KR102077669B1 - 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치 - Google Patents

사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치 Download PDF

Info

Publication number
KR102077669B1
KR102077669B1 KR1020180026268A KR20180026268A KR102077669B1 KR 102077669 B1 KR102077669 B1 KR 102077669B1 KR 1020180026268 A KR1020180026268 A KR 1020180026268A KR 20180026268 A KR20180026268 A KR 20180026268A KR 102077669 B1 KR102077669 B1 KR 102077669B1
Authority
KR
South Korea
Prior art keywords
user
sensing data
sensor
data processing
identification
Prior art date
Application number
KR1020180026268A
Other languages
English (en)
Other versions
KR20190105767A (ko
Inventor
최장호
구현진
장선호
이수민
도원경
Original Assignee
네이버랩스 주식회사
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 네이버랩스 주식회사 filed Critical 네이버랩스 주식회사
Priority to KR1020180026268A priority Critical patent/KR102077669B1/ko
Publication of KR20190105767A publication Critical patent/KR20190105767A/ko
Application granted granted Critical
Publication of KR102077669B1 publication Critical patent/KR102077669B1/ko

Links

Images

Classifications

    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
    • G06F3/0416—Control or interface arrangements specially adapted for digitisers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/081—Touching devices, e.g. pressure-sensitive
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/0009—Constructional details, e.g. manipulator supports, bases
    • 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
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/041—Indexing scheme relating to G06F3/041 - G06F3/045
    • G06F2203/04105—Pressure sensors for measuring the pressure or force exerted on the touch surface without providing the touch position

Abstract

식별 태그를 착용한 사용자로부터의 터치 인터랙션을 감지된 때, 식별 태그 리더기를 통해 식별 태그를 판독하여 사용자의 식별 데이터를 획득하며, 센서들을 통해 터치 인터랙션과 연관된 센싱 데이터를 획득하고, 획득된 식별 데이터에 따라 센싱 데이터를 분류하여, 분류된 센싱 데이터를 사용자의 식별을 위한 데이터로서 사용하는 센싱 데이터 처리 방법을 제공한다.

Description

사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치{METHOD AND APPARATUS FOR PROCESSING SENSING DATA ASSOCIATED WITH TOUCH INTERACTION OF USER}
실시예들은 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치에 관한 것으로, 특히, 터치 인터랙션과 연관된 센싱 데이터를 처리함으로써 사용자를 식별하는 방법 및 장치와 관련된다.
사용자의 터치 인터랙션을 수신하고 이에 따라 콘텐츠나 서비스를 제공하는 장치에 있어서, 터치 인터랙션을 입력한 사용자가 누구인지를 식별하는 것은, 식별된 사용자에 대해 커스터마이즈된 콘텐츠나 서비스를 제공함에 있어서 중요하다. 특히, 복수의 사용자들이 인터랙션하는 장치(즉, 일대다 인터랙션이 이루어지는 장치)와 관련하여서는, 복수의 사용자들 중 특정 사용자를 식별하는 것이 매우 중요하다. 이러한 콘텐츠나 서비스를 제공하는 장치로는 테이블탑(tabletop) 장치를 들 수 있다.
터치 인터랙션을 입력한 사용자를 식별하는 기술은 하드웨어를 사용하는 기술과 소프트웨어를 사용하는 기술로 구분할 수 있다. 하드웨어를 사용하는 기술은 적외선 신호에 기반하여 사용자를 식별하는 것으로, 사용자가 특정한 장치(예컨대, 반지, 손목밴드, 장갑 등)을 착용하고, 해당 장치로부터 출력되는 적외선 신호가 분석됨으로써 사용자가 식별될 수 있다. 소프트웨어를 사용하는 기술로는 확률학적 모델링 등을 사용하여 사용자를 식별하는 방법이 있다.
그러나, 이와 같은 방법들은 사용자의 터치 인터랙션과 연관된 센싱 데이터를 체계적으로 분류할 수 없고, 사용자를 정확하게 식별해 내지 못하는 문제가 있다. 또한, 테이블탑 장치에 비해 다이내믹한 구조를 갖는 로봇에 있어서는 활용되기가 어려운 문제가 있다.
따라서, 다이내믹한 구조를 갖는 로봇에 있어서도 적용이 가능하며, 사용자가 입력한 터치 인터랙션과 연관된 센싱 데이터를 체계적으로 분류할 수 있으며, 나아가, 별도의 장치를 사용자가 착용하지 않는 경우에도 정확하게 사용자를 식별할 수 있도록 하는 장치 및 방법이 요구된다.
한국공개특허 제10-2015-0031986호(공개일 2015년 03월 25일)는 디스플레이 장치 및 그 제어 방법에 관한 것으로서, 영상을 표시하는 디스플레이부와, 사용자로부터 복수의 터치 입력을 수신하는 터치 감지부와, 영상을 수신하는 영상 입력부와, 터치 감지부로부터 수신된 터치 입력 정보와 영상 입력부로부터 수신된 사용자의 시선 정보를 이용하여, 수신된 복수의 터치 입력에 대응하는 동작을 수행하는 제어부를 포함하며, 복수의 터치 입력에 대하여 안구 방향을 이용하여 사용자를 식별하는 멀티터치 디스플레이 장치를 개시하고 있다.
상기에서 설명된 정보는 단지 이해를 돕기 위한 것이며, 종래 기술의 일부를 형성하지 않는 내용을 포함할 수 있으며, 종래 기술이 통상의 기술자에게 제시할 수 있는 것을 포함하지 않을 수 있다.
일 실시예는, RFID 태그를 착용한 사용자로부터의 터치 인터랙션이 감지됨에 따라, RFID 태그를 판독함으로써 획득된 식별 데이터를 기준으로, 센서들로부터 획득된 터치 인터랙션과 연관된 센싱 데이터를 분류함으로써, 터치 인터랙션과 연관된 센싱 데이터를 사용자 별로 라벨링할 수 있는 방법 및 장치를 제공할 수 있다.
일 실시예는, RFID 태그를 착용한 사용자로부터의 터치 인터랙션이 감지될 때, RFID 태그를 판독함으로써 획득된 식별 데이터를 사용하여 터치 인터랙션을 입력한 사용자를 정확하게 식별할 수 있는 방법 및 장치를 제공할 수 있다.
일 실시예는, RFID 태그를 판독함으로써 획득된 식별 데이터를 사용하여 분류된 센싱 데이터를 사용자의 식별을 위한 기계 학습(machine learning)의 훈련 데이터로서의 사용함으로써, 기계 학습의 결과에 기반하여 RFID 태그의 착용 여부에 관계없이 사용자를 정확하게 식별할 수 있는 방법 및 장치를 제공할 수 있다.
일 측면에 있어서, 식별 태그 리더기 및 복수의 센서들을 포함하는 센싱 데이터 처리 장치에 의해 수행되는, 식별 태그를 착용한 사용자로부터의 터치 인터랙션을 감지된 때, 상기 식별 태그 리더기를 통해 상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하고, 상기 복수의 센서들을 통해 상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 단계, 상기 식별 데이터를 기준으로, 상기 센싱 데이터를 분류하는 단계, 및 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 데이터로서의 사용을 위해 제공하는 단계를 포함하는, 센싱 데이터 처리 방법이 제공된다.
상기 제공하는 단계는, 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 기계 학습의 훈련 데이터로서의 사용을 위해 제공할 수 있다.
상기 센싱 데이터 처리 방법은 상기 사용자로부터의 터치 인터랙션과 연관된 데이터를 분석함으로써 다른 사용자와 구별하여 상기 사용자를 식별하는 단계를 더 포함할 수 있다.
상기 센싱 데이터 처리 방법은 사용자가 식별 태그를 착용하지 않은 경우, 상기 기계 학습의 결과에 기반하여, 상기 식별 태그를 착용하지 않은 사용자로부터의 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써 사용자를 식별하는 단계를 더 포함할 수 있다.
상기 센싱 데이터 처리 방법은 상기 식별된 사용자와 연관된 피드백 정보를 상기 식별된 사용자에게 제공하는 단계를 더 포함할 수 있다.
상기 복수의 센서들은 터치 감지 센서, 압력 감지 센서 및 진동 감지 센서를 포함할 수 있다.
상기 센싱 데이터는 상기 터치 감지 센서에 의해 검출된 접촉 정보, 상기 압력 감지 센서에 의해 검출된 압력 정보, 및 상기 진동 감지 센서에 의해 검출된 진동 정보를 포함할 수 있다.
하나 이상의 센싱 데이터 처리 장치들이 상기 센싱 데이터 처리 장치의 주위에 마련되고, 상기 센싱 데이터를 분류하는 단계는, 상기 식별 데이터를 기준으로, 상기 센싱 데이터 처리 장치들에 대한 상기 센싱 데이터 처리 장치의 위치 관계를 나타내는 정보를 더 포함하여 상기 센싱 데이터를 분류할 수 있다.
상기 센싱 데이터 처리 장치들 및 상기 센싱 데이터 처리 장치는 상기 사용자에게 소정의 콘텐츠 또는 서비스를 제공하는 로봇의 표면에 마련될 수 있다.
상기 기계 학습은 HMM, CNN 또는 LSTM 알고리즘을 사용하여 상기 센싱 데이터를 학습할 수 있다.
상기 분류하는 단계는, 상기 센싱 데이터에 포함된 각 항목의 데이터를 심볼화하는 단계를 포함할 수 있다.
상기 심볼화된 데이터는, 상기 기계 학습의 결과에 기반하여, 상기 터치 인터랙션의 종류 및 상기 터치 인터랙션을 입력한 사용자 중 적어도 하나를 식별하기 위해 사용될 수 있다.
다른 일 측면에 있어서, 센싱 데이터 처리 장치에 있어서, 식별 태그를 착용한 사용자로부터의 터치 인터랙션이 감지됨에 따라, 상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하는 식별 태그 리더기; 상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 센서부 - 상기 센서부는 복수의 센서들을 포함함 - 및 상기 식별 데이터를 기준으로 상기 센싱 데이터를 분류하고, 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 데이터로서의 사용을 위해 제공하는 데이터 분류부를 포함하는, 센싱 데이터 처리 장치가 제공된다.
하나 이상의 센싱 데이터 처리 장치들이 상기 센싱 데이터 처리 장치의 주위에 마련되고, 상기 데이터 분류부는, 상기 식별 데이터를 기준으로, 상기 센싱 데이터 처리 장치들에 대한 상기 센싱 데이터 처리 장치의 위치 관계를 나타내는 정보를 더 포함하여 상기 센싱 데이터를 분류할 수 있다.
상기 센싱 데이터 처리 장치는 상기 사용자로부터의 터치 인터랙션에 기반하여, 다른 사용자와 구별하여 상기 사용자를 식별하는 사용자 식별부 및 상기 식별된 사용자와 연관된 피드백 정보를 상기 식별된 사용자에게 제공하는 피드백 정보 제공부를 더 포함할 수 있다.
상기 복수의 센서들은 터치 감지 센서, 압력 감지 센서 및 진동 감지 센서를 포함할 수 있다.
상기 터치 감지 센서 및 상기 압력 감지 센서는 상기 터치 인터랙션이 가해지는 표면 측에 마련될 수 있다.
상기 진동 감지 센서는 상기 터치 감지 센서 및 상기 압력 감지 센서의 상기 표면에 접하지 않는 측의 하단 측에 마련될 수 있다.
상기 데이터 분류부는 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 기계 학습의 훈련 데이터로서의 사용을 위해 제공할 수 있다.
또 다른 일 측면에 있어서, 사용자에게 소정의 콘텐츠 또는 서비스를 제공하는 로봇에 있어서, 상기 센싱 데이터 처리 장치가 상기 로봇의 표면에 마련된, 로봇이 제공된다.
상기 표면은 강성(rigid)이고, 상기 표면에는 복수의 상기 센싱 데이터 처리 장치가 마련될 수 있다.
또 다른 일 측면에 있어서, 식별 태그를 착용한 사용자로부터의 터치 인터랙션을 감지하기 위한 구조에 있어서, 상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 복수의 센서들 - 상기 복수의 센서들 중 터치 감지 센서 및 압력 감지 센서는 상기 터치 인터랙션이 가해지는 표면 측에 마련되고, 상기 복수의 센서들 중 진동 감지 센서는 상기 터치 감지 센서 및 상기 압력 감지 센서의 상기 표면에 접하지 않는 측의 하단 측에 마련됨 -, 상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하는 식별 태그 리더기 - 상기 식별 태그 리더기는 상기 진동 감지 센서와 상기 터치 감지 센서 및 상기 압력 감지 센서의 사이에 마련됨 - 및 상기 복수의 센서들로부터 획득된 데이터를 처리하는 센서 보드를 포함하고, 상기 센서 보드는 상기 진동 감지 센서와 상기 식별 태그 리더기 사이에 배치되는, 센싱 데이터 처리 구조가 제공된다.
촉각(tactile) 기반의 센싱 데이터를 획득하여 사용자를 식별하기 위한 데이터로서 제공하는 센싱 데이터 처리 장치를 구현함으로써, 다이내믹한 구조를 갖는 로봇의 강성의 표면에 적절하게 배치될 수 있으며, 일대다 인터랙션을 수행하는 로봇에 있어서 특정 사용자를 식별하기 위해 사용되는 장치를 구현할 수 있다.
RFID 태그를 판독함으로써 획득된 식별 데이터를 기준으로, 센서들로부터 획득된 터치 인터랙션과 연관된 센싱 데이터를 자동 분류함으로써, 터치 인터랙션과 연관된 센싱 데이터를 사용자 별로 체계적으로 라벨링할 수 있고, 이를 사용하여 터치 인터랙션을 입력한 사용자를 정확하게 식별할 수 있다.
RFID 태그를 판독함으로써 획득된 식별 데이터를 사용하여 분류된 센싱 데이터를 사용자의 식별을 위한 기계 학습의 훈련 데이터로서의 사용함으로써, 기계 학습의 결과에 기반하여 특별한 장치의 착용 여부에 관계없이 사용자를 정확하게 식별할 수 있다.
도 1은 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하여 사용자를 식별하는 방법을 나타낸다.
도 2는 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치 및 센싱 데이터를 사용하여 기계 학습을 수행하는 장치의 구조를 나타낸다.
도 3은 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법을 나타내는 흐름도이다.
도 4는 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하여 사용자를 식별하는 방법을 나타내는 흐름도이다.
도 5는 일 예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치의 구조를 나타낸다.
도 6은 일 예에 따른, 센싱 데이터 처리 장치가 적용된 로봇 및 사용자의 터치 인터랙션으로부터 획득된 센싱 데이터를 나타낸다.
도 7은 일 예에 따른, 복수의 센싱 데이터 처리 장치들이 적용된 로봇에 있어서, 센싱 데이터 처리 장치들의 배치를 나타낸다.
도 8은 일 예에 따른 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치의 개략적인 회로 구조도를 나타낸다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
후술될 상세한 설명에서는, 설명의 편의상 RFID 태그 및 RFID 태그를 판독하는 RFID 리더기에 관해서만 실시예들을 설명하지만, RFID 태그 및 RFID 리더기는 유사한 근접 무선 통신을 사용하는 여하한 식별 태그 및 식별 태그 리더기로 대체될 수 있다. 예컨대, NFC 태그 및 NFC 태그 리더기나, 블루투스 송수신 모듈이 RFID 태그 및 RFID 리더기 대신에 사용될 수 있다.
도 1은 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하여 사용자를 식별하는 방법을 나타낸다.
도 1에서는 RFID 태그(120)를 착용한 사용자 A(110)에 의해 센싱 데이터 처리 장치(100)에 대해 입력된 터치 인터랙션에 따라, 센싱 데이터 처리 장치(100)(또는, 센싱 데이터 장치(100)가 포함된 로봇(200))에 의해, 터치 인터랙션을 입력한 사용자 A(110)가 식별되고, 식별된 사용자 A(110)에게 로봇(200)에 의해 콘텐츠 또는 서비스가 제공되는 방법이 설명된다.
사용자 A(110)의 RFID 태그(120)의 '착용'은, '착용' 자체에 한정되지 않고 소정의 RFID 리더기에 의해 RFID 태그(120)가 판독될 수 있도록 사용자 A(110)가 RFID 태그(120)를 '소지'한 상태를 의미할 수 있다.
센싱 데이터 처리 장치(100)는 사용자 A(110)로부터의 터치 인터랙션을 받아들이는 장치로서, 예컨대, 도시된 것과 같이 로봇(200)의 표면에 배치될 수 있다. 로봇(200)의 표면에는 복수의 센싱 데이터 처리 장치(100, 100-1 ...)가 배치될 수 있다. 후술될 상세한 설명에서는 편의상 센싱 데이터 처리 장치(100)를 기준으로 실시예들을 설명한다.
터치 인터랙션은 사용자 A(110)가 센싱 데이터 처리 장치(100)에 대해 입력하는 여하한 촉각적인(tactile) 입력을 의미할 수 있다. 예컨대, 터치 인터랙션은 사용자 A(110)에 의한 터치 입력, 터치 제스처, 가압 제스처, 진동 제스처, 탭핑 제스처 등을 포함할 수 있다.
도시된 실시예와 같이, RFID 태그(120)를 착용한 사용자 A(110)는 로봇(200)에 마련된 센싱 데이터 처리 장치(100)에 대해 터치 인터랙션을 입력할 수 있다. 센싱 데이터 처리 장치(100)는 터치 인터랙션을 감지된 때, RFID 리더기를 통해 RFID 태그(120)를 판독함으로써 사용자 A(110)의 식별 데이터를 획득할 수 있다. 또한, 센싱 데이터 처리 장치(100)는 복수의 센서들을 통해 터치 인터랙션과 연관된 센싱 데이터를 획득할 수 있다. 식별 데이터를 기준으로 센싱 데이터는 분류될 수 있고, 분류된 센싱 데이터는 사용자 A(110)의 식별을 위한 데이터로서의 사용될 수 있다. 즉, 분류된 센싱 데이터는 사용자 A(110)의 식별을 위한 데이터로서 센싱 데이터 처리 장치(100) 또는 로봇(200)의 구성이나 여하한 다른 장치에 대해 제공될 수 있다.
다시 말해, RFID 태그(120)의 판독에 의해 획득되는 식별 데이터를 라벨로서, 사용자 A(110)가 입력한 터치 인터랙션과 연관된 센싱 데이터가 자동적으로 분류될 수 있다.
로봇(200)은 터치 인터랙션이 감지된 때, RFID 리더기를 통해 RFID 태그(120)를 판독함에 따라 획득되는 사용자 A(110)의 식별 데이터에 기반하여, 사용자 A(110)를 로봇(200)에 대해 터치 인터랙션을 입력하는 다른 사용자들과 구분하여 식별할 수 있고, 식별된 사용자 A(110)에 대해 커스터마이즈된 콘텐츠 또는 서비스를 피드백 정보로서 제공할 수 있다. 또한, 로봇(200)은 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써 터치 인터랙션의 종류를 판정할 수 있고, 식별된 사용자 A(110)에 대해 판정된 터치 인터랙션의 종류에 대응하는 콘텐츠 또는 서비스를 피드백 정보로서 제공할 수 있다.
RFID 태그(120)의 판독에 의해 획득되는 식별 데이터를 기준으로 분류된 터치 인터랙션과 연관된 센싱 데이터는, 사용자 A(110)의 식별을 위한 기계 학습의 훈련 데이터로서의 사용될 수 있다. 즉, 분류된 센싱 데이터는 사용자 A(110)의 식별을 위한 기계 학습을 위한 훈련 데이터로서 센싱 데이터 처리 장치(100) 또는 로봇(200)의 구성이나 외부에 존재하는 기계 학습부(150)에 대해 제공될 수 있다.
로봇(200)은 사용자 A(110)가 RFID 태그(120)를 착용하지 않더라도 기계 학습의 결과에 기반하여, 사용자 A로부터의 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써 사용자 A를 다른 사용자들과 구별하여 식별할 수 있다. 다시 말해, RFID 태그(120)와 같은 특별한 장치를 소지하는지 여부와 관계 없이 사용자 A(110)는 다른 사용자들과 구별하여 식별될 수 있다.
일례로, 로봇(200)을 사용하는 사용자 A(110)는, 기계 학습이 완료되기 전에는 RFID 태그(120)를 착용한 상태로 센싱 데이터 처리 장치(100)에 대해 터치 인터랙션을 입력하는 것을 통해 로봇(200)이 자신을 식별(인식)하도록 할 수 있다. RFID 태그(120)를 착용한 상태에서의 사용자 A(110)로부터의 터치 인터랙션의 반복된 입력에 따라, 기계 학습이 완료된 후에는 사용자 A(110)는 RFID 태그(120)를 착용하지 않고도 로봇(200)이 자신을 식별하도록 할 수 있다.
터치 인터랙션과 연관된 센싱 데이터를 처리하는 센싱 데이터 처리 장치(100) 및 로봇(200)의 보다 상세한 구성 및 기능과, 터치 인터랙션을 분석하여 사용자를 식별하는 방법의 보다 자세한 내용에 대해서는 후술될 도 2 내지 8을 참조하여 더 자세하게 설명된다.
도 2는 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치 및 센싱 데이터를 사용하여 기계 학습을 수행하는 장치의 구조를 나타낸다.
센싱 데이터 처리 장치(100)는 사용자로부터 입력되는 터치 인터랙션에 포함된 데이터를 처리하여, 사용자를 식별하기 위한 데이터로서 사용되도록 하는 장치일 수 있다. 센싱 데이터 처리 장치(100)는 사용자로부터의 터치 인터랙션을 입력 받을 수 있도록, 사용자가 신체의 일부(예컨대, 손가락 또는 손)를 사용하여 접촉할 수 있는 부분을 포함할 수 있다. 센싱 데이터 처리 장치(100)는 로봇(200)의 강성의 표면에 마련될 수 있다. 예컨대, 센싱 데이터 처리 장치(100)의 사용자가 접촉 가능한 부분은 로봇(200)의 표면에 노출될 수 있다.
센싱 데이터 처리 장치(100)는 RFID 태그(120)를 착용한 사용자로부터의 터치 인터랙션이 감지됨에 따라, RFID 태그(120)를 판독함으로써 사용자의 식별 데이터를 획득하는 RFID 리더기(240)와, 터치 인터랙션과 연관된 센싱 데이터를 획득하는 센서부(230)를 포함할 수 있다. 센서부(230)는 복수의 센서들을 포함할 수 있다.
RFID 태그(120)의 판독에 의해 획득되는 식별 데이터는 사용자를 다른 사용자와 구별될 수 있도록 하는 사용자와 연관된 ID일 수 있다.
RFID 태그(120)는 트랜스폰더(transponder)로서, 상기 ID에 대응하는 데이터를 저장하고 있을 수 있고, RFID 리더기(240)의 요청에 따라 해당 데이터를 RFID 리더기(240)로 전송할 수 있다. RFID 태그(120)는 IC 칩과 안테나를 포함할 수 있다.
센서부(230)에 포함된 복수의 센서들은 적어도 하나의 터치 감지 센서, 적어도 하나의 압력 감지 센서 및 적어도 하나의 진동 감지 센서를 포함할 수 있다. 센서부(230)는 사용자로부터의 터치 인터랙션과 연관된 터치 이벤트, 압력 이벤트 및 진동 이벤트 중 적어도 하나를 감지할 수 있고, 감지된 이벤트를 수치화함으로써 센싱 데이터로서 획득할 수 있다. 예컨대, 센서부(230)는 사용자로부터의 터치 인터랙션과 연관된 터치, 압력, 및 진동의 세기, 방향, 가해진 영역의 넓이 및 가해진 영역의 모양 중 적어도 하나를 센싱 데이터로서 획득할 수 있다.
센싱 데이터 처리 장치(100)는 획득된 식별 데이터 및 센싱 데이터를 처리 및 분류하기 위한 제어부(220)를 포함할 수 있다. 제어부(220)는 센싱 데이터 처리 장치(100)의 각각에 마련될 수도 있고, 복수의 센싱 데이터 처리 장치(100)들에 대해 하나만이 마련될 수도 있다. 이 때, 제어부(220)는 센싱 데이터 처리 장치(100)의 구성이 아니라 보다는 로봇(200)의 구성에 해당하는 것으로 볼 수도 있다.
제어부(220)는 센싱 데이터 처리 장치(100)의 구성 요소들을 관리할 수 있고, 센싱 데이터 처리 장치(100)가 터치 인터랙션과 연관된 데이터를 획득 및 분석하기 위해 사용하는 프로그램 또는 어플리케이션을 실행하고, 필요한 연산을 처리할 수 있다. 제어부(220)는 센싱 데이터 처리 장치(100)의 적어도 하나의 프로세서 또는 프로세서 내의 적어도 하나의 코어(core)일 수 있다.
제어부(220)는 RFID 리더기(240)를 통해 획득된 사용자의 식별 데이터를 기준으로 입력된 터치 인터랙션과 연관된 센싱 데이터를 분류하고, 분류된 센싱 데이터를 사용자의 식별을 위한 데이터로서의 사용을 위해 제공하는 데이터 분류부(225)를 포함할 수 있다.
분류된 데이터는 사용자의 식별을 위해 통신부(210)를 통해 사용자 식별부(250)로 제공되거나, 또는/추가적으로 통신부(210)를 통해 기계 학습부(150)로 제공되어 사용자의 식별을 위한 기계 학습을 위한 훈련 데이터로서 사용될 수 있다.
통신부(210)는 센싱 데이터 처리 장치(100)가 다른 장치와 통신하기 위한 구성일 수 있다. 말하자면, 통신부(210)는 다른 장치에 대해 데이터 및/또는 정보를 전송/수신하는, 센싱 데이터 처리 장치(100)의 안테나, 데이터 버스, 네트워크 인터페이스 카드, 네트워크 인터페이스 칩 및 네트워킹 인터페이스 포트 등과 같은 하드웨어 모듈 또는 네트워크 디바이스 드라이버(driver) 또는 네트워킹 프로그램과 같은 소프트웨어 모듈일 수 있다.
사용자 식별부(250)는 사용자로부터의 터치 인터랙션과 연관된 데이터를 분석함으로써 다른 사용자와 구별하여 사용자를 식별하기 위한 구성일 수 있다. 사용자 식별부(250)는 RFID 리더기(240)를 통해 획득된 사용자의 식별 데이터에 기반하여, 사용자를 로봇(200)에 대해 터치 인터랙션을 입력하는 다른 사용자들과 구분하여 식별할 수 있다. 또한, 사용자 식별부(250)는 사용자가 RFID 태그(120)를 착용하지 않은 경우라고 하더라도, 기계 학습의 결과에 기반하여 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써, 터치 인터랙션을 입력한 사용자를 다른 사용자들과 구별하여 식별할 수 있다.
로봇(200)은 식별된 사용자와 연관된 피드백 정보를 식별된 사용자에게 제공하는 피드백 정보 제공부(260)를 포함할 수 있다. 피드백 정보는 식별된 사용자에게 커스터마이즈되어 제공될 수 있는 유형 또는 무형의 콘텐츠 또는 서비스일 수 있다. 말하자면, 피드백 정보 제공부(260)를 통해, 로봇(200)이 제공하는 소정의 콘텐츠 또는 서비스가 사용자에게 커스터마이즈되어 사용자에게 제공될 수 있다. 소정의 콘텐츠 또는 서비스는 음성/텍스트/미디어 콘텐츠의 제공이거나, 여하한 종류의 정보의 제공이거나, 로봇(200)의 특정한 행동 또는 동작일 수 있다.
로봇(200)은 예컨대, 청소 로봇과 같은 가정용 로봇일 수 있다. 또한, 로봇(220)은 식별된 사용자에 따라 상이한 동작/기능을 수행하도록 구현되는 소셜 로봇일 수 있다. 예컨대, 로봇(220)은 식별된 사용자에 따라 상이한 감정적 또는 사회적 반응을 나타낼 수 있다.
사용자 식별부(250) 및 피드백 정보 제공부(260) 중 적어도 하나는 도시된 것과 같이 로봇(200)에 포함된 구성이거나, 도시된 것과는 달리 센싱 데이터 처리 장치(100)의 각각에 포함되는 구성일 수도 있다. 또한, 사용자 식별부(250) 및 피드백 정보 제공부(260) 중 적어도 하나는 제어부(220)에 포함된 구성일 수 있다.
구성들(220, 250, 260)의 각각은 프로세서와 연관하여 하나 이상의 소프트웨어 모듈 및/또는 하드웨어 모듈로 구현될 수 있다.
기계 학습부(150)는 센싱 데이터 처리 장치(100)로부터 훈련 데이터를 수신하여 사용자의 식별을 위한 기계 학습을 수행하고, 기계 학습의 결과를 로봇(200)(사용자 식별부(250))으로 전달하기 위한 서버, 기타 컴퓨팅 장치일 수 있다. 기계 학습부(150)는 도시되지는 않았으나, 로봇(200)에 대해 기 입력된 터치 인터랙션들과 연관된 데이터를 저장하고 있는 데이터베이스를 참조하여 기계 학습을 수행할 수 있다. 센싱 데이터 처리 장치(100)로부터의 훈련 데이터는 인공신경망 기반의 기계 학습(machine learning) 분류 알고리즘의 훈련 데이터로서 제공되어, 기계 학습부(150)에 의해 학습될 수 있다. 기계 학습부(150)가 사용하는 기계 학습 분류 알고리즘은 예컨대, HMM(Hidden Markov model) 알고리즘, CNN(Convolutional Neural Network) 알고리즘, 또는 LSTM(Long-Short term Memory) 알고리즘일 수 있다. 말하자면, 사용자 인터랙션과 연관된 센싱 데이터는 HMM, CNN 또는 LSTM 알고리즘을 사용하여 학습될 수 있다. 기계 학습의 결과에 기반하여, 터치 인터랙션과 연관된 센싱 데이터가 분석됨으로써, 사용자의 RFID 태그(120)의 착용 여부와 관계 없이, 터치 인터랙션을 입력한 사용자가 다른 사용자들과 구별하여 식별될 수 있다.
기계 학습에 있어서는, 사용자로부터의 터치 인터랙션과 연관된 센싱 데이터 중 터치, 압력, 및 진동의 세기, 방향, 가해진 영역의 넓이 및 가해진 영역의 모양 중 적어도 하나가 학습될 수 있다.
기계 학습부(150)는 로봇(200)과는 별개의 컴퓨팅 장치로서 구현되지만, 그 적어도 일부의 구성은 로봇(200) 내에 포함될 수도 있다.
사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하고, 이에 기반하여 사용자를 식별하는 상세한 방법에 대해서는 후술될 도 3 내지 8을 참조하여 더 자세하게 설명된다.
이상, 도 1을 참조하여 전술된 기술적 특징에 대한 설명은, 도 2에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 3은 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법을 나타내는 흐름도이다.
도 3을 참조하여, RFID 리더기(240) 및 복수의 센서들을 포함하는 센서부(230)를 포함하는 센싱 데이터 처리 장치(100)에 의해 수행되는, 센싱 데이터를 처리 방법을 설명한다.
단계(S310)에서, RFID 리더기(240)는 RFID 태그(120)를 착용한 사용자로부터의 터치 인터랙션을 감지된 때, RFID 태그(120)를 판독함으로써 사용자의 식별 데이터를 획득할 수 있고, 센서부(230)의 복수의 센서들은 터치 인터랙션과 연관된 센싱 데이터를 획득할 수 있다. 예컨대, RFID 리더기(240)는 RFID 태그(120)를 판독함으로써 사용자를 다른 사용자와 구별될 수 있도록 하는 사용자와 연관된 ID를 획득할 수 있다. 센서부(230)에 포함된 복수의 센서들은 터치 감지 센서, 압력 감지 센서 및 진동 감지 센서를 포함할 수 있다. 복수의 센서들을 통해 획득되는 센싱 데이터는 터치 감지 센서에 의해 검출된 접촉 정보, 압력 감지 센서에 의해 검출된 압력 정보, 및 진동 감지 센서에 의해 검출된 진동 정보를 포함할 수 있다. 센싱 테이터는 터치 인터랙션과 연관된 터치, 압력, 및 진동의 세기, 방향, 가해진 영역의 넓이 및 가해진 영역의 모양 중 적어도 하나를 포함할 수 있다.
단계(S320)에서, 데이터 분류부(225)는 RFID 태그(120)를 판독함으로써 획득된 식별 데이터를 기준으로, 센서들을 통해 획득된 센싱 데이터를 분류할 수 있다. 예컨대, 데이터 분류부(225)는 RFID 태그(120)의 판독에 의해 획득되는 식별 데이터를 라벨로서, 사용자가 입력한 터치 인터랙션과 연관된 센싱 데이터를 분류할 수 있다. 동일한 사용자에 의해 터치 인터랙션이 반복하여 입력되는 경우, 데이터 분류부(225)는 이러한 라벨을 기준으로, 터치 인터랙션과 연관된 데이터를 터치 인터랙션 별로 분류하여 관리할 수 있다.
데이터 분류부(225)는 센싱 데이터를 분류함에 있어서, 센싱 데이터에 포함된 각 항목의 데이터를 심볼화(또는 수치화)할 수 있다(단계(S322)). 각 항목의 데이터는 일 센서에 의해 획득된 데이터이거나, 일 센서에 의해 획득된 데이터 중 구분되는 일 데이터일 수 있다. 예컨대, 접촉 정보, 압력 정보, 및 진동 정보는 서로 구분되도록 심볼화될 수 있다. 또한, 터치, 압력, 및 진동의 세기, 방향, 가해진 영역의 넓이 및 가해진 영역의 모양 중 적어도 하나 또한 그 정도에 따라 구분되도록 심볼화될 수 있다.
심볼화된 데이터는, 전술된 기계 학습을 위한 학습 데이터로 사용될 수 있고, 또한, 기계 학습의 결과에 기반하여, 터치 인터랙션의 종류 및 터치 인터랙션을 입력한 사용자 중 적어도 하나를 식별하기 위해 사용될 수 있다.
단계(S320)에서 설명된 데이터의 분류는 터치 인터랙션이 입력된 때, 실시간으로(또는 거의 실시간으로) 이루어질 수 있다.
식별 데이터를 기준으로 센싱 데이터를 분류하는 보다 구체적인 방법에 대해서는 후술될 도 6을 참조하여 더 자세하게 설명된다.
단계(S330)에서, 데이터 분류부(225)는 분류된 센싱 데이터를 터치 인터랙션을 입력한 사용자의 식별을 위한 데이터로서의 사용을 위해 제공할 수 있다. 예컨대, 데이터 분류부(225)는 분류된 데이터를 사용자의 식별을 위해 사용자 식별부(250)로 제공할 수 있다. 또는/추가적으로, 데이터 분류부(225)는 분류된 데이터를 기계 학습부(150)로 제공하여 사용자의 식별을 위한 기계 학습을 위한 훈련 데이터로서 사용되도록 할 수 있다(단계(S332).
사용자로부터의 터치 인터랙션 기반하여, 다른 사용자와 구별하여 사용자를 식별하는 구체적인 방법에 대해서는 후술될 도 4를 참조하여 더 자세하게 설명된다.
이상, 도 1 및 도 2를 참조하여 전술된 기술적 특징에 대한 설명은, 도 3에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 4는 일 실시예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하여 사용자를 식별하는 방법을 나타내는 흐름도이다.
단계(S410)에서, 센싱 데이터 처리 장치(100)는 사용자로부터의 터치 인터랙션과 연관된 데이터를 획득할 수 있다. 사용자가 RFID 태그(120)를 착용한 경우에는, RFID 리더기(240)가 RFID 태그(120)를 판독함으로써 사용자의 식별 데이터를 획득할 수 있고, 센서부(230)의 복수의 센서들이 터치 인터랙션과 연관된 센싱 데이터를 획득할 수 있다. 또는, 사용자가 RFID 태그(120)를 착용하지 않은 경우라면, 센서부(230)의 복수의 센서들에 의해 터치 인터랙션과 연관된 센싱 데이터만이 획득될 수 있다.
단계(S420)에서, 사용자 식별부(250)는 사용자로부터의 터치 인터랙션과 연관된 데이터를 분석함으로써 다른 사용자와 구별하여 사용자를 식별할 수 있다. 사용자가 RFID 태그(120)를 착용한 경우에는, 사용자 식별부(250)는 RFID 태그(120)를 판독함으로써 획득된 식별 데이터에 기반하여 터치 인터랙션을 입력한 사용자를 식별할 수 있다. 사용자가 RFID 태그(120)를 착용하지 않은 경우에는, 사용자 식별부(250)는 기계 학습부(150)로부터의 기계 학습의 결과에 기반하여, RFID 태그(120)를 착용하지 않은 사용자로부터의 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써 사용자를 식별할 수 있다. 말하자면, 사용자 식별부(250)는, RFID 태그(120)를 착용한 상태에서의 사용자로부터의 터치 인터랙션의 반복된 입력에 따라 기계 학습이 완료된 후에는, 사용자의 RFID 태그(120)의 착용 여부와 관계 없이 사용자를 식별하도록 할 수 있다.
즉, 실시예에 의해서는 센서들에 의해 획득되는 터치 인터랙션의 멀티 모달리티(multi-modality)에 기반하여 사용자가 식별될 수 있다.
단계(S430)에서, 피드백 정보 제공부(260)는 식별된 사용자와 연관된 피드백 정보를 식별된 사용자에게 제공할 수 있다. 예컨대, 피드백 정보 제공부(260)는 식별된 사용자에 대해 로봇(200)이 제공하는 커스터마이즈된 콘텐츠 또는 서비스를 피드백 정보로서 제공할 수 있다.
사용자 식별부(250)는 기계 학습의 결과에 기반하여, 사용자뿐만이 아니라 터치 인터랙션의 종류를 또한 식별할 수 있다. 예컨대, 사용자 식별부(250)는 기계 학습의 결과에 기반하여, 사용자 A(110)에 의해 입력된 터치 인터랙션이 포함하는 제스처의 종류(예컨대, 때리기, 쓰다듬기, 누르기, 탭핑 등)를 파악할 수 있다. 피드백 정보 제공부(260)는 식별된 터치 인터랙션의 종류에 따라 커스터마이즈된 콘텐츠 또는 서비스를 피드백 정보로서 제공할 수 있다.
따라서, 실시예를 통해서는 RFID 태그(120)를 사용함으로써, 사용자가 정확하게 식별될 수 있으며, 나아가, 기계 학습의 결과를 활용함에 따라 RFID 태그(120)를 사용하지 않는 경우에도 사용자가 정확하게 식별될 수 있다.
이상, 도 1 내지 도 3을 참조하여 전술된 기술적 특징에 대한 설명은, 도 4에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 5는 일 예에 따른, 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치의 구조를 나타낸다.
도 5는 도 1 내지 3를 참조하여 전술된 센싱 데이터 처리 장치(100)의 적어도 일부에 해당하는 RFID 태그(120)를 착용한 사용자 A(110)로부터의 터치 인터랙션을 감지하기 위한 구조를 나타낸다.
도시된 것처럼, 센싱 데이터 처리 장치(100)는 로봇(200)의 강성의 표면 측에 마련되는 모듈일 수 있다. 복수의 모듈들이 로봇(200)의 강성의 표면 측에 마련될 수 있고, 각 모듈은 도시된 바와 같이, 로봇(200)의 강성의 표면 측에 마련된 모듈 허브 내에 마련될 수 있다.
센서 보드(540), 터치 감지 센서들(510), 압력 감지 센서(520) 및 진동 감지 센서(500)는 도 2를 참조하여 전술된 센서부(230)에 대응할 수 있다. 터치 감지 센서들(510) 중 적어도 하나는 정전용량 방식의 터치 감지 센서, 압전식 터치 감지 센서, 감압식 터치 감지 센서일 수 있다.
RFID 리더기(530)는 도 2를 참조하여 RFID 리더기(240)에 대응할 수 있다.
센서 보드(540)에는 센서들에 의해 획득된 데이터를 처리하고, 획득된 데이터를 분류에 적합한 데이터로 변환하기 위해 사용되는 회로가 실장될 수 있다. 센서 보드(540)는 센서부(230)의 센싱 모듈에 대응할 수 있다.
터치 감지 센서(들)(510) 및 압력 감지 센서(520)는 상기 터치 인터랙션이 가해지는 표면 측에 마련될 수 있다. 터치 감지 센서(들)(510)은 압력 감지 센서(520)의 주위에 마련될 수 있다. 즉, 터치 감지 센서(들)(510) 및 압력 감지 센서(520)는 사용자의 터치 인터랙션을 적절하게 감지하기 위해 로봇(200)의 표면 측에 마련될 수 있다.
진동 감지 센서(550)는 터치 감지 센서(들)(510) 및 압력 감지 센서(520)의 로봇(200)의 표면에 접하지 않는 측의 하단 측에 마련될 수 있다. RFID 리더기(530)는 진동 감지 센서(550)와 터치 감지 센서(들)(510) 및 압력 감지 센서(520)의 사이에 마련될 수 있다. 센서 보드(540)는 진동 감지 센서(550)와 RFID 리더기(530) 사이에 배치될 수 있다.
따라서, 도시된 바와 같이, 로봇(200)의 표면을 기준으로, 터치 감지 센서(들)(510) 및 압력 감지 센서(520); RFID 리더기(530); 센서 보드(540); 진동 감지 센서(550)의 순서로 구성들이 배치될 수 있다.
실시예의 터치 인터랙션을 감지하기 위한 구조는 촉각적인 인터랙션에 기반하여 사용자를 식별하도록 하는 구조로서, 테이블탑 장치에 비해 다이내믹한 구조(즉, 동작을 위한 기구부, 기하학적인 형태 및 기능에 있어서 보다 유연한 구조를 가짐)를 갖는 로봇에 있어서도 적용이 용이하게 될 수 있다.
이상, 도 1 내지 도 4를 참조하여 전술된 기술적 특징에 대한 설명은, 도 5에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 6은 일 예에 따른, 센싱 데이터 처리 장치가 적용된 로봇 및 사용자의 터치 인터랙션으로부터 획득된 센싱 데이터를 나타낸다.
도 6을 참조하여, 복수의 센싱 데이터 처리 장치(100)들이 로봇(200)의 표면에 마련되고, 센싱 데이터 처리 장치(100)에 입력된 터치 인터랙션과 연관된 센싱 데이터들이 RFID 태그에 포함된 식별 데이터에 기반하여 분류되는 예시적인 방법이 설명된다.
데이터(610)는 각각의 타임 스탬프에서 각 모듈(즉, 각 센싱 데이터 처리 장치(100))에 의해 획득(생성)된 데이터를 나타낸다. 데이터(610)는 식별 데이터에 대응하는 RFID 라벨(ID, 사용자의 ID)와, 센싱 데이터에 대응하는 터치 방향 정보, 터치 강도 정보, 압력 정보, 및 진동 정보를 포함할 수 있다.
데이터(610)는 예컨대, 데이터 테이블(620)과 같이 분류될 수 있다. 데이터의 분류는 데이터의 조합 또는 결합(combine) 및 텐서화(tensorized)일 수 있다.
데이터는, 각 모듈들(모듈 0 내지 모듈 12)에 대해 입력된 터치 인터랙션 별로, ID를 기준으로 센싱 데이터(터치 방향 정보, 터치 강도 정보, 압력 정보, 및 진동 정보)가 분류될 수 있다.
타임 윈도우(time window)는 터치 인터랙션들이 입력되는 시간 구간을 나타낼 수 있다.
이상, 도 1 내지 도 5를 참조하여 전술된 기술적 특징에 대한 설명은, 도 6에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 7은 일 예에 따른, 복수의 센싱 데이터 처리 장치들이 적용된 로봇에 있어서, 센싱 데이터 처리 장치들의 배치를 나타낸다.
도시된 바와 같이, 로봇(200)의 표면 측에는 하나 이상의 센싱 데이터 처리 장치들이 센싱 데이터 처리 장치(100)의 주위에 마련될 수 있다.
도 3을 참조하여 전술된 단계(S320)에서, 데이터 분류부(225)는 터치 인터랙션과 연관된 센싱 데이터를 분류함에 있어서 센싱 데이터 처리 장치들에 대한 센싱 데이터 처리 장치(100)의 위치 관계를 나타내는 정보를 더 포함하여 센싱 데이터를 분류할 수 있다. 예컨대, 터치 인터랙션이 입력된 센싱 데이터 처리 장치(100)가 몇 번 모듈인지를 나타내는 데이터가, 센싱 데이터와 함께 분류될 수 있다.
또한, 로봇(200)의 표면 측에 마련된 복수의 센싱 데이터 처리 장치들은 도시된 바와 같이 2D 그래프화될 수 있다. 복수의 센싱 데이터 처리 장치들 간의 상대적인 위치 관계가 파악될 수 있음으로써, 예컨대, 사용자가 어떠한 센싱 데이터 처리 장치(들)에 주로 터치 인터랙션이 입력하는지와 같은 패턴 정보를 나타내는 데이터 또한 기계 학습을 위한 훈련 데이터로서 사용될 수 있다.
센싱 해상도는 센싱 데이터 처리 장치(100)의 터치 인터랙션의 감지 범위를 나타낼 수 있다.
이상, 도 1 내지 도 6을 참조하여 전술된 기술적 특징에 대한 설명은, 도 7에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
도 8은 일 예에 따른 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 장치의 개략적인 회로 구조도를 나타낸다.
모듈들(모듈 0 내지 12)의 각각은, 도 2를 참조하여 전술된 센싱 데이터 처리 장치(100), 또는 센싱 데이터 처리 장치(100)의 센서부(230) 및 RFID 리더기(240)에 대응될 수 있다. MCU(830) 및 터치 인터랙션 분류부(835)는 제어부(220) 및 데이터 분류부(225)에 각각 대응될 수 있다.
모듈들로부터 획득된 데이터는 보드(820)의 MUXs(822)를 통해 인터페이스 보드(820)로 전달되고 직렬 통신 라인을 통해 MCU(830)의 터치 인터랙션 분류부(835)로 전달되어 분류될 수 있다.
이상, 도 1 내지 도 7을 참조하여 전술된 기술적 특징에 대한 설명은, 도 8에 대해서도 그대로 적용될 수 있으므로 중복되는 설명은 생략한다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.

Claims (19)

  1. 식별 태그 리더기 및 복수의 센서들을 포함하는 센싱 데이터 처리 장치에 의해 수행되는,
    식별 태그를 착용한 사용자로부터의 터치 인터랙션을 감지된 때, 상기 식별 태그 리더기를 통해 상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하고, 상기 복수의 센서들을 통해 상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 단계;
    상기 식별 데이터를 기준으로, 상기 센싱 데이터를 분류하는 단계; 및
    상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 데이터로서의 사용을 위해 제공하는 단계
    를 포함하는, 센싱 데이터 처리 방법.
  2. 제1항에 있어서,
    상기 제공하는 단계는,
    상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 기계 학습의 훈련 데이터로서의 사용을 위해 제공하는, 센싱 데이터 처리 방법.
  3. 제1항에 있어서,
    상기 사용자로부터의 터치 인터랙션과 연관된 데이터를 분석함으로써 다른 사용자와 구별하여 상기 사용자를 식별하는 단계
    를 더 포함하는, 센싱 데이터 처리 방법.
  4. 제2항에 있어서,
    사용자가 식별 태그를 착용하지 않은 경우, 상기 기계 학습의 결과에 기반하여, 상기 식별 태그를 착용하지 않은 사용자로부터의 터치 인터랙션과 연관된 센싱 데이터를 분석함으로써 사용자를 식별하는 단계
    를 더 포함하는, 센싱 데이터 처리 방법.
  5. 제3항에 있어서,
    상기 식별된 사용자와 연관된 피드백 정보를 상기 식별된 사용자에게 제공하는 단계
    를 더 포함하는, 센싱 데이터 처리 방법.
  6. 제1항에 있어서,
    상기 복수의 센서들은 터치 감지 센서, 압력 감지 센서 및 진동 감지 센서를 포함하고,
    상기 센싱 데이터는 상기 터치 감지 센서에 의해 검출된 접촉 정보, 상기 압력 감지 센서에 의해 검출된 압력 정보, 및 상기 진동 감지 센서에 의해 검출된 진동 정보를 포함하는, 센싱 데이터 처리 방법.
  7. 제1항에 있어서,
    하나 이상의 센싱 데이터 처리 장치들이 상기 센싱 데이터 처리 장치의 주위에 마련되고,
    상기 센싱 데이터를 분류하는 단계는, 상기 식별 데이터를 기준으로, 상기 센싱 데이터 처리 장치들에 대한 상기 센싱 데이터 처리 장치의 위치 관계를 나타내는 정보를 더 포함하여 상기 센싱 데이터를 분류하는, 센싱 데이터 처리 방법.
  8. 제7항에 있어서,
    상기 센싱 데이터 처리 장치들 및 상기 센싱 데이터 처리 장치는 상기 사용자에게 소정의 콘텐츠 또는 서비스를 제공하는 로봇의 표면에 마련되는, 센싱 데이터 처리 방법.
  9. 제2항에 있어서,
    상기 기계 학습은 HMM, CNN 또는 LSTM 알고리즘을 사용하여 상기 센싱 데이터를 학습하는, 센싱 데이터 처리 방법.
  10. 제2항에 있어서,
    상기 분류하는 단계는,
    상기 센싱 데이터에 포함된 각 항목의 데이터를 심볼화하는 단계
    를 포함하고,
    상기 심볼화된 데이터는, 상기 기계 학습의 결과에 기반하여, 상기 터치 인터랙션의 종류 및 상기 터치 인터랙션을 입력한 사용자 중 적어도 하나를 식별하기 위해 사용되는, 센싱 데이터 처리 방법.
  11. 제1항 내지 제10항 중 어느 한 항의 방법을 수행하는 컴퓨터 판독 가능 기록 매체에 기록된 프로그램.
  12. 센싱 데이터 처리 장치에 있어서,
    식별 태그를 착용한 사용자로부터의 터치 인터랙션이 감지됨에 따라, 상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하는 식별 태그 리더기; 상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 센서부 - 상기 센서부는 복수의 센서들을 포함함 -; 및
    상기 식별 데이터를 기준으로 상기 센싱 데이터를 분류하고, 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 데이터로서의 사용을 위해 제공하는 데이터 분류부
    를 포함하는, 센싱 데이터 처리 장치.
  13. 제12항에 있어서,
    하나 이상의 센싱 데이터 처리 장치들이 상기 센싱 데이터 처리 장치의 주위에 마련되고,
    상기 데이터 분류부는, 상기 식별 데이터를 기준으로, 상기 센싱 데이터 처리 장치들에 대한 상기 센싱 데이터 처리 장치의 위치 관계를 나타내는 정보를 더 포함하여 상기 센싱 데이터를 분류하는, 센싱 데이터 처리 장치.
  14. 제12항에 있어서,
    상기 사용자로부터의 터치 인터랙션에 기반하여, 다른 사용자와 구별하여 상기 사용자를 식별하는 사용자 식별부; 및
    상기 식별된 사용자와 연관된 피드백 정보를 상기 식별된 사용자에게 제공하는 피드백 정보 제공부
    를 더 포함하는, 센싱 데이터 처리 장치.
  15. 제12항에 있어서,
    상기 복수의 센서들은 터치 감지 센서, 압력 감지 센서 및 진동 감지 센서를 포함하고,
    상기 터치 감지 센서 및 상기 압력 감지 센서는 상기 터치 인터랙션이 가해지는 표면 측에 마련되고,
    상기 진동 감지 센서는 상기 터치 감지 센서 및 상기 압력 감지 센서의 상기 표면에 접하지 않는 측의 하단 측에 마련되는, 센싱 데이터 처리 장치.
  16. 제12항에 있어서,
    상기 데이터 분류부는 상기 분류된 센싱 데이터를 상기 사용자의 식별을 위한 기계 학습의 훈련 데이터로서의 사용을 위해 제공하는, 센싱 데이터 처리 장치.
  17. 사용자에게 소정의 콘텐츠 또는 서비스를 제공하는 로봇에 있어서, 제12항의 센싱 데이터 처리 장치가 상기 로봇의 표면에 마련된, 로봇.
  18. 제17항에 있어서,
    상기 표면은 강성(rigid)이고,
    상기 표면에는 복수의 상기 센싱 데이터 처리 장치가 마련되는, 로봇.
  19. 식별 태그를 착용한 사용자로부터의 터치 인터랙션을 감지하기 위한 구조에 있어서,
    상기 터치 인터랙션과 연관된 센싱 데이터를 획득하는 복수의 센서들 - 상기 복수의 센서들 중 터치 감지 센서 및 압력 감지 센서는 상기 터치 인터랙션이 가해지는 표면 측에 마련되고, 상기 복수의 센서들 중 진동 감지 센서는 상기 터치 감지 센서 및 상기 압력 감지 센서의 상기 표면에 접하지 않는 측의 하단 측에 마련됨 -;
    상기 식별 태그를 판독함으로써 상기 사용자의 식별 데이터를 획득하는 식별 태그 리더기 - 상기 식별 태그 리더기는 상기 진동 감지 센서와 상기 터치 감지 센서 및 상기 압력 감지 센서의 사이에 마련됨 -; 및
    상기 복수의 센서들로부터 획득된 데이터를 처리하는 센서 보드
    를 포함하고, 상기 센서 보드는 상기 진동 감지 센서와 상기 식별 태그 리더기 사이에 배치되는, 터치 인터랙션을 감지하기 위한 구조.
KR1020180026268A 2018-03-06 2018-03-06 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치 KR102077669B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180026268A KR102077669B1 (ko) 2018-03-06 2018-03-06 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180026268A KR102077669B1 (ko) 2018-03-06 2018-03-06 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20190105767A KR20190105767A (ko) 2019-09-18
KR102077669B1 true KR102077669B1 (ko) 2020-02-14

Family

ID=68070636

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180026268A KR102077669B1 (ko) 2018-03-06 2018-03-06 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102077669B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220102042A (ko) * 2021-01-12 2022-07-19 삼성전자주식회사 사용자 입력을 추론하는 사용자 맞춤형 전자 장치 및 이를 제어하는 방법
US20230081827A1 (en) * 2021-09-08 2023-03-16 Samsung Electronics Co., Ltd. Method and apparatus for estimating touch locations and touch pressures

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014532252A (ja) 2011-10-18 2014-12-04 カーネギー メロン ユニバーシティ タッチセンサ表面に対するタッチ事象を分類するための方法及び装置
JP2015028777A (ja) 2013-07-18 2015-02-12 イマージョン コーポレーションＩｍｍｅｒｓｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ 触覚フィードバックを利用した隠し制御

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101189078B1 (ko) * 2010-12-17 2012-10-10 고려대학교 산학협력단 터치 감지 수단을 구비하는 사용자 식별 장치 및 방법
KR20150031986A (ko) * 2013-09-17 2015-03-25 삼성전자주식회사 디스플레이장치 및 그 제어방법
KR102521493B1 (ko) * 2015-10-27 2023-04-14 삼성전자주식회사 청소 로봇 및 그 제어방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014532252A (ja) 2011-10-18 2014-12-04 カーネギー メロン ユニバーシティ タッチセンサ表面に対するタッチ事象を分類するための方法及び装置
JP2015028777A (ja) 2013-07-18 2015-02-12 イマージョン コーポレーションＩｍｍｅｒｓｉｏｎ Ｃｏｒｐｏｒａｔｉｏｎ 触覚フィードバックを利用した隠し制御

Also Published As

Publication number Publication date
KR20190105767A (ko) 2019-09-18

Similar Documents

Publication Publication Date Title
US20140160035A1 (en) Finger-specific input on touchscreen devices
JP2018106683A5 (ko)
CN105518608A (zh) 上下文关联的手势分类
WO2013165646A2 (en) User input processing with eye tracking
US10643213B1 (en) Techniques to process biometric and transaction data to determine an emotional state of a user while performing a transaction
CN105659243B (zh) 被告知的隐式登记和标识
CN105009034A (zh) 信息处理设备、信息处理方法和程序
KR102438784B1 (ko) 데이터를 난독화 및 복호화 하는 전자 장치 및 그의 제어 방법
KR102077669B1 (ko) 사용자의 터치 인터랙션과 연관된 센싱 데이터를 처리하는 방법 및 장치
EP3937076A1 (en) Activity detection device, activity detection system, and activity detection method
US11328211B2 (en) Delimitation in unsupervised classification of gestures
Carfì et al. Gesture-based human–machine interaction: Taxonomy, problem definition, and analysis
WO2013107038A1 (en) Method and apparatus for user recognition
CN107153459B (zh) 手势反馈系统
KR20210095282A (ko) 사용자 인증 방법 및 이 방법을 실행하는 디바이스
CN108351715A (zh) 应用于人体触摸的常驻传感器设备
KR20200080419A (ko) 인공신경망 기반 손동작 인식 방법 및 장치
CN110998507A (zh) 电子装置及其用于提供搜索结果的方法
CN105183217A (zh) 触控显示设备及触控显示方法
US11276285B2 (en) Artificial intelligence based motion detection
US10740816B2 (en) Person and machine matching device, matching system, person and machine matching method, and person and machine matching program
Ng et al. An intelligent mobile application for assisting visually impaired in daily consumption based on machine learning with assistive technology
CN105403221A (zh) 一种导航路线的生成方法及移动终端
EP4196908A1 (en) Systems and methods for acne counting, localization and visualization
Bernardos et al. Design and deployment of a contactless hand-shape identification system for smart spaces

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant