CN112136006B - 空调及其控制方法 - Google Patents
空调及其控制方法 Download PDFInfo
- Publication number
- CN112136006B CN112136006B CN201980033343.9A CN201980033343A CN112136006B CN 112136006 B CN112136006 B CN 112136006B CN 201980033343 A CN201980033343 A CN 201980033343A CN 112136006 B CN112136006 B CN 112136006B
- Authority
- CN
- China
- Prior art keywords
- user
- air conditioner
- cooling
- tendency
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001816 cooling Methods 0.000 claims abstract description 262
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 36
- 238000005057 refrigeration Methods 0.000 claims 10
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract 1
- 238000010801 machine learning Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 16
- 238000013480 data collection Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013136 deep learning model Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/56—Remote control
- F24F11/58—Remote control using Internet communication
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/65—Electronic processing for selecting an operating mode
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
- G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/40—Pressure, e.g. wind pressure
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/10—Occupancy
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2120/00—Control inputs relating to users or occupants
- F24F2120/20—Feedback from users
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2130/00—Control inputs relating to environmental factors not covered by group F24F2110/00
- F24F2130/10—Weather information or forecasts
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/60—Energy consumption
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Signal Processing (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Fuzzy Systems (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本公开提供了一种空调及其控制方法。空调的控制方法能够获取包括用户状态的用户的语音,将用户的语音发送到外部服务器,从外部服务器接收通过使用基于空调的使用历史确定的用户制冷倾向和用户状态而获取的控制命令,并基于控制命令控制空调。特别地,基于用户制冷倾向获取控制命令的方法的至少一部分可以使用根据机器学习、神经网络和深度学习算法中的至少一种训练的人工智能模型。
Description
技术领域
本公开涉及一种空调及其控制方法,并且更具体地,涉及一种根据基于用户的空调使用历史确定的用户制冷倾向来控制空调的空调及其控制方法。
背景技术
随着生活水平的提高,空调(诸如制冷器)已经成为日常必需品之一。在相关技术中,为了操作这种空调,使用设置在空调主体上的按钮或用于操纵空调的遥控器。
然而,在相关技术中,为了使用设置在空调主体上的按钮来操纵空调,由于用户需要触及空调的外围部分所以不方便,而在使用遥控器来操纵空调的情况下,由于用户需要找到遥控器所以也不方便。
此外,在相关技术中,空调在由用户直接设置的制冷模式的温度和风力下工作而不考虑用户制冷倾向,这导致用户可用性的劣化。
发明内容
技术问题
鉴于上述问题做出本公开,并且本公开的目的是通过基于包括用户状态的用户语音根据用户制冷倾向获得控制命令来控制空调。
技术方案
根据本公开的一个方面,提供了一种用于控制空调的方法,所述方法包括:获得包括用户状态的用户语音;将用户语音发送到外部服务器;从外部服务器接收使用用户状态和基于空调的使用历史确定的用户制冷倾向而获得的控制命令;以及基于控制命令控制空调。
所述控制方法还可以包括:基于在将用户语音发送到外部服务器之前获得的用于控制空调的用户命令,向外部服务器发送关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,并且可以基于发送到外部服务器的关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,在每个预设周期确定用户制冷倾向。
用户制冷倾向可以是多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且所述多个制冷倾向包括根据由用户设置的制冷模式、风力和偏好温度的组合来确定的快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
发送的步骤可以包括:将由空调检测到的感测数据和空调的标识信息与用户语音一起发送到外部服务器。
控制命令可以包括关于基于用户制冷倾向、用户语音、由空调检测到的感测数据、以及关于空调所在区域的天气的信息确定的空调的设置温度、制冷模式和风力的信息。
可以通过将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得控制命令。
接收的步骤可以包括:从外部服务器接收控制命令以及关于与控制命令对应的语音消息的信息,控制方法可以包括:根据控制命令来控制空调,并且输出与控制命令对应的语音消息。
控制方法还可以包括:检测空调的用户,并且发送的步骤可以包括:将关于检测到的用户的信息以及用户语音一起发送到外部服务器。
根据用于实现上面的目的的本公开的另一方面,提供了一种空调,包括:通信器;制冷器;存储器,存储至少一个指令;以及处理器,被配置为电连接到通信器、制冷器和存储器并控制空调,并且通过执行至少一个指令,处理器可以被配置为:基于包括用户状态的用户语音被获得,控制通信器将用户语音发送到外部服务器;经由通信器从外部服务器接收使用用户状态和基于空调的使用历史确定的用户制冷倾向而获得的控制命令;以及基于控制命令控制制冷器。
处理器可以被配置为:基于在将用户语音发送到外部服务器之前获得的用于控制空调的用户命令,控制通信器向外部服务器发送关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,并且可以基于发送到外部服务器的关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,在每个预设周期确定用户制冷倾向。
用户制冷倾向可以是多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且所述多个制冷倾向包括根据由用户设置的制冷模式、风力和偏好温度的组合来确定的快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
空调还可以包括:传感器,被配置为检测空调所在区域的状态,并且处理器可被配置为控制通信器将由传感器检测到的感测数据和空调的标识信息与用户语音一起发送到外部服务器。
控制命令可以包括关于基于用户制冷倾向、用户语音、由空调检测到的感测数据、以及关于空调所在区域的天气的信息确定的空调的设置温度、制冷模式和风力的信息。
可以通过将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得控制命令。
空调还可以包括:输出单元,被配置为输出语音消息,并且处理器可以被配置为从外部服务器接收控制命令以及关于与控制命令对应的语音消息的信息,根据控制命令控制空调,并且控制输出单元输出与控制命令对应的语音消息。
处理器可以被配置为:基于空调的用户被检测到,将关于检测到的用户的信息与用户语音一起发送到外部服务器。
根据本公开的又一方面,提供了一种用于控制外部服务器的方法,所述方法包括:从空调接收包括用户状态的用户语音;获得用于基于用户制冷倾向和用户状态来控制空调的控制命令,其中,用户制冷倾向是基于空调的使用历史被确定的;以及将获得的控制命令发送到空调。
控制方法还可以包括:在将用户语音发送到外部服务器之前,从空调接收关于用户命令、由空调检测到的感测数据的信息以及关于空调所在区域的天气的信息;并且基于关于用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,在每个预设周期确定用户制冷倾向。
用户制冷倾向可以是多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且所述多个制冷倾向包括根据由用户设置的制冷模式、风力和偏好温度的组合来确定的快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
获得的步骤可以包括:通过将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得控制命令。
发明效果
根据上面描述的本公开的各种实施例,用户可在没有单独的操纵装置的情况下通过用户语音控制空调,并且可通过根据用户制冷倾向控制空调来提供针对用户优化的室内环境。
附图说明
图1是示出根据实施例的用于根据使用用户语音的用户制冷倾向来控制空调的空调的使用的示图;
图2a是示意性地示出根据实施例的空调的配置的框图;
图2b是具体示出根据实施例的空调的配置的框图;
图3a是示出根据实施例的外部服务器的配置的框图;
图3b是根据实施例的包括用于通过分析用户制冷倾向来根据用户制冷倾向提供控制命令的模块的框图;
图4和图5是用于示出根据实施例的用于确定用户制冷倾向的方法的示图;
图6和图7是用于示出根据实施例的用于基于用户制冷倾向和用户语音获得控制命令的方法的示图;
图8是用于示出根据另一实施例的使用基于用户制冷倾向训练的人工智能模型来获得控制命令的实施例的序列图;
图9是用于示出根据实施例的用于控制空调的方法的流程图;以及
图10是用于示出根据实施例的用于控制外部服务器的方法的流程图。
具体实施方式
在下文中,将参照附图描述本公开的各种实施例。然而,应当注意,本公开中公开的技术不是为了将本公开的范围限制于特定实施例,而是它们应当被解释为包括本公开的实施例的所有修改、等同和/或替代。关于附图的解释,相似的附图标号可以被用于相似的元件。
在本公开中,诸如“包括”、“可以包括”、“由……组成”或“可以由……组成”的术语在本文中用于指定对应特征(例如,诸如数量、功能、操作或部分的组成元素)的存在,而不排除附加特征的存在。
在本公开中,诸如“A或B”、“A和/或B中的至少一个”或“A和/或B中的一个或更多个”的表述包括所列项目的所有可能组合。例如,“A或B”、“A和B中的至少一个”或“A或B中的至少一个”包括(1)至少一个A、(2)至少一个B或(3)至少一个A和至少一个B中的任何一个。
本公开中使用的表述“第一”、“第二”等可以表示各种元件,而不管顺序和/或重要性如何,并且可以被用于将一个元件与另一个元件区分开,并且不限制元件。
如果描述了特定元件(例如,第一元件)“可操作地或通信地与另一元件(例如,第二元件)结合/结合到另一元件(例如,第二元件)”或“连接到另一元件(例如,第二元件)”,则应当理解,该特定元件可以直接地或通过又一元件(例如,第三元件)连接到另一元件。另一方面,如果描述了特定元件(例如,第一元件)“直接结合到”或“直接连接到”另一元件(例如,第二元件),则可以理解,在特定元件和另一元件之间不存在元件(例如,第三元件)。
此外,根据情况,本公开中使用的表述“被配置为”可以与诸如“适合于”、“具有……的能力”、“被设计为”、“适于”、“被制造为”和“能够”的其他表述互换使用。同时,表述“被配置为”不一定指在硬件方面被“专门设计为”的装置。相反,在一些情况下,表述“被配置为……的装置”可以指“能够”与另一装置或组件一起执行操作的装置。例如,短语“被配置(或设置)为执行A、B和C的单元或处理器”可以指例如但不限于用于执行对应操作的专用处理器(例如,嵌入式处理器)、可以通过执行存储在存储器装置中的一个或更多个软件程序来执行对应操作的通用处理器(例如,中央处理器(CPU)或应用处理器)等。
根据本公开的各种实施例的空调可以指执行空气的诸如制冷、加热、净化等操作的装置,并且可以包括例如住宅空调、空调、安装在天花板上的空调、汽车空调、除湿器、冷空气鼓风机和空气净化器中的至少一个。在本公开中,术语“用户”可以指使用空调的人或使用空调的装置(例如,人工智能电子装置)。
图1是示出根据实施例的用于根据使用用户语音的用户制冷倾向来控制空调的空调的使用的示图。
首先,当发生接收到用于操纵空调100的用户命令的事件时,空调100可将关于该事件的信息发送到外部服务器200。关于事件的信息可包括关于用户命令的信息、关于空调100的信息和由空调100感测到的感测数据中的至少一个。此外,关于事件的信息还可以包括关于检测到的用户的信息、关于空调100所在区域的天气的信息等。
此外,除了接收到用户命令的事件之外,即使在发生其他事件(例如,空调100检测到用户的事件、用户操纵连接到空调100的另一电子装置的事件等)的情况下,空调100也可以发送关于事件的信息。
当输入用户命令时,空调100可以存储关于用户命令的信息,并且在每个预设周期将关于包括与用户命令有关的信息的事件的信息发送到外部服务器200。
外部服务器200可以存储从空调100接收的关于事件的信息。外部服务器200可以基于从空调100接收并存储的关于事件的多条信息(换言之,空调100的使用历史)来确定用户制冷倾向。
具体地,外部服务器200可以基于关于从空调100接收的用户命令的信息、由空调检测到的感测数据以及关于空调所在区域在每个预设周期(例如,1天)的天气的信息来分析用户制冷倾向。
外部服务器200可以在多个制冷倾向中确定与空调100的使用历史对应的制冷倾向。可以通过由用户设置的制冷模式、风力和偏好温度(由用户频繁设置的温度)的组合来确定多个制冷倾向,并且可以包括例如快速普通制冷倾向(或低温高速制冷倾向)、节电普通制冷倾向(或高温高速制冷倾向)、快速无风制冷倾向(或低温低速制冷倾向)和节电无风制冷倾向(或高温低速制冷倾向)。
外部服务器200可以将空调100与用户制冷倾向匹配并存储这些制冷倾向,并将用户制冷倾向发送到空调100。此外,外部服务器200可以分析并存储每个用户的制冷倾向。
如图1所示,空调100可获得包括用户状态的用户语音。用户状态可以指用户当前对天气(诸如温度和湿度)的感受的状态,并且可以包括例如诸如“热”的用户状态。然而,这仅是实施例,并且用户状态可以包括各种状态(诸如“冷”、“非常热”、“非常冷”、“潮湿”、“干燥”等)。
此外,空调100可获得包括用户状态的用户语音,但这仅是实施例,并且空调100可获得指示用户状态的各种用户命令。例如,空调100可以获得各种用户命令(诸如触摸输入、用户的运动、用户的按钮输入等)。
空调100可以将获得的用户语音发送到外部服务器200。空调100可以将获得的用户语音发送到STT服务器以获得与用户语音对应的文本信息,然后将文本信息发送到外部服务器200。
此外,除了用户语音之外,空调100还可将关于空调100的信息和由空调100感测到的感测数据发送到外部服务器200。
外部服务器200可以从空调100接收用户语音和由空调100感测到的感测数据。此外,外部服务器200还可以经由空调100或智能家庭服务服务器接收关于空调100所在区域的天气的信息。
外部服务器200可以基于用户制冷倾向来确定用于控制空调100的控制命令,其中,用户制冷倾向是基于空调100的用户历史和用户语音中包括的用户状态而确定的。具体地,外部服务器200可以存储基于多个制冷倾向和用户状态确定的控制命令,并且外部服务器200可以在存储的控制命令中获得与用户制冷倾向和用户状态对应的控制命令。此外,外部服务器200可以基于空调100当前获得的感测数据来获得控制命令。
外部服务器200可以与控制命令一起获得关于与控制命令对应的语音消息的信息。例如,如果控制命令是“用于将室温降低2度的控制命令”,则外部服务器200可以获得关于“降低2度”的语音消息的信息作为与控制命令对应的语音消息。由外部服务器200获得关于语音消息的信息作为指示控制命令的消息仅是实施例,并且外部服务器200可以获得关于各种类型的消息(例如,文本消息、振动消息等)的信息。
外部服务器200可以将控制命令发送到空调100。外部服务器200可以将语音消息与控制命令一起发送到空调100。
空调100可根据接收到的控制命令执行制冷操作并输出语音消息。例如,空调100可以根据用于将温度从检测到的温度降低2度的控制命令进行操作,并输出“降低2度”的语音消息。
如上所述,空调100可根据用户制冷倾向执行与用户状态对应的操作,以向用户提供优化的制冷服务。
此外,根据本公开的另一实施例,空调100可使用基于用户对空调100的使用历史训练的人工智能模型来获得控制命令。
具体地,当输入用户命令时,空调100可以将关于用户命令的信息和由空调100检测到的感测数据发送到外部服务器200。外部服务器200可以基于关于用户命令的信息和由空调100检测到的感测数据来训练人工智能模型。换言之,可以基于用户的空调100的使用历史来训练人工智能模型。
当接收到包括用户状态的用户语音时,空调100可以将接收到的用户语音发送到外部服务器200。然后,空调100可以通过将用户状态输入到训练的人工智能模型来获得用于控制空调100的控制命令。
外部服务器200可以将获得的控制命令发送到空调100,并且空调100可以基于接收到的控制命令执行制冷操作。
上面的实施例中提到的人工智能模型可以指基于人工智能算法训练的人工智能模型,并且可以是例如基于神经网络的模型。训练的人工智能模型可以被设计为在计算机上模拟人类的脑结构,并且可以包括多个网络节点,所述多个网络节点包括权重并且模拟人类的神经网络的神经元。多个网络节点可形成彼此的连接以模拟突触活动,因为神经元通过突触来发送和接收信号。此外,训练的人工智能模型可包括(例如)神经网络模型或从神经网络模型开发的深度学习模型。在深度学习模型中,多个网络节点可以位于彼此不同的深度(或层上),并且可以根据卷积连接来发送和接收数据。训练的人工智能模型的示例可以包括深度神经网络(DNN)、递归神经网络(RNN)和双向递归深度神经网络(BRDNN),但不限于此。
为了根据用户制冷倾向获得控制命令,人工智能专用程序(或人工智能代理)可以使用个人助理程序。个人助理程序可以指用于基于人工智能(AI)提供服务的专用程序,并且可以由相关技术的通用处理器(例如,CPU)或单独的AI专用处理器(例如,GPU)执行。
在上面描述的实施例中,描述了空调100与外部服务器200相关联地操作,但是这仅是实施例,并且空调100可以通过自身来分析并存储用户制冷倾向,或者存储根据用户制冷倾向的人工智能模型。
图2a是示意性地示出根据实施例的空调100的配置的框图。参照图2a,空调100可包括通信器110、制冷器120、存储器130和处理器140。图2a中所示的配置是用于实现本公开的实施例的示例,并且对于本领域技术人员显而易见的合适的硬件/软件配置可以被另外包括在空调100中,或者可以省略图2a中所示的配置。
通信器110可以使用各种通信方法与其他外部装置通信。具体地,通信器110可以将关于包括关于用户命令的信息的事件的信息和包括用户状态的用户语音发送到外部服务器200。此外,通信器110可以从外部服务器200接收基于用户制冷倾向确定的控制命令。此外,通信器110可以与外部电子装置或遥控器通信。通信器110可以经由遥控器等接收用户语音或用户命令。
具体地,通信器110可以根据各种类型的通信方法与各种类型的外部装置通信。通信器110可以包括Wi-Fi芯片、蓝牙芯片、无线通信芯片、IR芯片和Zigbee芯片中的至少一个。处理器130可以通过使用通信器110与外部装置或各种其他外部装置通信。此外,通信器110可以经由诸如Wi-Fi芯片等的各种通信芯片与外部服务器200通信。
制冷器120可执行空调100的制冷操作。制冷器120可根据经由遥控器或设置在空调100上的按钮输入的用户命令来执行制冷操作。此外,制冷器120可根据从空调100中包括的麦克风或连接到空调100的装置中包括的麦克风输入的用户语音来执行制冷操作。
制冷器120可基于根据用户命令或用户语音设置的温度、风力、制冷模式和潮湿状态来执行制冷操作。此外,制冷器120不仅可包括空调100的室内单元,还可包括外部单元。
存储器130可存储与空调100的其他元件中的至少一个相关的指令或数据。特别地,存储器130可以被实现为非易失性存储器、易失性存储器、闪存、硬盘驱动器(HDD)或固态驱动器(SSD)。存储器130可以由处理器140访问,并且可以执行处理器140对数据的读取、记录、编辑、删除或更新。本公开中的术语存储器可以包括存储器130、处理器140中的ROM(未示出)和RAM(未示出)或安装在空调100上的存储卡(未示出)(例如,微型SD卡或记忆棒)。
具体地,存储器130可以存储人工智能专用程序。人工智能专用程序可以指被个性化以提供关于空调100的各种服务的程序。
处理器140可以电连接到通信器110、制冷器120和存储器130,以控制空调100的通用操作和功能。具体地,处理器140可使用存储在存储器130中的各种程序(或指令)来获得与用户倾向对应的控制命令,并且根据所获得的控制命令来控制空调100执行制冷操作。
具体地,当获得包括用户状态的用户语音时,处理器140可以控制通信器110将用户语音发送到外部服务器200。处理器140可以经由通信器110从外部服务器200接收通过使用基于空调100的使用历史确定的用户制冷倾向和用户状态而获得的控制命令。处理器140可以基于控制命令来控制制冷器120。
特别地,当在将用户语音发送到外部服务器200之前获得用于控制空调100的用户命令时,处理器140可以控制通信器110将关于用户命令的信息、由空调100检测到的感测数据以及关于空调100所在区域的天气的信息发送到外部服务器200。换言之,处理器140可以将关于外部服务器200用于确定用户制冷倾向的空调100的使用历史的信息发送到外部服务器200。
可以基于关于发送到外部服务器200的用户命令的信息、由空调100检测到的感测数据以及关于每个预设周期的空调所在区域的天气的信息来确定用户制冷倾向。
此外,用户制冷倾向可以指多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且可以利用由用户设置的制冷模式、风力和偏好温度的组合来确定多个制冷倾向。例如,多个制冷倾向可以包括快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
此外,处理器140可以控制通信器110将由空调100检测到的感测数据和空调100的识别信息与用户语音一起发送到外部服务器200。
此外,处理器140可以经由通信器110从外部服务器200接收与用户制冷倾向对应的控制命令。控制命令可以包括关于基于用户制冷倾向、用户语音、由空调100检测到的感测数据确定的空调的设置温度、制冷模式和风力的信息,以及关于空调所在区域的天气的信息。根据本公开的另一实施例,可以通过将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得控制命令。
此外,处理器140可以经由通信器110从外部服务器接收控制命令和关于与控制命令对应的语音消息的信息。处理器140可以根据控制命令控制制冷器130并输出与控制命令对应的语音消息。
图2b是具体示出根据实施例的空调的配置的框图。参照图2b,空调100可包括通信器110、制冷器120、存储器130、传感器150、输出单元160、麦克风170、输入单元180和处理器140。此外,已经在图2a中描述了通信器110、制冷器120、存储器130和处理器140,因此将不再重复重叠的描述。
传感器150可获得空调100所在区域的各种信息。参照图2b,传感器150可以包括温度传感器151、湿度传感器152等,但这仅是实施例,并且传感器150还可以包括各种传感器(例如,用于检测用户的存在的IR传感器、接近传感器、相机等)。
输出单元160可输出由空调100提供的消息。参照图2b,输出单元160可以包括用于提供语音消息的扬声器161、用于提供视觉消息的显示器162和LED 163等,但不限于此。
麦克风170可以被设置在空调100中作为用于获得用户语音的元件,但这仅是实施例,并且麦克风170可以被设置在空调100的外部并电连接到空调100。
输入单元180可以接收用户命令并将用户命令发送到处理器140。输入单元180可以包括触摸传感器、(数字)笔传感器、压力传感器、键等。触摸传感器可以使用例如静电型、压敏型、红外型或超声型中的至少一种类型。(数字)笔传感器可以是例如触摸面板的一部分,或者可以包括用于识别的单独片材。键可以包括例如物理按钮、光学键或小键盘。
图3a是示出根据实施例的外部服务器的配置的框图。参照图3a,外部服务器200可以包括通信器210、存储器220和处理器230。图3a中所示的配置是用于实现本公开的实施例的示例,并且对于本领域技术人员显而易见的合适的硬件/软件配置可以被另外包括到外部服务器200,或者可以省略图3a中所示的配置。此外,根据本公开的实施例,外部服务器200可以被实现为在外部实现的服务器,但这仅是实施例,并且外部服务器200可以被实现为设置在家中的电子装置中的一个(例如,家庭网关、TV等)。
通信器210可与空调100通信。特别地,通信器210可以从空调100接收关于包括关于用户命令的信息(或空调的使用历史信息)的事件的信息,并且接收包括用户状态的关于用户语音的信息。此外,通信器210可以将根据用户制冷倾向确定的控制命令发送到空调100。特别地,通信器210可根据各种类型的通信方法与各种类型的空调100通信。通信器210可以包括Wi-Fi芯片、蓝牙芯片和无线通信芯片中的至少一个。
存储器220可以存储与外部服务器200的至少一个其他元件相关的指令或数据。特别地,存储器220可以被实现为非易失性存储器、易失性存储器、闪存、硬盘驱动器(HDD)或固态驱动器(SSD)。存储器220可以由处理器230访问,并且可以执行处理器230对数据的读取、记录、编辑、删除或更新。本公开中的术语存储器可以包括存储器220、处理器230中的ROM(未示出)和RAM(未示出)或安装在外部服务器200上的存储卡(未示出)(例如,微型SD卡或记忆棒)。
特别地,存储器220可以存储与空调(或用户)对应的制冷倾向。此外,存储器220可以存储包括与制冷倾向和用户状态匹配的控制命令的匹配表。此外,存储器220可以存储人工智能模型。人工智能模型可以指基于空调100的使用历史训练的模型,并且可以通过将关于用户状态的信息输入到人工智能模型来获得用于控制空调100的控制命令。
存储器220可以包括用于通过分析图3b所示的用户制冷倾向来根据用户制冷倾向提供控制命令的各种模块。
处理器230(或控制器)可以使用存储在存储器220中的各种程序来控制外部服务器200的通用操作。具体地,处理器230可通过接收从空调100接收的关于用户命令的信息、由空调100检测到的感测数据以及关于空调100所在区域的天气的信息来获得使用空调100的用户制冷倾向。换言之,处理器230可以基于空调100的使用历史来确定用户制冷倾向。处理器230可以在每个预设周期(例如,1天)基于空调100的使用历史来确定用户制冷倾向。
处理器230可确定多个制冷倾向中与空调100的使用历史对应的制冷倾向。特别地,多个制冷倾向可以包括快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
处理器230可将关于空调100的信息和与空调100对应的制冷倾向进行匹配并存储这些制冷倾向。
然后,处理器230可以经由通信器210从空调100接收包括用户状态的用户语音。
处理器230可基于根据空调100的使用历史和用户状态确定的用户制冷倾向来获得用于控制空调100的控制命令。在实施例中,处理器230可以通过使用匹配表来获得用户语音的控制命令,在该匹配表中,控制命令与制冷倾向和用户状态匹配并被存储。在另一实施例中,处理器230可以通过将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得控制命令。
处理器230可以控制通信器210将获得的控制命令发送到空调100。
图3b是根据实施例的包括用于通过分析用户制冷倾向来根据用户制冷倾向提供控制命令的模块的框图。参照图3b,外部服务器200可以包括数据收集模块310、用户制冷倾向分析模块320、语音识别模块330、控制命令获得模块340和语音消息获得模块350。
数据收集模块310可以收集从空调100接收的数据。数据收集模块310可从空调100获得关于接收的事件的信息。关于事件的信息可以包括关于用户命令(例如,由用户设置的偏好温度、由用户设置的风力、由用户设置的模式等)的信息、由空调100检测到的感测数据、关于空调100所在区域的天气的信息等。
数据收集模块310可基于空调100收集数据,但这仅是实施例,并且数据收集模块310可基于空调100的用户收集数据。
用户制冷倾向分析模块320可以基于由数据收集模块310收集的数据(即,空调100的使用历史)来分析用户制冷倾向。
用户制冷倾向可以是多个制冷倾向中的一个。可以利用由用户设置的制冷模式、风力和偏好温度的组合来对多个制冷倾向进行分类。
具体地,用户制冷倾向分析模块320可以基于用户设置的制冷模式、风力等来确定制冷强度。制冷强度可以指空调100的制冷性能。在需要强制冷性能的制冷模式(例如,快速制冷模式)中或在风力强时,制冷强度可增加,并且在需要弱制冷性能的制冷模式(例如,节电制冷模式)中或在风力弱时,制冷强度可降低。此外,制冷强度可以与空调100的功耗有关。用户制冷倾向分析模块320可以基于确定的制冷强度和用户偏好的偏好温度来确定多个制冷倾向中的一个。多个制冷倾向可以包括快速普通制冷倾向、快速无风制冷倾向、节电普通制冷倾向和节电无风制冷倾向。
语音识别模块330可以将从空调100接收的用户语音转换为文本。此外,语音识别模块330可以执行关于接收到的用户语音的自然语言处理操作和自然语言理解操作。
控制命令获得模块340可以基于经由用户制冷倾向分析模块320分析的用户制冷倾向来获得用户语音的控制命令。具体地,控制命令获得模块340可以存储匹配表,在该匹配表中,控制命令与用户语音中包括并存储的用户制冷倾向和用户状态匹配。控制命令获得模块340可以通过使用匹配表来获得与用户语音中包括的用户状态和用户制冷倾向对应的控制命令。
语音消息获得模块350可以获得与获得的控制命令对应的语音消息。语音消息可以指将由空调100输出的语音消息,并且可以包括关于控制命令(例如,设置温度、风力、制冷模式等)的信息。
此外,在上面的实施例中,描述了实现一个外部服务器200,但是这仅是实施例,并且可以实现多个外部服务器200。例如,语音识别模块330可以被实现为单独的服务器,并且数据收集模块310也可以被实现为单独的服务器。
在下文中,参照图4至图7,将详细描述空调100和外部服务器200通过确定用户制冷倾向来提供与用户语音对应的控制命令的实施例。
图4和图5是用于示出根据实施例的用于确定用户制冷倾向的方法的示图。
首先,空调100可检测到发生了接收到用于操纵空调100的用户命令的事件(S410)。例如,当用户输入用于设置空调100的偏好温度、风力、制冷模式、睡眠模式设置等的用户命令时,空调100可检测到发生了接收到用户命令的事件。
此外,空调100可在从检测到事件发生的时间点起的预定时间段内检测感测数据。
此外,空调100可以检测房屋中的多个用户中已经输入用户命令的用户。此时,空调100可通过分析由包括在空调100中的相机或电连接到空调100的电子装置捕获的图像来检测用户,并且可通过各种信息(诸如用户发出的语音、用户输入的识别信息等)来检测已经输入用户命令的用户。
空调100可以将关于事件的信息发送到服务器200(S420)。关于事件的信息可以指关于空调100的使用历史的信息,并且可以包括关于用户命令的信息(例如,关于由用户设置的偏好温度、风力、制冷模式等的信息)、由空调100检测到的感测数据(例如,温度数据、湿度数据等)等。根据又一实施例,关于事件的信息可包括空调100的标识信息(例如,空调100的型号名称、产品号、制造商、MAC地址等)。关于事件的信息还可以包括关于由空调100检测到的用户的信息。关于事件的信息还可以包括关于空调100所在区域的天气的信息。
服务器200可以基于关于事件的信息来分析用户制冷倾向(S430)。
具体地,服务器200可以基于从空调100接收的关于事件的信息来分析用户制冷倾向。可以在每个预设周期(例如,1天)更新用户制冷倾向,并且可以通过将权重应用于关于最近接收到的事件的多条信息来分析用户制冷倾向。
特别地,服务器200可以基于包括在关于事件的信息中的由用户设置的制冷模式、风力等来确定制冷强度。制冷强度可以指空调100的制冷性能,并且可以与空调100的功耗有关。用户制冷倾向分析模块320可以基于所确定的制冷强度和用户优选的偏好温度来确定多个制冷倾向中的一个。
多个制冷倾向可以包括快速普通制冷倾向、快速无风制冷倾向、节电普通制冷倾向和节电无风制冷倾向。具体地,参照图5,如果频繁输入用户的低偏好温度和高制冷强度的用户命令,则服务器200可以将用户制冷倾向确定为快速普通制冷倾向510,如果频繁输入用户的低偏好温度和低制冷强度的用户命令,则服务器200可以将用户制冷倾向确定为快速无风制冷倾向520。如果频繁输入用户的高偏好温度和高制冷强度的用户命令,则服务器200可以将用户制冷倾向确定为节电普通制冷倾向530,并且如果频繁输入用户的高偏好温度和低制冷强度的用户命令,则服务器200可以将用户制冷倾向确定为节电无风制冷倾向540。此外,如果用户的偏好温度和制冷强度大致处于中等级别,则服务器200可以将用户制冷倾向确定为普通制冷倾向550。
可以由制造商或服务提供商设置作为用于划分多个制冷倾向的标准的制冷强度和偏好温度,但这仅是实施例,并且这些可以通过从多个空调接收的多条信息被设置。
服务器200可将使用空调100的用户制冷倾向与空调100匹配并存储这些制冷倾向。服务器200可以将制冷倾向与空调100匹配并存储这些制冷倾向,但是这仅是实施例,并且服务器200可以针对使用空调100的每个用户匹配制冷倾向并存储这些制冷倾向。
图6和图7是用于示出根据实施例的用于基于用户制冷倾向和用户语音获得控制命令的方法的示图。
空调100可接收用户语音(S610)。用户语音可以包括指示用户状态的文本。例如,用户语音可以包括用户当前感觉温度的状态(诸如“热”)。
空调100可以将用户语音和感测数据发送到服务器200(S620)。具体地,空调100不仅可以将用户语音发送到空调100,而且还可以将基于用户语音被输入的点在预定时间段内收集的感测数据发送到空调100。此外,空调100可检测发出用户语音的用户、发送关于检测到的用户的信息、并且还发送空调100所在区域的天气的数据。
服务器200可以基于用户语音、感测数据、天气数据和制冷倾向来确定控制命令(S630)。具体地,服务器200可以存储匹配表,该匹配表是通过将用户说出的用户状态、用户制冷倾向、当前温度状态、语音消息和控制命令彼此匹配而存储的。例如,参照图7,服务器200可以将用户说出的用户状态710、当前温度状态720、用户制冷倾向730、语音消息740和控制命令750彼此匹配并存储这些用户状态710、当前温度状态720、用户制冷倾向730、语音消息740和控制命令750。
在示例中,当用户说出包括诸如“非常热”的用户状态的语音时,服务器200可以确定用于将制冷模式设置为“快速制冷模式”的控制命令,而不管用户的设置温度、偏好温度和制冷倾向如何。在另一示例中,当用户说出诸如“热”的语音,设置温度高于偏好温度,并且用户制冷倾向是高温和高速制冷时,服务器200可以确定用于将温度降低“设置温度和偏好温度之间的差”并增强风力的控制命令。在又一示例中,当用户说出诸如“冷”的语音,设置温度高于偏好温度,并且用户制冷倾向是低温和低速制冷时,服务器200可以确定用于将制冷模式改变为“无风模式”的控制命令。在又一示例中,当用户说出诸如“非常冷”的语音时,服务器200可以确定用于将用户的制冷模式设置为“无风模式”的控制命令,而不管用户的设置温度、偏好温度和制冷倾向如何。
服务器200可以获得与控制命令对应的语音消息(S640)。具体地,服务器200可以获得与通过使用如图7所示的匹配表获得的控制命令对应的语音消息。例如,当用户发出包括诸如“非常热”的用户状态的语音时,服务器200可以获得诸如“改变为快速制冷的速度操作”的语音消息作为与控制命令对应的语音消息。
服务器200可以将获得的控制命令和语音消息发送到空调100(S650)。
空调100可根据控制命令执行制冷操作(S660)。例如,空调100可以通过基于控制命令中包括的设置温度、风力、制冷模式等控制制冷器120来执行制冷操作。
空调100可以输出与控制命令对应的语音消息(S670)。输出语音消息以提供关于控制命令的信息仅是实施例,并且语音消息可以被实现为与控制命令对应的各种类型的语音消息(例如,视觉消息、触觉消息等)。
此外,图7所示的匹配表仅是实施例,并且可以被实现为不同形式的匹配表。例如,包括在由用户说出的语音中的用户状态不仅限于“非常热”、“热”、“冷”和“非常冷”,而且还包括各种形式的用户状态(诸如“热”、“很热”、“很冷”等)。服务器200(或空调100)可以通过经由自然语言理解对用户语音进行处理来获得与用户状态对应的控制命令。
图8是用于示出根据另一实施例的使用基于用户制冷倾向训练的人工智能模型来获得控制命令的实施例的序列图。
空调100可检测接收到用于操纵空调的用户命令的事件(S810)。例如,当用户输入用于设置空调100的偏好温度、风力、制冷模式、睡眠模式设置等的用户命令时,空调100可检测到接收到用户命令的事件的发生。此外,空调100可在从检测到事件发生的时间点起的预定时间段内检测感测数据。
空调100可以将关于事件的信息发送到服务器200(S820)。关于事件的信息可以指关于用户对空调100的使用历史的信息,并且可以包括关于用户命令的信息(例如,关于用户设置的偏好温度、风力、制冷模式等的信息)、由空调100检测到的感测数据(例如,温度数据、湿度数据等)等。
服务器200可以基于接收到的关于事件的信息来训练人工智能模型(S830)。服务器200可以通过将接收到的关于事件中包括的用户的信息输入到人工智能模型来训练人工智能模型,使得人工智能模型根据用户制冷倾向输出控制命令。
空调100可获得用户语音(S840)。用户语音可以包括指示用户状态的文本。例如,用户语音可以包括用户感觉温度的状态(诸如“热”)。
空调100可以将用户语音发送到服务器200(S850)。空调100不仅可以将用户语音发送到空调100,而且还可以将基于用户语音被输入的时间点在预定时间段内收集的感测数据发送到空调100。
服务器200可以通过将用户语音输入到人工智能模型来获得控制命令(S860)。具体地,服务器200可以通过根据用户的使用历史将用户语音输入到基于用户制冷倾向训练的人工智能模型来获得与用户语音中包括的用户状态对应的控制命令。
服务器200可以将获得的控制命令发送到空调100(S870)。服务器200可以将控制命令以及与控制命令对应的语音消息一起发送到空调100。
空调100可根据控制命令执行制冷操作(S880)。具体地,空调100可以通过基于控制命令中包括的设置温度、风力、制冷模式等控制制冷器120来执行制冷操作。此外,空调100可以在根据控制命令执行制冷操作时输出语音消息。
图9是用于示出根据实施例的用于控制空调的方法的流程图。
空调100可以获得包括用户状态的用户语音(S910)。
空调100可以将用户语音发送到外部服务器200(S920)。空调100可将用户语音与由空调100检测到的感测数据一起发送。
空调100可接收使用用户状态和基于空调100的使用历史确定的用户制冷倾向而获得的控制命令(S930)。可以基于在将用户语音发送到外部服务器200之前发送到外部服务器200的关于用于控制空调100的用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,按照每个预设周期确定用户制冷倾向。
空调100可根据控制命令控制空调(S940)。
图10是用于示出根据实施例的用于控制外部服务器的方法的流程图。
外部服务器200可以接收包括用户状态的用户语音(S1010)。
外部服务器200可以使用用户状态和基于空调100的使用历史确定的用户制冷倾向来获得控制命令(S1020)。如图4和图5所示,外部服务器200可以确定用户制冷倾向,并且如图6和图7所示,可以基于确定的用户制冷倾向和使用状态来确定控制命令。
外部服务器200可以将控制命令发送到空调100(S1030)。
根据上面描述的公开的各种实施例,用户可在没有单独的操纵装置的情况下通过用户语音控制空调,并且可通过根据用户制冷倾向控制空调来提供针对用户优化的室内环境。
本公开的各种实施例可以被实现为包括存储在机器(例如,计算机)可读存储介质中的指令的软件。机器是调用存储在存储介质中的指令并根据调用的指令操作的装置,并且可以包括根据公开的实施例的电子装置(例如,空调100)。在指令由处理器执行的情况下,处理器可以直接执行与指令对应的功能或在处理器的控制下使用其他元件来执行与指令对应的功能。指令可以包括由编译器制作的代码或可由解释器执行的代码。机器可读存储介质可以以非暂时性存储介质的形式被提供。这里,“非暂时性”存储介质是有形的并且可以不包括信号,并且它不区分数据被半永久地或临时地存储在存储介质中。
根据实施例,可在计算机程序产品中提供将被包括的根据本公开的各种实施例的方法。计算机程序产品可作为商用产品在销售者和购买者之间进行交易。可以以机器可读存储介质(例如,紧凑盘只读存储器(CD-ROM))的形式来发布计算机程序产品,或者可通过应用商店(例如,PlayStoreTM)在线发布计算机程序产品。在在线发布的情况下,计算机程序产品的至少一部分可以至少临时存储或临时产生在存储介质(诸如制造商的服务器、应用商店的服务器或转发服务器的存储器)中。
根据上面描述的各种实施例的每个元件(例如,模块或程序)可以包括单个实体或多个实体,并且在各种实施例中可以省略上述子元件中的一些子元件,或者还可以包括其他子元件。可选地或另外地,一些元件(例如,模块或程序)可以被集成到一个实体中,以执行在集成之前由每个相应元件执行的相同或相似的功能。根据各种实施例,可以顺序地、并行地、重复地或启发式地执行由模块、程序或其他元件执行的操作,或者可以以不同的顺序执行、省略至少一些操作或者可以添加不同的操作。
Claims (15)
1.一种用于控制空调的方法,所述方法包括:
获得包括与天气对应的用户状态的用户语音;
将用户语音发送到外部服务器;
从外部服务器接收使用用户状态和基于空调的使用历史确定的用户制冷倾向而获得的控制命令;以及
基于控制命令控制空调,
其中,用户制冷倾向是使用由用户设置的制冷模式、风力和偏好温度的组合来确定的多个制冷倾向中的一个制冷倾向。
2.根据权利要求1所述的控制方法,还包括:
基于在将用户语音发送到外部服务器之前获得的用于控制空调的用户命令,向外部服务器发送关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,
其中,用户制冷倾向是基于发送到外部服务器的关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息在每个预设周期被确定的。
3.根据权利要求2所述的控制方法,其中,用户制冷倾向是所述多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且
其中,所述多个制冷倾向包括快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
4.根据权利要求1所述的控制方法,其中,发送的步骤包括:将由空调检测到的感测数据和空调的标识信息与用户语音一起发送到外部服务器。
5.根据权利要求3所述的控制方法,其中,控制命令包括关于基于用户制冷倾向、用户语音、由空调检测到的感测数据、以及关于空调所在区域的天气的信息确定的空调的设置温度、制冷模式和风力的信息。
6.根据权利要求1所述的控制方法,其中,控制命令是通过将用户语音输入到基于用户制冷倾向训练的人工智能模型而获得的。
7.根据权利要求1所述的控制方法,其中,接收的步骤包括:从外部服务器接收控制命令以及关于与控制命令对应的语音消息的信息,
其中,控制的步骤包括:根据控制命令来控制空调,并且输出与控制命令对应的语音消息。
8.根据权利要求1所述的控制方法,还包括:
检测空调的用户,
其中,发送的步骤包括:将关于检测到的用户的信息与用户语音一发送到外部服务器。
9.一种空调,包括:
通信器;
制冷器;
存储器,存储至少一个指令;以及
处理器,被配置为电连接到通信器、制冷器和存储器并控制空调,
其中,通过执行至少一个指令,处理器被配置为:
基于包括与天气对应的用户状态的用户语音被获得,控制通信器将用户语音发送到外部服务器;
经由通信器从外部服务器接收使用用户状态和基于空调的使用历史确定的用户制冷倾向而获得的控制命令;以及
基于控制命令控制制冷器,
其中,用户制冷倾向是使用由用户设置的制冷模式、风力和偏好温度的组合来确定的多个制冷倾向中的一个制冷倾向。
10.根据权利要求9所述的空调,其中,处理器被配置为:基于在将用户语音发送到外部服务器之前获得的用于控制空调的用户命令,控制通信器向外部服务器发送关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息,以及
其中,用户制冷倾向是基于发送到外部服务器的关于所述用户命令的信息、由空调检测到的感测数据以及关于空调所在区域的天气的信息在每个预设周期被确定的。
11.根据权利要求10所述的空调,其中,用户制冷倾向是所述多个制冷倾向中的与空调的使用历史对应的制冷倾向,并且
其中,所述多个制冷倾向包括快速普通制冷倾向、节电普通制冷倾向、快速无风制冷倾向和节电无风制冷倾向。
12.根据权利要求9所述的空调,还包括:
传感器,被配置为检测空调所在区域的状态,
其中,处理器被配置为控制通信器将由传感器检测到的感测数据和空调的标识信息与用户语音一起发送到外部服务器。
13.根据权利要求12所述的空调,其中,控制命令包括关于基于用户制冷倾向、用户语音、由空调检测到的感测数据、以及关于空调所在区域的天气的信息确定的空调的设置温度、制冷模式和风力的信息。
14.根据权利要求9所述的空调,其中,控制命令是通过将用户语音输入到基于用户制冷倾向训练的人工智能模型而获得的。
15.根据权利要求9所述的空调,还包括:
输出单元,被配置为输出语音消息,
其中,处理器被配置为从外部服务器接收控制命令以及关于与控制命令对应的语音消息的信息,根据控制命令控制空调,并且控制输出单元输出与控制命令对应的语音消息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180057458A KR102458336B1 (ko) | 2018-05-18 | 2018-05-18 | 공기 조화 장치 및 이의 제어 방법 |
KR10-2018-0057458 | 2018-05-18 | ||
PCT/KR2019/005772 WO2019221479A1 (ko) | 2018-05-18 | 2019-05-14 | 공기 조화 장치 및 이의 제어 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112136006A CN112136006A (zh) | 2020-12-25 |
CN112136006B true CN112136006B (zh) | 2023-01-17 |
Family
ID=68540472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980033343.9A Active CN112136006B (zh) | 2018-05-18 | 2019-05-14 | 空调及其控制方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11530836B2 (zh) |
EP (1) | EP3770522A4 (zh) |
KR (1) | KR102458336B1 (zh) |
CN (1) | CN112136006B (zh) |
WO (1) | WO2019221479A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111121218A (zh) * | 2019-12-18 | 2020-05-08 | 珠海格力电器股份有限公司 | 一种基于声纹识别的空调控制方法、计算机可读存储介质及空调 |
CN112856727A (zh) * | 2021-01-21 | 2021-05-28 | 广州三星通信技术研究有限公司 | 用于控制电子装置的方法和设备 |
CN113059982A (zh) * | 2021-04-13 | 2021-07-02 | 中国第一汽车股份有限公司 | 一种车辆温度调节的方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB320456A (en) * | 1928-08-16 | 1929-10-17 | Henry John Spooner | Improvements in and relating to windows, to make them sound-excluding and ventilating |
JPH06193912A (ja) * | 1992-12-22 | 1994-07-15 | Hitachi Ltd | 能動形消音装置を用いた空気調和室外機 |
JP2011017508A (ja) * | 2009-07-10 | 2011-01-27 | Optim Corp | 空調機器制御装置、方法、プログラム |
CN103714816A (zh) * | 2012-09-28 | 2014-04-09 | 三星电子株式会社 | 电子装置、服务器及其控制方法 |
CN203964256U (zh) * | 2013-12-25 | 2014-11-26 | 珠海格力电器股份有限公司 | 空调控制系统 |
JP2014224619A (ja) * | 2013-05-15 | 2014-12-04 | 富士電機株式会社 | 空気調和機の制御装置および空気調和機の制御方法 |
JP2015195035A (ja) * | 2015-05-07 | 2015-11-05 | シャープ株式会社 | 制御装置、および制御方法 |
CN106031129A (zh) * | 2013-12-11 | 2016-10-12 | 霍尼韦尔国际公司 | 建筑物自动化控制系统 |
CN106796043A (zh) * | 2014-08-25 | 2017-05-31 | 三星电子株式会社 | 温度控制方法和装置 |
CN107449109A (zh) * | 2017-07-20 | 2017-12-08 | 广东美的制冷设备有限公司 | 空调器语音控制方法、装置、空调器及可读存储介质 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09189427A (ja) | 1996-01-10 | 1997-07-22 | Sekisui Chem Co Ltd | 空気調和装置及び建物の壁体構造 |
KR20080096239A (ko) | 2007-04-27 | 2008-10-30 | 정장오 | 주방tv 및 홈네트워크시스템 및 가전기기를 음성으로제어하는 음성인식 네트워크주방tv시스템. |
CA2678713C (en) * | 2008-09-15 | 2016-12-20 | Johnson Controls Technology Company | Airflow adjustment user interfaces |
US9073405B2 (en) | 2011-07-14 | 2015-07-07 | Sk Planet Co., Ltd. | Apparatus and method for a telematics service |
CN102748833A (zh) | 2012-07-13 | 2012-10-24 | 海尔集团公司 | 语音控制电器设备的方法、装置以及服务器 |
KR102102246B1 (ko) * | 2012-12-18 | 2020-04-22 | 삼성전자주식회사 | 홈 네트워크 시스템에서 홈 디바이스를 원격으로 제어하는 방법 및 장치 |
KR20140089863A (ko) | 2013-01-07 | 2014-07-16 | 삼성전자주식회사 | 디스플레이 장치, 및 이의 제어 방법, 그리고 음성 인식 시스템의 디스플레이 장치 제어 방법 |
KR102127384B1 (ko) * | 2013-08-02 | 2020-06-26 | 엘지전자 주식회사 | 공기조화장치 및 이의 제어방법 |
KR102188090B1 (ko) | 2013-12-11 | 2020-12-04 | 엘지전자 주식회사 | 스마트 가전제품, 그 작동방법 및 스마트 가전제품을 이용한 음성인식 시스템 |
KR101551028B1 (ko) | 2013-12-26 | 2015-09-07 | 현대자동차주식회사 | 에너지 절약형 자동 공조 제어시스템 및 방법 |
JP2016083984A (ja) | 2014-10-24 | 2016-05-19 | スタンレー電気株式会社 | 車載空調装置の操作装置、車載空調システム |
KR20160146389A (ko) | 2015-06-12 | 2016-12-21 | 삼성전자주식회사 | 댁 내 기기를 제어하는 방법 및 이를 위한 장치 |
KR101670610B1 (ko) * | 2015-09-18 | 2016-10-28 | 주식회사 나노켐 | 사용자 패턴 분석에 따른 사물 인터넷 실내 온도 조절 서버 |
KR102453603B1 (ko) * | 2015-11-10 | 2022-10-12 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
KR20170073175A (ko) * | 2015-12-18 | 2017-06-28 | 주식회사 나노켐 | 스마트 보일러 컨트롤 시스템 |
KR102344021B1 (ko) | 2015-12-23 | 2021-12-28 | 삼성전자주식회사 | 디바이스를 제어하는 방법 및 장치 |
KR102550358B1 (ko) * | 2016-11-02 | 2023-07-03 | 엘지전자 주식회사 | 인공지능 공기청정기 및 그 제어방법 |
CN106871366B (zh) * | 2017-03-09 | 2019-04-30 | 美的集团股份有限公司 | 空调器的运行控制方法、装置和空调系统 |
KR101835085B1 (ko) | 2017-12-08 | 2018-03-08 | 엘토브시스템 주식회사 | 스마트 홈 네트워크 시스템 |
-
2018
- 2018-05-18 KR KR1020180057458A patent/KR102458336B1/ko active IP Right Grant
-
2019
- 2019-05-14 CN CN201980033343.9A patent/CN112136006B/zh active Active
- 2019-05-14 US US17/050,984 patent/US11530836B2/en active Active
- 2019-05-14 WO PCT/KR2019/005772 patent/WO2019221479A1/ko unknown
- 2019-05-14 EP EP19804010.7A patent/EP3770522A4/en active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB320456A (en) * | 1928-08-16 | 1929-10-17 | Henry John Spooner | Improvements in and relating to windows, to make them sound-excluding and ventilating |
JPH06193912A (ja) * | 1992-12-22 | 1994-07-15 | Hitachi Ltd | 能動形消音装置を用いた空気調和室外機 |
JP2011017508A (ja) * | 2009-07-10 | 2011-01-27 | Optim Corp | 空調機器制御装置、方法、プログラム |
CN103714816A (zh) * | 2012-09-28 | 2014-04-09 | 三星电子株式会社 | 电子装置、服务器及其控制方法 |
JP2014224619A (ja) * | 2013-05-15 | 2014-12-04 | 富士電機株式会社 | 空気調和機の制御装置および空気調和機の制御方法 |
CN106031129A (zh) * | 2013-12-11 | 2016-10-12 | 霍尼韦尔国际公司 | 建筑物自动化控制系统 |
CN203964256U (zh) * | 2013-12-25 | 2014-11-26 | 珠海格力电器股份有限公司 | 空调控制系统 |
CN106796043A (zh) * | 2014-08-25 | 2017-05-31 | 三星电子株式会社 | 温度控制方法和装置 |
JP2015195035A (ja) * | 2015-05-07 | 2015-11-05 | シャープ株式会社 | 制御装置、および制御方法 |
CN107449109A (zh) * | 2017-07-20 | 2017-12-08 | 广东美的制冷设备有限公司 | 空调器语音控制方法、装置、空调器及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11530836B2 (en) | 2022-12-20 |
WO2019221479A1 (ko) | 2019-11-21 |
US20210231336A1 (en) | 2021-07-29 |
KR20190134936A (ko) | 2019-12-05 |
KR102458336B1 (ko) | 2022-10-25 |
CN112136006A (zh) | 2020-12-25 |
EP3770522A4 (en) | 2021-07-07 |
EP3770522A1 (en) | 2021-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3525205B1 (en) | Electronic device and method of performing function of electronic device | |
CN112136006B (zh) | 空调及其控制方法 | |
US20210043189A1 (en) | Method and system for performing voice command | |
US20160080165A1 (en) | Smart home automation systems and methods | |
US20210125605A1 (en) | Speech processing method and apparatus therefor | |
US11631406B2 (en) | Method for responding to user utterance and electronic device for supporting same | |
CN112074900A (zh) | 用于自然语言处理的音频分析 | |
EP3373525A2 (en) | Electronic device and method using machine learning for identifying characteristics of users located within a specific space | |
US20200005768A1 (en) | Method and apparatus for recognizing a voice | |
US20200126549A1 (en) | Device control system | |
KR102563817B1 (ko) | 사용자 음성 입력 처리 방법 및 이를 지원하는 전자 장치 | |
CN112489413B (zh) | 遥控器的控制方法及系统、存储介质、电子设备 | |
JP2020064253A (ja) | 学習装置、検出装置、学習方法、学習プログラム、検出方法、および検出プログラム | |
EP3654170B1 (en) | Electronic apparatus and wifi connecting method thereof | |
CN111801650A (zh) | 电子装置及基于对应于用户的使用模式信息控制外部电子装置的方法 | |
JPWO2019058572A1 (ja) | 空気清浄機 | |
JP2019012506A (ja) | 機械の自動活性のための方法及びシステム | |
CN111433801A (zh) | 数据生成装置、数据生成方法、数据生成程序及传感器装置 | |
WO2018023514A1 (zh) | 一种家居背景音乐控制系统 | |
WO2018023523A1 (zh) | 一种运动及情感识别家居控制系统 | |
WO2018023513A1 (zh) | 一种基于运动识别的家居控制方法 | |
JP7018850B2 (ja) | 端末装置、決定方法、決定プログラム及び決定装置 | |
WO2020149031A1 (ja) | 応答処理装置及び応答処理方法 | |
JP6698428B2 (ja) | ネットワークシステム、情報処理方法、およびサーバ | |
KR20200062623A (ko) | 전자 장치 및 그것의 타 전자 장치를 제어하는 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |