KR20190095194A - 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 - Google Patents
사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 Download PDFInfo
- Publication number
- KR20190095194A KR20190095194A KR1020190090548A KR20190090548A KR20190095194A KR 20190095194 A KR20190095194 A KR 20190095194A KR 1020190090548 A KR1020190090548 A KR 1020190090548A KR 20190090548 A KR20190090548 A KR 20190090548A KR 20190095194 A KR20190095194 A KR 20190095194A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- artificial intelligence
- processor
- devices
- information
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 402
- 238000000034 method Methods 0.000 title claims description 60
- 230000005236 sound signal Effects 0.000 claims abstract description 76
- 230000008859 change Effects 0.000 claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 18
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 110
- 230000033001 locomotion Effects 0.000 claims description 60
- 229910052802 copper Inorganic materials 0.000 claims description 46
- 239000010949 copper Substances 0.000 claims description 46
- 230000003993 interaction Effects 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005406 washing Methods 0.000 description 68
- 238000005516 engineering process Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 30
- 238000013528 artificial neural network Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 20
- 238000012549 training Methods 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000003058 natural language processing Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 239000003795 chemical substances by application Substances 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 4
- 238000004140 cleaning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
Images
Classifications
-
- 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
- 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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/30—Determining absolute distances from a plurality of spaced points of known location
-
- 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
- G05D1/20—Control system inputs
- G05D1/22—Command input arrangements
- G05D1/221—Remote-control arrangements
- G05D1/227—Handing over between remote control and on-board control; Handing over between remote control arrangements
-
- 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
- G05D1/60—Intended control result
-
- 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
- G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Aviation & Aerospace Engineering (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Traffic Control Systems (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
본 발명의 실시 예는 복수의 외부 인공 지능 장치들과 통신하는 통신부; 및 상기 복수의 외부 인공 지능 장치들로부터 상기 사용자에 대한 소리 신호들을 수신하고, 상기 획득한 소리 신호들에 기초하여 상기 복수의 외부 인공 지능 장치들 각각으로부터의 상기 사용자까지의 거리 및 상기 거리의 변화량을 산출하고, 상기 산출된 거리 및 상기 산출된 거리의 변화량에 기초하여 상기 사용자의 현재 동선을 결정하고, 상기 현재 동선에 기초하여 상기 사용자의 미래 동선을 결정하는 프로세서를 포함하는, 인공 지능 장치를 제공한다.
Description
본 발명은 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 본 발명은 복수의 인공 지능 장치가 설치된 환경에서, 사용자의 현재 동선을 기초로 미래 동선을 결정하는 인공 지능 장치 및 그 방법에 관한 것이다.
최근 인공 지능 기능이 탑재된 기기들이 증가하고 있다. 그에 따라, 댁 내에 다양한 인공 지능 장치들을 구비하는 사용자들이 많이 늘어나고 있다. 그러나, 현재의 인공 지능 장치들은 서로 개별적으로 동작할 뿐이며, 서로 유기적으로 동작하는 기능을 제공하고 있지 않다.
또한, 기존의 기술들은 사용자가 정지한 상황에서 인공 지능 장치와 상호작용하는 것을 전제하며, 사용자가 이동하는 상황에 적합한 기능을 제공하지 못한다. 만약 댁 내에서 사용자의 동선을 파악할 수 있다면, 사용자의 위치에 기반하여 여러 인공 지능 장치들을 유기적으로 동작시키고, 사용자의 편의성을 높일 수 있는 다양한 서비스를 제공할 수 있을 것이다.
본 발명은 복수의 인공 지능 장치들로부터 수집되는 소리 신호를 이용하여 사용자의 현재 동선을 결정하고, 현재 동선에 기초하여 미래 동선을 결정하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 사용자가 인공 지능 장치들의 위치를 설정하지 않더라도 수집되는 소리 신호에 기초하여 복수의 인공 지능 장치들의 위치 관계를 결정하는 인공 지능 장치 및 그 방법을 제공하고자 한다.
본 발명의 일 실시 예는 복수의 외부 인공 지능 장치들로부터 사용자에 대한 소리 신호들을 획득하고, 획득한 소리 신호들에 기초하여 복수의 외부 인공 지능 장치들 각각으로부터의 사용자까지의 거리 및 거리의 변화량을 산출하고, 산출된 거리 및 거리의 변화량에 기초하여 사용자의 현재 동선을 결정하고, 현재 동선에 기초하여 사용자의 미래 동선을 결정하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 사용자의 미래 동선을 결정할 때, 사용자의 동선 기록, 현재의 시간 정보, 날씨 정보, 사용자와의 상호작용 내역, 복수의 외부 인공 지능 장치들의 상태 정보 또는 사용자의 발화 음성의 내용 중에서 적어도 하나 이상을 추가로 고려하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 복수의 시점에 산출된 각 인공 지능 장치들로부터 사용자까지의 거리 및 거리의 변화량에 기초하여, 복수의 외부 인공 지능 장치들 각각이 위치할 수 있는 후보 영역들을 결정하고, 결정된 후보 영역들에 기초하여 복수의 인공 지능 장치들 사이의 상대적 위치 관계를 자동으로 결정하는 인공 지능 장치 및 그 방법을 제공한다.
또한, 본 발명의 일 실시 예는 인공 지능 장치에서 획득하는 사용자의 발화 크기의 최대값을 해당 인공 지능 장치로부터 최인접 거리에서의 발화 크기로 결정하는 인공 지능 장치 및 그 방법을 제공한다.
본 발명의 다양한 실시 예에 따르면, 복수의 인공 지능 장치가 구비된 공간에서 사용자의 현재 동선뿐만 아니라 미래 동선을 예측할 수 있고, 사용자의 동선에 적합한 서비스를 제공할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 사용자의 입력 없이도 복수의 인공 지능 장치들의 상대적 위치 관계를 파악하여 유기적인 기능을 제공할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 각 인공 지능 장치로부터 최인접 거리에서의 발화 크기를 설정함에, 각 인공 지능 장치로부터 사용자까지의 거리를 보다 정확하게 판단할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸 도면이다.
도 6은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선을 예측하는 방법을 나타낸 동작 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 인공 지능 시스템(701)이 구성된 공간을 나타낸 도면이다.
도 8 및 도 9는 인공 지능 장치들에서 획득한 사용자의 발화 음성의 크기를 나타낸 도면이다.
도 10은 사용자의 움직임에 따른 사용자에 대한 소리 신호의 변화를 나타낸 도면이다.
도 11은 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 12는 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 13 내지 도 15는 본 발명의 일 실시 예에 따른 인공 지능 장치들 사이의 상대적 위치 관계를 자동으로 결정하는 방법을 나타낸 도면이다.
도 16은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 동작 흐름도이다.
도 17 및 도 18은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 19은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 20는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 21은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 22는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸 도면이다.
도 6은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선을 예측하는 방법을 나타낸 동작 흐름도이다.
도 7은 본 발명의 일 실시 예에 따른 인공 지능 시스템(701)이 구성된 공간을 나타낸 도면이다.
도 8 및 도 9는 인공 지능 장치들에서 획득한 사용자의 발화 음성의 크기를 나타낸 도면이다.
도 10은 사용자의 움직임에 따른 사용자에 대한 소리 신호의 변화를 나타낸 도면이다.
도 11은 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 12는 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 13 내지 도 15는 본 발명의 일 실시 예에 따른 인공 지능 장치들 사이의 상대적 위치 관계를 자동으로 결정하는 방법을 나타낸 도면이다.
도 16은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 동작 흐름도이다.
도 17 및 도 18은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 19은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 20는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 21은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 22는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 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.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth?), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예컨대, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 1과 중복되는 설명은 생략한다.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸 도면이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 AI 시스템(1)은 AI 장치(100) 또는 AI 서버(200) 중에서 적어도 하나 이상을 포함할 수 있다.
AI 장치(100) 또는 AI 서버(200) 중에서 적어도 하나 이상은 서로 유무선 통신 기술을 이용하여 서로 통신할 수 있다.
이때, 각 장치들(100, 200)은 기지국, 라우터 등을 통하여 서로 통신할 수도 있지만, 근거리 통신 기술 등을 이용하여 직접 서로 통신할 수도 있다.
예컨대, 각 장치들(100, 200)은 5G(5th generation) 통신을 이용하여 기지국을 통하거나 또는 직접 서로 통신할 수 있다.
이때, AI 시스템(1)을 구성하는 복수의 AI 장치들(100) 중에서 하나의 AI 장치(100)가 나머지 AI 장치들(100)을 대표하는 메인 에이전트로서 동작할 수 있다. 그리고, 메인 에이전트가 아닌 나머지 AI 장치들(100)을 외부 인공 지능 장치들이라 칭할 수도 있다.
여기서, 특정 AI 장치(100)가 메인 에이전트는 고정되어 동작할 수도 있지만, 여러 AI 장치들(100)이 가변적으로 메인 에이전트로 동작할 수도 있다.
비록 도 5에는 도시되지 않았으나, 본 발명의 일 실시 예에 따른 AI 시스템(1)에는 AI 장치들(100)이 제어할 수 있는 다양한 기기들이 포함될 수 있으며, 이에는 사물 인터넷 기기들도 포함된다.
도 6은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선을 예측하는 방법을 나타낸 동작 흐름도이다.
도 6을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 복수의 외부 인공 지능 장치들 각각에 대하여, 수집된 사용자의 발화 음성에 기초하여 최인접 거리에서의 발화 크기를 설정한다(S601).
인공 지능 장치(100)는 통신부(110)를 통해 복수의 외부 인공 지능 장치들과 통신할 수 있다.
프로세서(180)는 각 외부 인공 지능 장치들에서 수집되는 사용자의 최대 발화 크기를 해당 외부 인공 지능 장치와 최인접 거리에서의 발화 크기로 설정할 수 있다.
프로세서(180)는 각 외부 인공 지능 장치들에서 수집되는 사용자의 발화 음성에 기초하여 자동으로 최인접 거리에서의 발화 크기를 설정 및 조정할 수 있다.
프로세서(180)는 수동으로 최인접 거리에서의 발화 크기의 설정 과정을 진행하여, 사용자에게 각 외부 인공 지능 장치들에 최인접 거리에서 일정 횟수 이상 발화할 것을 요구하고, 사용자의 발화 음성에 기초하여 최인접 거리에서의 발화 크기를 설정할 수 있다.
프로세서(180)는 복수의 사용자들에 대한 발화 음성들을 서로 구분하여, 각 사용자별로 각 외부 인공 지능 장치들의 최인접 거리에서의 발화 크기를 설정할 수 있다.
이때, 프로세서(180)는 머신 러닝 알고리즘 또는 딥 러닝 알고리즘에 의하여 학습된 사용자 구분 모델을 이용하여 사용자의 발화 음성에 상응하는 소리 신호로부터 사용자들을 구분할 수 있다.
사용자 구분 모델은 인공 지능 장치(100)의 러닝 프로세서(130)에서 학습된 것일 수도 있고, 인공 지능 서버(200)의 러닝 프로세서(240)에서 학습된 것일 수도 있다. 그리고, 프로세서(180)는 메모리(170)에 저장된 사용자 구분 모델을 직접 이용하여 사용자들을 구분할 수도 있고, 인공 지능 서버(200)에 소리 신호를 전송하고, 인공 지능 서버(200)로부터 사용자 구분 모델을 이용하여 구분된 사용자 구분 정보를 수신할 수도 있다.
이때, 프로세서(180)는 수집된 발화 음성의 성문 분석에 기초하여 복수의 사용자들의 발화 음성들을 서로 구분할 수도 있고, 사용자의 입력에 의하여 사용자들의 발화 음성을 서로 구분할 수도 있다.
각 외부 인공 지능 장치에 대한 최인접 거리에서의 발화 크기를 설정하면, 이후 사용자의 발화 음성의 크기에 기초하여 사용자까지의 거리를 보다 정확하게 산출할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 복수의 외부 인공 지능 장치들 사이의 위치 관계를 결정한다(S603).
외부 인공 지능 장치들은 인공 지능 장치(100)와 동일한 인공 지능 시스템(1)에 속한 다른 인공 지능 장치들(100)을 의미한다.
복수의 외부 인공 지능 장치들 사이의 위치 관계를 결정하는 과정은 사용자의 입력에 따른 수동 결정 과정과 사용자의 입력 없이도 자동으로 수행되는 자동 결정 과정으로 구분할 수 있다.
수동 결정 과정에 따르면, 프로세서(180)는 사용자의 입력에 기초하여 각 외부 인공 지능 장치들의 위치 또는 각 외부 인공 지능 장치들 사이의 위치 관계를 결정할 수 있다.
이때, 프로세서(180)는 외부 인공 지능 장치들이 설치된 공간에 대한 지도 데이터와 사용자의 입력에 기초하여 각 외부 인공 지능 장치들의 위치를 결정할 수 있다.
여기서, 지도 데이터는 SLAM(Simultaneous Localization And Mapping) 기술에 따라 획득되는 것일 수 있다.
자동 결정 과정에 따르면, 프로세서(180)는 각 외부 인공 지능 장치들에서 사용자까지의 거리를 산출하고, 산출된 거리 정보에 기초하여 외부 인공 지능 장치들 사이의 위치 관계를 결정할 수 있다.
이때, 프로세서(180)는 외부 인공 지능 장치들 중에서 스스로 자신의 위치를 판단할 수 있는 외부 인공 지능 장치로부터 수신되는 데이터에 기초하여 각 외부 인공 지능 장치들의 위치 또는 각 외부 인공 지능 장치들 사이의 위치 관계를 결정할 수 있다.
예컨대, 로봇 청소기와 같은 외부 인공 지능 장치는 공간 내에서의 자신의 위치를 파악할 수 있으며, 탑재된 카메라를 통하여 획득한 영상 데이터를 이용하여 사물을 인식할 수 있다. 그러므로, 로봇 청소기는 공간을 이동하면서 다른 외부 인공 지능 장치들을 인식할 수 있고, 공간 내에서의 외부 인공 지능 장치들의 위치를 결정하고, 외부 인공 지능 장치들 사이의 위치 관계를 결정할 수 있다.
각 외부 인공 지능 장치들은 서로의 위치 관계를 파악하기 위한 소리 신호 또는 전기 신호를 발산하고, 다른 외부 인공 지능 장치들로부터 수신한 소리 신호 또는 전기 신호에 기초하여 다른 외부 인공 지능 장치들까지의 거리를 판단할 수 있다. 소리 신호는 사람의 가청 주파수로 구성될 수도 있지만, 비가청 주파수로 구성되어 사용자가 듣지 못하는 신호로 구성될 수도 있다.
또한, 사용자의 발화 음성이나 상호작용의 내용을 고려하여 각 외부 인공 지능 장치의 위치를 결정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 복수의 외부 인공 지능 장치들로부터 사용자에 대한 소리 신호들을 획득한다(S605).
사용자에 대한 소리 신호는 사용자의 발화 음성, 사용자의 발걸음 소리, 사용자가 조작하는 물체에서 발생하는 소리 등에 상응하는 소리 신호를 의미할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 획득한 소리 신호들에 기초하여 적어도 하나 이상의 외부 인공 지능 장치들로부터 사용자까지의 거리 및 거리의 변화량을 산출한다(S607).
프로세서(180)는 각 외부 인공 지능 장치들에서 획득한 소리 신호들의 크기에 기초하여 사용자까지의 거리를 산출할 수 있고, 소리 신호들의 크기의 변화량에 기초하여 거리의 변화량을 산출할 수 있다.
즉, 특정 시점에서의 소리 신호의 크기는 그 시점에서의 외부 인공 지능 장치와 사용자까지의 거리를 산출하는데 사용되며, 특정 기간에서의 소리 신호의 크기는 그 기간에서의 외부 인공 지능 장치와 사용자까지의 거리의 변화량을 산출하는데 사용된다.
프로세서(180)는 획득한 소리 신호에 포함된 사용자의 발화 음성으로부터 사용자까지의 거리 및 거리의 변화량을 산출할 수도 있지만, 사용자의 발걸음 소리로부터 사용자까지의 거리 및 거리의 변화량을 산출할 수도 있다.
이때, 프로세서(180)는 발화 음성의 성문 분석을 통해 각 사용자들을 구분할 수도 있고, 발걸음 소리의 패턴을 분석하여 각 사용자들을 구분할 수도 있다.
예컨대, 프로세서(180)는 발걸음 소리의 간격, 발걸음 소리의 특징, 발걸음 소리의 크기 등을 통해 각 사용자들을 구분할 수 있고, 발걸음 소리의 특징에는 슬리퍼를 착용하였는지, 어떤 신발을 착용하였는지, 쿵쿵 소리를 내면서 걷는지 등이 포함될 수 있다.
상기 단계(S601)에서 각 인공 지능 장치들에 대하여 최인접 거리에서의 발화 크기를 설정하였으므로, 사용자에 대한 소리 신호를 획득하면 이를 통해 각 인공 지능 장치들에서 사용자까지의 거리를 보다 정확하게 측정할 수 있다.
특히, 외부 인공 지능 장치에 스테레오 마이크가 구비된 경우, 프로세서(180)는 스테레오 마이크를 통하여 획득한 소리 신호들을 이용하여 외부 인공 지능 장치에 대한 사용자의 방향을 결정할 수도 있다.
스테레오 마이크를 통하여 소리 신호를 획득하면 각 마이크의 위치 차이로 인하여 소리 신호에 입력 시차가 존재하며, 입력 시차에 기초하여 사용자의 방향을 결정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 사용자의 현재 동선을 결정한다(S609).
프로세서(180)는 각 외부 인공 지능 장치들에서 사용자까지의 거리 및 거리의 변화량에 기초하여 사용자의 현재 동선을 결정할 수 있다.
여기서, 현재 동선은 사용자가 실제로 이동한 경로만을 나타내는 것으로, 추후에 사용자가 어디로 이동할 것인지를 나타내는 미래의 동선을 포함하지 않는다. 사용자의 미래의 동선을 포함하는 동선을 현재 동선과 구분하여 예측 동선 또는 미래 동선이라 칭할 수 있다.
예컨대, 제1 인공 지능 장치, 제2 인공 지능 장치 그리고 제3 인공 지능 장치의 순서대로 순차적으로 사용자의 발화 음성이 증가하는 것으로 판단된다면, 사용자가 제1 인공 지능 장치에서 제2 인공 지능 장치를 지나 제3 인공 지능 장치 쪽으로 이동하는 것으로 판단할 수 있다.
이때, 프로세서(180)는 각 외부 인공 지능 장치들에서 사용자까지의 거리로부터 삼각 측량 또는 보간법(interpolation)을 이용하여 사용자의 위치를 결정하고, 결정된 사용자의 위치의 변화에 기초하여 사용자의 현재 동선을 결정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 사용자의 미래 동선을 결정한다(S611).
미래 동선의 결정은 미래 동선의 예측을 의미할 수 있다.
예컨대, 프로세서(180)는 사용자의 현재 동선으로부터 사용자의 이동 방향을 판단할 수 있고, 사용자의 이동 방향에 다른 외부 인공 지능 장치가 위치한다면, 사용자의 미래 동선을 해당 외부 인공 지능 장치로 이동하는 것으로 예측할 수 있다.
프로세서(180)는 사용자의 현재 동선 및 사용자의 동선 기록에 기초하여 사용자의 미래 동선을 예측할 수 있다.
예컨대, 프로세서(180)는 사용자의 현재 동선이 제1 인공 지능 장치에서 제2 인공 지능 장치 쪽으로 이동하는 동선이며, 해당 사용자의 동선 기록에 비추어서 사용자가 제1 인공 지능 장치에서 제2 인공 지능 장치 쪽으로 이동하면 제3 인공 지능 장치로 곧바로 이동하는 빈도가 가장 높다면, 프로세서(180)는 해당 사용자의 미래 동선을 제1 인공 지능 장치에서 제2 인공 지능 장치를 지나 제3 인공 지능 장치로 곧바로 이동하는 경로로 예측할 수 있다.
이때, 프로세서(180)는 현재의 시간 정보, 날씨 정보, 사용자와의 상호작용 내역, 각 외부 인공 지능 장치들의 상태 정보 또는 사용자의 발화 음성의 내용 중에서 적어도 하나 이상을 추가적으로 고려하여 사용자의 미래 동선을 예측할 수 있다.
현재의 시간 정보, 날씨 정보, 사용자와의 상호작용 내역, 각 외부 인공 지능 장치들의 상태 정보는 모두 현재 사용자가 어떠한 동작을 수행할 것인지 및 사용자가 어디로 이동할 것인지를 판단할 수 있는 기반 정보이다.
사용자의 행동은 시간과 날씨에 밀접한 연관성을 갖고 있다. 또한, 사용자가 인공 지능 장치들과 상호작용한 내용, 각 인공 지능 장치들의 상태 정보, 그리고 현재 사용자의 발화 음성의 내용은 이후의 사용자의 상호작용 또는 동작과 밀접한 연관이 있다. 여기서, 사용자의 발화 음성의 내용은 사용자의 발화 음성의 의도 정보를 의미할 수 있다.
예컨대, 사용자가 이전에 인공 지능 장치인 세탁기를 가동하였고, 현재 세탁기의 동작을 마쳤으며, 사용자가 세탁기 방향으로 이동하는 것으로 파악된다면, 프로세서(180)는 사용자가 높은 가능성으로 세탁기를 조작하기 위하여 세탁기로 이동할 것으로 기대할 수 있다. 그리고, 프로세서(180)는 이에 기초하여 사용자의 미래 동선을 세탁기로 이동하는 것으로 결정할 수 있다.
예컨대, 사용자가 평일에는 매일 오전에 외출하고 초저녁에 귀가하며, 귀가하면 우선 침실에 들어갔다가 거실로 나와서 TV의 전원을 키는 것으로 파악되는 것으로 가정한다. 현재 평일이며 사용자가 오전에 외출하였다가 초저녁에 귀가하였다면, 프로세서(180)는 높은 가능성으로 사용자가 침실과 거실의 순서대로 이동할 것으로 기대할 수 있다. 그리고, 프로세서(180)는 이에 기초하여 사용자의 미래 동선을 침실과 거실 순서로 이동하는 것으로 결정할 수 있다.
예컨대, 사용자가 현재 거실에 있고, 세탁기까지 이동하는데 냉장고를 지나쳐야 한다고 가정한다. 현재 사용자가 세탁기에 대한 정보를 질의하는 발화를 하면서 거실에서 냉장고 방향으로 이동하는 것으로 파악된다면, 프로세서(180)는 높은 가능성으로 사용자가 세탁기를 조작하기 위하여 세탁기로 이동할 것으로 기대할 수 있다. 그리고, 프로세서(180)는 이에 기초하여 사용자의 미래 동선을 세탁기로 이동하는 것으로 결정할 수 있다.
이때, 프로세서(180)는 머신 러닝 알고리즘 또는 딥 러닝 알고리즘에 의하여 학습된 자연어 처리 엔진을 이용하여 사용자의 발화 음성에 상응하는 소리 신호로부터 발화 음성의 내용 또는 의도 정보를 결정할 수 있다.
자연어 처리 엔진은 인공 지능 장치(100)의 러닝 프로세서(130)에서 학습된 것일 수도 있고, 인공 지능 서버(200)의 러닝 프로세서(240)에서 학습된 것일 수도 있다. 그리고, 프로세서(180)는 메모리(170)에 저장된 자연어 처리 엔진을 직접 이용하여 사용자의 발화 음성의 의도 정보를 결정할 수도 있고, 인공 지능 서버(200)에 소리 신호를 전송하고, 인공 지능 서버(200)로부터 자연어 처리 엔진을 이용하여 결정된 의도 정보를 수신할 수도 있다.
사용자의 현재 동선과 미래 동선은 외부 인공 지능 장치를 기준으로 표현될 수도 있지만, 특정 공간을 나타내는 키워드 등으로 표현될 수도 있다. 또는, 지도 데이터에서의 위치 또는 좌표 정보로 표현될 수도 있다.
이때, 사용자의 현재 동선과 미래 동선을 결정할 때 각 외부 인공 지능 장치들의 위치 또는 상대적 위치 관계 중에서 적어도 하나 이상이 이용될 수 있다.
나아가, 상술한 바와 같이, 프로세서(180)는 소리 신호에 대하여 각 사용자들을 구분할 수 있으므로, 각 사용자별로 적합한 미래 동선을 예측할 수 있다.
즉, 프로세서(180)는 소리 신호에 대하여 사용자를 특정하고, 특정된 사용자의 현재 동선을 결정하고, 특정된 사용자의 현재 동선, 현재의 시간 정보 또는 동선 기록 중에서 적어도 하나 이상에 기초하여 특정된 사용자의 미래 동선을 예측할 수 있다.
도 7은 본 발명의 일 실시 예에 따른 인공 지능 시스템(701)이 구성된 공간을 나타낸 도면이다.
도 7을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 시스템(701)은 댁 내(711)에 구성될 수 있고, 복수의 인공 지능 장치들(721 내지 725)을 포함할 수 있다.
예컨대, 인공 지능 시스템(701)에는 제1 인공 지능 스피커(721), 에어컨(722), 제2 인공 지능 스피커(723), 냉장고(724) 및 로봇 청소기(725) 등의 인공 지능 장치들이 포함될 수 있다. 여기서, 로봇 청소기(725)는 다른 인공 지능 장치들(721 내지 724)와 달리 이동 가능한 인공 지능 장치일 수 있다.
이때, 각 인공 지능 장치들(721 내지 725)은 댁 내(711)에 대한 지도 데이터 및 사용자의 입력에 기초하여, 각 인공 지능 장치들(721 내지 725)의 위치 및 각 인공 지능 장치들(721 내지 725) 사이의 위치 관계를 결정할 수 있다.
여기서, 각 인공 지능 장치들(721 내지 725)은 다른 인공 지능 장치들(721 내지 725)과 위치 정보 및 위치 관계 정보를 공유할 수 있다.
도 8 및 도 9는 인공 지능 장치들에서 획득한 사용자의 발화 음성의 크기를 나타낸 도면이다.
구체적으로, 도 8은 도 7에 도시된 인공 지능 시스템(701)에서 사용자(841)가 정지된 상태로 발화하는 상황을 나타내며, 도 9는 도 7에 도시된 인공 지능 시스템(701)에서 사용자(841)가 이동하며 발화하는 상황을 나타낸다.
도 8 및 도 9에서는 로봇 청소기(725)에서 획득하는 사용자(841)의 발화 음성을 도시하고 있지 않으나, 로봇 청소기(725) 또한 댁 내(711)에서 작동하며 사용자(841)의 발화 음성을 획득할 수 있다.
도 8을 참조하면, 사용자(841)가 정지한 상태에서 발화하는 경우, 각 인공 지능 장치들(721 내지 724)에서 획득하는 발화 음성의 크기(831 내지 834)는 동일한 모양으로 일괄적으로 증가/감소한다.
여기서, 각 인공 지능 장치들(721 내지 724)에서 획득하는 발화 음성의 크기(831 내지 834)가 서로 다르므로, 이를 통해 사용자(841)와 각 인공 지능 장치들(721 내지 724) 사이의 거리를 파악할 수 있다. 그리고, 삼각 측량을 통해 사용자(841)의 위치를 결정할 수 있다.
그러나, 도 9를 참조하면, 사용자(841)가 이동하며 발화하는 경우, 각 인공 지능 장치들(721 내지 724)에서 획득하는 발화 음성의 크기(931 내지 934)는 사용자(841)의 위치 변화에 따라 다양하게 변화한다.
사용자(841)는 에어컨(722)과는 멀어지고, 제1 인공 지능 스피커(721), 제2 인공 지능 스피커(723) 및 냉장고(724)와는 가까워지는 방향으로 이동하고 있다.
따라서, 에어컨(722)에서 획득한 사용자(841)의 발화 음성은 정지한 상태에서의 발화 음성(832)보다 이동하는 상태에서의 발화 음성(932)이 크기가 빠르게 감소한다. 그리고, 전체적인 발화 크기가 감소한다.
반면, 제1 인공 지능 스피커(721), 제2 인공 지능 스피커(723) 및 냉장고(724)에서 획득한 사용자(841)의 발화 음성은 정지한 상태에서의 발화 음성(831, 833 및 834)보다 이동하는 상태에서의 발화 음성(931, 933 및 934)이 크기가 빠르게 증가한다. 그리고, 전체적인 발화 크기가 증가한다.
각 인공 지능 장치들(721 내지 724)에서 획득하는 사용자의 발화 음성의 크기(931 내지 934)의 변화량에 기초하여 사용자(841)의 위치 변화량 또는 현재 동선을 파악할 수 있다.
도 8 및 도 9에서는 사용자의 발화 음성만을 예시하였으나, 사용자의 발화 음성뿐만 아니라 사용자의 발걸음 소리에 기초하여 사용자의 위치와 사용자의 현재 동선을 파악할 수 있다.
도 10은 사용자의 움직임에 따른 사용자에 대한 소리 신호의 변화를 나타낸 도면이다.
구체적으로, 도 10은 사용자(1001)가 인공 지능 장치(1002)의 근처를 지나가는 상황을 나타낸다.
도 10을 참조하면, 인공 지능 장치(1002)는 사용자(1001)의 발화 음성 또는 발걸음 소리를 포함하는 사용자(1001)에 대한 소리 신호(1003 및 1004)를 획득한다.
사용자(1001)가 인공 지능 장치(1002)에 접근하는 경우에는, 인공 지능 장치(1002)가 획득하는 소리 신호(1003)는 크기(볼륨)가 점점 커진다.
반면, 사용자(1001)가 인공 지능 장치(1002)에서 멀어지는 경우에는, 인공 지능 장치(1002)가 획득하는 소리 신호(1004)는 크기(볼륨)가 점점 작아진다.
즉, 인공 지능 장치(1002)는 획득하는 소리 신호의 크기(볼륨)의 변화에 기초하여 사용자(1001)가 자신에게 접근하는지 여부를 판단할 수 있다.
물론, 상술한 바와 같이, 소리 신호의 크기에 기초하여 사용자(1001)까지의 거리를 산출할 수도 있으므로, 사용자(1001)까지의 거리의 변화량에 기초하여도 사용자(1001)가 인공 지능 장치(1002)에 접근하는지 여부를 판단할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 11을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 시스템(1101)에는 메인 에이전트 또는 허브 기능을 하는 인공 지능 스피커(1111)와 외부 인공 지능 장치로서의 TV(1112), 냉장고(1113) 및 세탁기(1114)를 포함한다.
사용자(1131)는 TV(1112)와 냉장고(1113)를 순차적으로 지나 세탁기(1114)로 접근하는 동선(1141)에 따라 이동하였다.
사용자(1131)가 동선(1141)에 따라 이동함으로써 TV(1112)에서 획득하는 소리 신호(1122)는 크기가 감소하며, 냉장고(1113)에서 획득하는 소리 신호(1123)는 점점 커지다가 다시 점점 작아지며, 세탁기(1114)에서 획득하는 소리 신호(1124)는 전체적인 크기가 작지만 점점 커진다.
인공 지능 스피커(1111)는 TV(1112), 냉장고(1113) 및 세탁기(1114)로부터 획득한 소리 신호들(1122, 1123, 1124)을 수신하고, 수신한 소리 신호들(1122, 1123, 1124)의 소리 크기와 소리 크기의 변화에 기초하여 사용자(1131)의 동선(1141)을 결정할 수 있다.
도 12는 본 발명의 일 실시 예에 따른 사용자의 동선을 결정하는 방법을 나타낸 도면이다.
도 12를 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 시스템(1201)에는 메인 에이전트 또는 허브 기능을 하는 인공 지능 스피커(1211)와 외부 인공 지능 장치로서의 TV(1212), 냉장고(1213) 및 세탁기(1214)를 포함한다.
사용자(1231)는 TV(1212)를 지나 냉장고(1213)를 지나쳐 이동하는 제1 동선(1241)에 따라 이동하였다.
사용자(1231)가 제1 동선(1241)에 따라 이동함으로써 TV(1212)에서 획득하는 소리 신호(1222)는 크기가 감소하며, 냉장고(1213)에서 획득하는 소리 신호(1223)는 점점 커지다 마지막에 조금 감소하며, 세탁기(1214)에서 획득하는 소리 신호(1224)는 전체적인 크기가 작지만 점점 커진다.
인공 지능 스피커(1211)는 TV(1212), 냉장고(1213) 및 세탁기(1214)로부터 획득한 소리 신호들(1222, 1223, 1224)을 수신하고, 수신한 소리 신호들(1222, 1123, 1124)의 소리 크기와 소리 크기의 변화에 기초하여 사용자(1231)의 현재 동선을 제1 동선(1241)으로 결정할 수 있다.
인공 지능 스피커(1211)는 외부 인공 지능 장치들(1212, 1213, 1214)의 위치 관계 등에 기초하여 사용자(1231)의 미래 동선을 냉장고(1213)를 지나 세탁기(1214)로 향하는 제2 동선(1242)로 결정할 수 있다.
예컨대, 사용자(1231)가 주로 오전 9시에 TV(1212)와 냉장고(1213)를 지나 세탁기(1214)로 이동하는 것으로 파악된 경우를 가정한다. 사용자(1231)가 오전 9시 근방에 제1 동선(1241)을 따라 TV(1212)에서 냉장고(1213) 방향으로 이동한 것으로 판단된 경우, 인공 지능 스피커(1211)는 사용자의 미래 동선을 냉장고(1213)를 지나 세탁기(1214)로 향하는 제2 동선(1242)으로 결정할 수 있다.
만약, 사용자(1231)가 이동하면서 "세탁 잘 되어가?"라는 발화를 한 경우라면, 발화 음성의 내용에 기초하여 사용자(1231)가 세탁기(1214)로 이동할 것으로 예측할 수 있고, 그에 따라 인공 지능 스피커(1211)는 사용자의 미래 동선을 냉장고(1213)를 지나 세탁기(1214)로 향하는 제2 동선(1242)으로 결정할 수 있다.
도 13 내지 도 15는 본 발명의 일 실시 예에 따른 인공 지능 장치들 사이의 상대적 위치 관계를 자동으로 결정하는 방법을 나타낸 도면이다.
도 13의 (a)를 참조하면, 인공 지능 시스템은 3개의 인공 지능 장치들(1301, 1302, 1303)을 포함하고, 제1 인공 지능 장치(1301)와 제3 인공 지능 장치(1303)는 제2 인공 지능 장치(1302)를 기준으로 직각으로 배치되어 있다. 그리고, 사용자(1311)는 3개의 인공 지능 장치들(1301, 1302, 1303) 사이에 위치한다.
도 13의 (a)에 도시된 3개의 인공 지능 장치들(1301, 1302, 1303) 중에서 적어도 하나 또는 인공 지능 시스템에 포함된 다른 인공 지능 장치가 3개의 인공 지능 장치들(1301, 1302, 1303)에서 획득한 사용자에 대한 소리 신호를 기초로 사용자(1311)까지의 거리를 판단할 수 있다.
도 13의 (b)는 각 인공 지능 장치들(1301, 1302, 1303)에서 사용자(1311)까지의 거리에 기초하여, 사용자(1311)를 기준으로 인공 지능 장치들(1301, 1302, 1303)이 위치할 수 있는 후보 영역들(1321, 1322, 1323) 나타낸다. 여기서, 제1 후보 영역(1321)은 제1 인공 지능 장치(1301)가 위치할 수 있는 후보 영역이고, 제2 후보 영역(1322)은 제2 인공 지능 장치(1302)가 위치할 수 있는 후보 영역이며, 제3 후보 영역(1323)은 제3 인공 지능 장치(1303)가 위치할 수 있는 후보 영역이다.
도 13의 (b)에서 사용자(1311)는 인공 지능 장치들(1301, 1302, 1303) 사이의 상대적 위치 관계를 판단하기 위한 기준점으로 이용할 뿐으로, 사용자(1311)의 절대적인 위치를 나타내는 것이 아니다.
도 14의 (a)를 참조하면, 예를 들어, 사용자(1311)가 위쪽으로 이동하면, 사용자(1311)는 제1 인공 지능 장치(1301)와 제2 인공 지능 장치(1302)에 가까워지고, 제3 인공 지능 장치(1303)와는 멀어진다. 그리고, 각 인공 지능 장치들(1301, 1302, 1303)은 사용자의 소리 신호를 기초로 사용자(1311)가 가까워지는지 또는 멀어지는지 여부를 판단할 수 있다.
도 14의 (b)는 도 14의 (a)와 같이 사용자(1311)가 이동하였을 때, 각 인공 지능 장치들(1301, 1302, 1303)이 위치할 수 있는 후보 영역(1421, 1422, 1423)의 경우의 수들 중에서 하나를 나타낸다.
제1 인공 지능 장치(1301)와 제2 인공 지능 장치(1302)를 기준으로는 사용자(1311)가 가까워지며, 제3 인공 지능 장치(1303)를 기준으로는 사용자(1311)가 멀어진다는 것을 파악할 수 있으므로, 제1 후보 영역(1421)과 제2 후보 영역(1422)의 방향은 제3 후보 영역(1423)의 방향과 반대가 되도록 한정된다.
다만, 도 14의 (b)에서 도시된 후보 영역들(1421, 1422, 1423)은 하나의 예시에 불과하다. 즉, 인공 지능 장치들(1301, 1302, 1303)은 사용자(1311)의 절대적 위치를 파악할 수 없으므로, 사용자(1311)가 위쪽으로 이동하였다는 것을 파악할 수 없으므로, 후보 영역들은 도 14의 (b)에 도시된 후보 영역들(1421, 1422, 1423)이 모두 함께 동심원의 중심을 기준으로 임의의 각도만큼 회전하는 많은 경우의 수로 표현될 수 있다. 그러나, 사용자(1311)가 지속적으로 움직임에 따라 수집한 소리 신호에 기초하여 각 인공 지능 장치들(1301, 1302, 1303)가 위치할 수 있는 후보 영역들을 한정할 수 있고, 그에 따라 많은 경우의 수들이 점차 좁혀져 하나로 결정될 수 있다.
도 15의 (a)를 참조하면, 예를 들어, 사용자(1311)가 오른쪽으로 이동하면, 사용자(1311)는 제2 인공 지능 장치(1302)와 제3 인공 지능 장치(1303)에 가까워지고, 제1 인공 지능 장치(1301)와는 멀어진다. 그리고, 각 인공 지능 장치들(1301, 1302, 1303)은 사용자의 소리 신호를 기초로 사용자(1311)가 가까워지는지 또는 멀어지는지 여부를 판단할 수 있다.
도 15의 (b)는 도 15의 (a)와 같이 사용자(1311)가 이동하였을 때, 각 인공 지능 장치들(1301, 1302, 1303)이 위치할 수 있는 후보 영역(1521, 1522, 1523)의 경우의 수들 중에서 하나를 나타낸다.
제2 인공 지능 장치(1302)와 제3 인공 지능 장치(1303)를 기준으로는 사용자(1311)가 가까워지며, 제1 인공 지능 장치(1301)를 기준으로는 사용자(1311)가 멀어진다는 것을 파악할 수 있으므로, 제2 후보 영역(1522)과 제3 후보 영역(1523)의 방향은 제1 후보 영역(1521)의 방향과 반대가 되도록 한정된다.
여기서, 도 15의 (b)는 도 14의 (b)에 도시된 후보 영역들(1421, 1422, 1423)을 반영한 후보 영역의 경우의 수 들 중에서 하나를 나타낸다.
도 14 및 도 15에 도시된 것과 같이 사용자가 움직이면서 획득하는 소리 신호들을 분석함으로써, 인공 지능 장치들이 위치할 수 있는 후보 영역들을 좁혀가면서 특정할 수 있고, 그에 따라 각 인공 지능 장치들 사이의 상대적 위치 관계를 결정할 수 있다.
도 14 및 도 15에서는 사용자(1311)가 움직임에 따라 각 인공 지능 장치들(1301, 1302, 1303)로부터 가까워지는지 여부를 기초로 각 인공 지능 장치들(1301, 1302, 1303)의 후보 영역을 결정하였는데, 여기에 사용자(1311)까지의 거리 정보를 추가적으로 반영하여 후보 영역들을 좁힐 수 있다.
여기서, 도 13 내지 도 15의 과정에 따라 후보 영역들을 좁혀서 인공 지능 장치들 사이의 상대적 위치 관계를 결정하더라도, 결정된 인공 지능 장치들의 위치는 도 13 내지 도 15의 (a)에 도시된 관계와는 다르게, 전체가 회전되거나 대칭될 수도 있다. 그러나, 각 인공 지능 장치들 사이의 상대적 위치 관계는 유지되므로, 사용자의 동선을 결정하기에 충분하다.
특히, 도 13 내지 도 15의 과정에서, 하나의 인공 지능 장치(예컨대, 제1 인공 지능 장치)를 고정으로 설정하고, 나머지 인공 지능 장치들(예컨대, 제2 인공 지능 장치 및 제3 인공 지능 장치)의 후보 영역들을 좁혀가게 되는 경우, 보다 간단하고 빠르게 각 인공 지능 장치들 사이의 상대적 위치 관계를 결정할 수 있다.
특히, 외부 인공 지능 장치에 스테레오 스피커가 구비된 경우라면, 스테레오 스피커에서 획득한 소리 신호들에 기초하여 사용자의 방향을 결정할 수 있고, 결정된 사용자의 방향을 이용하면 보다 정확하게 인공 지능 장치들에 대한 후보 영역을 좁힐 수 있다.
또한, 상술한 바와 같이, 본 발명의 다른 실시 예들에서는 사용자의 입력에 의하여 인공 지능 장치들(100)의 위치와 인공 지능 장치들(100) 사이의 상대적 위치 관계를 결정할 수도 있으며, 인공 지능 장치들(100)끼리 출력 및 획득하는 소리 신호 또는 전파 신호에 기초하여 서로의 상대적 위치 관계를 결정할 수도 있다.
도 16은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 동작 흐름도이다.
도 16을 참조하면, 인공 지능 장치(100)의 프로세서(180)는 복수의 외부 인공 지능 장치들로부터 사용자에 대한 소리 신호들을 획득한다(S1601).
인공 지능 장치(100)는 통신부(110)를 통해 복수의 외부 인공 지능 장치들과 통신할 수 있다.
또한, 인공 지능 장치(100)는 통신부(110)를 통해 제어 가능한 기기들과 통신할 수 있다.
여기서, 제어 가능한 기기들에는 인공 지능 장치, 사물 인터넷 기기 등이 포함될 수 있으나, 본 발명이 이에 한정되지 않는다. 즉, 제어 가능한 기기들에는 통신 기능을 갖고, 통신 기능을 통하여 동작을 제어할 수 있는 기기들이 모두 포함될 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 소리 신호들에 기초하여 사용자의 현재 동선을 결정한다(S1603).
프로세서(180)는 상술한 방법에 따라 사용자의 현재 동선을 결정할 수 있다.
프로세서(180)는 도 6의 사용자의 현재 동선을 결정하는 단계(S609)에 따라 사용자의 현재 동선을 결정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 소리 신호들에 기초하여 사용자의 미래 동선을 결정한다(S1605).
프로세서(180)는 상술한 방법에 따라 사용자의 미래 동선을 결정할 수 있다.
프로세서(180)는 도 6의 사용자의 미래 동선을 결정하는 단계(S611)에 따라 사용자의 미래 동선을 결정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 사용자의 현재 동선, 미래 동선 및 제어 가능한 기기들의 상태 정보를 고려하여 대상 기기 및 대상 기기의 동작을 결정한다(S1607).
프로세서(180)는 사용자의 현재 동선 또는 미래 동선에 상응하는 제어 가능한 기기들 중에서 대상 기기를 결정하고, 대상 기기의 동작을 결정할 수 있다.
여기서, 제어 가능한 기기들을 후보 기기들이라 칭할 수도 있다.
이때, 프로세서(180)는 현재 동선 또는 미래 동선 상에 있거나 인접한 제어 가능한 기기들 중에서 대상 기기를 결정할 수 있다.
예컨대, 사용자의 현재 동선이 TV를 지나 냉장고로 접근하는 동선이며, 사용자의 미래 동선이 냉장고를 지나 세탁기로 접근하는 동선이라면, 프로세서(180)는 TV, 냉장고 및 세탁기 중에서 대상 기기를 결정할 수도 있고, TV, 냉장고 및 세탁기가 설치된 공간에 구비된 다른 인공 지능 장치나 사물 인터넷 기기를 대상 기기로 결정할 수도 있다.
이때, 대상 기기의 동작에는 대상 기기를 제어하는 동작뿐만 아니라, 대상 기기의 상태 정보를 출력하는 동작이나, 다른 기기의 상태 정보를 출력하는 동작이 포함될 수 있다. 상태 정보의 대상이 되는 상기 다른 기기를 정보 제공 기기라 칭할 수 있다. 즉, 정보 제공 기기는 대상 기기와 다른 기기이며, 대상 기기가 제공하는 상태 정보의 대상이 되는 기기이다.
프로세서(180)는 먼저 대상 기기를 결정하고 이후 대상 기기의 동작을 결정할 수도 있으나, 본 발명이 이에 한정되지는 않는다. 즉, 대상 기기와 대상 기기의 동작의 결정은 정해진 순서 없이 어느 일방이 먼저 결정될 수도 있고, 동시에 고려되어 결정될 수도 있다.
프로세서(180)는 (대상 기기, 대상 기기의 동작)의 순서쌍을 결정하는 것으로 볼 수 있으며, 특히, 프로세서(180)는 (대상 기기, 대상 기기의 동작)의 순서쌍을 하나 이상 결정할 수 있다.
이때, 프로세서(180)는 사용자의 현재 동선, 사용자의 미래 동선, 그리고 제어 가능한 기기들의 상태 정보에 기초하여, 제어 가능한 기기들 또는 후보 기기들 중에서 특정 동작을 수행할 필요가 있는지 여부를 결정하고, 해당 특정 동작을 수행할 기기를 대상 기기로 결정할 수 있다.
예컨대, 사용자가 현재 현관에서 거실로 이동하였으며, 거실에서 침실로 이동할 것으로 예상되는 경우라면, 프로세서(180)는 현관에 설치된 전등, 거실에 설치된 전등, 그리고 침실에 설치된 전등의 상태를 파악할 수 있고, 만약 현관에 설치된 전등이 점등 상태이면 이를 소등하는 동작을 결정하고, 거실에 설치된 전등이 소등 상태이면 이를 점등하는 동작을 결정하고, 침실에 설치된 전등이 소등 상태이면 이를 점등하는 동작을 결정할 수 있다.
이때, 프로세서(180)는 사용자의 현재 동선, 사용자의 미래 동선, 그리고 제어 가능한 기기들의 상태 정보에 기초하여, 제어 가능한 기기들 또는 후보 기기들 중에서 상태 정보를 사용자에게 제공할 다른 기기(예컨대, 정보 제공 기기)가 존재하는지 여부를 판단하고, 현재 사용자의 위치에 가장 가깝거나 사용자의 미래 동선의 최종 위치에 가장 가까운 기기를 대상 기기로 결정하고, 대상 기기의 동작을 정보 제공 기기의 상태 정보를 제공하는 것으로 결정할 수 있다.
이때, 프로세서(180)는 현재의 시간 정보, 날씨 정보, 사용자와의 상호작용 내역 또는 사용자의 발화 음성의 내용 중에서 적어도 하나 이상을 추가적으로 고려하여 대상 기기와 대상 기기의 동작을 결정할 수 있다.
예컨대, 사용자가 평일에는 매일 오전에 외출하고 초저녁에 귀가하며, 귀가하면 우선 침실에 들어갔다가 거실로 나와서 TV의 전원을 키는 것으로 파악되는 것으로 가정한다. 현재 평일이며 사용자가 오전에 외출하였다가 초저녁에 귀가하였다면, 프로세서(180)는 높은 가능성으로 사용자가 침실과 거실의 순서대로 이동할 것으로 기대할 수 있다. 그리고, 프로세서(180)는 이에 기초하여 사용자의 미래 동선을 침실과 거실 순서로 이동하는 것으로 결정할 수 있다. 그리고, 프로세서(180)는 (대상 기기, 대상 기기의 동작) 순서쌍을 (거실 전등, 점등), (침실 전등, 일시 점등), (TV, 전원 ON)으로 결정할 수 있다.
여기서, 대상 기기의 동작은 어떠한 동작을 수행할 것인지에 내용뿐만 아니라 언제 해당 동작을 수행할 것인지에 대한 내용이 포함될 수 있다. 즉, 프로세서(180)는 대상 기기에 대하여 언제 무엇을 수행할 것인지 그 동작을 결정할 수 있다. 따라서, 대상 기기의 동작에는 동작의 내용을 가리키는 행동 정보와 동작의 시점을 가리키는 시점 정보가 포함될 수 있다.
이때, 프로세서(180)는 사용자의 미래 동선에 기초하여 사용자가 대상 기기에 일정 거리 이내로 가까워지는 시점을 예측할 수 있고, 해당 시점에 기초하여 대상 기기가 동작의 시점 정보를 결정할 수 있다.
예컨대, 사용자가 5초 후에 침실에 도착할 것으로 예측되는 경우, 프로세서(180)는 대상 기기를 '침실 전등'으로 결정하고, 침실 전등의 동작을 '점등'으로 결정하며, 침실 전등을 5초 후에 점등하도록 침실 전등의 점등의 시점 정보를 '5초 이후'로 설정할 수 있다.
그리고, 인공 지능 장치(100)의 프로세서(180)는 결정된 대상 기기에 상응하는 결정된 동작을 수행하는 제어 신호를 전송한다(S1609).
프로세서(180)는 결정된 대상 기기에 결정된 동작을 수행하도록 제어 신호를 전송함으로써, 대상 기기가 사용자의 동선에 상응하는 동작을 수행케 할 수 있다.
이때, 프로세서(180)는 결정된 대상 기기에 결정된 동작 수행을 알리는 알림을 출력하도록 출력 신호를 전송할 수도 있다.
나아가, 상술한 바와 같이, 프로세서(180)는 소리 신호에 대하여 각 사용자들을 구분할 수 있으므로, 각 사용자별로 적합한 대상 기기 및 대상 기기의 동작을 결정할 수 있다.
즉, 프로세서(180)는 소리 신호에 대하여 사용자를 특정하고, 특정된 사용자의 현재 동선을 결정하고, 특정된 사용자의 현재 동선, 현재의 시간 정보 또는 동선 기록 중에서 적어도 하나 이상에 기초하여 특정된 사용자의 동선을 결정하고, 해당 사용자에 적합한 대상 기기 및 대상 기기의 동작을 결정하여 개인화된 서비스를 제공할 수 있다.
도 17 및 도 18은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
도 17 및 도 18을 참조하면, 본 발명의 일 실시 예에 따른 인공 지능 시스템(1701)에는 메인 에이전트 또는 허브 기능을 하는 인공 지능 스피커(1711)와 외부 인공 지능 장치로서의 TV(1712) 등을 포함하며, 사물 인터넷 기기로서의 침실(1751)의 전등(1713)을 포함한다.
사용자(1731)는 TV(1712)를 지나쳐 침실(1751) 방향으로 이동하고 있다. 사용자(1731)가 동선(1741)에 따라 이동함으로써 TV(1712)에서 획득하는 소리 신호(1722)는 크기가 증가하다가 감소하게 된다. 여기서, 소리 신호에는 사용자의 발화 음성(1832)이 포함될 수도 있고, 사용자의 발걸음 소리(1732)가 포함될 수도 있다.
인공 지능 스피커(1711)는 TV(1712) 등의 인공 지능 장치들로부터 획득한 소리 신호들(1722 등)을 수신하고, 수신한 소리 신호들(1722 등)의 소리 크기와 소리 크기의 변화에 기초하여 사용자(1731)의 현재 동선을 제1 동선(1741)으로 결정할 수 있다.
그리고, 인공 지능 스피커(1711)는 현재 동선(1741)과 사용자(1731)의 동선 기록 등에 기초하여 미래 동선을 침실(1751)로 이동하는 제2 동선(1742)으로 결정할 수 있다.
도 17 및 도 18에서는 침실(1751) 근처에 인공 지능 장치가 도시되어 있지 않는데, 이러한 경우라고 하더라도 사용자(1731)가 평소에 TV(1741)를 시청하다가 침실로 이동하는 패턴이 있다면, 인공 지능 스피커(1711)는 사용자(1731)의 미래 동선을 제2 동선(1742)로 결정할 수 있다.
그리고, 인공 지능 스피커(1711)는 사용자(1731)가 침실(1751)로 이동하는 것으로 결정하였으므로, 침실(1751)의 전등(1713)의 점등 상태를 판단하며, 만약 전등(1713)이 소등 상태라면 대상 기기를 전등(1713)으로 결정하고, 대상 기기로서의 전등(1713)의 동작을 점등으로 결정할 수 있다.
만약, 도 18에 도시된 것과 같이, 사용자(1731)가 "불 켜 줘."(1832)와 같이 대상을 명시하지 않은 채로 발화하더라도, 인공 지능 스피커(1711)는 사용자의 현재 동선(1741)과 미래 동선(1742)에 기초하여 발화 의도가 침실(1751)의 전등(1713)을 점등하는 것으로 결정할 수 있다. 그리고, 인공 지능 스피커(1711)는 대상 기기를 침실(1751)의 전등(1713)으로 결정하고, 대상 기기로서의 전등(1713)의 동작을 점등으로 결정할 수 있다.
이에 따라, 사용자(1731)가 침실(1751)로 이동하는 경우에 인공 지능 스피커(1711)는 자동으로 침실(1751)의 전등(1713)을 점등할 수 있다.
본 발명에 따르면 도 17과 같이 사용자의 발화 음성이 없더라도 사용자의 동선을 예측하여 동선에 적합한 서비스를 제공할 수 있으며, 도 18과 같이 사용자가 대상을 명확히 명시하지 않고 발화하더라도 사용자의 의도를 보다 정확하게 판단하여 적합한 서비스를 제공할 수 있다.
도 19는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
구체적으로, 도 19는 도 12에 도시된 인공 지능 시스템(1201)에서, 사용자(1231)가 TV(1212)에서 냉장고(1213)를 지나 세탁기(1214) 방향으로 이동하며, "세탁 언제 끝나?"(1951)와 같이 발화하는 상황을 나타낸다. 도 12와 중복되는 설명은 생략한다.
인공 지능 스피커(1211)는 TV(1212), 냉장고(1213) 및 세탁기(1214)에서 수집한 소리 신호들(1222, 1223, 1224)에 기초하여 사용자의 현재 동선을 TV(1212)에서 냉장고(1213)를 지나쳐 이동하는 제1 동선(1241)으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 현재 동선(1241)과 사용자(1231)의 "세탁 언제 끝나?"(1951) 라는 발화 음성의 내용에 기초하여 사용자의 미래 동선을 냉장고(1213)에서 세탁기(1214)로 향하는 제2 동선(1242)으로 결정할 수 있다.
이때, 상술한 바와 같이, 인공 지능 스피커(1211)는 미래 동선을 제2 동선(1242)으로 결정할 때, 사용자의 동선 기록, 각 인공 지능 장치들의 상태 정보, 현재 시간 정보, 날씨 정보 등을 추가적으로 고려할 수 있다.
그리고, 인공 지능 스피커(1211)는 자연어 처리 엔진을 이용하여 사용자 발화 음성(1951)의 의도 정보를 획득하고, 이를 기초로 세탁기(1214)의 세탁 동작에 대한 상황 정보를 응답으로 제공하는 것을 대상 기기의 동작으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(1242)으로부터 사용자(1231)가 세탁기(1214)에 접근중임을 파악할 수 있고, 세탁기(1214)를 대상 기기로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 세탁기(1214)의 세탁 동작에 대한 상황 정보로서 "세탁이 5분 내로 마무리 됩니다."(1952)와 같은 응답을 출력하는 출력 신호를 세탁기(1214)로 전송할 수 있다.
도 20은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
구체적으로, 도 20은 도 12에 도시된 인공 지능 시스템(1201)에서, 사용자(1231)가 세탁기(1214)에서 냉장고(1213)를 지나 TV(1212) 방향으로 이동하며, "세탁 언제 끝나?"(2051)와 같이 발화하는 상황을 나타낸다. 도 12와 중복되는 설명은 생략한다.
인공 지능 스피커(1211)는 TV(1212), 냉장고(1213) 및 세탁기(1214)에서 수집한 소리 신호들(2022, 2023, 2024)에 기초하여 사용자의 현재 동선을 세탁기(1214)에서 냉장고(1213)를 지나쳐 이동하는 제3 동선(2041)으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 현재 동선(2041)에 기초하여 기초하여 사용자의 미래 동선을 냉장고(1213)에서 TV(1212)로 향하는 제4 동선(2042)으로 결정할 수 있다.
이때, 상술한 바와 같이, 인공 지능 스피커(1211)는 미래 동선을 제4 동선(2042)으로 결정할 때, 사용자의 동선 기록, 각 인공 지능 장치들의 상태 정보, 현재 시간 정보, 날씨 정보 등을 추가적으로 고려할 수 있다.
그리고, 인공 지능 스피커(1211)는 자연어 처리 엔진을 이용하여 사용자 발화 음성(2051)의 의도 정보를 획득하고, 이를 기초로 세탁기(1214)의 세탁 동작에 대한 상황 정보를 응답으로 제공하는 것을 대상 기기의 동작으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(2042)으로부터 사용자(1231)가 TV(1212)에 접근중임을 파악할 수 있고, TV(1212)를 대상 기기로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 세탁기(1214)의 세탁 동작에 대한 상황 정보로서 "세탁이 약 50분 뒤에 종료될 예정입니다. 종료되면 알람을 제공할까요?"(2052)와 같은 응답을 출력하는 출력 신호를 TV(1214)로 전송할 수 있다.
도 21은 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
구체적으로, 도 21은 도 12에 도시된 인공 지능 시스템(1201)에서, 사용자(1231)가 TV(1212)에서 냉장고(1213)를 지나 세탁기(1214) 방향으로 이동하며 발화하지 않는 상황을 나타낸다. 도 12와 중복되는 설명은 생략한다.
인공 지능 스피커(1211)는 TV(1212), 냉장고(1213) 및 세탁기(1214)에서 수집한 소리 신호들(1222, 1223, 1224)에 기초하여 사용자의 현재 동선을 TV(1212)에서 냉장고(1213)를 지나쳐 이동하는 제1 동선(1241)으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 현재 동선(1241)에 기초하여 사용자의 미래 동선을 냉장고(1213)에서 세탁기(1214)로 향하는 제2 동선(1242)으로 결정할 수 있다.
이때, 상술한 바와 같이, 인공 지능 스피커(1211)는 미래 동선을 제2 동선(1242)으로 결정할 때, 사용자의 동선 기록, 각 인공 지능 장치들의 상태 정보, 현재 시간 정보, 날씨 정보 등을 추가적으로 고려할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(1242)에 위치하거나 미래 동선(1242)에 인접한 제어 가능한 기기에 대한 정보를 제공하는 것을 대상 기기의 동작으로 결정할 수 있다.
예컨대, 인공 지능 스피커(1211)는 대상 기기의 동작을 미래 동선(1242)의 최종 위치에 인접한 세탁기(1214)의 정보를 제공하는 것으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(1242)으로부터 사용자(1231)가 세탁기(1214)에 접근중임을 파악할 수 있고, 세탁기(1214)를 대상 기기로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 별도의 요청이나 발화 없이도 세탁기(1214)의 세탁 동작에 대한 상황 정보로서 "아직 세탁 중입니다. 10분 뒤에 끝날 예정입니다."(2152)와 같은 응답을 출력하는 출력 신호를 세탁기(1214)로 전송할 수 있다.
이때, 대상 기기 또는 정보가 제공되는 기기는 미래 동선(1242) 상에 위치하거나 미래 동선(1242)에 인접한 제어 가능한 기기들 중에서 선택될 수 있다.
이때, 대상 기기 또는 정보가 제공되는 기기는 현재 사용자와 가장 가까운 제어 가능한 기기가 선택될 수도 있고, 미래 동선(1242)의 최종 위치에서 가장 가까운 제어 가능한 기기로 선택될 수도 있다.
도 22는 본 발명의 일 실시 예에 따른 사용자의 동선에 기초한 서비스를 제공하는 방법을 나타낸 도면이다.
구체적으로, 도 22는 도 12에 도시된 인공 지능 시스템(1201)에서, 사용자(1231)가 TV(1212)에서 냉장고(1213) 방향으로 이동하며 발화하지 않는 상황을 나타낸다. 도 12와 중복되는 설명은 생략한다.
인공 지능 스피커(1211)는 TV(1212), 냉장고(1213) 및 세탁기(1214)에서 수집한 소리 신호들(2222, 2223, 2224)에 기초하여 사용자의 현재 동선을 TV(1212)에서 냉장고(1213) 방향으로 이동하는 제5 동선(2241)으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 현재 동선(2241)에 기초하여 사용자의 미래 동선을 냉장고(1213)를 지나쳐 세탁기(1214)로 이동하는 제6 동선(2242)으로 결정할 수 있다.
이때, 상술한 바와 같이, 인공 지능 스피커(1211)는 미래 동선을 제6 동선(2242)으로 결정할 때, 사용자의 동선 기록, 각 인공 지능 장치들의 상태 정보, 현재 시간 정보, 날씨 정보 등을 추가적으로 고려할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(2242)에 위치하거나 미래 동선(2242)에 인접한 제어 가능한 기기에 대한 정보를 제공하는 것을 대상 기기의 동작으로 결정할 수 있다.
여기서, 제어 가능한 기기에 대한 정보에는 기기의 동작 정보, 기기의 상태 정보, 기기의 내용물에 대한 정보를 포함할 수 있다. 기기의 내용물에 대한 정보에는 세탁기의 세탁물, 냉장고의 음식물, TV의 방송 프로그램 등이 포함될 수 있다.
예컨대, 인공 지능 스피커(1211)는 대상 기기의 동작을 미래 동선(2242)의 최종 위치에 인접한 세탁기(1214)의 정보를 제공하거나, 미래 동선(2242) 상에 위치한 냉장고(1213)의 정보를 제공하는 것으로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 미래 동선(2242)으로부터 사용자(1231)가 냉장고(1213)에 접근중임을 파악할 수 있고, 냉장고(1213)를 대상 기기로 결정할 수 있다.
그리고, 인공 지능 스피커(1211)는 사용자의 별도의 요청이나 발화 없이도 세탁기(1214)의 세탁 동작에 대한 상황 정보로서 "아직 세탁 중입니다. 10분 뒤에 끝날 예정입니다."(2252)와 같은 응답이나, 냉장고(1213)의 상태 정보로써 "XXXX.XX.XX. 냉장고에 넣은 계란의 유통기한이 다 되어갑니다."(2253) 또는 "오른쪽 냉장 칸의 오염도가 높습니다. 청소해주세요."와 같은 응답을 출력하는 출력 신호를 냉장고(1213)로 전송할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다.
Claims (11)
- 사용자의 동선을 결정하는 인공 지능 장치에 있어서,
복수의 외부 인공 지능 장치들과 통신하는 통신부; 및
상기 복수의 외부 인공 지능 장치들로부터 상기 사용자에 대한 소리 신호들을 수신하고, 상기 획득한 소리 신호들에 기초하여 상기 복수의 외부 인공 지능 장치들 각각으로부터의 상기 사용자까지의 거리 및 상기 거리의 변화량을 산출하고, 상기 산출된 거리 및 상기 산출된 거리의 변화량에 기초하여 상기 사용자의 현재 동선을 결정하고, 상기 현재 동선에 기초하여 상기 사용자의 미래 동선을 결정하는 프로세서
를 포함하는, 인공 지능 장치. - 청구항 1에 있어서,
상기 프로세서는
상기 현재 동선 및 상기 사용자의 동선 기록에 기초하여 상기 미래 동선을 결정하는, 인공 지능 장치. - 청구항 2에 있어서,
상기 프로세서는
현재의 시간 정보, 날씨 정보, 상기 사용자와의 상호작용 내역, 상기 복수의 외부 인공 지능 장치들의 상태 정보 또는 상기 사용자의 발화 음성의 내용 중에서 적어도 하나 이상을 추가로 고려하여 상기 미래 동선을 결정하는, 인공 지능 장치. - 청구항 1에 있어서,
상기 프로세서는
상기 소리 신호들을 이용하여 상기 복수의 외부 인공 지능 장치들 각각에서의 상기 사용자의 발화 크기의 최대값을 결정하고, 상기 발화 크기의 최대값을 상응하는 외부 인공 지능 장치로부터 최인접 거리에서의 발화 크기로 설정하는, 인공 지능 장치. - 청구항 1에 있어서,
상기 소리 신호는
상기 사용자의 발화 음성 또는 상기 사용자의 발걸음 소리 중에서 적어도 하나 이상을 포함하는, 인공 지능 장치. - 청구항 5에 있어서,
상기 프로세서는
상기 발화 음성에 대하여 성문 분석 또는 상기 발걸음 소리의 패턴 분석을 통해 복수의 사용자들을 구분하는, 인공 지능 장치. - 청구항 1에 있어서,
상기 프로세서는
상기 복수의 외부 인공 지능 장치들의 위치 또는 상대적 위치 관계 중에서 적어도 하나 이상을 결정하고, 상기 위치 또는 상기 상대적 위치 관계 중에서 적어도 하나 이상을 이용하여 상기 현재 동선 및 상기 미래 동선을 결정하는, 인공 지능 장치. - 청구항 7에 있어서,
상기 프로세서는
복수의 시점에 산출된 상기 거리 및 상기 거리의 변화량에 기초하여 상기 복수의 외부 인공 지능 장치들 각각이 위치할 수 있는 후보 영역들을 결정하고, 상기 결정된 후보 영역들에 기초하여 상기 상대적 위치 관계를 결정하는, 인공 지능 장치. - 청구항 7에 있어서,
상기 프로세서는
사용자 입력에 기초하여 상기 복수의 외부 인공 지능 장치들의 상기 위치를 결정하는, 인공 지능 장치. - 사용자의 동선을 결정하는 방법에 있어서,
복수의 외부 인공 지능 장치들로부터 상기 사용자에 대한 소리 신호들을 수신하는 단계;
상기 획득한 소리 신호들에 기초하여 상기 복수의 외부 인공 지능 장치들 각각으로부터의 상기 사용자까지의 거리 및 상기 거리의 변화량을 산출하는 단계;
상기 산출된 거리 및 상기 산출된 거리의 변화량에 기초하여 상기 사용자의 현재 동선을 결정하는 단계; 및
상기 현재 동선에 기초하여 상기 사용자의 미래 동선을 결정하는 단계
를 포함하는, 방법. - 사용자의 동선을 결정하는 방법을 수행하기 위한 프로그램이 기록된 기록 매체에 있어서,
상기 사용자의 동선을 결정하는 방법은
복수의 외부 인공 지능 장치들로부터 상기 사용자에 대한 소리 신호들을 수신하는 단계;
상기 획득한 소리 신호들에 기초하여 상기 복수의 외부 인공 지능 장치들 각각으로부터의 상기 사용자까지의 거리 및 상기 거리의 변화량을 산출하는 단계;
상기 산출된 거리 및 상기 산출된 거리의 변화량에 기초하여 상기 사용자의 현재 동선을 결정하는 단계; 및
상기 현재 동선에 기초하여 상기 사용자의 미래 동선을 결정하는 단계
를 포함하는, 기록 매체.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/KR2019/007228 WO2020251101A1 (ko) | 2019-06-14 | 2019-06-14 | 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 |
| WOPCT/KR2019/007228 | 2019-06-14 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20190095194A true KR20190095194A (ko) | 2019-08-14 |
Family
ID=67622531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190090548A KR20190095194A (ko) | 2019-06-14 | 2019-07-25 | 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11867791B2 (ko) |
| KR (1) | KR20190095194A (ko) |
| WO (1) | WO2020251101A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11940799B2 (en) * | 2021-03-19 | 2024-03-26 | SMP Robotics Systems Corp. | Mobile robots and systems with mobile robots |
| EP4296868B1 (en) * | 2022-06-22 | 2024-07-03 | Sleep Cycle AB | Method for snore attribution |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100549214B1 (ko) * | 2003-11-24 | 2006-02-03 | 한국전자통신연구원 | 유비쿼터스 홈네트워크 시스템 및 그 제어 방법 |
| KR100827080B1 (ko) * | 2007-01-09 | 2008-05-06 | 삼성전자주식회사 | 사용자 인식 기반의 빔 포밍 장치 및 방법 |
| US8644113B2 (en) * | 2011-09-30 | 2014-02-04 | Microsoft Corporation | Sound-based positioning |
| US9818061B1 (en) | 2013-10-22 | 2017-11-14 | Lumin, LLC | Collaboration of audio sensors for geo-location and continuous tracking of multiple users in a device-independent artificial intelligence (AI) environment |
| KR102146462B1 (ko) * | 2014-03-31 | 2020-08-20 | 삼성전자주식회사 | 음성 인식 시스템 및 방법 |
| JP6348947B2 (ja) * | 2016-11-07 | 2018-06-27 | オリンパス株式会社 | 移動撮影装置、移動撮影指示装置、撮影機器、移動撮影システム、移動撮影方法及び移動撮影指示方法 |
| EP3459076B1 (en) * | 2017-05-16 | 2020-07-22 | Apple Inc. | Far-field extension for digital assistant services |
| DK179560B1 (en) | 2017-05-16 | 2019-02-18 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
| KR101966253B1 (ko) * | 2017-06-09 | 2019-04-05 | 네이버 주식회사 | 무빙 디바이스를 이용하여 사용자의 위치 및 공간에 알맞은 정보를 제공하는 방법 및 장치 |
| US10291999B1 (en) * | 2018-03-29 | 2019-05-14 | Cae Inc. | Method and system for validating a position of a microphone |
-
2019
- 2019-06-14 US US16/605,429 patent/US11867791B2/en active Active
- 2019-06-14 WO PCT/KR2019/007228 patent/WO2020251101A1/ko active Application Filing
- 2019-07-25 KR KR1020190090548A patent/KR20190095194A/ko not_active Application Discontinuation
Also Published As
| Publication number | Publication date |
|---|---|
| US11867791B2 (en) | 2024-01-09 |
| US20210325521A1 (en) | 2021-10-21 |
| WO2020251101A1 (ko) | 2020-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11663516B2 (en) | Artificial intelligence apparatus and method for updating artificial intelligence model | |
| US11625508B2 (en) | Artificial intelligence device for guiding furniture placement and method of operating the same | |
| KR102281602B1 (ko) | 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법 | |
| US11669781B2 (en) | Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information | |
| US11568239B2 (en) | Artificial intelligence server and method for providing information to user | |
| KR20190096307A (ko) | 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법 | |
| KR20190093529A (ko) | 공기 청정기의 배치 위치를 가이드하는 인공 지능 장치 및 그의 동작 방법 | |
| US20190360717A1 (en) | Artificial intelligence device capable of automatically checking ventilation situation and method of operating the same | |
| US11210567B2 (en) | Artificial intelligence apparatus and method for recognizing object | |
| KR102421488B1 (ko) | 복수개의 출력 레이어를 이용한 인공 지능 장치 및 방법 | |
| KR102339085B1 (ko) | 사용자의 어플리케이션 사용 기록을 고려하여 사용자의 음성을 인식하는 인공 지능 장치 및 그 방법 | |
| US11748614B2 (en) | Artificial intelligence device for controlling external device | |
| KR102331672B1 (ko) | 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법 | |
| US20200020339A1 (en) | Artificial intelligence electronic device | |
| US11755033B2 (en) | Artificial intelligence device installed in vehicle and method therefor | |
| KR20190095193A (ko) | 인공 지능 시스템의 동작을 관리하는 인공 지능 장치 및 그 방법 | |
| US11482210B2 (en) | Artificial intelligence device capable of controlling other devices based on device information | |
| KR20190094312A (ko) | 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템 | |
| US20200005144A1 (en) | Artificial intelligence server for controlling a plurality of robots using artificial intelligence | |
| KR20190094317A (ko) | 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법 | |
| KR20190094313A (ko) | 인공 지능을 이용하여, 안내 서비스를 제공하는 로봇 및 그의 동작 방법 | |
| KR20190095194A (ko) | 사용자의 동선을 결정하는 인공 지능 장치 및 그 방법 | |
| KR20190095195A (ko) | 사용자의 동선에 기초한 서비스를 제공하는 인공 지능 장치 및 그 방법 | |
| US11927931B2 (en) | Artificial intelligence-based air conditioner | |
| KR20190095190A (ko) | 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| G15R | Request for early publication | ||
| E902 | Notification of reason for refusal |