KR101953145B1 - 주행 로봇의 제어 방법 및 그 장치 - Google Patents

Abstract

주행 로봇의 제어 방법이 제공된다. 제어 장치에 의해 수행되는 본 발명의 일 실시예에 따른 주행 로봇의 제어 방법은, 원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 단계, 자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 단계, 상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 단계 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 단계를 포함할 수 있다.

Description

주행 로봇의 제어 방법 및 그 장치{METHOD FOR CONTROLLING MOBILE ROBOT AND APPARATUS THEREOF}

본 발명은 주행 로봇의 제어 방법 및 그 장치에 관한 것이다. 보다 자세하게는, 원격 제어 장치와 주행 로봇 간의 통신 딜레이에 의해 주행 로봇의 사고 위험도가 증가하는 문제와 사용자가 느끼는 조작 이질감 문제를 해결하기 위해 고안된 주행 로봇의 제어 방법 및 그 방법을 수행하는 장치에 관한 것이다.

근래에 자율 주행 차량과 같은 자율 주행 로봇에 대한 관심이 커지고 있다. 그러나, 자율 주행 로봇에 대한 연구는 아직 초기 단계에 불과하며, 대부분의 로봇 시스템은 사용자가 원격지에 있는 주행 로봇을 제어하는 원격 제어 장치를 포함한다.

원격 제어 장치를 통해 원격지의 주행 로봇을 제어하는 시스템에서, 가장 문제가 되는 것은 무선 통신 과정에서 발생되는 통신 딜레이(delay)이다. 도 1에 도시된 바와 같이, 통신 딜레이는 주행 로봇(3)이 원격 제어 장치(1)의 제어 신호를 수신하는 과정에서 발생되는 제어 딜레이(5, delay_control)와 원격 제어 장치(1)가 주행 로봇(3)으로부터 주변 영상을 수신하는 과정에서 발생되는 모니터링 딜레이(7, delay_monitor)를 포함한다.

2가지의 딜레이(5,7)는 주행 로봇의 사고 위험도를 증가시키는 주된 요인이 된다. 왜냐하면, 모니터링 딜레이(7)로 인해 사용자가 주행 로봇(3)의 주변 장애물을 뒤늦게 인지하거나, 제어 딜레이(5)로 인해 사용자의 제어 신호가 뒤늦게 주행 로봇(3)에 도달할 수 있기 때문이다.

종래에는, 위와 같은 문제점을 해결하기 위해, 통신 딜레이가 임계치 이상이 되는 경우, 주행 로봇의 주행 모드를 자율 주행 모드로 변경하는 방식이 주로 이용되었다. 즉, 통신 딜레이로 인해 원격 제어가 원활하게 되지 않는 경우, 주행 로봇의 제어권을 자율 주행 모듈에 일임함으로써 사고 위험을 회피하는 방식이 주로 이용되었다. 그러나, 도 2에 도시된 바와 같이, 주행 로봇 구동 중 반복적인 모드 변경은 최종 제어 값(15)을 불연속적으로 생성함으로써, 주행 로봇의 불안정한 구동을 초래하며(e.g. T₁, T₂, T₃ 시점에 로봇의 제어 값이 급격하게 변경됨), 사용자의 주의력을 분산시킬 수 있다. 더욱이, 갑작스런 자율 주행 모드로의 변경은 사용자가 느끼는 로봇 제어의 이질감을 극대화시키는 요인이기도 하다.

따라서, 원격지에 있는 주행 로봇을 제어함에 있어서, 주행 로봇의 안전성과 사용자가 느끼는 이질감 문제를 해결할 수 있는 주행 로봇의 제어 방법이 요구된다.

한국등록특허 제10-1293247호 (2007.08.10일 공개)

본 발명이 해결하고자 하는 기술적 과제는, 통신 딜레이로 인해 발생되는 주행 로봇의 사고 위험도 증가 문제를 해결할 수 있는 주행 로봇의 제어 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.

본 발명이 해결하고자 하는 다른 기술적 과제는, 통신 딜레이 및/또는 반복적인 모드 변경으로 인해 사용자가 느끼는 로봇 조작의 이질감 문제를 해결할 수 있는 주행 로봇의 제어 방법 및 그 방법을 수행하는 장치를 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명의 기술분야에서의 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상기 기술적 과제를 해결하기 위한, 본 발명의 일 실시예에 따른 제어 방법은, 제어 장치에 의해 수행되는 주행 로봇의 제어 방법에 있어서, 원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 단계, 자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 단계, 상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 단계 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 단계를 포함할 수 있다.

일 실시예에서, 상기 가중치는 상기 제1 제어 값에 대한 제1 가중치 및 상기 제2 제어 값에 대한 제2 가중치를 포함하되, 상기 제1 가중치는 상기 제2 가중치에 반비례할 수 있다.

일 실시예에서, 상기 목표 제어 값과 상기 제1 제어 값의 차이가 임계 값 이상이라는 판정에 응답하여, 상기 차이가 상기 임계 값 이하가 되도록 상기 목표 제어 값을 조정하는 단계를 더 포함할 수 있다.

일 실시예에서, 상기 각 제어 값에 대한 가중치를 결정하는 단계는, 상기 딜레이가 임계 값 이상인지 여부를 판정하는 단계, 상기 임계 값 이상이라는 판정에 응답하여, 상기 제1 제어 값에 대한 제1 가중치를 최대 값으로 결정하는 단계 및 상기 임계 값 이상이라는 판정에 응답하여, 상기 제2 제어 값에 대한 제2 가중치를 최소 값으로 결정하는 단계를 포함할 수 있다.

일 실시예에서, 상기 각 제어 값에 대한 가중치를 결정하는 단계는, 상기 주행 로봇의 센싱 데이터에 기초하여, 상기 주행 로봇의 주변 객체에 대한 충돌 위험도를 결정하는 단계 및 상기 충돌 위험도에 더 기초하여, 상기 각 제어 값에 대한 가중치를 결정하는 단계를 포함할 수 있다.

일 실시예에서, 상기 각 제어 값에 대한 가중치를 결정하는 단계는, 상기 주행 로봇의 센싱 데이터에 기초하여, 상기 주행 로봇의 주변 환경에 대한 복잡도를 결정하는 단계 및 상기 복잡도에 더 기초하여, 상기 각 제어 값에 대한 가중치를 결정하는 단계를 포함할 수 있다. 이때, 상기 주행 로봇의 센싱 데이터는 영상 데이터를 포함하되, 상기 주변 환경에 대한 복잡도를 결정하는 단계는, 상기 영상 데이터로부터 상기 주행 로봇의 주변 객체의 인식 결과를 획득하는 단계 및 상기 인식 결과에 기초하여 상기 복잡도를 결정하는 단계를 포함할 수 있다.

일 실시예에서, 상기 원격 제어 장치를 제어하는 사용자의 주행 패턴을 학습한 기계 학습 모델에 기초하여 생성된 상기 주행 로봇에 대한 제3 제어 값을 획득하는 단계를 더 포함하되, 상기 주행 로봇의 목표 제어 값을 생성하는 단계는, 상기 제3 제어 값에 더 기초하여, 상기 목표 제어 값을 생성하는 단계를 포함할 수 있다.

일 실시예에서, 복수의 사용자의 주행 패턴을 학습한 기계 학습 모델에 기초하여 생성된 상기 주행 로봇에 대한 제3 제어 값을 획득하는 단계를 더 포함하되, 상기 주행 로봇의 목표 제어 값을 생성하는 단계는, 상기 제3 제어 값에 더 기초하여, 상기 목표 제어 값을 생성하는 단계를 포함할 수 있다.

상술한 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 제어 장치는, 주행 로봇의 제어 장치에 있어서, 프로세서, 메모리 및 상기 메모리에 저장되고, 상기 프로세서에 의해 실행되는 하나 이상의 프로그램들을 포함하되, 상가 하나 이상의 프로그램들은, 원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 동작, 자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 동작, 상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 동작 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 동작을 수행하도록 하는 인스트럭션들(instructions)을 포함할 수 있다.

상술한 기술적 과제를 해결하기 위한 본 발명의 다른 실시예에 따른 제어 장치는, 주행 로봇의 제어 장치에 있어서, 원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값과 자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 제어 값 획득 모듈, 상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 가중치 결정 모듈 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 목표 제어 값 결정 모듈을 포함할 수 있다.

상술한 기술적 과제를 해결하기 위한 본 발명의 또 다른 실시예에 따른 컴퓨터 프로그램은, 컴퓨팅 장치와 결합되어, 원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 단계, 자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 단계, 상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 단계 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 단계를 실행시키기 위하여, 컴퓨터로 판독가능한 기록매체에 저장될 수 있다.

도 1은 원격 제어 장치와 주행 로봇 간의 통신 딜레이를 설명하기 위한 도면이다.
도 2는 종래의 주행 로봇 제어 방식의 문제점을 설명하기 위한 도면이다.
도 3은 본 발명의 일 실시예에 따른 로봇 제어 시스템의 구성도이다.
도 4 및 도 5는 본 발명의 일 실시예에 따른 제어 장치를 개략적으로 설명하기 위한 도면이다.
도 6은 본 발명의 일 실시예에 따른 서버의 동작을 설명하기 위한 도면이다.
도 7은 본 발명의 일 실시예에 따른 주행 로봇의 제어 장치를 나타내는 블록도이다.
도 8은 본 발명의 다른 실시예에 따른 주행 로봇의 제어 장치를 나타내는 하드웨어 구성도이다.
도 9는 본 발명의 제1 실시예에 따른 주행 로봇의 제어 방법을 나타내는 흐름도이다.
도 10 및 도 11은 본 발명의 몇몇 실시예에서 참조될 수 있는 각 제어 값에 대한 가중치를 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 가중치 결정 과정을 나타내는 흐름도이다.
도 13은 본 발명의 다른 실시예에 따른 가중치 결정 과정을 나타내는 흐름도이다.
도 14는 본 발명의 제2 실시예에 따른 주행 로봇의 제어 방법을 나타내는 흐름도이다.
도 15 및 도 16은 본 발명의 일 실시예에 따른 주행 패턴 학습 방법을 나타내는 예시도이다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예들을 상세히 설명한다. 본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략한다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다. 본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다.

또한, 본 발명의 구성 요소를 설명하는 데 있어서, 제1, 제2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성 요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.

명세서에서 사용되는 "포함한다 (comprises)" 및/또는 "포함하는 (comprising)"은 언급된 구성 요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성 요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

이하, 본 발명의 몇몇 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.

도 3은 본 발명의 일 실시예에 따른 로봇 제어 시스템의 구성도이다.

도 3을 참조하면, 상기 로봇 제어 시스템은 원격 제어 장치(20), 주행 로봇(30), 제어 장치(100, 도 3에는 미도시) 및 서버(50)를 포함하도록 구성될 수 있다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 구성 요소가 추가되거나 삭제될 수 있음은 물론이다. 또한, 도 5에 도시된 로봇 제어 시스템의 각각의 구성 요소들은 기능적으로 구분되는 기능 요소들을 나타낸 것으로서, 적어도 하나의 구성 요소가 실제 물리적 환경에서는 서로 통합되는 형태로 구현될 수도 있음에 유의한다. 예를 들어, 제어 장치(100)는 원격 제어 장치(20) 또는 주행 로봇(30)의 특정 로직(logic)으로 구현될 수도 있다. 이하, 상기 로봇 제어 시스템의 각 구성 요소에 대하여 설명하도록 한다.

상기 로봇 제어 시스템에서, 원격 제어 장치(20)는 주행 로봇(30)을 원격 제어하기 위해 사용자에 의해 이용되는 장치이다. 원격 제어 장치(20)는 사용자에 의해 입력된 제어 값(e.g. 조향각, 속도)을 실시간으로 주행 로봇(30)으로 전송함으로써, 원격지의 주행 로봇(30)을 제어할 수 있다. 이하에서는, 원격 제어 장치(20)를 통해 사용자에 의해 입력된 제어 값을 "원격 제어 값"으로 명명하도록 한다.

사용자 편의성 향상을 위해, 원격 제어 장치(20)는 핸들, 페달과 같은 햅틱 인터페이스 장치를 포함하도록 구성될 수 있다. 예컨대, 사용자는 핸들을 통해 주행 로봇(30)의 조향각을 제어하고, 페달을 통해 주행 로봇(30)의 속도를 제어할 수 있다. 단, 본 발명의 범위가 이에 한정되는 것은 아니며, 원격 제어 장치(20)의 사용자 인터페이스 장치는 어떠한 방식으로 구현되더라도 무방하다.

또한, 원격 제어 장치(20)는 주행 로봇(30)에 의해 촬영된 주변 영상 데이터를 표시하는 디스플레이 장치를 포함하도록 구성될 수 있다. 따라서, 사용자는 상기 디스플레이 장치를 통해 주행 로봇(30)의 주변 환경을 인지하고, 적절하게 원격 제어를 수행할 수 있다.

상기 로봇 제어 시스템에서, 주행 로봇(30)은 원격 제어 장치(20)에 의해 제어되는 로봇이다. 특히, 도 3은 주행 로봇(30)이 차량 기반의 로봇인 것을 예로써 도시하고 있으나, 주행 로봇(30)은 드론 등과 같이 원격으로 제어될 수 있는 모든 형태의 로봇을 포함할 수 있다.

상기 로봇 제어 시스템에서, 제어 장치(100)는 다양한 제어 값을 기초로 주행 로봇(30)을 제어하기 위한 목표 제어 값을 생성하는 컴퓨팅 장치이다. 여기서, 상기 컴퓨팅 장치는, 노트북, 데스크톱(desktop), 랩탑(laptop) 등이 될 수 있으나, 이에 국한되는 것은 아니며 연산 수단이 구비된 모든 종류의 장치를 포함할 수 있다.

상기 목표 제어 값은 달성하고자 하는 주행 로봇(30)의 제어 상태(e.g. 조향각, 속도)를 가리키는 값이기 때문에, 주행 로봇(30)에 입력되는 최종 제어 값은 상기 목표 제어 값과 다를 수 있다. 예를 들어, 상기 최종 제어 값은 주행 로봇(30)의 현재 제어 상태(e.g. 현재 속도, 현재 조향각)와 상기 목표 제어 값 기반으로 다양한 제어 알고리즘에 의해 생성될 수 있다. 다만, 본 발명에 대한 논지를 흐리지 않기 위해 이에 대한 자세한 설명은 생략하도록 한다.

도 4에 도시된 바와 같이, 제어 장치(100)는 원격 제어 장치(20)를 통해 입력된 원격 제어 값(23)과 자율 주행 모듈(21)에 의해 생성된 제어 값(25, 이하 "자율 제어 값"으로 칭하도록 함) 등에 기초하여 목표 제어 값(29)을 생성할 수 있다. 이때, 제어 장치(100)는 원격 제어 장치(20)와 주행 로봇(30) 간의 통신 딜레이, 충돌 위험도, 주변 환경의 복잡도 등의 다양한 요인에 기초하여 원격 제어 값(23)과 자율 제어 값(25)이 목표 제어 값(29)에 반영되는 비중을 조절할 수 있다.

즉, 제어 장치(100)는 어느 한 시점에 특정 제어 값(23, 25)을 목표 제어 값으로 결정하는 것이 아니라, 원격 제어 값(23)과 자율 제어 값(25)을 적절하게 조합하여 목표 제어 값(29)을 생성한다. 따라서, 도 5에 도시된 바와 같이, 제어 장치(100)에 의해 생성된 목표 제어 값(29)은 급격하게 변동되지 않고 연속적인 형태로 나타나게 된다. 이에 따라, 반복적인 제어 모드 변경에 따라 불연속적인 제어 값이 생성되는 문제(도 2 참조)가 해결될 수 있으며, 사용자 느끼는 조작 이질감 문제 또한 완화될 수 있다. 제어 장치(100)의 구성 및 동작에 대한 자세한 설명은 도 7 이하의 도면을 참조하여 상세하게 설명하도록 한다.

제어 장치(100)는 주행 로봇(30) 측에 구현되는 것이 바람직할 것이나, 본 발명의 범위가 이에 한정되는 것은 아니다. 다만, 이해의 편의를 제공하기 위해, 이하에서는 제어 장치(100)가 주행 로봇(30) 측에 구현되었음을 가정하여 설명을 이어가도록 한다.

상기 로봇 제어 시스템에서, 서버(50)는 원격 제어 장치(20) 또는 주행 로봇(30)으로부터 주행 데이터를 수신하고, 주행 데이터를 학습하여 사용자의 주행 패턴에 관한 기계 학습 모델을 구축하는 컴퓨팅 장치이다. 여기서, 상기 컴퓨팅 장치는, 노트북, 데스크톱(desktop), 랩탑(laptop) 등이 될 수 있으나, 이에 국한되는 것은 아니며 연산 수단 및 통신 수단이 구비된 모든 종류의 장치를 포함할 수 있다.

상기 주행 데이터는 예를 들어 원격 제어 장치(20a 내지 20n)의 제어 값, 주행 로봇의 센싱 데이터(e.g. 영상 데이터) 등을 포함할 수 있다.

구체적으로, 도 6에 도시된 바와 같이, 서버(50)는 다수의 원격 제어 장치(20a 내지 20n)로부터 특정 사용자의 주행 데이터를 수신하고, 상기 주행 데이터에 대한 기계 학습을 통해 각 사용자의 주행 패턴을 학습한 기계 학습 모델을 구축할 수 있다. 또한, 서버(50)는 상기 구축된 기계 학습 모델을 통해 주행 로봇(30)의 현재 주행 환경에 대한 제어 값(이하, "패턴 제어 값"으로 명명하도록 함)을 예측하여 제공할 수 있다. 상기 패턴 제어 값 또한 목표 제어 값을 생성하기 위해 제어 장치(100)에 의해 이용될 수 있으며, 이에 대한 자세한 설명은 도 14를 참조하여 후술하도록 한다. 또한, 서버(50)가 주행 패턴을 학습하는 예시적 방법은 도 15 및 도 16을 참조하여 후술하도록 한다.

참고로, 서버(50)의 기능 중 일부는 원격 제어 장치(20) 또는 주행 로봇(30)에 구현될 수도 있다. 예를 들어, 원격 제어 장치(20) 또는 주행 로봇(30)이 주행 데이터에 기초하여 특정 사용자의 주행 패턴을 기계 학습하고, 학습된 기계 학습 모델을 서버(50)로 제공하는 방식으로 구현될 수도 있다. 이와 같은 경우, 서버(50)는 다수의 사용자의 주행 패턴이 학습된 기계 학습 모델을 이용하여 소정의 패턴 제어 값을 제어 장치(100)로 제공하는 기능만을 수행할 수도 있다.

상기 로봇 제어 시스템의 각 구성 요소(20, 30, 50, 100) 중 적어도 일부는 네트워크를 통해 통신할 수 있다. 원격 제어 장치(20)와 주행 로봇(30) 간의 네트워크는 통상적으로 무선 네트워크로 구현될 것이나, 본 발명의 범위가 네트워크의 종류에 한정되는 것은 아니다. 즉, 상기 네트워크는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 이동 통신망(mobile radio communication network), Wibro(Wireless Broadband Internet) 등과 어떠한 종류의 네트워크로 구현되더라도 무방하다.

지금까지 도 3 내지 도 6을 참조하여 본 발명의 일 실시예에 따른 로봇 제어 시스템에 대하여 설명하였다. 다음으로, 본 발명의 일 실시예에 따른 주행 로봇의 제어 장치(100)의 구성 및 동작에 대하여 도 7을 참조하여 설명한다.

도 7은 본 발명의 일 실시예에 따른 제어 장치(100)를 나타내는 블록도이다.

도 7을 참조하면, 제어 장치(100)는 제어 값 획득 모듈(110), 딜레이 결정 모듈(120), 자율 주행 모듈(130), 정보 획득 모듈(140), 가중치 결정 모듈(150) 및 목표 제어 값 결정 모듈(160)을 포함하도록 구성될 수 있다. 다만, 도 7에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 7에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다. 또한, 제어 장치(100)는 도 7에 도시된 구성 요소 중 일부가 생략된 형태로 구현될 수도 있음에 유의한다. 이하, 제어 장치(100)의 각 구성 요소에 대하여 설명한다.

제어 값 획득 모듈(110)은 목표 제어 값의 기초가 되는 각종 제어 값을 획득한다. 구체적으로, 제어 값 획득 모듈(110)은 원격 제어 장치(20)로부터 사용자에 의해 입력된 원격 제어 값을 획득할 수 있고, 자율 주행 모듈(130)에 의해 생성된 자율 제어 값을 획득할 수 있다. 상기 원격 제어 값 및 상기 자율 제어 값은 모두 주행 로봇(30)의 속도, 조향각 등에 대한 제어 값을 포함할 수 있다.

또한, 제어 값 획득 모듈(110)은 해당 사용자의 주행 패턴에 기초하여 도출된 패턴 제어 값, 다수의 사용자의 평균 주행 패턴에 기초하여 도출된 패턴 제어 값 등을 서버(50)로부터 더 획득할 수 있다.

다음으로, 딜레이 결정 모듈(120)은 원격 제어 장치(20)와 주행 로봇(30) 간의 통신 딜레이를 결정한다. 상기 통신 딜레이는 도 1에 도시된 바와 같은 제어 딜레이(5)와 모니터링 딜레이(7)에 기초하여 결정될 수 있다. 예를 들어, 상기 통신 딜레이는 2가지 딜레이(5, 7)의 합, 평균, 가중평균 등 다양한 형태로 결정될 수 있다.

다음으로, 자율 주행 모듈(130)은 주행 로봇(30)에 대한 자율 제어 값을 생성한다. 이를 위해, 자율 주행 모듈(130)은 당해 기술 분야에서 널리 알려진 적어도 하나의 자율 주행 알고리즘을 이용할 수 있으며, 어떠한 자율 주행 알고리즘이 이용되더라도 무방하다.

정보 획득 모듈(140)은 주행 로봇(30)의 주변 객체에 대한 충돌 위험도, 주변 환경에 대한 복잡도 등의 각종 정보를 획득한다. 상기 충돌 위험도 및 상기 복잡도는 가중치 결정 모듈(150)이 각 제어 값을 가중치를 결정하기 위해 이용될 수 있다.

정보 획득 모듈(140)은 상기 충돌 위험도, 상기 복잡도를 직접 산출할 수도 있고, 다른 장치에 의해 산출된 정보를 제공받을 수도 있다. 이는, 실시예에 따라 얼마든지 달라질 수 있다. 정보 획득 모듈(140)이 주행 로봇의 센싱 데이터에 기초하여 주변 객체에 대한 충돌 위험도와 복잡도를 결정하는 방법은 도 12 및 도 13의 설명 부분을 참조하도록 한다.

다음으로, 가중치 결정 모듈(150)은 각 제어 값에 대한 가중치를 결정하고, 결정된 가중치를 목표 제어 값 결정 모듈(160)에게 제공한다. 이때, 상기 가중치는 각 제어 값이 목표 제어 값에 반영되는 비중을 가리키는 값으로 이해될 수 있다.

일 실시예에서, 가중치 결정 모듈(150)은 딜레이 결정 모듈(120)이 제공하는 통신 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정할 수 있다. 본 실시예에 대한 자세한 설명은 도 10 및 도 11을 참조하여 상세하게 설명하도록 한다.

일 실시예에서, 가중치 결정 모듈(150)은 정보 획득 모듈(140)이 제공하는 주행 로봇(30)의 주변 객체에 대한 충돌 위험도를 더 고려하여 각 제어 값에 대한 가중치를 결정할 수 있다. 본 실시예에 대한 자세한 설명은 도 12를 참조하여 후술하도록 한다.

일 실시예에서, 가중치 결정 모듈(150)은 정보 획득 모듈(140)이 제공하는 주행 로봇(30)의 주변 환경에 대한 복잡도를 더 고려하여 각 제어 값에 대한 가중치를 결정할 수 있다. 본 실시예에 대한 자세한 설명은 도 13을 참조하여 후술하도록 한다.

다음으로, 목표 제어 값 결정 모듈(160)은 제어 값 획득 모듈(110)이 제공하는 복수의 제어 값과 가중치 결정 모듈(150)이 제공하는 각 제어 값에 대한 가중치에 기초하여 목표 제어 값을 결정한다.

예를 들어, 목표 제어 값 결정 모듈(160)은 상기 복수의 제어 값에 대한 가중 평균에 기초하여 상기 목표 제어 값을 결정할 수 있다. 다만, 이는 본 발명의 일부 실시예를 설명하기 위한 것일 뿐, 본 발명의 범위가 이에 한정되는 것은 아니다.

도 7에 도시된 각 구성 요소(110 내지 160)는 소프트웨어(Software) 또는, FPGA(Field Programmable Gate Array)나 ASIC(Application-Specific Integrated Circuit)과 같은 하드웨어(Hardware)를 의미할 수 있다. 그렇지만, 상기 구성 요소들은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니며, 어드레싱(Addressing)할 수 있는 저장 매체에 있도록 구성될 수도 있고, 하나 또는 그 이상의 프로세서들을 실행시키도록 구성될 수도 있다. 상기 구성 요소들 안에서 제공되는 기능은 더 세분화된 구성 요소에 의하여 구현될 수 있으며, 복수의 구성 요소들을 합하여 특정한 기능을 수행하는 하나의 구성 요소로 구현될 수도 있다.

이하에서는, 도 8을 참조하여 본 발명의 다른 실시예에 따른 제어 장치(100)에 대하여 설명하도록 한다.

도 8은 본 발명의 다른 실시예에 따른 주행 로봇의 제어 장치(100)를 나타내는 하드웨어 구성도이다.

도 8을 참조하면, 제어 장치(100)는 하나 이상의 프로세서(101), 버스(105), 네트워크 인터페이스(107), 프로세서(101)에 의하여 수행되는 컴퓨터 프로그램을 로드(load)하는 메모리(103)와, 주행 제어 소프트웨어(109a)를 저장하는 스토리지(109)를 포함할 수 있다. 다만, 도 8에는 본 발명의 실시예와 관련 있는 구성요소들만이 도시되어 있다. 따라서, 본 발명이 속한 기술분야의 통상의 기술자라면 도 8에 도시된 구성요소들 외에 다른 범용적인 구성 요소들이 더 포함될 수 있음을 알 수 있다.

프로세서(101)는 제어 장치(100)의 각 구성의 전반적인 동작을 제어한다. 프로세서(101)는 CPU(Central Processing Unit), MPU(Micro Processor Unit), MCU(Micro Controller Unit), GPU(Graphic Processing Unit) 또는 본 발명의 기술 분야에 잘 알려진 임의의 형태의 프로세서를 포함하여 구성될 수 있다. 또한, 프로세서(101)는 본 발명의 실시예들에 따른 방법을 실행하기 위한 적어도 하나의 애플리케이션 또는 프로그램에 대한 연산을 수행할 수 있다. 제어 장치(100)는 하나 이상의 프로세서를 구비할 수 있다.

메모리(103)는 각종 데이터, 명령 및/또는 정보를 저장한다. 메모리(103)는 본 발명의 실시예들에 따른 주행 로봇의 제어 방법을 실행하기 위하여 스토리지(109)로부터 주행 제어 소프트웨어(109a)를 로드할 수 있다. 주행 제어 소프트웨어(109a)가 메모리(103)에 로드되면, 메모리(103) 상에 도 7에 도시된 모듈(110 내지 160)이 로직 형태로 구현될 수 있다. 도 8에서 메모리(103)의 예시로 RAM이 도시되었다.

버스(105)는 제어 장치(100)의 구성 요소 간 통신 기능을 제공한다. 버스(105)는 주소 버스(Address Bus), 데이터 버스(Data Bus) 및 제어 버스(Control Bus) 등 다양한 형태의 버스로 구현될 수 있다.

네트워크 인터페이스(107)는 제어 장치(100)의 유무선 인터넷 통신을 지원한다. 또한, 네트워크 인터페이스(107)는 인터넷 통신 외의 다양한 통신 방식을 지원할 수도 있다. 이를 위해, 네트워크 인터페이스(107)는 본 발명의 기술 분야에 잘 알려진 통신 모듈을 포함하여 구성될 수 있다.

네트워크 인터페이스(107)는 원격 제어 장치(20) 및 서버(50)로부터 각종 명령, 데이터, 정보 등을 수신하거나, 원격 제어 장치(20) 및 서버(50)로 각종 데이터, 정보를 송신할 수 있다.

스토리지(109)는 상기 하나 이상의 프로그램(109a)을 비임시적으로 저장할 수 있다. 도 8에서 상기 하나 이상의 프로그램(109a)의 예시로 주행 제어 소프트웨어(109a)가 도시되었다.

스토리지(109)는 ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리 등과 같은 비휘발성 메모리, 하드 디스크, 착탈형 디스크, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터로 읽을 수 있는 기록 매체를 포함하여 구성될 수 있다.

주행 제어 소프트웨어(109a)는 메모리(103)에 로드될 때, 프로세서(101)로 하여금 본 발명의 몇몇 실시예들에 따른 제어 방법을 수행하도록 하는 인스트럭션들을 포함할 수 있다.

예를 들어, 주행 제어 소프트웨어(109a)는 원격 제어 장치(20)를 통해 입력된 주행 로봇(30)에 대한 원격 제어 값을 획득하는 동작, 자율 주행 모듈에 의해 생성된 주행 로봇(30)에 대한 자율 제어 값을 획득하는 동작, 주행 로봇(30)과 원격 제어 장치(20) 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 동작 및 상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 주행 로봇(30)의 목표 제어 값을 생성하는 동작을 수행하도록 하는 인스트럭션들을 포함할 수 있다.

지금까지, 도 7 내지 도 8를 참조하여 본 발명의 몇몇 실시예들에 따른 제어 장치(100)의 구성 및 동작에 대하여 설명하였다. 이하에서는, 도 9 내지 도 15을 참조하여 본 발명의 몇몇 실시예들에 따른 주행 로봇의 제어 방법에 대하여 상세하게 설명하도록 한다.

이하에서 후술될 본 발명의 몇몇 실시예들에 따른 주행 로봇의 제어 방법의 각 단계는, 컴퓨팅 장치에 의해 수행될 수 있다. 예를 들어, 상기 컴퓨팅 장치는 제어 장치(100)일 수 있다. 이하에서는, 상기 제어 방법에 포함되는 각 단계의 동작 주체가 제어 장치(100)인 것을 가정하여 설명을 이어가도록 한다. 다만, 설명의 편의 상, 각 단계의 동작 주체에 대한 기재는 생략될 수도 있다. 또한, 상기 제어 방법의 각 단계는 메모리에 로드될 때 프로세서로 하여금 상기 각 단계에 대응되는 동작을 수행하도록 하는 인스트럭션들로 구현될 수 있다.

도 9는 본 발명의 제1 실시예에 따른 주행 로봇의 제어 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

도 9를 참조하면, 상기 제1 실시예에 따른 주행 로봇의 제어 방법은 제어 장치(100)가 원격 제어 장치(20)를 통해 입력된 원격 제어 값을 획득하는 단계(S100)로부터 시작된다. 이때, 상기 원격 제어 값은 주행 로봇(30)의 속도, 조향각 등에 대한 제어 값을 포함할 수 있다.

단계(S200)에서, 제어 장치(100)는 자율 주행 모듈에 의해 생성된 자율 제어 값을 획득한다. 상기 자율 제어 값 또한 주행 로봇(30)의 속도, 조향각 등에 대한 제어 값을 포함할 수 있다.

단계(S300)에서, 제어 장치(100)는 각 제어 값에 대한 가중치를 결정한다.

일 실시예에서, 제어 장치(100)는 원격 제어 장치(20)와 주행 로봇(30) 간의 통신 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정할 수 있다. 본 실시예에 대한 구체적인 예시는 도 10에 도시되어 있다.

도 10에 도시된 바와 같이, 원격 제어 값에 대한 가중치(41, 이하 "원격 가중치"로 명명하도록 함)와 자율 제어 값에 대한 가중치(43, 이하 "자율 가중치"로 명명하도록 함)는 서로 반비례하는 값으로 결정될 수 있다. 구체적으로, 통신 딜레이가 커질수록 원격 가중치(41)는 큰 값으로 결정되고, 자율 가중치(43)는 작은 값으로 결정될 수 있다. 이는, 통신 딜레이가 커질수록 자율 제어 값이 목표 제어 값 반영되는 비중을 증가시킴으로써, 주행 로봇(30)의 안전성을 향상시키기 위해서이다.

또한, 제어 장치(100)는 통신 딜레이가 소정의 임계 값(45) 이상이라는 판정에 응답하여, 자율 가중치(43)를 최대 값으로 결정하고, 원격 가중치(41)를 최소 값으로 결정할 수 있다. 예를 들어, 도 10에 도시된 바와 같이, 각 제어 값에 대한 가중치가 0 내지 1 사이의 값을 갖는 경우, 제어 장치(100)는 자율 가중치(43)를 "1"로 결정하고, 원격 가중치(41)를 "0"으로 결정할 수 있다. 이와 같은 경우, 주행 로봇(30)은 자율 주행 모드로 동작하는 것처럼 제어될 수 있다.

임계 값(45)은 기 설정된 고정 값 또는 상황에 따라 변동되는 변동 값일 수 있다. 예를 들어, 임계 값(45)은 주행 로봇(30)의 현재 주행 속도에 따라 변동되는 변동 값일 수 있다. 보다 자세한 예를 들어, 임계 값(45)은 도 11에 도시된 바와 같이 주행 로봇(30)의 현재 주행 속도에 반비례하는 값으로 결정되고, 주행 로봇(30)의 현재 주행 속도가 변경됨에 따라 함께 변동될 수 있다. 이와 같은 경우, 통신 딜레이가 동일하더라도, 주행 로봇(30)의 현재 주행 속도가 더 빠르면, 제어 장치(100)는 자율 가중치(43)를 더 큰 값으로 결정하게 된다. 따라서, 주행 로봇(30)의 사고 위험도는 더욱 감소되고, 안전성은 향상될 수 있다. 단, 상기 예시는 본 발명의 일부 실시예를 설명하기 위한 것일 뿐, 본 발명의 범위가 이에 한정되는 것은 아니다.

일 실시예에서, 도 12에 도시된 바와 같이, 제어 장치(100)는 주행 로봇(30)의 주변 객체에 대한 충돌 위험도를 더 고려하여 각 제어 값에 대한 가중치를 결정할 수 있다(S310, S330, S350). 예를 들어, 주행 로봇(30)의 안전성을 향상시키기 위해, 충돌 위험도가 커질수록, 제어 장치(100)는 자율 가중치를 더 큰 값으로 결정할 수 있다.

상기 충돌 위험도는 주행 로봇(30)의 센싱 데이터에 기초하여 결정될 수 있다. 이때, 상기 센싱 데이터는 근접 센서를 통해 측정한 주변 객체와의 거리 데이터, 카메라 센서에 의해 촬영된 영상 데이터 등 각종 센서에 의해 측정된 데이터를 포함할 수 있다.

본 발명의 실시예에 따르면, 제어 장치(100)는 영상 데이터로부터 도출된 주변 객체의 개수, 주변 객체의 인식 결과, 주변 객체와의 거리, 주변 환경의 특징(e.g. 평지, 오르막, 내리막, 차선 유무, 차선의 크기, 교차로 존재 유무, 신호등 존재 유무 등) 등의 영상 분석 결과에 기초하여 상기 충돌 위험도를 결정할 수 있다. 이때, 상기 인식 결과는 주변 객체가 이동형 또는 고정형 객체인지, 사람 또는 사물인지 등에 대한 정보, 해당 객체의 크기, 재질 등의 정보를 포함할 수 있다.

제어 장치(100)가 주변 객체에 대한 충돌 위험도를 결정하는 방법을 실시예에 따라 얼마든지 달라질 수 있다. 예를 들어, 일정 거리 이내에 위치한 주변 객체의 개수가 많을수록 상기 충돌 위험도는 더 높은 값으로 결정될 수 있다. 다른 예를 들어, 일정 거리 이내에 이동형 객체에 해당하는 주변 객체가 많을수록, 상기 충돌 위험도는 더 높은 값으로 결정될 수 있다. 또 다른 예를 들어, 일정 거리 이내에 사람에 해당하는 주변 객체가 많을수록, 상기 충돌 위험도는 더 높은 값으로 결정될 수 있다. 사람은 사물에 비해 불규칙적인 이동 패턴을 보여줄 확률이 높기 때문이다. 또 다른 예를 들어, 일정 거리 이내에 다수의 주변 객체가 위치하더라도, 해당 주변 객체들이 대부분 다른 차선에 위치한 경우라면, 상기 충돌 위험도는 더 낮은 값으로 결정될 수 있다. 또 다른 예를 들어, 주변 환경의 복잡도가 높을수록, 상기 충돌 위험도는 더 높은 값으로 결정될 수 있다. 또 다른 예를 들어, 주변 객체의 크기가 클수록 재질이 단단할수록, 상기 충돌 위험도는 더 높은 값으로 결정될 수 있다.

일 실시예에서, 도 13에 도시된 바와 같이, 제어 장치(100)는 주행 로봇(30)의 주변 환경에 대한 복잡도를 더 고려하여 각 제어 값에 대한 가중치를 결정할 수 있다(S310, S320, S340).

상기 복잡도 또한 주행 로봇(30)의 센싱 데이터에 기초하여 결정될 수 있다. 이때, 상기 센싱 데이터는 근접 센서를 통해 측정한 주변 객체와의 거리 데이터, 카메라 센서에 의해 촬영된 영상 데이터 등 각종 센서에 의해 측정된 데이터를 포함할 수 있다.

본 발명의 실시예에 따르면, 제어 장치(100)는 영상 데이터로부터 도출된 주변 객체의 개수, 주변 객체의 인식 결과, 주변 객체와의 거리, 주변 환경의 특징(차선 유무, 교차로 존재 유무, 차선의 크기, 신호등 존재 유무 등), 주변 객체의 위치 분포, 밀집도 등의 영상 분석 결과에 기초하여 상기 복잡도를 결정할 수 있다. 예를 들어, 주변 객체의 개수가 많을수록 상기 복잡도는 더 높은 값으로 결정될 수 있다. 다른 예를 들어, 이동형 객체가 많을수록, 상기 복잡도는 더 높은 값으로 결정될 수 있다. 또 다른 예를 들어, 불규칙적인 이동 패턴을 보이는 이동형 객체가 많을수록 상기 복잡도는 더 높은 값으로 결정될 수 있다. 또 다른 예를 들어, 주변 객체의 종류가 다양할수록, 상기 복잡도는 더 높은 값으로 결정될 수 있다. 이외에도, 주변 환경에 교차로가 존재하거나, 차선의 크기가 작거나, 차선이 존재하지 않는 경우, 일정 거리 이내에 다수의 주변 객체가 분포한 경우 등에, 상기 복잡도는 더 높은 값으로 결정될 수 있다.

이외에도, 제어 장치(100)는 전술한 몇몇 실시예들의 다양한 조합에 의해 각 제어 값에 대한 가중치를 결정할 수도 있다.

다시 도 10을 참조하면, 단계(S400)에서, 제어 장치(100)는 원격 제어 값, 자율 제어 값 및 각 제어 값에 대한 가중치에 기초하여 상기 주행 로봇의 목표 제어 값을 생성한다. 예를 들어, 제어 장치(100)는 가중치 합, 가중 평균 등의 기법을 이용하여 상기 목표 제어 값을 생성할 수 있다.

한편, 제어 장치(100)는 상기 목표 제어 값과 원격 제어 값의 차이가 소정의 임계 값 이하가 되도록 상기 목표 제어 값을 조정하는 단계를 더 수행할 수도 있다. 예를 들어, 제어 장치(100)는 단계(S400)에서 생성된 목표 제어 값과 원격 제어 값과의 차이가 임계 값 이상이라는 판정에 응답하여, 상기 생성된 목표 제어 값이 상기 임계 값 이내가 되도록 조정할 수 있다.

이때, 상기 임계 값은 기 설정된 고정 값 또는 상황에 따라 변동되는 변동 값일 수 있다. 예를 들어, 상기 임계 값은 주행 로봇(30)의 현재 주행 속도 또는 통신 딜레이가 커질수록 더 큰 값으로 결정되는 변동 값일 수 있다. 현재 주행 속도 또는 통신 딜레이가 큰 경우, 원격 제어 값에 대한 가중치는 작아질 것이기 때문이다. 본 실시예에 따르면, 목표 제어 값과 원격 제어 값과의 차이가 지나치게 커지지 않도록 목표 제어 값이 적절하게 조정될 수 있다. 이에 따라, 사용자가 느끼는 원격 조작 상의 이질감이 더욱 감소될 수 있다.

지금까지, 도 9 내지 도 13를 참조하여 본 발명의 제1 실시예에 따른 주행 로봇의 제어 방법에 대하여 설명하였다. 상술한 방법에 따르면, 각 제어 값의 조합에 기초하여 목표 제어 값이 생성되는 바, 반복적인 제어 모드 전환에 따라 주행 로봇의 구동이 불안정해지는 문제, 사용자의 조작 이질감이 극대화되는 문제가 완화될 수 있다. 아울러, 제어 모드 전환 없이도 각 제어 값에 대한 가중치 조절을 통해 주행 로봇의 사고 위험도가 최소화될 수 있다.

이하에서는, 도 14 내지 도 16을 참조하여 본 발명의 제2 실시예에 따른 주행 로봇의 제어 방법에 대하여 설명하도록 한다. 중복된 설명을 배제하기 위해, 전술한 제1 실시예와의 차이점을 중심으로 설명을 이어가도록 하며, 상기 제1 실시예에서 언급된 내용은 상기 제2 실시예에도 포함될 수 있음은 물론이다.

도 14는 본 발명의 제2 실시예에 따른 주행 로봇의 제어 방법을 나타내는 흐름도이다. 단, 이는 본 발명의 목적을 달성하기 위한 바람직한 실시예일뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다.

상기 제1 실시예와 마찬가지로, 상기 제2 실시예에 따른 제어 방법은, 제어 장치(100)가 원격 제어 값 및 자율 제어 값을 획득하는 단계(S100, S200)로부터 시작된다.

단계(S250)에서, 제어 장치(100)는 주행 로봇(30)에 대한 패턴 제어 값을 획득한다. 상기 패턴 제어 값은 전술한 바와 같이 사용자의 주행 패턴을 학습한 기계 학습 모델에 의해 생성된 제어 값을 의미한다. 즉, 상기 패턴 제어 값은 과거의 주행 패턴을 토대로 주행 로봇(30)의 현재 주변 환경에 대해 예측되는 제어 값을 의미한다. 주행 패턴을 학습하는 방법에 대한 설명은 도 15 및 도 16을 참조하여 후술하도록 한다.

상기 패턴 제어 값은 원격 제어 장치(20)를 통해 주행 로봇(30)을 제어하는 특정 사용자의 주행 패턴에 기초하여 생성된 제1 패턴 제어 값 및/또는 복수의 사용자의 평균 주행 패턴에 기초하여 생성된 제2 패턴 제어 값을 포함할 수 있다. 상기 패턴 제어 값은 예를 들어 소정의 서버(e.g. 50)로부터 제공받을 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.

단계(S350)에서, 제어 장치(100)는 각 제어 값에 대한 가중치를 결정한다. 예를 들어, 패턴 제어 값에 대한 가중치는 통신 딜레이가 크거나 주행 로봇(30)의 현재 주행 속도가 빠를수록 더 큰 값으로 결정될 수 있다.

단계(S450)에서, 제어 장치(100)는 원격 제어 값, 자율 제어 값, 패턴 제어 값 및 각 제어 값에 대한 가중치에 기초하여 주행 로봇(30)의 목표 제어 값을 생성한다. 예를 들어, 제어 장치(100)는 가중치 합, 가중 평균 등의 기법을 이용하여 상기 목표 제어 값을 생성할 수 있다.

지금까지, 도 15을 참조하여 본 발명의 제2 실시예에 따른 주행 로봇의 제어 방법에 대하여 설명하였다. 상술한 방법에 따르면, 해당 사용자 또는 복수의 사용자에 대한 주행 패턴에 기초하여 생성된 패턴 제어 값을 더 고려하여 목표 제어 값이 생성된다. 해당 사용자에 대한 주행 패턴에 따른 패턴 제어 값을 목표 제어 값에 반영하는 경우, 사용자가 느끼는 조작 이질감이 완화될 수 있다. 또한, 복수의 사용자에 대한 주행 패턴에 따른 패턴 제어 값을 목표 제어 값에 반영하는 경우, 다른 제어 값의 오차가 상기 패턴 제어 값에 의해 보정될 수 있을 것인 바, 주행 로봇의 안전성이 더욱 향상될 수 있다.

이하에서는, 도 15 및 도 16을 참조하여 본 발명의 실시예에 따른 주행 패턴 학습 방법에 대하여 설명하도록 한다. 이하에서 후술될 본 발명의 실시예에 따른 주행 패턴 학습 방법의 각 단계는, 컴퓨팅 장치에 의해 수행될 수 있다. 예를 들어, 상기 컴퓨팅 장치는 서버(50), 제어 장치(100), 원격 제어 장치(20), 주행 로봇(30) 등일 수 있다. 다만, 이해의 편의를 위해, 상기 주행 패턴 학습 방법에 포함되는 각 단계의 동작 주체가 서버(50)인 것으로 가정하여 설명을 이어가도록 한다. 설명의 편의 상, 각 단계의 동작 주체에 대한 기재는 생략될 수도 있다. 또한, 상기 주행 패턴 학습 방법의 각 단계는 메모리에 로드될 때 프로세서로 하여금 상기 각 단계에 대응되는 동작을 수행하도록 하는 인스트럭션들로 구현될 수 있다.

먼저, 도 15를 참조하여 주행 패턴의 학습에 이용되는 학습 데이터에 대하여 설명하도록 한다.

도 15에 도시된 바와 같이, 학습 데이터(69)는 주행 로봇(30)의 주변 환경을 촬영한 영상 데이터(63) 및 상기 주변 환경에 대응되는 원격 제어 값(61)을 포함할 수 있다. 따라서, 학습 데이터(69)의 기계 학습을 통해 해당 사용자의 주행 패턴(주행 패턴(e.g. 주변 객체에 나타난 경우 감속하는 정도, 커브 길에서 감속하는 정도 등)이 학습되면, 특정 주변 환경에 대한 해당 사용자의 패턴 제어 값이 예측될 수 있다.

또한, 학습 데이터(69)는 영상 데이터(63)를 기초로 산출된 사고 위험도(65), 복잡도(67) 등의 정보를 더 포함할 수 있다. 사고 위험도(65) 및 복잡도(67)를 산출하는 방법은 전술한 바와 같으므로, 이에 대한 설명은 생략하도록 한다.

다음으로, 도 16을 참조하여 기계 학습 기반의 주행 패턴 학습 방법에 대하여 설명하도록 한다.

상기 주행 패턴 학습 방법은 학습 데이터(69) 중 영상 데이터(63)로부터 주변 환경 특징(71)을 추출하는 추출 과정과 주변 환경 특징(71)과 다른 학습 데이터(61, 65, 67)에 대한 기계 학습을 수행하는 학습 과정을 포함할 수 있다.

상기 추출 과정은 영상 데이터(69)의 분석을 통해 다양한 주변 환경 특징(71)을 추출하는 과정으로, 여기서 주변 환경 특징은(71)은 차선 유무, 객체 인식 결과, 교차로 유무, 커브길 유무, 신호등 유무 등의 다양한 특징을 포함할 수 있다. 도 16은 기 학습된 CNN(convolutional neural network)을 이용하여 영상 데이터(63)로부터 다양한 주변 환경 특징(71)을 추출하는 것을 예로써 도시하고 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 예컨대, 당해 기술 분야에서 널리 알려진 컴퓨터 비전 알고리즘(computer vision algorithm)을 이용하여 주변 환경 특징(71)이 추출될 수도 있다.

상기 학습 과정은 주변 환경 특징(71), 충돌 위험도(65), 복잡도(67), 원격 제어 값(61)에 대한 기계 학습을 수행하는 과정이다. 이때, 주변 환경 특징(71), 충돌 위험도(65), 복잡도(67) 등은 기계 학습 모델의 입력 데이터로 이용되고, 원격 제어 값(61)은 출력 레이어의 예측 제어 값(73)과 비교를 통해 기계 학습 모델의 가중치를 갱신하는 용도로 이용될 수 있다. 도 16은 ANN(artificial neural network) 기반의 딥 러닝 모델을 이용하여 기계 학습이 수행되는 것을 예로써 도시하고 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다. 얼마든지 다른 종류의 기계 학습 알고리즘을 이용하여 주행 패턴에 대한 학습이 수행될 수도 있다.

복수의 사용자에 대한 주행 패턴 학습은 학습 데이터가 복수의 사용자에 대한 학습 데이터로 확장되는 것일 뿐이므로, 이에 대한 설명은 생략하도록 한다. 물론, 실시예에 따라, 개별 사용자의 주행 패턴을 학습한 복수의 기계 학습 모델이 구축될 수도 있고, 복수의 사용자의 주행 패턴을 학습한 단일 기계 학습 모델이 구축될 수도 있다. 복수의 기계 학습 모델이 구축된 경우, 복수의 사용자에 대한 패턴 제어 값은 개별 사용자의 패턴 제어 값의 평균, 가중 평균 등에 기초하여 결정될 수 있다. 이때, 상기 가중 평균에 이용되는 가중치는 예컨대 각 기계 학습 모델의 정확도, 학습 성숙도 등이 이용될 수 있다.

지금까지, 도 16 및 도 17을 참조하여 본 발명의 실시예에 따른 기계 학습 기반의 주행 패턴 학습 방법에 대하여 설명하였다.

지금까지, 도 3 내지 도 16을 참조하여 본 발명의 몇몇 실시예들 및 상기 실시예들에 따른 효과들을 언급하였다. 본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

지금까지 도 3 내지 도 16을 참조하여 설명된 본 발명의 개념은 컴퓨터가 읽을 수 있는 매체 상에 컴퓨터가 읽을 수 있는 코드로 구현될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체는, 예를 들어 이동형 기록 매체(CD, DVD, 블루레이 디스크, USB 저장 장치, 이동식 하드 디스크)이거나, 고정식 기록 매체(ROM, RAM, 컴퓨터 구비 형 하드 디스크)일 수 있다. 상기 컴퓨터로 읽을 수 있는 기록 매체에 기록된 상기 컴퓨터 프로그램은 인터넷 등의 네트워크를 통하여 다른 컴퓨팅 장치에 전송되어 상기 다른 컴퓨팅 장치에 설치될 수 있고, 이로써 상기 다른 컴퓨팅 장치에서 사용될 수 있다.

이상에서, 본 발명의 실시예를 구성하는 모든 구성 요소들이 하나로 결합되거나 결합되어 동작하는 것으로 설명되었다고 해서, 본 발명이 반드시 이러한 실시예에 한정되는 것은 아니다. 즉, 본 발명의 목적 범위 안에서라면, 그 모든 구성요소들이 하나 이상으로 선택적으로 결합하여 동작할 수도 있다.

도면에서 동작들이 특정한 순서로 도시되어 있지만, 반드시 동작들이 도시된 특정한 순서로 또는 순차적 순서로 실행되어야만 하거나 또는 모든 도시 된 동작들이 실행되어야만 원하는 결과를 얻을 수 있는 것으로 이해되어서는 안 된다. 특정 상황에서는, 멀티태스킹 및 병렬 처리가 유리할 수도 있다. 더욱이, 위에 설명한 실시예들에서 다양한 구성들의 분리는 그러한 분리가 반드시 필요한 것으로 이해되어서는 안 되고, 설명된 프로그램 컴포넌트들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키지 될 수 있음을 이해하여야 한다.

이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해해야만 한다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (11)

1. 제어 장치에 의해 수행되는 주행 로봇의 제어 방법에 있어서,
   원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 단계;
   자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 단계;
   상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 단계; 및
   상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 단계를 포함하되,
   상기 결정된 가중치는 상기 제1 제어 값에 대한 제1 가중치 및 상기 제2 제어 값에 대한 제2 가중치를 포함하고,
   상기 제1 가중치는 상기 제2 가중치와 반비례하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
2. 삭제
3. 제1 항에 있어서,
   상기 목표 제어 값과 상기 제1 제어 값의 차이가 임계 값 이상이라는 판정에 응답하여, 상기 차이가 상기 임계 값 이하가 되도록 상기 목표 제어 값을 조정하는 단계를 더 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
4. 제1 항에 있어서,
   상기 각 제어 값에 대한 가중치를 결정하는 단계는,
   상기 딜레이가 임계 값 이상인지 여부를 판정하는 단계;
   상기 임계 값 이상이라는 판정에 응답하여, 상기 제1 가중치를 최대 값으로 결정하는 단계; 및
   상기 임계 값 이상이라는 판정에 응답하여, 상기 제2 가중치를 최소 값으로 결정하는 단계를 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
5. 제4 항에 있어서,
   상기 임계 값은,
   상기 주행 로봇의 현재 속도에 기초하여 결정되는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
6. 제1 항에 있어서,
   상기 각 제어 값에 대한 가중치를 결정하는 단계는,
   상기 주행 로봇의 센싱 데이터에 기초하여, 상기 주행 로봇의 주변 객체에 대한 충돌 위험도를 결정하는 단계; 및
   상기 충돌 위험도에 더 기초하여, 상기 각 제어 값에 대한 가중치를 결정하는 단계를 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
7. 제1 항에 있어서,
   상기 각 제어 값에 대한 가중치를 결정하는 단계는,
   상기 주행 로봇의 센싱 데이터에 기초하여, 상기 주행 로봇의 주변 환경에 대한 복잡도를 결정하는 단계; 및
   상기 복잡도에 더 기초하여, 상기 각 제어 값에 대한 가중치를 결정하는 단계를 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
8. 제7 항에 있어서,
   상기 주행 로봇의 센싱 데이터는 영상 데이터를 포함하되,
   상기 주변 환경에 대한 복잡도를 결정하는 단계는,
   상기 영상 데이터로부터 상기 주행 로봇의 주변 객체의 인식 결과를 획득하는 단계; 및
   상기 인식 결과에 기초하여 상기 복잡도를 결정하는 단계를 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
9. 제1 항에 있어서,
   상기 원격 제어 장치를 제어하는 사용자의 주행 패턴을 학습한 기계 학습 모델에 기초하여 생성된 상기 주행 로봇에 대한 제3 제어 값을 획득하는 단계를 더 포함하되,
   상기 주행 로봇의 목표 제어 값을 생성하는 단계는,
   상기 제3 제어 값에 더 기초하여, 상기 목표 제어 값을 생성하는 단계를 포함하는 것을 특징으로 하는,
   주행 로봇의 제어 방법.
10. 제1 항에 있어서,
    복수의 사용자의 주행 패턴을 학습한 기계 학습 모델에 기초하여 생성된 상기 주행 로봇에 대한 제3 제어 값을 획득하는 단계를 더 포함하되,
    상기 주행 로봇의 목표 제어 값을 생성하는 단계는,
    상기 제3 제어 값에 더 기초하여, 상기 목표 제어 값을 생성하는 단계를 포함하는 것을 특징으로 하는,
    주행 로봇의 제어 방법.
11. 주행 로봇의 제어 장치에 있어서,
    프로세서;
    메모리; 및
    상기 메모리에 저장되고, 상기 프로세서에 의해 실행되는 하나 이상의 프로그램들을 포함하고,
    상가 하나 이상의 프로그램들은,
    원격 제어 장치를 통해 입력된 상기 주행 로봇에 대한 제1 제어 값을 획득하는 동작,
    자율 주행 모듈에 의해 생성된 상기 주행 로봇에 대한 제2 제어 값을 획득하는 동작,
    상기 주행 로봇과 상기 원격 제어 장치 간의 딜레이에 기초하여 각 제어 값에 대한 가중치를 결정하는 동작 및
    상기 결정된 가중치, 상기 제1 제어 값 및 상기 제2 제어 값에 기초하여 상기 주행 로봇의 목표 제어 값을 생성하는 동작을 수행하도록 하는 인스트럭션들(instructions)을 포함하되,
    상기 결정된 가중치는 상기 제1 제어 값에 대한 제1 가중치 및 상기 제2 제어 값에 대한 제2 가중치를 포함하고,
    상기 제1 가중치는 상기 제2 가중치와 반비례하는 것을 특징으로 하는,
    주행 로봇의 제어 장치.

Images