버(300)와 데이터를 송수신할 수 있다. 예를 들어, 휴대 단말기(500)는 서버(300)로 청소 대상 영역의 영상을 전송할 수 있다. 또한, 휴대 단말기(500)는 지능형 로봇 청소기(100)와 데이터를 송수신할 수 있다. 예를 들어, 휴대 단말기(500)는 지능형 로봇 청소기(100)를 호출하는 신호나 이벤트 발생에 대한 특정 지시를 전달할 수 있다. 지능형 로봇 청소기(100)는 휴대 단말기(500)로부터 수신된 호출 신호에 응답하여, 특정 동작을 수행할 수 있다.
상술한 바와 같이, 본 발명의 일실시 예에 따른 지능형 로봇 청소기는 적어도 하나 이상의 센싱부를 이용하여 인공지능형 학습 결과에 따라 이물질과 함께 흡입되는 물체를 적어도 한번 이상 센싱함으로써, 청소 도중 흡입부를 통해 흡입되는 사용자의 귀금속을 비롯하여 작은 물건 등을 정확하게 분류하거나 인지할 수 있다.
본 발명의 일실시 예에 따른 지능형 로봇 청소기는 청소 도중 흡입부를 통해 흡입되는 사용자의 귀금속을 비롯하여 작은 물건 등을 정확하게 분류하거나 인지하여 사용자에게 알림으로써, 지능형 로봇 청소기에 의해 사용자의 귀금속을 비롯하여 작은 물건 등이 분실되는 것을 방지할 수 있다.
지금까지 본 발명은 지능형 로봇 청소기를 중심으로 설명하였으나, 이에 한정되는 것은 아니며, 유선 또는 무선 진공 청소기에도 적용시켜 인공지능형 학습 결과에 따라 이물질과 함께 흡입되는 물체를 센싱하고, 이를 사용자에게 인지시킴으로써, 사용자의 귀금속을 비롯하여 작은 물건 등이 분실되는 것을 방지할 수 있다.
본 명세서에 기재된 구성들은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
Claims (14)
- 하우징;
상기 하우징에 장착되고, 주행 경로를 따라 청소 대상 영역을 이동하기 위한 주행 구동부;
상기 하우징에 장착되고, 상기 주행 경로 상의 청소 대상물 및 상기 청소 대상물 이외의 이물질을 흡입하는 흡입부;
상기 하우징에 장착되거나 분리되고, 상기 하우징에 장착되는 동안 상기 흡입부를 통해 흡입되는 상기 청소 대상물 및 상기 이물질을 수집하는 수집부;
상기 주행 경로를 따라 이동하는 상기 주행 구동부를 제어하는 제어부;
상기 하우징에 장착되고, 상기 제어부의 제어 하에 상기 흡입부를 통해 흡입되는 상기 청소 대상물 및 상기 이물질을 1차 센싱하고, 상기 이물질이 센싱되면, 상기 수집부에 수집된 상기 이물질을 2차 센싱하는 센싱부;
사용자의 휴대 기기와 신호를 주고받을 수 있는 통신부; 및
디스플레이부
를 포함하고,
상기 센싱부는 상기 흡입부 또는 상기 수집부의 주변에 배치되는 제1 센싱부 내지 제3 센싱부를 포함하며,
상기 제1 센싱부는, 상기 흡입부와 상기 수집부 사이 또는 상기 수집부의 상부에 배치되고, 상기 흡입부를 통해 유입되는 상기 청소 대상물 및 상기 이물질을 이미지로 센싱하고,
상기 제어부는, 상기 제1 센싱부를 통해 센싱된 상기 이미지에서 기설정된 색상 분포와 비교 분석하여 상기 이물질의 색상을 추출하며, 상기 이미지에서 추출된 상기 이물질의 색상을 중심으로 관심 영역을 설정하여 이미지 분석에 불필요한 부분을 제거하는 지능형 로봇 청소기. - 삭제
- 삭제
- 삭제
- 삭제
- 삭제
- 제1 항에 있어서,
상기 제어부는,
상기 관심 영역에서 표시되는 상기 이물질의 일부를 신경망으로 학습하여 상기 이물질의 특징을 추출하고, 추출된 상기 이물질의 특징을 분석하여 상기 이물질에 대한 정보를 습득하는 지능형 로봇 청소기. - 제1 항에 있어서,
상기 제2 센싱부는,
상기 수집부의 하부에 배치되고,
상기 수집부에 수집되는 상기 청소 대상물 및 상기 이물질의 무게 또는 압력을 센싱하는 지능형 로봇 청소기. - 제8 항에 있어서,
상기 제어부는,
상기 제2 센싱부에 의해 상기 수집부에 상기 이물질이 있음을 감지하고,
상기 통신부를 이용하여 상기 지능형 로봇 청소기에 등록된 상기 사용자의 휴대 기기에 알림 문자를 전송하거나, 상기 디스플레이부에 알림 문자를 디스플레이하는 지능형 로봇 청소기. - 제1 항에 있어서,
상기 제3 센싱부는,
상기 수집부의 둘레면 또는 상기 수집부의 하부에 배치되고,
상기 이물질이 상기 수집부에 부딪치는 소리 또는 소음을 센싱하는 지능형 로봇 청소기. - 제1 항에 있어서,
상기 제어부는,
상기 제3 센싱부에 의해 상기 수집부에 상기 이물질이 있음을 감지하고,
상기 통신부를 이용하여 상기 지능형 로봇 청소기에 등록된 상기 사용자의 휴대 기기에 알림 문자를 전송하거나, 상기 디스플레이부에 알림 문자를 디스플레이하는 지능형 로봇 청소기. - 제1 항에 있어서,
상기 제어부는,
상기 제1 센싱부를 이용하여 상기 흡입부를 통해 흡입되는 상기 청소 대상물 및 상기 이물질을 1차 센싱하고, 상기 이물질이 센싱되면,
상기 제2 센싱부 또는 상기 제3 센싱부를 이용하여 상기 수집부에 수집된 상기 이물질을 2차 센싱하는 지능형 로봇 청소기. - 제12 항에 있어서,
상기 제어부는,
상기 제2 센싱부를 이용하여 상기 수집부에 수집된 상기 이물질을 2차 센싱한 후,
상기 제3 센싱부를 이용하여 상기 수집부에 수집된 상기 이물질을 3차 센싱하는 지능형 로봇 청소기. - 제12 항에 있어서,
상기 제어부는,
1차 센싱된 상기 이물질을 신경망으로 학습하고, 이를 기반으로 상기 제2 센싱부 또는 상기 제3 센싱부를 선택하여 상기 수집부에 수집된 상기 이물질을 2차 센싱하는 지능형 로봇 청소기.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2019/007855 WO2020262737A1 (ko) | 2019-06-28 | 2019-06-28 | 지능형 로봇 청소기 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20220017008A KR20220017008A (ko) | 2022-02-11 |
| KR102672220B1 true KR102672220B1 (ko) | 2024-06-07 |
Family
ID=73550084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020197020219A KR102672220B1 (ko) | 2019-06-28 | 2019-06-28 | 지능형 로봇 청소기 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11571100B2 (ko) |
| KR (1) | KR102672220B1 (ko) |
| WO (1) | WO2020262737A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11154170B2 (en) * | 2018-02-07 | 2021-10-26 | Techtronic Floor Care Technology Limited | Autonomous vacuum operation in response to dirt detection |
| KR102672220B1 (ko) * | 2019-06-28 | 2024-06-07 | 엘지전자 주식회사 | 지능형 로봇 청소기 |
| KR20210069479A (ko) * | 2019-12-03 | 2021-06-11 | 삼성전자주식회사 | 외부 장치의 위치 정보를 식별하는 전자 장치 및 그 동작 방법 |
| JP7547985B2 (ja) * | 2020-12-15 | 2024-09-10 | トヨタ自動車株式会社 | 情報処理装置、情報処理システム、およびプログラム |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018143879A (ja) * | 2013-06-03 | 2018-09-20 | みこらった株式会社 | 電気掃除装置 |
Family Cites Families (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4078655A (en) | 1977-02-25 | 1978-03-14 | Ashworth Bros., Inc. | Small radius conveyor belt and conveying system |
| JP3004538B2 (ja) * | 1994-06-17 | 2000-01-31 | シャープ株式会社 | 電気掃除機 |
| US6594844B2 (en) * | 2000-01-24 | 2003-07-22 | Irobot Corporation | Robot obstacle detection system |
| CA2416621C (en) * | 2001-06-12 | 2006-09-12 | Irobot Corporation | Method and system for multi-mode coverage for an autonomous robot |
| US6667592B2 (en) * | 2001-08-13 | 2003-12-23 | Intellibot, L.L.C. | Mapped robot system |
| JP2003164401A (ja) | 2001-12-03 | 2003-06-10 | Konica Corp | 電気掃除機 |
| JP2005166001A (ja) * | 2003-11-10 | 2005-06-23 | Funai Electric Co Ltd | 自動集塵装置 |
| JP2005211365A (ja) * | 2004-01-30 | 2005-08-11 | Funai Electric Co Ltd | 自律走行ロボットクリーナー |
| JP2006095006A (ja) * | 2004-09-29 | 2006-04-13 | Funai Electric Co Ltd | 自走式掃除機 |
| JP2006141836A (ja) | 2004-11-24 | 2006-06-08 | Fuji Photo Film Co Ltd | 電気掃除機 |
| US20070150094A1 (en) * | 2005-12-23 | 2007-06-28 | Qingfeng Huang | System and method for planning and indirectly guiding robotic actions based on external factor tracking and analysis |
| JP4944635B2 (ja) * | 2007-02-15 | 2012-06-06 | 本田技研工業株式会社 | 環境認識装置 |
| US9037396B2 (en) * | 2013-05-23 | 2015-05-19 | Irobot Corporation | Simultaneous localization and mapping for a mobile robot |
| JP6154682B2 (ja) | 2013-07-02 | 2017-06-28 | 將洋 鈴木 | 自走式電気掃除装置 |
| KR102152641B1 (ko) * | 2013-10-31 | 2020-09-08 | 엘지전자 주식회사 | 이동 로봇 |
| KR101623642B1 (ko) | 2014-08-07 | 2016-05-23 | 윤덕찬 | 로봇 청소기, 단말장치의 제어방법 및 이를 포함하는 로봇 청소기 제어 시스템 |
| JP6621129B2 (ja) * | 2014-08-28 | 2019-12-18 | 東芝ライフスタイル株式会社 | 電気掃除機 |
| US9519289B2 (en) * | 2014-11-26 | 2016-12-13 | Irobot Corporation | Systems and methods for performing simultaneous localization and mapping using machine vision systems |
| US9788698B2 (en) * | 2014-12-10 | 2017-10-17 | Irobot Corporation | Debris evacuation for cleaning robots |
| WO2016091291A1 (en) * | 2014-12-10 | 2016-06-16 | Aktiebolaget Electrolux | Using laser sensor for floor type detection |
| US20180361584A1 (en) * | 2015-01-06 | 2018-12-20 | Discovery Robotics | Robotic platform with long-term learning |
| US11400595B2 (en) * | 2015-01-06 | 2022-08-02 | Nexus Robotics Llc | Robotic platform with area cleaning mode |
| DE102015100977A1 (de) * | 2015-01-23 | 2016-07-28 | Vorwerk & Co. Interholding Gmbh | Gerät zur Bearbeitung einer Oberfläche |
| US20170102710A1 (en) * | 2015-10-13 | 2017-04-13 | Looq System, Inc. | Vacuum Cleaning Robot With Vision Navigation Function and Navigation Method Thereof |
| JP6685755B2 (ja) * | 2016-02-16 | 2020-04-22 | 東芝ライフスタイル株式会社 | 自律走行体 |
| JP7058067B2 (ja) * | 2016-02-16 | 2022-04-21 | 東芝ライフスタイル株式会社 | 自律走行体 |
| US10788836B2 (en) * | 2016-02-29 | 2020-09-29 | AI Incorporated | Obstacle recognition method for autonomous robots |
| JP6243944B2 (ja) * | 2016-03-18 | 2017-12-06 | 本田技研工業株式会社 | 無人走行作業車 |
| TWI689387B (zh) * | 2016-05-17 | 2020-04-01 | 南韓商Ｌｇ電子股份有限公司 | 行動機器人 |
| US10272828B2 (en) * | 2016-08-16 | 2019-04-30 | Irobot Corporation | Light indicator system for an autonomous mobile robot |
| KR20180024600A (ko) * | 2016-08-30 | 2018-03-08 | 엘지전자 주식회사 | 로봇 청소기 및 로봇 청소기를 포함하는 시스템 |
| US10168709B2 (en) * | 2016-09-14 | 2019-01-01 | Irobot Corporation | Systems and methods for configurable operation of a robot based on area classification |
| JP6884596B2 (ja) * | 2017-03-01 | 2021-06-09 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 掃除支援方法、掃除支援装置及び掃除支援プログラム |
| KR101984516B1 (ko) * | 2017-07-21 | 2019-05-31 | 엘지전자 주식회사 | 청소기 및 그 제어방법 |
| WO2019064862A1 (ja) * | 2017-09-28 | 2019-04-04 | パナソニックＩｐマネジメント株式会社 | 捕集装置及び検出装置 |
| US10795377B2 (en) * | 2018-01-03 | 2020-10-06 | AI Incorporated | Method for autonomously controlling speed of components and functions of a robot |
| US11154170B2 (en) * | 2018-02-07 | 2021-10-26 | Techtronic Floor Care Technology Limited | Autonomous vacuum operation in response to dirt detection |
| JP7149502B2 (ja) * | 2018-03-29 | 2022-10-07 | パナソニックＩｐマネジメント株式会社 | 自律移動掃除機、自律移動掃除機による掃除方法、及び自律移動掃除機用プログラム |
| US11497372B2 (en) * | 2019-03-19 | 2022-11-15 | Lg Electronics Inc. | Air purifying system and control method for the air purifying system |
| KR102672220B1 (ko) * | 2019-06-28 | 2024-06-07 | 엘지전자 주식회사 | 지능형 로봇 청소기 |
| US11553823B2 (en) * | 2019-08-02 | 2023-01-17 | International Business Machines Corporation | Leveraging spatial scanning data of autonomous robotic devices |
-
2019
- 2019-06-28 KR KR1020197020219A patent/KR102672220B1/ko active IP Right Grant
- 2019-06-28 US US16/499,142 patent/US11571100B2/en active Active
- 2019-06-28 WO PCT/KR2019/007855 patent/WO2020262737A1/ko active Application Filing
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2018143879A (ja) * | 2013-06-03 | 2018-09-20 | みこらった株式会社 | 電気掃除装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200375425A1 (en) | 2020-12-03 |
| KR20220017008A (ko) | 2022-02-11 |
| US11571100B2 (en) | 2023-02-07 |
| WO2020262737A1 (ko) | 2020-12-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102672220B1 (ko) | 지능형 로봇 청소기 | |
| US11212132B2 (en) | Method for providing IoT device information, apparatus and intelligent computing device thereof | |
| US11598709B2 (en) | Method for predicting filter purifying efficiency and exchange time using machine learning | |
| US11458623B2 (en) | Control system to control intelligent robot device | |
| KR20190106933A (ko) | 지능형 공기 청정기, 지능형 공기 청정기를 이용한 실내 공기질 제어방법 및 제어 장치 | |
| US11614251B2 (en) | Indoor air quality control method and control apparatus using intelligent air cleaner | |
| US20200085275A1 (en) | Intelligent dishwasher and method for controlling the same | |
| KR20190099157A (ko) | 인공지능 장치를 이용한 식기 세척 방법 및 이를 위한 장치 | |
| US20200026362A1 (en) | Augmented reality device and gesture recognition calibration method thereof | |
| US20210362337A1 (en) | Intelligent robot device | |
| US20210200239A1 (en) | Control device and method for a plurality of robots | |
| KR20190106945A (ko) | 지능형 디바이스 및 지능형 디바이스의 영상 보정 방법 | |
| US20210232144A1 (en) | Method of controlling artificial intelligence robot device | |
| KR102192147B1 (ko) | 지능적 기기 제어 방법, 이동 단말기 및 지능형 컴퓨팅 디바이스 | |
| KR20190108086A (ko) | 상황 정보에 기반한 지능형 디바이스의 조도 제어 방법 및 지능형 디바이스 | |
| US11423881B2 (en) | Method and apparatus for updating real-time voice recognition model using moving agent | |
| KR102647055B1 (ko) | 이동 로봇 및 이동 로봇에서 화자의 위치를 추적하는 방법 | |
| KR20210094961A (ko) | 피접촉면의 재질에 따른 청소로봇 제어방법 | |
| US20210405758A1 (en) | Method of controlling augmented reality electronic device | |
| KR20190106946A (ko) | 지능형 디바이스 및 그 제어 방법 | |
| US20210125478A1 (en) | Intelligent security device | |
| US11508362B2 (en) | Voice recognition method of artificial intelligence robot device | |
| US12081627B2 (en) | Profiling based on personal region of interest | |
| US11432694B2 (en) | Travel method of intelligent robot cleaner | |
| US10936062B2 (en) | Intelligent device and method of information displaying with projection type using the same |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right |