KR102143602B1 - 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 - Google Patents
서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 Download PDFInfo
- Publication number
- KR102143602B1 KR102143602B1 KR1020180169114A KR20180169114A KR102143602B1 KR 102143602 B1 KR102143602 B1 KR 102143602B1 KR 1020180169114 A KR1020180169114 A KR 1020180169114A KR 20180169114 A KR20180169114 A KR 20180169114A KR 102143602 B1 KR102143602 B1 KR 102143602B1
- Authority
- KR
- South Korea
- Prior art keywords
- robot
- service
- social
- service package
- interaction
- Prior art date
Links
- 238000011161 development Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims description 26
- 230000003993 interaction Effects 0.000 claims abstract description 69
- 230000009471 action Effects 0.000 claims description 67
- 230000006870 function Effects 0.000 claims description 34
- 230000000875 corresponding effect Effects 0.000 description 33
- 238000006243 chemical reaction Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 8
- 230000008451 emotion Effects 0.000 description 5
- 206010012289 Dementia Diseases 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000008676 import Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000007786 learning performance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Animal Behavior & Ethology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Stored Programmes (AREA)
Abstract
실시 예에 따른 로봇 서비스 개발 시스템은 개발자로부터 입력되는 정보에 기반하여, 다자간 작업을 필요로 하는 로봇 서비스의 흐름을 선언적으로 서술한 템플릿을 생성하는 템플릿 생성기, 복수의 온톨로지 모델 각각에 부여된 메타 데이터들을 포함하는 메타 모델과 상기 템플릿에 기초하여, 상기 복수의 온토롤지 모델 중 상기 로봇 서비스의 수행에 필요한 적어도 하나의 온톨로지 모델을 추론하는 질의문을 생성하는 템플릿 해석기, 및 상기 질의문을 바탕으로 추론된 상기 적어도 하나의 온톨로지 모델과 상기 템플릿을 바인딩하여, 상기 복수의 역할 별로 상기 로봇 서비스의 흐름을 설명하는 역할 설명, 상기 복수의 역할 간의 상호작용을 설명하는 상호작용 설명, 및 상기 로봇 서비스에 필요한 지식정보를 포함하는 서비스 패키지를 생성하는 서비스 패키지 생성기를 포함할 수 있다.
Description
실시 예는 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템에 대한 것으로서, 더욱 상세하게는 다자간 작업을 필요로 하는 서비스의 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템에 관한 것이다.
최근 인식, 이동, 조작, 상호작용(Human-Robot Interaction, HRI), 학습, 추론 등의 지능적인 요소를 활용하여 다양한 서비스를 제공할 수 있는 로봇에 대한 연구가 활발하다.
기존에 로봇 서비스를 개발하는 개발자들은 서비스를 제공하는 로봇의 행위를 일일이 정의하는 방식으로 로봇 서비스를 구성하였다. 이러한 방식은 하나의 로봇 서비스를 개발하기까지 상당한 작업량과 복잡도를 요구하여 개발자가 로봇 서비스 개발에 쉽게 접근하지 못하도록 하였다. 또한, 이러한 방식은 서비스를 수행하는데 있어 로봇이 수행하는 행위만을 정의하고 있어, 다자간의 작업을 필요로 하는 서비스를 표현하는데 한계가 존재하고, 이를 수행하는 로봇 타입 또한 한정될 수 밖에 없어 로봇이 개발될 때마다 서비스를 새롭게 개발해야 하는 어려움이 있다.
실시 예를 통해 해결하고자 하는 과제는, 다자간 작업을 필요로 하는 로봇 서비스의 개발을 용이하게 하고, 개발자의 개발 환경을 개선할 수 있는 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템을 제공하는 것이다.
상기 과제를 해결하기 위한 실시 예에 따른 로봇 서비스 개발 시스템은, 상호작용을 통해 서비스를 수행하는 복수의 역할 중 로봇에게 부여된 역할에 기초하여, 상기 상호작용을 수행하기 위한 상기 복수의 역할 각각의 행위에 대해 설명하는 상호작용 설명으로부터 상기 로봇이 수행해야 하는 행위들을 추론하는 해석기, 상기 로봇이 각 행위를 수행하는데 사용하는 기능을 서술하는 액터 모델과, 상기 로봇에서 각 기능을 수행하는 행위 모듈을 서술하는 로봇 프로파일에 기초하여, 상기 로봇이 수행할 작업 계획들을 획득하는 로봇 작업 생성기, 및 상기 작업 계획들에 기초하여, 상기 로봇에서 상기 서비스를 수행하기 위한 로봇 서비스 패키지를 생성하는 서비스 패키지 변환기를 포함할 수 있다.
상기 해석기는, 상기 로봇에서 상기 서비스를 수행하고자 하는 경우, 상기 복수의 역할 별로 상기 서비스의 흐름을 설명하는 역할 설명, 상기 상호작용 설명, 및 상기 서비스에 필요한 지식정보를 포함하는 소셜 서비스 패키지를 외부 데이터베이스로부터 가져올 수 있다.
상기 해석기는, 상기 상호작용을 복수의 행위로 분해하고, 상기 로봇에게 부여된 역할에 따라 상기 복수의 행위 중 상기 로봇이 수행해야 되는 행위들을 추론할 수 있다.
상기 서비스 패키지 변환기는, 상기 서비스의 서비스 흐름, 컨텍스트 규칙, 및 도메인 지식을 더 포함하도록 상기 로봇 서비스 패키지를 생성할 수 있다.
상기 로봇 작업 생성기는, 상기 로봇의 기능 별로 대응하는 기능을 수행하기 위해 실행 가능한 작업 계획들을 서술한 작업 모델로부터, 상기 로봇이 수행할 작업 계획들을 가져올 수 있다.
또한, 실시 예에 따른 로봇 서비스 개발 시스템의 서비스 패키지 생성 방법은, 복수의 역할 간의 상호작용을 통해 수행되는 서비스에 대해, 로봇의 역할을 결정하는 단계, 상기 로봇의 역할에 기초하여, 상기 상호작용을 수행하기 위한 상기 복수의 역할 각각의 행위에 대해 설명하는 상호작용 설명으로부터 상기 로봇이 수행해야 하는 행위들을 추론하는 단계, 상기 로봇이 각 행위를 수행하는데 사용하는 기능을 서술하는 액터 모델과, 상기 로봇에서 각 기능을 수행하는 행위 모듈을 서술하는 로봇 프로파일에 기초하여, 상기 로봇이 수행할 작업 계획들을 획득하는 단계, 및 상기 작업 계획들에 기초하여, 상기 로봇에서 상기 서비스를 수행하기 위한 로봇 서비스 패키지를 생성하는 단계를 포함할 수 있다.
상기 서비스 패키지 생성 방법은, 외부 데이터베이스로부터, 상기 복수의 역할 별로 상기 서비스의 흐름을 설명하는 역할 설명, 상기 상호작용 설명, 및 상기 서비스에 필요한 지식정보를 포함하는 소셜 서비스 패키지를 가져오는 단계를 더 포함할 수 있다.
상기 추론하는 단계는, 상기 상호작용을 복수의 행위로 분해하는 단계, 및
상기 로봇에게 부여된 역할에 따라 상기 복수의 행위 중 상기 로봇이 수행해야 되는 행위들을 추론하는 단계를 포함할 수 있다.
상기 로봇 서비스 패키지는, 상기 서비스의 서비스 흐름, 컨텍스트 규칙, 및 도메인 지식을 더 포함할 수 있다.
상기 작업 계획들을 획득하는 단계는, 상기 로봇의 기능 별로 대응하는 기능을 수행하기 위해 실행 가능한 작업 계획들을 서술한 작업 모델로부터, 상기 로봇이 수행할 작업 계획들을 가져오는 단계를 포함할 수 있다.
실시 예에 따르면, 다자간 작업을 필요로 하는 로봇 서비스의 개발을 용이하게 하고, 더 나아가서 개발자의 개발 환경을 개선할 수 있다.
도 1은 실시 예에 따른 로봇 서비스 개발 시스템을 개략적으로 도시한 것이다.
도 2는 실시 예에 따른 사회성 모델의 속성을 정의하는 메타 데이터의 일 예를 도시한 것이다.
도 3은 실시 예에 따른 소셜 서비스 템플릿을 개략적으로 도시한 구조도이다.
도 4는 실시 예에 따른 소셜 서비스 템플릿의 일 예를 도시한 것이다.
도 5는 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 6은 실시 예에 따른 소셜 서비스 패키지 생성 시스템에서 소셜 서비스 패키지를 생성하는 방법에 대해 개략적으로 도시한 것이다.
도 7은 실시 예에 따른 로봇 서비스 패키지 변환 시스템에서 소셜 서비스 패키지에 포함된 상호작용 모델로부터 로봇 작업을 도출하는 일 예를 도시한 것이다.
도 8은 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 9는 실시 예에 따른 로봇 서비스 패키지 변환 시스템의 로봇 서비스 패키지 생성 방법을 개략적으로 도시한 것이다.
도 2는 실시 예에 따른 사회성 모델의 속성을 정의하는 메타 데이터의 일 예를 도시한 것이다.
도 3은 실시 예에 따른 소셜 서비스 템플릿을 개략적으로 도시한 구조도이다.
도 4는 실시 예에 따른 소셜 서비스 템플릿의 일 예를 도시한 것이다.
도 5는 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 6은 실시 예에 따른 소셜 서비스 패키지 생성 시스템에서 소셜 서비스 패키지를 생성하는 방법에 대해 개략적으로 도시한 것이다.
도 7은 실시 예에 따른 로봇 서비스 패키지 변환 시스템에서 소셜 서비스 패키지에 포함된 상호작용 모델로부터 로봇 작업을 도출하는 일 예를 도시한 것이다.
도 8은 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 9는 실시 예에 따른 로봇 서비스 패키지 변환 시스템의 로봇 서비스 패키지 생성 방법을 개략적으로 도시한 것이다.
아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 및 청구범위 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.
이하, 필요로 하는 도면들을 참조하여 실시 예에 따른 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템에 대해 상세히 설명하기로 한다. 본 문서에서 소셜 서비스는 다자간 작업에 기반한 로봇 서비스를 의미하고, 로봇 서비스는 로봇에 의해 수행되는 서비스를 의미한다. 또한, 다자간 작업이란 복수의 주체들이 참가하는 작업으로, 주체들 간의 상호작용(interaction)으로 작업이 구성된다.
도 1은 실시 예에 따른 로봇 서비스 개발 시스템을 개략적으로 도시한 것이다.
도 1을 참조하면, 실시 예에 따른 로봇 서비스 개발 시스템(1)은 지식정보 데이터베이스(10), 소셜 서비스 패키지 생성 시스템(20), 작업 및 로봇 모델 데이터베이스(30), 및 로봇 서비스 패키지 변환 시스템(40)을 포함할 수 있다.
지식정보 데이터베이스(10)는 사회성 모델들(11~16)과, 메타 모델(17)을 포함할 수 있다.
사회성 모델들(11~16)은, 로봇이 소셜 서비스를 수행하는데 필요로 하는 지식정보들을 모듈화하여 구성한 온톨로지 모델들이다. 지식정보 데이터베이스(10)에 저장되는 사회성 모델들은, 각 사회성 모델이 서술하는 지식정보의 타입에 따라, 목표/의도 모델(11), 감정 모델(12), 개성 모델(13), 작업 모델(14), 상호작용 모델(15), 사용자 모델(16) 등으로 구분될 수 있다. 목표/의도 모델(11)은 목표/의도 별로 대응하는 목표/의도를 이루는데 필요한 지식정보를 서술할 수 있다. 감정 모델(12)은 감정 타입 별로 대응하는 감정을 표출하는데 필요한 지식정보들을 서술할 수 있다. 개성 모델(13)은 개성 타입 별로 대응하는 개성을 표출하는데 필요한 지식정보를 서술할 수 있다. 또한, 작업 모델(14)은 작업 타입 별로 대응하는 작업을 수행하는데 필요한 지식정보를 서술할 수 있다. 상호작용 모델(15)은 상호작용 별로 상호작용을 수행하는데 필요한 지식정보들을 서술할 수 있다. 사용자 모델(16)은 소셜 서비스의 각 역할을 수행하는 사용자에 따라서 대응하는 역할을 수행하는데 필요한 지식정보를 서술한 것이다.
메타 모델(17)은 각 사회성 모델(11~16)의 속성을 서술하는 메타 데이터들을 포함할 수 있다. 통상적으로, 메타 데이터는 데이터에 관한 구조화된 데이터로, 다른 데이터의 속성을 설명해 주는 데이터를 의미한다. 이러한 메타 데이터는, 대량의 정보 가운데서 찾고 있는 정보를 효율적으로 찾아내서 이용하기 위해 일정한 규칙에 따라 데이터에 대하여 부여되는 데이터이다.
메타 모델(17)은, 각 사회성 모델(11~16)의 속성을 선언적으로 서술하는 메타 데이터들과, 각 사회성 모델(11~16)에 메타 데이터를 부여하는 규칙을 정의한 명세를 포함할 수 있다. 각 사회성 모델(11~16)의 속성을 정의하는 메타 데이터로는, 예를 들어, 대응하는 사회성 모델의 지식 도메인, 목적, 이름, 식별정보, 제작자(author) 정보, 타입(목표/의도, 감정, 개성, 작업, 상호작용, 사용자 등) 정보, 업데이트 날짜 등과, 대응하는 사회성 모델이 참조한 지식정보 모델(또는 사회성 모델), 대응하는 사회성 모델에 대한 설명, 대응하는 사회성 모델에서 사용되는 값의 단위, 대응하는 사회성 모델이 가지는 클래스(class), 대응하는 사회성 모델이 가지는 프로퍼티(property) 등을 포함할 수 있다.
도 2는 실시 예에 따른 사회성 모델의 속성을 정의하는 메타 데이터의 일 예를 도시한 것이다. 도 2를 예를 들면, 메타 모델(17)은 작업 모델(14)로 분류되는 사회성 모델에 대해, 해당 모델을 구성하는 지식정보들의 목적을 서술하는 메타 데이터(171), 해당 모델을 구성하는 지식정보들이 어떠한 역할을 수행하기 위한 것인지를 서술하는 메타 데이터(172), 해당 모델을 구성하는 지식정보들의 타입을 서술하는 메타 데이터(173) 등을 포함할 수 있다.
메타 모델(17)은 또한, 사회성 모델들 간의 관계정보 및 바인딩 규칙(binding rule)정보를 더 포함할 수 있다. 사회성 모델들 간의 관계정보는, 각 사회성 모델이 다른 사회성 모델과 연계된 정보를 생성하고자 하는 경우 사용되는 정보이다. 예를 들어, 행복지수를 1~100 사이의 값으로 나타내는 사회성 모델 A와 행복지수를 높음, 보통, 낮음 단계로 정의하는 사회성 모델 B 간의 관계정보는, '사회성 모델 A에서의 70 이상의 행복지수는 사회성 모델 B에서의 높음 단계의 행복지수에 대응한다'와 같이 정의될 수 있다. 사회성 모델들 간의 바인딩 규칙은, 사회성 모델들 간의 값을 바인딩하기 위한 규칙을 정의한 것이다. 예를 들어, 불쾌지수를 만들어내기 위해, 사회성 모델 C에 서술된 온도와 사회성 모델 D에 서술된 습도를 통합하기 위한 규칙 등을 바인딩 규칙이라 한다.
지식정보 데이터베이스(10)는 개방형으로 운용되어, 개발자들은 자신의 단말을 통해 자신이 제작한 사회성 모델을 지식정보 데이터베이스(10)에 업로드하거나, 지식정보 데이터베이스(10)에 저장된 자신의 사회성 모델을 갱신할 수 있다. 또한, 개발자들은 자신이 개발한 사회성 모델을 업로드하거나 갱신 시, 해당 사회성 모델에 대한 대한 메타 데이터를 작성하여 메타 모델(17)에 추가하거나 갱신할 수 있다.
한편, 도 1에서는 지식정보 데이터베이스(10)가 로봇 서비스 개발 시스템(1) 내에 포함되는 경우를 예로 들어 도시하였으나, 본 명의 기술적 사상이 이로 한정되는 것은 아니다. 다른 실시 예에 따르면, 지식정보 데이터베이스(10)는 로봇 서비스 개발 시스템(1)의 외부 데이터베이스로 구현될 수도 있다.
다시, 도 1을 보면, 소셜 서비스 패키지 생성 시스템(20)은 개발자로부터 입력되는 작업 스크립트에 기반하여 소셜 서비스의 서비스 패키지(이하, '소셜 서비스 패키지'라 명명하여 사용함) 생성을 위한 템플릿(이하, '소셜 서비스 템플릿'이라 명명하여 사용함)을 생성하고, 소셜 서비스 템플릿과 메타 모델(17) 간의 연계를 통해 지식정보 데이터베이스(10)로부터 가져온 사회성 모델들을 바탕으로 소셜 서비스 패키지를 생성할 수 있다. 이를 위해, 소셜 서비스 패키지 생성 시스템(20)은 템플릿 생성기(21), 템플릿 해석기(22), 및 서비스 패키지 생성기(23)를 포함할 수 있다.
템플릿 생성기(21)는 서비스 개발자로부터 입력되는 작업 스크립트들에 기초하여 개발하고자 하는 소셜 서비스의 소셜 서비스 템플릿을 생성할 수 있다. 소셜 서비스 템플릿은, 개발하고자 하는 소셜 서비스의 목적에 따라 필요한 정보들을 메타 데이터 형태로 서술한 것이다. 즉, 소셜 서비스 템플릿은 대응하는 소셜 서비스를 수행하는데 필요한 역할들과 각 역할의 행위, 그리고 역할들 간의 상호작용을 메타 데이터 형태로 서술하여 대응하는 소셜 서비스의 흐름을 선언적으로 정의하는 템플릿이다.
이러한 소셜 서비스 템플릿은, 도 3에 도시된 바와 같이, 소셜 서비스를 수행하는 주체인 역할(role)들에 대한 역할 설명(110), 행위(activity) 정보(120) 및 상호작용(interaction) 설명(130)를 포함할 수 있다.
도 3은 실시 예에 따른 소셜 서비스 템플릿을 개략적으로 도시한 구조도이다.
도 3을 참조하면, 실시 예에 따른 소셜 서비스 템플릿(100)에서 역할 설명(110)은 각 역할 별로 서비스 흐름을 정의하는 정보로서, 각 역할의 라이브니스(liveness), 안전성(safety), 컨디션(condition) 등을 포함할 수 있다. 여기서, 라이브니스는, 각 역할이 소셜 서비스 수행을 위해 실행하는 상호작용 및/또는 행위(activity)의 순서를 서술하고, 안전성은 소셜 서비스를 수행하는 동안 각 역할이 유지해야 하는 컨텍스트(context) 리스트를 서술하고, 컨디션은 각 역할이 배정되기 위해 필요한 사전 환경(컨텍스트 리스트)을 서술할 수 있다.
또한, 소셜 서비스 템플릿(100)에 포함되는 행위 설명(120)은 소셜 서비스 내에서 각 역할이 혼자서 수행해야 하는 행위들에 대해 서술하고, 상호작용 설명(130)은 소셜 서비스를 수행하기 위해 2 이상의 역할들이 어떠한 상호작용들을 수행해야 하는지에 대해 서술할 수 있다.
소셜 서비스 템플릿(100)은, 전술한 역할 설명(110), 행위 설명(120), 및 상호작용 설명(130) 외에도, 소셜 서비스에서 필요로 하는 지식정보, 사회성 모델 등의 속성을 정의하는 메타 데이터들을 더 포함할 수 있다.
도 4는 실시 예에 따른 소셜 서비스 템플릿의 일 예를 도시한 것이다.
도 4를 예로 들면, 치매노인 교육을 위한 로봇 서비스를 다자간 작업이 필요한 소셜 서비스로 구성하는 경우, 해당 서비스는 교사(R1)와 학생(R2) 이렇게 두 개의 역할을 필요로 한다. 따라서, 치매노인 교육을 위한 소셜 서비스 템플릿(100)은 교사 역할(R1)과 학생 역할(R2) 각각에 대한 역할 설명(110), 행위 설명(120) 및 상호작용 설명(130)를 포함하도록 구성된다.
교사 역할(R1)을 예로 들면, 교사 역할(R1)에 대한 역할 설명(110)으로는, 교사 역할(R1)에 필요한 상호작용 및/또는 행위들(학습 안내, 학습 준비, 학습 수행, 복습 수행, 서비스 종료)의 순서를 정의한 라이브니스 정보(111)와, "학생 집중도가 높아야 한다", "학습 도구가 계속 사용 가능하여야 한다" 등과 같이 교사 역할(R1)이 유지해야 하는 컨텍스트 리스트를 선언적으로 서술하는 안전성 정보(112)와, "학습 예정에 따라 수행"과 같이 교사 역할(R1)이 배정되기 위해 필요로 하는 컨텍스트 리스트를 선언적으로 서술하는 컨디션 정보(113)가 포함될 수 있다. 또한, 교사 역할(R1)에 대한 행위 설명(120)으로는, 대응하는 행위에 대한 메타 데이터(121)와, 시작조건(122) 및 종료조건(123)을 포함할 수 있다. 또한, 상호작용 설명(130)로는, 대응하는 상호작용에 대한 메타 데이터(상호작용을 수행하는 역할들(시작하는 역할과 참여하는 역할), 상호작용을 위한 행위 둥)(131)와, 대응하는 상호작용의 시작조건(132) 및 종료조건(133)을 포함할 수 있다.
또한, 치매노인 교육 소셜 서비스 템플릿(100)은 전술한 역할 설명(110), 행위 설명(120), 및 상호작용 설명(130) 외에, 노인 인지 교육용 작업 모델, 인지 교육 학습 환경 모델, 노인 사용자용 액터(actor) 모델, 인지 교육 교사 의도 모델 등과 같이 치매노인 교육을 위한 소셜 서비스를 수행하는데 필요한 사회성 모델들의 속성에 대해 서술하는 메타 데이터들(140)을 더 포함할 수 있다.
다시, 도 1을 보면, 템플릿 해석기(22)는 템플릿 생성기(21)에 의해 소셜 서비스 템플릿이 생성되면, 이를 해석하여 서비스 수행에 필요한 사회성 모델을 추론하여 지식정보 데이터베이스(10)로부터 가져오기 위한 질의문을 생성할 수 있다. 템플릿 해석기(22)에 의해 생성되는 질의문은, 메타 모델(17)에 기반하여 대응하는 소셜 서비스의 수행에 필요한 사회성 모델들을 지식정보 데이터베이스(10)로부터 가져오도록 생성될 수 있다. 이를 위해서, 템플릿 해석기(22)는 각 사회성 모델에 대해 메타 데이터를 부여하는 규칙을 서술하는 메타 모델(17)의 명세 정보를 메타 모델(17)과 공유하고, 이를 바탕으로 질의문을 생성할 수 있다.
템플릿 해석기(22)에 의해 생성되는 질의문은, 스파클(Simple Protocol and RDF Query Language, SPARQL) 형태로 작성될 수 있다.
서비스 패키지 생성기(23)는 템플릿 해석기(22)에 의해 생성된 질의문과 지식정보 데이터베이스(10) 내 메타 모델(17)에 기반하여, 대응하는 소셜 서비스의 수행에 필요한 사회성 모델들을 추론하고, 이를 지식정보 데이터베이스(10)로부터 검색하여 가져올 수 있다. 서비스 패키지 생성기(23)는 지식정보 데이터베이스(10)로부터 사회성 모델을 가져올 때, 웹 온톨로지 언어(Ontology Web Language, OWL)를 사용하여 가져올 수 있다.
서비스 패키지 생성기(23)는 지식정보 데이터베이스(10)로부터 사회성 모델들을 가져오면, 가져온 사회성 모델들과 소셜 서비스 템플릿의 바인딩을 통해 소셜 서비스 패키지를 생성할 수 있다. 사회성 모델들과 소셜 서비스 템플릿의 바인딩 과정에서, 소셜 서비스 템플릿에 포함된 상호작용들을 소셜 서비스의 도메인에 맞게 분해 및 재조립되고, 이러한 분해 및 재조립 과정을 통해 소셜 서비스를 수행하는데 필요한 다자간 작업 즉, 상호작용을 소셜 서비스의 도메인에 맞게 재구축하여 소셜 서비스 패키지를 생성할 수 있다.
실시 예에 따르면, 소셜 서비스를 수행하기 위한 소셜 서비스 패키지는, 소셜 서비스를 수행하는 전체 흐름을 역할 별로 서술하는 역할 설명, 소셜 서비스를 수행하는 역할들 간의 상호작용을 서술하는 상호작용 설명, 소셜 서비스에서 활용되는 컨텍스트들의 소멸과 생성에 대해 서술하는 컨텍스트 설명, 및 소셜 서비스에 필요한 지식정보를 명세한 도메인 지식을 포함할 수 있다.
도 5는 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 5를 참조하면, 실시 예에 따른 소셜 서비스 패키지(200)에서 역할 설명(210)은 대응하는 역할에 대해 정의하는 것으로, 워크플로우, 및 컨디션을 포함할 수 있다. 워크플로우는 소셜 서비스를 수행하는 전체 흐름을 목표 단위에서 역할별로 서술하고, 컨디션은 각 역할이 소셜 서비스를 수행하기 위한 사전 환경 정보를 서술할 수 있다.
소셜 서비스 패키지(200)에서 상호작용 설명(220)은 대응하는 상호작용을 정의하는 것으로, 프로토콜 및 상호작용을 위한 행위 설명을 포함할 수 있다. 프로토콜은 각 상호작용을 수행하는 역할들(시작하는 역할과 참여하는 역할)과, 각 상호작용의 시작 조건 및 종료 조건을 서술하고, 행위 설명은 상호작용을 수행하기 위한 각 역할의 행위들에 대해 서술할 수 있다.
소셜 서비스 패키지(200)에서 컨텍스트 설명(230)은 소셜 서비스에서 활용되는 각 컨텍스트의 생성과 소멸에 대한 규칙에 대해 서술할 수 있다.
소셜 서비스 패키지(200)에서 도메인 지식(240)은 소셜 서비스와 관련된 지식 정보를 포함할 수 있다. 도메인 지식(240)은 사회성 모델들이 소셜 서비스 패키지(200) 내에 바인딩 되어 생성될 수 있다.
전술한 구조의 소셜 서비스 패키지 생성 시스템(20)에서 템플릿 생성기(21), 템플릿 해석기(22) 및 서비스 패키지 생성기(23)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.
도 6은 실시 예에 따른 소셜 서비스 패키지 생성 시스템(20)에서 소셜 서비스 패키지를 생성하는 방법에 대해 개략적으로 도시한 것이다. 도 6의 소셜 서비스 패키지 생성 방법은 도 1을 참조하여 설명한 소셜 서비스 패키지 생성 시스템(20)에 의해 수행될 수 있다.
도 6을 참조하면, 실시 예에 따른 소셜 서비스 패키지 생성 시스템(20)은 서비스 개발자로부터 입력되는 작업 스크립트들에 기초하여 개발하고자 하는 소셜 서비스의 소셜 서비스 템플릿을 생성한다(S10). 여기서, 소셜 서비스 템플릿은, 개발하고자 하는 소셜 서비스를 수행하는데 필요한 역할들과 각 역할의 행위, 그리고 역할들 간의 상호작용을 메타 데이터 형태로 서술하여 대응하는 소셜 서비스의 흐름을 선언적으로 정의한 것으로서, 소셜 서비스를 수행하는 역할에 대한 역할 설명, 행위 설명 및 상호작용 설명을 포함할 수 있다.
소셜 서비스 템플릿이 생성되면, 소셜 서비스 패키지 생성 시스템(20)은 소셜 서비스 템플릿을 해석하여(S11), 서비스 수행에 필요한 사회성 모델들을 지식정보 데이터베이스(10)로부터 읽어오기 위한 질의문을 생성한다(S12). 그리고, 생성된 질의문과 지식정보 데이터베이스(10) 내 메타 모델(17)을 이용하여, 소셜 서비스 수행에 필요한 사회성 모델들을 추론하여 지식정보 데이터베이스(10)로부터 가져온다(S13).
소셜 서비스 패키지 생성 시스템(20)은 지식정보 데이터베이스(10)로부터 사회성 모델들을 가져오면, 가져온 사회성 모델들과 개발자에 의해 작성된 소셜 서비스 템플릿에 기반하여 소셜 서비스 수행을 위한 소셜 서비스 패키지를 생성한다(S14).
소셜 서비스 패키지 생성 시스템(20)에 의해 생성된 소셜 서비스 패키지는, 외부 데이터베이스(미도시) 상에 저장되어 이를 이용하여 로봇 서비스를 개발하고자 하는 개발자 또는 이를 이용하여 로봇 서비스를 수행하고자 하는 로봇 시스템으로 배포될 수 있다.
전술한 바에 따르면, 실시 예에 따른 소셜 서비스 패키지 생성 방법은, 로봇이 하는 작업을 일일이 기재하여 서비스 패키지를 생성하던 기존의 방식과 달리, 개발자가 자신이 개발하고자 하는 소셜 서비스를 수행하는데 필요한 역할들과 각 역할의 행위, 그리고 역할들 간의 상호작용을 직관적으로 정의하여 템플릿을 생성하면, 이를 바탕으로 소셜 서비스 수행을 위한 서비스 패키지를 자동으로 생성할 수 있다. 따라서, 서비스 패키지의 개발 절차를 간소화하여, 개발자들의 편의성과 접근성을 향상시킬 수 있으며, 이를 통해 소셜 서비스를 위한 서비스 패키지 개발에 대한 개발자들의 적극적인 참여를 유도할 수 있다.
또한, 하나의 주체에 대해서만 명세하던 기존의 서비스 패키지와 달리, 서비스 패키지 내에 다자간 작업을 수행하는 역할들 각각에 대해 명세하고 있어, 특정 역할이나, 환경, 로봇 등에 구애 받지 않는 서비스 패키지를 생성하는 것이 가능하여, 서비스 패키지의 호환성을 높이는 효과가 있다.
한편, 소셜 서비스 패키지는 서비스 흐름을 소셜 서비스를 수행하는 역할 별로 정의하고, 역할들의 행위를 역할들 간의 다자간 작업 즉, 상호작용으로 정의하고 있다. 따라서, 이후 로봇에서 해당 소셜 서비스 패키지를 이용하여 특정 역할을 수행하고자 하는 경우, 상호작용으로 서술된 행위들을 실제 로봇이 수행하는 로봇 작업으로 변환하는 과정이 필요하다.
다시, 도 1을 보면, 작업 및 로봇 모델 데이터베이스(30)와 로봇 서비스 패키지 변환 시스템(40)은 소셜 서비스 패키지 내에 상호작용으로 서술된 행위들을 실제 로봇이 수행하는 로봇 작업으로 변환하여 서비스 패키지를 생성하는 기능을 수해하기 위한 것이다.
작업 및 로봇 모델 데이터베이스(30)는 하나 이상의 로봇 프로파일(31), 액터 모델(32), 및 작업 모델(33)들을 포함할 수 있다.
로봇 프로파일(31)은 로봇이 자체적인 센서 및 행위 모듈을 구동할 수 있도록 하기 위한 프로파일로, 로봇의 기능 별로 해당 기능을 수행하기 위한 행위 모듈 등을 정의할 수 있다. 예를 들어, A 로봇의 로봇 프로파일(31)은 A 로봇이 발화인식 기능을 수행하기 위해서는 STT(Speech To Text) 모듈을 행위 모듈로 사용하고, 로봇이 발화 기능을 수행하기 위해서는 TTS(Text To Speech) 모듈을 행위 모듈로 사용함을 서술하는 정보를 포함할 수 있다.
로봇 프로파일(31)은 로봇 서비스 개발 시스템(1)이 지원하는 로봇 타입들 각각에 대해 정의될 수 있다. 예를 들어, 로봇 서비스 개발 시스템(1)이 로봇 타입 A와 로봇 타입 B를 지원하는 경우, 작업 및 로봇 모델 데이터베이스(30)는 로봇 타임 A와 로봇 타입 B 각각에 대해 정의된 로봇 프로파일(31)들을 포함할 수 있다.
액터 모델(32)은 소셜 서비스를 수행하는 역할들 중 로봇에게 주어진 역할에 따라 로봇이 각 행위를 수행하는데 사용하는 기능 등을 서술할 수 있다. 예를 들어, 로봇에게 교사 역할이 주어져 로봇이 학생이 학습 내용을 인지하는 행위를 수행하는 경우, 액터 모델(32)은 로봇이 발화 인식(speech recognition) 기능을 이용하여 해당 행위를 수행하도록 정의하는 정보를 포함할 수 있다.
액터 모델(32)은 로봇 프로파일(31)과 마찬가지로 로봇 서비스 개발 시스템(1)이 지원하는 로봇 타입들 각각에 대해 정의될 수 있다.
작업 모델(33)은 로봇에서 특정 기능을 수행하기 위해 실행 가능한 작업 계획들을 서술하는 것이다. 작업 모델(33)은 로봇이 지원하는 기능 별로 정의되어 사용될 수 있다. 예를 들어, 로봇이 이동 기능과 음성 인식 기능을 지원하는 경우, 작업 및 로봇 모델 데이터베이스(30)는 이동 기능에 대한 작업 모델(33)과 음성 인식 기능에 대한 작업 모델(33)을 포함할 수 있다.
한편, 도 1에서는 작업 및 로봇 모델 데이터베이스(30)가 로봇 서비스 개발 시스템(1) 내에 포함되는 경우를 예로 들어 도시하였으나, 본 명의 기술적 사상이 이로 한정되는 것은 아니다. 다른 실시 예에 따르면, 작업 및 로봇 모델 데이터베이스(30)는 로봇 서비스 개발 시스템(1)의 외부 데이터베이스로 구현될 수도 있다.
다시, 도 1을 보면, 로봇 서비스 패키지 변환 시스템(40)은 소셜 서비스 패키지를 실제 로봇에 적용할 로봇 서비스 패키지로 변환하는 기능을 수행하는 시스템이다. 이러한 로봇 서비스 패키지 변환 시스템(40)은 로봇 작업 생성기(42), 및 서비스 패키지 변환기(43)를 포함할 수 있다.
소셜 서비스 패키지 해석기(41)는 로봇에서 수행하고자 하는 소셜 서비스가 정해지면, 해당 소셜 서비스의 소셜 서비스 패키지를 외부 데이터베이스(미도시)로부터 가져올 수 있다. 그리고, 소셜 서비스 패키지를 수행하는 각 역할에 대한 액터가 결정되면, 이를 바탕으로 소셜 서비스 패키지로부터 로봇이 실제 수행하는 행위들을 추론할 수 있다. 즉, 소셜 서비스 패키지 해석기(42)는 소셜 서비스 패키지에서 다자간 작업으로 표현된 상호작용들을 행위 단위로 분해하고, 로봇에 부여된 역할에 따라 로봇이 실제 수행해야 하는 행위들만 추론할 수 있다.
로봇 작업 생성기(42)는 소셜 서비스 패키지 해석기(41)에 의해 로봇이 수행해야 하는 행위들이 추출되면, 대응하는 로봇 프로파일(31) 및 액터 모델(32)을 참조하여, 로봇이 각 행위를 수행하기 위해 사용하는 기능과, 로봇이 해당 기능을 수행하는데 실제 사용하는 행위 모듈을 추론하고, 이를 바탕으로 작업 모델(33)로부터 로봇이 실제 수행할 작업 계획을 가져올 수 있다.
도 7은 실시 예에 따른 로봇 서비스 패키지 변환 시스템(40)이 소셜 서비스 패키지에 포함된 상호작용으로부터 로봇 작업을 도출하는 일 예를 도시한 것이다.
도 7을 예로 예로 들면, 로봇 서비스 패키지 변환 시스템(40)은 로봇에 교사 역할이 할당되면, 소셜 서비스 패키지(200)에 정의된 상호작용들 중 교사 역할이 포함된 상호작용 모델(220-1)을 해석하여, 상호작용을 구성하는 행위들(A1, A2) 중 교사 역할의 로봇이 수행해야 하는 행위들을 추론한다. 도 7의 경우, 교사 역할의 학습 내용 전달(A1)과 학습 내용 인지 인식(A2)이 로봇이 수행해야 하는 행위들로 추출될 수 있다. 이후, 로봇 서비스 패키지 변환 시스템(40)은 작업 및 로봇 모델 데이터베이스(30)에 저장된 로봇 프로파일(31) 및 액터 모델(32)과 연계하여, 로봇이 수행해야 하는 각 행위에 대응하는 작업 계획들(plan1, plan2)을 작업 모델(33)로부터 가져올 수 있다.
서비스 패키지 변환기(43)는, 소셜 서비스 패키지 해석기(41) 및 로봇 작업 생성기(42)가 로봇 프로파일(31) 및 액터 모델(32)을 바탕으로 소셜 서비스 패키지를 해석하여 로봇의 작업 계획들을 획득하면, 이를 바탕으로 소셜 서비스 패키지를 로봇에서의 서비스 수행을 위한 서비스 패키지(이하, '로봇 서비스 패키지'라 명명하여 사용함)로 변환할 수 있다. 로봇 서비스 패키지는, 로봇에서 서비스를 수행하기 위한 서비스 흐름, 작업 계획들, 컨텍스트 규칙, 및 지식정보들을 패키지화 한 것이다.
도 8은 실시 예에 따른 소셜 서비스 패키지를 개략적으로 도시한 구조도이다.
도 8을 참조하면, 서비스 패키지 변환기(43)는 로봇에게 할당된 역할을 참조하여 소셜 서비스 패키지(200)에서 역할 단위로 정의된 역할 설명(210)을 로봇 서비스 패키지(300)의 서비스 설명(310)으로 변환할 수 있다. 또한, 서비스 패키지 변환기(43)는 로봇 작업 생성기(42)에 의해 획득된 작업계획들을 참조하여, 소셜 서비스 패키지(200)에서 다자간 작업으로 정의되던 상호작용 설명(220)을 로봇 서비스 패키지(300)의 작업 설명(320)으로 변환하고, 소셜 서비스 패키지(200)에 정의된 컨텍스트 설명(230)과 도메인 지식(240)들을 로봇 서비스 패키지(300)의 컨텍스트 설명(330)과 도메인 지식(340)으로 변환할 수 있다.
로봇 서비스 패키지(300)의 서비스 설명(310)은 서비스 단위로 정의된 워크 플로우 및 컨디션을 포함하고, 작업 설명(320)은 대응하는 로봇 서비스를 수행하기 위한 작업 계획들에 대해 정의할 수 있다. 또한, 컨텍스트 설명(330)은 로봇 서비스에서 활용되는 각 컨텍스트의 생성과 소멸에 대한 규칙에 대해 서술하고, 도메인 지식(340)은 로봇 서비스와 관련된 지식 정보를 포함할 수 있다.
전술한 구조의 로봇 서비스 패키지 변환 시스템(40)에서 소셜 서비스 패키지 해석기(41), 로봇 작업 생성기(42) 및 로봇 서비스 패키지 변환기(43)의 기능들은 하나 이상의 중앙 처리 유닛(central processing unit, CPU)이나 기타 칩셋, 마이크로프로세서 등으로 구현되는 프로세서에 의해 수행될 수 있다.
도 9는 실시 예에 따른 로봇 서비스 패키지 변환 시스템(40)의 로봇 서비스 패키지 생성 방법을 개략적으로 도시한 것이다. 도 9의 로봇 서비스 패키지 생성 방법은, 도 1을 참조하여 설명한 로봇 서비스 패키지 변환 시스템(40)에 의해 수행될 수 있다.
도 9를 참조하면, 실시 예에 따른 로봇 서비스 패키지 변환 시스템(40)은 로봇이 수행하고자 하는 소셜 서비스의 소셜 서비스 패키지를 외부 데이터로부터 읽어오고(S20), 이를 해석(S21)하여 소셜 서비스 패키지 내 다자간 작업으로 정의된 상호작용들로부터 로봇에 부여된 역할에 따라 로봇이 실제 수행해야 하는 행위들만 추론한다. 여기서, 로봇의 역할은 개발자로부터 역할을 선택하는 선택 입력을 수신하여 선택될 수 있다.
소셜 서비스 패키지로부터 로봇이 실제 수행해야 하는 행위들이 추출되면, 로봇 서비스 패키지 변환 시스템(40)은 대응하는 로봇 프로파일(31) 및 액터 모델(32)을 참조하여, 로봇이 각 행위를 수행하기 위해 사용하는 기능과, 해당 기능을 수행하는데 실제 사용되는 로봇의 행위 모듈을 추론하고, 이를 바탕으로 작업 모델(33)로부터 로봇이 실제 수행할 작업을 가져온다(S22). 그리고, 가져온 로봇 작업들을 바탕으로 소셜 서비스 패키지를 로봇에서의 서비스 제공을 위한 로봇 서비스 패키지로 변환한다(S23).
이렇게 생성된 로봇 서비스 패키지는, 이후 서비스를 수행하는 로봇 시스템에 플러그 앤 플레이될 수 있다.
전술한 바에 따르면, 실시 예에 따른 로봇 서비스 패키지 생성 방법은 소셜 서비스 패키지에서 다자간 작업으로 정의된 상호작용으로부터, 로봇에 주어진 역할에 해당하는 행위들만 자동으로 추출하고, 이를 토대로 로봇이 수행해야 하는 작업을 자동으로 정의하여 로봇 서비스 패키지를 생성한다. 이에 따라, 다자간 작업을 필요로 하는 소셜 서비스를 로봇이 특정 역할이 되어 수행하는 서비스를 제공하고자 하는 경우, 로봇에 적용할 서비스 패키지의 개발을 용이하게 하여, 개발자의 부담이 감소하고, 이로 인해 로봇 서비스 개발에 대한 개발자의 편의성 및 접근성이 향상될 수 있다.
한편, 전술한 실시 예에서는 로봇 서비스 개발 시스템(1)이 로봇 시스템(미도시)과 별도로 존재하는 경우를 예로 들어 설명하였으나, 본 발명의 기술적 사상이 이로 한정되는 것은 아니다. 다른 실시 예에서는 로봇 서비스 개발 시스템(1)을 구성하는 적어도 일부의 구성 요소들이 로봇 내에 구현되어 사용될 수도 있다. 예를 들어, 전술한 로봇 서비스 패키지 변환 시스템(40)이 로봇 내부에 구현되어 사용될 수 있다. 이 경우, 로봇은 자신이 수행해야 하는 소셜 서비스와 해당 서비스에서의 자신의 역할이 정해지면, 로봇 서비스 패키지 변환 시스템(40)을 통해 대응하는 소셜 서비스 패키지를 자신의 역할에 맞는 로봇 서비스 패키지로 자동 변환하고, 이를 자신의 로봇 시스템에 플러그 앤 플레이할 수 있다. 예를 들어, 전술한 소셜 서비스 패키지 생성 시스템(20) 및 로봇 서비스 패키지 변환 시스템(40)이 로봇 내부에 구현되어 사용될 수 있다. 이 경우, 로봇은 소셜 서비스 패키지 생성 시스템(20)을 통해 자신이 수행해야 하는 소셜 서비스에 대해 선언적으로 명세한 템플릿을 이용하여 소셜 서비스 패키지를 자동 생성하고, 로봇 서비스 패키지 변환 시스템(40)을 통해 이를 다시 자신의 역할에 맞는 로봇 서비스 패키지로 변환한 뒤, 이를 자신의 로봇 시스템에 플러그 앤 플레이할 수 있다.
본 발명의 실시 예는 이상에서 설명한 장치 및/또는 방법을 통해서만 구현되는 것은 아니며, 본 발명의 실시 예의 구성에 대응하는 기능을 실현하기 위해 기록매체에 기록된 프로그램 또는 그 프로그램이 기록된 기록 매체를 통해 구현될 수도 있으며, 이러한 구현은 앞서 설명한 실시 예의 기재로부터 본 발명이 속하는 기술 분야의 전문가라면 쉽게 구현할 수 있는 것이다.
이상에서 본 발명의 실시 예에 대하여 상세하게 설명하였지만 본 발명의 권리 범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리 범위에 속하는 것이다.
1: 로봇 서비스 개발 시스템
10: 지식정보 데이터베이스
11~16: 사회성 모델
17: 메타 모델
20: 소셜 서비스 패키지 생성 시스템
21: 템플릿 생성기
22: 템플릿 해석기
23: 서비스 패키지 생성기
30: 작업 및 로봇 모델 데이터베이스
31: 로봇 프로파일
32: 액터 모델
33: 작업 모델
40: 로봇 서비스 패키지 변환 시스템
41: 소셜 서비스 패키지 해석기
42: 로봇 작업 생성기
100: 소셜 서비스 템플릿
200: 소셜 서비스 패키지
300: 로봇 서비스 패키지
.
10: 지식정보 데이터베이스
11~16: 사회성 모델
17: 메타 모델
20: 소셜 서비스 패키지 생성 시스템
21: 템플릿 생성기
22: 템플릿 해석기
23: 서비스 패키지 생성기
30: 작업 및 로봇 모델 데이터베이스
31: 로봇 프로파일
32: 액터 모델
33: 작업 모델
40: 로봇 서비스 패키지 변환 시스템
41: 소셜 서비스 패키지 해석기
42: 로봇 작업 생성기
100: 소셜 서비스 템플릿
200: 소셜 서비스 패키지
300: 로봇 서비스 패키지
.
Claims (10)
- 상호작용을 통해 서비스를 수행하는 복수의 역할 중 로봇에게 부여된 역할에 기초하여, 상기 상호작용을 수행하기 위한 상기 복수의 역할 각각의 행위에 대해 설명하는 상호작용 설명으로부터 상기 로봇이 수행해야 하는 행위들을 추론하는 해석기,
상기 로봇이 각 행위를 수행하는데 사용하는 기능을 서술하는 액터 모델과, 상기 로봇에서 각 기능을 수행하는 행위 모듈을 서술하는 로봇 프로파일에 기초하여, 상기 로봇이 수행할 작업 계획들을 획득하는 로봇 작업 생성기, 및
상기 작업 계획들에 기초하여, 상기 로봇에서 상기 서비스를 수행하기 위한 로봇 서비스 패키지를 생성하는 서비스 패키지 변환기를 포함하며,
상기 해석기는, 상기 로봇에서 상기 서비스를 수행하고자 하는 경우, 상기 복수의 역할 별로 상기 서비스의 흐름을 설명하는 역할 설명, 상기 상호작용 설명, 및 상기 서비스에 필요한 지식정보를 포함하는 소셜 서비스 패키지를 외부 데이터베이스로부터 가져온 후, 상기 상호작용을 복수의 행위로 분해하고, 상기 로봇에게 부여된 역할에 따라 상기 복수의 행위 중 상기 로봇이 수행해야 되는 행위들을 추론하는 것을 특징으로 하는 로봇 서비스 개발 시스템. - 삭제
- 삭제
- 제1항에 있어서,
상기 서비스 패키지 변환기는, 상기 서비스의 서비스 흐름, 컨텍스트 규칙, 및 도메인 지식을 더 포함하도록 상기 로봇 서비스 패키지를 생성하는 것을 특징으로 하는 로봇 서비스 개발 시스템. - 제4항에 있어서,
상기 로봇 작업 생성기는, 상기 로봇의 기능 별로 대응하는 기능을 수행하기 위해 실행 가능한 작업 계획들을 서술한 작업 모델로부터, 상기 로봇이 수행할 작업 계획들을 가져오는 것을 특징으로 하는 로봇 서비스 개발 시스템. - 로봇 서비스 개발 시스템의 서비스 패키지 생성 방법에 있어서,
복수의 역할 간의 상호작용을 통해 수행되는 서비스에 대해, 로봇의 역할을 결정하는 단계,
외부 데이터베이스로부터, 상기 복수의 역할 별로 상기 서비스의 흐름을 설명하는 역할 설명, 상기 상호작용을 수행하기 위한 상기 복수의 역할 각각의 행위에 대해 설명하는 상호작용 설명, 및 상기 서비스에 필요한 지식정보를 포함하는 소셜 서비스 패키지를 가져오는 단계,
상기 로봇의 역할에 기초하여, 상기 상호작용 설명으로부터 상기 로봇이 수행해야 하는 행위들을 추론하는 단계,
상기 로봇이 각 행위를 수행하는데 사용하는 기능을 서술하는 액터 모델과, 상기 로봇에서 각 기능을 수행하는 행위 모듈을 서술하는 로봇 프로파일에 기초하여, 상기 로봇이 수행할 작업 계획들을 획득하는 단계, 및
상기 작업 계획들에 기초하여, 상기 로봇에서 상기 서비스를 수행하기 위한 로봇 서비스 패키지를 생성하는 단계를 포함하며,
상기 추론하는 단계는,
상기 상호작용을 복수의 행위로 분해하는 단계, 및
상기 로봇에게 부여된 역할에 따라 상기 복수의 행위 중 상기 로봇이 수행해야 되는 행위들을 추론하는 단계를 포함하는 것을 특징으로 하는 서비스 패키지 생성 방법. - 삭제
- 삭제
- 제6항에 있어서,
상기 로봇 서비스 패키지는, 상기 서비스의 서비스 흐름, 컨텍스트 규칙, 및 도메인 지식을 더 포함하는 것을 특징으로 하는 서비스 패키지 생성 방법. - 제9항에 있어서,
상기 작업 계획들을 획득하는 단계는,
상기 로봇의 기능 별로 대응하는 기능을 수행하기 위해 실행 가능한 작업 계획들을 서술한 작업 모델로부터, 상기 로봇이 수행할 작업 계획들을 가져오는 단계를 포함하는 서비스 패키지 생성 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169114A KR102143602B1 (ko) | 2018-12-26 | 2018-12-26 | 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020180169114A KR102143602B1 (ko) | 2018-12-26 | 2018-12-26 | 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20200079702A KR20200079702A (ko) | 2020-07-06 |
| KR102143602B1 true KR102143602B1 (ko) | 2020-08-11 |
Family
ID=71571279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020180169114A KR102143602B1 (ko) | 2018-12-26 | 2018-12-26 | 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102143602B1 (ko) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102030361B1 (ko) * | 2016-10-28 | 2019-10-10 | 한국과학기술연구원 | 서비스 개방형 로봇지능 프레임워크 시스템 |
-
2018
- 2018-12-26 KR KR1020180169114A patent/KR102143602B1/ko active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| KR20200079702A (ko) | 2020-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102143603B1 (ko) | 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 | |
| Hong et al. | Metagpt: Meta programming for multi-agent collaborative framework | |
| Coronado et al. | A cognitive assistant for learning java featuring social dialogue | |
| KR102106193B1 (ko) | 로봇의 대화를 관리하기 위한 방법 및 시스템 | |
| Dibia | LIDA: A tool for automatic generation of grammar-agnostic visualizations and infographics using large language models | |
| Fill et al. | Conceptual modeling and large language models: impressions from first experiments with ChatGPT | |
| Pastor | Conceptual modeling of life: beyond the homo sapiens | |
| Stefanidi et al. | ParlAmI: a multimodal approach for programming intelligent environments | |
| Singh et al. | Modelling human-centric aspects of end-users with iStar | |
| Wijekoon et al. | CBR Driven Interactive Explainable AI | |
| Canal et al. | PlanVerb: Domain-Independent Verbalization and Summary of Task Plans | |
| Schmitt et al. | The role of AI-based artifacts’ voice capabilities for agency attribution | |
| Feltus et al. | Towards AI assisted domain modeling | |
| Canal et al. | Task plan verbalizations with causal justifications | |
| Chen et al. | Learning agent-based modeling with LLM companions: Experiences of novices and experts using ChatGPT & NetLogo chat | |
| Foster et al. | Task-based evaluation of context-sensitive referring expressions in human–robot dialogue | |
| KR102143602B1 (ko) | 서비스 패키지 생성 방법 및 이를 수행하는 로봇 서비스 개발 시스템 | |
| Stöckl | Natural language interface for data visualization with deep learning based language models | |
| Martínez-Gárate et al. | Model-driven approaches for conversational agents development: A systematic mapping study | |
| Shervedani et al. | Multimodal reinforcement learning for robots collaborating with humans | |
| Sydorov et al. | Software engineering ontologies categorization | |
| Bouchet et al. | A framework for modeling the relationships between the rational and behavioral reactions of assisting conversational agents | |
| KR102675724B1 (ko) | 미술 치료를 위한 인지 검사 방법 | |
| Blackwell | Coding or AI? Tools for Control, Surprise and Creativity. | |
| de Oliveira Baptista et al. | MECHANISM FOR DEVELOPING SCIENTIFIC CONCEPTS |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |