KR102602594B1 - 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치 - Google Patents

메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치 Download PDF

Info

Publication number
KR102602594B1
KR102602594B1 KR1020230114734A KR20230114734A KR102602594B1 KR 102602594 B1 KR102602594 B1 KR 102602594B1 KR 1020230114734 A KR1020230114734 A KR 1020230114734A KR 20230114734 A KR20230114734 A KR 20230114734A KR 102602594 B1 KR102602594 B1 KR 102602594B1
Authority
KR
South Korea
Prior art keywords
spatial
space
information
avatar
polygon
Prior art date
Application number
KR1020230114734A
Other languages
English (en)
Inventor
김윤제
최진원
Original Assignee
주식회사 심시스글로벌
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 주식회사 심시스글로벌 filed Critical 주식회사 심시스글로벌
Priority to KR1020230114734A priority Critical patent/KR102602594B1/ko
Application granted granted Critical
Publication of KR102602594B1 publication Critical patent/KR102602594B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

실시예들은 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치를 제시한다. 일 실시예에 따른 상기 방법은, 클라이언트 단말이 가상 현실 서버가 생성한 메타버스에 접속하고, 상기 가상 현실 서버로부터 공간 시멘틱 정보가 상기 클라이언트 단말에게 전송되고, 상기 클라이언트 단말이 생성한 아바타가 상기 메타버스에 배치되고, 상기 공간 시멘틱 정보를 기반으로 상기 메타버스를 구성하는 N개의 공간 폴리곤 각각에 대해 상기 아바타를 기준으로 하는 복수의 제1 삼각형의 면적 값을 계산하고, 상기 N개의 공간 폴리곤 중에서 상기 복수의 제1 삼각형의 면적 값을 합산한 값이 양수인 공간 폴리곤을 상기 아바타가 배치된 제1 공간 폴리곤으로 결정하고, 상기 공간 시멘틱 정보를 기반으로 상기 아바타의 이동에 따라 상기 제1 공간 폴리곤에 연결된 출입문 객체와 상기 아바타 사이의 거리가 오프셋 값 이내 인지 여부를 결정하고, 상기 출입문 객체와 상기 아바타 사이의 거리가 상기 오프셋 값 이내인 것에 기반하여 상기 제1 공간 폴리곤 내 상기 출입문 객체가 위치한 벽 양 끝단의 모서리 좌표와 상기 아바타의 위치 사이의 제2 삼각형의 면적 값을 계산하고, 상기 제2 삼각형의 면적 값이 음수인 것에 기반하여 상기 공간 시멘틱 정보에 포함된 공간 연결 매트릭스(space connectivity matrix)를 통해 상기 아바타가 이동한 제2 공간 폴리곤을 결정하고, 상기 제2 공간 폴리곤에 대한 정보 및 상기 아바타가 상기 제2 공간 폴리곤으로 이동한 시점을 포함하는 공간 이동 정보를 상기 가상 현실 서버에게 전송하는 단계를 포함할 수 있다.

Description

메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치{METHOD AND DEVICE FOR TRACKING A POSITION OF AN AVATAR BASED ON SEMANTIC INFORMATION OF SPACE IN A METAVERSE}
본 개시의 실시예들은 메타버스 상에서 아바타의 위치를 추적하는 기술에 관한 것으로, 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치에 대한 것이다.
한편, 가상 세계를 사용자에게 제공하는 대표적인 서비스로서 메타버스(metaverse)에 대한 관심이 높아지고 있다. 메타버스는 가공, 추상을 의미하는 메타(meta)와 현실세계를 의미하는 유니버스(universe)의 합성어로 3차원 가상 세계를 의미하며, 이러한 메타버스의 핵심기술은 가상현실(virtual reality, VR), 증강현실(augmented reality, AR) 및 혼합현실(mixed reality, MR) 등을 아우르는 확장현실(extended reality, XR) 기술이다.
다양한 분야에서 메타버스와 접목되어 새로운 방식의 콘텐츠에 대한 연구 및 개발이 진행되고 있다. 예를 들어, 메타버스는 방송, 광고, 전시, 교육 및 프로모션 등의 분야에서 실용화가 진행 중에 있다.
기존 메타버스 서비스의 경우, 메타버스에 대한 시각적 정보만이 실제 사용자에게 제공될 뿐, 메타버스의 공간에 대한 시멘틱 정보를 제공하지 않기 때문에, 메타버스에 생성된 복수의 공간 사이를 아바타가 이동하는 경우, 아바타의 위치 좌표만으로는 아바타를 추적하기가 어려운 문제가 있다.
이때, BIM(building information modeling) 기반의 메타 정보는 시멘틱 정보를 나타내므로, BIM 기반의 메타 정보를 아바타의 가상 공간 내 위치를 추적하기 위해 활용할 수 있는 시멘틱 정보로 구성하여, 메타버스 서비스를 이용하는 사용자에게 제공할 수 있다. 즉, 아바타의 가상 공간 내 위치를 추적하기 위해 활용 가능한 시멘틱 정보를 공간 시멘틱 정보(space semantic information)라고 지칭할 수 있다.
이에, 공간 시멘틱 정보를 기반으로 메타버스를 구성하는 복수의 공간에 대한 연산을 수행하여, 메타버스 상에서 아바타가 현재 공간에서 다른 공간으로 이동하는 것을 추적하는 방법 및 장치가 필요하다.
본 개시의 실시예들은, 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치를 제공할 수 있다.
실시예들에서 이루고자 하는 기술적 과제들은 이상에서 언급한 사항들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 이하 설명할 다양한 실시예들로부터 당해 기술분야에서 통상의 지식을 가진 자에 의해 고려될 수 있다.
일 실시예에 따른 클라이언트 단말이 공간 시멘틱 정보를 기반으로 메타버스(metaverse) 상에서 아바타의 위치를 추적하는 방법은, 가상 현실 서버가 생성한 메타버스에 접속하고, 상기 가상 현실 서버로부터 공간 시멘틱 정보가 상기 클라이언트 단말에게 전송되고, 상기 클라이언트 단말이 생성한 아바타가 상기 메타버스에 배치되고, 상기 공간 시멘틱 정보를 기반으로 상기 메타버스를 구성하는 N개의 공간 폴리곤 각각에 대해 상기 아바타를 기준으로 하는 복수의 제1 삼각형의 면적 값을 계산하고, 상기 N개의 공간 폴리곤 중에서 상기 복수의 제1 삼각형의 면적 값을 합산한 값이 양수인 공간 폴리곤을 상기 아바타가 배치된 제1 공간 폴리곤으로 결정하고, 상기 공간 시멘틱 정보를 기반으로 상기 아바타의 이동에 따라 상기 제1 공간 폴리곤에 연결된 출입문 객체와 상기 아바타 사이의 거리가 오프셋 값 이내 인지 여부를 결정하고, 상기 출입문 객체와 상기 아바타 사이의 거리가 상기 오프셋 값 이내인 것에 기반하여 상기 제1 공간 폴리곤 내 상기 출입문 객체가 위치한 벽 양 끝단의 모서리 좌표와 상기 아바타의 위치 사이의 제2 삼각형의 면적 값을 계산하고, 상기 제2 삼각형의 면적 값이 음수인 것에 기반하여 상기 공간 시멘틱 정보에 포함된 공간 연결 매트릭스(space connectivity matrix)를 통해 상기 아바타가 이동한 제2 공간 폴리곤을 결정하고, 상기 제2 공간 폴리곤에 대한 정보 및 상기 아바타가 상기 제2 공간 폴리곤으로 이동한 시점을 포함하는 공간 이동 정보를 상기 가상 현실 서버에게 전송하는 단계를 포함할 수 있다.
실시예들에 따르면, 클라이언트 단말은 메타버스 상에서도 공간 시멘틱 정보를 활용하여 아바타가 특정 공간에서 다른 공간으로 이동하는 것을 추적할 수 있고, 아바타가 특정 공간에서 인접한 공간으로 이동하는 순간이 삼각형 면적이 양수에서 음수로 변하는 시점으로 결정되기 때문에, 아바타의 공간 입장과 퇴장 시점을 정확하게 파악할 수 있다.
실시예들에 따르면, 아바타가 이동하는 공간을 추적하기 위한 컴퓨팅이 클라이언트 단말에서 수행되기 때문에, 가상 현실 서버의 컴퓨팅 부하가 최소화될 수 있다.
실시예들로부터 얻을 수 있는 효과들은 이상에서 언급된 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 이하의 상세한 설명을 기반으로 당해 기술분야에서 통상의 지식을 가진 자에게 명확하게 도출되고 이해될 수 있다.
실시예들에 대한 이해를 돕기 위해 상세한 설명의 일부로 포함된, 첨부 도면은 다양한 실시예들을 제공하고, 상세한 설명과 함께 다양한 실시예들의 기술적 특징을 설명한다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 3은 일 실시예에 따른 BIM(building information modeling) 기반의 객체 기반 계층 구조를 이용하여 3차원의 메타버스 공간을 생성하는 예를 나타낸다.
도 4는 일 실시예에 따른 클라이언트 단말이 공간 시멘틱 정보를 기반으로 메타버스(metaverse) 상에서 아바타의 위치를 추적하는 방법을 나타낸다.
도 5는 일 실시예에 따른 공간 연결 매트릭스와 공간과 출입문을 연결하는 다이어그램에 대한 예를 나타낸다.
도 6은 일 실시예에 따른 아바타의 공간 내 위치를 추적하는 알고리즘에 대한 예를 나타낸다.
도 7은 일 실시예에 따른 공간 네트워크 설정 모델에 대한 예이다.
도 8은 일 실시예에 따른 가상 현실 서버의 구성을 나타내는 블록도이다.
이하의 실시예들은 실시예들의 구성요소들과 특징들을 소정 형태로 결합한 것들이다. 각 구성요소 또는 특징은 별도의 명시적 언급이 없는 한 선택적인 것으로 고려될 수 있다. 각 구성요소 또는 특징은 다른 구성요소나 특징과 결합되지 않은 형태로 실시될 수 있다. 또한, 일부 구성요소들 및/또는 특징들을 결합하여 다양한 실시예들을 구성할 수도 있다. 다양한 실시예들에서 설명되는 동작들의 순서는 변경될 수 있다. 어느 실시예의 일부 구성이나 특징은 다른 실시예에 포함될 수 있고, 또는 다른 실시예의 대응하는 구성 또는 특징과 교체될 수 있다.
도면에 대한 설명에서, 다양한 실시예들의 요지를 흐릴 수 있는 절차 또는 단계 등은 기술하지 않았으며, 당해 기술분야에서 통상의 지식을 가진 자의 수준에서 이해할 수 있을 정도의 절차 또는 단계는 또한 기술하지 아니하였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함(comprising 또는 including)"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 "...부", "...기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, "일(a 또는 an)", "하나(one)", "그(the)" 및 유사 관련어는 다양한 실시예들을 기술하는 문맥에 있어서(특히, 이하의 청구항의 문맥에서) 본 명세서에 달리 지시되거나 문맥에 의해 분명하게 반박되지 않는 한, 단수 및 복수 모두를 포함하는 의미로 사용될 수 있다.
이하, 다양한 실시예들에 따른 실시 형태를 첨부된 도면을 참조하여 상세하게 설명한다. 첨부된 도면과 함께 이하에 개시될 상세한 설명은 다양한 실시예들의 예시적인 실시 형태를 설명하고자 하는 것이며, 유일한 실시형태를 나타내고자 하는 것이 아니다.
또한, 다양한 실시예들에서 사용되는 특정(特定) 용어들은 다양한 실시예들의 이해를 돕기 위해서 제공된 것이며, 이러한 특정 용어의 사용은 다양한 실시예들의 기술적 사상을 벗어나지 않는 범위에서 다른 형태로 변경될 수 있다.
도 1은 일 실시예에 따른 전자 장치의 구성을 나타내는 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다. 전자 장치(101)는 클라이언트, 단말기 또는 피어로 지칭될 수도 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다.
인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
서버(108)는 전자 장치(101)가 접속되며, 접속된 전자 장치(101)로 서비스를 제공할 수 있다. 또한, 서버(108)는 회원 가입 절차를 진행하여 그에 따라 회원으로 가입된 사용자의 각종 정보를 저장하여 관리하고, 서비스에 관련된 각종 구매 및 결제 기능을 제공할 수도 있다. 또한, 서버(108)는, 사용자 간에 서비스를 공유할 수 있도록, 복수의 전자 장치(101) 각각에서 실행되는 서비스 애플리케이션의 실행 데이터를 실시간으로 공유할 수도 있다. 이러한 서버(108)는 하드웨어적으로는 통상적인 웹 서버(Web Server) 또는 서비스 서버(Service Server)와 동일한 구성을 가질 수 있다. 그러나, 소프트웨어적으로는, C, C++, Java, Python, Golang, kotlin 등 여하한 언어를 통하여 구현되어 여러 가지 기능을 하는 프로그램 모듈(Module)을 포함할 수 있다. 또한, 서버(108)는 일반적으로 인터넷과 같은 개방형 컴퓨터 네트워크를 통하여 불특정 다수 클라이언트 및/또는 다른 서버와 연결되어 있고, 클라이언트 또는 다른 서버의 작업수행 요청을 접수하고 그에 대한 작업 결과를 도출하여 제공하는 컴퓨터 시스템 및 그를 위하여 설치되어 있는 컴퓨터 소프트웨어(서버 프로그램)를 뜻하는 것이다. 또한, 서버(108)는, 전술한 서버 프로그램 이외에도, 서버(108) 상에서 동작하는 일련의 응용 프로그램(Application Program)과 경우에 따라서는 내부 또는 외부에 구축되어 있는 각종 데이터베이스(DB: Database, 이하 "DB"라 칭함)를 포함하는 넓은 개념으로 이해되어야 할 것이다. 따라서, 서버(108)는, 회원 가입 정보와, 게임에 대한 각종 정보 및 데이터를 분류하여 DB에 저장시키고 관리하는데, 이러한 DB는 서버(108)의 내부 또는 외부에 구현될 수 있다. 또한, 서버(108)는, 일반적인 서버용 하드웨어에 윈도우(windows), 리눅스(Linux), 유닉스(UNIX), 매킨토시(Macintosh) 등의 운영체제에 따라 다양하게 제공되고 있는 서버 프로그램을 이용하여 구현될 수 있으며, 대표적인 것으로는 윈도우 환경에서 사용되는 IIS(Internet Information Server)와 유닉스환경에서 사용되는 CERN, NCSA, APPACH, TOMCAT 등을 이용하여 웹 서비스를 구현할 수 있다. 또한, 서버(108)는, 서비스의 사용자 인증이나 서비스와 관련된 구매 결제를 위한 인증 시스템 및 결제 시스템과 연동할 수도 있다.
제1 네트워크(198) 및 제2 네트워크(199)는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조 또는 서버(108)와 전자 장치들(101, 104)을 연결하는 망(Network)을 의미한다. 제1 네트워크(198) 및 제2 네트워크(199)는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), 3G, 4G, LTE, 5G, Wi-Fi 등이 포함되나 이에 한정되지는 않는다. 제1 네트워크(198) 및 제2 네트워크(199)는 LAN, WAN 등의 폐쇄형 제1 네트워크(198) 및 제2 네트워크(199)일 수도 있으나, 인터넷(Internet)과 같은 개방형인 것이 바람직하다. 인터넷은 TCP/IP 프로토콜, TCP, UDP(user datagram protocol) 등의 프로토콜 및 그 상위계층에 존재하는 여러 서비스, 즉 HTTP(HyperText Transfer Protocol), Telnet, FTP(File Transfer Protocol), DNS(Domain Name System), SMTP(Simple Mail Transfer Protocol), SNMP(Simple Network Management Protocol), NFS(Network File Service), NIS(Network Information Service)를 제공하는 전 세계적인 개방형 컴퓨터 제1 네트워크(198) 및 제2 네트워크(199) 구조를 의미한다.
데이터베이스는 데이터베이스 관리 프로그램(DBMS)을 이용하여 컴퓨터 시스템의 저장공간(하드디스크 또는 메모리)에 구현된 일반적인 데이터구조를 가질 수 있다. 데이터베이스는 데이터의 검색(추출), 삭제, 편집, 추가 등을 자유롭게 행할 수 있는 데이터 저장형태를 가질 수 있다. 데이터베이스는 오라클(Oracle), 인포믹스(Infomix), 사이베이스(Sybase), DB2와 같은 관계형 데이타베이스 관리 시스템(RDBMS)이나, 겜스톤(Gemston), 오리온(Orion), O2 등과 같은 객체 지향 데이타베이스 관리 시스템(OODBMS) 및 엑셀론(Excelon), 타미노(Tamino), 세카이주(Sekaiju) 등의 XML 전용 데이터베이스(XML Native Database)를 이용하여 본 개시의 일 실시예의 목적에 맞게 구현될 수 있고, 자신의 기능을 달성하기 위하여 적당한 필드(Field) 또는 엘리먼트들을 가질 수 있다.
도 2는 일 실시예에 따른 프로그램의 구성을 나타내는 도면이다.
도 2은 다양한 실시예에 따른 프로그램(140)을 예시하는 블록도(200)이다. 일실시예에 따르면, 프로그램(140)은 전자 장치(101)의 하나 이상의 리소스들을 제어하기 위한 운영 체제(142), 미들웨어(144), 또는 상기 운영 체제(142)에서 실행 가능한 어플리케이션(146)을 포함할 수 있다. 운영 체제(142)는, 예를 들면, AndroidTM, iOSTM, WindowsTM, SymbianTM, TizenTM, 또는 BadaTM를 포함할 수 있다. 프로그램(140) 중 적어도 일부 프로그램은, 예를 들면, 제조 시에 전자 장치(101)에 프리로드되거나, 또는 사용자에 의해 사용 시 외부 전자 장치(예: 전자 장치(102 또는 104), 또는 서버(108))로부터 다운로드되거나 갱신 될 수 있다. 프로그램(140)의 전부 또는 일부는 뉴럴 네트워크를 포함할 수 있다.
운영 체제(142)는 전자 장치(101)의 하나 이상의 시스템 리소스들(예: 프로세스, 메모리, 또는 전원)의 관리(예: 할당 또는 회수)를 제어할 수 있다. 운영 체제(142)는, 추가적으로 또는 대체적으로, 전자 장치(101)의 다른 하드웨어 디바이스, 예를 들면, 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 구동하기 위한 하나 이상의 드라이버 프로그램들을 포함할 수 있다.
미들웨어(144)는 전자 장치(101)의 하나 이상의 리소스들로부터 제공되는 기능 또는 정보가 어플리케이션(146)에 의해 사용될 수 있도록 다양한 기능들을 어플리케이션(146)으로 제공할 수 있다. 미들웨어(144)는, 예를 들면, 어플리케이션 매니저(201), 윈도우 매니저(203), 멀티미디어 매니저(205), 리소스 매니저(207), 파워 매니저(209), 데이터베이스 매니저(211), 패키지 매니저(213), 커넥티비티 매니저(215), 노티피케이션 매니저(217), 로케이션 매니저(219), 그래픽 매니저(221), 시큐리티 매니저(223), 통화 매니저(225), 또는 음성 인식 매니저(227)를 포함할 수 있다.
어플리케이션 매니저(201)는, 예를 들면, 어플리케이션(146)의 생명 주기를 관리할 수 있다. 윈도우 매니저(203)는, 예를 들면, 화면에서 사용되는 하나 이상의 GUI 자원들을 관리할 수 있다. 멀티미디어 매니저(205)는, 예를 들면, 미디어 파일들의 재생에 필요한 하나 이상의 포맷들을 파악하고, 그 중 선택된 해당하는 포맷에 맞는 코덱을 이용하여 상기 미디어 파일들 중 해당하는 미디어 파일의 인코딩 또는 디코딩을 수행할 수 있다. 리소스 매니저(207)는, 예를 들면, 어플리케이션(146)의 소스 코드 또는 메모리(130)의 메모리의 공간을 관리할 수 있다. 파워 매니저(209)는, 예를 들면, 배터리(189)의 용량, 온도 또는 전원을 관리하고, 이 중 해당 정보를 이용하여 전자 장치(101)의 동작에 필요한 관련 정보를 결정 또는 제공할 수 있다. 일실시예에 따르면, 파워 매니저(209)는 전자 장치(101)의 바이오스(BIOS: basic input/output system)(미도시)와 연동할 수 있다.
데이터베이스 매니저(211)는, 예를 들면, 어플리케이션(146)에 의해 사용될 데이터베이스를 생성, 검색, 또는 변경할 수 있다. 패키지 매니저(213)는, 예를 들면, 패키지 파일의 형태로 배포되는 어플리케이션의 설치 또는 갱신을 관리할 수 있다. 커넥티비티 매니저(215)는, 예를 들면, 전자 장치(101)와 외부 전자 장치 간의 무선 연결 또는 직접 연결을 관리할 수 있다. 노티피케이션 매니저(217)는, 예를 들면, 지정된 이벤트(예: 착신 통화, 메시지, 또는 알람)의 발생을 사용자에게 알리기 위한 기능을 제공할 수 있다. 로케이션 매니저(219)는, 예를 들면, 전자 장치(101)의 위치 정보를 관리할 수 있다. 그래픽 매니저(221)는, 예를 들면, 사용자에게 제공될 하나 이상의 그래픽 효과들 또는 이와 관련된 사용자 인터페이스를 관리할 수 있다.
시큐리티 매니저(223)는, 예를 들면, 시스템 보안 또는 사용자 인증을 제공할 수 있다. 통화(telephony) 매니저(225)는, 예를 들면, 전자 장치(101)에 의해 제공되는 음성 통화 기능 또는 영상 통화 기능을 관리할 수 있다. 음성 인식 매니저(227)는, 예를 들면, 사용자의 음성 데이터를 서버(108)로 전송하고, 그 음성 데이터에 적어도 일부 기반하여 전자 장치(101)에서 수행될 기능에 대응하는 명령어(command), 또는 그 음성 데이터에 적어도 일부 기반하여 변환된 문자 데이터를 서버(108)로부터 수신할 수 있다. 일 실시예에 따르면, 미들웨어(244)는 동적으로 기존의 구성요소를 일부 삭제하거나 새로운 구성요소들을 추가할 수 있다. 일 실시예에 따르면, 미들웨어(144)의 적어도 일부는 운영 체제(142)의 일부로 포함되거나, 또는 운영 체제(142)와는 다른 별도의 소프트웨어로 구현될 수 있다.
어플리케이션(146)은, 예를 들면, 홈(251), 다이얼러(253), SMS/MMS(255), IM(instant message)(257), 브라우저(259), 카메라(261), 알람(263), 컨택트(265), 음성 인식(267), 이메일(269), 달력(271), 미디어 플레이어(273), 앨범(275), 와치(277), 헬스(279)(예: 운동량 또는 혈당과 같은 생체 정보를 측정), 또는 환경 정보(281)(예: 기압, 습도, 또는 온도 정보 측정) 어플리케이션을 포함할 수 있다. 일실시예에 따르면, 어플리케이션(146)은 전자 장치(101)와 외부 전자 장치 사이의 정보 교환을 지원할 수 있는 정보 교환 어플리케이션(미도시)을 더 포함할 수 있다. 정보 교환 어플리케이션은, 예를 들면, 외부 전자 장치로 지정된 정보 (예: 통화, 메시지, 또는 알람)를 전달하도록 설정된 노티피케이션 릴레이 어플리케이션, 또는 외부 전자 장치를 관리하도록 설정된 장치 관리 어플리케이션을 포함할 수 있다. 노티피케이션 릴레이 어플리케이션은, 예를 들면, 전자 장치(101)의 다른 어플리케이션(예: 이메일 어플리케이션(269))에서 발생된 지정된 이벤트(예: 메일 수신)에 대응하는 알림 정보를 외부 전자 장치로 전달할 수 있다. 추가적으로 또는 대체적으로, 노티피케이션 릴레이 어플리케이션은 외부 전자 장치로부터 알림 정보를 수신하여 전자 장치(101)의 사용자에게 제공할 수 있다.
장치 관리 어플리케이션은, 예를 들면, 전자 장치(101)와 통신하는 외부 전자 장치 또는 그 일부 구성 요소(예: 외부 전자장치의 디스플레이 모듈 또는 카메라 모듈)의 전원(예: 턴-온 또는 턴-오프) 또는 기능(예: 밝기, 해상도, 또는 포커스)을 제어할 수 있다. 장치 관리 어플리케이션은, 추가적으로 또는 대체적으로, 외부 전자 장치에서 동작하는 어플리케이션의 설치, 삭제, 또는 갱신을 지원할 수 있다.
본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 "노드"라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 "노드"들은, "뉴런(neuron)"들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 "링크"에 의해 상호 연결될 수 있다.
뉴럴 네트워크 내에서, 링크를 통해 연결된 둘 이상의 노드들은 상대적으로 입력 노드 및 출력 노드의 관계를 형성할 수 있다. 입력 노드 및 출력 노드의 개념은 상대적인 것으로서, 하나의 노드에 대하여 출력 노드 관계에 있는 임의의 노드는 다른 노드와의 관계에서 입력 노드 관계에 있을 수 있으며, 그 역도 성립할 수 있다. 전술한 바와 같이, 입력 노드 대 출력 노드 관계는 링크를 중심으로 생성될 수 있다. 하나의 입력 노드에 하나 이상의 출력 노드가 링크를 통해 연결될 수 있으며, 그 역도 성립할 수 있다.
하나의 링크를 통해 연결된 입력 노드 및 출력 노드 관계에서, 출력 노드는 입력 노드에 입력된 데이터에 기초하여 그 값이 결정될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 노드는 가중치를 가질 수 있다. 가중치는 가변적일 수 있으며, 뉴럴 네트워크가 원하는 기능을 수행하기 위해, 사용자 또는 알고리즘에 의해 가변될 수 있다. 여기서, 입력 노드와 출력 노드를 상호 연결하는 에지 또는 링크는 뉴럴 네트워크가 원하는 기능의 수행, 사용자 또는 알고리즘에 의해 가변적으로 적용될 수 있는 가중치를 갖는다. 예를 들어, 하나의 출력 노드에 하나 이상의 입력 노드가 각각의 링크에 의해 상호 연결된 경우, 출력 노드는 상기 출력 노드와 연결된 입력 노드들에 입력된 값들 및 각각의 입력 노드들에 대응하는 링크에 설정된 가중치에 기초하여 출력 노드 값을 결정할 수 있다.
전술한 바와 같이, 뉴럴 네트워크는, 둘 이상의 노드들이 하나 이상의 링크를 통해 상호연결 되어 뉴럴 네트워크 내에서 입력 노드 및 출력 노드 관계를 형성한다. 뉴럴 네트워크 내에서 노드들과 링크들의 개수 및 노드들과 링크들 사이의 연관관계, 링크들 각각에 부여된 가중치의 값에 따라, 신경망 네트워크의 특성이 결정될 수 있다. 예를 들어, 동일한 개수의 노드 및 링크들이 존재하고, 링크들 사이의 가중치 값이 상이한 두 신경망 네트워크가 존재하는 경우, 두 개의 신경망 네트워크들은 서로 상이한 것으로 인식될 수 있다.
도 3은 일 실시예에 따른 BIM(building information modeling) 기반의 객체 기반 계층 구조를 이용하여 3차원의 메타버스 공간을 생성하는 예를 나타낸다. 도 3의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 3을 참조하면, BIM 기반의 객체 기반 계층 구조를 이용하여 3차원의 메타버스(metaverse) 공간이 생성될 수 있다. 메타버스는 가상 세계를 사용자에게 제공하는 서비스이며, 가상 현실 서버에 의해 제공될 수 있다. 가상 현실 서버는 클라이언트 단말에게 제공하는 서버일 수 있다. 예를 들어, 가상 현실 서버는 도 1의 서버(108)를 포함할 수 있다. 클라이언트 단말은 가상 현실 서버가 구현한 메타버스를 이용하는 단말일 수 있다. 클라이언트 단말은 가상현실, 증강현실, 혼합현실 및 이들을 포함하는 확장현실 중 적어도 하나의 기술/서비스를 이용할 수 있는 단말을 포함할 수 있다. 예를 들어, 클라이언트 단말은 도 1의 전자 장치(101)를 포함할 수 있고, 도 1의 전자 장치(101)와 연결되어 VR/AR 영상을 출력하는 디스플레이 장치인 헤드마운트 디스플레이(head mounted display, HMD), 구글 글라스 등이 포함될 수 있으며, 이에 한정되는 것은 아니다. 이러한 클라이언트 단말에는 사용자가 현실감 있는 영상을 체험할 수 있도록 지원하는 각종 장치로서, 종래에 이미 공지되었거나 향후 개발되는 VR/AR/MR/XR 등의 실감 영상의 구현이 가능한 각종 장치가 적용될 수 있다. 예를 들어, 클라이언트 단말은 사용자에게 착용되어 메타버스를 출력하는 장치와 연결된 도 1의 전자 장치(101)일 수 있다. 클라이언트 단말에 설치된 VR(virtual reality) 기반 가상 공간 서비스를 제공하는 가상 경험 프로그램을 통해 클라이언트 단말이 메타버스에 접속될 수 있다.
이때, BIM 기반의 객체 기반 계층 구조는 건물의 요소들을 계층 구조로 표현한 것으로, 건물의 요소들 사이의 상하위 관계를 표현할 수 있다. 예를 들어, 건물의 요소들은 속성 정보를 포함할 수 있고, 속성 정보는 해당 요소의 특성, 재료, 용도 및 크기를 포함할 수 있다. 예를 들어, 가상 현실 서버는 BIM 기반의 객체 기반 계층 구조를 기반으로 공간 폴리곤 정보, 출입문 객체 정보 및 공간 사이의 연결성에 대한 정보를 생성할 수 있다.
3차원의 메타버스 공간은 실제로 클라이언트 단말의 사용자에게 서비스되는 시각적 정보를 포함하는 가상 공간인 반면에, BIM 기반의 메타 정보는 시멘틱 정보일 수 있다. 따라서, 시멘틱 정보가 아바타의 가상 공간 내 위치를 추적하기 위해 활용될 수 있다. 이러한 아바타의 가상 공간 내 위치를 추적하기 위해 활용 가능한 시멘틱 정보를 공간 시멘틱 정보(space semantic information)라고 지칭할 수 있다.
예를 들어, 가상 현실 서버는 특정 건물에 대한 BIM을 기반으로 공간 시멘틱 정보를 생성하고, 공간 시멘틱 정보를 활용하여 메타버스를 구현할 수 있다. 여기서, BIM은 건물을 관리하기 위한 3차원 디지털 모델링 기술이며, 건물의 물리적인 구성, 건축 요소, 시공 일정, 유지 보수 등 다양한 정보들을 관리할 수 있다. 공간 시멘틱 정보는 공간의 용도, 공간의 입출입, 공간 내 설비, 공간 사이의 연결성을 표현하는 정보일 수 있다.
예를 들어, 클라이언트 단말은 메타버스에 접속한 것에 기반하여 가상 현실 서버로부터 공간 시멘틱 정보를 수신할 수 있다. 예를 들어, 클라이언트 단말은 메타버스에 접속한 것에 기반하여 클라이언트 단말이 생성한 아바타가 메타버스에 배치될 수 있다.
이하, 공간 시멘틱 정보를 활용하여 아바타의 생성 및 이동에 따른 위치를 추적하기 위한 방법 및 장치를 제안한다.
도 4는 일 실시예에 따른 클라이언트 단말이 공간 시멘틱 정보를 기반으로 메타버스(metaverse) 상에서 아바타의 위치를 추적하는 방법을 나타낸다. 도 5는 일 실시예에 따른 공간 연결 매트릭스와 공간과 출입문을 연결하는 다이어그램에 대한 예를 나타낸다. 도 6은 일 실시예에 따른 아바타의 공간 내 위치를 추적하는 알고리즘에 대한 예를 나타낸다. 도 4 내지 도 6의 실시예들은 본 개시의 다양한 실시예들과 결합될 수 있다.
도 4를 참조하면, 단계 S410에서, 클라이언트 단말은 가상 현실 서버가 생성한 메타버스에 접속할 수 있다.
예를 들어, 가상 현실 서버로부터 공간 시멘틱 정보가 클라이언트 단말에게 전송될 수 있다. 예를 들어, 클라이언트 단말이 생성한 아바타가 메타버스에 배치될 수 있다.
공간 시멘틱 정보는 N개의 공간 각각을 형상화하기 위한 공간 폴리곤 정보, 외부 공간에 대한 정보, N개의 공간과 연결되는 출입문을 나타내는 출입문 객체 정보 및 각각의 공간 사이의 연결성을 나타내는 공간 연결 매트릭스를 포함할 수 있다. 여기서, N개의 공간은 메타버스를 구성하는 공간일 수 있다. 예를 들어, N개의 공간은 메타버스로 구현된 건물의 한 층 또는 건물의 한 부분을 구성하는 공간일 수 있다. 공간 폴리곤 정보는 사전 설정된 방향의 복수의 벡터를 포함할 수 있다. 출입문 객체 정보는 사전 설정된 방향의 벡터를 포함할 수 있다. 외부 공간에 대한 정보는 사전 설정된 방향의 반대 방향의 벡터를 포함할 수 있다. 예를 들어, 사전 설정된 방향의 벡터는 시계 방향일 수 있다. 이때, 사전 설정된 방향의 반대 방향은 반시계 방향일 수 있다.
예를 들어, 공간 폴리곤 정보에 포함된 사전 설정된 방향의 벡터를 기반으로 해당 공간에 대한 복수의 모서리 좌표가 결정될 수 있다. 출입문 객체 정보에 포함된 사전 설정된 방향의 벡터를 기반으로 해당 출입문 객체의 시작점 좌표, 해당 출입문 객체의 중심점 좌표 및 해당 출입문 객체의 끝점 좌표가 결정될 수 있다. 예를 들어, 외부 공간은 하나의 공간으로 인식될 수 있다. 이때, 외부 공간의 외곽선을 구성하는 폴리곤은 생략될 수 있다. 여기서, 공간 폴리곤은 특정 공간을 나타내는 폴리곤일 수 있다. 예를 들어, 공간 폴리곤은 특정 공간에 대한 지리적 특성을 3차원 공간에서 표현하기 위해 사용될 수 있다.
예를 들어, 공간 연결 매트릭스의 크기는 (N+1)(N+1) 행렬로 결정될 수 있다. 공간 연결 매트릭스의 각각의 행과 열은 N개의 공간과 상기 외부 공간을 나타낼 수 있다. 공간 연결 매트릭스에서 주 대각선 상의 원소(element)는 디폴트 값으로 결정될 수 있다. 공간 연결 매트릭스에서 주 대각선 상의 원소 이외의 원소는 0 값 또는 1 값으로 결정될 수 있다. 0 값은 해당 행을 나타내는 공간과 해당 열을 나타내는 공간 사이에 출입문이 비존재함을 나타낼 수 있다. 1 값은 해당 행을 나타내는 공간과 해당 열을 나타내는 공간 사이에 출입문이 존재함을 나타낼 수 있다.
도 5를 참조하면, 공간 시멘틱 정보를 기반으로 생성된 공간 맵으로부터 각 공간에 대한 공간 폴리곤 정보, 공간에 연결된 출입문 객체 정보 및 외부 공간에 대한 정보가 추출될 수 있다. 공간 맵은 제1 공간 폴리곤 내지 제3 공간 폴리곤, 제1 출입문 객체 내지 제3 출입문 객체 및 외부 공간을 포함할 수 있다. 예를 들어, 공간 맵은 메타버스로 구현되는 건물의 하나의 층 또는 건물의 일정 공간을 나타낼 수 있다. 이때, 외부 공간은 숫자 0으로, 제1 공간 폴리곤 내지 제3 공간 폴리곤은 숫자 1 내지 숫자 3으로 표현될 수 있다. 제1 출입문 객체 내지 제3 출입문 객체는 숫자 0 내지 숫자 3으로 표현될 수 있다. 이때, 외부 공간 또한 하나의 공간으로 인식될 수 있고, 외부 공간의 외곽선을 나타내는 폴리곤은 생략될 수 있다. 예를 들어, 제1 공간 폴리곤 내지 제3 공간 폴리곤 각각은 시계 방향의 네 개의 벡터로 정의될 수 있다. 예를 들어, 제1 공간 폴리곤 내지 제3 공간 폴리곤 각각에 대해 시계 방향의 네 개의 벡터를 기반으로 해당 공간에 대한 네 개의 모서리 좌표가 결정될 수 있다. 예를 들어, 제1 출입문 객체 내지 제3 출입문 객체는 시계 방향의 벡터로 정의될 수 있다. 제1 출입문 객체 내지 제3 출입문 객체 각각에 대해 시계 방향의 벡터를 기반으로 해당 출입문 객체의 시작점 좌표, 해당 출입문 객체의 중심점 좌표 및 해당 출입문 객체의 끝점 좌표가 결정될 수 있다.
예를 들어, 도 5와 같이, 공간 시멘틱 정보를 기반으로 생성된 공간 맵으로부터 공간 연결 매트릭스가 생성될 수 있다. 공간 연결 매트릭스는 외부 공간, 제1 공간 내지 제3 공간으로 구성된 행과 열을 포함할 수 있다. 예를 들어, 공간 연결 매트릭스의 크기는 4x4 행렬일 수 있다. 공간 연결 매트릭스의 주 대각선 상의 원소들은 디폴트 값으로 설정될 수 있다. 공간 연결 매트릭스의 주 대각선 상의 원소들 이외의 원소는 0 또는 1 값을 가질 수 있다. 이때, 제1 공간과 제3 공간 사이에 출입문이 존재하므로, (2,4), (4,2)의 값이 1로 결정될 수 있다. 제2 공간과 제3 공간 사이에 출입문이 존재하므로, (3,4), (4,3)의 값이 1로 결정될 수 있다. 외부 공간과 제3 공간 사이에 출입문이 존재하므로, (1,4), (4,1)의 값이 1로 결정될 수 있다. 그리고, 공간 연결 매트릭스의 주 대각선 상의 원소들 이외의 원소 중에서 나머지 요소의 값은 해당 행을 나타내는 공간과 해당 열을 나타내는 공간 사이에 출입문이 비존재하므로 0으로 결정될 수 있다.
예를 들어, 도 5와 같이, 공간 폴리곤 정보, 출입문 객체 정보 및 공간 연결 매트릭스에 기반하여 공간과 출입문을 연결하는 다이어그램이 생성될 수 있다.
단계 S420에서, 클라이언트 단말은 공간 시멘틱 정보를 기반으로 메타버스를 구성하는 N개의 공간 폴리곤 각각에 대해 아바타를 기준으로 하는 복수의 제1 삼각형의 면적 값을 계산할 수 있다.
예를 들어, 복수의 제1 삼각형은 공간 폴리곤에 포함된 버텍스(vertex) 2개와 아바타의 위치로 구성된 삼각형을 포함할 수 있다. 예를 들어, 해당 공간 폴리곤이 사각형의 공간 폴리곤으로 네 개의 버텍스인 1, 2, 3, 4로 구성된 경우, 해당 공간 폴리곤에 대한 아바타를 기준으로 하는 복수의 제1 삼각형은 (1, 2, C)로 구성된 삼각형, (2, 3, C)로 구성된 삼각형, (3, 4, C)로 구성된 삼각형 및 (4, 1, C)로 구성된 삼각형을 포함할 수 있다. 이때, 복수의 제1 삼각형의 면적 값을 합산한 값이 양수인 경우, 클라이언트 단말은 해당 공간 폴리곤을 아바타가 배치된 제1 공간 폴리곤으로 결정할 수 있다.
단계 S430에서, 클라이언트 단말은 N개의 공간 폴리곤 중에서 복수의 제1 삼각형의 면적 값의 합이 양수인 공간 폴리곤을 아바타가 배치된 제1 공간 폴리곤으로 결정할 수 있다.
단계 S440에서, 클라이언트 단말은 공간 시멘틱 정보를 기반으로 아바타의 이동에 따라 제1 공간 폴리곤에 연결된 출입문 객체와 아바타 사이의 거리가 오프셋 값 이내 인지 여부를 결정할 수 있다.
예를 들어, 제1 공간 폴리곤에 연결된 출입문 객체와 아바타 사이의 거리는 해당 출입문 객체의 중심점과 아바타의 위치 좌표 사이의 거리로 결정될 수 있다.
예를 들어, 제1 공간 폴리곤에 연결된 출입문 객체가 복수 개인 경우, 클라이언트 단말은 공간 시멘틱 정보를 기반으로 아바타의 이동에 따라 제1 공간 폴리곤에 연결된 제1 출입문 객체와 아바타 사이의 거리가 제1 오프셋 값 이내 인지 여부를 결정할 수 있고, 아바타의 이동에 따라 제1 공간 폴리곤에 연결된 제2 출입문 객체와 아바타 사이의 거리가 제2 오프셋 값 이내 인지 여부를 결정할 수 있다.
예를 들어, 오프셋 값은 N개의 공간 각각에 대해 사전 설정될 수 있다.
단계 S450에서, 클라이언트 단말은 출입문 객체와 아바타 사이의 거리가 오프셋 값 이내인 것에 기반하여 제1 공간 폴리곤 내 출입문 객체가 위치한 벽 양 끝단의 모서리 좌표와 아바타의 위치 사이의 제2 삼각형의 면적 값을 계산할 수 있다.
단계 S460에서, 클라이언트 단말은 제2 삼각형의 면적 값이 음수인 것에 기반하여 공간 시멘틱 정보에 포함된 공간 연결 매트릭스(space connectivity matrix)를 통해 아바타가 이동한 제2 공간 폴리곤을 결정할 수 있다.
예를 들어, 클라이언트 단말은 공간 연결 매트릭스에서 해당 출입문 객체에 매칭되는 복수의 원소를 결정하고, 상기 복수의 원소 중에서 클라이언트 단말이 이동한 공간을 결정할 수 있다.
단계 S470에서, 클라이언트 단말은 제2 공간 폴리곤에 대한 정보 및 아바타가 제2 공간 폴리곤으로 이동한 시점을 포함하는 공간 이동 정보를 가상 현실 서버에게 전송할 수 있다.
제2 공간 폴리곤에 대한 정보는 공간 연결 매트릭스에서 제2 공간에 매칭되는 원소의 좌표를 포함할 수 있다. 제2 공간 폴리곤으로 이동한 시점은 제2 삼각형의 면적 값이 양수에서 음수로 변경된 시점일 수 있다.
도 6을 참조하면, 초기 아바타가 배치되는 지점(C)이 메타버스 내 N개의 공간 폴리곤 중에서 어느 공간 폴리곤인지 인식하기 위해서, 클라이언트 단말은 N개의 공간 폴리곤 각각에 대해 현재 아바타를 기준으로 하는 복수의 삼각형 벡터에 대한 면적 값의 합을 계산함으로써, 인-아웃(IN-OUT) 체크를 수행할 수 있다. 복수의 삼각형 벡터에 대한 면적 값의 합이 양수이면, 클라이언트 단말은 복수의 삼각형 벡터에 대한 면적 값의 합이 양수로 계산된 공간 폴리곤 내에 위치한 것으로 결정할 수 있다.
예를 들어, 도 6에서, 공간 폴리곤에 대해 시계 방향 순서가 기준 방향으로 유지될 수 있고, 2개의 공간은 (1, 2, 3, 4)으로 구성된 공간 폴리곤 A 및 (5, 6, 7, 8)으로 구성된 공간 폴리곤 B를 포함할 수 있다.
공간 폴리곤 A에 대한 아바타를 기준으로 하는 복수의 제1 삼각형은 (1, 2, C)로 구성된 삼각형, (2, 3, C)로 구성된 삼각형, (3, 4, C)로 구성된 삼각형 및 (4, 1, C)로 구성된 삼각형을 포함할 수 있다. 공간 폴리곤 B에 대한 아바타를 기준으로 하는 복수의 제1 삼각형은 (5, 6, C)로 구성된 삼각형, (6, 7, C)로 구성된 삼각형, (7, 8, C)로 구성된 삼각형 및 (8, 5, C)로 구성된 삼각형을 포함할 수 있다. 이때, 클라이언트 단말은 복수의 제1 삼각형의 면적 값을 합산한 값이 양수인 공간 폴리곤을 아바타가 배치된 제1 공간 폴리곤으로 결정할 수 있다. 면적 값은 적분을 통해 계산될 수 있다.
또는, 예를 들어, 클라이언트 단말은 아바타의 초기 위치를 인식하기 위해 공간 폴리곤 A를 구성하는 버텍스를 이용한 법선 벡터와 현재 아바타의 위치에 대한 방향 벡터를 내적 연산한 제1 내적 값 및 공간 폴리곤 B를 구성하는 버텍스를 이용한 법선 벡터와 현재 아바타의 위치에 대한 방향 벡터를 내적 연산한 제2 내적 값을 계산할 수 있다. 클라이언트 단말은 제1 내적 값이 양수인 것에 기반하여 제1 공간 폴리곤에 아바타가 위치한 것으로 결정할 수 있다.
예를 들어, 현재 제1 공간 폴리곤 내에서 아바타가 이동할 때, 클라이언트 단말은 제1 공간 폴리곤과 연결된 출입문 객체(D)를 공간 연결 매트릭스를 기반으로 결정할 수 있다. 이때, 클라이언트 단말은 출입문 객체(D)의 중심점과 현재 아바타의 위치(C) 사이의 거리를 계산할 수 있다. 클라이언트 단말은 출입문 객체(D)의 중심점과 현재 아바타의 위치(C) 사이의 거리가 제1 공간 폴리곤에 설정된 오프셋 값(d)을 초과하는 경우에는 아바타의 공간 이동이 없는 것으로 결정할 수 있다.
예를 들어, 출입문 객체(D)의 중심점과 현재 아바타의 위치(C) 사이의 거리가 제1 공간 폴리곤에 설정된 오프셋 값(d) 이하인 경우, 클라이언트 단말은 아바타가 출입문 객체(D)에 근접한 제1 공간 폴리곤의 벽 쪽 버텍스(1과 4)와 아바타의 위치(C)로 이루어진 삼각형의 면적을 계산할 수 있다. 이때, 삼각형의 면적이 양수인 경우, 클라이언트 단말은 아바타가 현재 제1 공간 폴리곤에 위치한 것으로 결정할 수 있다. 이때, 삼각형 벡터 값이 음수로 변경되는 경우, 클라이언트 단말은 아바타가 출입문 객체(D)을 통해 다른 공간으로 이동한 것으로 결정할 수 있다. 클라이언트 단말은 공간 연결 매트릭스를 통해 아바타가 이동한 공간을 제2 공간 폴리곤으로 결정할 수 있다.
이러한 과정을 반복 수행함으로써, 클라이언트 단말은 아바타가 이동하는 공간을 추적할 수 있다. 즉, 아바타가 이동하는 공간을 추적하기 위한 컴퓨팅이 클라이언트 단말에서 수행되기 때문에, 가상 현실 서버의 컴퓨팅 부하가 최소화될 수 있다. 이때, 아바타가 이동하는 공간을 추적하기 위한 공간 시멘틱 정보는 가상 현실 서버로부터 클라이언트 단말에게 사전에 제공될 수 있다.
또한, 아바타가 특정 공간에서 인접한 공간으로 이동하는 순간이 삼각형 면적이 양수에서 음수로 변하는 시점으로 결정되기 때문에, 아바타의 공간 입장과 퇴장 시점을 정확하게 파악할 수 있다.
일 실시예에 따라, 공간 시멘틱 정보는 BIM(building information modeling) 정보 및 기본 설정 정보에 기반하여 뉴럴 네트워크(neural network)를 이용하는 공간 네트워크 설정 모델을 통해 결정될 수 있다.
예를 들어, 가상 현실 서버는 외부 장치로부터 BIM 정보를 수신할 수 있다. 또는, BIM 정보가 가상 현실 서버에 입력될 수 있다. BIM 정보는 건물의 외부 형태에 대한 정보, 건물의 내부 형태에 대한 정보, 건물의 크기에 대한 정보 및 건물의 구성 요소에 대한 정보를 포함할 수 있다. 건물의 구성 요소에 대한 정보는 건물을 구성하는 다양한 요소들에 대한 정보이며, 출입문, 창문, 벽, 계단 등과 같은 구성 요소의 형태, 크기 및 재질 정보를 포함할 수 있다.
예를 들어, 기본 설정 정보는 가상 현실 서버에 사전 설정될 수 있다. 기본 설정 정보는 공간 시멘틱 정보를 구성하기 위한 기본적인 설정에 대한 정보일 수 있다. 예를 들어, 기본 설정 정보는 공간을 인식하기 위한 기준 방향과 공간 시멘틱 정보에 대한 최소 용량을 포함할 수 있다.
예를 들어, BIM 정보에 대한 데이터 전처리를 통해, 각각의 공간에 대한 복수의 좌표 값, 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 복수의 좌표 값 및 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 속성 값으로 구성되는 공간 벡터가 생성될 수 있다.
각각의 공간에 대한 복수의 좌표 값은 건물에 포함된 복수의 공간 각각의 크기 및 형태를 나타내기 위한 복수의 좌표 값을 포함할 수 있다. 예를 들어, 건물에 포함된 복수의 공간이 N개인 경우, N개의 공간 각각을 나타내기 위한 좌표 값일 수 있다. 예를 들어, N개의 공간 각각은 2차원 공간 맵에서 사각형의 형태로 표현될 수 있고, 각각의 공간에 대한 복수의 좌표 값은 2차원 공간 맵에서 사각형의 네 개의 모서리에 대한 좌표 값을 포함할 수 있다. 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 복수의 좌표 값은 각각의 공간에 포함된 적어도 하나의 구성 요소의 크기 및 형태를 나타내기 위한 복수의 좌표 값을 포함할 수 있다. 예를 들어, 적어도 하나의 구성 요소는 직선, 삼각형 및 사각형으로 단순화하여 표현될 수 있다. 예를 들어, 직선의 경우, 중간점의 좌표와 양 끝점의 좌표로 표현될 수 있다. 삼각형의 경우, 세 꼭짓점의 좌표로 표현될 수 있다. 사각형의 경우, 네 꼭짓점의 좌표로 표현될 수 있다. 예를 들어, 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 복수의 좌표 값은 2차원 공간 맵에서 적어도 하나의 구성 요소가 표현되는 복수의 좌표 값을 포함할 수 있다. 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 속성 값은 구성 요소가 어떠한 속성을 나타내는지 식별하기 위한 값일 수 있다. 예를 들어, 복수의 속성에 대한 값이 가상 현실 서버에 사전 저장될 수 있다. 예를 들어, 출입문의 경우에는 속성 값은 (1, 3)을 가질 수 있다. 여기서, 1은 출입문을 나타내는 값이고, 3은 계층 구조에서 세 번째 계층에 위치한 것을 의미할 수 있다. 벽의 경우에는 속성 값은 (2, 2)를 가질 수 있다. 여기서, 2는 벽을 나타내는 값이고, 2는 계층 구조에서 두 번째 계층에 위치한 것을 의미할 수 있다. 이와 같이, 다양한 구성 요소에 대해 속성 값이 정의될 수 있다. 또한, 속성 값 사이의 상하 연결 관계가 가상 현실 서버에 사전 저장될 수 있다.
예를 들어, 기본 설정 정보에 대한 데이터 전처리를 통해 기준 방향에 대한 값 및 최소 용량에 대한 값으로 구성된 기본 설정 벡터가 생성될 수 있다. 기준 방향에 대한 값은 시계 방향인 경우 1 값으로 설정되고, 반시계 방향인 경우 2 값으로 설정될 수 있다. 최소 용량에 대한 값은 메가 바이트의 단위로 나타낼 수 있다.
예를 들어, 가상 현실 서버는 공간 벡터 및 기본 설정 벡터가 공간 네트워크 설정 모델에 입력시킴으로써, 공간 시멘틱 정보를 획득할 수 있다.
예를 들어, 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함할 수 있다. 복수의 공간 벡터, 복수의 기본 설정 벡터 및 복수의 정답 공간 시멘틱 정보로 구성된 각각의 학습 데이터는 뉴럴 네트워크의 입력 레이어에 입력되어 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 뉴럴 네트워크의 파라미터는 손실 값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 학습 데이터로 사용되는 하나의 공간 벡터 및 하나의 기본 설정 벡터는 하나의 정답 공간 시멘틱 정보와 하나의 세트로 구성될 수 있다. 예를 들어, 복수의 세트가 가상 현실 서버에 사전 저장될 수 있다.
예를 들어, 정답 공간 시멘틱 정보는 공간 벡터에 포함된 복수의 공간 각각을 형상화하기 위한 공간 폴리곤 정보, 외부 공간에 대한 정보, 복수의 공간과 연결되는 출입문을 나타내는 출입문 객체 정보 및 각각의 공간 사이의 연결성을 나타내는 공간 연결 매트릭스를 포함할 수 있다.
도 7은 일 실시예에 따른 공간 네트워크 설정 모델에 대한 예이다. 도 7의 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 7을 참조하면, 공간 네트워크 설정 모델은 GRU(gated recurrent unit) 기반 뉴럴 네트워크를 이용한 모델일 수 있다. 여기서, GRU는 RNN(recurrent neural network)를 변형시킨 모델일 수 있다. RNN은 과거 관측 값에 의존하는 구조이므로, 기울기가 소실(vanishing gradient)되거나 기울기가 매우 큰 값(exploding gradient)을 가지게 되는 문제가 발생할 수 있다. 이를 해결하기 위한 모델이 LSTM(long short term memory networks)이며, LSTM 내부의 노드는 메모리 셀로 대체함으로써, 정보를 축적하거나 과거 정보의 일부를 삭제가 가능하며, 상기 RNN의 문제를 보완할 수 있다. 이러한 LSTM의 구조를 간결하게 변형하여 속도를 개선한 모델이 GRU이다.
GRU 기반 뉴럴 네트워크는 입력 레이어(710), 하나 이상의 히든 레이어(720) 및 출력 레이어(730)을 포함할 수 있다.
구체적으로, 상기 하나 이상의 히든 레이어(720)는 하나 이상의 GRU 블록을 포함하고, 하나의 GRU 블록은 리셋 게이트(reset gate)와 업데이트 게이트(update gate)를 포함할 수 있다. 여기서, 리셋 게이트와 업데이트 게이트는 시그모이드 레이어를 포함할 수 있다. 예를 들어, 시그모이드 레이어는 시그모이드 함수()가 활성화 함수인 레이어일 수 있다. 예를 들어, 리셋 게이트 및 업데이트 게이트를 통해 히든 스테이트가 제어되고, 각 게이트와 입력에 따른 가중치들이 존재할 수 있다.
리셋 게이트는 과거의 정보를 리셋시키며, 이전 히든 레이어를 거쳐 도출된 가중치 r(t)는 수학식 1에 의해 결정될 수 있다.
예를 들어, 복수의 공간 벡터 및 복수의 기본 설정 벡터가 상기 입력 레이어에 입력되고, 상기 리셋 게이트는 복수의 공간 벡터 및 복수의 기본 설정 벡터를 기반으로 생성된 현재 시점의 입력 값(xt)이 입력되면 현재 시점의 가중치 Wr와 내적하고, 복수의 공간 벡터 및 복수의 기본 설정 벡터를 기반으로 생성된, 이전 시점의 히든 스테이트(h(t-1))를 이전 시점의 가중치 Ur와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력되어 결과가 0과 1 사이의 값으로 출력될 수 있다. 이러한 0과 1 사이의 값을 통해 이전 시점의 히든 스테이트 값을 얼마나 활용할 것인지 결정될 수 있다.
업데이트 게이트는 과거와 현재의 정보에 대한 최신화 비율을 결정하며, z(t)는 현재 시점의 정보의 양으로, 수학식 2에 의해 결정될 수 있다.
예를 들어, 상기 현재 시점의 입력 값(xt)가 입력되면 현재 시점의 가중치 Wz와 내적하고, 상기 이전 시점의 히든 스테이트(h(t-1))는 이전 시점의 가중치 Uz와 내적하고, 마지막으로 두 값을 합하여 시그모이드 함수에 입력됨으로써 결과가 0과 1 사이의 값으로 출력될 수 있다. 그리고 1-z(t)를 직전 시점의 히든 레이어의 정보(h(t-1))에 곱할 수 있다.
이를 통해, z(t)는 현재 정보를 얼마나 사용할 지와 1-z(t)를 과거 정보에 대해 얼마나 사용할지를 반영할 수 있다.
리셋 게이트의 결과를 곱하여 현재 시점 t의 정보 후보군이 수학식 3에 의해 결정될 수 있다.
예를 들어, 상기 현재 시점의 입력 값(xt)가 입력되면 현재 시점의 가중치 Wh와 내적한 값과, 상기 이전 시점의 히든 스테이트(h(t-1))는 이전 시점의 가중치 Uh와 내적하고, r(t)를 곱한 값을 합하여 tanh 함수에 입력될 수 있다. 예를 들어, tanh는 비선형 활성화 함수(하이퍼볼릭 탄젠트 함수)를 의미한다.
업데이트 게이트와 후보군의 결과를 결합함으로써, 현재 시점의 히든 레이어의 가중치를 수학식 4에 의해 결정할 수 있다.
예를 들어, 업데이트 게이트의 출력 값 z(t)와 현재 시점의 히든 스테이트(h(t))를 곱한 값과 업데이트 게이트에서 버려지는 값 1-z(t)와 이전 시점의 히든 스테이트(h(t-1))을 곱한 값의 합으로 현재 시점의 히든 레이어의 가중치가 결정될 수 있다.
예를 들어, GRU 기반 뉴럴 네트워크에 대한 가중치 초기화는, 각각의 레이어에 대해, 해당 레이어로 입력되는 입력 값의 개수와 해당 레이어에서 출력되는 출력 값의 개수를 합한 값을 나눈 가중치를 기반으로 수행될 수 있다. 따라서, 가중치의 시작 시점이 적절한 범위 내의 값으로 설정될 수 있다.
상술한 과정을 통해, 학습된 GRU 기반 뉴럴 네트워크의 파라미터가 공간 네트워크 설정 모델에 사용될 수 있다.
부가적으로, 일 실시예에 따르면, 클라이언트 단말은 샌드박스 설정 정보에 기반하여 가상 경험 프로그램이 저장된 내부 메모리에 샌드박스 영역을 설정할 수 있다. 여기서, 가상 경험 프로그램은 가상 현실 서버가 구현한 메타버스에 접속하기 위한 프로그램일 수 있다. 샌드박스 설정 정보에 기반하여 가상 경험 프로그램과 관련된 데이터가 하드 디스크 내 저장 공간을 독립적으로 구성되고, 클라이언트 단말은 해당 저장 공간을 격리하여 관리할 수 있다.
샌드박스(sandbox)는 테스트되지 않은 코드 변경 및 실험을 격리하는 테스트 환경을 제공하는 기술을 보안에 활용하는 기술이다. 일반적으로 샌드박스는 컴퓨터 보안에서 샌드박스는 일반적으로 시스템 오류 및/또는 소프트웨어 취약성이 확산되는 것을 완화하기 위해 실행 중인 프로그램을 분리하기 위한 보안 메커니즘이다. 샌드박스는 하드 디스크 및 메모리 스크래치 공간과 같이 게스트 프로그램이 실행할 수 있도록 엄격하게 제어되는 리소스 세트를 제공할 수 있다. 이때, 네트워크 액세스, 호스트 시스템을 검사하는 기능 또는 입력 장치에서 읽는 기능은 일반적으로 허용되지 않거나 크게 제한될 수 있다. 이렇게 통제된 환경을 제공한다는 의미에서 샌드박스는 가상화의 구체적인 예로 볼 수 있다. 샌드박스는 소프트웨어가 호스트 장치를 손상시키지 않으면서 바이러스 또는 기타 악성 코드를 포함할 수 있는 확인되지 않은 프로그램을 테스트하는 데 사용될 수 있다. 예를 들어, 클라이언트 단말이 네트워크와 연결되어 사용할 때 다양한 경로로 악성코드나 멀웨어(malware)가 사용자의 컴퓨터에 설치될 수 있다. 이를 가상화 된 영역인 샌드박스에 국한되도록 함으로써 용이하게 감염 여부를 판단할 수 있고, 다른 곳으로 파급되지 않도록 할 수 있다. 즉, 외부 프로그램으로부터 보호되는 영역을 설정하고, 보호되는 영역 내에 설치된 프로그램을 동작시킬 수 있다. 따라서, 보호되는 영역은 다른 파일이나 프로세스로부터 격리됨으로써, 외부 프로그램으로부터의 침입이 차단될 수 있다.
이때, 샌드박스의 기술적 특징을 반대로 이용하여, 클라이언트 단말이 가상 현실 서버에 접속하기 위해 네트워크를 사용할 때 샌드박스 내의 응용 프로그램만이 해당 네트워크에 접근하도록 구성될 수 있다. 예를 들어, 클라이언트 단말이 샌드박스가 설정된 가상 경험 프로그램을 실행할 때, 외부 프로그램의 접근이 차단될 수 있다. 또한, 예를 들어, 샌드박스가 설정된 영역에 대해 허용된 프로그램에 대해서만 접근이 가능하도록 구성될 수 있다. 이에 따라, 샌드박스가 설정된 영역 내부에서 실행되는 가상 경험 프로그램에 대해 보안 기능을 제공할 수 있다.
예를 들어, 클라이언트 단말이 가상 현실 서버에게 메타버스에 대한 접속 요청을 전송한 경우, 가상 현실 서버는 클라이언트 단말에게 클라이언트 단말과 관련된 정보를 요청할 수 있다. 클라이언트 단말은 가상 현실 서버에게 클라이언트 단말과 관련된 정보를 전송한 경우, 클라이언트 단말은 샌드박스 설정 정보를 가상 현실 서버로부터 수신할 수 있다.
예를 들어, 샌드박스 설정 정보는 샌드박스 영역에 대한 메모리 공간의 크기를 포함할 수 있다. 샌드박스 설정 정보는 제2 뉴럴 네트워크를 이용하는 샌드박스 영역 설정 모델을 통해 결정될 수 있다. 예를 들어, 가상 현실 서버는 클라이언트 단말과 관련된 정보에 기반하여 정보는 제2 뉴럴 네트워크를 이용하는 샌드박스 영역 설정 모델을 통해 샌드박스 설정 정보를 결정할 수 있다.
예를 들어, 클라이언트 단말과 관련된 정보는 클라이언트 단말의 능력에 대한 정보, 가상 경험 프로그램에 대한 정보, 가상 현실 서버와 인증 절차를 수행하기 위한 정보를 포함할 수 있다. 예를 들어, 가상 현실 서버는 클라이언트 단말로부터 클라이언트 단말과 관련된 정보를 수신할 수 있다 클라이언트 단말의 능력에 대한 정보는 클라이언트 단말의 프로세서에 대한 정보 및 클라이언트 단말의 메모리에 대한 정보를 포함할 수 있다. 클라이언트 단말의 가상 경험 프로그램에 대한 정보는 가상 경험 프로그램의 버전, 가상 경험 프로그램의 용량 및 가상 경험 프로그램의 저장 위치 및 가상 경험 프로그램의 실행 권한을 포함할 수 있다. 가상 현실 서버와 인증 절차를 수행하기 위한 정보는 가상 현실 서버와 인증 절차에 필요한 인증의 종류 및 가상 현실 서버와 인증 절차를 수행하기 위해 필요한 용량을 포함할 수 있다.
예를 들어, 클라이언트 단말과 관련된 정보에 대한 데이터 전처리를 통해 단말 벡터가 생성될 수 있다. 단말 벡터는 프로세서의 클럭 속도, 프로세서의 코어 수, 프로세서의 스레드 수, 프로세서의 캐시 크기, 메모리의 디스크 전송률, 메모리의 지연시간, 메모리의 용량, 가상 경험 프로그램의 용량, 인증 절차와 관련된 용량을 포함할 수 있다. 프로세서의 클럭 속도는 클라이언트 단말의 프로세서의 클럭 속도이고, 클럭 속도는 초당 처리할 수 있는 명령어의 수일 수 있다. 프로세서의 코어 수는 클라이언트 단말의 프로세서의 코어 수이고, 코어의 수는 동시에 처리할 수 있는 작업의 수를 나타낼 수 있다. 프로세서의 스레드의 수는 클라이언트 단말의 프로세서의 스레드 수이고, 스레드의 수는 동시에 실행되는 프로세스의 작은 단위의 수일 수 있다. 각 코어 당 여러 개의 스레드를 지원할 수 있다. 프로세서의 캐시 크기는 클라이언트 단말의 프로세서의 캐시 크기이다. 메모리의 디스크 전송률은 클라이언트 단말의 메모리(예: 하드디스크)의 디스크 전송률이고, 데이터를 읽거나 쓰는 속도를 나타내며, 초당 전송되는 데이터의 양일 수 있다. 메모리의 지연시간은 클라이언트 단말의 메모리의 지연 시간이고, 데이터를 읽거나 쓰기 위해 기다리는 시간일 수 있다. 메모리의 용량은 클라이언트 단말의 메모리의 용량일 수 있다. 가상 경험 프로그램의 용량은 클라이언트 단말에 설치된 가상 경험 프로그램의 용량일 수 있다. 인증 절차와 관련된 용량은 인증 절차에 포함된 복수의 인증 과정 각각에 필요한 용량을 포함할 수 있다.
예를 들어, 제2 뉴럴 네트워크는 제2 입력 레이어, 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 포함할 수 있다. 예를 들어, 제2 뉴럴 네트워크는 상술한 GRU 모델 기반의 네트워크일 수 있다. 예를 들어, 복수의 단말 벡터 및 복수의 정답 샌드박스 영역에 대한 메모리 공간의 크기로 구성된 각각의 학습 데이터를 이용하여 학습될 수 있다. 복수의 단말 벡터 및 복수의 정답 샌드박스 영역에 대한 메모리 공간의 크기로 구성된 각각의 학습 데이터는 제2 뉴럴 네트워크의 제2 입력 레이어에 입력되어 하나 이상의 제2 히든 레이어 및 제2 출력 레이어를 통과하여 제2 출력 벡터로 출력되고, 제2 출력 벡터는 제2 출력 레이어에 연결된 제2 손실함수 레이어에 입력되고, 제2 손실함수 레이어는 제2 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 제2 손실함수를 이용하여 제2 손실 값을 출력하고, 상기 제1 뉴럴 네트워크의 파라미터가 상기 제2 손실 값이 작아지는 방향으로 학습될 수 있다.
예를 들어, 단말 벡터가 샌드박스 영역 설정 모델에 입력되면, 샌드박스 영역에 대한 메모리 공간의 크기가 출력될 수 있다.
예를 들어, 학습 데이터로 사용되는 복수의 단말 벡터 및 복수의 정답 샌드박스 영역에 대한 메모리 공간의 크기는 하나의 단말 벡터와 하나의 정답 샌드박스 영역에 대한 메모리 공간의 크기가 하나의 세트로 구성될 수 있다. 예를 들어, 복수 개의 세트가 서버에 사전 저장될 수 있다. 복수 개의 세트는 주기적으로 업데이트될 수 있다. 이를 통해, 샌드박스 영역 설정 모델에 대해 서로 다른 클라이언트 단말의 사양, 서로 다른 가상 경험 프로그램 및 서로 다른 인증 절차에 대해 샌드박스 영역에 대한 메모리 공간의 크기를 결정하도록 학습시킬 수 있다.
부가적으로, 예를 들어, 정답 샌드박스 영역의 메모리 공간의 크기는 하기 수학식 5에 의해 결정될 수 있다.
상기 수학식 5에서, 상기 Msize는 상기 정답 샌드박스 영역의 메모리 공간의 크기이고, 상기 rt는 상기 메모리의 디스크 전송률이고, 상기 tl은 상기 메모리의 지연 시간이고, 상기 vclock은 상기 프로세서의 클럭 속도이고, 상기 nc는 상기 프로세서의 코어 수이고, 상기 nt는 상기 프로세서의 스레드 수이고, 상기 Csize는 상기 프로세서의 캐시 크기이고, 상기 CVR는 상기 가상 경험 프로그램의 용량이고, 상기 n은 상기 인증 절차에 포함된 복수의 인증 과정의 개수이고, 상기 Ci는 i번째 인증 과정에 필요한 용량이고, 상기 Cm은 상기 메모리의 용량이고, 상기 R1은 메모리에 대한 기준 값이고, 상기 R2는 프로세서에 대한 기준 값이고, 상기 Cdef는 메모리 공간의 크기에 대한 기본 값일 수 있다.
예를 들어, 메모리에 대한 기준 값이고, 프로세서에 대한 기준 값 및 메모리 공간의 크기에 대한 기본 값은 클라이언트 단말에 사전 설정될 수 있다. 예를 들어, min 함수는 괄호 안의 두 개의 값 중에서 더 작은 값을 선택하는 함수일 수 있다.
이를 통해, 샌드박스 영역의 메모리 공간의 크기를 항상 동일한 크기로 결정하지 않고, 클라이언트 단말의 사양과 가상 경험 프로그램의 용량, 인증 절차에 따른 용량과 같이 다양한 요인들을 고려하여 샌드박스 영역의 메모리 공간의 크기를 결정하도록 샌드박스 영역 설정 모델을 학습시킬 수 있다.
부가적으로, 일 실시예에 따르면, 가상 현실 서버는 클라이언트 단말과의 통신 상태 및 클라이언트 단말과 관련된 정보를 기반으로 메타버스 내 공간의 개수(예: N 값)를 조절할 수 있다. 예를 들어, 공간의 개수는 하기 수학식 6에 의해 결정될 수 있다.
상기 수학식 6에서, 상기 Nspace는 상기 공간의 개수이고, 상기 wm은 상기 샌드박스 영역에 대한 메모리 공간의 크기에 따른 가중치이고, Nm은 가상 현실 서버에 연결 가능한 클라이언트 단말의 최대 개수이고, 상기 Na은 가상 현실 서버에 연결되는 클라이언트 단말의 평균 개수이고, 상기 tr은 서버에 연결된 클라이언트 단말에 대한 평균 응답시간이고, 상기 tideal은 권장 응답시간이고, 상기 RSRP는 클라이언트 단말의 통신 상태와 관련된 값이고, 상기 RSRPi는 통신 상태와 관련된 값에 대한 권장 값이고, 상기 Nd는 기본 값일 수 있다.
예를 들어, 가상 현실 서버에 연결 가능한 기업 단말의 최대 개수, 권장 응답시간, 통신 상태와 관련된 값에 대한 권장 값 및 기본 값은 상기 서버에 사전 저장된 값일 수 있다. 예를 들어, 가상 현실 서버에 연결된 클라이언트 단말에 대한 평균 응답시간 및 서버에 연결되는 클라이언트 단말의 평균 개수는 사전 설정된 주기마다 측정된 값일 수 있다. RSRP(reference signal received power)는 클라이언트 단말의 통신 상태를 나타내는 값으로, 음의 dB 값을 가질 수 있다. 예를 들어, RSRP의 절대 값이 클수록, 클라이언트 단말의 통신 상태가 불량한 것으로 결정될 수 있다.
예를 들어, 샌드박스 영역에 대한 메모리 공간의 크기에 따른 가중치는 샌드박스 영역에 대한 메모리 공간의 크기가 기준 크기보다 클수록 큰 값으로 설정될 수 있다. 샌드박스 영역에 대한 메모리 공간의 크기에 따른 가중치는 샌드박스 영역에 대한 메모리 공간의 크기가 기준 크기보다 작을수록 작은 값으로 설정될 수 있다. 가중치는 0.8에서 1.2 사이의 값을 가질 수 있다.
예를 들어, ceil 함수는 괄호 안의 값에서 소수점 자리를 생략하고, 다음 정수 값으로 결정하는 함수이며, 올림 함수일 수 있다.
이를 통해, 가상 현실 서버는 클라이언트 단말의 능력 뿐만 아니라 서버의 성능, 클라이언트 단말과의 통신 상태를 고려하여 공간의 개수를 조정함으로써, 복수의 클라이언트 단말들이 동시에 접속하는 상황에서도 서비스를 원활하게 제공할 수 있다.
도 8은 일 실시예에 따른 가상 현실 서버의 구성을 나타내는 블록도이다. 도 8의 일 실시예는 본 개시의 다양한 실시예들과 결합될 수 있다.
도 8에 도시된 바와 같이, 가상 현실 서버(800)는 프로세서(810), 통신부(820) 및 메모리(830)를 포함할 수 있다. 그러나, 도 8에 도시된 구성 요소 모두가 가상 현실 서버(800)의 필수 구성 요소인 것은 아니다. 도 8에 도시된 구성 요소보다 많은 구성 요소에 의해 가상 현실 서버(800)가 구현될 수도 있고, 도 8에 도시된 구성 요소보다 적은 구성 요소에 의해 가상 현실 서버(800)가 구현될 수도 있다. 예를 들어, 일부 실시예에 따른 가상 현실 서버(800)는 프로세서(810), 통신부(820) 및 메모리(830) 이외에 사용자 입력 인터페이스(미도시), 출력부(미도시) 등을 더 포함할 수도 있다.
프로세서(810)는, 통상적으로 가상 현실 서버(800)의 전반적인 동작을 제어한다. 프로세서(810)는 하나 이상의 프로세서를 구비하여, 가상 현실 서버(800)에 포함된 다른 구성 요소들을 제어할 수 있다. 예를 들어, 프로세서(810)는, 메모리(830)에 저장된 프로그램들을 실행함으로써, 통신부(820) 및 메모리(830) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(810)는 메모리(830)에 저장된 프로그램들을 실행함으로써, 도 3 내지 도 8에 기재된 가상 현실 서버(800)의 기능을 수행할 수 있다.
통신부(820)는, 가상 현실 서버(800)가 다른 장치(미도시) 및 서버(미도시)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 가상 현실 서버(800)와 같은 컴퓨팅 장치이거나, 센싱 장치일 수 있으나, 이에 제한되지 않는다. 통신부(820)는 네트워크를 통해, 다른 전자 장치로부터의 사용자 입력을 수신하거나, 외부 장치로부터 외부 장치에 저장된 데이터를 수신할 수 있다.
예를 들어, 통신부(820)는 적어도 하나의 장치와 연결을 확립하기 위한 메시지를 송수신할 수 있다. 통신부(820)는 프로세서(810)에서 생성된 정보를 서버와 연결된 적어도 하나의 장치에게 전송할 수 있다. 통신부(820)는 서버와 연결된 적어도 하나의 장치로부터 정보를 수신할 수 있다. 통신부(820)는 적어도 하나의 장치로부터 수신한 정보에 대응하여, 수신한 정보와 관련된 정보를 전송할 수 있다.
메모리(830)는, 프로세서(810)의 처리 및 제어를 위한 프로그램을 저장할 수 있다. 예를 들어, 메모리(830)는 서버에 입력된 정보 또는 네트워크를 통해 다른 장치로부터 수신된 정보를 저장할 수 있다. 또한, 메모리(830)는 프로세서(810)에서 생성된 데이터를 저장할 수 있다. 메모리(830)는 가상 현실 서버(800)로 입력되거나 가상 현실 서버(800)로부터 출력되는 정보를 저장할 수도 있다.
메모리(830)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (5)

  1. 클라이언트 단말이 공간 시멘틱 정보를 기반으로 메타버스(metaverse) 상에서 아바타의 위치를 추적하는 방법에 있어서,
    가상 현실 서버가 생성한 메타버스에 접속하는 단계;
    상기 가상 현실 서버로부터 공간 시멘틱 정보가 상기 클라이언트 단말에게 전송되고,
    상기 클라이언트 단말이 생성한 아바타가 상기 메타버스에 배치되고,
    상기 공간 시멘틱 정보를 기반으로 상기 메타버스를 구성하는 N개의 공간 폴리곤 각각에 대해 상기 아바타를 기준으로 하는 복수의 제1 삼각형의 면적 값을 적분을 통해 계산하는 단계;
    상기 N개의 공간 폴리곤 중에서 상기 복수의 제1 삼각형의 면적 값을 합산한 값이 양수인 공간 폴리곤을 상기 아바타가 배치된 제1 공간 폴리곤으로 결정하는 단계;
    상기 공간 시멘틱 정보를 기반으로 상기 아바타의 이동에 따라 상기 제1 공간 폴리곤에 연결된 출입문 객체와 상기 아바타 사이의 거리가 오프셋 값 이내 인지 여부를 결정하는 단계;
    상기 출입문 객체와 상기 아바타 사이의 거리가 상기 오프셋 값 이내인 것에 기반하여 상기 제1 공간 폴리곤 내 상기 출입문 객체가 위치한 벽 양 끝단의 모서리 좌표와 상기 아바타의 위치 사이의 제2 삼각형의 면적 값을 적분을 통해 계산하는 단계;
    상기 제2 삼각형의 면적 값이 음수인 것에 기반하여 상기 공간 시멘틱 정보에 포함된 공간 연결 매트릭스(space connectivity matrix)를 통해 상기 아바타가 이동한 제2 공간 폴리곤을 결정하는 단계; 및
    상기 제2 공간 폴리곤에 대한 정보 및 상기 아바타가 상기 제2 공간 폴리곤으로 이동한 시점을 포함하는 공간 이동 정보를 상기 가상 현실 서버에게 전송하는 단계를 포함하고,
    방법.
  2. 제 1항에 있어서,
    상기 공간 시멘틱 정보는 N개의 공간 각각을 형상화하기 위한 공간 폴리곤 정보, 외부 공간에 대한 정보, 상기 N개의 공간과 연결되는 출입문을 나타내는 출입문 객체 정보 및 각각의 공간 사이의 연결성을 나타내는 공간 연결 매트릭스를 포함하고,
    상기 공간 폴리곤 정보는 사전 설정된 방향의 복수의 벡터를 포함하고,
    상기 출입문 객체 정보는 상기 사전 설정된 방향의 벡터를 포함하고,
    상기 외부 공간에 대한 정보는 상기 사전 설정된 방향의 반대 방향의 벡터를 포함하는,
    방법.
  3. 제 2항에 있어서,
    상기 공간 폴리곤 정보에 포함된 상기 사전 설정된 방향의 벡터를 기반으로 해당 공간에 대한 복수의 모서리 좌표가 결정되고,
    상기 출입문 객체 정보에 포함된 상기 사전 설정된 방향의 벡터를 기반으로 해당 출입문 객체의 시작점 좌표, 해당 출입문 객체의 중심점 좌표 및 해당 출입문 객체의 끝점 좌표가 결정되고,
    상기 외부 공간이 하나의 공간으로 인식되고, 및 상기 외부 공간의 외곽선을 구성하는 폴리곤은 생략되는,
    방법.
  4. 제 2항에 있어서,
    상기 공간 연결 매트릭스의 크기는 (N+1)(N+1) 행렬로 결정되고,
    상기 공간 연결 매트릭스의 각각의 행과 열은 상기 N개의 공간과 상기 외부 공간을 나타내고,
    상기 공간 연결 매트릭스에서 주 대각선 상의 원소(element)는 디폴트 값으로 결정되고,
    상기 공간 연결 매트릭스에서 주 대각선 상의 원소 이외의 원소는 0 값 또는 1 값으로 결정되고,
    상기 0 값은 해당 행을 나타내는 공간과 해당 열을 나타내는 공간 사이에 출입문이 비존재함을 나타내고,
    상기 1 값은 해당 행을 나타내는 공간과 해당 열을 나타내는 공간 사이에 출입문이 존재함을 나타내는,
    방법.
  5. 제 4항에 있어서,
    상기 공간 시멘틱 정보는 BIM(building information modeling) 정보 및 기준 정보에 기반하여 뉴럴 네트워크(neural network)를 이용하는 공간 네트워크 설정 모델을 통해 결정되고,
    상기 BIM 정보에 대한 데이터 전처리를 통해, 각각의 공간에 대한 복수의 좌표 값, 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 복수의 좌표 값 및 각각의 공간에 포함된 적어도 하나의 구성 요소에 대한 속성 값으로 구성되는 공간 벡터가 생성되고,
    기본 설정 정보에 대한 데이터 전처리를 통해 기준 방향에 대한 값 및 최소 용량에 대한 값으로 구성된 기본 설정 벡터가 생성되고,
    상기 공간 벡터 및 상기 기본 설정 벡터가 상기 공간 네트워크 설정 모델에 입력되는 것에 기반하여 상기 공간 시멘틱 정보가 출력되고,
    상기 뉴럴 네트워크는 입력 레이어, 하나 이상의 히든 레이어 및 출력 레이어를 포함하고,
    복수의 공간 벡터, 복수의 기본 설정 벡터 및 복수의 정답 공간 시멘틱 정보로 구성된 각각의 학습 데이터는 뉴럴 네트워크의 입력 레이어에 입력되어 하나 이상의 히든 레이어 및 출력 레이어를 통과하여 출력 벡터로 출력되고, 출력 벡터는 출력 레이어에 연결된 손실함수 레이어에 입력되고, 손실함수 레이어는 출력 벡터와 각각의 학습 데이터에 대한 정답 벡터를 비교하는 손실함수를 이용하여 손실 값을 출력하고, 뉴럴 네트워크의 파라미터는 손실 값이 작아지는 방향으로 학습되는,
    방법.
KR1020230114734A 2023-08-30 2023-08-30 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치 KR102602594B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230114734A KR102602594B1 (ko) 2023-08-30 2023-08-30 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230114734A KR102602594B1 (ko) 2023-08-30 2023-08-30 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102602594B1 true KR102602594B1 (ko) 2023-11-16

Family

ID=88964654

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230114734A KR102602594B1 (ko) 2023-08-30 2023-08-30 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102602594B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030018487A (ko) * 2001-08-29 2003-03-06 주식회사 하나엘 영상을 이용한 출입 이동 물체 계수 방법 및 장치
JP2011136001A (ja) * 2009-12-28 2011-07-14 Square Enix Co Ltd ネットワークゲームシステム、及びゲーム装置
KR101632198B1 (ko) * 2015-02-10 2016-07-01 주식회사 일리시스 객체 이동 시간 기반 관심 영역 이벤트 발생 감지 방법
JP2022141296A (ja) * 2021-03-15 2022-09-29 株式会社コナミデジタルエンタテインメント プログラム、情報処理装置、および情報処理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030018487A (ko) * 2001-08-29 2003-03-06 주식회사 하나엘 영상을 이용한 출입 이동 물체 계수 방법 및 장치
JP2011136001A (ja) * 2009-12-28 2011-07-14 Square Enix Co Ltd ネットワークゲームシステム、及びゲーム装置
KR101632198B1 (ko) * 2015-02-10 2016-07-01 주식회사 일리시스 객체 이동 시간 기반 관심 영역 이벤트 발생 감지 방법
JP2022141296A (ja) * 2021-03-15 2022-09-29 株式会社コナミデジタルエンタテインメント プログラム、情報処理装置、および情報処理方法

Similar Documents

Publication Publication Date Title
KR102467890B1 (ko) 뉴럴 네트워크를 이용하여 서버가 도면과 관련된 물품에 대한 정보를 제공하는 방법 및 장치
KR102582594B1 (ko) 뉴럴 네트워크를 이용한 의상 추천 방법 및 장치
KR102421073B1 (ko) 인공지능을 이용하여 인테리어 마감재 템플릿을 제공하는 인테리어 시뮬레이션 시스템
KR102414167B1 (ko) 뉴럴 네트워크를 이용한 패킷 센딩을 통한 보안 방법 및 장치
KR102375587B1 (ko) 헤어 이미지 추천 및 합성 방법 및 장치
KR102576380B1 (ko) 뉴럴 네트워크를 이용하여 rMQR 코드에 날짜가 중첩되어 표기된 상품을 관리하는 방법 및 시스템
KR102602594B1 (ko) 메타버스 상에서 공간 시멘틱 정보를 기반으로 아바타의 위치를 추적하는 방법 및 장치
KR102504950B1 (ko) 뉴럴 네트워크를 이용하여 예측된 상품 판매량을 사용자 단말에게 제공하는 방법 및 장치
KR102476292B1 (ko) 인공지능을 이용하여 차량의 페달 박스 촬영 영상 데이터를 가공하는 블랙박스 관리 시스템
KR20240102788A (ko) 뉴럴 네트워크를 이용하여 온라인 마켓에 대한 접근이 허용되는 셀러 단말에게 상품 정보를 제공하는 방법 및 장치
KR102439212B1 (ko) 학습된 뉴럴 네트워크를 이용하여 온라인상에서 임대차 통합 서비스를 제공하는 시스템
KR20230065135A (ko) 한글의 광학 문자 인식 방법
KR102669159B1 (ko) 거시적 공간상황 인식을 위한 연결 공간 토폴로지를 활용한 인공지능 기반의 연속 이벤트를 추론하는 방법 및 장치
KR102636189B1 (ko) 인공지능 영상 분석과 디지털 트윈 정합을 통한 객체 공간성 인지와 발생 이벤트의 공간-시간 맵 가시화 방법 및 장치
KR102678081B1 (ko) 인공지능 영상 분석 기술을 활용한 영상 공간 커버리지 기반 디지털 트윈 모니터링 시각화 방법 및 장치
KR102530412B1 (ko) 뉴럴 네트워크를 이용하여 메타버스에 생성된 가상 건축물 내에서 미디어아트 조형물을 설치하기 위한 영역을 사용자 단말에게 추천하는 방법 및 장치
KR102575856B1 (ko) 입력 수단의 호환 방법 및 장치
KR102585090B1 (ko) 뉴럴 네트워크를 이용하여 웹툰과 연동된 게임을 사용자 단말에게 제공하는 방법 및 장치
KR102666423B1 (ko) 유휴 공간과 연동된 팝업 스토어를 가상 공간에 생성하는 방법 및 시스템
KR102604762B1 (ko) 뉴럴 네트워크를 이용하여 예측된 배송량에 기반하여 물류 거점에 대한 배송량을 결정하는 방법 및 장치
KR102643021B1 (ko) 뉴럴 네트워크를 기반으로 사용자 단말에게 무단 침입을 자동으로 알리는 방법 및 시스템
KR102602589B1 (ko) 뉴럴 네트워크를 사용하여 오프라인 팝업 스토어와 관련된 정보를 기반으로 메타버스 팝업 스토어를 관리하는 방법 및 장치
KR102689709B1 (ko) 뉴럴 네트워크를 기반으로 무단 침입을 감지하여 적어도 하나의 조명 장치를 자동으로 동작시키는 방법 및 시스템
KR102607631B1 (ko) 인공지능 기반의 농축산물 직거래 플랫폼 서비스 제공 방법 및 시스템
KR102688163B1 (ko) 뉴럴 네트워크를 기반으로 방문 대상을 감지하여 적어도 하나의 음향 출력 장치를 자동으로 동작시키는 방법 및 시스템

Legal Events

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