KR102503757B1 - 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템 - Google Patents

각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템 Download PDF

Info

Publication number
KR102503757B1
KR102503757B1 KR1020180038827A KR20180038827A KR102503757B1 KR 102503757 B1 KR102503757 B1 KR 102503757B1 KR 1020180038827 A KR1020180038827 A KR 1020180038827A KR 20180038827 A KR20180038827 A KR 20180038827A KR 102503757 B1 KR102503757 B1 KR 102503757B1
Authority
KR
South Korea
Prior art keywords
artificial intelligence
data
robot
robots
processing unit
Prior art date
Application number
KR1020180038827A
Other languages
English (en)
Other versions
KR20190119225A (ko
Inventor
최혁두
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 KR1020180038827A priority Critical patent/KR102503757B1/ko
Publication of KR20190119225A publication Critical patent/KR20190119225A/ko
Application granted granted Critical
Publication of KR102503757B1 publication Critical patent/KR102503757B1/ko

Links

Images

Classifications

    • 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
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1656Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1669Programme controls characterised by programming, planning systems for manipulators characterised by special application, e.g. multi-arm co-operation, assembly, grasping
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B25HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25JMANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00Programme-controlled manipulators
    • B25J9/16Programme controls
    • B25J9/1679Programme controls characterised by the tasks executed
    • B25J9/1682Dual arm manipulator; Coordination of several manipulators

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템에 관한 것이다. 본 발명의 일 실시예에 따른 로봇 시스템은 각각의 제 1 인공지능을 탑재한 복수의 로봇 및 소정의 클라우드 네트워크를 통해 복수의 로봇과 연계되고 제 1 인공지능보다 높은 성능의 제 2 인공지능을 탑재한 메인 관리 서버를 포함한다. 여기서, 각 로봇은 주위 환경에 대응한 센싱데이터를 수집하는 센싱처리부, 딥 러닝 알고리즘(Deep Learning Algorism) 기반으로 소정의 학습데이터에 기초하여 제 1 인공지능을 훈련하고 메인 관리 서버의 제 2 인공지능을 이용하여 센싱데이터를 분석한 결과인 제 2 분석결과데이터에 기초하여 제 1 인공지능을 재훈련하는 로컬 훈련처리부, 및 제 1 인공지능을 이용하여 센싱데이터에 대응한 제 1 분석결과데이터를 산출하는 로컬 분석 처리부를 포함한다.

Description

각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템{ROBOT SYSTEM COMPRISING A PLURALITY OF ROBOTS EMBEDED EACH ARTIFICIAL INTELLIGENCE}
본 발명은 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템에 관한 것이다.
로봇은 산업용으로 개발되어 공장 자동화의 일 부분을 담당하여 왔다. 최근에는 로봇을 응용한 분야가 더욱 확대되어, 의료용 로봇, 우주 항공 로봇 등이 개발되고, 일반 가정에서 사용할 수 있는 가정용 로봇도 만들어지고 있다.
이러한 로봇은 인간과 더욱 유사하게 제어 및 구동되기 위하여 인공지능(Artificial Intelligence, AI)을 탑재할 수 있다. 인공지능은 사고, 학습 및 자기 개발 등과 같은 인간의 지능적인 행동을 모방하도록 구현된 프로그램 또는 연산처리방법을 지칭할 수 있다. 로봇에 탑재된 인공지능은 그의 역할에 대응한 학습데이터에 기초하여 훈련된 상태에서 데이터 분석을 실시하거나, 또는 미훈련 상태에서 데이터의 분석과 학습을 실시할 수 있다. 이를 위해, 로봇의 사용자는 인공지능의 훈련을 위한 학습데이터의 제공 또는 분석된 데이터에 대한 레이블링(Labeling)을 실시할 필요가 있다.
특히, 복수의 로봇을 포함하는 시스템인 경우, 각 로봇에 대해 인공지능 훈련을 실시해야 하므로, 훈련에 소모되는 시간 및 인력이 감소되기 어려운 문제점이 있다.
이와 관련하여, 대한민국 특허공개공보 제10-2017-0000751호 (2017.01.03 공개)에는 지능 로봇에 설치된 결책 엔진이 클라우드 처리 정보를 생성하고, 클라우드 제어 센터가 클라우드 처리 정보에 대한 분석을 실시하여 그 결과인 사용자 수요를 결책 엔진으로 피드백하는 지능 로봇 제어 시스템을 개시한다.
그리고, 대한민국 특허공개공보 제10-2017-0101455호 (2017.09.06 공개)에는 복수의 로봇이 각각의 수집 데이터를 네트워크 망을 통해 메인서버로 전달하고, 메인서버는 인공지능을 기반으로 각 로봇의 수집 데이터를 분석하여 산출된 특징 맵 결과를 각 로봇으로 전달하는 방법을 개시한다.
이러한 선행 기술문헌들에 따르면, 각 로봇에 의해 수집된 데이터는 메인서버로 전달되고 메인서버의 인공지능에 의해 분석되므로, 복수의 로봇이 인공지능을 탑재할 필요가 없다. 이에 따라, 복수의 로봇에 탑재된 인공지능을 훈련하는 과정이 배제될 수 있다.
그러나, 선행 기술문헌들에 따르면, 각 로봇에 의해 수집된 데이터의 분석 처리가 메인서버에서 실시되므로, 복수의 로봇과 메인서버 간의 통신망이 불안정한 경우, 수집 데이터의 전달 실패 및 특징 맵 결과의 전달 실패로 인해, 각 로봇에서 수집된 데이터의 분석 처리가 불가능해지는 문제점이 있다.
더불어, 선행 기술문헌에 따르면, 각 로봇에서 데이터의 분석 처리가 실시되는 것이 아니므로, 각 로봇에서 수집된 데이터를 메인서버로 전달하는 과정과, 메인서버에 의해 실시된 분석 결과를 각 로봇으로 전달하는 과정에 따른 지연시간이 발생될 수 있다. 그리고, 복수의 로봇에서 수집된 데이터의 분석 처리가 메인서버로 집중됨으로써, 메인서버의 분석 처리 지연이 발생될 수 있다. 이러한 지연시간 및 분석 처리 지연으로 인해, 복수의 로봇에서 수집된 데이터에 대한 분석 처리의 실시간성이 향상되는 데에 한계가 있는 문제점이 있다.
본 발명의 목적은 네트워크 상태에 관계없이 복수의 로봇에 의해 수집된 데이터에 대한 분석 처리가 안정적으로 실시될 수 있는 로봇 시스템을 제공하는 것이다.
본 발명의 목적은 복수의 로봇에 의해 수집된 데이터에 대한 분석 처리의 실시간성이 향상될 수 있는 로봇 시스템을 제공하는 것이다.
본 발명의 목적은 복수의 로봇 각각에 탑재된 인공지능의 훈련을 실시하는 데에 소모되는 시간 및 인력이 감소될 수 있는 로봇 시스템을 제공하는 것이다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
본 발명의 일 실시예에 따른 로봇 시스템은 각각의 제 1 인공지능을 탑재한 복수의 로봇, 및 복수의 로봇과 연계되고 제 1 인공지능보다 높은 성능의 제 2 인공지능을 탑재한 메인 관리 서버를 포함한다. 여기서, 복수의 로봇 각각은 주위 환경에 대응한 센싱데이터를 수집하는 센싱처리부와, 제 1 인공지능을 이용하여 센싱데이터에 대응한 제 1 분석결과데이터를 산출하는 로컬 분석 처리부를 포함한다. 이와 같이 복수의 로봇 각각은 제 1 인공지능 및 로컬 분석 처리부를 포함함으로써, 메인 관리 서버와 연결되지 않더라도 센싱데이터에 대응한 제 1 분석결과데이터를 산출할 수 있다. 그러므로, 네트워크 상태에 관계없이 복수의 로봇에 의해 수집된 데이터에 대한 분석 처리가 안정적으로 실시될 수 있다.
더불어, 각 로봇이 제 1 분석결과데이터를 산출함에 따라, 센싱데이터를 메인 관리 서버로 전달하고 메인 관리 서버에 의해 센싱데이터를 분석한 결과를 수신하기까지의 지연시간이 불필요하고, 센싱데이터의 분석 처리가 메인 관리 서버에 집중되는 것이 방지된다. 이로써, 센싱데이터에 대응한 제 1 분석결과데이터를 산출하는 데에 실시간성이 향상될 수 있다.
그리고, 본 발명의 일 실시예에 따르면, 각 로봇은 딥 러닝 알고리즘 기반으로 소정의 학습데이터에 기초하여 제 1 인공지능을 훈련하고, 메인 관리 서버의 제 2 인공지능에 의한 센싱데이터의 분석 결과에 기초하여 제 1 인공지능을 재훈련하는 로컬 훈련처리부를 더 포함한다. 이로써, 복수의 로봇에 탑재된 제 1 인공지능을 훈련하는 데에 소모되는 시간 및 인력이 감소될 수 있다.
본 발명의 일 실시예에 따른 로봇 시스템은 각각의 제 1 인공지능을 탑재한 복수의 로봇, 및 복수의 로봇과 연계되고 제 1 인공지능보다 높은 성능의 제 2 인공지능을 탑재한 메인 관리 서버를 포함한다. 여기서, 복수의 로봇 각각은 주위 환경에 대응한 센싱데이터를 수집하는 센싱처리부와, 제 1 인공지능을 이용하여 센싱데이터에 대응한 제 1 분석결과데이터를 산출하는 로컬 분석 처리부를 포함한다.
이와 같이 각 로봇의 로컬 분석 처리부는 제 1 인공지능을 이용하여 센싱데이터에 대한 분석 처리를 실시하고 센싱데이터에 대한 분석 처리의 결과로서 제 1 분석결과데이터를 산출한다. 즉, 복수의 로봇은 각각의 센싱데이터에 대한 분석 처리를 자체적으로 실시한다. 그러므로, 복수의 로봇과 메인 관리 서버 사이의 연결이 불안정한 경우에도, 복수의 로봇에 의해 수집된 센싱데이터에 대한 분석 처리가 안정적으로 실시할 수 있는 장점이 있다.
더불어, 본 발명의 일 실시예에 따르면, 각 로봇의 센싱데이터에 대한 분석 처리가 메인 관리 서버가 아니라 각 로봇의 로컬 분석 처리부에 의해 실시된다. 그러므로, 각 로봇의 센싱데이터가 메인 관리 서버로 전달되기까지의 지연기간 및 메인 관리 서버에 의한 센싱데이터의 분석 처리결과가 각 로봇으로 전달되기까지의 지연기간이 배제될 수 있는 장점이 있다. 또한, 복수의 로봇의 센싱데이터에 대한 분석 처리가 메인 관리 서버로 집중되는 것이 방지될 수 있는 장점이 있다.
이로써, 복수의 로봇에 의해 수집된 센싱데이터에 대한 분석 처리의 실시간성이 향상될 수 있는 장점이 있다.
그리고, 본 발명의 일 실시예에 따른 로봇 시스템에 있어서, 각 로봇은 딥 러닝 알고리즘 기반으로 소정의 학습데이터에 기초하여 제 1 인공지능을 훈련하고, 메인 관리 서버의 제 2 인공지능에 의한 센싱데이터의 분석 결과인 제 2 분석결과데이터에 기초하여 제 1 인공지능을 재훈련하는 로컬 훈련처리부를 더 포함한다.
이러한 각 로봇의 로컬 훈련처리부에 의해, 제 1 인공지능은 소정의 학습데이터 및 제 2 인공지능에 의한 제 2 분석결과데이터에 기초하여 훈련될 수 있다. 이로써, 시스템 사용자가 복수의 로봇 각각에 대해 제 1 인공지능의 훈련을 반복적으로 실시할 필요가 없고, 제 1 인공지능의 훈련을 위하여 복수의 로봇 각각에 대해 레이블링을 실시할 필요가 없다. 그러므로, 복수의 로봇에 탑재된 제 1 인공지능을 훈련하는 데에 소모되는 시간 및 인력이 감소될 수 있는 장점이 있다.
상술한 효과와 더불어 본 발명의 구체적인 효과는 이하 발명을 실시하기 위한 구체적인 사항을 설명하면서 함께 기술한다.
도 1은 본 발명의 일 실시예에 따른 로봇 시스템을 나타낸 도면이다.
도 2는 도 1에 도시된 복수의 로봇 중 어느 하나의 로봇과, 메인 관리 서버를 나타낸 도면이다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 로봇 시스템의 인공지능 훈련 방법을 나타낸 도면이다.
도 5는 본 발명의 다른 일 실시예에 따른 인공지능 훈련 방법을 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 실시예를 상세히 설명하기로 한다. 도면에서 동일한 참조부호는 동일 또는 유사한 구성요소를 가리키는 것으로 사용된다.
이하에서는, 도 1, 도 2, 도 3 및 도 4를 참조하여 본 발명의 일 실시예에 따른 로봇 시스템을 설명한다.
도 1은 본 발명의 일 실시예에 따른 로봇 시스템을 나타낸 도면이다. 도 2는 도 1에 도시된 복수의 로봇 중 어느 하나의 로봇과, 메인 관리 서버를 나타낸 도면이다. 그리고, 도 3 및 도 4는 본 발명의 일 실시예에 따른 로봇 시스템의 인공지능 훈련 방법을 나타낸 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 로봇 시스템(100)은 각각의 제 1 인공지능(AI1; 1st Artificial Intelligence)(111)을 탑재한 복수의 로봇(R1, R2, Rn; Robot)(110), 및 소정의 클라우드 네트워크(Cloud Network)(101)를 통해 복수의 로봇(110)과 연계되고 제 1 인공지능(111)보다 높은 성능의 제 2 인공지능(AI2; 2nd Artificial Intelligence)(121)을 탑재한 메인 관리 서버(MMS; Main Management Server)(120)를 포함한다.
도 2에 도시된 바와 같이, 각 로봇(110)은 제 1 인공지능(111), 센싱처리부(112), 로컬 훈련처리부(113) 및 로컬 분석처리부(114)를 포함한다. 그리고, 각 로봇(110)은 통신처리부(115)를 더 포함할 수 있다.
센싱처리부(112)는 로봇(110)의 주위 환경에 대응한 센싱데이터를 수집한다. 예시적으로, 로봇(110)이 자율주행로봇인 경우, 센싱처리부(112)는 장애물, 위치 및 명령어 등을 감지하기 위한 각종 센서들에 의한 센싱데이터를 수집할 수 있다. 여기서, 각종 센서의 예시로는 카메라, 마이크 및 거리센서 등이 있다.
로컬 훈련처리부(113)는 딥 러닝 알고리즘(Deep Learning Algorism) 기반으로 소정의 학습데이터에 기초하여 제 1 인공지능(111)을 훈련한다. 여기서, 학습데이터는 시스템(100)의 관리자의 입력에 따라 메인 관리 서버(120)로부터 제공되거나, 로봇(110)의 제조 시에 로봇(110)의 메모리(미도시)에 미리 보유된 것일 수 있다. 학습데이터는 다양한 센싱데이터로부터 도출되는 분석 결과에 대한 다수의 예시일 수 있다. 이러한 학습데이터는 관리자의 입력에 따른 레이블링(Labling)을 통해 마련될 수 있다.
로컬 분석처리부(114)는 훈련된 제 1 인공지능(111)을 이용하여 센싱데이터에 대응한 제 1 분석결과데이터를 산출한다. 즉, 로컬 분석처리부(114)는 제 1 인공지능(111)을 이용하여 센싱데이터에 대한 분석처리를 실시하고, 분석처리의 결과에 대응한 제 1 분석결과데이터를 산출한다.
본 발명의 일 실시예에 따르면, 로컬 훈련처리부(113)는 학습데이터뿐만 아니라, 메인 관리 서버(120)로부터 제공되는 제 2 분석결과데이터에 기초하여 제 1 인공지능(111)을 재훈련한다.
제 2 분석결과데이터는 메인 관리 서버(120)가 그의 제 2 인공지능(121)을 이용하여 각 로봇(110)의 센싱데이터를 분석한 결과에 대응한다. 여기서, 메인 관리 서버(120)의 제 2 인공지능(121)은 각 로봇(110)의 제 1 인공지능(111)보다 높은 성능을 갖는다. 즉, 메인 관리 서버(120)의 제 2 인공지능(121)에 의한 제 2 분석결과데이터는 각 로봇(110)의 제 1 인공지능(111)에 의한 제 1 분석결과데이터보다 높은 분석 처리 성능에 의해 도출된 것이다. 또한, 제 2 분석결과데이터는 각 로봇(110)의 센싱데이터에 대응하므로, 제 2 분석결과데이터는 각 로봇(110)의 제 1 인공지능(111)에 개별로 적용되는 훈련데이터가 된다.
그러므로, 제 1 인공지능(111)을 제 2 분석결과데이터에 기초하여 각 로봇(110)의 재훈련을 실시함으로써, 각 로봇(110)의 제 1 인공지능(111)은 각 로봇(110)의 센싱데이터에 대해 제 2 인공지능(121)과 유사한 성능을 보유할 수 있다. 이에 따라, 각 로봇(110)이 제 2 인공지능(121) 이상인 고성능의 인공지능을 탑재하지 않더라도, 제 2 인공지능(121)과 유사한 성능으로 분석 처리를 실시할 수 있고, 그로 인해 각 로봇(110)의 제조비용이 감소될 수 있는 장점이 있다.
또한, 시스템 사용자가 복수의 로봇(110)에 탑재된 복수의 제 1 인공지능(111)을 재훈련하기 위해 각 로봇(110)의 제 1 인공지능(111) 별로 레이블링을 실시할 필요가 없다. 그러므로, 복수의 로봇(110)이 각각의 제 1 인공지능(111)을 탑재하더라도, 복수의 제 1 인공지능(111)을 훈련하는 데에 소모되는 시간 및 인력이 감소될 수 있다.
통신처리부(115)는 클라우드 네트워크(101)를 통해 메인 관리 서버(120)의 클라우드 통신부(127)에 연결된다.
이러한 통신처리부(115)는 소정 주기로 센싱처리부(112)에 의한 센싱데이터를 메인 관리 서버(120)의 클라우드 통신부(127)로 송신할 수 있다. 여기서, 소정 주기는 제 1 인공지능(111)의 재훈련에 대응할 수 있다.
또는, 통신처리부(115)는 메인 관리 서버(120)의 클라우드 통신부(127)로부터 수신된 센싱데이터 요청 메시지에 기초하여 센싱처리부(112)에 의한 센싱데이터를 메인 관리 서버(120)의 클라우드 통신부(127)로 송신할 수도 있다.
그리고, 통신처리부(115)는 메인 관리 서버(120)의 클라우드 통신부(127)로부터 제 2 분석결과데이터를 수신하면, 수신된 제 2 분석결과데이터를 로컬 훈련처리부(113)에 전달한다.
메인 관리 서버(120)는 제 2 인공지능(121), 메인 훈련부(122) 및 메인 분석부(123)를 포함한다. 그리고, 메인 관리 서버(120)는 센싱 데이터베이스(124) 및 학습데이터 부가 생성부(125)를 더 포함할 수 있다. 또한, 메인 관리 서버(120)는 학습데이터 부가 생성부(125)에 연결되는 사용자 인터페이스(126)을 더 포함할 수 있다.
메인 훈련부(122)는 딥 러닝 알고리즘(Deep Learning Algorism) 기반으로 각 로봇(110)의 제 1 인공지능(111)과 동일한 소정의 학습데이터에 기초하여 제 2 인공지능(121)을 훈련한다.
메인 분석부(123)는 훈련된 제 2 인공지능(121)을 이용하여 각 로봇(110)의 센싱데이터에 대한 분석 처리를 실시하고, 분석 처리의 결과에 대응한 제 2 분석결과데이터를 산출한다.
센싱 데이터베이스(124)는 복수의 로봇(110) 각각의 센싱데이터를 보유한다.
학습데이터 부가 생성부(125)는 사용자 인터페이스(126)를 통해 수신된 사용자의 입력에 따라 센싱 데이터베이스(124)에 보유된 데이터 중 적어도 일부를 레이블링(Labling)하여 부가 학습데이터를 생성한다.
학습데이터 부가 생성부(125)는 생성된 부가 학습데이터를 메인 훈련부(122)에 전달하고, 메인 훈련부(122)는 부가 학습데이터에 기초하여 제 2 인공지능(121)을 재훈련한다.
그리고, 학습데이터 부가 생성부(125)는 생성된 부가 학습데이터를 메인 관리 서버(120)의 클라우드 통신부(127)로 전달하고, 클라우드 통신부(127)는 부가 학습데이터를 복수의 로봇(110)으로 전달한다.
이때, 각 로봇(110)의 통신처리부(115)는 부가 학습데이터를 수신하면, 수신된 부가 학습데이터를 로컬 훈련처리부(113)로 전달한다. 로컬 훈련처리부(113)는 부가 학습데이터에 기초하여 제 1 인공지능(111)을 재훈련한다.
클라우드 통신부(127)는 클라우드 네트워크(101)를 통해 복수의 로봇(110)과 데이터를 송수신한다.
즉, 클라우드 통신부(127)는 각 로봇(110)의 통신처리부(115)로부터 센싱데이터를 수신하면, 수신된 센싱데이터를 메인 분석부(123) 또는 센싱 데이터베이스(124)로 전달한다.
그리고, 클라우드 통신부(127)는 메인 분석부(123)에 의한 제 2 분석결과데이터 및 학습데이터 부가 생성부(125)에 의한 부가 학습데이터를 각 로봇(110)의 통신처리부(115)로 송신한다.
도 3 및 도 4는 본 발명의 일 실시예에 따른 로봇 시스템(100)에 있어서, 복수의 로봇(110)에 탑재된 복수의 제 1 인공지능(111) 및 메인 관리 서버(120)에 탑재된 제 2 인공지능(121)을 훈련 및 재훈련하는 과정을 도시한다.
도 3에 도시된 바와 같이, 각 로봇(R1, R2)(110)의 로컬 훈련처리부(도 2의 113)는 소정의 학습데이터에 기초하여 각 로봇(110)의 제 1 인공지능(AI1_R1, AI1_R2)을 훈련한다. (S11)
이와 더불어, 메인 관리 서버(MMS)(120)의 메인 훈련부(122)는 소정의 학습데이터에 기초하여 메인 관리 서버(120)의 제 2 인공지능(AI2)를 훈련한다. (S21)
예시적으로, 로봇 시스템(100)이 마련되는 동안 제 1 및 제 2 인공지능(AI1_R1, AI1_R2)(AI2)이 소정의 학습데이터에 기초하여 훈련될 수 있다.
학습데이터는 각 로봇(110)에서 수집되는 센싱데이터의 분석 처리에 대응한다.
이어서, 로봇 시스템(100)의 구동이 개시되면, 각 로봇(110)의 센싱처리부(112)는 센싱데이터(LSD; Local Sensing Data)를 수집한다. (S12)
각 로봇(110)의 로컬 분석처리부(114)는 훈련된 제 1 인공지능(AI1)을 이용하여 수집된 센싱데이터(LSD)에 대한 분석 처리를 실시하고, 분석 처리의 결과에 대응하는 제 1 분석결과데이터(AR1_R1, AR1_R2; Analyzed Result)를 산출한다. (S13)
각 로봇(110)의 통신처리부(115)는 소정의 송신주기(SP_R1, SP_R2; Sending Period)가 도래하면 (S14), 수집된 센싱데이터(LSD_R1, LSD_R2)를 메인 관리 서버(MMS)(120)로 송신한다. (S15)
여기서, 송신주기(SP_R1, SP_R2)의 도래시점은 각 로봇(R1, R2)에 대응할 수 있다. 즉, 로봇(R1, R2) 별로 상이한 시점에 수집된 센싱데이터(LSD_R1, LSD_R2)의 송신(S15)이 실시될 수 있다.
또는, 별도로 도시하고 있지 않으나, 메인 관리 서버(MMS)의 처리 용량에 따라, 복수의 로봇(R1, R2) 중 둘 이상의 로봇이 동시에 수집된 센싱데이터(LSD_R1, LSD_R2)의 송신(S15)을 실시할 수도 있다.
메인 관리 서버(MMS)(120)의 클라우드 통신부(127)는 각 로봇(R1, R2)의 센싱데이터(LSD_R1, LSD_R2)를 수신한다. (S15)
이때, 클라우드 통신부(127)는 수신된 각 로봇(R1, R2)의 센싱데이터(LSD_R1, LSD_R2)를 센싱 데이터베이스(124)로 전달하고, 센싱 데이터베이스(124)는 전달된 각 로봇(R1, R2)의 센싱데이터(LSD_R1, LSD_R2)를 보유한다. (S22)
그리고, 메인 관리 서버(MMS)(120)의 메인 분석부(123)는 제 2 인공지능(AI2)을 이용하여 클라우드 통신부(127)를 통해 수신된 각 로봇(R1, R2)의 센싱데이터(LSD_R1, LSD_R2)에 대한 분석 처리를 실시하고, 분석 처리의 결과에 대응하는 제 2 분석결과데이터(AR2_R1, AR2_R2)를 산출한다. (S23)
여기서, 메인 관리 서버(MMS)(120)의 메인 분석부(123)는 클라우드 통신부(127)의 센싱데이터 수신 여부에 관계없이, 센싱 데이터베이스(124)에 보유된 각 로봇(R1, R2)의 센싱데이터(LSD_R1, LSD_R2)에 대한 분석 처리를 실시할 수도 있다.
클라우드 통신부(127)는 산출된 제 2 분석결과데이터(AR2_R1, AR2_R2)를 각 로봇(110)의 통신처리부(115)로 송신한다. (S24)
각 로봇(110)의 로컬 훈련처리부(113)는 통신처리부(115)를 통해 수신된 각 로봇(110)의 제 2 분석결과데이터(AR2_R1, AR2_R2)에 기초하여 각 로봇(110)의 제 1 인공지능(AI1_R1, AI1_R2)을 재훈련한다. (S16)
일 예로, 제 1 로봇(R1)의 경우, 메인 관리 서버(MMS)(120)의 제 2 인공지능(AI2)에 의해 실시된 제 1 로봇(R1)의 센싱데이터(LSD_R1)에 대한 분석 처리의 결과에 대응하는 제 2 분석결과데이터(AR2_R1)를 수신한다. (S24) 이에, 제 1 로봇(R1)의 로컬 훈련처리부(113)는 제 1 로봇(R1)의 제 2 분석결과데이터(AR2_R1)에 기초하여 제 1 로봇(R1)의 제 1 인공지능(AI1_R1)을 재훈련한다. (S16)
마찬가지로, 제 2 로봇(R2)의 경우, 제 2 인공지능(AI2)에 의해 실시된 제 2 로봇(R2)의 센싱데이터(LSD_R2)에 대한 분석 처리의 결과에 대응하는 제 2 분석결과데이터(AR2_R2)를 수신한다. (S24) 이에, 제 2 로봇(R2)의 로컬 훈련처리부(113)는 제 2 로봇(R2)의 제 2 분석결과데이터(AR2_R2)에 기초하여 제 2 로봇(R2)의 제 1 인공지능(AI1_R2)을 재훈련한다. (S16)
도 4에 도시한 바와 같이, 메인 관리 서버(MMS)(120)에 있어서, 사용자 인터페이스(126)를 통해 사용자의 입력이 수신되면, 학습데이터 부가 생성부(125)는 센싱 데이터베이스(124)에 보유된 데이터 중 적어도 일부를 표시한다. 그리고, 학습데이터 부가 생성부(125)는 사용자의 입력에 따라 표시된 데이터를 레이블링함으로써, 부가 학습데이터를 생성한다. (S24)
이때, 학습데이터 부가 생성부(125)는 생성된 부가 학습데이터를 메인 훈련부(122)로 전달하고, 메인 훈련부(122)는 부가 학습데이터에 기초하여 제 2 인공지능(AI2)을 재훈련한다. (S25)
그리고, 학습데이터 부가 생성부(125)는 생성된 부가 학습데이터를 클라우드 통신부(127)로 전달하고, 클라우드 통신부(127)는 부가 학습데이터를 복수의 로봇(R1, R2)(110)로 송신한다. (S26)
각 로봇(R1, R2)(110)의 통신처리부(115)는 부가 학습데이터를 수신하면, 수신된 부가 학습데이터를 로컬 훈련처리부(113)로 전달한다. 로컬 훈련처리부(113)는 부가 학습데이터에 기초하여 제 1 인공지능(AI1_R1, AI_R2)을 재훈련한다. (S17)
이상과 같이, 본 발명의 일 실시예에 따르면, 복수의 로봇(110)이 각각의 제 1 인공지능(111)을 탑재하고, 제 1 인공지능(111)을 이용하여 센싱데이터에 대한 분석 처리를 자체적으로 실시한다. 즉, 각 로봇(110)의 센싱데이터에 대한 분석 처리가 메인 관리 서버(120)의 제 2 인공지능(121)에 의해 실시되는 것이 아니라, 각 로봇(110)의 제 1 인공지능(111)에 의해 실시된다.
이에 따라, 클라우드 네트워크(101)의 정상 여부에 관계없이, 각 로봇(110)에 의한 제 1 분석결과데이터의 산출이 안정적으로 실시될 수 있다.
그리고, 제 1 분석결과데이터의 산출에 있어서, 센싱데이터를 메인 관리 서버(120)로 전달하는 과정 및 메인 관리 서버(120)에 의한 분석 결과를 각 로봇(110)으로 전달하는 과정이 불필요하므로, 데이터 전달 과정에 따른 지연시간이 배제될 수 있다. 또한, 메인 관리 서버(120)에 분석 처리가 집중되는 것이 방지되므로, 메인 관리 서버(120)의 처리 지연이 방지될 수 있다. 이로써, 각 로봇(110)에서 수집된 센싱데이터에 대한 분석 처리의 실시간성이 향상될 수 있다.
그리고, 메인 관리 서버(120)는 제 1 인공지능(111)보다 높은 성능을 보유한 제 2 인공지능(121)을 이용하여 각 로봇(110)의 센싱데이터에 대한 분석 처리의 결과에 대응한 제 2 분석결과데이터를 각 로봇(110)에 제공한다. 이때, 각 로봇(110)은 제 2 분석결과데이터에 기초하여 제 1 인공지능(111)을 재훈련한다.
이로써, 각 로봇(110)의 제 1 인공지능(111)은 각 로봇(110)의 센싱데이터를 분석 처리하는 과정에서 제 2 인공지능(121)과 유사한 성능을 보유할 수 있다. 또한, 복수의 로봇(110)에 보유된 제 1 인공지능(111)의 훈련에 소모되는 비용 및 인력이 감소될 수 있다.
한편, 본 발명의 일 실시예에 따르면, 메인 관리 서버(120)에 의한 제 2 분석결과데이터는 각 로봇(110)의 제 1 인공지능(111)을 재훈련하기 위한 것이다. 이에 따라, 클라우드 네트워크(101)의 상태가 정상인 경우에 각 로봇(110)과 메인 관리 서버(120) 간의 데이터 송수신을 실시할 수 있다.
도 5는 본 발명의 다른 일 실시예에 따른 인공지능 훈련 방법을 나타낸 도면이다.
도 5에 도시된 바와 같이, 본 발명의 다른 일 실시예에 따른 인공지능 훈련 방법은 테스트요청신호, 테스트응답신호 및 센싱데이터 요청신호가 송수신되고 (S31, S32, S33), 각 로봇(R1)(110)이 메인 관리 서버(MMS)(120)의 센싱데이터 요청신호에 기초하여 센싱데이터(LSD_R1)를 송신하는 것(S15)을 제외하고는 도 3에 도시된 바와 동일하므로 이하에서 중복 설명을 생략한다.
본 발명의 다른 일 실시예에 따르면, 메인 관리 서버(MMS)(120)의 클라우드 통신부(127)는 각 로봇(R1)(110)에 대응한 소정의 통신테스트주기(TP_R1; Test Period)가 도래하면 (S31), 각 로봇(R1)(110)에 테스트요청신호를 송신한다. (S32)
이에, 각 로봇(R1)(110)의 통신처리부(115)는 테스트요청신호에 기초하여 테스트응답신호를 메인 관리 서버(MMS)로 송신한다. (S33)
메인 관리 서버(MMS)(120)의 클라우드 통신부(127)는 각 로봇(R1)(110)의 테스트응답신호에 기초하여 센싱데이터 요청신호를 송신한다. (S34)
각 로봇(R1)(110)의 통신처리부(115)는 센싱데이터 요청신호에 기초하여 센싱처리부(112)에 의해 수집된 센싱데이터(LSD_R1)를 메인 관리 서버(MMS)로 송신한다. (S15)
이와 같이 하면, 클라우드 네트워크(101)의 상태가 안정적이라고 확인된 상태에서, 각 로봇(R1)(110)의 센싱데이터(LSD_R1)의 송수신이 실시될 수 있는 장점이 있다.
전술한 본 발명은, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 있어 본 발명의 기술적 사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.
100: 로봇 시스템
101: 클라우드 네트워크
110(R1, R2, Rn): 로봇
120(MMS): 메인 관리 서버
AI1: 제 1 인공지능
AI2: 제 2 인공지능
LSD: 센싱데이터
AR1: 제 1 분석결과데이터
AR2: 제 2 분석결과데이터
SP: 송신주기
TP: 통신 테스트주기

Claims (7)

  1. 각각의 제 1 인공지능을 탑재한 복수의 로봇; 및
    소정의 클라우드 네트워크를 통해 상기 복수의 로봇과 연계되고 상기 제 1 인공지능보다 높은 성능의 제 2 인공지능을 탑재한 메인 관리 서버를 포함하고,
    상기 복수의 로봇 각각은,
    주위 환경에 대응한 센싱데이터를 수집하는 센싱처리부;
    딥 러닝 알고리즘(Deep Learning Algorism) 기반으로 소정의 학습데이터에 기초하여 상기 제 1 인공지능을 훈련하는 로컬 훈련처리부; 및
    상기 제 1 인공지능을 이용하여 상기 센싱데이터에 대응한 제 1 분석결과데이터를 산출하는 로컬 분석처리부를 포함하며,
    상기 로컬 훈련처리부는
    상기 메인 관리 서버의 상기 제 2 인공지능을 이용하여 상기 센싱데이터를 분석한 결과에 대응하는 제 2 분석결과데이터에 기초하여 상기 제 1 인공지능을 재훈련하는 로봇 시스템.
  2. 제 1 항에 있어서,
    상기 메인 관리 서버는
    상기 딥 러닝 알고리즘(Deep Learning Algorism) 기반으로 상기 소정의 학습데이터에 기초하여 상기 제 2 인공지능을 훈련하는 메인 훈련부; 및
    상기 제 2 인공지능을 이용하여 상기 제 2 분석결과데이터를 산출하는 메인 분석부를 포함하는 로봇 시스템.
  3. 제 2 항에 있어서,
    상기 메인 관리 서버는
    상기 각 로봇의 센싱데이터를 보유하는 센싱 데이터베이스; 및
    사용자의 입력에 따라 상기 센싱 데이터베이스에 보유된 데이터 중 적어도 일부를 레이블링하여 부가 학습데이터를 생성하는 학습데이터 부가 생성부를 더 포함하는 로봇 시스템.
  4. 제 3 항에 있어서,
    상기 메인 훈련부는
    상기 부가 학습데이터에 기초하여 상기 제 2 인공지능을 재훈련하는 로봇 시스템.
  5. 제 3 항에 있어서,
    상기 로컬 훈련처리부는
    상기 부가 학습데이터에 기초하여 상기 제 1 인공지능을 재훈련하는 로봇 시스템.
  6. 제 1 항에 있어서,
    상기 메인 관리 서버는 상기 복수의 로봇과 데이터를 송수신하는 클라우드 통신부를 더 포함하고,
    상기 각 로봇은 상기 메인 관리 서버의 상기 클라우드 통신부에 연결되는 통신처리부를 더 포함하며,
    상기 각 로봇의 상기 통신처리부는 소정 주기로 상기 센싱데이터를 상기 클라우드 통신부로 송신하는 로봇 시스템.
  7. 제 1 항에 있어서,
    상기 메인 관리 서버는 상기 복수의 로봇과 데이터를 송수신하는 클라우드 통신부를 더 포함하고,
    상기 각 로봇은 상기 메인 관리 서버의 상기 클라우드 통신부에 연결되는 통신처리부를 더 포함하며,
    상기 클라우드 통신부는 소정 주기로 상기 각 로봇과의 통신망이 정상상태인지 여부를 검출하고, 상기 검출된 통신망의 상태에 기초하여 센싱데이터 요청신호를 상기 각 로봇의 상기 통신처리부로 송신하며,
    상기 각 로봇의 상기 통신처리부는 상기 센싱데이터 요청 메시지에 기초하여 상기 센싱데이터를 상기 클라우드 통신부로 송신하는 로봇 시스템.
KR1020180038827A 2018-04-03 2018-04-03 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템 KR102503757B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180038827A KR102503757B1 (ko) 2018-04-03 2018-04-03 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180038827A KR102503757B1 (ko) 2018-04-03 2018-04-03 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템

Publications (2)

Publication Number Publication Date
KR20190119225A KR20190119225A (ko) 2019-10-22
KR102503757B1 true KR102503757B1 (ko) 2023-02-23

Family

ID=68420011

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180038827A KR102503757B1 (ko) 2018-04-03 2018-04-03 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템

Country Status (1)

Country Link
KR (1) KR102503757B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102303126B1 (ko) * 2019-10-24 2021-09-17 네이버 주식회사 사용자 선호에 따른 강화학습 기반 자율주행 최적화 방법 및 시스템
JP7459238B2 (ja) * 2019-10-24 2024-04-01 ネイバー コーポレーション ユーザ選好による強化学習基盤の自律走行最適化方法およびシステム
KR20230015145A (ko) 2021-07-22 2023-01-31 엘지전자 주식회사 에지 서버 및 클라우드 서버를 포함하는 이종 로봇 시스템 및 그의 제어 방법
KR102432361B1 (ko) * 2022-03-21 2022-08-17 주식회사 서큘러스 인터랙션 로봇, 로봇 운영 시스템, 및 그 제어 방법

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101787613B1 (ko) * 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104965426A (zh) * 2015-06-24 2015-10-07 百度在线网络技术(北京)有限公司 基于人工智能的智能机器人控制系统、方法和装置
KR20170101455A (ko) * 2016-02-29 2017-09-06 성균관대학교산학협력단 빅데이터 플랫폼 기반의 인공지능 딥러닝 네트워크 구축을 활용한 3d 카메라를 장착한 로봇의 트레이닝 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101787613B1 (ko) * 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템

Also Published As

Publication number Publication date
KR20190119225A (ko) 2019-10-22

Similar Documents

Publication Publication Date Title
KR102503757B1 (ko) 각각의 인공지능을 탑재한 복수의 로봇을 포함하는 로봇 시스템
US7328196B2 (en) Architecture for multiple interacting robot intelligences
US7117067B2 (en) System and methods for adaptive control of robotic devices
US8290619B2 (en) Systems and methods for dispersing and clustering a plurality of robotic devices
US20020169733A1 (en) Architecture for robot intelligence
Billard et al. Learning to communicate through imitation in autonomous robots
US20210339392A1 (en) Robot control system and robot control method
CN109048932A (zh) 一种智能服务机器人系统
WO2018113263A1 (zh) 机器人的控制方法、系统和装置及机器人
WO2018076778A1 (zh) 机器人及应用在机器人上的数据处理方法和系统
CN104050241A (zh) 远程操作接受系统、远程操作系统及程序
CN111630346B (zh) 基于图像和无线电词语的移动设备的改进定位
WO2020146460A3 (en) Apparatus, system and method for developing industrial process solutions using artificial intelligence
Chen et al. Distributed tracking control for networked mechanical systems
Mukhopadhyay et al. Home automation and grid mapping technology using IoT
CN113741461B (zh) 一种面向受限通信的复杂场景下多机器人避障方法
Ruiz et al. Implementation of a sensor fusion based robotic system architecture for motion control using human-robot interaction
KR20230039415A (ko) 로봇 원격 제어 시스템 및 이를 위한 제어 방법
Mikkelsen et al. Probabilistic communication based potential force for robot formations: A practical approach
RU2701090C1 (ru) Система и способ для автоматического выполнения команд, заданных пользователем
CN114358061A (zh) 一种空分复用信号光性能监测方法及系统
Zhang et al. H∞ robust control design for teleoperation systems
Novitzky Improvement of multi-auv cooperation through teammate verification
Zimmer Adaptive approaches to basic mobile robot tasks
Konolige et al. A Multi-agent system for multi-robot mapping and exploration

Legal Events

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