KR102478667B1

KR102478667B1 - 승강기를 이용하여 로봇의 센서 이상을 감지하는 시스템이 적용된 건물

Info

Publication number: KR102478667B1
Application number: KR1020210078822A
Authority: KR
Inventors: 서준호; 한재훈; 김민수; 박경식
Original assignee: 네이버랩스 주식회사
Priority date: 2020-12-14
Filing date: 2021-06-17
Publication date: 2022-12-15
Also published as: KR20220084721A; KR20220084991A; KR102478666B1

Abstract

본 개시는 승강기를 이용한 로봇에 포함된 센서의 이상을 감지하는 방법에 관한 것이다. 로봇에 포함된 센서의 이상을 감지하는 방법은, 로봇에 포함된 센서를 통해 제1 데이터를 측정하는 단계, 승강기와 연관된 제2 데이터를 요청하는 단계, 제2 데이터의 요청에 응답하여, 승강기와 연관된 제2 데이터를 수신하는 단계, 제1 데이터와 제2 데이터 사이의 비교 결과를 생성하는 단계; 및 생성된 비교 결과에 기초하여, 로봇에 포함된 센서의 이상 여부를 판정하는 단계를 포함한다.

Description

승강기를 이용하여 로봇의 센서 이상을 감지하는 시스템이 적용된 건물{BUILDING WITH SYSTEM FOR DETECTING ABNORMALITY IN SENSOR OF ROBOT USING ELEVATOR}

본 개시는 로봇에 포함된 센서의 이상을 감지하는 방법 및 시스템에 관한 것으로, 구체적으로 로봇에 포함된 센서를 통해 측정된 데이터와 승강기와 연관된 데이터를 비교하여, 로봇에 포함된 센서의 이상 여부를 판정하는 방법 및 시스템에 관한 것이다.

로봇 산업의 발달로 물류 서비스, 배달 서비스, 돌봄 서비스 등 다양한 분야에서 로봇이 사용되고 있다. 이러한 로봇들은 사용자에게 고품질의 서비스를 제공하기 위해, 최상의 센서 상태를 유지해야 한다. 그러나 이동형 서비스 로봇의 경우, 한정된 비용 및 배터리 사용량의 문제로 최고 수준보다 상대적으로 낮은 정밀도의 센서를 사용하고, 이러한 센서들에는 시간에 따른 정보 편이가 발생하기도 한다. 또한, 로봇을 장시간 운용하는 경우, MEMS 센서의 정보 편이 또는 반도체 노후화가 발생할 수 있고, 거리 감지 센서나 광학 계통의 센서는 렌즈 표면 또는 내부에 이물질이 생기거나 또는 강한 광원에 의해 광학 반도체 센서가 burn-out될 수 있다.

이러한 문제가 발생하여도, 로봇은 상보적인 센서의 구성으로 이루어져 있으므로 주행이 가능할 수 있다. 그러나, 센서의 이상은 결국 로봇의 서비스 품질 하락으로 이어질 수 있다. 따라서, 로봇의 서비스 품질을 일정 수준 이상으로 유지하기 위해, 관리자는 정기적으로 로봇의 센서를 점검하여 이상이 없는지 확인해야 한다는 불편이 있다. 또한, 관리자가 점검하기 전까지 로봇은 센서의 이상을 그대로 가지고 서비스를 제공하게 된다는 문제가 있다.

본 개시는 상기와 같은 문제를 해결하기 위한 로봇에 포함된 센서의 이상을 감지하는 방법, 기록 매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해 수행되는, 승강기를 이용한 로봇에 포함된 센서의 이상을 감지하는 방법은, 로봇에 포함된 센서를 통해 제1 데이터를 측정하는 단계, 승강기와 연관된 제2 데이터를 요청하는 단계, 제2 데이터의 요청에 응답하여, 승강기와 연관된 제2 데이터를 수신하는 단계, 제1 데이터와 제2 데이터 사이의 비교 결과를 생성하는 단계; 및 생성된 비교 결과에 기초하여, 로봇에 포함된 센서의 이상 여부를 판정하는 단계를 포함한다.

본 개시의 일 실시예에 따른 로봇에 포함된 센서의 이상을 감지하는 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공된다.

본 개시의 일 실시예에 따른 전자 장치는, 통신 모듈, 메모리, 하나 이상의 센서 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함한다. 적어도 하나의 프로그램은, 하나 이상의 센서를 통해 제1 데이터를 측정하고, 승강기와 연관된 제2 데이터를 요청하고, 제2 데이터의 요청에 응답하여, 승강기와 연관된 제2 데이터를 수신하고, 제1 데이터와 제2 데이터 사이의 비교 결과를 생성하고, 생성된 비교 결과에 기초하여, 하나 이상의 센서의 이상 여부를 판정하기 위한 명령어들을 포함한다.

본 개시의 다양한 실시예에서, 센서의 이상 여부 감지를 자동적 및/또는 반복적으로 수행할 수 있으므로, 로봇 유지 보수 비용을 절감할 수 있고, 센서의 이상을 신속하게 인지할 수 있으므로, 로봇의 서비스 품질을 항상 최상의 상태로 유지할 수 있다.

본 개시의 다양한 실시예에서, 이동형 로봇이 승강기에 탑승하여 이동하는 시간 동안 즉, 로봇이 서비스를 제공하는 동안, 로봇의 센서 이상 여부를 감지할 수 있고, 로봇은 스스로 켈리브레이션(또는 보정)을 수행할 수 있다. 따라서, 센서 캘리브레이션(또는 보정)을 위한 필요 시설을 최소화할 수 있고, 로봇이 서비스를 제공하는 중에도 수시로 센서의 이상 여부를 감지할 수 있다.

본 개시의 다양한 실시예에서, 로봇이 탑승한 승강기의 층간 이동거리 및 방향이 매번 다르므로, 고정된 상태에서 센서의 이상 여부를 감지하는 것보다 더 다양한 센서 이상(또는 오류)을 확인할 수 있다. 즉, 다양한 환경 또는 상태에서의 센서의 이상 상태가 확인될 수 있다.

본 개시의 다양한 실시예에서, 승강기의 이동 거리에 따라 한정된 시간 자원 내에서 센서의 오류를 감지할 수 있다.

본 개시의 다양한 실시예에서, 사람 등 다른 객체가 탑승하지 않은 승강기 내부의 환경은 모델링이 가능한 공간 정보를 생성할 수 있으므로, 인공신경망을 통해 학습된 영상 처리를 통해 광학 센서 및 거리 감지 센서의 이상을 감지할 수 있다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서, 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른 로봇이 승강기를 사용하여 이동하는 예시를 나타내는 도면이다.
도 2는 본 개시의 일 실시예에 따른 로봇 관제 시스템이 복수의 로봇과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 로봇 및 로봇 관제 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른 프로세서의 내부 구성을 나타내는 블록도이다.
도 5는 본 개시의 일 실시예에 따른 승강기를 이용한 로봇에 포함된 센서의 이상을 감지하는 방법을 나타내는 흐름도이다.
도 6은 본 개시의 일 실시예에 따른 로봇이 승강기에 위치되는 동안 로봇에 포함된 센서의 이상을 감지하는 방법을 나타내는 흐름도이다.
도 7은 본 개시의 일 실시예에 따른 로봇에 포함된 관성 센서의 이상을 감지하는 방법을 나타내는 흐름도이다.
도 8은 본 개시의 일 실시예에 따른 승강기와 연관된 관성 센서를 통해 관성 데이터가 측정되는 예시를 나타내는 도면이다.
도 9는 본 개시의 일 실시예에 따른 로봇에 포함된 관성 센서의 이상을 감지하고, 로봇에 포함된 관성 센서를 캘리브레이션하는 예시를 나타내는 도면이다.
도 10은 본 개시의 일 실시예에 따른 로봇에 포함된 광학 센서의 이상을 감지하는 방법을 나타내는 흐름도이다.
도 11은 본 개시의 일 실시예에 따른 로봇에 포함된 광학 센서의 이상을 감지하는 예시를 나타내는 도면이다.
도 12는 본 개시의 일 실시예에 따른 로봇과 연관된 광학 센서를 통해 측정된 광학 데이터를 피처 추출부에 입력하여, 제1 이미지 피처를 추출하는 예시를 나타내는 도면이다.
도 13은 본 개시의 일 실시예에 따른 로봇에 포함된 거리 감지 센서의 이상을 감지하는 방법을 나타내는 흐름도이다.
도 14는 본 개시의 일 실시예에 따른 로봇에 포함된 거리 감지 센서의 이상을 감지하는 예시를 나타내는 도면이다.
도 15는 본 개시의 일 실시예에 따른 로봇과 연관된 거리 감지 센서를 통해 측정된 거리 감지 데이터를 형상 특징 추출부에 입력하여, 제1 형상 특징을 추출하는 예시를 나타내는 도면이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '센서'는 하나 이상의 센서를 나타낼 수 있다. 또한, '로봇에 포함된 센서'는 로봇에 내장, 연결 및/또는 부착된 센서를 지칭할 수 있는데, 이러한 센서에 의해 측정된 데이터는 로봇 및/또는 로봇 관제 시스템에 제공될 수 있다. 이렇게 측정된 센서 데이터는 로봇의 이상 여부를 결정하는데 사용될 수 있다.

도 1은 본 개시의 일 실시예에 따른 로봇(110)이 승강기(120)를 사용하여 이동하는 예시를 나타내는 도면이다. 다층 건물 등에서 사용되는 이동형 서비스 로봇(110)은 다층 건물 등의 전체 또는 일부 층에 서비스를 제공하기 위해, 층간 이동(즉, 수직 이동)이 가능해야 한다. 이를 위해, 로봇(110)은 다층 건물 등의 승강기(또는 엘리베이터)(120)를 사용할 수 있다. 여기서, 승강기(120)는 로봇 전용의 승강기로 사람이나 다른 객체가 탑승하지 않을 수 있다. 또는, 로봇(110)은 사람이 사용하는 일반적인 승강기를 사용할 수 있다.

로봇(110)은 주행 및 작업(예를 들어, 물류 이동 등)을 수행하기 위해 관성 센서 계통, 광학 센서 계통, 거리 감지 센서 계통 등의 다양한 센서를 포함할 수 있다. 예를 들어, 로봇(110)은 로봇(110) 자체의 관성 모델링을 통한 정밀 주행을 수행하기 위해 관성 센서 계통의 센서를 포함할 수 있다. 다른 예로서, 로봇(110)은 영상 처리 및 visual SLAM을 위한 광학 센서 계통의 센서를 포함할 수 있다. 또 다른 예로서, 로봇(110)은 원/근거리 장애물 감지 및 회피 기동을 위해 거리 감지 센서 계통의 센서를 포함할 수 있다. 로봇(110)의 안정적인 주행과 서비스 제공을 위해서는 정밀한 센서와 이를 통한 모델링이 요구될 수 있다.

이동형 서비스 로봇(110)의 경우, 한정된 비용과 배터리 사용량의 문제로 상대적으로 낮은 정밀도의 센서를 사용할 수 있다. 이러한 센서들에는 시간에 따른 정보 편이가 발생할 수 있다. 예를 들어, 로봇(110)이 장시간 운용되는 경우, MEMS(Micro Electro Mechanical Systems) 센서의 정보 편이 또는 반도체 노후화가 발생할 수 있다. 또한, 거리 감지 센서나 광학 센서는 렌즈 표면 또는 내부에 이물질이 생기거나, 강한 광원에 의해 광학 반도체 센서가 번아웃(burn-out)될 수 있다. 이러한 문제가 발생하여도 상보적인 센서의 구성으로 이루어진 로봇(110)은 주행이 가능할 수 있다. 그러나, 로봇(110)이 제공하는 서비스의 품질을 위해 로봇(110)에 포함된 하나 이상의 센서가 수시로 점검되어 이러한 센서들에 이상 또는 오류가 없는지 확인되어야 한다.

로봇(110)이 층간 이동 등을 위해 사용할 수 있는 승강기(120) 또는 해당 승강기(120)와 연관된 시스템(예를 들어, 승강기 관제 시스템 등)은 상시 전원이 구비되어 있으며, 보다 정밀한 센서를 포함할 수 있다. 또한, 승강기(120)는 내부에 탑승한 객체(예를 들어, 물류, 로봇, 사람 등)가 없다면, 항상 일정한 환경(예를 들어, 조명, 내부 공간 등)이 유지될 수 있고, 이러한 환경에 대한 데이터는 미리 저장될 수 있다. 로봇(110)은 이러한 승강기(120)와 연관된 데이터(예를 들어, 승강기와 연관된 센서로 측정되는 데이터 또는 승강기에 대해 미리 저장된 데이터)와 로봇(110)에 포함된 센서로 측정되는 데이터를 비교 또는 분석함으로써, 로봇(110)에 포함된 센서에 이상이 있는지 판정할 수 있다.

로봇(110)은 승강기(120) 내에 위치되는 동안, 로봇(110)에 포함된 센서를 통해 측정되는 데이터와 승강기(120)와 연관된 데이터를 비교하여, 로봇(110)에 포함된 센서의 이상 여부를 판정할 수 있다. 일 실시예에 따르면, 로봇(110)은 이동하는 승강기(120) 내에서 로봇(110)에 포함된 센서의 이상 여부를 판정할 수 있다. 대안적으로 또는 추가적으로, 로봇(110)은 멈춰있는 승강기(120) 내에서 로봇(110)에 포함된 센서의 이상 여부를 판정할 수 있다.

일 실시예에 따르면, 로봇(110)은 센서의 이상 여부 판정 결과에 따라, 센서의 이상을 고치거나 수리하는데 요구되는 임의의 조치를 취할 수 있다. 예를 들어, 로봇(110)에 포함된 센서를 자체적으로 캘리브레이션(또는 보정)할 수 있다. 대안적으로 또는 추가적으로, 로봇(110)은 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다. 그리고 나서, 센서의 이상에 대한 정보에 따라, 사람(예를 들어, 관리자)이 직접 로봇(110)에 포함된 센서를 수리 및/또는 보정할 수 있다. 로봇(110)이 승강기(120) 내에서 로봇(110)에 포함된 센서의 이상 여부를 자동적, 반복적으로 점검함으로써, 로봇 유지 보수 비용을 절감하고, 로봇(110)의 서비스 품질을 항상 최상의 상태로 유지할 수 있다.

도 2는 본 개시의 일 실시예에 따른 로봇 관제 시스템(230)이 복수의 로봇(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 로봇 관제 시스템(230)은 로봇 제어, 승강기 제어 및/또는 센서 이상 감지 등을 위한 시스템(들)을 포함할 수 있다. 일 실시예에서, 로봇 관제 시스템(230)은 로봇 제어, 승강기 제어 및/또는 센서 이상 감지 등과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 로봇 관제 시스템(230)은 로봇 어플리케이션, 승강기 어플리케이션 및/또는 인공지능 어플리케이션 등을 통해 사용자로부터 입력되는 명령에 대응하는 정보를 제공하거나 대응하는 처리를 수행할 수 있다. 예를 들어, 로봇 관제 시스템(230)은 로봇 어플리케이션, 승강기 어플리케이션 및/또는 인공지능 어플리케이션 등을 통해 사용자로부터 입력되는 명령에 대응하는 서비스를 제공하도록 복수의 로봇(210_1, 210_2, 210_3)을 제어할 수 있다.

로봇 관제 시스템(230)은 네트워크(220)를 통해 복수의 로봇(210_1, 210_2, 210_3)과 통신할 수 있다. 추가적으로, 로봇 관제 시스템(230)은 네트워크(220)를 통해 승강기(또는 승강기 제어 시스템 등 승강기와 연관된 시스템)(미도시)와 통신할 수 있다. 네트워크(220)는 복수의 로봇(210_1, 210_2, 210_3)과 로봇 관제 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐만 아니라 로봇(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 전문 서비스용 로봇(210_1), 산업용 로봇(210_2) 및 개인 서비스용 로봇(210_3)이 로봇의 예로서 도시되었으나, 이에 한정되지 않으며, 로봇(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 로봇 어플리케이션, 인공지능 어플리케이션 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 로봇(210_1, 210_2, 210_3)은 인공지능 로봇, 제조업용 로봇, 개인 서비스용 로봇, 전문 서비스용 로봇, 부분 로봇, 휴머노이드 로봇, 의료용 로봇, 가정용 로봇, 애완 로봇, 군사 로봇, 탐사 로봇, 청소 로봇, 이동형 로봇, 돌봄 로봇, 소셜 로봇 등 다양한 목적 및/또는 형태의 로봇을 포함할 수 있다. 또한, 도 2에는 3개의 로봇(210_1, 210_2, 210_3)이 네트워크(220)를 통해 로봇 관제 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 로봇이 네트워크(220)를 통해 로봇 관제 시스템(230)과 통신하도록 구성될 수도 있다.

일 실시예에서, 로봇(210_1, 210_2, 210_3)은 네트워크(220)를 통해 승강기와 연관된 데이터 요청을 로봇 관제 시스템(230)으로 전송하고, 로봇 관제 시스템(230)으로부터 승강기와 연관된 데이터를 수신할 수 있다. 일 실시예에서, 로봇(210_1, 210_2, 210_3)은 네트워크(220)를 통해 센서의 이상에 대한 정보를 로봇 관제 시스템(230)으로 제공할 수 있다.

도 3은 본 개시의 일 실시예에 따른 로봇(210) 및 로봇 관제 시스템(230)의 내부 구성을 나타내는 블록도이다. 로봇(210)은 센서 이상 감지 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등이 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 전문 서비스용 로봇(210_1), 산업용 로봇(210_2) 및 개인 서비스용 로봇(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 로봇(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 로봇 관제 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 로봇(210) 및 로봇 관제 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 로봇(210)에 정보 및/또는 데이터를 입력하거나 로봇(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 RAM(random access memory), ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 실시예에서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 로봇(210) 및/또는 로봇 관제 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 로봇(210)에 설치되어 구동되는 센서 이상 감지 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 로봇(210) 및 로봇 관제 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 로봇(210)과 로봇 관제 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 로봇(210) 및/또는 로봇 관제 시스템(230)이 다른 로봇 및/또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 로봇(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 승강기와 연관된 데이터 요청, 센서의 이상에 대한 정보 등)는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 로봇 관제 시스템(230)으로 전달될 수 있다. 역으로, 로봇 관제 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호나 명령이 통신 모듈(336)과 네트워크(220)를 거쳐 로봇(210)의 통신 모듈(316)을 통해 로봇(210)에 수신될 수 있다. 예를 들어, 로봇(210)은 로봇 관제 시스템(230)으로부터 통신 모듈(316)을 통해 승강기와 연관된 데이터 등을 수신할 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 가속도 센서, 자이로스코프(즉, 각속도 센서) 등의 관성 센서, 광학 카메라, IR 카메라 등의 광학 센서, ToF, LiDAR 센서, Depth 카메라 등의 거리 감지 센서를 포함할 수 있다. 추가적으로 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를 포함하고, 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로서, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 로봇(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 로봇 관제 시스템(230)이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 로봇(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 로봇(210)과 하나의 장치로 구성될 수 있다. 또한, 로봇 관제 시스템(230)의 입출력 인터페이스(338)는 로봇 관제 시스템(230)과 연결되거나 로봇 관제 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

로봇(210) 및 로봇 관제 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 로봇(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 로봇(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 로봇(210)은 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기, 이동을 위한 바퀴 등의 다양한 구성요소들이 로봇(210)에 더 포함되도록 구현될 수 있다.

일 실시예에 따르면, 로봇(210)의 프로세서(314)는 센서 이상 감지 어플리케이션, 사용자 서비스 어플리케이션, 로봇 어플리케이션 및/또는 인공지능 어플리케이션 등이 동작하도록 구성될 수 있다. 이 때, 해당 어플리케이션 및/또는 프로그램과 연관된 코드가 로봇(210)의 메모리(312)에 로딩될 수 있다. 어플리케이션 및/또는 프로그램이 동작되는 동안에, 로봇(210)의 프로세서(314)는 입출력 장치(320)로부터 제공된 정보 및/또는 데이터를 입출력 인터페이스(318)를 통해 수신하거나 통신 모듈(316)을 통해 로봇 관제 시스템(230)으로부터 정보 및/또는 데이터를 수신할 수 있으며, 수신된 정보 및/또는 데이터를 처리하여 메모리(312)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신 모듈(316)을 통해 로봇 관제 시스템(230)에 제공할 수 있다.

센서 이상 감지 어플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상 및/또는 음성 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 로봇 관제 시스템(230)에 제공할 수 있다. 대안적으로 또는 추가적으로, 센서 이상 감지 어플리케이션 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 가속도 센서, 자이로스코프(즉, 각속도 센서) 등의 관성 센서, 광학 카메라, IR 카메라 등의 광학 센서 및/또는 ToF, LiDAR 센서, Depth 카메라 등의 거리 감지 센서를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상 및/또는 음성 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 로봇 관제 시스템(230)에 제공할 수 있다.

일 실시예에서, 프로세서(314)는 입력 장치(예를 들어, 로봇에 포함된 센서)를 통해 제1 데이터를 측정할 수 있다. 일 실시예에서, 프로세서(314)는 네트워크(220) 및 통신 모듈(316)을 통해 승강기와 연관된 제2 데이터를 로봇 관제 시스템(230)으로 요청할 수 있다. 이러한 제2 데이터의 요청에 응답하여, 프로세서(314)는 승강기와 연관된 제2 데이터를 네트워크(220) 및 통신 모듈(316)을 통해 로봇 관제 시스템(230)으로부터 수신할 수 있다. 일 실시예에서, 프로세서(314)는 제1 데이터와 제2 데이터 사이의 비교 결과를 생성하고, 생성된 비교 결과에 기초하여, 로봇에 포함된 센서의 이상 여부를 판정할 수 있다.

로봇 관제 시스템(230)의 프로세서(334)는, 로봇(310)을 포함한 복수의 로봇 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 로봇(310)에 제공할 수 있다. 일 실시예에서, 로봇 관제 시스템(230)의 프로세서(334)는 통신 모듈(336) 및 네트워크(220)를 통해 로봇(310)으로부터 승강기와 연관된 정보에 대한 요청을 수신할 수 있다. 로봇 관제 시스템(330)의 프로세서(334)는 로봇(310)의 디스플레이 출력 가능 장치(예: 터치 스크린, 디스플레이 등), 음성 출력 가능 장치(예: 스피커) 등의 출력 장치를 통해 처리된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

일 실시예에서, 로봇 관제 시스템(230)의 프로세서(334)는 통신 모듈(336) 및 네트워크(220)를 통해 승강기(또는 승강기와 연관된 시스템)로부터 승강기와 연관된 데이터를 수신할 수 있다. 예를 들어, 프로세서(334)는 로봇(210)으로부터 승강기와 연관된 데이터를 요청받았을 때 승강기(또는 승강기와 연관된 시스템)에 이러한 요청을 전달하고, 승강기(또는 승강기와 연관된 시스템)로부터 승강기와 연관된 데이터를 수신할 수 있다. 이렇게 수신된 승강기와 연관된 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 로봇(310)에 제공될 수 있다. 일 실시예에서, 로봇 관제 시스템(230)의 프로세서(334)는 통신 모듈(336) 및 네트워크(220)를 통해 로봇(310)으로부터 센서의 이상에 대한 정보를 수신할 수 있다.

도 4는 본 개시의 일 실시예에 따른 프로세서(314)의 내부 구성을 나타내는 블록도이다. 일 실시예에서, 프로세서(314)는 데이터 측정부(410), 데이터 수신부(420), 데이터 비교부(430), 센서 이상 판정부(440), 센서 보정부(450)를 포함할 수 있다. 프로세서(314)는 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정할 수 있다. 예를 들어, 프로세서(314)의 데이터 측정부(410)가 센서를 통해 입력되는 데이터를 기초로 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정할 수 있다. 대안적으로, 프로세서의 데이터 수신부(420)가 승강기 내부에 대한 실시간 정보를 수신하여 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정할 수 있다. 대안적으로, 프로세서의 객체 판정부(미도시)가 데이터 측정부(410) 및/또는 데이터 수신부(420)로부터 수신되는 데이터(예를 들어, 센서를 통해 측정된 데이터 또는 승강기 내부에 대한 실시간 정보)를 기초로 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정할 수 있다.

데이터 측정부(410)는 로봇에 포함된 센서를 통해 데이터를 측정할 수 있다. 일 실시예에서, 데이터 측정부(410)는 로봇에 포함된 관성 센서를 통해 제1 관성 데이터를 측정할 수 있다. 다른 실시예에서, 데이터 측정부(410)는 로봇에 포함된 광학 센서를 통해 제1 광학 데이터를 측정할 수 있다. 또 다른 실시예에서, 데이터 측정부(410)는 로봇에 포함된 거리 감지 센서를 통해 제1 거리 감지 데이터를 측정할 수 있다.

데이터 수신부(420)는 승강기와 연관된 데이터를 요청하고, 이러한 요청에 응답하여, 승강기와 연관된 데이터를 수신할 수 있다. 일 실시예에서, 데이터 수신부(420)는 승강기와 연관된 관성 센서를 통해 측정된 제2 관성 데이터를 수신할 수 있다. 다른 실시예에서, 데이터 수신부(420)는 승강기 내부에 대한 미리 저장된 데이터를 수신할 수 있다.

데이터 비교부(430)는 데이터 측정부(410)로부터 로봇에 포함된 센서를 통해 측정된 데이터를 수신할 수 있다. 추가적으로, 데이터 비교부(430)는 데이터 수신부(420)로부터 승강기와 연관된 데이터를 수신할 수 있다. 그 후, 데이터 비교부(430)는 로봇에 포함된 센서를 통해 측정된 데이터와 승강기와 연관된 데이터 사이의 비교 결과를 생성할 수 있다. 일 실시예에서, 데이터 비교부(430)는 제1 관성 데이터(즉, 로봇에 포함된 관성 센서를 통해 측정된 관성 데이터) 및 제2 관성 데이터(즉, 승강기와 연관된 관성 센서를 통해 측정된 관성 데이터) 사이의 관계에 대한 정보를 결정할 수 있다. 예를 들어, 데이터 비교부(430)는 상태 벡터 기반 예측 모델을 이용하여, 제1 관성 데이터 및 제2 관성 데이터 사이의 공분산을 산출할 수 있다.

다른 실시예에서, 데이터 비교부(430)는 제1 광학 데이터(즉, 로봇에 포함된 광학 센서를 통해 측정된 광학 데이터) 및 승강기 내부에 대한 미리 저장된 데이터를 이용하여 비교 결과를 생성할 수 있다. 예를 들어, 승강기 내부에 장애가 되는 객체가 없다고 판정된 경우, 데이터 비교부(430)는 제1 광학 데이터 및 승강기 내부에 대한 미리 저장된 데이터를 이용하여 비교 결과를 생성할 수 있다. 예를 들어, 데이터 비교부(430)는 제1 광학 데이터로부터 제1 이미지 피처(feature)를 추출하고, 추출된 제1 이미지 피처 및 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 이미지 피처 사이의 차이를 기초로 비교 결과를 생성할 수 있다.

또 다른 실시예에서, 데이터 비교부(430)는 제1 거리 감지 데이터(즉, 로봇에 포함된 거리 감지 센서를 통해 측정된 거리 감지 데이터) 및 승강기 내부에 대한 미리 저장된 데이터를 이용하여 비교 결과를 생성할 수 있다. 예를 들어, 승강기 내부에 장애가 되는 객체가 없다고 판정된 경우, 데이터 비교부(430)는 제1 거리 감지 데이터 및 승강기 내부에 대한 미리 저장된 데이터를 이용하여 비교 결과를 생성할 수 있다. 예를 들어, 데이터 비교부(430)는 제1 거리 감지 데이터를 기초로 제1 형상 특징을 생성하고, 생성된 제1 형상 특징 및 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 형상 특징 사이의 유사도를 결정할 수 있다. 즉, 데이터 비교부(430)는 제1 형상 특징에 포함된 3차원 데이터 및 제2 형상 특징에 포함된 3차원 참조 데이터 사이의 유사도를 결정할 수 있다. 여기서, 제1 형상 특징에 포함된 3차원 데이터는 제1 거리 감지 데이터를 3차원 복원 인공신경망 모델에 입력함으로써 생성될 수 있다. 또한, 제2 형상 특징에 포함된 3차원 참조 데이터는 승강기 내부에 대한 미리 저장된 데이터 중 일부 또는 전부를 3차원 복원 인공신경망 모델에 입력함으로써 생성된 것일 수 있다.

센서 이상 판정부(440)는 데이터 비교부(430)로부터 생성된 비교 결과를 수신하여, 로봇에 포함된 센서의 이상 여부를 판정할 수 있다. 일 실시예에서 센서 이상 판정부(440)는 제1 관성 데이터 및 제2 관성 데이터 사이의 관계에 대한 정보를 기초로 로봇에 포함된 관성 센서의 이상 여부를 판정할 수 있다. 추가적으로, 센서 이상 판정부(440)는 제1 관성 데이터 및 제2 관성 데이터 사이의 공분산이 미리 결정된 임계치 이상인 경우, 로봇에 포함된 관성 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다.

다른 실시예에서, 센서 이상 판정부(440)는 제1 이미지 피처 및 제2 이미지 피처 사이의 차이가 미리 결정된 임계치 이상에 해당하는 경우, 로봇에 포함된 광학 센서의 이상이 존재하는 것으로 판정할 수 있다. 추가적으로, 센서 이상 판정부(440)는 로봇에 포함된 광학 센서의 이상이 존재하는 경우, 로봇에 포함된 광학 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다. 여기서, 로봇에 포함된 광학 센서에 대한 이상은 조도 이상, 외곽선 이상 또는 화면 이상 중 적어도 하나를 포함할 수 있다.

또 다른 실시예에서, 센서 이상 판정부(440)는 제1 형상 특징 및 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 형상 특징 사이의 유사도를 기초로 로봇에 포함된 거리 감지 센서의 이상 여부를 결정할 수 있다. 예를 들어. 센서 이상 판정부(440)는 제1 형상 특징에 포함된 3차원 데이터 및 제2 형상 특징에 포함된 3차원 참조 데이터 사이의 유사도를 기초로 로봇에 포함된 거리 감지 센서의 이상 여부를 결정할 수 있다. 추가적으로, 로봇에 포함된 거리 감지 센서의 이상이 존재하는 경우, 센서 이상 판정부(440)는 로봇에 포함된 거리 감지 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다.

센서 보정부(450)는 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 로봇에 포함된 관성 센서에 대한 캘리브레이션을 수행할 수 있다. 예를 들어, 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 센서 보정부(450)는 산출된 공분산을 이용하여 로봇에 포함된 관성 센서를 자동 보정(또는 캘리브레이션)할 수 있다.

도 5는 본 개시의 일 실시예에 따른 승강기를 이용한 로봇에 포함된 센서의 이상을 감지하는 방법(500)을 나타내는 흐름도이다. 일 실시예에서, 승강기를 이용한 로봇에 포함된 센서의 이상을 감지하는 방법(500)은 프로세서(예를 들어, 로봇의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 도시된 바와 같이, 이러한 방법(500)은 프로세서가 로봇에 포함된 센서를 통해 제1 데이터를 측정함으로써 개시될 수 있다(S510). 여기서, 로봇에 포함된 센서는 로봇이 동작되는데 요구되는 임의의 센서를 포함할 수 있으며, 예를 들어, 관성 센서, 광학 센서, 거리 감지 센서 중 적어도 하나를 포함할 수 있다. 프로세서는 승강기와 연관된 제2 데이터를 요청할 수 있다(S520). 예를 들어, 프로세서는 이러한 승강기와 연관된 제2 데이터에 대한 요청을 로봇 관제 시스템에 제공할 수 있다.

이러한 제2 데이터의 요청에 응답하여, 프로세서는 승강기와 연관된 제2 데이터를 수신할 수 있다(S530). 예를 들어, 프로세서는 로봇 관제 시스템으로부터 승강기와 연관된 제2 데이터를 수신할 수 있다. 여기서, 승강기와 연관된 제2 데이터는, 승강기와 연관된 센서를 통해 측정된 데이터 및/또는 승강기 내부에 대한 미리 저장된 데이터를 포함할 수 있다.

그 후, 프로세서는 제1 데이터와 제2 데이터 사이의 비교 결과를 생성할 수 있다(S540). 일 실시예에 따르면, 제1 데이터와 제2 데이터 사이의 비교 결과는 제1 데이터와 제2 데이터 사이의 차이, 일치 여부, 유사도 및/또는 정합도 등을 포함할 수 있다. 프로세서는 생성된 비교 결과에 기초하여 로봇에 포함된 센서의 이상 여부를 판정할 수 있다(S550). 여기서, 센서의 이상은, 센서 내부 부품(예를 들어, 반도체 소자 등)의 이상, 파라미터 이상, 시간 편이 현상으로 인한 이상, 센서 오염으로 인한 이상, 렌즈 표면 이물질로 인한 이상 등을 포함할 수 있다.

일 실시예에서, 프로세서는 로봇이 승강기 내에 위치되는지 여부를 판정할 수 있고, 로봇이 승강기 내에 위치되는 동안에 프로세서는 방법(500)을 수행할 수 있다. 예를 들어, 프로세서는 로봇의 센서를 통해 측정되는 데이터(예를 들어, 가속도, 각속도 및/또는 기압 등)의 변화량 패턴을 기초로 로봇이 승강기 내에 위치되는지 여부를 판정할 수 있다. 대안적으로 또는 추가적으로, 프로세서는 로봇의 센서를 통해 측정되는 비전 데이터(예를 들어, 이미지, 이미지 피처 등)와 승강기 내부에 대한 미리 저장된 데이터(예를 들어, 참조 이미지, 이미지 피처 등)를 비교함으로써, 로봇이 승강기 내에 위치되는지 여부를 판정할 수 있다. 이와 달리, 프로세서는 관제 시스템(예를 들어, 로봇 관제 시스템 또는 승강기 관제 시스템)으로부터 로봇이 승강기 내에 위치되는지에 대한 정보를 수신함으로써, 로봇이 승강기 내에 위치되는지 여부를 판정할 수 있다. 일 실시예에서, 로봇이 승강기 내에 위치된다고 판정되는 경우, 로봇이 승강기 내에 위치되는 동안에, 프로세서는 방법(500)을 반복 수행할 수 있다.

일 실시예에 따르면, 프로세서는 승강기가 미리 결정된 층수 이상을 이동하는지 여부를 판정할 수 있다. 승강기가 미리 결정된 층수 이상을 이동한다고 판정된 경우, 프로세서는 로봇이 승강기 내에 있는 동안에, 로봇에 포함된 기압 센서를 통해 기압 데이터를 측정하고, 승강기가 현재 위치한 층에 대한 데이터 및 층별 기압 데이터를 수신할 수 있다. 그리고 나서, 프로세서는 측정된 기압 데이터, 현재 위치한 층에 대한 데이터 및 층별 기압 데이터를 기초로 현재 위치한 층에서 측정된 기압 데이터 및 층별 기압 데이터 사이의 비교 결과를 생성할 수 있다. 이러한 결과를 기초로, 프로세서는 로봇에 포함된 기압 센서의 이상 여부에 대해 판정할 수 있다. 일 실시예에서, 프로세서는 로봇이 승강기 내에 있는 동안에, 로봇에 포함된 기압 센서를 통해 기압 데이터를 측정하고, 승강기가 현재 위치한 층에 대한 데이터를 수신할 수 있다. 이 경우, 프로세서는 측정된 기압 데이터 및 수신된 승강기가 현재 위치한 층에 대한 데이터를 기초로, 층별 기압 데이터를 생성할 수 있다.

도 6은 본 개시의 일 실시예에 따른 로봇이 승강기에 위치되는 동안 로봇에 포함된 센서의 이상을 감지하는 방법(600)을 나타내는 흐름도이다. 로봇을 제어하는 로봇 관제 시스템은 로봇이 탑승할 승강기를 호출할 수 있다(S612). 일 실시예에서, 로봇의 탑승 요청에 응답하여, 로봇 관제 시스템은 승강기를 호출할 수 있다. 예를 들어, 로봇 관제 시스템은 승강기 관제 시스템을 통해 승강기를 호출할 수 있다. 여기서, 로봇 관제 시스템은 승강기 관제 시스템을 포함할 수 있다. 로봇 관제 시스템의 호출에 응답하여, 승강기가 로봇이 배치된 층에 배치될 수 있다(S614). 즉, 승강기는 로봇이 탑승할 수 있는 상태로 배치될 수 있다. 로봇 관제 시스템은 승강기의 배치에 응답하여, 로봇에 승강기 탑승 명령을 전송할 수 있다(S616).

로봇은 로봇 관제 시스템의 승강기 탑승 명령에 응답하여, 배치된 승강기에 탑승할 수 있다(S618). 로봇은 승강기 탑승 후, 해당 승강기가 로봇 전용 승강기인지 판정할 수 있다(S620). 로봇이 탑승한 승강기가 로봇 전용 승강기가 아닌 것으로 판정되는 경우, 로봇은 해당 승강기 내부에 탑승객 즉, 장애가 되는 객체가 존재하는지 판정할 수 있다(S622). 해당 승강기가 로봇 전용 승강기인 것으로 판정되거나, 승강기 내부에 탑승객이 존재하지 않는 것으로 판정되는 경우, 로봇은 승강기와 연관된 데이터를 로봇 관제 시스템에 요청할 수 있다(S624). 이러한 요청에 응답하여, 로봇 관제 시스템은 승강기(또는 승강기와 연관된 시스템)로 승강기와 연관된 데이터를 요청할 수 있다(S626). 로봇이 탑승한 승강기가 로봇 전용 승강기로 판정된 경우, 단계(S624)가 바로 실행될 수 있다. 이에 따라, 승강기(또는 승강기와 연관된 시스템)는 로봇 관제 시스템에 승강기와 연관된 데이터를 제공할 수 있다(S628). 예를 들어, 승강기(또는 승강기와 연관된 시스템)는 로봇 관제 시스템에 승강기 내부에 대한 미리 저장된 데이터 또는 승강기와 연관된 센서를 통해 측정된 데이터를 제공할 수 있다. 로봇 관제 시스템은 수신된 승강기와 연관된 데이터를 로봇으로 전송할 수 있다(S630).

로봇은 수신한 승강기와 연관된 데이터와 로봇에 포함된 센서를 통해 측정한 데이터를 비교하는 작업을 수행할 수 있다(S632). 이렇게 수행한 비교 작업의 결과를 기초로 로봇은 센서에 문제(즉, 이상 또는 오류)가 있는지 여부를 판정할 수 있다(S634). 센서에 문제가 있다고 판정되는 경우, 로봇은 자체적으로 데이터 보정 작업 즉, 센서 캘리브레이션(또는 보정)을 수행하거나(S636), 로봇 관제 시스템으로 로봇에 포함된 센서의 문제에 대한 정보를 제공할 수 있다(S638). 이 때, 로봇이 자체적으로 센서 캘리브레이션을 수행할 수 있는 경우에 센서 캘리브레이션이 수행되고, 로봇이 자체적으로 센서 캘리브레이션을 수행하기 어렵거나 불가능한 경우, 로봇 관제 시스템으로 로봇에 포함된 센서의 문제에 대한 정보가 제공될 수 있다. 그리고 나서, 로봇은 목적지에 도착하기까지 승강기 내에서 대기하고, 목적지에 도착하면 하차할 수 있다(S640).

한편, 단계(S620)에서 로봇이 탑승한 승강기가 로봇 전용 승강기가 아닌 것으로 판정되고, 단계(S622)에서 승강기 내부에 장애가 되는 객체(예를 들어, 탑승객)가 존재하는 경우, 로봇에 포함된 센서를 통해 측정되는 데이터에 장애가 되는 객체로 인한 데이터가 포함될 수 있으므로, 단계들(S624 내지 S638)은 수행되지 않을 수 있다.

도 7은 본 개시의 일 실시예에 따른 로봇에 포함된 관성 센서의 이상을 감지하는 방법(700)을 나타내는 흐름도이다. 일 실시예에서, 로봇에 포함된 관성 센서의 이상을 감지하는 방법(700)은 프로세서(예를 들어, 로봇의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 여기서, 관성 센서는 가속도 센서 및 자이로스코프(각속도 센서) 등 관성계 데이터를 측정하는 센서일 수 있다.

도시된 바와 같이, 로봇에 포함된 관성 센서의 이상을 감지하는 방법(700)은 프로세서가 로봇에 포함된 관성 센서를 통해 제1 관성 데이터를 측정함으로써 개시될 수 있다(S710). 또한, 프로세서는 승강기와 연관된 관성 센서를 통해 측정된 제2 관성 데이터를 수신할 수 있다(S720). 이를 위해, 프로세서는 승강기와 연관된 관성 센서를 통해 측정된 제2 관성 데이터를 로봇 관제 시스템에 요청할 수 있다. 프로세서는 단계(S710)를 수행함과 동시에 단계(S720)를 수행할 수 있다. 예를 들어, 제2 관성 데이터는, 프로세서가 로봇에 포함된 관성 센서를 통해 제1 관성 데이터를 측정할 때, 승강기와 연관된 관성 센서를 통해 실시간으로 측정된 데이터일 수 있다.

그리고 나서, 프로세서는 제1 관성 데이터 및 제2 관성 데이터 사이의 관계에 대한 정보를 결정할 수 있다(S730). 일 실시예에서, 프로세서는 상태 벡터 기반 예측 모델을 통해 제1 관성 데이터 및 제2 관성 데이터 사이의 공분산을 산출할 수 있다. 프로세서는 결정된 관계에 대한 정보를 기초로 로봇에 포함된 관성 센서의 이상 여부를 판정할 수 있다(S740). 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 프로세서는 로봇에 포함된 관성 센서에 대한 캘리브레이션을 수행할 수 있다(S750). 일 실시예에서, 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 프로세서는 산출된 공분산을 이용하여 로봇에 포함된 관성 센서를 자동 보정할 수 있다. 이와 달리, 산출된 공분산이 미리 결정된 임계치 이상인 경우, 프로세서는 로봇에 포함된 관성 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다.

도 8은 본 개시의 일 실시예에 따른 승강기와 연관된 관성 센서(812, 822, 832, 842)를 통해 관성 데이터가 측정되는 예시를 나타내는 도면이다. 앞서 설명한 것과 같이, 프로세서는 승강기와 연관된 관성 센서를 통해 측정된 관성 데이터를 수신할 수 있다. 승강기는 주로 상시 전원이 구비되어 있으며, 사용자 안전을 위해 고안되었으므로, 로봇에 포함된 센서보다 정밀한 센서를 포함할 수 있다. 또한, 도시된 바와 같이, 승강기는 로봇이 탑승하는 탑승부(810), 권상기(820), 균형추(830) 및 제어반(840)을 포함할 수 있다.

일 실시예에서, 승강기의 탑승부(810), 권상기(820), 균형추(830) 및 제어반(840) 중 적어도 하나에 관성 센서가 내장, 연결 또는 부착될 수 있다. 예를 들어, 승강기의 탑승부(810)에 포함된 가속도 센서(812)를 통해 승강기의 가속도가 측정될 수 있다. 다른 예로서, 승강기의 균형추(830)에 포함된 가속도 센서(832)를 통해 승강기의 가속도가 측정될 수 있다. 다른 예로서, 승강기의 권상기(820)에 포함된 가속도 센서 또는 자이로 센서를 통해 승강기의 가속도가 측정될 수 있다. 여기서, 가속도 센서 또는 자이로 센서는 권상기(820)의 부속 기기에 내장될 수 있다. 또 다른 예로서, 승강기의 제어반(840)에 포함된 가속도 센서를 통해 승강기의 가속도를 측정할 수 있다. 여기서, 제어반(840)에 포함된 가속도 센서는 유선 및/또는 무선 통신 가속도 센서일 수 있다. 이렇게 측정된 관성 데이터는 로봇 관제 시스템으로 제공되고, 해당 승강기 내에 위치되는 로봇으로 제공될 수 있다. 이와 달리, 이러한 관성 데이터는 승강기 내에 위치되는 로봇에 직접 제공될 수 있다.

도 9는 본 개시의 일 실시예에 따른 로봇에 포함된 관성 센서(910)의 이상을 감지하고, 로봇에 포함된 관성 센서(910)를 캘리브레이션하는 예시를 나타내는 도면이다. 후술하는 과정은 로봇이 승강기 내에 위치되는 동안 수행될 수 있다. 로봇이 승강기에 탑승하여 이동하는 경우, 승강기와 로봇이 같은 관성계에 위치하게 되므로, 로봇에 포함된 관성 센서(910)를 통해 측정한 데이터가 승강기와 연관된 관성 센서를 통해 측정한 데이터와 동일 또는 유사해야 한다. 로봇에 포함된 관성 센서를 통해 측정한 데이터가 승강기와 연관된 관성 센서(910)를 통해 측정한 데이터와 상이한 경우, 승강기와 연관된 관성 센서가 더 정밀하고, 신뢰성이 높으므로 로봇에 포함된 관성 센서(910)에 이상이 있는 것으로 판정할 수 있다.

데이터 비교부(예를 들어, 도 4의 430)(930)는 로봇에 포함된 관성 센서(910)를 통해 측정된 관성 데이터(

)를 수신하고, 승강기와 연관된 관성 센서(920)를 통해 측정된 관성 데이터(

)를 수신할 수 있다. 데이터 비교부(930)는 로봇에 포함된 관성 센서를 통해 측정된 관성 데이터(

) 및 승강기와 연관된 관성 센서를 통해 측정된 관성 데이터(

) 사이의 관계에 대한 정보를 결정할 수 있다. 프로세서는 결정된 관계에 대한 정보를 기초로 로봇에 포함된 관성 센서(910)의 이상 여부를 판정할 수 있다. 프로세서는 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 로봇에 포함된 관성 센서(910)에 대한 캘리브레이션을 수행할 수 있다.

도시된 바와 같이, 데이터 비교부(430)는 상태 벡터 기반 예측 모델을 이용하여, 관성 데이터(

) 및 관성 데이터(

) 사이의 공분산(

)을 산출할 수 있다. 프로세서는 산출된 공분산(

)을 기초로 로봇에 포함된 관성 센서(910)의 이상 여부를 판정할 수 있다. 로봇에 포함된 관성 센서(910)의 이상이 존재하는 것으로 판정되는 경우, 프로세서는 산출된 공분산(

)을 이용하여 로봇에 포함된 관성 센서(910)를 자동 보정(또는 캘리브레이션)할 수 있다. 예를 들어, 프로세서는 산출된 공분산(

)을 센서 필터링에 이용하여 관성 센서(910)의 노이즈 및/또는 시간 편이 현상을 보정할 수 있다.

그 후, 데이터 비교부(930)는 보정된 관성 센서를 통해 측정된 관성 데이터(

') 및 승강기와 연관된 관성 센서를 통해 다시 측정된 관성 데이터(

) 사이의 공분산(

)을 산출할 수 있다. 이에 따라 프로세서는 산출된 공분산(

)을 기초로 로봇에 포함된 관성 센서(910)의 이상 여부를 다시 판정하고, 로봇에 포함된 관성 센서(910)의 이상이 존재하는 것으로 다시 판정되는 경우, 프로세서는 산출된 공분산(

)을 이용하여 로봇에 포함된 관성 센서(910)를 자동 보정(또는 캘리브레이션)할 수 있다.

따라서, 도시된 바와 같이, 로봇이 승강기 내에 위치되는 동안 프로세서는 상술한 과정을 1회 이상 수행할 수 있다. 즉, 로봇이 승강기에 탑승한 후부터 하차하기까지의 시간 동안, 프로세서는 로봇에 포함된 관성 센서(910)의 이상을 감지하고, 관성 센서(910)를 보정(또는 캘리브레이션)할 수 있다. 예를 들어, 로봇이 승강기 내에 위치되는 동안, 프로세서는 상술한 과정을 미리 결정된 횟수만큼 반복할 수 있다. 센서의 이상 감지 및 센서 보정 과정을 반복함으로써, 로봇에 포함된 관성 센서(910)의 정밀도가 향상될 수 있으며, 로봇의 서비스 품질이 향상될 수 있다.

일 실시예에서, 산출된 공분산(

)이 미리 결정된 임계치 이상인 경우(즉, 센서 필터링이 불가능한 경우), 프로세서는 로봇에 포함된 관성 센서(910)의 이상에 대한 정보를 로봇 관제 시스템으로 제공할 수 있다. 예를 들어, 로봇에 포함된 관성 센서(910)를 통해 측정된 관성 데이터(

)가 선형 예측 값 외의 값에 해당하여, 산출된 공분산(

)이 미리 결정된 임계치 이상인 경우, 해당 관성 센서(910)의 이상 정보(예를 들어, 관성 센서의 이상 정도, 여기서, 관성 센서를 더 이상 사용할 수 없다는 정보)를 로봇 관제 시스템으로 제공할 수 있다.

도 10은 본 개시의 일 실시예에 따른 로봇에 포함된 광학 센서의 이상을 감지하는 방법(1000)을 나타내는 흐름도이다. 일 실시예에서, 로봇에 포함된 광학 센서의 이상을 감지하는 방법(1000)은 프로세서(예를 들어, 로봇의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 여기서, 광학 센서는 비전 센서, 광학 카메라, IR 카메라 등의 센서를 포함할 수 있다. 도시된 바와 같이, 로봇에 포함된 광학 센서의 이상을 감지하는 방법(1000)은 프로세서가 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정함으로써 개시될 수 있다(S1010). 여기서, 장애가 되는 객체는 장애물, 물류, 사람, 다른 로봇 등 승강기에 대한 데이터가 저장될 때 존재하지 않았던 객체일 수 있다. 승강기 내부에 장애가 되는 객체가 없다고 판정되는 경우, 프로세서는 후술하는 단계들(S1020 내지 S1080)을 수행할 수 있다.

프로세서는 로봇에 포함된 광학 센서를 통해 제1 광학 데이터를 측정하고 (S1020), 승강기 내부에 대한 미리 저장된 데이터를 수신할 수 있다(S1030). 여기서, 제1 광학 데이터는 하나 이상의 이미지를 포함할 수 있고, 승강기 내부에 대한 미리 저장된 데이터는 승강기 내부 이미지에 대한 이미지 피처를 포함할 수 있다. 그 후, 프로세서는 제1 광학 데이터로부터 제1 이미지 피처를 추출할 수 있다(S1040). 프로세서는 추출된 제1 이미지 피처 및 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 이미지 피처 사이의 차이를 기초로 비교 결과를 생성할 수 있다(S1050). 즉, 프로세서는 제1 광학 데이터 및 승강기 내부에 대한 미리 저장된 데이터를 이용하여 비교 결과를 생성할 수 있다.

프로세서는 비교 결과를 기초로 로봇에 포함된 광학 센서의 이상이 존재하는 것으로 판정할 수 있다(S1070). 예를 들어, 프로세서는 비교 결과를 기초로 제1 이미지 피처 및 제2 이미지 피처 사이의 차이가 임계치 이상에 해당하는지 여부를 판정할 수 있다(S1060). 여기서, 차이가 임계치 이상에 해당한다고 판정되는 경우, 프로세서는 로봇에 포함된 광학 센서의 이상이 존재하는 것으로 판정할 수 있다(S1070). 이에 응답하여, 프로세서는 로봇에 포함된 광학 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다(S1080). 여기서, 광학 센서의 이상은 조도 이상, 외곽선 이상 또는 화면 이상 중 적어도 하나를 포함할 수 있다.

도 11은 본 개시의 일 실시예에 따른 로봇에 포함된 광학 센서(1110)의 이상을 감지하는 예시를 나타내는 도면이다. 후술하는 과정은 로봇이 승강기 내에 위치되는 동안 수행될 수 있다. 일 실시예에서, 객체 판정부(1100)는 로봇에 포함된 센서를 통해 입력되는 영상(또는 이미지), 전파, 거리 감지 데이터 등에 기초하여 승강기 내부에 사람이나 기타 장애물이 없음을 판정할 수 있다. 대안적으로, 객체 판정부(1100)는 관제 시스템(예를 들어, 로봇 관제 시스템 또는 승강기 관제 시스템)으로부터 승강기 내부에 대한 실시간 정보를 수신함으로써, 승강기 내부에 사람이나 기타 장애물이 없음을 판정할 수 있다. 여기서, 객체 판정부(1100)는 로봇의 프로세서에 포함될 수 있다. 객체 판정부(1100)에 의해 승강기 내부에 장애물이 없음이 판정되는 경우, 프로세서는 후술하는 광학 센서(1110)의 이상을 감지하기 위한 과정을 수행할 수 있다.

프로세서는 로봇에 포함된 하나 이상의 광학 센서(1110)를 통해 광학 데이터(1112)를 측정할 수 있다. 여기서, 광학 데이터(1112)는 하나 이상의 이미지 및/또는 영상 정보일 수 있다. 일 실시예에서, 피처 추출부(1120)는 광학 데이터(1112)로부터 제1 이미지 피처(1122)를 추출할 수 있다. 예를 들어, 피처 추출부(1120)는 광학 데이터(1112)로부터 이미지 피처로서 제1 이미지 특징점을 추출할 수 있다. 이러한 피처 추출부(1120)는 로봇의 프로세서에 포함될 수 있다.

프로세서는 승강기 내부에 대한 미리 저장된 데이터(1130)를 수신할 수 있다. 예를 들어, 프로세서는 로봇 관제 시스템으로부터 승강기 내부에 대한 미리 저장된 데이터(1130)를 수신할 수 있다. 대안적으로, 프로세서는 승강기와 연관된 저장 장치로부터 승강기 내부에 대한 미리 저장된 데이터(1130)를 수신할 수 있다. 승강기 내부의 조명과 객체가 항상 동일한 경우, 승강기 내부에 대한 미리 저장된 데이터(1130)는 기준 환경에서 미리 촬영된 학습 데이터셋을 포함할 수 있다. 즉, 승강기 내부에 대한 미리 저장된 데이터(1130)는, 승강기 내부에 항상 존재하는 기준 조명 및 기준 객체 외의 객체가 존재하지 않는 환경에서 미리 촬영된 학습 데이터셋을 포함할 수 있다. 이러한 승강기 내부에 대한 미리 저장된 데이터(1130)는 기준 이미지(1132)(즉, 기준 환경에서 미리 촬영된 이미지) 및/또는 제2 이미지 피처(1134)를 포함할 수 있다. 여기서, 제2 이미지 피처(1134)는 기준 이미지(1132)로부터 추출된 피처를 지칭할 수 있다.

데이터 비교부(1140)는 광학 데이터(1112)로부터 추출된 제1 이미지 피처(1122) 및 승강기 내부에 대한 미리 저장된 데이터(1130)에 포함된 제2 이미지 피처(1134) 사이의 차이를 기초로 비교 결과를 생성할 수 있다. 여기서, 데이터 비교부(1140)는 도 4의 데이터 비교부(430)에 대응되거나 포함될 수 있다. 예를 들어, 데이터 비교부(1140)는 광학 데이터(1112)로부터 추출된 특징점과 승강기 내부에 대한 미리 저장된 데이터(1130)에 포함된 기준 이미지(1132)의 특징점 사이의 차이를 기초로 비교 결과를 생성할 수 있다. 이렇게 생성된 비교 결과에 기초하여 프로세서는 로봇에 포함된 광학 센서(1110)의 이상 여부를 판정할 수 있다. 예를 들어, 이미지 피처 사이의 차이(또는 특징점 사이의 차이)가 미리 결정된 임계치 이상에 해당하는 경우, 프로세서는 광학 센서(1110)에 이상이 있는 것으로 판정할 수 있고, 광학 센서(1110)의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다. 따라서, 프로세서는 광학 센서(1110)를 통해 입력되는 영상(또는 이미지)의 조도 이상(예를 들어, 렌즈 또는 이미지 센서 이상)이나, 외곽선 이상(예를 들어, 렌즈 초점 이상) 또는 화면 이상을 수시로 감지할 수 있다.

도 11에서는 데이터 비교부(1140)가 관제 시스템(예를 들어, 로봇 관제 시스템 또는 승강기 관제 시스템)으로부터 승강기 내부에 대한 미리 저장된 데이터(1130)에 포함된 제2 이미지 피처(1134)를 바로 수신하고 있으나, 이에 한정되지 않는다. 예를 들어, 피처 추출부(1120)가 관제 시스템으로부터 승강기 내부에 대한 미리 저장된 데이터(1130)를 수신하여, 미리 저장된 데이터(1130)에 포함된 기준 이미지(1132)로부터 제2 이미지 피처(1134)를 추출하고, 추출된 제2 이미지 피처(1134)를 데이터 비교부(1140)에 제공할 수 있다. 또한, 도 11에서는 피처 추출부(1120)와 데이터 비교부(1140)를 별도의 구성으로 도시하고 있으나, 이에 한정되지 않는다. 예를 들어, 피처 추출부(1120)는 데이터 비교부(1140)에 포함될 수 있다.

도 12는 본 개시의 일 실시예에 따른 로봇과 연관된 광학 센서를 통해 측정된 광학 데이터(1112)를 피처 추출부(1120)에 입력하여, 제1 이미지 피처(1122)를 추출하는 예시를 나타내는 도면이다. 일 실시예에서, 피처 추출부(1120)는 외곽선 기반 특징점 검출 알고리즘 및/또는 조도 기반 특징점 검출 알고리즘을 포함할 수 있다. 예를 들어, 피처 추출부(1120)는 SIFT(Scale Invariant Feature Transform) 등의 외곽선 기반 특징점 검출 알고리즘 및/또는 LBP(Local Binary Pattern), ferns 등의 조도 기반 특징점 검출 알고리즘을 포함할 수 있다. 일 실시예에서, 피처 추출부(1120)는 광학 데이터(1112)(즉, 이미지 또는 영상 정보)로부터 제1 이미지 피처(1122)를 추출할 수 있다. 예를 들어, 피처 추출부(1120)는 외곽선 기반 특징점 검출 알고리즘 및/또는 조도 기반 특징점 검출 알고리즘을 이용하여, 광학 데이터(1112)(즉, 이미지 또는 영상 정보)로부터 다양한 특징점 정보를 취득할 수 있다. 추가적으로, 피처 추출부(1120)는 승강기 내부에 대한 미리 저장된 데이터를 수신하여 그로부터 제2 이미지 피처를 추출할 수 있다.

일 실시예에서, 피처 추출부(1120)는 SIFT를 이용하여 광학 데이터(1112)에서 코너점 등 식별이 용이한 특징점들을 선택한 후, 각 특징점을 중심으로 하는 로컬 패치(local patch)에 대해 이미지 피처(예를 들어, 특징 벡터)(1122)를 추출할 수 있다. 예를 들어, 피처 추출부(1120)는 SIFT를 이용하여 광학 데이터(1112)의 각 로컬 패치에서 특징점 주변의 밝기 변화의 방향 및/또는 밝기 변화의 급격한 정도를 나타내는 이미지 피처(1122)를 추출할 수 있다.

일 실시예에서, 피처 추출부(1120)는 ferns를 이용하여 광학 데이터(1112)에서 특징점들을 뽑고 각 특징점을 중심으로 하는 로컬 패치(local patch)에 대해 이미지 피처(예를 들어, 특징 벡터)(1122)를 추출할 수 있다. 예를 들어, 피처 추출부(1120)는 ferns를 이용하여 광학 데이터(1112)의 패치(patch) 내에서 임의의 두 점의 픽셀 밝기 차이가 +인지 -인지를 나타내는 이미지 피처(예를 들어, 특징 벡터)(1122)를 추출할 수 있다. 즉, ferns를 이용하여 추출된 이미지 피처는 픽셀 단위의 밝기 차이를 나타내고, 밝기 차이의 값이 아닌 부호 정보만을 포함할 수 있다. 또한, ferns를 이용하여 추출된 이미지 피처는 패치 단위의 매칭을 위한 이미지 피처로서, 이미지 패치의 밝기 패턴을 나타낼 수 있다. ferns를 이용하여 추출된 이미지 피처는 각 픽셀의 밝기 값을 이용하는 것이 아닌 밝기 차이의 부호 정보만을 이용하기 때문에 이미지(또는 영상)의 명암 변화 등에 영향을 덜 받을 수 있다.

일 실시예에서, 피처 추출부(1120)는 LBP를 이용하여 광학 데이터(1112)에서 텍스쳐(texture) 특징을 이미지 피처(1122)로 추출할 수 있다. 예를 들어, 피처 추출부(1120)는 광학 데이터(1112)에서의 모든 픽셀에 대하여, LBP를 이용하여 각 픽셀의 주변 영역의 상대적인 밝기 변화를 나타내는 이미지 피처(1122)를 추출할 수 있다.

도 13은 본 개시의 일 실시예에 따른 로봇에 포함된 거리 감지 센서의 이상을 감지하는 방법(1300)을 나타내는 흐름도이다. 일 실시예에서, 로봇에 포함된 거리 감지 센서의 이상을 감지하는 방법(1300)은 프로세서(예를 들어, 로봇의 적어도 하나의 프로세서)에 의해 수행될 수 있다. 여기서, 거리 감지 센서는 ToF(Time Of Flight)센서, LiDAR(Light Detection and Ranging) 센서, Depth 카메라 등을 포함할 수 있다.

도시된 바와 같이, 로봇에 포함된 거리 감지 센서의 이상을 감지하는 방법(1300)은 프로세서가 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정함으로써 개시될 수 있다(S1310). 여기서, 장애가 되는 객체는, 장애물, 물류, 사람, 다른 로봇 등 승강기에 대한 데이터가 저장될 때 존재하지 않았던 객체일 수 있다. 승강기 내부에 장애가 되는 객체가 없다고 판정되는 경우, 프로세서는 후술하는 단계들(S1320 내지 S1370)을 수행할 수 있다. 프로세서는 로봇에 포함된 거리 감지 센서를 통해 제1 거리 감지 데이터를 측정하고(S1320), 승강기 내부에 대한 미리 저장된 데이터를 수신할 수 있다(S1330). 여기서, 승강기 내부에 대한 미리 저장된 데이터는 실제 승강기의 내부 공간에 대응하는 제2 형상 특징을 포함할 수 있다. 그 후, 프로세서는 제1 거리 감지 데이터로부터 제1 형상 특징을 결정 또는 추출할 수 있다(S1340).

프로세서는 추출된 제1 형상 특징 및 승강기 내부에 미리 저장된 데이터에 포함된 제2 형상 특징에 기초하여 로봇에 포함된 거리 감지 센서의 이상 여부를 결정할 수 있다. 예를 들어, 프로세서는 추출된 제1 형상 특징 및 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 형상 특징 사이의 유사도를 결정할 수 있다(S1350). 여기서, 제1 형상 특징은, 제1 거리 감지 데이터를 3차원 복원 인공 신경망 모델에 입력하여 생성된 3차원 데이터를 포함하고, 제2 형상 특징은 승강기 내부에 대한 미리 저장된 데이터에 포함된 3차원 참조 데이터를 포함할 수 있다. 예를 들어, 프로세서는 제1 형상 특징에 포함된 3차원 데이터 및 제2 형상 특징에 포함된 3차원 참조 데이터 사이의 유사도를 결정할 수 있다. 프로세서는 유사도를 기초로 로봇에 포함된 거리 감지 센서의 이상 여부를 결정할 수 있다(S1360). 로봇에 포함된 거리 감지 센서의 이상이 존재하는 경우, 프로세서는 로봇에 포함된 거리 감지 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다(S1370).

도 14는 본 개시의 일 실시예에 따른 로봇에 포함된 거리 감지 센서(1410)의 이상을 감지하는 예시를 나타내는 도면이다. 후술하는 과정은 로봇이 승강기 내에 위치되는 동안 수행될 수 있다. 도 14에 도시된 객체 판정부(1400)는 도 11의 객체 판정부(1100)와 유사한 기능을 수행할 수 있다. 객체 판정부(1400)에 의해 승강기 내부에 장애물이 없음이 판정되는 경우, 프로세서는 거리 감지 센서(1410)의 이상을 감지하기 위한 과정을 수행할 수 있다.

프로세서는 로봇에 포함된 하나 이상의 거리 감지 센서(1410)를 통해 거리 감지 데이터(1412)를 측정할 수 있다. 여기서, 거리 감지 데이터(1412)는 하나 이상의 뎁스 이미지 및/또는 데이터일 수 있다. 일 실시예에서, 프로세서는 거리 감지 데이터(1412)로부터 제1 형상 특징(1414)을 추출/생성할 수 있다. 여기서, 제1 형상 특징(1414)은 거리 감지 센서로 인식되는 승강기의 내부 공간, 면 등을 단순 도형화한 이미지일 수 있다. 제1 형상 특징(1414)은 3차원 복원 인공신경망 모델을 통해 거리 감지 데이터(1412)로부터 추출/생성된 3차원 데이터를 포함할 수 있다. 즉, 제1 형상 특징(1414)은 거리 감지 센서(1410)로 인식되는 승강기의 내부 공간의 3차원 모델을 포함할 수 있다.

프로세서는 승강기 내부에 대한 미리 저장된 데이터(1420)를 수신할 수 있다. 예를 들어, 프로세서는 로봇 관제 시스템으로부터 승강기 내부에 대한 미리 저장된 데이터(1420)를 수신할 수 있다. 대안적으로, 프로세서는 승강기와 연관된 저장 장치로부터 승강기 내부에 대한 미리 저장된 데이터(1420)를 수신할 수 있다. 승강기 내부의 조명과 객체가 항상 동일한 경우, 승강기 내부에 대한 미리 저장된 데이터(1420)는 기준 환경에서 미리 촬영된 학습 데이터셋을 포함할 수 있다. 즉, 승강기 내부에 대한 미리 저장된 데이터(1420)는, 승강기 내부에 항상 존재하는 기준 조명 및 기준 객체 외의 객체가 존재하지 않는 환경에서 미리 촬영된 학습 데이터셋을 포함할 수 있다. 이러한 승강기 내부에 대한 미리 저장된 데이터(1420)는 승강기 내부에 대한 거리 데이터(예를 들어, 공간 크기, 길이, 너비, 높이 데이터 등), 이미지(또는 영상) 데이터 및/또는 제2 형상 특징(1422)을 포함할 수 있다. 여기서, 제2 형상 특징(1422)은 실제 승강기의 내부 공간, 면 등을 단순 도형화한 이미지일 수 있다. 이와 달리, 제2 형상 특징(1422)은 3차원 복원 인공신경망 모델을 통해 승강기 내부에 대한 데이터로부터 추출/생성된 3차원 참조 데이터를 포함할 수 있다. 예를 들어, 제2 형상 특징(1422)은 실제 승강기의 내부 공간의 3차원 모델을 포함할 수 있다.

데이터 비교부(1430)는 거리 감지 데이터(1412)로부터 추출/생성된 제1 형상 특징(1414) 및 승강기 내부에 대한 미리 저장된 데이터(1420)에 포함된 제2 형상 특징(1422) 사이의 유사도를 결정할 수 있다. 여기서, 데이터 비교부(1430)는 도 4의 데이터 비교부(430)에 대응되거나 포함될 수 있다. 일 실시예에서, 데이터 비교부(1430)는 제1 형상 특징(1414)에 포함된 3차원 데이터 및 제2 형상 특징(1422)에 포함된 3차원 참조 데이터 사이의 유사도를 결정할 수 있다. 예를 들어, 데이터 비교부(1430)는 영상 정합 알고리즘 등을 통해 제1 형상 특징(1414)에 포함된 3차원 데이터 및 제2 형상 특징(1422)에 포함된 3차원 참조 데이터 사이의 유사도를 결정할 수 있다.

데이터 비교부(1430)는 결정된 유사도를 기초로 거리 감지 데이터(1412)와 승강기 내부에 대한 미리 저장된 데이터(1420) 사이의 비교 결과를 생성할 수 있다. 이렇게 생성된 비교 결과에 기초하여, 로봇에 포함된 거리 감지 센서(1410)의 이상 여부가 판정될 수 있다. 일 실시예에서, 프로세서는 데이터 비교부(1430)에서 결정된 유사도를 기초로 로봇에 포함된 거리 감지 센서(1410)의 이상 여부를 결정할 수 있다. 예를 들어, 데이터 비교부(1430)에서 결정된 유사도가 미리 결정된 임계치 미만에 해당하는 경우, 프로세서는 거리 감지 센서(1410)에 이상이 있는 것으로 판정할 수 있다. 로봇에 포함된 거리 감지 센서(1410)에 이상이 있는 것으로 판정되는 경우, 프로세서는 로봇에 포함된 거리 감지 센서(1410)의 이상에 대한 정보를 로봇 관제 시스템에 제공할 수 있다.

도 14에서는 데이터 비교부(1430)가 관제 시스템(예를 들어, 로봇 관제 시스템 또는 승강기 관제 시스템)으로부터 승강기 내부에 대한 미리 저장된 데이터(1420)에 포함된 제2 형상 특징(1422)을 바로 수신하고 있으나, 이에 한정되지 않는다. 예를 들어, 프로세서가 관제 시스템으로부터 승강기 내부에 대한 미리 저장된 데이터(1420)를 수신하여, 미리 저장된 데이터(1420)로부터 제2 형상 특징(1422)을 추출/생성하고, 추출/생성된 제2 형상 특징(1422)을 데이터 비교부(1430)에 제공할 수 있다.

도 15는 본 개시의 일 실시예에 따른 로봇과 연관된 거리 감지 센서를 통해 측정된 거리 감지 데이터(1412)를 형상 특징 추출부(1510)에 입력하여, 제1 형상 특징(1414)을 추출하는 예시를 나타내는 도면이다. 형상 특징 추출부(1510)는 3차원 복원 인공신경망 모델 등을 포함할 수 있다. 일 실시예에서, 형상 특징 추출부(1510)는 거리 감지 데이터(1412)(즉, 이미지 또는 영상 정보)를 입력받아서, 제1 형상 특징(1414)을 추출/생성할 수 있다. 예를 들어, 형상 특징 추출부(1510)는 거리 감지 센서로 인식되는 승강기의 내부 공간, 면 등을 단순 도형화함으로써 제1 형상 특징(1414)을 추출/생성할 수 있다. 다른 예로서, 형상 특징 추출부(1510)는 3차원 복원 인공신경망 모델을 이용하여, 거리 감지 센서로 인식되는 승강기의 내부 공간의 3차원 모델을 제1 형상 특징(1414)로서 추출/생성할 수 있다. 여기서, 형상 특징 추출부(1510)는 데이터 비교부(예를 들어, 도 14의 1430) 및/또는 프로세서에 포함될 수 있다.

다른 실시예에서, 형상 특징 추출부(1510)는 승강기 내부에 대한 미리 저장된 데이터(예를 들어, 도 14의 1420)를 수신하여, 승강기 내부에 대한 미리 저장된 데이터로부터 제2 형상 특징(1422)을 추출/생성할 수 있다. 예를 들어, 형상 특징 추출부(1510)는 미리 저장된 데이터를 기초로, 실제 승강기의 내부 공간, 면 등을 단순 도형화함으로써 제2 형상 특징을 추출/생성할 수 있다. 또한, 형상 특징 추출부(1510)는 3차원 복원 인공신경망 모델을 이용하여, 미리 저장된 데이터를 기초로 실제 승강기의 내부 공간의 3차원 모델을 제2 형상 특징(1422)로서 추출/생성할 수 있다. 이렇게 추출/생성된 제2 형상 특징 및/또는 생성된 3차원 모델은 데이터 비교부(예를 들어, 도 14의 1430)에 제공될 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일 수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 로봇
120: 승강기

Claims

승강기를 이용한 로봇 센서의 이상을 감지하는 시스템이 적용된 건물에 있어서,
상기 건물 내의 복수의 층을 이동하도록 구성된 승강기를 포함하고,
상기 시스템은,
상기 승강기에 탑승하도록 구성된 하나 이상의 로봇; 및
상기 하나 이상의 로봇 또는 상기 승강기 중 적어도 하나와 통신하도록 구성된 로봇 관제 시스템을 포함하고,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 센서를 통해 제1 데이터를 측정하고,
상기 로봇 관제 시스템 또는 상기 승강기 중 적어도 하나로부터 상기 승강기와 연관된 제2 데이터를 수신하고,
상기 제1 데이터와 상기 제2 데이터 사이의 비교 결과를 생성하고,
상기 생성된 비교 결과에 기초하여, 상기 하나 이상의 로봇에 포함된 센서의 이상 여부를 판정하도록 구성되고,
상기 하나 이상의 로봇에 포함된 센서를 통해 제1 데이터를 측정하는 것은,
상기 하나 이상의 로봇에 포함된 광학 센서를 통해 제1 광학 데이터를 측정하는 것을 포함하고,
상기 승강기와 연관된 제2 데이터를 수신하는 것은,
상기 승강기 내부에 대한 미리 저장된 데이터를 수신하는 것을 포함하고,
상기 제1 데이터와 상기 제2 데이터 사이의 비교 결과를 생성하는 것은,
상기 제1 광학 데이터로부터 제1 이미지 피처(feature)를 추출하고,
상기 추출된 제1 이미지 피처 및 상기 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 이미지 피처 사이의 차이를 기초로 상기 비교 결과를 생성하는 것을 포함하는, 건물.
제1항에 있어서,
상기 하나 이상의 로봇은, 상기 승강기 내에 위치되는지 여부를 판정하도록 더 구성된, 건물.
제2항에 있어서,
상기 하나 이상의 로봇은,
상기 승강기가 미리 결정된 층수 이상을 이동하는지 여부를 판정하고,
상기 승강기가 미리 결정된 층수 이상을 이동한다고 판정된 경우, 상기 하나 이상의 로봇이 상기 승강기 내에 있는 동안에,
상기 하나 이상의 로봇에 포함된 기압 센서를 통해 기압 데이터를 측정하고,
상기 승강기가 현재 위치한 층에 대한 데이터 및 층별 기압 데이터를 수신하고,
상기 측정된 기압 데이터, 상기 현재 위치한 층에 대한 데이터 및 상기 층별 기압 데이터를 기초로 상기 현재 위치한 층에서 측정된 기압 데이터 및 상기 층별 기압 데이터 사이의 비교 결과를 생성하도록 더 구성된, 건물.
제1항에 있어서,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 센서의 이상이 판정된 경우, 상기 비교 결과에 대응하는 처리를 수행하도록 더 구성된, 건물.
제1항에 있어서,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 관성 센서를 통해 제1 관성 데이터를 측정하고,
상기 승강기와 연관된 관성 센서를 통해 측정된 제2 관성 데이터를 수신하도록 더 구성된, 건물.
제5항에 있어서,
상기 하나 이상의 로봇은,
상기 제1 관성 데이터 및 상기 제2 관성 데이터 사이의 관계에 대한 정보를 결정하고,
상기 결정된 관계에 대한 정보를 기초로 상기 하나 이상의 로봇에 포함된 관성 센서의 이상 여부를 판정하도록 더 구성된, 건물.
제6항에 있어서,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 상기 하나 이상의 로봇에 포함된 관성 센서에 대한 캘리브레이션을 수행하도록 더 구성된, 건물.
제7항에 있어서,
상기 하나 이상의 로봇은,
상태 벡터 기반 예측 모델을 통해 상기 제1 관성 데이터 및 상기 제2 관성 데이터 사이의 공분산을 산출하고,
상기 하나 이상의 로봇에 포함된 관성 센서의 이상이 존재하는 경우, 상기 산출된 공분산을 이용하여 상기 하나 이상의 로봇에 포함된 관성 센서를 자동 보정하도록 더 구성된, 건물.
제6항에 있어서,
상기 하나 이상의 로봇은,
상태 벡터 기반 예측 모델을 통해 상기 제1 관성 데이터 및 상기 제2 관성 데이터 사이의 공분산을 산출하고,
상기 산출된 공분산이 미리 결정된 임계치 이상인 경우, 상기 하나 이상의 로봇에 포함된 관성 센서의 이상에 대한 정보를 상기 로봇 관제 시스템에 제공하도록 더 구성된, 건물.
삭제
제1항에 있어서,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 광학 센서를 통해 상기 제1 광학 데이터를 측정하기 이전에, 상기 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정하고,
상기 승강기 내부에 장애가 되는 객체가 없다고 판정된 경우, 상기 제1 광학 데이터 및 상기 승강기 내부에 대한 미리 저장된 데이터를 이용하여 상기 비교 결과를 생성하도록 더 구성된, 건물.
삭제
제1항에 있어서,
상기 하나 이상의 로봇은,
상기 제1 이미지 피처 및 상기 제2 이미지 피처 사이의 차이가 미리 결정된 임계치 이상에 해당하는 경우, 상기 하나 이상의 로봇에 포함된 광학 센서의 이상이 존재하는 것으로 판정하고,
상기 하나 이상의 로봇에 포함된 광학 센서의 이상이 존재하는 경우, 상기 하나 이상의 로봇에 포함된 광학 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공하도록 더 구성된, 건물.
제1항에 있어서,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 거리 감지 센서를 통해 제1 거리 감지 데이터를 측정하고,
상기 승강기 내부에 대한 미리 저장된 데이터를 수신하도록 더 구성된, 건물.
제14항에 있어서
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 거리 감지 센서를 통해 상기 제1 거리 감지 데이터를 측정하기 이전에, 상기 승강기 내부에 장애가 되는 객체가 있는지 여부를 판정하고,
상기 승강기 내부에 장애가 되는 객체가 없다고 판정된 경우, 상기 제1 거리 감지 데이터 및 상기 승강기 내부에 대한 미리 저장된 데이터를 이용하여 상기 비교 결과를 생성하도록 더 구성된, 건물.
제15항에 있어서,
상기 하나 이상의 로봇은,
상기 제1 거리 감지 데이터를 기초로 제1 형상 특징을 생성하고,
상기 생성된 제1 형상 특징 및 상기 승강기 내부에 대한 미리 저장된 데이터에 포함된 제2 형상 특징 사이의 유사도를 결정하도록 더 구성된, 건물.
제16항에 있어서,
상기 제1 형상 특징은, 상기 제1 거리 감지 데이터를 3차원 복원 인공신경망 모델을 입력하여 생성된 3차원 데이터를 포함하고,
상기 제2 형상 특징은 상기 승강기 내부에 대한 미리 저장된 데이터에 포함된 3차원 참조 데이터를 포함하고,
상기 하나 이상의 로봇은,
상기 제1 형상 특징에 포함된 3차원 데이터 및 상기 제2 형상 특징에 포함된 3차원 참조 데이터 사이의 유사도를 결정하도록 더 구성된, 건물.
제17항에 있어서,
상기 하나 이상의 로봇은,
상기 유사도를 기초로 상기 하나 이상의 로봇에 포함된 거리 감지 센서의 이상 여부를 결정하고,
상기 하나 이상의 로봇에 포함된 거리 감지 센서의 이상이 존재하는 경우, 상기 하나 이상의 로봇에 포함된 거리 감지 센서의 이상에 대한 정보를 로봇 관제 시스템에 제공하도록 더 구성된, 건물.
제1항에 있어서,
상기 로봇 관제 시스템은,
상기 하나 이상의 로봇으로부터 상기 승강기와 연관된 제2 데이터에 대한 요청을 수신하고,
상기 승강기와 연관된 제2 데이터에 대한 요청에 응답하여, 상기 하나 이상의 로봇으로 상기 승강기와 연관된 제2 데이터를 제공하도록 더 구성된, 건물.
제1항에 있어서,
상기 로봇 관제 시스템은,
상기 승강기를 호출하여, 상기 승강기가 상기 하나 이상의 로봇이 탑승할 수 있는 상태로 배치되도록 하고, 상기 승강기의 배치에 응답하여, 상기 하나 이상의 로봇에 승강기 탑승 명령을 전송하도록 더 구성된, 건물.
승강기를 이용한 로봇 센서의 이상을 감지하는 시스템이 적용된 건물에 있어서,
상기 건물 내의 복수의 층을 이동하도록 구성된 승강기를 포함하고,
상기 시스템은,
상기 승강기에 탑승하도록 구성된 하나 이상의 로봇; 및
상기 하나 이상의 로봇 또는 상기 승강기 중 적어도 하나와 통신하도록 구성된 로봇 관제 시스템을 포함하고,
상기 하나 이상의 로봇은,
상기 하나 이상의 로봇에 포함된 센서를 통해 제1 데이터를 측정하고,
상기 로봇 관제 시스템 또는 상기 승강기 중 적어도 하나로부터 상기 승강기와 연관된 제2 데이터를 수신하고,
상기 제1 데이터와 상기 제2 데이터 사이의 비교 결과를 생성하고,
상기 생성된 비교 결과에 기초하여, 상기 하나 이상의 로봇에 포함된 센서의 이상 여부를 판정하도록 구성되고,
상기 하나 이상의 로봇에 포함된 센서를 통해 제1 데이터를 측정하는 것은,
상기 하나 이상의 로봇에 포함된 관성 센서를 통해 제1 관성 데이터를 측정하는 것을 포함하고,
상기 승강기와 연관된 제2 데이터를 수신하는 것은,
상기 승강기와 연관된 관성 센서를 통해 측정된 제2 관성 데이터를 수신하는 것을 포함하는, 건물.