KR102247911B1 - Artificial intelligence device and artificial intelligence server - Google Patents

Artificial intelligence device and artificial intelligence server Download PDF

Info

Publication number
KR102247911B1
KR102247911B1 KR1020200003035A KR20200003035A KR102247911B1 KR 102247911 B1 KR102247911 B1 KR 102247911B1 KR 1020200003035 A KR1020200003035 A KR 1020200003035A KR 20200003035 A KR20200003035 A KR 20200003035A KR 102247911 B1 KR102247911 B1 KR 102247911B1
Authority
KR
South Korea
Prior art keywords
artificial intelligence
robot
voice
microphone
processor
Prior art date
Application number
KR1020200003035A
Other languages
Korean (ko)
Inventor
이인호
채종훈
Original Assignee
엘지전자 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 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020200003035A priority Critical patent/KR102247911B1/en
Application granted granted Critical
Publication of KR102247911B1 publication Critical patent/KR102247911B1/en

Links

Images

Classifications

    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00Manipulators not otherwise provided for
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00Controls for manipulators
    • B25J13/003Controls for manipulators by means of an audio-responsive input
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02Sensing devices
    • B25J19/021Optical sensing devices
    • B25J19/023Optical sensing devices including video camera means
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1602Programme controls characterised by the control system, structure, architecture
    • B25J9/161Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1674Programme controls characterised by safety, monitoring, diagnostic
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1694Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input 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
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/20Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech

Abstract

본 개시의 일 실시 예에 따른 인공 지능 로봇은 복수의 마이크로폰들 각각이 수신한 복수의 음성 신호들을 상기 인공 지능 서버에 전송하고, 상기 인공 지능 서버로부터, 상기 복수의 음성 신호들의 분석에 따른 마이크의 불량 원인 및 상기 불량 원인에 상응하는 음성 인식 방법에 대한 정보를 포함한 제어 명령을 상기 인공 지능 서버로부터 수신하고, 수신된 제어 명령에 따라 음성 인식을 수행할 수 있다.The artificial intelligence robot according to an embodiment of the present disclosure transmits a plurality of voice signals received by each of a plurality of microphones to the artificial intelligence server, and from the artificial intelligence server, the microphone according to the analysis of the plurality of voice signals A control command including information on a cause of a failure and a voice recognition method corresponding to the cause of the failure may be received from the artificial intelligence server, and voice recognition may be performed according to the received control command.

Description

인공 지능 로봇 및 인공 지능 서버{ARTIFICIAL INTELLIGENCE DEVICE AND ARTIFICIAL INTELLIGENCE SERVER}Artificial intelligence robot and artificial intelligence server {ARTIFICIAL INTELLIGENCE DEVICE AND ARTIFICIAL INTELLIGENCE SERVER}
본 발명은 인공 지능 장치에 관한 것으로, 보다 상세하게는, 인공 지능 로봇에 구비된 마이크의 불량 원인을 분석할 수 있는 것에 관한 것이다.The present invention relates to an artificial intelligence device, and more particularly, to an analysis of the cause of a failure of a microphone provided in an artificial intelligence robot.
인공 지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다. Artificial intelligence is a branch of computer science and information technology that studies how computers can do the thinking, learning, and self-development that human intelligence can do. It means being able to imitate.
또한, 인공 지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.In addition, artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science. In particular, in modern times, attempts to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in the field are being made very actively.
한편, 인공 지능을 이용하여 주변의 상황을 인지 및 학습하고 사용자가 원하는 정보를 원하는 형태로 제공하거나 사용자가 원하는 동작이나 기능을 수행하는 기술이 활발하게 연구되고 있다.Meanwhile, technologies for recognizing and learning surrounding situations using artificial intelligence, providing information desired by a user in a desired form, or performing an action or function desired by a user are being actively studied.
그리고 이러한 각종 동작과 기능을 제공하는 전자장치를 인공지능 디바이스라고 명칭 할 수 있다.In addition, an electronic device that provides such various operations and functions may be referred to as an artificial intelligence device.
한편, 최근 사람의 음성을 인식하여 도움을 주는 로봇이 늘고 있다. On the other hand, robots that help by recognizing human voices are increasing in recent years.
그러나, 로봇의 마이크 또는 오디오 보드에 불량이 발생하는 경우 음성인식이 수행되지 않는 문제가 발생하고 있다. However, when a malfunction occurs in a microphone or an audio board of a robot, there is a problem that voice recognition is not performed.
이 경우, 로봇에 구비된 마이크에서, 불량이 발생한 원인을 확인하기 위하여 전문가가 로봇을 수거하여 진단을 해야 하는 문제가 발생하고 있다. In this case, in the microphone provided in the robot, there is a problem that an expert must collect and diagnose the robot in order to determine the cause of the failure.
또한, 종래에는 로봇에 구비된 마이크의 불량 유무만을 제공하여, 그에 대한 적절한 대처를 빠르게 수행할 수 없는 문제가 있었다.In addition, in the related art, only the presence or absence of a defect in the microphone provided in the robot is provided, and there is a problem in that it is not possible to quickly perform an appropriate response thereto.
본 개시는 로봇에 구비된 마이크의 오류를 감지하고, 오류의 종류에 따라 알맞는 대처를 수행할 수 있는 것을 그 목적으로 한다.An object of the present disclosure is to detect an error of a microphone provided in a robot, and to be able to perform an appropriate response according to the type of error.
본 개시는 로봇에 구비된 마이크의 오류를 감지하고, 감지된 오류의 형태에 따른 조치를 수행하여, 로봇의 음성 인식 성능을 향상시킬 수 있는 것을 그 목적으로 한다.An object of the present disclosure is to be able to improve the speech recognition performance of the robot by detecting an error of a microphone provided in the robot and performing a measure according to the type of the detected error.
본 개시의 일 실시 예에 따른 인공 지능 로봇은 복수의 마이크로폰들 각각이 수신한 복수의 음성 신호들을 상기 인공 지능 서버에 전송하고, 상기 인공 지능 서버로부터, 상기 복수의 음성 신호들의 분석에 따른 마이크의 불량 원인 및 상기 불량 원인에 상응하는 음성 인식 방법에 대한 정보를 포함한 제어 명령을 상기 인공 지능 서버로부터 수신하고, 수신된 제어 명령에 따라 음성 인식을 수행할 수 있다.The artificial intelligence robot according to an embodiment of the present disclosure transmits a plurality of voice signals received by each of a plurality of microphones to the artificial intelligence server, and from the artificial intelligence server, the microphone according to the analysis of the plurality of voice signals A control command including information on a cause of a failure and a voice recognition method corresponding to the cause of the failure may be received from the artificial intelligence server, and voice recognition may be performed according to the received control command.
본 개시의 실시 예에 따른 인공 지능 로봇은 마이크의 불량 원인이 마이크 홀 막힘인 경우, 해당 마이크를 비활성화시키고, 다른 마이크로 음성을 수신할 수 있다.The artificial intelligence robot according to an exemplary embodiment of the present disclosure may deactivate a corresponding microphone and receive a voice from another microphone when the cause of the failure of the microphone is a blockage of the microphone hole.
본 개시의 실시 예에 따른 인공 지능 로봇은 마이크의 불량 원인이 2개의 마이크 간 입력 편차 발생인 경우, 특정 방향의 음성만을 수신하도록 마이크의 음성 수신 방향을 설정할 수 있다.The artificial intelligence robot according to an embodiment of the present disclosure may set the voice reception direction of the microphone so as to receive only voice in a specific direction when the cause of the failure of the microphone is an input deviation between two microphones.
본 개시의 실시 예에 따르면, 인공 지능 로봇에 구비된 마이크의 불량 원인이 검출될 수 있고, 검출된 불량 원인에 대한 대처가 적절하게 수행될 수 있다.According to an embodiment of the present disclosure, a cause of a failure of a microphone provided in an artificial intelligence robot may be detected, and a response to the detected cause of failure may be appropriately performed.
이에 따라, 마이크에 이상이 발생한 상황이라도, 사용자가 발화한 음성에 대한 음성 인식이 효과적으로 수행될 수 있다.Accordingly, even in a situation in which an abnormality occurs in the microphone, voice recognition for the voice uttered by the user can be effectively performed.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 개시의 또 다른 실시 예에 따른 AI 장치를 나타낸다.
도 5는 본 개시의 일 실시 예에 따른 인공 지능 시스템의 동작 방법을 설명하기 위한 흐름도이다.
도 6 및 도 7은 본 개시의 실시 예에 따라 마이크의 주파수별 파워 값에 기초하여, 마이크의 불량 유무를 검출하는 과정을 설명하는 도면이다.
도 8은 본 개시의 실시 예에 따른 마이크의 불량 원인에 따라 음성 인식 방법을 결정하는 과정을 설명하는 흐름도이다.
도 9는 본 개시의 일 실시 예에 따라, 2개의 마이크들의 입력 편차 발생 시, 음성 신호를 수신할 특정 방향을 결정하는 과정을 설명하는 도면이다.
도 10은 도 9의 실시 예에 따라 인공 지능 로봇이 음성 신호를 통과시킬 방향의 예를 설명하는 도면이다.
도 11 및 도 12는 본 개시의 실시 예에 따라, 인공 지능 로봇에 구비된 마이크의 불량 원인 및 이에 대한 대처 방안을 출력하는 예를 보여준다.
1 illustrates an AI device according to an embodiment of the present disclosure.
2 shows an AI server according to an embodiment of the present disclosure.
3 shows an AI system according to an embodiment of the present disclosure.
4 illustrates an AI device according to another embodiment of the present disclosure.
5 is a flowchart illustrating a method of operating an artificial intelligence system according to an embodiment of the present disclosure.
6 and 7 are diagrams illustrating a process of detecting whether a microphone is defective or not based on a power value for each frequency of a microphone according to an exemplary embodiment of the present disclosure.
8 is a flowchart illustrating a process of determining a voice recognition method according to a cause of a failure of a microphone according to an exemplary embodiment of the present disclosure.
9 is a diagram for explaining a process of determining a specific direction in which a voice signal is to be received when input deviation between two microphones occurs, according to an embodiment of the present disclosure.
10 is a diagram illustrating an example of a direction in which an artificial intelligence robot passes a voice signal according to the embodiment of FIG. 9.
11 and 12 illustrate examples of outputting a cause of a failure of a microphone provided in an artificial intelligent robot and a countermeasure for the failure according to an embodiment of the present disclosure.
<인공 지능(AI: Artificial Intelligence)><Artificial Intelligence (AI)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.Artificial intelligence refers to the field of researching artificial intelligence or the methodology that can create it, and machine learning (Machine Learning) refers to the field of studying methodologies to define and solve various problems dealt with in the field of artificial intelligence. do. Machine learning is also defined as an algorithm that improves the performance of a task through continuous experience.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.An artificial neural network (ANN) is a model used in machine learning, and may refer to an overall model with problem-solving capabilities, which is composed of artificial neurons (nodes) that form a network by combining synapses. The artificial neural network may be defined by a connection pattern between neurons of different layers, a learning process for updating model parameters, and an activation function for generating an output value.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다. The artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer includes one or more neurons, and the artificial neural network may include neurons and synapses connecting neurons. In an artificial neural network, each neuron can output a function of an activation function for input signals, weights, and biases input through synapses.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.Model parameters refer to parameters determined through learning, and include weights of synaptic connections and biases of neurons. In addition, the hyperparameter refers to a parameter that must be set before learning in a machine learning algorithm, and includes a learning rate, number of iterations, mini-batch size, and initialization function.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.The purpose of learning the artificial neural network can be seen as determining the model parameters that minimize the loss function. The loss function can be used as an index to determine an optimal model parameter in the learning process of the artificial neural network.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning according to the learning method.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.Supervised learning refers to a method of training an artificial neural network when a label for training data is given, and a label indicates the correct answer (or result value) that the artificial neural network must infer when training data is input to the artificial neural network. It can mean. Unsupervised learning may mean a method of training an artificial neural network in a state in which a label for training data is not given. Reinforcement learning may mean a learning method in which an agent defined in a certain environment learns to select an action or sequence of actions that maximizes the cumulative reward in each state.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.Among artificial neural networks, machine learning implemented as a deep neural network (DNN) including a plurality of hidden layers is sometimes referred to as deep learning (deep learning), and deep learning is a part of machine learning. Hereinafter, machine learning is used in the sense including deep learning.
<로봇(Robot)><Robot>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.A robot may refer to a machine that automatically processes or operates a task given by its own capabilities. In particular, a robot having a function of recognizing the environment and performing an operation by self-determining may be referred to as an intelligent robot.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.Robots can be classified into industrial, medical, household, military, etc. depending on the purpose or field of use.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.The robot may be provided with a driving unit including an actuator or a motor to perform various physical operations such as moving a robot joint. In addition, the movable robot includes a wheel, a brake, a propeller, and the like in a driving unit, and can travel on the ground or fly in the air through the driving unit.
<자율 주행(Self-Driving)><Self-Driving>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.Autonomous driving refers to self-driving technology, and autonomous driving vehicle refers to a vehicle that is driven without a user's manipulation or with a user's minimal manipulation.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.For example, in autonomous driving, a technology that maintains a driving lane, a technology that automatically adjusts the speed such as adaptive cruise control, a technology that automatically travels along a specified route, and a technology that automatically sets a route when a destination is set, etc. All of these can be included.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.The vehicle includes all of a vehicle including only an internal combustion engine, a hybrid vehicle including an internal combustion engine and an electric motor, and an electric vehicle including only an electric motor, and may include not only automobiles, but also trains and motorcycles.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.In this case, the autonomous vehicle can be viewed as a robot having an autonomous driving function.
<확장 현실(XR: eXtended Reality)>< Extended Reality ( XR : eX tended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.Augmented reality collectively refers to virtual reality (VR), augmented reality (AR), and mixed reality (MR). VR technology provides only CG images of real-world objects or backgrounds, AR technology provides virtually created CG images on top of real object images, and MR technology is a computer that mixes and combines virtual objects in the real world. It's a graphic technology.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.MR technology is similar to AR technology in that it shows real and virtual objects together. However, in AR technology, a virtual object is used in a form that complements a real object, whereas in MR technology, there is a difference in that a virtual object and a real object are used with equal characteristics.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.XR technology can be applied to HMD (Head-Mount Display), HUD (Head-Up Display), mobile phones, tablet PCs, laptops, desktops, TVs, digital signage, etc. It can be called as.
도 1은 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.1 shows an AI device 100 according to an embodiment of the present disclosure.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다. The AI device 100 includes a TV, a projector, a mobile phone, a smartphone, a desktop computer, a notebook computer, a digital broadcasting terminal, a personal digital assistant (PDA), a portable multimedia player (PMP), a navigation system, a tablet PC, a wearable device, and a set-top box (STB). ), a DMB receiver, a radio, a washing machine, a refrigerator, a desktop computer, a digital signage, a robot, a vehicle, and the like.
도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.Referring to FIG. 1, the terminal 100 includes a communication unit 110, an input unit 120, a running processor 130, a sensing unit 140, an output unit 150, a memory 170, and a processor 180. Can include.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.The communication unit 110 may transmit and receive data with external devices such as other AI devices 100a to 100e or the AI server 200 using wired/wireless communication technology. For example, the communication unit 110 may transmit and receive sensor information, a user input, a learning model, and a control signal with external devices.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.At this time, communication technologies used by the communication unit 110 include Global System for Mobile communication (GSM), Code Division Multi Access (CDMA), Long Term Evolution (LTE), 5G, Wireless LAN (WLAN), and Wireless-Fidelity (Wi-Fi). ), Bluetooth™, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), ZigBee, and Near Field Communication (NFC).
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.The input unit 120 may acquire various types of data.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.In this case, the input unit 120 may include a camera for inputting an image signal, a microphone for receiving an audio signal, and a user input unit for receiving information from a user. Here, by treating a camera or a microphone as a sensor, a signal obtained from the camera or a microphone may be referred to as sensing data or sensor information.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.The input unit 120 may acquire training data for model training and input data to be used when acquiring an output by using the training model. The input unit 120 may obtain unprocessed input data, and in this case, the processor 180 or the running processor 130 may extract an input feature as a preprocess for the input data.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.The learning processor 130 may train a model composed of an artificial neural network by using the training data. Here, the learned artificial neural network may be referred to as a learning model. The learning model can be used to infer a result value for new input data other than the training data, and the inferred value can be used as a basis for a decision to perform a certain operation.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.In this case, the learning processor 130 may perform AI processing together with the learning processor 240 of the AI server 200.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.In this case, the learning processor 130 may include a memory integrated or implemented in the AI device 100. Alternatively, the learning processor 130 may be implemented using the memory 170, an external memory directly coupled to the AI device 100, or a memory maintained in an external device.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.The sensing unit 140 may acquire at least one of internal information of the AI device 100, information on the surrounding environment of the AI device 100, and user information by using various sensors.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.At this time, the sensors included in the sensing unit 140 include a proximity sensor, an illuminance sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, an RGB sensor, an IR sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone, and a lidar. , Radar, etc.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. The output unit 150 may generate output related to visual, auditory or tactile sensations.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.In this case, the output unit 150 may include a display unit outputting visual information, a speaker outputting auditory information, a haptic module outputting tactile information, and the like.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.The memory 170 may store data supporting various functions of the AI device 100. For example, the memory 170 may store input data, learning data, a learning model, and a learning history acquired from the input unit 120.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.The processor 180 may determine at least one executable operation of the AI device 100 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. In addition, the processor 180 may perform the determined operation by controlling the components of the AI device 100.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.To this end, the processor 180 may request, search, receive, or utilize data from the learning processor 130 or the memory 170, and perform a predicted or desirable operation among the at least one executable operation. The components of the AI device 100 can be controlled to run.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.In this case, when connection of an external device is required to perform the determined operation, the processor 180 may generate a control signal for controlling the corresponding external device and transmit the generated control signal to the corresponding external device.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.The processor 180 may obtain intention information for a user input and determine a user's requirement based on the obtained intention information.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다. In this case, the processor 180 uses at least one of a Speech To Text (STT) engine for converting a speech input into a character string or a Natural Language Processing (NLP) engine for obtaining intention information of a natural language. Intention information corresponding to the input can be obtained.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.At this time, at least one or more of the STT engine and the NLP engine may be composed of an artificial neural network, at least partially trained according to a machine learning algorithm. And, at least one of the STT engine or the NLP engine is learned by the learning processor 130, learning by the learning processor 240 of the AI server 200, or learned by distributed processing thereof. Can be.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.The processor 180 collects history information including user feedback on the operation content or operation of the AI device 100 and stores it in the memory 170 or the learning processor 130, or the AI server 200 Can be transferred to an external device. The collected history information can be used to update the learning model.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.The processor 180 may control at least some of the components of the AI device 100 in order to drive the application program stored in the memory 170. Further, in order to drive the application program, the processor 180 may operate by combining two or more of the components included in the AI device 100 with each other.
도 2는 본 개시의 일 실시 예에 따른 AI 서버(200)를 나타낸다.2 shows an AI server 200 according to an embodiment of the present disclosure.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.Referring to FIG. 2, the AI server 200 may refer to a device that trains an artificial neural network using a machine learning algorithm or uses the learned artificial neural network. Here, the AI server 200 may be configured with a plurality of servers to perform distributed processing, or may be defined as a 5G network. In this case, the AI server 200 may be included as a part of the AI device 100 to perform at least a part of AI processing together.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.The AI server 200 may include a communication unit 210, a memory 230, a learning processor 240, a processor 260, and the like.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.The communication unit 210 may transmit and receive data with an external device such as the AI device 100.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.The memory 230 may include a model storage unit 231. The model storage unit 231 may store a model (or artificial neural network, 231a) being trained or trained through the learning processor 240.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.The learning processor 240 may train the artificial neural network 231a using the training data. The learning model may be used while being mounted on the AI server 200 of an artificial neural network, or may be mounted on an external device such as the AI device 100 and used.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.The learning model can be implemented in hardware, software, or a combination of hardware and software. When part or all of the learning model is implemented in software, one or more instructions constituting the learning model may be stored in the memory 230.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.The processor 260 may infer a result value for new input data using the learning model, and generate a response or a control command based on the inferred result value.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.3 shows an AI system 1 according to an embodiment of the present disclosure.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.Referring to FIG. 3, the AI system 1 includes at least one of an AI server 200, a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e. It is connected with this cloud network 10. Here, the robot 100a to which the AI technology is applied, the autonomous vehicle 100b, the XR device 100c, the smartphone 100d, or the home appliance 100e may be referred to as the AI devices 100a to 100e.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.The cloud network 10 may constitute a part of the cloud computing infrastructure or may mean a network that exists in the cloud computing infrastructure. Here, the cloud network 10 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.That is, the devices 100a to 100e and 200 constituting the AI system 1 may be connected to each other through the cloud network 10. In particular, the devices 100a to 100e and 200 may communicate with each other through a base station, but may directly communicate with each other without through a base station.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.The AI server 200 may include a server that performs AI processing and a server that performs an operation on big data.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.The AI server 200 includes at least one of a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e, which are AI devices constituting the AI system 1 It is connected through the cloud network 10 and may help at least part of the AI processing of the connected AI devices 100a to 100e.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다. In this case, the AI server 200 may train an artificial neural network according to a machine learning algorithm in place of the AI devices 100a to 100e, and may directly store the learning model or transmit it to the AI devices 100a to 100e.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.At this time, the AI server 200 receives input data from the AI devices 100a to 100e, infers a result value for the received input data using a learning model, and generates a response or control command based on the inferred result value. It can be generated and transmitted to the AI devices 100a to 100e.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.Alternatively, the AI devices 100a to 100e may infer a result value for input data using a direct learning model, and may generate a response or a control command based on the inferred result value.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.Hereinafter, various embodiments of the AI devices 100a to 100e to which the above-described technology is applied will be described. Here, the AI devices 100a to 100e illustrated in FIG. 3 may be viewed as a specific example of the AI device 100 illustrated in FIG. 1.
<AI+로봇><AI+robot>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.The robot 100a is applied with AI technology and may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, and the like.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.The robot 100a may include a robot control module for controlling an operation, and the robot control module may refer to a software module or a chip implementing the same as hardware.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.The robot 100a acquires status information of the robot 100a by using sensor information acquired from various types of sensors, detects (recognizes) the surrounding environment and objects, generates map data, or moves paths and travels. You can decide on a plan, decide on a response to user interaction, or decide on an action.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.Here, the robot 100a may use sensor information obtained from at least one sensor among a lidar, a radar, and a camera in order to determine a moving route and a driving plan.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The robot 100a may perform the above-described operations using a learning model composed of at least one artificial neural network. For example, the robot 100a may recognize a surrounding environment and an object using a learning model, and may determine an operation using the recognized surrounding environment information or object information. Here, the learning model may be directly learned by the robot 100a or learned by an external device such as the AI server 200.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.At this time, the robot 100a may perform an operation by generating a result using a direct learning model, but it transmits sensor information to an external device such as the AI server 200 and performs the operation by receiving the result generated accordingly. You may.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다. The robot 100a determines a movement route and a driving plan using at least one of map data, object information detected from sensor information, or object information obtained from an external device, and controls the driving unit to determine the determined movement path and travel plan. Accordingly, the robot 100a can be driven.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.The map data may include object identification information on various objects arranged in a space in which the robot 100a moves. For example, the map data may include object identification information on fixed objects such as walls and doors and movable objects such as flower pots and desks. In addition, the object identification information may include a name, type, distance, and location.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.In addition, the robot 100a may perform an operation or run by controlling the driving unit based on the user's control/interaction. In this case, the robot 100a may acquire interaction intention information according to a user's motion or voice speech, and determine a response based on the obtained intention information to perform the operation.
<AI+자율주행><AI + autonomous driving>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The autonomous vehicle 100b may be implemented as a mobile robot, vehicle, or unmanned aerial vehicle by applying AI technology.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.The autonomous driving vehicle 100b may include an autonomous driving control module for controlling an autonomous driving function, and the autonomous driving control module may refer to a software module or a chip implementing the same as hardware. The autonomous driving control module may be included inside as a configuration of the autonomous driving vehicle 100b, but may be configured as separate hardware and connected to the exterior of the autonomous driving vehicle 100b.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다. The autonomous driving vehicle 100b acquires status information of the autonomous driving vehicle 100b using sensor information obtained from various types of sensors, detects (recognizes) surrounding environments and objects, or generates map data, It is possible to determine a travel route and a driving plan, or to determine an action.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.Here, the autonomous vehicle 100b may use sensor information obtained from at least one sensor from among a lidar, a radar, and a camera, similar to the robot 100a, in order to determine a moving route and a driving plan.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.In particular, the autonomous vehicle 100b may recognize an environment or object in an area where the view is obscured or an area greater than a certain distance by receiving sensor information from external devices, or may receive information directly recognized from external devices. .
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The autonomous vehicle 100b may perform the above-described operations using a learning model composed of at least one artificial neural network. For example, the autonomous vehicle 100b may recognize a surrounding environment and an object using a learning model, and may determine a driving movement using the recognized surrounding environment information or object information. Here, the learning model may be directly learned by the autonomous vehicle 100b or learned by an external device such as the AI server 200.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.At this time, the autonomous vehicle 100b may perform an operation by generating a result using a direct learning model, but it operates by transmitting sensor information to an external device such as the AI server 200 and receiving the result generated accordingly. You can also do
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.The autonomous vehicle 100b determines a movement route and a driving plan using at least one of map data, object information detected from sensor information, or object information obtained from an external device, and controls the driving unit to determine the determined movement path and driving. The autonomous vehicle 100b can be driven according to a plan.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.The map data may include object identification information on various objects arranged in a space (eg, a road) in which the autonomous vehicle 100b travels. For example, the map data may include object identification information on fixed objects such as street lights, rocks, and buildings and movable objects such as vehicles and pedestrians. In addition, the object identification information may include a name, type, distance, and location.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.In addition, the autonomous vehicle 100b may perform an operation or drive by controlling a driving unit based on a user's control/interaction. In this case, the autonomous vehicle 100b may acquire information on intention of interaction according to a user's motion or voice speech, and determine a response based on the acquired intention information to perform the operation.
<AI+XR><AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.The XR device 100c is applied with AI technology, such as HMD (Head-Mount Display), HUD (Head-Up Display) provided in the vehicle, TV, mobile phone, smart phone, computer, wearable device, home appliance, digital signage. , Vehicle, can be implemented as a fixed robot or a mobile robot.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.The XR device 100c analyzes 3D point cloud data or image data acquired through various sensors or from an external device to generate location data and attribute data for 3D points, thereby providing information on surrounding spaces or real objects. The XR object to be acquired and output can be rendered and output. For example, the XR apparatus 100c may output an XR object including additional information on the recognized object in correspondence with the recognized object.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The XR device 100c may perform the above-described operations using a learning model composed of at least one artificial neural network. For example, the XR apparatus 100c may recognize a real object from 3D point cloud data or image data using a learning model, and may provide information corresponding to the recognized real object. Here, the learning model may be directly learned by the XR device 100c or learned by an external device such as the AI server 200.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.At this time, the XR device 100c may directly generate a result using a learning model to perform an operation, but transmits sensor information to an external device such as the AI server 200 and receives the generated result to perform the operation. You can also do it.
<AI+로봇+자율주행><AI+robot+autonomous driving>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.The robot 100a may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, etc. by applying AI technology and autonomous driving technology.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다. The robot 100a to which AI technology and autonomous driving technology are applied may refer to a robot having an autonomous driving function or a robot 100a interacting with the autonomous driving vehicle 100b.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.The robot 100a having an autonomous driving function may collectively refer to devices that move by themselves according to a given movement line without the user's control or by determining the movement line by themselves.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.The robot 100a having an autonomous driving function and the autonomous driving vehicle 100b may use a common sensing method to determine one or more of a moving route or a driving plan. For example, the robot 100a having an autonomous driving function and the autonomous driving vehicle 100b may determine one or more of a movement route or a driving plan using information sensed through a lidar, a radar, and a camera.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.The robot 100a interacting with the autonomous driving vehicle 100b exists separately from the autonomous driving vehicle 100b, and is linked to an autonomous driving function inside the autonomous driving vehicle 100b, or in the autonomous driving vehicle 100b. It is possible to perform an operation associated with the user on board.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.At this time, the robot 100a interacting with the autonomous driving vehicle 100b acquires sensor information on behalf of the autonomous driving vehicle 100b and provides it to the autonomous driving vehicle 100b, or acquires sensor information and provides information on the surrounding environment or By generating object information and providing it to the autonomous driving vehicle 100b, it is possible to control or assist the autonomous driving function of the autonomous driving vehicle 100b.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.Alternatively, the robot 100a interacting with the autonomous vehicle 100b may monitor a user in the autonomous vehicle 100b or control functions of the autonomous vehicle 100b through interaction with the user. . For example, when it is determined that the driver is in a drowsy state, the robot 100a may activate the autonomous driving function of the autonomous driving vehicle 100b or assist in controlling the driving unit of the autonomous driving vehicle 100b. Here, the functions of the autonomous driving vehicle 100b controlled by the robot 100a may include not only an autonomous driving function, but also functions provided by a navigation system or an audio system provided inside the autonomous driving vehicle 100b.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.Alternatively, the robot 100a interacting with the autonomous driving vehicle 100b may provide information or assist a function to the autonomous driving vehicle 100b from outside of the autonomous driving vehicle 100b. For example, the robot 100a may provide traffic information including signal information to the autonomous vehicle 100b, such as a smart traffic light, or interact with the autonomous driving vehicle 100b, such as an automatic electric charger for an electric vehicle. You can also automatically connect an electric charger to the charging port.
<AI+로봇+XR><AI+Robot+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다. The robot 100a may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, a drone, etc. by applying AI technology and XR technology.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The robot 100a to which the XR technology is applied may refer to a robot that is an object of control/interaction in an XR image. In this case, the robot 100a is distinguished from the XR device 100c and may be interlocked with each other.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다. When the robot 100a, which is the object of control/interaction in the XR image, acquires sensor information from sensors including a camera, the robot 100a or the XR device 100c generates an XR image based on the sensor information. And, the XR device 100c may output the generated XR image. In addition, the robot 100a may operate based on a control signal input through the XR device 100c or a user's interaction.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.For example, the user can check the XR image corresponding to the viewpoint of the robot 100a linked remotely through an external device such as the XR device 100c, and adjust the autonomous driving path of the robot 100a through the interaction. , You can control motion or driving, or check information on surrounding objects.
<AI+자율주행+XR><AI+Autonomous Driving+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The autonomous vehicle 100b may be implemented as a mobile robot, a vehicle, or an unmanned aerial vehicle by applying AI technology and XR technology.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The autonomous driving vehicle 100b to which the XR technology is applied may refer to an autonomous driving vehicle including a means for providing an XR image, or an autonomous driving vehicle that is an object of control/interaction within the XR image. In particular, the autonomous vehicle 100b, which is an object of control/interaction in the XR image, is distinguished from the XR device 100c and may be interlocked with each other.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.The autonomous vehicle 100b having a means for providing an XR image may obtain sensor information from sensors including a camera, and may output an XR image generated based on the acquired sensor information. For example, the autonomous vehicle 100b may provide an XR object corresponding to a real object or an object in a screen to a passenger by outputting an XR image with a HUD.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.In this case, when the XR object is output to the HUD, at least a part of the XR object may be output so that it overlaps the actual object facing the occupant's gaze. On the other hand, when the XR object is output on a display provided inside the autonomous vehicle 100b, at least a part of the XR object may be output to overlap an object in the screen. For example, the autonomous vehicle 100b may output XR objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, motorcycles, pedestrians, and buildings.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.When the autonomous driving vehicle 100b, which is the object of control/interaction in the XR image, acquires sensor information from sensors including a camera, the autonomous driving vehicle 100b or the XR device 100c is based on the sensor information. An XR image is generated, and the XR device 100c may output the generated XR image. In addition, the autonomous vehicle 100b may operate based on a control signal input through an external device such as the XR device 100c or a user's interaction.
도 4는 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.4 illustrates an AI device 100 according to an embodiment of the present disclosure.
도 1과 중복되는 설명은 생략한다.Descriptions redundant with those of FIG.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다. Referring to FIG. 4, the input unit 120 includes a camera 121 for inputting an image signal, a microphone 122 for receiving an audio signal, and a user input unit for receiving information from a user. 123).
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.The voice data or image data collected by the input unit 120 may be analyzed and processed as a user's control command.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.The input unit 120 is for inputting image information (or signal), audio information (or signal), data, or information input from a user. For inputting image information, the AI device 100 Cameras 121 may be provided.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.The camera 121 processes an image frame such as a still image or a moving image obtained by an image sensor in a video call mode or a photographing mode. The processed image frame may be displayed on the display unit 151 or stored in the memory 170.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.The microphone 122 processes an external sound signal into electrical voice data. The processed voice data may be variously utilized according to a function (or an application program being executed) being executed by the AI device 100. Meanwhile, various noise removal algorithms for removing noise generated in a process of receiving an external sound signal may be applied to the microphone 122.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다. The user input unit 123 is for receiving information from a user, and when information is input through the user input unit 123, the processor 180 may control the operation of the AI device 100 to correspond to the input information. .
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.The user input unit 123 is a mechanical input means (or a mechanical key, for example, a button located on the front/rear or side of the terminal 100, a dome switch, a jog wheel, a jog switch, etc.) and It may include a touch input means. As an example, the touch input means is composed of a virtual key, a soft key, or a visual key displayed on a touch screen through software processing, or a portion other than the touch screen It may be made of a touch key (touch key) arranged in the.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다. The output unit 150 includes at least one of a display unit 151, a sound output unit 152, a haptic module 153, and an optical output unit 154. can do.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다. The display unit 151 displays (outputs) information processed by the AI device 100. For example, the display unit 151 may display execution screen information of an application program driven by the AI device 100, or UI (User Interface) and GUI (Graphic User Interface) information according to the execution screen information.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.The display unit 151 may implement a touch screen by forming a layer structure or integrally with the touch sensor. Such a touch screen may function as a user input unit 123 that provides an input interface between the AI device 100 and a user, and may provide an output interface between the terminal 100 and the user.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다. The sound output unit 152 may output audio data received from the communication unit 110 or stored in the memory 170 in a call signal reception, a call mode or a recording mode, a voice recognition mode, a broadcast reception mode, and the like.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.The sound output unit 152 may include at least one of a receiver, a speaker, and a buzzer.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.The haptic module 153 generates various tactile effects that a user can feel. A typical example of the tactile effect generated by the haptic module 153 may be vibration.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.The light output unit 154 outputs a signal for notifying the occurrence of an event using light from a light source of the AI device 100. Examples of events occurring in the AI device 100 may include message reception, call signal reception, missed call, alarm, schedule notification, email reception, and information reception through an application.
도 5는 본 개시의 일 실시 예에 따른 인공 지능 시스템의 동작 방법을 설명하기 위한 흐름도이다.5 is a flowchart illustrating a method of operating an artificial intelligence system according to an embodiment of the present disclosure.
인공 지능 시스템은 인공 지능 로봇, 인공 지능 서버(200) 및 하나 이상의 외부 인공 지능 로봇을 포함할 수 있다.The artificial intelligence system may include an artificial intelligence robot, an artificial intelligence server 200 and one or more external artificial intelligence robots.
인공 지능 로봇은 인공 지능 장치(100)의 한 종류일 수 있다. 인공 지능 로봇은 도 4에 도시된 인공 지능 장치(100)의 구성 요소들을 모두 포함할 수 있다.The artificial intelligence robot may be a type of artificial intelligence device 100. The artificial intelligence robot may include all components of the artificial intelligence device 100 shown in FIG. 4.
도 5를 참조하면, 인공 지능 로봇(100)의 프로세서(180)는 음향 출력부(152)를 통해 음성을 출력한다(S501). 5, the processor 180 of the artificial intelligence robot 100 outputs a voice through the sound output unit 152 (S501).
음향 출력부(152)는 하나 이상의 스피커를 구비할 수 있다.The sound output unit 152 may include one or more speakers.
프로세서(180)는 하나 이상의 스피커를 통해, 음성을 출력할 수 있다. 프로세서(180)는 인공 지능 로봇(100)의 전원이 온 된 경우, 기 설정된 음성을 하나 이상의 스피커를 통해 출력할 수 있다.The processor 180 may output audio through one or more speakers. When the power of the artificial intelligence robot 100 is turned on, the processor 180 may output a preset voice through one or more speakers.
기 설정된 음성은 안내 멘트를 나타내는 음성일 수 있다. The preset voice may be a voice indicating a guide comment.
기 설정된 음성은 인공 지능 로봇(100)의 소개를 나타내는 음성일 수 있다.The preset voice may be a voice indicating the introduction of the artificial intelligence robot 100.
인공 지능 로봇(100)의 프로세서(180)는 인공 지능 로봇(100)에 구비된 복수의 마이크들 각각을 통해 출력된 음성을 수신한다(S503).The processor 180 of the artificial intelligence robot 100 receives a voice output through each of a plurality of microphones provided in the artificial intelligence robot 100 (S503).
인공 지능 로봇(100)의 입력부(120)는 복수의 마이크로폰들을 구비할 수 있다.The input unit 120 of the artificial intelligence robot 100 may include a plurality of microphones.
인공 지능 로봇(100)는 얼굴의 좌측 귀 부분에 배치된 좌측 마이크 및 얼굴의 우측 귀 부분에 배치된 우측 마이크를 포함할 수 있다. 그러나, 이에 한정될 필요는 없고, 인공 지능 로봇(100)은 2개 이상의 마이크를 구비할 수 있다.The artificial intelligence robot 100 may include a left microphone disposed on the left ear portion of the face and a right microphone disposed on the right ear portion of the face. However, there is no need to be limited thereto, and the artificial intelligence robot 100 may include two or more microphones.
프로세서(180)는 복수의 마이크로폰들 각각을 통해 하나 이상의 스피커에서 출력된 음성을 수신할 수 있다.The processor 180 may receive a voice output from one or more speakers through each of the plurality of microphones.
인공 지능 로봇(100)의 프로세서(180)는 복수의 마이크들 각각이 수신한 음성에 상응하는 복수의 음성 신호들을 통신부(110, 이하, 통신 인터페이스)를 통해 인공 지능 서버(200)에 전송한다(S505).The processor 180 of the artificial intelligence robot 100 transmits a plurality of voice signals corresponding to the voices received by each of the plurality of microphones to the artificial intelligence server 200 through the communication unit 110 (hereinafter, a communication interface) ( S505).
인공 지능 서버(200)의 프로세서(260)는 수신된 복수의 음성 신호들에 기초하여, 복수의 마이크들 각각의 불량 유무를 판단하고(S507), 불량이 존재하는 마이크의 불량 원인을 획득한다(S509).The processor 260 of the artificial intelligence server 200 determines whether each of the plurality of microphones is defective based on the plurality of received voice signals (S507), and obtains the cause of the failure of the microphone in which the defect exists ( S509).
일 실시 예에서, 인공 지능 서버(260)의 프로세서(260)는 복수의 마이크들 각각이 수신한 음성에 상응하는 음성 신호를 분석하여, 각 마이크의 이상 유무 또는 2개의 마이크 간의 이상 유무를 판단할 수 있다.In one embodiment, the processor 260 of the artificial intelligence server 260 analyzes a voice signal corresponding to a voice received by each of the plurality of microphones, and determines whether there is an abnormality in each microphone or between two microphones. I can.
마이크의 불량 원인은 마이크가 구비된 홀의 막힘, 2개의 마이크들 간의 편차 이상 중 어느 하나일 수 있다.The cause of the failure of the microphone may be any one of a clogging of a hole in which the microphone is provided, or a deviation error between two microphones.
프로세서(260)는 각 음성 신호의 주파수 별 파워 값에 기초하여, 마이크의 불량 유무 및 불량 원인을 판단할 수 있다.The processor 260 may determine the presence or absence of a failure of the microphone and a cause of the failure, based on a power value for each frequency of each voice signal.
이에 대해서는, 다음의 도면을 참조하여 설명한다.This will be described with reference to the following drawings.
도 6 및 도 7은 본 개시의 실시 예에 따라 마이크의 주파수별 파워 값에 기초하여, 마이크의 불량 유무를 검출하는 과정을 설명하는 도면이다.6 and 7 are diagrams illustrating a process of detecting whether a microphone is defective or not based on a power value for each frequency of a microphone according to an exemplary embodiment of the present disclosure.
특히, 도 6은 마이크로폰이 구비된 홀의 막힘 상태를 검출하는 과정을 설명하는 도면이고, 도 7은 마이크 채널들 간 편차 불량 상태를 검출하는 과정을 설명하는 도면이다.In particular, FIG. 6 is a diagram illustrating a process of detecting a clogged state of a hole in which a microphone is provided, and FIG. 7 is a diagram illustrating a process of detecting a defective state of deviation between microphone channels.
도 6을 참조하면, 마이크가 수신한 음성 신호(610) 및 정상 상태의 마이크가 수신한 정상 음성 신호(630)가 도시되어 있다. 정상 음성 신호(630)는 인공 지능 서버(200)의 메모리(230)에 미리 저장되어 있을 수 있다.Referring to FIG. 6, a voice signal 610 received by a microphone and a normal voice signal 630 received by a microphone in a normal state are shown. The normal voice signal 630 may be previously stored in the memory 230 of the artificial intelligence server 200.
프로세서(260)는 오디오 전처리 과정을 통해 음성 신호(610)로부터 제1 음성 파형(611) 및 제1 음성 파형(611)에 상응하는 제1 파워 스펙트럼(613)을 추출할 수 있다.The processor 260 may extract a first voice waveform 611 and a first power spectrum 613 corresponding to the first voice waveform 611 from the voice signal 610 through an audio preprocessing process.
마찬가지로, 프로세서(260)는 오디오 전처리 과정을 통해 정상 음성 신호(630)로부터 제2 음성 파형(631) 및 제2 음성 파형(613)에 상응하는 제2 파워 스펙트럼(633)을 추출할 수 있다. 제2 음성 파형(613) 및 제2 파워 스펙트럼(633)은 메모리(230)에 미리 저장되어 있을 수 있다.Likewise, the processor 260 may extract the second voice waveform 631 and the second power spectrum 633 corresponding to the second voice waveform 613 from the normal voice signal 630 through the audio preprocessing process. The second voice waveform 613 and the second power spectrum 633 may be previously stored in the memory 230.
제1 파워 값 그래프(650)는 음성 신호(610) 및 정상 음성 신호(630) 각각의 주파수별 파워 값의 비교를 위한 그래프일 수 있다.The first power value graph 650 may be a graph for comparing power values for each frequency of the voice signal 610 and the normal voice signal 630.
프로세서(260)는 제1 음성 파형(611) 및 제1 파워 스펙트럼(613)으로부터, 주파수 별 파워 값의 추이를 나타내는 제1 파워 파형(651)을 획득할 수 있다.The processor 260 may obtain a first power waveform 651 representing a transition of a power value for each frequency from the first voice waveform 611 and the first power spectrum 613.
프로세서(260)는 제2 음성 파형(631) 및 제2 파워 스펙트럼(633)으로부터, 주파수 별 파워 값의 추이를 나타내는 제2 파워 파형(653)을 획득할 수 있다.The processor 260 may obtain a second power waveform 653 representing a transition of a power value for each frequency from the second voice waveform 631 and the second power spectrum 633.
제1 파워 값 그래프(650)에는 음성 신호(610)의 주파수별 파워 값의 추이를 나타내는 제1 파워 파형(651) 및 정상 음성 신호(630)의 주파수별 파워 값의 추이를 나타내는 제2 파워 파형(653)이 도시되어 있다.In the first power value graph 650, a first power waveform 651 representing a transition of a power value for each frequency of the audio signal 610 and a second power waveform representing a transition of a power value for each frequency of the normal audio signal 630 (653) is shown.
프로세서(260)는 제1 파워 파형(651) 및 제2 파워 파형(653)을 비교하여, 마이크가 구비된 홀의 막힘을 검출할 수 있다.The processor 260 may compare the first power waveform 651 and the second power waveform 653 to detect clogging of a hole in which a microphone is provided.
프로세서(260)는 특정 주파수 이후, 음성 신호(610)의 파워 값과 정상 음성 신호(630)의 파워 값의 차이가 기 설정된 파워 값 이상 차이가 나는 경우, 음성 신호(610)를 수신한 마이크의 홀이 막힘 상태에 있는 것으로 검출할 수 있다.After a specific frequency, when the difference between the power value of the voice signal 610 and the power value of the normal voice signal 630 is greater than or equal to a preset power value, the processor 260 It can be detected that the hole is in a blocked state.
여기서, 기 설정된 파워 값은 15dB일 수 있으나, 이는 예시에 불과한 수치이다.Here, the preset power value may be 15 dB, but this is only an example.
즉, 프로세서(260)는 마이크의 불량 원인을 마이크 홀의 막힘으로 검출할 수 있다.That is, the processor 260 may detect the cause of the failure of the microphone as a blockage of the microphone hole.
다음으로, 도 7을 설명한다.Next, Fig. 7 will be described.
도 7을 참조하면, 하나의 세트를 이루는 2개의 마이크들 각각이 수신한 음성 신호가 도시되어 있다.Referring to FIG. 7, a voice signal received by each of two microphones forming a set is shown.
즉, 좌측 마이크가 수신한 좌측 음성 신호(710) 및 우측 마이크가 수신한 우측 음성 신호(730)가 도시되어 있다.That is, the left voice signal 710 received by the left microphone and the right voice signal 730 received by the right microphone are shown.
프로세서(260)는 오디오 전처리 과정을 통해 좌측 음성 신호(710)로부터 좌측 음성 파형(711) 및 제3 파워 스펙트럼(713)을 추출할 수 있다.The processor 260 may extract the left voice waveform 711 and the third power spectrum 713 from the left voice signal 710 through an audio preprocessing process.
프로세서(260)는 오디오 전처리 과정을 통해 우측 음성 신호(730)로부터 우측 음성 파형(731) 및 제4 파워 스펙트럼(733)을 추출할 수 있다.The processor 260 may extract the right voice waveform 731 and the fourth power spectrum 733 from the right voice signal 730 through an audio preprocessing process.
제2 파워 값 그래프(750)는 좌측 음성 신호(710) 및 우측 음성 신호(730) 각각의 주파수별 파워 값의 비교를 위한 그래프일 수 있다.The second power value graph 750 may be a graph for comparing power values for each frequency of the left voice signal 710 and the right voice signal 730.
프로세서(260)는 좌측 음성 파형(711) 및 제3 파워 스펙트럼(713)으로부터, 주파수 별 파워 값의 추이를 나타내는 제3 파워 파형(751)을 획득할 수 있다.The processor 260 may obtain a third power waveform 751 representing a transition of a power value for each frequency from the left voice waveform 711 and the third power spectrum 713.
프로세서(260)는 우측 음성 파형(713) 및 제4 파워 스펙트럼(733)으로부터, 주파수 별 파워 값의 추이를 나타내는 제4 파워 파형(753)을 획득할 수 있다.The processor 260 may obtain a fourth power waveform 753 representing a transition of power values for each frequency from the right voice waveform 713 and the fourth power spectrum 733.
제2 파워 값 그래프(750)에는 좌측 음성 신호(710)의 주파수별 파워 값의 추이를 나타내는 제3 파워 파형(751) 및 우측 음성 신호(730)의 주파수별 파워 값의 추이를 나타내는 제4 파워 파형(753)이 도시되어 있다.The second power value graph 750 includes a third power waveform 751 representing a transition of a power value for each frequency of the left voice signal 710 and a fourth power representing a transition of a power value for each frequency of the right voice signal 730. Waveform 753 is shown.
프로세서(260)는 기 설정된 주파수 대역 내에서, 제3 파워 파형(751)의 파워 값과 제4 파워 파형(753)의 파워 값의 차이가 기 설정된 범위(5dB 내지 10dB)에 있는 경우, 좌측 마이크와 우측 마이크 간의 입력 편차 불량이 발생한 것으로 판단할 수 있다.When the difference between the power value of the third power waveform 751 and the power value of the fourth power waveform 753 is within a preset range (5dB to 10dB) within a preset frequency band, the left microphone It can be determined that there is an input deviation defect between the and the right microphone.
입력 편차 불량은 인접한 위치에 있는 2개의 마이크가 입력받는 음성의 세기가 서로 달라서 발생하는 것일 수 있다. 입력 편차 불량은 2개의 마이크 중 어느 하나의 마이크가 구비된 오디오 보드의 불량으로 발생될 수 있다.The input deviation failure may be caused by different intensities of voices received by two microphones located adjacent to each other. The input deviation failure may be caused by a failure of an audio board equipped with one of the two microphones.
다시, 도 5를 설명한다.Again, Fig. 5 will be described.
인공 지능 서버(200)의 프로세서(260)는 획득된 불량 원인에 기초하여, 음성 인식 방법을 결정한다(S511).The processor 260 of the artificial intelligence server 200 determines a speech recognition method based on the acquired cause of failure (S511).
일 실시 예에서, 마이크에 존재하는 불량 원인이 마이크의 홀 막힘인 경우, 프로세서(260)는 홀 막힘이 발생한 마이크 이외의 다른 마이크를 통해 음성 인식을 수행하도록 하는 제1 제어 명령을 생성할 수 있다.In an embodiment, when the cause of the failure in the microphone is a hole blockage of the microphone, the processor 260 may generate a first control command to perform voice recognition through a microphone other than a microphone in which the hole is blocked. .
즉, 제1 제어 명령은 홀 막힘이 발생한 마이크를 비 활성화시키고, 다른 마이크를 활성화시켜, 음성을 수신하도록 인공 지능 로봇(100)을 제어하는 명령일 수 있다.That is, the first control command may be a command for controlling the artificial intelligence robot 100 to receive a voice by deactivating a microphone in which a hole is blocked and activating another microphone.
또 다른 예에서, 마이크에 존재하는 불량 원인이 2개의 마이크들 간의 입력 편차 발생인 경우, 프로세서(260)는 특정 방향으로 입력된 음성만을 처리하도록 하는 제2 제어 명령을 인공 지능 로봇(100)에 전송할 수 있다.In another example, when the cause of the failure in the microphone is the occurrence of input deviation between two microphones, the processor 260 sends a second control command to process only the voice input in a specific direction to the artificial intelligence robot 100. Can be transmitted.
프로세서(260)는 인공 지능 로봇(100)의 주위에 위치한 하나 이상의 외부 로봇을 인공 지능 로봇(100)의 주위에 배치시켜, 음성의 인식이 가능한 특정 방향을 검출할 수 있다. 이에 대해서는 후술한다.The processor 260 may detect a specific direction in which voice recognition is possible by arranging one or more external robots located around the artificial intelligence robot 100 around the artificial intelligence robot 100. This will be described later.
도 8은 본 개시의 실시 예에 따른 마이크의 불량 원인에 따라 음성 인식 방법을 결정하는 과정을 설명하는 흐름도이다.8 is a flowchart illustrating a process of determining a voice recognition method according to a cause of a failure of a microphone according to an exemplary embodiment of the present disclosure.
인공 지능 서버(200)의 프로세서(260)는 마이크의 불량 원인이 홀 막힘인지를 판단한다(S801).The processor 260 of the artificial intelligence server 200 determines whether the cause of the failure of the microphone is clogging the hole (S801).
프로세서(260)는 마이크의 불량 원인이 홀 막힘인 경우, 홀 막힘이 발생한 마이크 이외의 다른 마이크를 통해 음성을 수신하도록 하는 제1 제어 명령을 생성한다(S803).The processor 260 generates a first control command to receive a voice through a microphone other than a microphone in which the hole is blocked when the cause of the failure of the microphone is clogged hole (S803).
프로세서(260)는 홀 막힘이 발생된 마이크를 비 활성화시키고, 다른 마이크를 통해 인공 지능 로봇(100)이 음성을 수신하도록 하는 제1 제어 명령을 생성하고, 생성된 제1 제어 명령을 통신 인터페이스(210)를 통해 인공 지능 로봇(100)에 전송할 수 있다.The processor 260 deactivates the microphone in which the hole is blocked, generates a first control command to allow the artificial intelligence robot 100 to receive a voice through another microphone, and transmits the generated first control command to a communication interface ( 210) can be transmitted to the artificial intelligence robot 100.
제1 제어 명령에는 인공 지능 로봇(100)에 구비된 마이크들 중 홀 막힘이 발생한 마이크를 식별하는 마이크 식별 정보가 포함될 수 있다.The first control command may include microphone identification information for identifying a microphone in which a hole is clogged among microphones provided in the artificial intelligence robot 100.
프로세서(260)는 마이크의 불량 원인이 2개의 마이크 간 입력 편차 발생인 경우(S805), 인공 지능 로봇의 주변에 위치한 하나 이상의 외부 로봇에 이동 명령 및 기 설정된 음성의 출력 명령을 통신 인터페이스(210)를 통해 전송한다(S807).When the cause of the failure of the microphone is the occurrence of input deviation between the two microphones (S805), the processor 260 transmits a movement command and a preset voice output command to one or more external robots located around the artificial intelligence robot through the communication interface 210 It is transmitted through (S807).
프로세서(260)는 입력 편차 발생이라는 불량 원인을 검출한 경우, 인공 지능 로봇(100)이 음성 인식이 가능한 방향을 추출하기 위해, 인공 지능 로봇(100)의 주변에 위치한 하나 이상의 외부 로봇을 감지할 수 있다.When the processor 260 detects the cause of a defect such as occurrence of an input deviation, the processor 260 detects one or more external robots located around the artificial intelligence robot 100 in order to extract a direction in which the artificial intelligence robot 100 can recognize speech. I can.
프로세서(260)는 감지된 하나 이상의 외부 로봇을 인공 지능 로봇(100)의 위치를 기준으로, 기 설정된 방향에 위치하도록 하는 이동 명령을 하나 이상의 외부 로봇에 전송할 수 있다.The processor 260 may transmit a movement command to position the detected one or more external robots in a preset direction based on the position of the artificial intelligence robot 100 to the one or more external robots.
기 설정된 방향은 인공 지능 로봇(100)의 위치를 기준으로, 특정 각도를 이루는 방향일 수 있다.The preset direction may be a direction forming a specific angle based on the position of the artificial intelligence robot 100.
프로세서(260)는 하나 이상의 외부 로봇에 이동 명령 및 하나 이상의 외부 로봇이 기 설정된 방향에 위치한 경우, 기 설정된 음성을 출력하도록 하는 음성 출력 명령을 하나 이상의 외부 로봇에 전송할 수 있다.The processor 260 may transmit a movement command to one or more external robots and a voice output command for outputting a preset voice to one or more external robots when the one or more external robots are positioned in a preset direction.
기 설정된 음성은 각 외부 로봇에 구비된 TTS(Text to Speech) 엔진을 통해 생성된 음성으로, 안내 멘트 또는 각 외부 로봇을 소개하는 소개 멘트일 수 있다.The preset voice is a voice generated through a text to speech (TTS) engine provided in each external robot, and may be a guide or an introduction to each external robot.
기 설정된 음성은 인공 지능 로봇(100)에 구비된 마이크들의 입력 편차 발생에 따라 인식 가능한 음성의 출력 방향을 테스트 하기 위한 음성일 수 있다.The preset voice may be a voice for testing an output direction of a recognizable voice according to the occurrence of input deviation of microphones provided in the artificial intelligence robot 100.
프로세서(260)는 통신 인터페이스(210)를 통해 인공 지능 로봇(100)으로부터, 복수의 방향들 각각으로부터 수신된 복수의 테스트 음성 신호들을 수신한다(S809).The processor 260 receives a plurality of test voice signals received from each of a plurality of directions from the artificial intelligence robot 100 through the communication interface 210 (S809).
인공 지능 로봇(100)에 구비된 마이크들 각각은 복수의 방향들 각각에 배치된 외부 로봇이 출력한 음성에 상응하는 복수의 테스트 음성 신호들을 수신할 수 있다.Each of the microphones provided in the artificial intelligence robot 100 may receive a plurality of test voice signals corresponding to voices output by an external robot disposed in each of a plurality of directions.
프로세서(260)는 수신된 복수의 테스트 음성 신호들에 기초하여, 음성 인식을 위한 특정 방향을 결정한다(S811).The processor 260 determines a specific direction for speech recognition based on the received plurality of test speech signals (S811).
프로세서(260)는 공지된 음원 방향 추정(Sound Source Localization, SSL) 알고리즘을 이용하여, 음성 신호를 수신할 특정 방향을 결정할 수 있다.The processor 260 may determine a specific direction in which a voice signal is to be received using a known sound source localization (SSL) algorithm.
음원 방향 추정 알고리즘은 음성 신호에 기초하여, 음원의 방향을 탐지하는 알고리즘일 수 있다.The sound source direction estimation algorithm may be an algorithm that detects the direction of a sound source based on a speech signal.
단계 S807 내지 S811에 대해서는 이하의 도면을 참조하여 설명한다.Steps S807 to S811 will be described with reference to the following drawings.
도 9는 본 개시의 일 실시 예에 따라, 2개의 마이크들의 입력 편차 발생 시, 음성 신호를 수신할 특정 방향을 결정하는 과정을 설명하는 도면이다.FIG. 9 is a diagram illustrating a process of determining a specific direction in which a voice signal is to be received when input deviation between two microphones occurs, according to an embodiment of the present disclosure.
인공 지능 서버(200)는 인공 지능 로봇(100)에 구비된 2개의 마이크들에 입력 편차 발생이라는 불량 원인이 검출된 경우, 인공 지능 로봇(100)의 주변에 위치한 외부 로봇들(910, 930, 950)을 기 설정된 방향에 위치하도록 하는 이동 명령을 외부 로봇들(910, 930, 950) 각각에 전송할 수 있다.The artificial intelligence server 200 detects a faulty cause of input deviation occurrence in two microphones provided in the artificial intelligence robot 100, the external robots 910 and 930 located in the vicinity of the artificial intelligence robot 100. A movement command for positioning the 950 in a preset direction may be transmitted to each of the external robots 910, 930, and 950.
예를 들어, 인공 지능 서버(200)는 인공 지능 로봇(100)의 위치를 기준으로, 제1 외부 로봇(910)을 인공 지능 로봇(100)의 전면 우측 60도 방향으로, 제2 외부 로봇(930)을 정면으로, 제3 외부 로봇(950)을 전면 좌측 60도 방향으로 이동하도록 제1 내지 제3 외부 로봇들(910, 930, 950)을 제어할 수 있다.For example, based on the position of the artificial intelligence robot 100, the artificial intelligence server 200 moves the first external robot 910 in the front right 60 degree direction of the artificial intelligence robot 100, and the second external robot ( The first to third external robots 910, 930, and 950 may be controlled so as to move the third external robot 950 to the front of 930 and the third external robot 950 to the front left 60 degrees.
그 후, 인공 지능 서버(200)는 제1 내지 제3 외부 로봇들(910, 930, 950) 각각이 기 설정된 음성을 출력하도록 하는 음성 출력 명령을 전송할 수 있다.Thereafter, the artificial intelligence server 200 may transmit a voice output command for each of the first to third external robots 910, 930, and 950 to output a preset voice.
이에 따라, 제1 내지 제3 외부 로봇들(910, 930, 950) 각각은 기 설정된 음성을 출력할 수 있다.Accordingly, each of the first to third external robots 910, 930, and 950 may output a preset voice.
인공 지능 장치(100)는 제1 내지 제3 외부 로봇들(910, 930, 950) 각각이 출력한 복수의 음성들을 수신하고, 수신된 복수의 음성들에 각각에 상응하는 복수의 테스트 음성 신호들을 인공 지능 서버(200)에 전송할 수 있다.The artificial intelligence device 100 receives a plurality of voices output from each of the first to third external robots 910, 930, and 950, and receives a plurality of test voice signals corresponding to each of the plurality of received voices. It can be transmitted to the artificial intelligence server 200.
인공 지능 서버(200)는 음원 방향 추정 알고리즘을 이용하여, 복수의 테스트 음성 신호들로부터, 음원이 검출된 특정 방향을 결정할 수 있다.The artificial intelligence server 200 may determine a specific direction in which a sound source is detected from a plurality of test voice signals by using a sound source direction estimation algorithm.
예를 들어, 인공 지능 서버(200)는 제2 외부 로봇(930)이 출력한 음성만을 검출한 경우, 음성 인식을 위한 방향을 인공 지능 로봇(100)의 정면 방향으로 결정할 수 있다.For example, when only the voice output from the second external robot 930 is detected, the artificial intelligence server 200 may determine a direction for speech recognition as the front direction of the artificial intelligence robot 100.
도 10은 도 9의 실시 예에 따라 인공 지능 로봇이 음성 신호를 통과시킬 방향의 예를 설명하는 도면이다.10 is a diagram illustrating an example of a direction in which an artificial intelligence robot passes a voice signal according to the embodiment of FIG. 9.
도 10은 음원 방향 추정 알고리즘에 따라 3가지 방향에 대해 음원이 검출 또는 미 검출된 결과를 보여주는 표이다.10 is a table showing a result of detecting or not detecting a sound source in three directions according to a sound source direction estimation algorithm.
즉, 인공 지능 로봇(100)은 제2 외부 로봇(930)이 위치한 방향(정면)에서, 출력한 음성에 상응하는 테스트 음성 신호를 검출하여, 패스시킬 수 있다.That is, the artificial intelligence robot 100 may detect and pass a test voice signal corresponding to the output voice in the direction (front) in which the second external robot 930 is located.
반대로, 제3 외부 로봇(950)이 위치한 방향인 좌측 60도에서, 출력된 음성 및 제1 외부 로봇(910)이 위치한 방향인 우측 60도에서, 출력된 음성은 검출되지 않아, 음성 인식이 fail로 판단될 수 있다.Conversely, at 60 degrees to the left, the direction in which the third external robot 950 is located, and at 60 degrees to the right, the direction in which the first external robot 910 is located, the output voice is not detected, and voice recognition fails. It can be judged as.
이와 같이, 인공 지능 서버(200)는 복수의 방향들 중, 정면 방향을 음성 인식이 가능한 방향으로 결정할 수 있다.As such, the artificial intelligence server 200 may determine a front direction among a plurality of directions as a direction in which voice recognition is possible.
다시, 도 8을 설명한다.Again, FIG. 8 will be described.
프로세서(260)는 결정된 특정 방향으로 입력된 음성만을 처리하고, 나머지 방향으로 입력된 음성을 립 리딩을 통해 처리하도록 하는 제2 제어 명령을 전송한다(S813).The processor 260 processes only the voice input in the determined specific direction and transmits a second control command to process the voice input in the other direction through lip reading (S813).
예를 들어, 프로세서(260)는 도 9 및 도 10의 실시 예에서, 좌측 60도 방향 및 우측 60도 방향에 대해 입력된 음성에 대해서는 음성 인식이 불가능한 것으로 판단할 수 있다. For example, in the embodiments of FIGS. 9 and 10, the processor 260 may determine that voice recognition is impossible for a voice input in a left direction of 60 degrees and a right direction of 60 degrees.
제2 제어 명령에는 음성 인식이 가능한 특정 방향에 대한 정보를 포함될 수 있다. 더 구체적으로, 제2 제어 명령은 음성 인식이 가능한 특정 방향 및 음성 인식이 불가능한 방향들에 대한 정보를 포함할 수 있다.The second control command may include information on a specific direction in which voice recognition is possible. More specifically, the second control command may include information on a specific direction in which voice recognition is possible and directions in which voice recognition is not possible.
프로세서(260)는 정면 방향을 제외한 나머지 방향에서 입력된 음성은 립 리딩을 통해 처리하도록 하는 제2 제어 명령을 인공 지능 로봇(100)에 전송할 수 있다.The processor 260 may transmit to the artificial intelligence robot 100 a second control command for processing a voice input from a direction other than the front direction through lip reading.
립 리딩은 사용자의 입술의 영상 정보에 기반하여, 사용자가 발화한 음성을 인식하는 방식일 수 있다. 립 리딩을 위해, 인공 지능 로봇(100)은 카메라(121)를 통해 사용자의 얼굴 영상을 촬영할 수 있다.Lip reading may be a method of recognizing a voice spoken by a user based on image information of the user's lips. For lip reading, the artificial intelligence robot 100 may capture a user's face image through the camera 121.
립 리딩은 얼굴 검출, 입술 검출, 입술 추적, 추적된 입술의 특징 정의, 데이터 정규화, 발화 구간 검출, 인식 과정을 통해 사용자가 발화한 음성을 간접적으로 인식하는 기술일 수 있다.Lip reading may be a technology that indirectly recognizes a voice uttered by a user through face detection, lip detection, lip tracking, feature definition of a tracked lip, data normalization, utterance section detection, and a recognition process.
이를 위해, 인공 지능 로봇(100)은 립 리딩을 위한 립 리딩 인식기를 별도로 구비할 수도 있다.To this end, the artificial intelligence robot 100 may separately include a lip reading recognizer for lip reading.
다시, 도 5를 설명한다.Again, Fig. 5 will be described.
인공 지능 서버(200)의 프로세서(260)는 결정된 음성 인식 방법에 따른 제어 명령을 통신 인터페이스(210)를 통해 인공 지능 로봇(100)에 전송한다(S513).The processor 260 of the artificial intelligence server 200 transmits a control command according to the determined voice recognition method to the artificial intelligence robot 100 through the communication interface 210 (S513).
이에 대해서는, 도 8에서 설명된 바와 같다.This is as described in FIG. 8.
인공 지능 로봇(100)의 프로세서(180)는 인공 지능 서버(200)로부터 수신된 제어 명령에 기초하여, 음성 인식 방법을 설정한다(S515).The processor 180 of the artificial intelligence robot 100 sets a speech recognition method based on the control command received from the artificial intelligence server 200 (S515).
프로세서(180)는 제1 제어 명령을 수신한 경우, 홀 막힘이 발생한 마이크를 비 활성화시킬 수 있다. 프로세서(180)는 제1 제어 명령에 따라 홀 막힘이 발생한 마이크를 비 활성화시키고, 다른 마이크를 활성화시킬 수 있다.When receiving the first control command, the processor 180 may deactivate the microphone in which the hole is clogged. The processor 180 may deactivate a microphone in which a hole is blocked and activate another microphone according to the first control command.
프로세서(180)는 활성화된 마이크를 통해 외부로부터 입력된 음성의 인식 작업을 수행할 수 있다.The processor 180 may perform an operation of recognizing a voice input from the outside through an activated microphone.
프로세서(180)는 제2 제어 명령을 수신한 경우, 제2 제어 명령에 포함된 음성 인식 가능한 특정 방향의 음성을 수신하고, 특정 방향 이외의 방향에서는 음성을 수신하지 않도록 마이크들을 제어할 수 있다. 즉, 프로세서(180)는 특정 방향 이외의 방향에서 수신된 음성을 필터링할 수 있다.When receiving the second control command, the processor 180 may control the microphones so as to receive a voice in a specific direction capable of recognizing a voice included in the second control command and not to receive a voice in a direction other than the specific direction. That is, the processor 180 may filter voices received in a direction other than a specific direction.
동시에, 프로세서(180)는 특정 방향 이외의 방향에서 음성이 수신된 경우, 카메라(121)를 통해 해당 방향을 촬영하고, 촬영된 영상에 기반하여, 립 리딩을 수행할 수 있다. 프로세서(180)는 립 리딩을 통해 사용자가 발화한 음성을 분석하여, 음성 인식을 수행할 수 있다.At the same time, when a voice is received in a direction other than a specific direction, the processor 180 may photograph a corresponding direction through the camera 121 and perform lip reading based on the captured image. The processor 180 may perform voice recognition by analyzing a voice uttered by a user through lip reading.
인공 지능 로봇(100)의 프로세서(180)는 하나 이상의 마이크를 통해 음성 명령어를 수신하고(S517), 설정된 음성 인식 방법에 따라 따른 음성 인식을 수행한다(S519).The processor 180 of the artificial intelligence robot 100 receives a voice command through one or more microphones (S517), and performs voice recognition according to a set voice recognition method (S519).
프로세서(180)는 마이크의 불량 원인이 마이크 홀 막힘인 경우, 다른 마이크를 통해 음성 명령어를 수신하고, 수신된 음성 명령어에 대한 음성 인식을 수행할 수 있다.When the cause of the failure of the microphone is a clogged microphone hole, the processor 180 may receive a voice command through another microphone and perform voice recognition on the received voice command.
프로세서(180)는 불량 원인이 2개의 마이크 간의 입력 편차 발생인 경우, 특정 방향으로 수신된 음성 신호만을 수신하고, 다른 방향에서 수신된 음성 신호를 필터링할 수 있다. 프로세서(180)는 특정 방향에서 수신된 음성 신호를 필터링할 수 있다.When the cause of the failure is the occurrence of input deviation between two microphones, the processor 180 may receive only a voice signal received in a specific direction and may filter a voice signal received in another direction. The processor 180 may filter a voice signal received from a specific direction.
도 11 및 도 12는 본 개시의 실시 예에 따라, 인공 지능 로봇에 구비된 마이크의 불량 원인 및 이에 대한 대처 방안을 출력하는 예를 보여준다.11 and 12 show examples of outputting a cause of a failure of a microphone provided in an artificial intelligent robot and a countermeasure for the failure according to an embodiment of the present disclosure.
먼저, 도 11은 인공 지능 로봇(100)에 구비된 좌측 마이크 및 우측 마이크 중, 좌측 마이크에 홀 막힘이 발생한 경우의 실시 예이다.First, FIG. 11 is an example of a case in which a hole is clogged in the left microphone among the left microphone and the right microphone provided in the artificial intelligence robot 100.
도 11을 참조하면, 인공 지능 로봇(100)은 좌측 마이크의 홀 막힘이 검출되었고, 우측 마이크를 통해 기동어를 인식하겠다는 제1 알림(1100)을 스피커(미도시)를 통해 음성으로 출력할 수 있다.Referring to FIG. 11, the artificial intelligence robot 100 detects a blockage of the hole in the left microphone, and can output a first notification 1100 to recognize a starting word through the right microphone as a voice through a speaker (not shown). have.
기동어는 인공 지능 로봇(100)의 음성 인식 기능을 활성화시키기 위한 음성 명령어일 수 있다.The starting word may be a voice command for activating the voice recognition function of the artificial intelligence robot 100.
기동어의 인식에는 단채널의 마이크(1개의 마이크)가 사용된다. 좌측 마이크 및 우측 마이크 중 어느 하나의 마이크의 홀이 막혀진 경우, 기동어 인식이 안되는 것을 방지하기 위해, 다른 마이크를 통해 기동어가 인식될 수 있다.A single-channel microphone (one microphone) is used to recognize the starting word. When the hole of one of the left and right microphones is blocked, the starting word may be recognized through another microphone in order to prevent recognition of the starting word.
도 12는 인공 지능 로봇(100)에 구비된 좌측 마이크 및 우측 마이크 간 입력 편차가 발생한 경우의 실시 예이다.12 is an embodiment of a case in which an input deviation occurs between a left microphone and a right microphone provided in the artificial intelligence robot 100.
인공 지능 로봇(100)은 좌측 마이크 및 우측 마이크 간 입력 편차의 불량이 발생되었고, 정면 방향에서 출력된 음성에 대해서만 음성 인식이 가능함을 나타내는 제2 알림(1200)을 출력할 수 있다.The artificial intelligence robot 100 may output a second notification 1200 indicating that a defective input deviation between the left and right microphones has occurred, and that only voices output from the front direction can be recognized.
이와 같이, 본 개시의 실시 예에 따르면, 인공 지능 로봇(100)에 구비된 마이크의 불량 원인이 검출될 수 있고, 검출된 불량 원인에 대한 대처가 적절하게 수행될 수 있다.As described above, according to an exemplary embodiment of the present disclosure, a cause of a failure of a microphone provided in the artificial intelligence robot 100 may be detected, and a response to the detected cause of failure may be appropriately performed.
이에 따라, 마이크에 이상이 발생한 상황이라도, 사용자가 발화한 음성에 대한 음성 인식이 효과적으로 수행될 수 있다.Accordingly, even in a situation in which an abnormality occurs in the microphone, voice recognition for the voice uttered by the user can be effectively performed.
한편, 도 5의 실시 예에서, 단계 S507, 단계 S509 및 S511은 인공 지능 로봇(100)의 프로세서(180)에 의해 수행될 수도 있다.Meanwhile, in the embodiment of FIG. 5, steps S507, S509, and S511 may be performed by the processor 180 of the artificial intelligence robot 100.
즉, 인공 지능 서버(200)의 프로세서(260)가 수행하는 단계들은 인공 지능 로봇(100)의 프로세서(180)에 의해서도 수행될 수 있다.That is, steps performed by the processor 260 of the artificial intelligence server 200 may also be performed by the processor 180 of the artificial intelligence robot 100.
이에 따라, 단계 S505 및 S513의 과정은 생략될 수 있고, S515에서, 인공 지능 로봇(100)은 인공 지능 서버(200)로부터 제어 명령을 수신할 필요가 없게 된다. Accordingly, the processes of steps S505 and S513 may be omitted, and in S515, the artificial intelligence robot 100 does not need to receive a control command from the artificial intelligence server 200.
또한, 불량 원인을 판단하는 단계 S509에서 인공 지능 서버(200)의 메모리(230)에 저장된 정상 음성 신호(630)는 인공 지능 로봇(100)의 메모리(170)에도 저장될 수 있다.In addition, in step S509 of determining the cause of the failure, the normal voice signal 630 stored in the memory 230 of the artificial intelligence server 200 may also be stored in the memory 170 of the artificial intelligence robot 100.
전술한 본 개시는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 인공 지능 기기의 프로세서(180)를 포함할 수도 있다.The above-described present disclosure can be implemented as a computer-readable code on a medium in which a program is recorded. The computer-readable medium includes all types of recording devices that store data that can be read by a computer system. Examples of computer-readable media include hard disk drives (HDDs), solid state disks (SSDs), silicon disk drives (SDDs), ROMs, RAM, CD-ROMs, magnetic tapes, floppy disks, optical data storage devices, etc. There is this. In addition, the computer may include a processor 180 of an artificial intelligence device.

Claims (15)

  1. 인공 지능 로봇에 있어서,
    인공 지능 서버와 통신을 수행하는 통신 인터페이스;
    음성을 출력하는 스피커;
    상기 출력된 음성을 수신하는 복수의 마이크로폰들; 및
    상기 복수의 마이크로폰들 각각이 수신한 복수의 음성 신호들을 상기 통신 인터페이스를 통해 상기 인공 지능 서버에 전송하고, 상기 인공 지능 서버로부터, 상기 복수의 음성 신호들의 분석에 따른 마이크의 불량 원인 및 상기 불량 원인에 상응하는 음성 인식 방법에 대한 정보를 포함한 제어 명령을 상기 인공 지능 서버로부터 수신하고, 수신된 제어 명령에 따라 음성 인식을 수행하는 하나 이상의 프로세서를 포함하고,
    상기 하나 이상의 프로세서는
    상기 불량 원인 및 상기 불량 원인에 맞는 음성 인식 방법을 나타내는 알림을 상기 스피커를 통해 음성으로 출력하는
    인공 지능 로봇.
    In the artificial intelligence robot,
    A communication interface for communicating with an artificial intelligence server;
    A speaker for outputting sound;
    A plurality of microphones for receiving the output voice; And
    Transmitting a plurality of voice signals received by each of the plurality of microphones to the artificial intelligence server through the communication interface, and from the artificial intelligence server, the cause of the failure of the microphone according to the analysis of the plurality of voice signals and the cause of the failure And one or more processors for receiving a control command including information on a speech recognition method corresponding to from the artificial intelligence server, and performing speech recognition according to the received control command,
    The one or more processors
    A notification indicating the cause of the defect and a voice recognition method suitable for the cause of the defect is output as a voice through the speaker
    Artificial intelligence robot.
  2. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    상기 인공 지능 서버로부터, 상기 불량 원인이 마이크의 홀 막힘을 나타내는 제1 제어 명령을 수신한 경우, 상기 제1 제어 명령에 따라 상기 홀 막힘이 발생된 마이크를 비 활성화시키고, 다른 마이크를 통해 음성 명령어를 수신하는
    인공 지능 로봇.
    The method of claim 1,
    The one or more processors
    When a first control command indicating the cause of the defect is clogging the hole of the microphone is received from the artificial intelligence server, the microphone in which the hole is blocked is deactivated according to the first control command, and a voice command through another microphone To receive
    Artificial intelligence robot.
  3. 제1항에 있어서,
    상기 하나 이상의 프로세서는
    상기 인공 지능 서버로부터, 상기 불량 원인이 2개의 마이크 간 입력 편차 발생을 나타내는 제2 제어 명령을 수신한 경우, 상기 제2 제어 명령에 따라 특정 방향에서 입력된 음성 명령어만을 수신하는
    인공 지능 로봇.
    The method of claim 1,
    The one or more processors
    When a second control command indicating an occurrence of an input deviation between two microphones is received from the artificial intelligence server, only the voice command input in a specific direction according to the second control command is received.
    Artificial intelligence robot.
  4. 제3항에 있어서,
    상기 하나 이상의 프로세서는
    상기 특정 방향에서 입력된 음성 명령어를 수신하고, 상기 특정 방향 이외에서 수신된 음성 명령어를 필터링하는
    인공 지능 로봇.
    The method of claim 3,
    The one or more processors
    Receiving the voice command input in the specific direction, filtering the voice command received in the other direction
    Artificial intelligence robot.
  5. 제4항에 있어서,
    카메라를 더 구비하고,
    상기 하나 이상의 프로세서는
    상기 특정 방향 이외의 다른 방향들에 위치한 사용자의 얼굴을 상기 카메라를 통해 촬영하고,
    립 리딩 방식을 이용하여, 촬영된 영상으로부터, 상기 사용자가 발화한 음성을 인식하는
    인공 지능 로봇.

    The method of claim 4,
    More equipped with a camera,
    The one or more processors
    A user's face located in directions other than the specific direction is photographed through the camera,
    Recognizing the voice uttered by the user from the captured image using a lip reading method
    Artificial intelligence robot.

  6. 삭제delete
  7. 삭제delete
  8. 삭제delete
  9. 삭제delete
  10. 삭제delete
  11. 삭제delete
  12. 삭제delete
  13. 삭제delete
  14. 삭제delete
  15. 삭제delete
KR1020200003035A 2020-01-09 2020-01-09 Artificial intelligence device and artificial intelligence server KR102247911B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200003035A KR102247911B1 (en) 2020-01-09 2020-01-09 Artificial intelligence device and artificial intelligence server

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200003035A KR102247911B1 (en) 2020-01-09 2020-01-09 Artificial intelligence device and artificial intelligence server

Publications (1)

Publication Number Publication Date
KR102247911B1 true KR102247911B1 (en) 2021-05-04

Family

ID=75913680

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200003035A KR102247911B1 (en) 2020-01-09 2020-01-09 Artificial intelligence device and artificial intelligence server

Country Status (1)

Country Link
KR (1) KR102247911B1 (en)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002159086A (en) * 2000-11-21 2002-05-31 Tokai Rika Co Ltd Microphone device
JP2002159098A (en) * 2000-11-21 2002-05-31 Tokai Rika Co Ltd Microphone unit
KR101253561B1 (en) * 2008-12-29 2013-04-11 한국전자통신연구원 Diagnosis and management server for multi-kinds robot
KR20190106921A (en) * 2019-08-30 2019-09-18 엘지전자 주식회사 Communication robot and method for operating the same

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002159086A (en) * 2000-11-21 2002-05-31 Tokai Rika Co Ltd Microphone device
JP2002159098A (en) * 2000-11-21 2002-05-31 Tokai Rika Co Ltd Microphone unit
KR101253561B1 (en) * 2008-12-29 2013-04-11 한국전자통신연구원 Diagnosis and management server for multi-kinds robot
KR20190106921A (en) * 2019-08-30 2019-09-18 엘지전자 주식회사 Communication robot and method for operating the same

Similar Documents

Publication Publication Date Title
US20190354178A1 (en) Artificial intelligence device capable of being controlled according to user action and method of operating the same
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user&#39;s gaze and method of operating the same
KR20190096307A (en) Artificial intelligence device providing voice recognition service and operating method thereof
US20200042832A1 (en) Artificial intelligence apparatus and method for updating artificial intelligence model
US20200019779A1 (en) Robot capable of detecting dangerous situation using artificial intelligence and method of operating the same
KR20190094313A (en) Robot providing guide service using artificial intelligence and operating method thereof
KR20190083317A (en) An artificial intelligence apparatus for providing notification related to lane-change of vehicle and method for the same
KR102281602B1 (en) Artificial intelligence apparatus and method for recognizing utterance voice of user
KR20190104489A (en) Artificial intelligence air conditioner and method for calibrating sensor data of air conditioner
US20190360717A1 (en) Artificial intelligence device capable of automatically checking ventilation situation and method of operating the same
KR20190104264A (en) An artificial intelligence apparatus and method for the same
US11126833B2 (en) Artificial intelligence apparatus for recognizing user from image data and method for the same
US20200005144A1 (en) Artificial intelligence server for controlling a plurality of robots using artificial intelligence
KR20190094304A (en) Artificial intelligence robot providing voice recognition function and operating method thereof
KR102247911B1 (en) Artificial intelligence device and artificial intelligence server
KR102229562B1 (en) Artificial intelligence device for providing voice recognition service and operating mewthod thereof
KR20210056146A (en) An artificial intelligence apparatus for diagnosing failure and method for the same
US20210166084A1 (en) Artificial intelligence apparatus and method for recognizing object
US20210161347A1 (en) Artificial intelligence cleaner and operating method thereof
US20210173614A1 (en) Artificial intelligence device and method for operating the same
KR20210050201A (en) Robot, method of operating the robot, and robot system including the robot
KR20210054352A (en) Artificial intelligence device and operating method thereof
KR20210057478A (en) An artificial intelligence apparatus
US20210182740A1 (en) Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information
KR20210073252A (en) Artificial intelligence device and operating method thereof

Legal Events

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