KR102014057B1 - 로봇 청소기 제어 시스템 및 방법 - Google Patents

로봇 청소기 제어 시스템 및 방법 Download PDF

Info

Publication number
KR102014057B1
KR102014057B1 KR1020180020709A KR20180020709A KR102014057B1 KR 102014057 B1 KR102014057 B1 KR 102014057B1 KR 1020180020709 A KR1020180020709 A KR 1020180020709A KR 20180020709 A KR20180020709 A KR 20180020709A KR 102014057 B1 KR102014057 B1 KR 102014057B1
Authority
KR
South Korea
Prior art keywords
robot cleaner
model
information
module
cleaning
Prior art date
Application number
KR1020180020709A
Other languages
English (en)
Inventor
류광렬
김세영
권성철
Original Assignee
부산대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 부산대학교 산학협력단 filed Critical 부산대학교 산학협력단
Priority to KR1020180020709A priority Critical patent/KR102014057B1/ko
Application granted granted Critical
Publication of KR102014057B1 publication Critical patent/KR102014057B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L11/00—Machines for cleaning floors, carpets, furniture, walls, or wall coverings
    • A47L11/40—Parts or details of machines not provided for in groups A47L11/02 - A47L11/38, or not restricted to one of these groups, e.g. handles, arrangements of switches, skirts, buffers, levers
    • A47L11/4011—Regulation of the cleaning machine by electric means; Control systems and remote control systems therefor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/0085—Cleaning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • 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
    • G05B15/00—Systems controlled by a computer
    • G05B15/02—Systems controlled by a computer electric
    • 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
    • G05B6/00—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral, differential
    • G05B6/02—Internal feedback arrangements for obtaining particular characteristics, e.g. proportional, integral, differential electric
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • A47L2201/06—Control of the cleaning action for autonomous devices; Automatic detection of the surface condition before, during or after cleaning

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Electric Vacuum Cleaner (AREA)

Abstract

로봇 청소기 제어 시스템이 제공된다. 상기 로봇 청소기 제어 시스템은 로봇 청소기, 로봇 청소기의 상태를 나타내는 제1 정보, 가전기기의 상태를 나타내는 제2 정보, 및 사용자에 의한 로봇 청소기의 작동 여부를 나타내는 제3 정보가 제공되는 가전기기 제어 모듈, 가전기기 제어 모듈로부터 제1 내지 제3 정보를 제공받고, 제1 내지 제3 정보에 기초하여 가전기기 제어 모듈에 로봇 청소기의 제1 청소 명령을 제공하는 청소 결정 모듈을 포함하고, 가전기기 제어 모듈은 제1 청소 명령이 제공되면, 로봇 청소기에 제2 청소 명령을 제공하고, 로봇 청소기는 제2 청소 명령을 수신하면 청소를 시작한다.

Description

로봇 청소기 제어 시스템 및 방법{A SYSTEM AND METHOD FOR CONTROLLING ROBOT CLEANER}
본 발명은 로봇 청소기 제어 시스템 및 방법에 관한 것이다. 구체적으로 본 발명은 사용자의 조작 없이 스스로 청소를 시작하는 로봇 청소기 제어 시스템 및 그 방법에 관해 설명한다.
로봇 청소기를 이용하여 구역 내 청소를 자동으로 수행할 수 있는 방안들이 제시되고 있다.
예를 들어, 로봇 청소기가 스스로 장애물을 파악하고, 해당 장애물을 우회하여 청소를 수행하는 방안이 제시된다. 또한, 청소 구역을 맵핑하여 스스로 청소 구역을 제한하는 방안도 제시된다. 또한, 배터리가 부족한 경우 자동으로 배터리 충전 장소로 이동하여 도킹하는 방법이 제시된다.
한편, 청소의 시작을 명령하는 방식에는 미리 가동 시간을 설정하거나, 음성 명령을 내리거나, 휴대폰 등을 이용하여 원격으로 제어하는 방식 등이 제시된다.
본 발명이 해결하고자 하는 기술적 과제는 스스로 청소를 시작하도록 학습하는 로봇 청소기 제어 시스템을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 기술적 과제는 스스로 청소를 시작하도록 학습하는 청소기 제어 방법을 제공하는 것이다.
본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기 기술적 과제를 달성하기 위한 본 발명의 몇몇 실시예에 따른 로봇 청소기 제어 시스템은, 로봇 청소기, 로봇 청소기의 상태를 나타내는 제1 정보, 가전기기의 상태를 나타내는 제2 정보, 및 사용자에 의한 로봇 청소기의 작동 여부를 나타내는 제3 정보가 제공되는 가전기기 제어 모듈, 가전기기 제어 모듈로부터 제1 내지 제3 정보를 제공받고, 제1 내지 제3 정보에 기초하여 가전기기 제어 모듈에 로봇 청소기의 제1 청소 명령을 제공하는 청소 결정 모듈을 포함하고, 가전기기 제어 모듈은 제1 청소 명령이 제공되면, 로봇 청소기에 제2 청소 명령을 제공하고, 로봇 청소기는 제2 청소 명령을 수신하면 청소를 시작한다.
몇몇 실시예에서, 제1 정보는 로봇 청소기의 현재 동작 여부에 관한 정보와 로봇 청소기의 동작 기록에 관한 정보를 포함하고, 제2 정보는 로봇 청소기를 제외한 가전기기의 현재 동작 여부를 포함하고, 제3 정보는 로봇 청소기가 사용자에 의해 동작되거나 동작이 중단된 정보를 포함한다.
몇몇 실시예에서, 청소 결정 모듈은 모형 갱신 모듈, 상황 인지 모듈, 로봇 청소기 제어 모듈을 포함하고, 모형 갱신 모듈은 제1 내지 제3 정보에 기초하여, 로봇 청소기의 청소 가능 상황 여부를 결정하는 제1 상황 인지 모형을 생성하고, 상황 인지 모듈은 제1 상황 인지 모형과 제1 및 제2 정보에 기초하여, 로봇 청소기의 청소 가능 상황 여부를 결정하고, 로봇 청소기 제어 모듈은 청소 상황 여부와 제1 정보에 기초하여, 제1 청소 명령을 가전기기 제어 모듈에 제공한다.
몇몇 실시예에서, 모형 갱신 모듈이 제1 상황 인지 모형을 생성하기 위한 훈련 기간동안, 모형 갱신 모듈은 제1 내지 제3 정보에 기초하여 특정 사용자 데이터를 생성하고, 상황 인지 모듈은 청소 가능 상황 여부를 비결정한다.
몇몇 실시예에서, 모형 갱신 모듈은 표준 사용자 데이터와 특정 사용자 데이터를 결합하여 제1 모형 학습 데이터를 생성하고, 제1 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류를 이용하여 제1 상황 인지 모형을 생성한다.
몇몇 실시예에서, 모형 갱신 모듈은 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 제1 모형 학습 데이터와 피드백 데이터가 비일치하는 부분에 대해 제1 모형 학습 데이터를 수정하여 제2 모형 학습 데이터를 생성하고, 제2 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류를 이용하여 제2 상황 인지 모형을 생성하고, 상황 인지 모듈은 제2 상황 인지 모형에 기초하여 로봇 청소기의 청소 가능 상황 여부를 결정한다.
몇몇 실시예에서, 모형 갱신 모듈은 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 제1 모형 학습 데이터에 피드백 데이터를 추가하여 제2 모형 학습 데이터를 생성하고, 제2 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류를 이용하여 제2 상황 인지 모형을 생성하고, 상황 인지 모듈은 제2 상황 인지 모형에 기초하여 로봇 청소기의 청소 가능 상황 여부를 결정한다.
몇몇 실시예에서, 모형 갱신 모듈은 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 피드백 데이터가 제1 상황 인지 모형에 반영될 수 있도록, 제1 상황 인지 모형을 갱신하여 제2 상황 인지 모형을 생성하고, 상황 인지 모듈은 제2 상황 인지 모형에 기초하여 로봇 청소기의 청소 가능 상황 여부를 결정한다.
몇몇 실시예에서, 상황 인지 모듈은 제1 및 제2 정보를 제1 상황 인지 모형에 대입하여, 로봇 청소기의 청소 가능 상황 여부를 결정하고, 로봇 청소기 제어 모듈에 청소 가능 상황 여부를 제공한다.
몇몇 실시예에서, 로봇 청소기 제어 시스템은, 로봇 청소기가 청소 가능 상황이고, 로봇 청소기의 동작 기록이 부존재하는 경우, 가전기기 제어 모듈로으로 제1 청소 명령을 제공한다.
상기 기술적 과제를 해결하기 위한 본 발명의 몇몇 실시예에 따른 로봇 청소기 제어 방법은 로봇 청소기의 상태를 나타내는 제1 정보를 제공하고, 로봇 청소기를 제외한 가전기기의 상태를 나타내는 제2 정보를 제공하고, 사용자에 의한 로봇 청소기의 작동 여부를 나타내는 제3 정보를 제공하고, 제1 내지 제3 정보에 기초하여, 로봇 청소기의 동작을 결정하는 제1 상황 인지 모형을 생성하고, 제1 상황 인지 모형과 제1 정보에 기초하여, 로봇 청소기의 동작을 제어하되, 제1 상황 인지 모형은 나이브 베이즈(Naive Bayes) 분류를 통해 생성된다.
몇몇 실시예에서, 미리 정한 훈련기간 동안, 제1 내지 제3 정보에 기초하여 특정 사용자 데이터를 생성하고, 표준 사용자 데이터에 특정 사용자 데이터를 결합하여, 모형 학습 데이터를 생성한다.
몇몇 실시예에서, 훈련기간 도과 후, 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류하여, 제1 상황 인지 모형을 생성한다.
몇몇 실시예에서, 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 제1 상황 인지 모형은 피드백 데이터에 기초하여 제2 상황 인지 모형으로 갱신된다.
기타 실시예들의 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.
도 1은 몇몇 실시예에 따른 로봇 청소기 제어 시스템을 설명하기 위한 예시적인 도면이다.
도 2는 몇몇 실시예에 따른 청소 결정 모듈을 설명하기 위한 예시적인 도면이다.
도 3은 몇몇 실시예에에 따른 로봇 청소기 제어 시스템의 이용 방법을 설명하기 위한 예시적인 순서도이다.
도 4는 몇몇 실시예에 따른 로봇 청소기 제어 시스템의 훈련 기간을 설명하기 위한 예시적인 도면이다.
도 5는 몇몇 실시예에 따른 로봇 청소기 제어 시스템의 훈련 기간에 수집되는 특정 사용자 데이터를 설명하기 위한 예시적인 도면이다.
도 6은 몇몇 실시예에 따른 상황 인지 모형을 훈련하는 예시적인 알고리즘을 설명하기 위한 도면이다.
도 7은 몇몇 실시예에 따른 상황 인지 모형의 갱신 방법을 설명하기 위한 예시적인 도면이다.
도 8a 및 도 8b는 몇몇 실시예에 따른 모형 학습 데이터의 수정과 모형 학습 데이터의 추가를 설명하기 위한 예시적인 도면이다.
도 9는 몇몇 실시예에 따른 로봇 청소기 제어 방법을 설명하기 위한 예시적인 순서도이다.
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 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면에서 표시된 구성요소의 크기 및 상대적인 크기는 설명의 명료성을 위해 과장된 것일 수 있다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭하며, "및/또는"은 언급된 아이템들의 각각 및 하나 이상의 모든 조합을 포함한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
비록 제1, 제2 등이 다양한 소자나 구성요소들을 서술하기 위해서 사용되나, 이들 소자나 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 소자나 구성요소를 다른 소자나 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 소자나 구성요소는 본 발명의 기술적 사상 내에서 제2 소자나 구성요소 일 수도 있음은 물론이다.
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 있을 것이다. 또 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.
도 1은 몇몇 실시예에 따른 로봇 청소기 제어 시스템을 설명하기 위한 예시적인 도면이다.
도 1을 참조하면, 로봇 청소기 제어 시스템(100)은 가전기기 제어 모듈(110, APPLIANCE CONTROL MODULE), 청소 결정 모듈(120, CLEANING DETERMINE MODULE), 및 로봇 청소기(130, CLEANER)를 포함할 수 있다.
몇몇 실시예에서, 가전기기 제어 모듈(110)은 로봇 청소기(130)로부터 사용자 구동 정보(USER DATA)를 제공받을 수 있다. 사용자 구동 정보(USER DATA)는 사용자가 로봇 청소기(130)를 수동으로 턴 온(turn on)/턴 오프(turn off)한 정보일 수 있다. 예를 들어, 사용자가 로봇 청소기(130)를 턴 온한 경우, 로봇 청소기(130)는 사용자가 로봇 청소기(130)를 턴 온한 시간 정보를 가전기기 제어 모듈(110)에 제공할 수 있다. 예를 들어, 사용자가 로봇 청소기(130)를 턴 오프한 경우, 로봇 청소기(130)는 사용자가 로봇 청소기(130)를 턴 오프한 시간 정보를 가전기기 제어 모듈(110)에 제공할 수 있다.
몇몇 실시예에서, 가전기기 제어 모듈(110)은 로봇 청소기(130)로부터 로봇 청소기 상태 정보(CLEANER STATUS)를 제공받을 수 있다. 로봇 청소기 상태 정보(CLEANER STATUS)는 로봇 청소기(130)의 현재 동작 여부를 포함할 수 있다. 또한, 몇몇 실시예에서 로봇 청소기 상태 정보(CLEANER STATUS)는 로봇 청소기(130)의 동작 기록에 대한 정보를 포함할 수 있다. 예를 들어, 로봇 청소기(130)가 청소 중인 경우, 가전기기 제어 모듈(110)은 로봇 청소기(130)가 청소 중인 상태에 있음을 의미하는 데이터를 제공받을 수 있다. 다른 예를 들어, 가전기기 제어 모듈(110)은 로봇 청소기(130)가 청소를 수행한 시간에 관한 정보를 제공받을 수 있다. 예를 들어, 오늘 로봇 청소기(130)가 동작된 적이 있는 경우, 가전기기 제어 모듈(110)은 오늘 로봇 청소기(130)는 이미 구동되었음을 의미하는 데이터를 제공받을 수 있다.
몇몇 실시예에서, 가전기기 제어 모듈(110)은 로봇 청소기(130)와 다른 가전기기(미도시)로부터 가전기기 상태 정보(APPLIANCE STATUS)를 제공받을 수 있다. 가전기기 상태 정보(APPLIANCE STATUS)는 로봇 청소기(130)를 제외한 다른 가전기기들의 동작 여부를 포함할 수 있다. 예를 들어, 가전기기 상태 정보(APPLIANCE STATUS)는 현재 시간 정보, 창문의 열림/닫힘 정보, 전등의 온/오프 정보, 세탁기의 온/오프 정보, 식기 세척기의 온/오프 정보, 헤어 드라이어의 온/오프 정보, 밥솥의 온/오프 정보, TV의 온/오프 정보, 및/또는 PC의 온/오프 정보를 포함할 수 있다. 그러나, 실시예들이 이에 제한되는 것은 아니다. 몇몇 실시예에서, 이상에서 언급하지 않은 여러 가전기기들을 포함할 수 있음은 당업자에게 자명할 것이다.
몇몇 실시예에서, 가전기기 제어 모듈(110)은 제공받은 사용자 구동 정보(USER DATA), 청소 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 청소 결정 모듈(120)에 제공할 수 있다. 구체적 설명을 위해 도 2를 참조한다.
도 2는 몇몇 실시예에 따른 청소 결정 모듈을 설명하기 위한 예시적인 도면이다.
도 2를 참조하면, 몇몇 실시예에 따른 청소 결정 모듈(120)은 모형 갱신 모듈(122, MODEL UPDATE MODULE), 상황 인지 모듈(124, STATUS PERCEPTION MODULE), 및 로봇 청소기 제어 모듈(126, CLEANER CONTROL MODULE)을 포함할 수 있다.
몇몇 실시예에서, 모형 갱신 모듈(122)은 사용자 구동 정보(USER DATA), 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 제공받을 수 있다.
몇몇 실시예에서, 모형 갱신 모듈(122)은 제공받은 사용자 구동 정보(USER DATA), 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 기초로, 상황 인지 모형을 생성할 수 있다. 몇몇 실시예에서, 상황 인지 모형은 표준 사용자 데이터와 특정 사용자 데이터를 이용하여 생성될 수 있다. 구체적으로, 모형 갱신 모듈(122)은 사용자 구동 정보(USER DATA), 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 기초로, 특정 사용자 데이터를 생성할 수 있다. 모형 갱신 모듈(122)은 표준 사용자 데이터에 특정 사용자 데이터를 결합하여 모형 학습 데이터를 생성하고, 모형 학습 데이터를 분류하여 상황 인지 모형을 생성할 수 있다.
몇몇 실시예에서, 표준 사용자 데이터는 사용자들의 평균적인 청소 패턴일 수 있다. 몇몇 실시예에서 훈련 기간 동안의 사용자 구동 정보(USER DATA)와 사용자 구동 정보(USER DATA)가 존재할 때의 로봇 청소기 상태 정보(CLEANER STATUS) 및 가전기기 상태 정보(APPLIANCE STATUS)를 특정 사용자 데이터로 정의한다. 또한, 몇몇 실시예에서 훈련 기간 이후의 사용자 구동 정보(USER DATA)와 사용자 구동 정보(USER DATA)가 존재할 ?의 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 피드백 데이터로 정의한다.
예를 들어, 청소를 시작하는 시간이 통계적으로 아침에 가장 많다고 가정하면, 표준 사용자 데이터는 “청소 시작 시간-아침”을 포함할 수 있다. 예를 들어, 훈련 기간 동안 특정 사용자가 주로 저녁에 청소를 시작한 경우, 특정 사용자 데이터는 “청소 시작 시간-저녁”을 포함할 수 있다. 그러나, 이러한 설명은 예시적인 것이며 실시예들이 이에 제한되지는 않는다.
다시 말해서, 상황 인지 모형은 평균적인 사용자의 청소 패턴과, 훈련 기간 동안의 특정 사용자의 청소 패턴을 결합하여 생성될 수 있다. 생성된 상황 인지 모형은 피드백 데이터를 기초로 지속적으로 갱신될 수 있다. 예를 들어, 모형 갱신 모듈(122)은 훈련 기간이 지난 후, 표준 사용자 데이터와 특정 사용자 데이터를 기반으로 제1 상황 인지 모형을 생성할 수 있다. 또한, 모형 갱신 모듈(122)은 피드백 데이터를 기초로, 제1 상황 인지 모형을 갱신하여, 제2 상황 인지 모형을 생성할 수 있다. 몇몇 실시예에서, 모형 갱신 모듈(122)은 생성한, 또는 갱신한 상황 인지 모형을 상황 인지 모듈(124)에 제공할 수 있다.
몇몇 실시예에서, 상황 인지 모듈(124)은 로봇 청소기 상태 정보(CLEANER STATUS) 및 가전기기 상태 정보(APPLIANCE STATUS)를 제공받을 수 있다.
몇몇 실시예에서, 상황 인지 모듈(124)은 제공된 상황 인지 모형과 로봇 청소기 상태 정보(CLEANER STATUS) 및 가전기기 상태 정보(APPLIANCE STATUS)를 기초로, 청소 가능 상태 여부를 결정할 수 있다. 예를 들어, 상황 인지 모듈(124)은 제공된 로봇 청소기 상태 정보(CLEANER STATUS)와 가전기기 상태 정보(APPLIANCE STATUS)를, 제공된 상황 인지 모형에 대입하여 현재 청소가 가능한 상태인지 여부를 결정할 수 있다. 상황 인지 모듈(124)은 청소 가능 상태 여부를 로봇 청소기 제어 모듈(126)에 제공할 수 있다. 다만, 상황 인지 모듈(124)는 상황 인지 모형을 기초로 청소 가능 상태 여부를 결정하기 때문에, 훈련 기간 동안, 즉 상황 인지 모형이 생성되기 전까지는 청소 가능 상태 여부를 결정하지 않을 수 있다.
몇몇 실시예에서, 로봇 청소기 제어 모듈(126)은 청소 가능 상태 여부를 제공받을 수 있다. 또한 로봇 청소기 제어 모듈(126)은 로봇 청소기 상태 정보(CLEANER STATUS)를 제공받을 수 있다. 로봇 청소기 제어 모듈(126)은 제공된 청소 가능 상태 여부와 로봇 청소기 상태 정보(CLEANER STATUS)를 기초로, 가전기기 제어 모듈(110)에 제1 청소 명령(CMD_1)을 제공할 수 있다. 구체적인 설명은 후술한다.
비록 도면에 도시하지는 않았지만, 청소 결정 모듈(120)은 프로세서(processor)를 포함할 수 있다. 예를 들어, 프로세서는 CPU 및/또는 GPU로 구현될 수 있으나, 실시예들이 이에 제한되지는 않는다. 다시 도 1을 참조한다.
몇몇 실시예에서, 가전기기 제어 모듈(110)은 청소 결정 모듈(120)로부터 제1 청소 명령(CMD_1)을 제공 받을 수 있다. 가전기기 제어 모듈(110)은 로봇 청소기(130)에 제2 청소 명령(CMD_2)을 제공할 수 있다.
몇몇 실시예에서, 로봇 청소기(130)는 제2 청소 명령(CMD_2)을 수신하면, 로봇 청소기(130)를 구동하여 청소를 수행할 수 있다. 도 3을 참조하여, 몇몇 실시예에 따른 로봇 청소기 제어 시스템(100)을 이용하는 방법을 설명한다.
도 3은 몇몇 실시예에에 따른 로봇 청소기 제어 시스템의 이용 방법을 설명하기 위한 예시적인 순서도이다.
도 3을 참조하면, 단계 S310 내지 S330은 로봇 청소기 제어 시스템의 훈련 과정을 설명한다. 단계 S340 내지 S360은 로봇 청소기 제어 시스템을 갱신하고, 로봇 청소기 제어 시스템을 이용하는 과정을 설명한다.
도 1 내지 도 3을 참조하면, 몇몇 실시예를 따라 로봇 청소기 제어 시스템(100)에 표준 사용자 데이터를 제공할 수 있다(S310). 예를 들어, 몇몇 실시예에서 표준 사용자 데이터는 모형 갱신 모듈(122)에 제공될 수 있다.
몇몇 실시예에서, 로봇 청소기 제어 시스템(100)은 특정 사용자 데이터를 수집할 수 있다(S320). 예를 들어, 몇몇 실시예에서, 로봇 청소기 제어 시스템(100)은 훈련 기간동안 제공되는 사용자 구동 정보(USER DATA), 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 수집할 수 있다. 도 4를 참조하여 설명한다.
도 4는 몇몇 실시예에 따른 로봇 청소기 제어 시스템의 훈련 기간을 설명하기 위한 예시적인 도면이다.
도 4를 참조하면, 몇몇 실시예에서, 로봇 청소기 제어 시스템(100)은 미리 정한 기간으로 훈련 기간이 설정될 수 있다. 예를 들어, 로봇 청소기 제어 시스템(100)의 훈련 기간은 1주일으로 설정될 수 있다.
몇몇 실시예에서, 로봇 청소기 제어 시스템(100)의 훈련 기간 동안, 해당일의 청소가 완료될 때까지 특정 사용자 데이터가 수집될 수 있다. 다시 말해서, 몇몇 실시예에서, 청소가 완료된 이후에는 특정 사용자 데이터를 수집하지 않을 수 있다. 예를 들어, 첫째날(DAY1) 청소가 완료될 시점까지의 기간 동안(T1)만 특정 사용자 데이터를 수집할 수 있다. 첫째날(DAY1) 청소가 완료된 이후부터 둘째날(DAY2)이 시작하는 시점까지는 특정 사용자 데이터를 수집하지 않을 수 있다. 마찬가지로, 둘째날(DAY2)은 T2 기간 동안, 셋째날(DAY3)은 T3 기간 동안만 특정 사용자 데이터를 수집할 수 있다. 예를 들어 도 5를 참조하여 설명한다.
도 5는 몇몇 실시예에 따른 로봇 청소기 제어 시스템의 훈련 기간에 수집되는 특정 사용자 데이터를 설명하기 위한 예시적인 도면이다.
도 4 및 도 5를 참조하여 예를 들어 설명한다.
훈련 기간 T1 동안, 로봇 청소기 제어 시스템(100)은 “아침, TV-ON, LIGHT-OFF, CLEANER OFF”와 “점심, TV-OFF, LIGHT-OFF, CLEANER-ON”의 특정 사용자 데이터 정보를 수집할 수 있다. 훈련 기간 T1에서, “점심”에 로봇 청소기(130)가 작동되었기 때문에, “저녁”의 가전기기 상태 정보(APPLIANCE STATUS) 및 로봇 청소기 상태 정보(CLEANER STATUS)는 수집되지 않는다.
훈련 기간 T2 동안, 로봇 청소기 제어 시스템(100)은 “아침, TV-ON, LIGHT-OFF, CLEANER-OFF”, “점심, TV-OFF, LIGHT-ON, CLEANER-OFF”, “저녁, TV-OFF, LIGHT-ON, CLEANER-ON”의 특정 사용자 데이터 정보를 수집할 수 있다.
훈련 기간 T3 동안, 로봇 청소기 제어 시스템(100)은 “아침, TV-ON, LIGHT-OFF, CLEANER-ON”의 특정 사용자 데이터 정보를 수집할 수 있다. 훈련기간 T3에서, “아침”에 로봇 청소기(130)가 작동되었기 때문에, “점심”, 및 “저녁”의 가전기기 상태 정보(APPLIANCE STATUS) 및 로봇 청소기 상태 정보(CLEANER STATUS)는 수집되지 않는다.
비록 도 5에서는, 설명의 편의를 위해, “아침”, “점심”, “저녁”으로 시간을 나누어 설명하였지만 실시예들이 이에 제한되지 않는다. 예를 들어, 로봇 청소기 제어 시스템(100)은 연속적인 시간에 대응하는 특정 사용자 데이터를 수집할 수 있다. 도 6을 참조하여, 상황 인지 모형을 훈련하는 알고리즘을 설명한다.
도 6은 몇몇 실시예에 따른 상황 인지 모형을 훈련하는 예시적인 알고리즘을 설명하기 위한 도면이다.
도 1, 도 2, 및 도 6을 참조하면, 상황 갱신 모듈(122)은 사용자 구동 정보(USER DATA), 로봇 청소기 상태 정보(CLEANER STATUS), 및 가전기기 상태 정보(APPLIANCE STATUS)를 이용하여 상황 인지 모형을 생성할 수 있다.
몇몇 실시예에서, 상황 갱신 모듈(122)은 나이브 베이즈(Navie Bayes) 분류를 이용하여 상황 인지 모형을 생성할 수 있다. 예를 들어, 로봇 청소기(130)의 작동 여부를 가전기기 상태 정보(APPLIANCE STATUS)를 기초로 확률적으로 분류할 수 있다.
예를 들어, 아래 수학식 1을 참조한다.
[수학식 1]
Figure 112018018390284-pat00001
수학식 1은 기본적인 나이브 베이즈 분류를 설명하는 수학식이다. 여기에서, Ck는 분류 클래스, xn은 독립적인 사건을 의미한다.
도 6 및 수학식 1을 참조하면, 각각의 가전기기 상태 정보(APPLIANCE STATUS)는 시간(TIME), 창문(WINDOW), 전등(LIGHT), 세탁기(WASHER), 식기 세척기(DISH WASHER), 헤어 드라이어(HAIR DRYER), 밥솥(RICE COOKER), 텔레비전(TV), 개인용 컴퓨터(PC)의 온/오프 정보를 포함할 수 있다. 가전 기기 상태 정보(APPLIANCE STATUS)의 온/오프 확률은 각각 독립적인 것으로 가정한다.
예를 들어, 도 6에 도시된 가전기기 상태 정보(APPLIANCE STATUS) 중 시간(TIME) 및 전등(LIGHT) 정보만 이용하는 것을 가정하여 설명한다. p({CLENAER-ON}|{TIME-MORNING, LIGHT-ON})은 p(CLEANER-ON)×p(TIME-MORNING| CLEANER-ON)×p(LIGHT-ON|CLEANER-ON)과 비례할 수 있다. 다시 말해서, “아침”에 “전등이 켜져 있는 상태”에서, 로봇 청소기(130)가 작동될 확률은 로봇 청소기(130)가 작동될 확률, 로봇 청소기(130)가 작동될 때 “아침”일 확률, 및 로봇 청소기(130)가 작동될 때 “전등이 켜져 있는 상태”일 확률의 곱에 비례할 수 있다.
몇몇 실시예에서, 특정 조건 하에서 로봇 청소기(130)가 턴 온될 확률과 턴 오프될 확률을 비교하여, 확률이 더 큰쪽으로 분류할 수 있다. 예를 들어, p({CLENAER-ON}|{TIME-MORNING, LIGHT-ON})와 p({CLENAER-OFF}|{TIME-MORNING, LIGHT-ON})를 비교하여, 확률이 더 큰 쪽으로 분류할 수 있다. 예를 들어, p({CLENAER-ON}|{TIME-MORNING, LIGHT-ON})=0.11, p({CLENAER-OFF}|{TIME-MORNING, LIGHT-ON})=0.10일 때, “아침”에 “전등이 켜져 있는 상태”라면, 로봇 청소기(130)는 청소 가능 상태로 분류될 수 있다. 그러나, 이러한 예시들은 설명의 편의를 위해 임의로 선택된 것이며, 실시예들이 이에 제한되지는 않는다. 몇몇 실시예에서, 도 6에 언급되지 않은 다른 가전기기에 대한 정보들이 포함될 수 있다. 다시 도 3을 참조하여 설명한다.
몇몇 실시예에서, 표준 사용자 데이터와 수집된 특정 사용자 데이터를 결합하여, 상황 인지 모형을 생성할 수 있다. 예를 들어, 로봇 청소기 제어 시스템(100)은 표준 사용자 데이터와 수집된 특정 사용자 데이터를 기초로, 나이브 베이즈(Naive Bayes) 분류를 이용하는 상황 인지 모형을 생성할 수 있다.
훈련 기간이 도과한 후, 상황 인지 모듈(124)은 생성된 상황 인지 모형과, 수신한 로봇 청소기 상태 정보(CLEANER STATUS) 및 가전기기 상태 정보(APPLIANCE STATUS)를 이용하여 현재 청소가 가능한 상황인지 판단할 수 있다(S340).
로봇 청소기 제어 시스템(100)은 청소가 가능한 상황인지 판단한 것이 제대로 판단되었는지 여부를 결정할 수 있다(S350). 예를 들어, 상황 인지 모듈(124)이 현재 청소가 가능한 상황이라고 판단하였고, 실제로 현재 청소가 가능한 상황인 경우, 상황 인지 모듈(124)은 로봇 청소기 제어 모듈(126)에 현재 청소가 가능한 상황임을 전달할 수 있다. 이때, 로봇 청소기 제어 모듈(126)은 가전 기기 제어 모듈(110)에 제1 청소 명령(CMD_1)을 제공할 수 있다. 예를 들어, 상황 인지 모듈(124)이 현재 청소가 가능한 상황이 아니라고 판단하였고, 실제로 현재 청소가 가능한 상황이 아닌 경우, 상황 인지 모듈(124)은 로봇 청소기 제어 모듈(126)에 현재 청소가 가능한 상황이 아님을 전달할 수 있다. 이때, 로봇 청소기 제어 모듈(126)은 가전 기기 제어 모듈(110)에 아무런 명령을 제공하지 않을 수 있다. 다시 말해서, 상황 인지 모듈(124)이 제대로 상황을 판단한 경우, 로봇 청소기(130)는 청소를 수행하거나, 청소를 수행하지 않을 수 있다(S360).
몇몇 실시예에서, 상황 인지 모듈(124)이 현재 상황을 제대로 판단하지 못한 경우, 사용자는 로봇 청소기(130)를 수동으로 조작할 수 있다(S370). 예를 들어, 청소 가능 상황이 아님에도 불구하고, 로봇 청소기 제어 시스템(100)에 의해 로봇 청소기(130)가 구동된 경우, 사용자는 수동으로 로봇 청소기(130)의 청소 중단을 명령할 수 있다. 예를 들어, 청소 가능 상황임에도 불구하고, 로봇 청소기 제어 시스템(100)에 의해 로봇 청소기(130)가 구동되지 않는 경우, 사용자는 수동으로 로봇 청소기(130)의 청소 시작을 명령할 수 있다. 이때, 몇몇 실시예에서 사용자가 수동으로 청소 중단을 명령하거나, 청소 시작을 명령할 때의 로봇 청소기 상태 정보(CLEANER STATUS) 및 가전기기 상태 정보(APPLIANCE STATUS)를 피드백 데이터로 정의한다.
몇몇 실시예에서, 피드백 데이터가 수신되는 경우, 모형 갱신 모듈(122)은 피드백 데이터를 이용하여 상황 인지 모형을 갱신할 수 있다(S380). 예를 들어, 모형 갱신 모듈(122)은 피드백 데이터를 이용하여, 제1 상황 인지 모형을 갱신하여 제2 상황 인지 모형을 생성할 수 있다.
몇몇 실시예에서 상황 인지 모형이 갱신되면, 상황 인지 모듈(124)은 갱신된 상황 인지 모형을 이용하여 다시 현재 상황이 청소 가능 상황인지 판단할 수 있다(S340). 이후, 전술한 과정을 반복할 수 있다. 도 7을 참조하여, 상황 인지 모형을 갱신하는 방법에 대해 설명한다.
도 7은 몇몇 실시예에 따른 상황 인지 모형의 갱신 방법을 설명하기 위한 예시적인 도면이다.
도 7을 참조하면, 모형 갱신 모듈(122)은 훈련 기간 동안 표준 사용자 데이터와 특정 사용자 데이터를 수집할 수 있다(S710).
몇몇 실시예에서, 표준 사용자 데이터와 특정 사용자 데이터를 조합하여 모형 학습 데이터를 생성할 수 있다(S720). 모형 학습 데이터는 표준 사용자 데이터에 특정 사용자 데이터가 추가된 데이터 집합일 수 있다. 몇몇 실시예에서, 모형 학습 데이터는 나이브 베이즈(Naive Bayes) 분류에 직접 사용되는 데이터일 수 있다.
몇몇 실시예에서, 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류를 이용하여, 제1 상황 인지 모형을 생성한다(S730).
상황 인지 모형으로 로봇 청소기를 제어하는 중, 피드백 데이터가 발생할 수 있다. (S740).
모형 학습 데이터에서, 모형 학습 데이터와 피드백 데이터가 일치하지 않는 부분을 피드백 데이터와 일치하도록 수정할 수 있다(S750). 예를 들어, 도 8a를 참조하여 설명한다.
도 8a 및 도 8b는 몇몇 실시예에 따른 모형 학습 데이터의 수정과 모형 학습 데이터의 추가를 설명하기 위한 예시적인 도면이다.
도 8a를 참조하면, 모형 학습 데이터는 "아침, TV-ON, LIGHT-OFF, CLEANER-OFF"인 데이터를 포함할 수 있다. "아침, TV-ON, LIGHT-OFF, CLEANER-ON"인 피드백 데이터가 발생한 경우, 모형 학습 데이터의 "CLEANER-OFF"를 "CLEANER-ON"으로 수정할 수 있다.
다시 도 7을 참조하면, 피드백 데이터에 의해 수정된 모형 학습 데이터를, 나이브 베이즈(Naive Bayes) 분류를 이용하여, 제2 상황 인지 모형을 생성한다(S760).
이어서, 제2 상황 인지 모형이 피드백 데이터를 제대로 분류하는지 판단한다. 다시 말해서, 제2 상황 인지 모형으로 피드백 데이터를 성공적으로 분류하는지 여부를 판단한다(S770). 예를 들어, "아침, TV-ON, LIGHT-OFF"라는 조건을 제2 상황 인지 모형에 대입한 경우, "CLEANER-ON"이라는 결과가 도출되는지 확인한다.
제2 상황 인지 모형이 피드백 데이터의 분류를 성공적으로 수행한 경우, 상황 인지 모형의 학습은 종료될 수 있다(S780).
제2 상황 인지 모형이 피드백 데이터의 분류를 실패한 경우, 피드백 데이터를 모형 학습 데이터에 추가할 수 있다(S790). 도 8b를 참조하여 설명한다.
도 8b를 참조하면, "아침, TV-ON, LIGHT-OFF, CLEANER-ON"이라는 피드백 데이터를 모형 학습 데이터에 별도로 추가할 수 있다. 다시 말해서, 모형 학습 데이터는 피드백 데이터에 의해 수정된 데이터 "아침, TV-ON, LIGHT-OFF, CLEANER-ON"을 포함할 수 있다(①). 또한, 모형 학습 데이터는 피드백 데이터에 의해 추가된 데이터 "아침, TV-ON, LIGHT-OFF, CLEANER-ON"을 포함할 수 있다(②). 나이브 베이즈(Naive Bayes) 분류는 확률 기반의 분류이다. 따라서, 피드백 데이터를 모형 학습 데이터에 새로 추가함으로써 피드백 데이터를 제대로 분류할 확률이 더 증가될 수 있다.
다시 도 7을 참조하면, 피드백 데이터가 추가된 모형 학습 데이터를, 나이브 베이즈(Naive Bayes) 분류를 이용하여, 제2 상황 인지 모형을 생성한다(S760). 이후 과정을 반복한다.
도 9는 몇몇 실시예에 따른 로봇 청소기 제어 방법을 설명하기 위한 예시적인 순서도이다.
도 9를 참조하면, 상황 인지 모듈(124)은 로봇 청소기 제어 모듈(126)에 청소 가능 여부를 제공할 수 있다(S910). 몇몇 실시예에서, 청소 가능 여부는 상황 인지 모듈(124)이 상황 인지 모형을 이용하여 결정할 수 있다. 예를 들어, 상황 인지 모듈(124)이 상황 인지 모형을 이용하여, 현재 가전기기의 동작 상황을 기초로 로봇 청소기(130)의 동작 여부를 결정할 수 있다. 다시 말해서, 사용자의 생활 패턴을 현재 가전기기들의 동작 상황으로 판단하여, 청소 시작 여부를 결정할 수 있다.
로봇 청소기 제어 모듈(126)은 현재 청소가 가능한 상황인지 여부를 판단하여(S920), 청소가 가능한 상황인 경우, 오늘 청소를 수행한 기록이 있는지 여부를 판단한다(S930). 오늘 청소를 수행한 기록이 없으면, 로봇 청소기 제어 모듈(126)은 가전기기 제어 모듈(110)에 제1 청소 명령(CMD_1)을 제공할 수 있다. 가전기기 제어 모듈(110)은 로봇 청소기(130)에 제2 청소 명령(CMD_2)을 제공할 수 있다(S940).
현재 청소가 가능한 상황이 아니거나, 오늘 청소를 수행한 기록이 있는 경우, 로봇 청소기 제어 모듈(126)은 청소 명령을 내리지 않는다(S950).
이상 첨부된 도면을 참조하여 본 발명의 실시예들을 설명하였으나, 본 발명은 상기 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 제조될 수 있으며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다.
100: 로봇 청소기 제어 시스템 110: 가전기기 제어 모듈
120: 청소 결정 모듈 130: 로봇 청소기

Claims (14)

  1. 로봇 청소기;
    상기 로봇 청소기의 상태를 나타내는 제1 정보, 가전기기의 상태를 나타내는 제2 정보, 및 사용자에 의한 상기 로봇 청소기의 작동 여부를 나타내는 제3 정보가 제공되는 가전기기 제어 모듈;
    상기 가전기기 제어 모듈로부터 상기 제1 내지 제3 정보를 제공받고, 상기 제1 내지 제3 정보에 기초하여 상기 가전기기 제어 모듈에 상기 로봇 청소기의 제1 청소 명령을 제공하는 청소 결정 모듈을 포함하고,
    상기 가전기기 제어 모듈은 상기 제1 청소 명령이 제공되면, 상기 로봇 청소기에 제2 청소 명령을 제공하고,
    상기 로봇 청소기는 상기 제2 청소 명령을 수신하면 청소를 시작하는 로봇 청소기 제어 시스템.
  2. 제 1항에 있어서,
    상기 제1 정보는 상기 로봇 청소기의 현재 동작 여부에 관한 정보와 상기 로봇 청소기의 동작 기록에 관한 정보를 포함하고, 상기 제2 정보는 상기 로봇 청소기를 제외한 가전기기의 현재 동작 여부를 포함하고, 상기 제3 정보는 상기 로봇 청소기가 사용자에 의해 동작되거나 동작이 중단된 정보를 포함하는 로봇 청소기 제어 시스템.
  3. 제 1항에 있어서,
    상기 청소 결정 모듈은 모형 갱신 모듈, 상황 인지 모듈, 로봇 청소기 제어 모듈을 포함하고,
    상기 모형 갱신 모듈은 상기 제1 내지 제3 정보에 기초하여, 상기 로봇 청소기의 청소 가능 상황 여부를 결정하는 제1 상황 인지 모형을 생성하고,
    상기 상황 인지 모듈은 상기 제1 상황 인지 모형과 상기 제1 및 제2 정보에 기초하여, 상기 로봇 청소기의 상기 청소 가능 상황 여부를 결정하고,
    상기 로봇 청소기 제어 모듈은 상기 청소 가능 상황 여부와 상기 제1 정보에 기초하여, 상기 제1 청소 명령을 상기 가전기기 제어 모듈에 제공하는 로봇 청소기 제어 시스템.
  4. 제 3항에 있어서,
    상기 모형 갱신 모듈이 상기 제1 상황 인지 모형을 생성하기 위한 훈련 기간동안,
    상기 모형 갱신 모듈은 상기 제1 내지 제3 정보에 기초하여 특정 사용자 데이터를 생성하고, 상기 상황 인지 모듈은 상기 청소 가능 상황 여부를 비결정하는 로봇 청소기 제어 시스템.
  5. 제 4항에 있어서,
    상기 모형 갱신 모듈은 표준 사용자 데이터와 상기 특정 사용자 데이터를 결합하여 제1 모형 학습 데이터를 생성하고, 상기 제1 모형 학습 데이터를 나이브 베이즈(Naive Bayes) 분류를 이용하여 제1 상황 인지 모형을 생성하는 로봇 청소기 제어 시스템.
  6. 제 5항에 있어서,
    상기 모형 갱신 모듈은 상기 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 상기 제1 모형 학습 데이터와 상기 피드백 데이터가 비일치하는 부분에 대해 상기 제1 모형 학습 데이터를 수정하여 제2 모형 학습 데이터를 생성하고, 상기 제2 모형 학습 데이터를 상기 나이브 베이즈(Naive Bayes) 분류를 이용하여 제2 상황 인지 모형을 생성하고,
    상기 상황 인지 모듈은 상기 제2 상황 인지 모형에 기초하여 상기 로봇 청소기의 상기 청소 가능 상황 여부를 결정하는 로봇 청소기 제어 시스템.
  7. 제 5항에 있어서,
    상기 모형 갱신 모듈은 상기 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 상기 제1 모형 학습 데이터에 상기 피드백 데이터를 추가하여 제2 모형 학습 데이터를 생성하고, 상기 제2 모형 학습 데이터를 상기 나이브 베이즈(Naive Bayes) 분류를 이용하여 제2 상황 인지 모형을 생성하고,
    상기 상황 인지 모듈은 상기 제2 상황 인지 모형에 기초하여 상기 로봇 청소기의 상기 청소 가능 상황 여부를 결정하는 로봇 청소기 제어 시스템.
  8. 제 5항에 있어서,
    상기 모형 갱신 모듈은 상기 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고, 상기 피드백 데이터가 상기 제1 상황 인지 모형에 반영될 수 있도록, 상기 제1 상황 인지 모형을 갱신하여 제2 상황 인지 모형을 생성하고,
    상기 상황 인지 모듈은 상기 제2 상황 인지 모형에 기초하여 상기 로봇 청소기의 상기 청소 가능 상황 여부를 결정하는 로봇 청소기 제어 시스템.
  9. 제 3항에 있어서,
    상기 상황 인지 모듈은 상기 제1 및 제2 정보를 상기 제1 상황 인지 모형에 대입하여, 상기 로봇 청소기의 상기 청소 가능 상황 여부를 결정하고, 상기 로봇 청소기 제어 모듈에 상기 청소 가능 상황 여부를 제공하는 로봇 청소기 제어 시스템.
  10. 제 9항에 있어서,
    상기 로봇 청소기 제어 시스템은, 상기 로봇 청소기가 청소 가능 상황이고, 상기 로봇 청소기의 동작 기록이 부존재하는 경우, 상기 가전기기 제어 모듈로으로 상기 제1 청소 명령을 제공하는 로봇 청소기 제어 시스템.
  11. 로봇 청소기의 상태를 나타내는 제1 정보를 제공하고,
    상기 로봇 청소기를 제외한 가전기기의 상태를 나타내는 제2 정보를 제공하고,
    사용자에 의한 상기 로봇 청소기의 작동 여부를 나타내는 제3 정보를 제공하고,
    상기 제1 내지 제3 정보에 기초하여, 상기 로봇 청소기의 동작을 결정하는 제1 상황 인지 모형을 생성하고,
    상기 제1 상황 인지 모형과 상기 제1 정보에 기초하여, 상기 로봇 청소기의 동작을 제어하되,
    상기 제1 상황 인지 모형은 나이브 베이즈(Naive Bayes) 분류를 통해 생성되는 로봇 청소기 제어 방법.
  12. 제 11항에 있어서,
    미리 정한 훈련기간 동안,
    상기 제1 내지 제3 정보에 기초하여 특정 사용자 데이터를 생성하고, 표준 사용자 데이터에 상기 특정 사용자 데이터를 결합하여, 모형 학습 데이터를 생성하는 로봇 청소기 제어 방법.
  13. 제 12항에 있어서,
    상기 훈련기간 도과 후,
    상기 모형 학습 데이터를 상기 나이브 베이즈(Naive Bayes) 분류하여, 상기 제1 상황 인지 모형을 생성하는 로봇 청소기 제어 방법.
  14. 제 13항에 있어서,
    상기 제1 내지 제3 정보에 기초하여 피드백 데이터를 생성하고,
    상기 제1 상황 인지 모형은 상기 피드백 데이터에 기초하여 제2 상황 인지 모형으로 갱신되는 로봇 청소기 제어 방법.
KR1020180020709A 2018-02-21 2018-02-21 로봇 청소기 제어 시스템 및 방법 KR102014057B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180020709A KR102014057B1 (ko) 2018-02-21 2018-02-21 로봇 청소기 제어 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180020709A KR102014057B1 (ko) 2018-02-21 2018-02-21 로봇 청소기 제어 시스템 및 방법

Publications (1)

Publication Number Publication Date
KR102014057B1 true KR102014057B1 (ko) 2019-08-27

Family

ID=67807868

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180020709A KR102014057B1 (ko) 2018-02-21 2018-02-21 로봇 청소기 제어 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR102014057B1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210041796A (ko) * 2019-10-08 2021-04-16 엘지전자 주식회사 로봇 청소기 및 이의 제어방법
WO2022234944A1 (ko) * 2021-05-03 2022-11-10 삼성전자 주식회사 청소 로봇을 제어하는 방법 및 시스템

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002196821A (ja) * 2000-12-27 2002-07-12 Matsushita Electric Ind Co Ltd 自走式移動体、情報端末及び機器管理システム
KR100738890B1 (ko) * 2005-07-22 2007-07-12 엘지전자 주식회사 이동로봇을 이용한 홈 네트워킹 시스템
KR20140128021A (ko) * 2013-04-26 2014-11-05 삼성전자주식회사 청소 로봇, 홈 모니터링 장치 및 그 제어 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002196821A (ja) * 2000-12-27 2002-07-12 Matsushita Electric Ind Co Ltd 自走式移動体、情報端末及び機器管理システム
KR100738890B1 (ko) * 2005-07-22 2007-07-12 엘지전자 주식회사 이동로봇을 이용한 홈 네트워킹 시스템
KR20140128021A (ko) * 2013-04-26 2014-11-05 삼성전자주식회사 청소 로봇, 홈 모니터링 장치 및 그 제어 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210041796A (ko) * 2019-10-08 2021-04-16 엘지전자 주식회사 로봇 청소기 및 이의 제어방법
KR102311251B1 (ko) * 2019-10-08 2021-10-12 엘지전자 주식회사 로봇 청소기 및 이의 제어방법
WO2022234944A1 (ko) * 2021-05-03 2022-11-10 삼성전자 주식회사 청소 로봇을 제어하는 방법 및 시스템

Similar Documents

Publication Publication Date Title
US9860077B2 (en) Home animation apparatus and methods
US9821470B2 (en) Apparatus and methods for context determination using real time sensor data
US20150220775A1 (en) Methods, Systems, and Products for Gesture-Activation
CN110998601A (zh) 用于识别对象的方法和装置
EP3684563B1 (en) Moving robot and control method thereof
US11330951B2 (en) Robot cleaner and method of operating the same
KR20190089790A (ko) 인공 지능을 통해 바닥 상황을 고려하여 청소하는 로봇 청소기 및 그 방법
US20190343355A1 (en) Method and apparatus for executing cleaning operation
JP6352402B2 (ja) 連続的構成機能を備える学習デバイス
US11615792B2 (en) Artificial intelligence-based appliance control apparatus and appliance controlling system including the same
CN112135553B (zh) 用于执行清洁操作的方法和设备
KR102014057B1 (ko) 로봇 청소기 제어 시스템 및 방법
AU2012339717A1 (en) Audio pattern matching for device activation
CN110121696B (zh) 电子设备及其控制方法
CN107813306B (zh) 机器人及其动作控制方法和装置
CN106251605A (zh) 语音识别功能的启动方法、装置和系统及遥控器
CN109093627A (zh) 智能机器人
US11554499B2 (en) Robot and method for controlling the same
US20230091104A1 (en) Electronic device and operating method thereof
KR20190095193A (ko) 인공 지능 시스템의 동작을 관리하는 인공 지능 장치 및 그 방법
EP3314901B1 (en) Electronic apparatus controllable by a remote controller dedicated to remote control another electronic apparatus
CN112908321A (zh) 设备控制方法、装置、存储介质及电子装置
KR102612822B1 (ko) 인공지능 이동 로봇의 제어 방법
CN110602197A (zh) 物联网控制装置和方法、电子设备
CN112805128A (zh) 人工智能移动机器人

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant