KR102636002B1 - 음성인식 로봇에 사용되는 사운드 처리방법 - Google Patents

음성인식 로봇에 사용되는 사운드 처리방법 Download PDF

Info

Publication number
KR102636002B1
KR102636002B1 KR1020217016949A KR20217016949A KR102636002B1 KR 102636002 B1 KR102636002 B1 KR 102636002B1 KR 1020217016949 A KR1020217016949 A KR 1020217016949A KR 20217016949 A KR20217016949 A KR 20217016949A KR 102636002 B1 KR102636002 B1 KR 102636002B1
Authority
KR
South Korea
Prior art keywords
sound
robot
obstacle
processing method
section
Prior art date
Application number
KR1020217016949A
Other languages
English (en)
Other versions
KR20220020238A (ko
Inventor
지 환 박
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
Publication of KR20220020238A publication Critical patent/KR20220020238A/ko
Application granted granted Critical
Publication of KR102636002B1 publication Critical patent/KR102636002B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/026—Acoustical sensing devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L21/0232—Processing in the frequency domain
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0272—Voice signal separating
    • G10L21/028—Voice signal separating using properties of sound source
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • G10L25/84—Detection of presence or absence of voice signals for discriminating voice from noise
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/223—Execution procedure of a spoken command
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L2021/02082—Noise filtering the noise being echo, reverberation of the speech
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Acoustics & Sound (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Manipulator (AREA)
  • Automation & Control Theory (AREA)
  • Aviation & Aerospace Engineering (AREA)

Abstract

음성인식 로봇에 사용되는 사운드 처리방법을 개시한다. 사운드 처리방법은, 로봇이 주행경로에 존재하는 장애물을 인식하는 단계; 상기 로봇이 상기 장애물까지의 주행거리를 계산하는 단계; 상기 로봇이 주행속도를 계산하는 단계; 및 상기 로봇이 상기 장애물 통과로 인한 충격으로 발생하는 돌발 사운드(transient sound)의 발생시점을 판단하는 단계를 포함하고, 상기 돌발 사운드 발생시점은, 상기 로봇이 상기 장애물까지의 주행거리 및 주행속도로부터 판단할 수 있다. 로봇은 5G(Generation) 통신에 따라 구축된 이동 통신망 상에서 무선신호를 송수신할 수 있다.

Description

음성인식 로봇에 사용되는 사운드 처리방법
실시예는, 자율주행이 가능한 음성인식 로봇에 사용되는 사운드 처리방법에 관한 것이다.
이 부분에 기술된 내용은 단순히 실시예에 대한 배경 정보를 제공할 뿐 종래기술을 구성하는 것은 아니다.
기술이 발달함에 따라 최근 많은 분야에서 음성 인식 기술을 적용한 각종 서비스들이 소개되고 있다. 음성 인식 기술은 사람이 발성하는 음성을 이해하여 컴퓨터가 다룰 수 있는 문자 정보로 변환하는 일련의 과정이라 할 수 있으며, 음성 인식 기술을 이용하는 음성 인식 서비스는 사용자의 음성을 인식하고 이에 해당하는 적합한 서비스를 제공하는 일련의 과정을 포함할 수 있다.
한편, 사용자의 편의를 위해 제공되는 다양한 로봇에 음성인식 기술이 적용되고, 사용자의 음성명령을 로봇이 인식하여 명령을 수행하는 기술의 개발이 활발하게 연구되고 있다.
자율주행이 가능한 음성인식 로봇의 경우, 주행 중 만나는 장애물을 통과하는 경우, 로봇이 충격을 받을 수 있고, 이러한 충격으로 인해 시간간격이 짧고, 강도가 큰 돌발 사운드(transient sound)가 발생할 수 있다.
이러한 돌발 사운드로 인해, 로봇은 사용자의 음성인식을 방해받을 수 있고, 결국, 로봇의 음성인식 성능이 저하될 수 있다. 이에 대한 해결방안이 요구된다.
미국 공개특허 US 2018/0350379 A1에서는 멀티채널 마이크로 입력되는 신호로부터 음성을 인식하기 위한 전처리 방법이 개시된다. 그러나, 선행기술에서는 자율주행하는 음성인식 로봇이 장애물을 통과할 때 발생하는 돌발 사운드에 대한 대처방안은 개시되지 않는다.
미국 공개특허 US 2012/0095761 A1에서는 예측 가능한 자기소음(ego noise)로 인한 음성인식 성능 저하에 대한 대처방안을 개시한다. 그러나, 마찬가지로 선행기술에서는 자율주행하는 음성인식 로봇이 장애물을 통과할 때 발생하는 돌발 사운드에 대한 대처방안은 개시되지 않는다.
실시예에서 해결하고자 하는 일 과제는 자율주행하는 로봇이 장애물을 통과할 때 발생하는 돌발 사운드의 존재구간 즉, 발생시점에서 종료시점까지의 구간을 정확히 측정하는 방안을 제시하는 것이다.
실시예의 또 다른 과제는 돌발 사운드가 로봇의 음성인식 성능에 영향을 미치는 경우에 효과적으로 대처할 수 있는 방안을 제시하는 것이다.
실시예의 또 다른 과제는 로봇이 입력받는 돌발 사운드로 인해 로봇의 음성인식이 저하되는 경우에 효과적으로 대처할 수 있는 방안을 제시하는 것이다.
실시예가 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 실시예가 속하는 기술분야에서 통상의 지식을 가진자에게 명확하게 이해될 수 있을 것이다.
전술한 과제를 달성하기 위해, 로봇은 주행 중 장애물을 인식하면, 현재 자신의 위치에서 장애물까지 주행하는데 걸리는 시간을 파악하여 돌발 사운드의 발생시점을 파악할 수 있다.
돌발 사운드의 발생시점을 파악하는 방법은, 로봇이 주행경로에 존재하는 장애물을 인식하는 단계, 로봇이 장애물까지의 주행거리를 계산하는 단계, 로봇이 주행속도를 계산하는 단계, 및 로봇이 장애물 통과로 인한 충격으로 발생하는 돌발 사운드(transient sound)의 발생시점을 판단하는 단계를 포함할 수 있다.
돌발 사운드 발생시점은 로봇이 장애물까지의 주행거리 및 주행속도로부터 판단할 수 있다.
로봇은, 장착된 카메라로 장애물을 인식하고, 주행 중인 경우, 장애물의 통과여부를 판단할 수 있다.
로봇은, 맵데이터로부터 장애물을 인식하고, 주행 중인 경우, 장애물의 통과여부를 판단할 수 있다.
로봇은 돌발 사운드의 발생시점으로부터 돌발 사운드의 존재구간을 파악할 수 있다.
돌발 사운드의 존재구간을 파악하는 방법은, 입력받은 사운드에 대하여 숏타임 푸리에 변환(Short Time Fourier Transform)을 진행하는 단계, 입력받은 사운드의 특징을 분석하는 단계, 입력받은 사운드를 분류하는 단계, 및 돌발 사운드의 존재구간을 판단하는 단계를 포함할 수 있다.
돌발 사운드의 존재구간은, 로봇에 구비되는 마이크가 입력받은 사운드 신호로부터 파악되는 제1구간과, 돌발 사운드를 발생시키는 장애물까지의 로봇의 주행거리 및 주행속도로부터 파악되는 제2구간을 합한 값으로 할 수 있다.
입력받은 사운드의 특징을 분석하는 단계는, 입력받은 사운드에서 하모닉(harmonic) 사운드와 충격(percussive) 사운드를 분리하는 단계, 및 충격 사운드로부터 돌발 사운드 존재여부를 판단하는 단계를 포함할 수 있다.
로봇은 입력받은 사운드로부터 사용자의 음성명령을 인식하고, 입력받은 사운드로부터 음성인식 방해요소를 추정하여 제거할 수 있다.
로봇은 돌발 사운드의 존재구간에서 음성인식 방해요소 추정을 중단하거나, 돌발 사운드의 존재구간에서 사용자의 음성명령 인식을 중단할 수 있다.
로봇은 돌발 사운드의 존재구간에서 입력되는 사용자의 음성명령을 추정하되, 로봇이 보유하는 문장 중 사용자가 발화하는 문장과 가장 유사한 문장을 사용자의 음성명령으로 추정할 수 있다.
로봇은, 돌발 사운드의 존재구간 이전의 사운드 구간인 제1사운드 구간과 돌발 사운드의 존재구간 이후의 사운드 구간인 제2사운드 구간을 서로 연결하되, 제1사운드 구간의 후단부와 제2사운드 구간의 전단부를 서로 오버랩하여 연결할 수 있다.
로봇은, 돌발 사운드의 존재구간 이전의 사운드 구간인 제1사운드 구간과 돌발 사운드의 존재구간 이후의 사운드 구간인 제2사운드 구간을 서로 연결하되, 제1사운드 구간과 제2사운드 구간에 존재하는 사운드 신호에 윈도우함수(window function)를 곱하거나 또는 컨볼루션(convolution)할 수 있다.
실시예에서, 음성인식 및 자율주행이 가능한 로봇은, 주행거리 및 주행속도를 파악함으로써, 장애물의 통과시 충격으로 발생하는 돌발 사운드의 존재구간을 정확히 파악하고, 이를 기반으로 돌발 사운드로 인한 음성인식 성능저하에 효과적으로 대처할 수 있다.
실시예에서, 로봇은 돌발 사운드의 존재구간에서의 음성인식 방해요소의 추정을 중단하거나, 돌발 사운드의 존재구간에서 음성인식을 중단함으로써, 돌발 사운드의 방해로 인해 음성인식 성능이 저하되는 것을 효과적으로 억제할 수 있다.
실시예에서, 로봇은 돌발 사운드로 인해 음성인식 방해요소 추정이 중단되거나 음성명령 인식이 중단된 구간에서 사용자의 음성명령을 추정함으로써, 돌발 사운드로 인한 음성인식 오류발생을 효과적으로 억제할 수 있다.
로봇은, 돌발 사운드의 존재구간을 제외한 사운드 신호에서 사용자의 음성명령을 인식함으로써, 돌발 사운드에 의한 방해없이 음성명령을 정확하게 인식할 수 있다.
도 1은 일 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다.
도 2는 일 실시예에 따른 로봇의 동작을 설명하기 위한 도면이다.
도 3은 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다.
도 4는 일 실시예에 따른 입력받은 사운드의 특징을 분석하는 방법을 설명하기 위한 순서도이다.
도 5는 일 실시예에 따른 돌발 사운드의 존재구간을 설명하기 위한 도면이다.
도 6은 또 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다.
도 7은 또 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다.
도 8은 일 실시예에 따른 사운드 처리방법을 설명하기 위한 도면이다.
이하, 첨부된 도면들을 참조하여 실시예를 상세히 설명한다. 실시예는 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 실시예를 특정한 개시 형태에 대해 한정하려는 것이 아니며, 실시예의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
"제1", "제2" 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로 사용된다. 또한, 실시예의 구성 및 작용을 고려하여 특별히 정의된 용어들은 실시예를 설명하기 위한 것일 뿐이고, 실시예의 범위를 한정하는 것이 아니다.
실시예의 설명에 있어서, 각 element의 "상(위)" 또는 "하(아래)(on or under)"에 형성되는 것으로 기재되는 경우에 있어, 상(위) 또는 하(아래)(on or under)는 두개의 element가 서로 직접(directly)접촉되거나 하나 이상의 다른 element가 상기 두 element사이에 배치되어(indirectly) 형성되는 것을 모두 포함한다. 또한 “상(위)" 또는 "하(아래)(on or under)”로 표현되는 경우 하나의 element를 기준으로 위쪽 방향뿐만 아니라 아래쪽 방향의 의미도 포함할 수 있다.
또한, 이하에서 이용되는 "상/상부/위" 및 "하/하부/아래" 등과 같은 관계적 용어들은, 그런 실체 또는 요소들 간의 어떠한 물리적 또는 논리적 관계 또는 순서를 반드시 요구하거나 내포하지는 않으면서, 어느 한 실체 또는 요소를 다른 실체 또는 요소와 구별하기 위해서 이용될 수도 있다.
도 1은 일 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다. 도 2는 일 실시예에 따른 로봇(100)의 동작을 설명하기 위한 도면이다. 로봇(100)은 사용자의 음성을 인식하여 사용자가 요구하는 명령을 수행할 수 있는 음성인식 기능을 가질 수 있다. 로봇(100)은 자율주행이 가능하도록 구비될 수 있고, 가정용, 산업용 기타 다양한 용도로 사용될 수 있다.
로봇(100)은 사용자의 음성명령을 인식하기 위해 마이크가 구비되고, 주변의 사람, 물건, 주행 장애물(10) 등을 파악하기 위한 카메라가 구비될 수 있다. 로봇(100)은 사용자 등 사람과 인터랙션(interaction)을 위해 스피커, 디스플레이부 등을 구비할 수 있다. 음성인식, 명령의 수행, 자율주행 등을 위해 필요한 정보의 입력과 출력, 연산, 통신 등을 위해, 제어부, 저장부, 통신부 등을 구비할 수 있다.
로봇(100)은 서버와 연결될 수 있고, 서버와 통신하여 필요한 정보들을 서로 주고받을 수 있다. 필요한 경우 서버는 로봇(100)의 음성인식, 명령의 수행, 자율주행 등 동작을 제어하고, 이에 필요한 연산을 수행하고, 예를 들어 로봇(100)의 자율주행에 필요한 맵데이터를 로봇(100)으로 전송할 수 있다.
로봇(100)은 이동 통신 모듈을 포함하고, 상기 이동 통신 모듈을 통해 서버, 사용자가 보유하는 사용자단말 등과 통신할 수 있다. 여기서, 이동 통신 모듈은 이동통신을 위한 기술표준들 또는 통신방식(예를 들어, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced) 등) 및 5G(Generation) 통신에 따라 구축된 이동 통신망 상에서 무선신호를 송수신할 수 있다.
예를 들어, 로봇(100), 서버, 사용자단말도 전술한 5G 통신 모듈을 구비할 수 있다. 이 경우, 로봇(100), 서버, 사용자단말은 100Mbps 내지 20Gbps 속도로 데이터를 전송할 수 있어서, 대용량의 음성 또는 이미지데이터를 매우 빠르게 전송할 수 있다. 이에 따라, 서버 및 사용자단말은 로봇(100)으로부터 전송되는 대용량의 음성 또는 이미지데이터를 보다 빨리 보다 정확하게 인식할 수 있다.
5G 통신 모듈을 구비한 로봇(100), 서버, 사용자단말은 각종 사물 지능 통신(IoT(Internet of Things), IoE(Internet of Everything), IoST(Internet of Small Things) 등)을 지원할 수 있으며, 로봇(100)은 M2M(Machine to Machine) 통신, V2X(Vehicle to Everything Communication) 통신, D2D(Device to Device) 통신 등을 지원할 수 있다. 이에 따라, 로봇(100)은 공간 상에서 취득할 수 있는 정보를 다른 다양한 기기와 매우 효율적으로 서로 공유할 수 있다.
로봇(100)은 입력받는 사용자의 음성명령에 대하여 딥러닝(Deep Learning) 등 머신 러닝(machine learning)을 수행할 수 있고, 머신 러닝에 사용되는 데이터, 결과 데이터 등을 저장할 수 있다.
머신 러닝은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야를 포함할 수 있다. 구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취할 수 있다. 용어 '머신 러닝'은 용어 '기계 학습'과 혼용되어 사용될 수 있다.
기계 학습에서 데이터를 어떻게 분류할 것인가를 놓고, 많은 기계 학습 알고리즘이 개발되었다. 의사결정나무(Decision Tree)나 베이지안 망(Bayesian network), 서포트벡터머신(SVM: support vector machine), 그리고 인공 신경망(ANN: Artificial Neural Network) 등을 대표적으로 포함할 수 있다.
의사결정나무는 의사결정규칙(Decision Rule)을 나무구조로 도표화하여 분류와 예측을 수행하는 분석방법을 포함할 수 있다.
베이지안 망은 다수의 변수들 사이의 확률적 관계(조건부독립성: conditional independence)를 그래프 구조로 표현하는 모델을 포함할 수 있다. 베이지안 망은 비지도 학습(unsupervised learning)을 통한 데이터마이닝(data mining)에 적합할 수 있다.
서포트벡터머신은 패턴인식과 자료분석을 위한 지도 학습(supervised learning)의 모델이며, 주로 분류와 회귀분석을 위해 사용할 수 있다.
한편, 로봇(100)(100)에는 인공신경망(artificial neural network)이 탑재될 수 있고, 수신되는 음성 입력 신호를 입력 데이터로 하는 머신 러닝 기반의 사용자 인식 및 사용자의 음성 인식을 수행할 수 있다.
인공신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드(node) 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템을 포함할 수 있다. 인공 신경망은 기계 학습에서 사용되는 모델로써, 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘을 포함할 수 있다. 구체적으로 인공신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다.
용어 인공신경망은 용어 뉴럴 네트워크(Neural Network)와 혼용되어 사용될 수 있다.
인공신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴 (2) 연결의 가중치를 갱신하는 학습 과정 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
로봇(100)은 인공 신경망, 예를 들어, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)와 같은 방식의 네트워크 모델들을 포함할 수 있으나, 이에 한정되지 않는다.
본 명세서에서 용어 '레이어'는 용어 '계층'과 혼용되어 사용될 수 있다.
인공신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분될 수 있다.
일반적인 단층 신경망은, 입력층과 출력층으로 구성될 수 있다. 또한 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성될 수 있다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달할 수 있다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력할 수 있다.
한편 입력층과 출력층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편 용어 '딥 러닝'은 용어 '심층 학습'과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 뮤직로봇(100)(100)이 수행하는 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법을 포함할 수 있다.
그리고 이렇게 유추되는 함수 중, 연속적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킬 수 있다.
여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 할 수 있다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭할 수 있다.
이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링 된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않을 수 있다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 '군집화'는 용어 '클러스터링'과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일 예로 생성적 적대 신경망(GAN: generative adversarial network), 오토 인코더(AE: autoencoder)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법을 포함할 수 있다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력된 데이터가 원본 데이터인지 또는 생성기에서 생성한 새로운 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망을 포함할 수 있다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함할 수 있다. 이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행될 수 있다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어갈 수 있다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행될 수 있다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현될 수 있다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론을 포함할 수 있다.
강화 학습은 주로 마르코프 결정 과정(MDP: Markov Decision Process)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)을 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출할 수 있다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함할 수 있다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함할 수 있다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(MSE: Mean Squared Error) 또는 교차 엔트로피 오차(CEE, Cross Entropy Error)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법을 포함할 수 있다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘은 경사 하강법(GD: Gradient Descent), 확률적 경사 하강법(SGD: Stochastic Gradient Descent), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등을 포함할 수 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법을 포함할 수 있다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭할 수 있다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은 손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법을 포함할 수 있다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법을 포함할 수 있다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법을 포함할 수 있다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법을 포함할 수 있다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법을 포함할 수 있다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징을 포함할 수 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요할 수 있다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정할 수 있다.
실시예의 로봇(100)은 주행을 하면서 사용자의 음성명령을 인식하고, 음성명령에 따른 동작을 할 수 있다. 로봇(100)이 주행을 하면서, 전선, 문턱, 바닥부분의 이음새 등의 장애물(10)을 통과할 경우에 짧고 큰 소음인 돌발 사운드(transient sound)가 발생할 수 있다.
이러한 돌발 사운드가 마이크를 통해 로봇(100)에 입력되면, 로봇(100)의 음성인식 성능이 크게 떨어질 수 있다. 이러한 돌발 사운드는 불규칙하고 크기 때문에 사용자의 음성명령을 가릴 수 있고, 따라서 돌발 사운드가 발생하는 때에 사용자의 음성명령을 로봇(100)이 인식하지 못하여 오작동이 발생할 수 있다.
실시예에서는, 상기 돌발 사운드가 발생하는 시점, 구간을 로봇(100)이 정확히 파악하는 방법, 돌발 사운드가 발생하는 경우 로봇(100)의 음성인식 성능을 향상시킬 수 있는 방법을 제안한다.
이하에서 도 1, 도 2 등을 참조하여 돌발 사운드의 발생시점을 정확히 판단하는 방법을 설명한다. 로봇(100)은 주행경로에 존재하는 장애물(10)을 인식할 수 있다(S110). 일 실시예로, 로봇(100)은 장착된 카메라로 상기 장애물(10)을 인식할 수 있다. 다른 실시예로 로봇(100)은 라이다(Light Detection And Ranging, LiDAR) 센서를 장착하고, 상기 라이다 센서로 상기 장애물(10)을 인식할 수도 있다.
이하에서, 예를 들어 카메라를 사용하여 장애물(10)을 인식하는 경우를 설명한다. 상기 카메라는 예를 들어, 장애물(10)의 존재와 로봇(100)으로부터 장애물(10)까지의 거리를 측정할 수 있는 깊이(depth) 카메라일 수 있다.
로봇(100)은 현재 주행 중인 경우, 상기 장애물(10)의 통과여부를 판단할 수 있다. 상기 장애물(10)의 높이가 비교적 낮거나 통과로 인한 로봇(100)의 파손위험이 낮다고 판단하여, 로봇(100)이 장애물(10)을 통과하는 것으로 판단하는 경우, 로봇(100)은 상기 장애물(10)까지의 예상되는 주행거리(R)를 계산할 수 있다(S120).
물론, 로봇(100)이 주행하지 않는 경우, 로봇(100)이 장애물(10)을 통과하지 않고 우회하는 경우에는 돌발 사운드가 발생하지 않으므로, 상기 장애물(10)까지의 주행거리(R)를 계산할 필요는 없다.
도 2를 참조하면, 로봇(100)은 장착된 카메라를 통해 상기 장애물(10)까지의 최단 경로를 따라 측정되는 최단거리(D)를 파악할 수 있다.
또한, 로봇(100)은 주행경로가 상기 최단 경로와 이격되는 각도(θ)를 측정할 수 있다. 로봇(100)은 카메라가 상기 최단 경로를 바라보는 방향과 현재 주행 방향의 차이를 비교하여 상기 이격되는 각도(θ)를 측정할 수 있다.
로봇(100)은 상기 최단거리(D)와 상기 이격되는 각도(θ)로부터 상기 장애물(10)까지의 주행거리(R)를 계산할 수 있다. 이때, 주행거리(R), 이격되는 각도(θ) 및 최단거리(D)의 관계는 다음의 수학식 1로 표현될 수 있다.
Figure 112021063958121-pct00001
다른 실시예로, 로봇(100)은 보유하는 맵데이터로부터 상기 장애물(10)을 인식할 수 있다. 로봇(100)의 주행에 사용되는 맵데이터를 통해, 로봇(100)은 장애물(10)의 위치, 현재 자신의 위치에서 장애물(10)까지의 거리를 파악할 수 있다.
카메라를 사용하여 장애물(10)을 인식하는 경우와 마찬가지로, 로봇(100)은 현재 주행 중인 경우, 상기 장애물(10)의 통과여부를 판단할 수 있다. 맵데이터를 통해 얻은 장애물(10)의 위치, 구조 등에 관한 정보를 기반으로 상기 장애물(10)의 높이가 비교적 낮거나 통과로 인한 로봇(100)의 파손위험이 낮다고 판단하여, 로봇(100)이 장애물(10)을 통과하는 것으로 판단하는 경우, 로봇(100)은 상기 장애물(10)까지의 주행거리(R)를 계산할 수 있다(S120).
이때, 로봇(100)은 상기 맵데이터로부터 상기 장애물(10)까지의 주행거리(R)를 계산할 수 있다. 로봇(100)은 맵데이터를 통해 자신의 현재의 위치에서 가려고 하는 주행경로로 이동할 경우 상기 장애물(10)까지의 거리 즉, 주행거리(R)를 파악할 수 있다.
따라서, 로봇(100)은 맵데이터로부터 바로 주행거리(R)를 계산할 수 있고, 전술한 수학식 1의 별도의 계산이 불필요할 수 있다.
로봇(100)은 자신의 주행속도를 계산할 수 있다(S130). 예를 들어, 로봇(100)은 속도계, GPS 장치 기타 속도를 측정할 수 있는 장치를 구비하고, 이러한 장치를 사용하여 자신의 현재 주행속도를 계산할 수 있다.
로봇(100)은 상기 장애물(10) 통과로 인한 충격으로 발생하는 돌발 사운드의 발생시점을 판단할 수 있다(S140). 로봇(100)은 마이크를 통해 돌발 사운드를 파악하면, 충격의 발생으로 인한 돌발 사운드의 실제 발생시기보다 시간적으로 늦은 때에 처음으로 돌발 사운드의 발생을 인식할 수 있다.
이는 로봇(100)이 외부의 입력을 처리하는데 다소의 시간이 걸리고, 따라서 돌발 사운드의 실제 발생시기와 마이크로 돌발 사운드가 입력되고 로봇(100)이 돌발 사운드의 발생을 인식하는 시기가 서로 다르기 때문이다. 하기 도 5에서는, 돌발 사운드의 실제 발생시기를 제2시점(S2), 로봇(100)이 돌발 사운드의 발생을 인식하는 시기를 제1시점(S1)으로 명명하였고, 제2시점(S2)은 제1시점(S1)보다 시간적으로 선행할 수 있다.
이하에서 제1시점(S1) 즉, 실제 돌발 사운드 발생시점을 판단하는 방법을 구체적으로 설명한다. 상기 돌발 사운드 발생시점은 상기 로봇(100)이 상기 장애물(10)까지의 주행거리(R) 및 주행속도로부터 판단할 수 있다.
로봇(100)은 상기 주행거리(R)를 상기 주행속도로 나누어 돌발 사운드 발생지점까지의 도달시간(T1)을 계산하고, 상기 도달시간(T1)으로부터 돌발 사운드의 발생시점을 판단할 수 있다.
상기 도달시간(T1)은 로봇(100)이 현재위치에서 현재의 속도로 주행경로를 따라 장애물(10)까지 이동한 경우, 장애물(10)에 도달하는 시간을 의미하고, 도달시간(T1), 주행거리(R) 및 주행속도의 관계는 다음의 수학식 2로 표현될 수 있다.
Figure 112021063958121-pct00002
예를 들어, 현재의 시간에 계산된 상기 도달시간(T1)을 더하면 실제 돌발 사운드의 발생시점 즉, 제2시점(S2)이 될 수 있다.
전술한 방법으로 로봇(100)은 돌발 사운드의 발생 이전에 돌발 사운드의 발생시점을 정확히 알 수 있고, 이하에서는 돌발 사운드의 발생시점에 기반한 돌발 사운드의 존재구간(P)을 파악하는 방법에 대해 구체적으로 설명한다.
도 3은 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다. 도 4는 일 실시예에 따른 입력받은 사운드의 특징을 분석하는 방법을 설명하기 위한 순서도이다.
도 3을 참조하면, 로봇(100)은 마이크로부터 입력받은 사운드에 대하여 숏타임 푸리에 변환(Short Time Fourier Transform)을 진행할 수 있다(S210). 마이크에 입력되는 음성신호에 숏타임 푸리에 변환을 수행하면, 입력된 사운드에 포함된 여러가지 사운드 즉, 음성, 충격에 의해 발생하는 돌발 사운드 기타 잡음의 시간에 대한 분포를 파악할 수 있다. 각각의 사운드는 주파수 성분이 다른데 숏타임 푸리에 변환을 통해 각각의 사운드의 주파수별, 시간별 분포상태를 파악할 수 있다.
로봇(100)은 입력받은 사운드의 특징을 분석할 수 있다(S220). 이 단계에서는 입력받은 사운드에 포함되는 각각의 사운드의 특징을 분석하여 돌발 사운드 존재여부를 판단할 수 있다.
도 4를 참조하면, 상기 입력받은 사운드의 특징을 분석하는 단계는, 사운드를 분리하는 단계와 돌발 사운드 존재여부를 판단하는 단계를 포함할 수 있다.
상기 사운드를 분리하는 단계에서는, 로봇(100)이 입력받은 사운드에서 하모닉(harmonic) 사운드와 충격(percussive) 사운드를 분리할 수 있다(S221). 인간의 음성에는 하모닉 성분이 포함되므로, 하모닉 사운드는 인간의 음성일 수 있다.
예를 들어, 하모닉 사운드는 상대적으로 긴 시간동안 유지되고 상대적으로 강도가 낮은 반면, 충격 사운드는 상대적으로 짧은 시간동안 유지되고 상대적으로 강도가 높다. 이러한 특성을 고려하여, 로봇(100)은 입력되는 사운드에서 하모닉 사운드와 충격 사운드를 분리할 수 있다.
입력받은 사운드에서 하모닉 사운드를 분리함으로써 인간의 음성에 의한 방해를 제거할 수 있으므로, 돌발 사운드의 존재여부를 용이하게 판단할 수 있다.
상기 돌발 사운드 존재여부를 판단하는 단계에서는, 상기 충격 사운드로부터 상기 돌발 사운드 존재여부를 판단할 수 있다(S222). 충격 사운드에는 인간의 음성을 제외한 다양한 사운드가 존재할 수 있다.
예를 들어, 충격 사운드에는 로봇(100)이 장애물(10)을 통과할 때 발생하는 돌발 사운드, 로봇(100)의 주변에서 물건의 추락 등으로 발생하는 충돌음 등이 포함될 수 있다. 따라서, 상기 입력받은 사운드의 특징을 분석하는 단계에서, 로봇(100)은 충격 사운드로부터 돌발 사운드의 존재여부를 정확히 판단하기 위해, 입력받은 사운드의 파워(power) 및 스펙트럼 플럭스(spectral flux) 중 적어도 하나를 측정할 수 있다.
이때, 파워는 사운드의 강도를 나타내며 단위는 dB일 수 있다. 또한, 스펙트럼 플럭스는 입력되는 사운드의 시간에 따른 분포를 나타낸 것일 수 있다.
로봇(100)은 측정된 파워, 스펙트럼 플럭스를 고려하여 충격 사운드에 돌발 사운드가 존재하는지 여부를 판단할 수 있다. 예를 들어, 측정된 파워가 설정된 범위를 초과하거나, 스펙트럼 플럭스가 설정된 분포와 유사한 경우에 돌발 사운드가 존재하는 것으로 판단할 수 있다.
파워와 스펙트럼 플럭스에 기반한 돌발 사운드의 존재여부를 파악하는 데 필요한 데이터는 로봇(100)이 기계 학습으로 취득하고 저장할 수 있다. 로봇(100)은 기계 학습으로 취득된 데이터를 사용하여 돌발 사운드의 존재여부를 파악할 수 있다.
로봇(100)은 입력받은 사운드를 분류할 수 있다(S230). 예를 들어, 로봇(100)은 입력되는 사운드를 하모닉 사운드, 돌발 사운드, 기타의 사운드로 분류할 수 있다. 이러한 분류단계에서 로봇(100)은 각 사운드를 분리하고, 각 사운드의 특징 예를 들어, 존재구간, 강도 등을 파악할 수 있다.
로봇(100)은 사운드의 분류를 통해 돌발 사운드를 다른 사운드와 분리하여 파악함으로써, 마이크 입력으로부터 파악하는 돌발 사운드의 시점 즉, 하기의 제1시점(S1)과, 돌발 사운드의 존재구간(P) 즉, 하기의 제1구간(P1)을 명확히 파악할 수 있다.
로봇(100)이 전술한 과정을 통해 돌발 사운드가 존재하는 것으로 판단하는 경우, 로봇(100)은 돌발 사운드의 존재구간(P)을 판단할 수 있다(S240).
도 5는 일 실시예에 따른 돌발 사운드의 존재구간(P)을 설명하기 위한 도면이다. 도 5에서 가로축은 시간을 나타내고, 세로축은 돌발 사운드의 존재여부를 나타낸다. 명확한 설명을 위해, 도 5의 세로축에서 돌발 사운드가 존재하면 1, 존재하지 않으면 0으로 나타내었다.
전술한 바와 같이, 실제 돌발 사운드가 발생하는 시점과, 로봇(100)이 마이크로 돌발 사운드를 인식하는 시점이 서로 다르다.
이는 로봇(100)에 내장된 감지수단, 처리수단(예를 들어 processor)을 사용하여, 로봇(100)이 외부의 이벤트를 감지하고 처리하는데 다소 시간이 걸리기 때문이다. 실제 돌발 사운드가 발생하는 시점이 로봇(100)이 돌발 사운드를 인식하는 시점보다 선행할 수 있다.
도 5를 참조하면, 돌발 사운드의 존재구간(P)은 시간으로 나타낼 수 있고, 제1구간(P1)과 제2구간(P2)을 합한 값으로 할 수 있다.
제1구간(P1)은 로봇(100)에 구비되는 마이크가 입력받은 사운드 신호로부터 파악될 수 있다. 즉, 제1구간(P1)은 상기 마이크로 입력되는 상기 돌발 사운드를 상기 로봇(100)이 인식한 제1시점(S1)에서 상기 돌발 사운드가 종료되는 종점(E)까지의 시간으로 측정될 수 있다. 상기 제1시점(S1)은 로봇(100)이 마이크로 입력되는 돌발 사운드를 실제로 인식한 시점이다.
물론, 상기 종점(E)은 마이크로 입력되는 돌발 사운드가 더이상 지속되지 않는 시점을 의미하고, 다시 말하면 상기 종점(E)은 로봇(100)이 마이크를 통해 돌발 사운드가 더이상 입력되지 않는다고 실제로 인식하는 시점이다.
즉, 상기 제1구간(P1)은 마이크로 입력되는 돌발 사운드를 로봇(100)이 인식하는 구간을 의미한다.
제2구간(P2)은 돌발 사운드를 발생시키는 장애물(10)까지의 로봇(100)의 주행거리(R) 및 주행속도로부터 파악될 수 있다. 즉, 제2구간(P2)은 상기 로봇(100)이 상기 장애물(10)에 도달한 때인 제2시점(S2)에서 상기 제1시점(S1)까지의 시간으로 측정될 수 있다. 상기 제2시점(S2)은 실제 돌발 사운드가 발생하는 시점이다.
로봇(100)이 장애물(10)까지의 주행거리(R) 및 주행속도로부터 제2시점(S2)을 파악하는 방법은 이미 구체적으로 설명하였다.
전술한 바와 같이, 제1구간(P1)과 제2구간(P2)을 파악하고, 제1구간(P1)과 제2구간(P2)을 합한 값을 돌발 사운드의 존재구간(P)으로 한다.
실시예에서, 음성인식 및 자율주행이 가능한 로봇(100)은, 주행거리(R) 및 주행속도를 파악함으로써, 장애물(10)의 통과시 충격으로 발생하는 돌발 사운드의 존재구간(P)을 정확히 파악하고, 이를 기반으로 돌발 사운드로 인한 음성인식 성능저하에 효과적으로 대처할 수 있다.
돌발 사운드의 존재구간(P)에 사용자의 음성명령이 있다면, 강도가 큰 돌발 사운드는 로봇(100)는 음성명령 인식에 영향을 미칠 수 있ㄷ. 이하에서는 돌발 사운드로 인해 로봇(100)이 사용자의 음성명령 인식을 방해받는 것에 대한 대처방법에 대해 구체적으로 설명한다.
도 6은 또 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다.
돌발 사운드의 존재구간(P)을 판단한 후, 로봇(100)은 상기 입력받은 사운드로부터 사용자의 음성명령을 인식할 수 있다(S250). 이때, 로봇(100)은 입력받은 사운드로부터 음성인식 방해요소를 추정하여 제거할 수 있다.
상기 음성인식 방해요소 추정은 잡음추정, 에코추정, 잔향추정 등을 포함할 수 있다. 로봇(100)은 입력되는 사운드에서 음성명령을 정확히 인식하기 위해, 음성인식의 방해요소를 추정하여 제거할 수 있다.
이때, 음성인식의 방해요소는 인간의 음성 이외의 잡음, 마이크로 입력되는 사운드의 에코(echo), 잔향(reverberation) 등일 수 있다. 로봇(100)은 이러한 방해요소들을 추정하여 제거함으로써 음성을 비교적 명확히 인식할 수 있다. 이러한 방해요소 제거과정을 통해 분리된 음성에 대하여, 로봇(100)은 화자인식 등의 과정을 통해 사용자의 음성명령을 인식할 수 있다.
로봇(100)이 음성인식의 방해요소를 추정하고 이를 제거하는 경우, 상당히 복잡한 계산이 필요하고, 따라서 상당한 시간이 소요될 수 있다. 따라서 로봇(100)이 이러한 작업을 진행하는 경우에 상기 방해요소가 사라진 후에도, 일정시간 동안 방해요소의 추정 및 제거 프로세스를 유지하게 된다.
상기 방해요소가 사라지고 방해요소의 추정 및 제거 프로세스가 여전히 진행되는 구간에서 사용자가 음성명령을 발화하는 경우, 로봇(100)은 사용자의 음성을 왜곡할 수 있고, 따라서 로봇(100)의 음성인식 성능이 저하될 수 있다.
이는 로봇(100)이 방해요소를 추정하고 제거하는 과정에서 입력되는 사용자의 음성명령의 전부 또는 일부도 방해요소로 추정하고 제거할 수 있기 때문이다.
돌발 사운드의 존재구간(P)은 시간상으로 매우 짧다. 따라서, 돌발 사운드의 존재구간(P)에서 돌발 사운드를 제거하기 위해 방해요소의 추정 및 제거 프로세스를 진행하게 되면, 상기의 이유로 로봇(100)의 음성인식 성능이 저하될 수 있다.
실시예에서, 상기의 이유로 인한 로봇(100)의 음성인식 성능 저하를 막기위해, 로봇(100)은 상기 돌발 사운드의 존재구간(P)에서 상기 음성인식 방해요소 추정을 중단할 수 있다. 방해요소의 추정이 중단되므로 방해요소의 제거도 중단될 수 있다.
존재구간이 시간적으로 짧아서 곧 사라질 돌발 사운드에 대한 방해요소 추정 및 제거 프로세스를 진행함으로써 발생하는, 로봇(100)의 음성왜곡 및 음성인식 성능 저하를 억제하기 위함이다.
로봇(100)은 돌발 사운드의 존재구간(P)에서 음성인식 방해요소 추정 및 제거를 진행하지 않고 입력받은 사운드로부터 사용자의 음성명령을 인식할 수 있다. 만약, 돌발 사운드의 방해로 인해, 돌발 사운드의 존재구간(P)에서 로봇(100)이 음성명령을 정확히 인식하지 못하는 경우, 별도의 방법으로 돌발 사운드의 존재구간(P)의 음성명령을 인식한다.
이러한 음성명령을 인식하는 방법은 하기에 설명하는 음성명령을 추정하는 과정과 동일하므로 하기에 구체적으로 설명한다.
다른 실시예로, 로봇(100)은 상기 돌발 사운드의 존재구간(P)에서 사용자의 음성명령 인식을 중단할 수 있다. 돌발 사운드의 존재구간(P)에서 음성명령을 인식하는 경우, 돌발 사운드의 방해로 인해 음성명령 인식이 어렵고, 방해요소 추정 및 제거를 진행하면 돌발 사운드가 사라진 바로 직후에 입력되는 음성명령이 왜곡되는 등의 이유로, 로봇(100)의 음성인식 성능이 저하될 수 있다.
따라서, 로봇(100)은 돌발 사운드의 존재구간(P)에서 음성명령 인식을 중단함으로써, 음성인식 성능 저하를 억제할 수 있다.
돌발 사운드의 존재구간(P)에서 방해요소의 추정을 중단하거나, 음성명령 인식 자체를 중단함으로써, 돌발 사운드의 존재구간(P)에서 입력되는 음성명령을 로봇(100)이 파악하지 못하거나, 잘못 파악할 수 있고, 이로 인해 로봇(100)의 음성인식 오류가 발생할 수 있다. 이에 대한 대처방안으로 음성명령 추정이 있는 바, 이에 대해 구체적으로 설명한다.
로봇(100)은 상기 돌발 사운드의 존재구간(P)에서 입력되는 사용자의 음성명령을 추정할 수 있다. 이때, 로봇(100)은 상기 로봇(100)이 보유하는 문장 중 사용자가 발화하는 문장과 가장 유사한 문장을 사용자의 음성명령으로 추정할 수 있다.
예를 들어, 음성명령의 추정은 구체적으로 다음과 같다.
사용자가 발화하는 문장은 "지금 노래 좀 들/려/줄래(can you play some song now)"이다. 이때, 로봇(100)이 발화문장을 정확하게 인식하였다면, 로봇(100)은 "노래 들/려/줄래(play song)"를 명령으로 인식한다. "지금"과 "좀"은 로봇(100)이 명령을 수행하는 것과 무관하므로, 로봇(100)은 이들을 명령으로 인식하지 않을 수 있다.
이때, /려/가 발화되는 구간에서 돌발 사운드가 발생하고, 로봇(100)은 /려/를 인식하지 못했다면, 로봇(100)이 실제 인식하는 명령문은 "노래 들/?/줄래"가 된다. 이때, "?"는 로봇(100)이 음성명령을 인식하지 못하였음을 의미한다.
로봇(100)은 자신이 보유하고 있는 문장 중 "노래 들/?/줄래"와 가장 유사한 문장인 "노래 들/려/줄래"를 사용자의 음성명령으로 추정하고, 이에 대한 동작을 수행할 수 있다.
한편, 돌발 사운드로 인해, 사용자가 발화하는 문장에서 로봇(100)은 "노래 들/꺼/줄래" 또는 "노래 들/가/줄래"를 명령으로 인식할 수 있다. 이는 돌발 사운드의 방해로 인해, /려/가 발화되는 구간에서 /려/가 /꺼/ 또는 /가/로 사운드가 왜곡되어, 로봇(100)의 음성인식 오류가 발생했기 때문이다.
로봇(100)은 "노래 들/꺼/줄래" 또는 "노래 들/가/줄래"를 명령문으로 보유하고 있지 않으므로, 자신이 보유하고 있는 문장 중 가장 유사한 문장인 "노래 들/려/줄래"를 사용자의 음성명령으로 추정하고, 이에 대한 동작을 수행할 수 있다.
실시예에서, 로봇(100)은 돌발 사운드로 인해 음성인식 방해요소 추정이 중단되거나 음성명령 인식이 중단된 구간에서 사용자의 음성명령을 추정함으로써, 돌발 사운드로 인한 음성인식 오류발생을 효과적으로 억제할 수 있다.
도 7은 또 다른 실시예에 따른 사운드 처리방법을 설명하기 위한 순서도이다. 도 8은 일 실시예에 따른 사운드 처리방법을 설명하기 위한 도면이다. 도 8에서 가로축은 시간을 나타내고, 세로축은 사운드의 진폭(amplitude)를 나타낸다.
도 7을 참조하면, 돌발 사운드의 존재구간(P)을 판단한 후, 로봇(100)은 상기 돌발 사운드의 존재구간(P)을 제거할 수 있다(S260). 입력받은 사운드는 시간에 대해 연속적으로 분포하는데, 로봇(100)은 연속적인 사운드 분포에서 돌발 사운드의 존재구간(P)을 제거하는 것이다.
돌발 사운드의 존재구간(P)을 제거하여, 상기 구간에서 돌발 사운드로 인한 로봇(100)의 음성인식 오류발생을 억제하기 위함이다. 물론, 돌발 사운드의 존재구간(P)에 입력되는 사용자의 음성명령은 전술한 음성명령을 추정하는 방법으로 대처할 수 있다.
로봇(100)은 상기 돌발 사운드의 존재구간(P) 이외의 사운드 구간을 연결할 수 있다(S270). 도 8을 참조하면, 로봇(100)은 상기 돌발 사운드의 존재구간(P) 이전의 사운드 구간인 제1사운드 구간(SP1)과 상기 돌발 사운드의 존재구간(P) 이후의 사운드 구간인 제2사운드 구간(SP2)을 서로 연결할 수 있다.
로봇(100)은, 돌발 사운드의 존재구간(P)을 제외한 사운드 신호에서 사용자의 음성명령을 인식함으로써, 돌발 사운드에 의한 방해 없이 음성명령을 정확하게 인식할 수 있다.
한편, 제1사운드 구간(SP1)과 제2사운드 구간(SP2)을 연결하는 경우, 각 구간이 연결되는 지점 즉, 제1사운드 구간(SP1)의 후단과 제2사운드 구간(SP2)의 전단이 만나는 경계에 불연속성(discontinuity)이 발생할 수 있다.
이러한 불연속성은 사운드의 스펙트럼 왜곡(spectral distortion)을 일으킬 수 있다. 예를 들어, 제1사운드 구간(SP1)과 제2사운드 구간(SP2)의 경계에 진폭이 불연속적으로 나타나는 스펙트럼 왜곡이 발생할 수 있다. 이러한 스펙트럼 왜곡은 로봇(100)의 음성인식 성능을 저하시키므로, 상기 불연속성을 제거하거나 완화할 방안이 필요하다.
불연속을 제거 또는 완화하는 하나의 방안으로, 오버랩 애드(overlap-add) 방법을 사용할 수 있다. 즉, 로봇(100)은 상기 제1사운드 구간(SP1)의 후단부와 상기 제2사운드 구간(SP2)의 전단부를 서로 오버랩하여 연결할 수 있는데, 이를 오버랩 애드라 한다.
오버랩 애드를 통해, 제1사운드 구간(SP1)과 제2사운드 구간(SP2)의 경계의 불연속성을 제거 또는 완화할 수 있다. 이때, 제1사운드 구간(SP1)과 제2사운드 구간(SP2)이 서로 오버랩되는 구간은, 불연속성의 제거 또는 완화하기 위한 측면과, 오버랩으로 인해 발생할 수 있는 로봇(100)의 음성인식 성능 저하를 모두 고려하여 적절하게 선택할 수 있다.
불연속을 제거 또는 완화하는 다른 방안으로, 윈도우잉(windowing) 방법을 사용할 수 있다. 이때 윈도우잉이란 사운드 신호에 윈도우 함수를 곱하거나 컨볼류션(convolution)하는 것을 말한다.
즉, 로봇(100)은 상기 제1사운드 구간(SP1)과 상기 제2사운드 구간(SP2)에 존재하는 사운드 신호에 윈도우함수(window function)를 곱하거나 또는 컨볼루션(convolution)할 수 있다.
윈도우잉을 통해, 제1사운드 구간(SP1)과 제2사운드 구간(SP2)의 경계의 불연속성을 제거 또는 완화할 수 있다. 이때, 윈도우함수는 예를 들어, Cosine, Raised Cosine, Hamming, Hanning, Blackman, Triangular, Gaussian 함수 등일 수 있다.
실시예에서 제1사운드 구간(SP1)과 제2사운드 구간(SP2)의 경계의 불연속성을 제거 또는 완화하기 위해, 오버랩 애드 또는 윈도우잉을 각각 또는 함께 적용할 수 있다.
이상 설명된 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.
한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 통상의 기술자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.
실시예와 관련하여 전술한 바와 같이 몇 가지만을 기술하였지만, 이외에도 다양한 형태의 실시가 가능하다. 앞서 설명한 실시예들의 기술적 내용들은 서로 양립할 수 없는 기술이 아닌 이상은 다양한 형태로 조합될 수 있으며, 이를 통해 새로운 실시형태로 구현될 수도 있다.
실시예에서, 음성인식 및 자율주행이 가능한 로봇은, 주행거리 및 주행속도를 파악함으로써, 장애물의 통과시 충격으로 발생하는 돌발 사운드의 존재구간을 정확히 파악하고, 이를 기반으로 돌발 사운드로 인한 음성인식 성능저하에 효과적으로 대처할 수 있다.

Claims (19)

  1. 음성인식 로봇에 사용되는 사운드 처리방법에 있어서,
    로봇이 주행경로에 존재하는 장애물을 인식하는 단계;
    상기 로봇이 상기 장애물까지의 주행거리를 계산하는 단계;
    상기 로봇이 주행속도를 계산하는 단계; 및
    상기 로봇이 상기 장애물 통과로 인한 충격으로 발생하는 돌발 사운드(transient sound)의 발생시점을 판단하는 단계
    를 포함하고,
    상기 돌발 사운드 발생시점은,
    상기 로봇이 상기 장애물까지의 주행거리 및 주행속도로부터 판단하는, 사운드 처리방법.
  2. 제1항에 있어서,
    상기 로봇은,
    장착된 카메라로 상기 장애물을 인식하고,
    주행 중인 경우, 상기 장애물의 통과여부를 판단하는, 사운드 처리방법.
  3. 제2항에 있어서,
    상기 로봇은,
    상기 카메라를 통해 상기 장애물까지의 최단 경로를 따라 측정되는 최단거리를 파악하고,
    주행경로가 상기 최단 경로와 이격되는 각도를 측정하고,
    상기 최단거리와 상기 각도로부터 상기 장애물까지의 주행거리를 계산하는, 사운드 처리방법.
  4. 제1항에 있어서,
    상기 로봇은,
    맵데이터로부터 상기 장애물을 인식하고,
    주행 중인 경우, 상기 장애물의 통과여부를 판단하는, 사운드 처리방법.
  5. 제4항에 있어서,
    상기 로봇은,
    상기 맵데이터로부터 상기 장애물까지의 주행거리를 계산하는, 사운드 처리방법.
  6. 제1항에 있어서,
    상기 로봇은,
    상기 주행거리를 상기 주행속도로 나누어 돌발 사운드 발생지점까지의 도달시간을 계산하고, 상기 도달시간으로부터 돌발 사운드의 발생시점을 판단하는, 사운드 처리방법.
  7. 음성인식 로봇에 사용되는 사운드 처리방법에 있어서,
    입력받은 사운드에 대하여 숏타임 푸리에 변환(Short Time Fourier Transform)을 진행하는 단계;
    입력받은 사운드의 특징을 분석하는 단계;
    입력받은 사운드를 분류하는 단계; 및
    돌발 사운드의 존재구간을 판단하는 단계
    를 포함하고,
    상기 돌발 사운드의 존재구간은,
    상기 로봇에 구비되는 마이크가 입력받은 사운드 신호로부터 파악되는 제1구간과,
    상기 돌발 사운드를 발생시키는 장애물까지의 로봇의 주행거리 및 주행속도로부터 파악되는 제2구간
    을 합한 값으로 하는,
    사운드 처리방법.
  8. 제7항에 있어서,
    상기 입력받은 사운드의 특징을 분석하는 단계는,
    입력받은 사운드에서 하모닉(harmonic) 사운드와 충격(percussive) 사운드를 분리하는 단계; 및
    상기 충격 사운드로부터 상기 돌발 사운드 존재여부를 판단하는 단계
    를 포함하는, 사운드 처리방법.
  9. 제8항에 있어서,
    상기 입력받은 사운드의 특징을 분석하는 단계는,
    입력받은 사운드의 파워(power) 및 스펙트럼 플럭스(spectral flux) 중 적어도 하나를 측정하는, 사운드 처리방법.
  10. 제7항에 있어서,
    상기 제1구간은,
    상기 마이크로 입력되는 상기 돌발 사운드를 상기 로봇이 인식한 제1시점에서 상기 돌발 사운드가 종료되는 종점까지의 시간으로 측정되고,
    상기 제2구간은,
    상기 로봇이 상기 장애물에 도달한 때인 제2시점에서 상기 제1시점까지의 시간으로 측정되는, 사운드 처리방법.
  11. 삭제
  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
KR1020217016949A 2019-06-18 2019-06-18 음성인식 로봇에 사용되는 사운드 처리방법 KR102636002B1 (ko)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/007352 WO2020256175A1 (ko) 2019-06-18 2019-06-18 음성인식 로봇에 사용되는 사운드 처리방법

Publications (2)

Publication Number Publication Date
KR20220020238A KR20220020238A (ko) 2022-02-18
KR102636002B1 true KR102636002B1 (ko) 2024-02-08

Family

ID=74040539

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217016949A KR102636002B1 (ko) 2019-06-18 2019-06-18 음성인식 로봇에 사용되는 사운드 처리방법

Country Status (3)

Country Link
US (1) US20220238131A1 (ko)
KR (1) KR102636002B1 (ko)
WO (1) WO2020256175A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3816864A1 (en) * 2019-10-28 2021-05-05 Robert Bosch GmbH Device and method for the generation of synthetic data in generative networks
US11789457B1 (en) * 2019-12-11 2023-10-17 Amazon Technologies, Inc. System for collision detection in autonomous mobile device
CN113787501B (zh) * 2021-09-28 2023-02-07 千翼蓝犀智能制造科技(广州)有限公司 一种基于梯度下降的轮式移动机器人状态调整方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101497574B1 (ko) 2014-05-12 2015-03-02 (주)디지파츠 이동수단의 충격 및 소리 감응형 시스템 및 방법
JP2017090606A (ja) 2015-11-09 2017-05-25 日本電信電話株式会社 異常音検出装置、異常音検出学習装置、これらの方法及びプログラム

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06337286A (ja) * 1993-05-28 1994-12-06 Mitsubishi Heavy Ind Ltd 移動体用衝突位置予測警報装置
JP4576445B2 (ja) * 2007-04-12 2010-11-10 パナソニック株式会社 自律移動型装置および自律移動型装置用プログラム
KR101620862B1 (ko) * 2014-10-21 2016-05-13 주식회사 만도 차량 제어 방법 및 장치
CN107614308B (zh) * 2015-05-05 2020-06-26 B.G.内盖夫技术与应用有限公司 用于将车辆驾驶到目的地的机器人系统和方法
KR101893789B1 (ko) * 2016-10-27 2018-10-04 에스케이텔레콤 주식회사 정규화를 이용한 음성 구간 판단 방법 및 이를 위한 음성 구간 판단 장치
KR102235270B1 (ko) * 2017-01-18 2021-04-01 엘지전자 주식회사 이동 로봇 시스템 및 그 제어방법
KR101934636B1 (ko) * 2017-04-14 2019-01-02 한양대학교 산학협력단 심화신경망 기반의 잡음 및 에코의 통합 제거 방법 및 장치

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101497574B1 (ko) 2014-05-12 2015-03-02 (주)디지파츠 이동수단의 충격 및 소리 감응형 시스템 및 방법
JP2017090606A (ja) 2015-11-09 2017-05-25 日本電信電話株式会社 異常音検出装置、異常音検出学習装置、これらの方法及びプログラム

Also Published As

Publication number Publication date
WO2020256175A1 (ko) 2020-12-24
KR20220020238A (ko) 2022-02-18
US20220238131A1 (en) 2022-07-28

Similar Documents

Publication Publication Date Title
KR102636002B1 (ko) 음성인식 로봇에 사용되는 사운드 처리방법
US11386330B2 (en) Learning coach for machine learning system
Yang et al. End-to-end joint learning of natural language understanding and dialogue manager
US11449045B2 (en) Artificial intelligence device and method of diagnosing malfunction using operation log and artificial intelligence model
KR102033411B1 (ko) 주의집중 기반 문맥 종속 음향 모델을 이용한 음성 인식 장치 및 방법
US9177550B2 (en) Conservatively adapting a deep neural network in a recognition system
KR20200052444A (ko) 신경망을 이용하여 예측 결과를 출력하는 방법, 신경망을 생성하는 방법 및 그 장치들
US11069352B1 (en) Media presence detection
KR101704926B1 (ko) 음향 환경 분류를 이용한 심화신경망의 앙상블이 구성된 통계모델 기반의 음성 검출 장치 및 음성 검출 방법
JP2022096601A (ja) 車両のオーディオ‐ビジュアルおよび協調的認識
EP3772710A1 (en) Artificial intelligence server
CN106710599A (zh) 一种基于深度神经网络的特定声源检测方法与系统
KR20190098106A (ko) 배치 정규화 레이어 트레이닝 방법
KR102365433B1 (ko) 교차 어텐션 모델 기반 감정 인식 방법 및 장치
US20200013190A1 (en) Apparatus and method for recognizing object in image
US20220363279A1 (en) Method for combating stop-and-go wave problem using deep reinforcement learning based autonomous vehicles, recording medium and device for performing the method
KR20200128938A (ko) 모델 학습 방법 및 장치
US11270689B2 (en) Detection of anomalies in the interior of an autonomous vehicle
JP7295282B2 (ja) 適応的ハイパーパラメータセットを利用したマルチステージ学習を通じて自律走行自動車のマシンラーニングネットワークをオンデバイス学習させる方法及びこれを利用したオンデバイス学習装置
Wang Polyphonic sound event detection with weak labeling
US11721334B2 (en) Method and apparatus for controlling device located a distance away from a user
KR20200084431A (ko) 신경망 기반의 데이터 처리 방법, 신경망 트레이닝 방법 및 그 장치들
Xu et al. A Lightweight Framework for Online Voice Activity Detection in the Wild.
KR101239606B1 (ko) 이동 로봇의 장애물 회피 장치 및 방법
KR20220069336A (ko) 객체 검출 방법 및 장치

Legal Events

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