KR20190075416A - 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법 - Google Patents

디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법 Download PDF

Info

Publication number
KR20190075416A
KR20190075416A KR1020170176985A KR20170176985A KR20190075416A KR 20190075416 A KR20190075416 A KR 20190075416A KR 1020170176985 A KR1020170176985 A KR 1020170176985A KR 20170176985 A KR20170176985 A KR 20170176985A KR 20190075416 A KR20190075416 A KR 20190075416A
Authority
KR
South Korea
Prior art keywords
manipulator
user
digital
dna
voice
Prior art date
Application number
KR1020170176985A
Other languages
English (en)
Other versions
KR102095089B1 (ko
Inventor
김종환
조상현
김영호
박주연
Original Assignee
한국과학기술원
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 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020170176985A priority Critical patent/KR102095089B1/ko
Publication of KR20190075416A publication Critical patent/KR20190075416A/ko
Application granted granted Critical
Publication of KR102095089B1 publication Critical patent/KR102095089B1/ko

Links

Images

Classifications

    • 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
    • B25J11/001—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means with emotions simulating means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/06—Control stands, e.g. consoles, switchboards
    • 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
    • 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
    • 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
    • B25J19/06—Safety devices
    • B25J19/061—Safety devices with audible signals
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages
    • B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/10—Programme-controlled manipulators characterised by positioning means for manipulator elements
    • B25J9/12—Programme-controlled manipulators characterised by positioning means for manipulator elements electric
    • B25J9/126—Rotary actuators
    • 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
    • B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
    • B25J9/1676—Avoiding collision or forbidden zones

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Manipulator (AREA)

Abstract

디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법이 제시된다. 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터는, 영상 정보를 취득하는 촬영부와, 상기 촬영부의 회전 각도를 제어하는 각도 제어부가 구성되는 머리부; 및 상기 머리부의 하부에 배치되며, 작업을 위한 복수의 관절이 형성된 매니퓰레이터가 구성되는 몸통부를 포함하고, 상기 머리부의 상기 각도 제어부는 상기 몸통부와 독립적으로 상기 촬영부를 회전시킬 수 있다.

Description

디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법{DIGITAL AGENT EMBEDDED MOBILE MANIPULATOR AND METHOD OF OPERATING THEREOF}
아래의 실시예들은 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법에 관한 것으로, 더욱 상세하게는, 전방향(omni-directional) 작업이 가능함과 동시에 감성 기반 대화가 가능한 소셜 로봇 에이전트를 통합하는 새로운 이동 매니퓰레이터(manipulator) 플랫폼에 관한 것이다.
모바일 플랫폼(mobile platform)을 갖는 원격 존재 로봇은 사람의 손과 같이 다양한 조작을 행하는 매니퓰레이터(manipulator)와 매니퓰레이터를 탑재한 상태로 전(全) 방향으로 구동되는 모바일 플랫폼(Omni-directional mobile platform)으로 구성될 수 있다. 이러한 경우 매니퓰레이터와 모바일 플랫폼은 서로 독립적으로 조작될 필요가 있으나, 일반적으로 두 팔(또는 두 손)을 이용하여 원격 존재 로봇을 조작하는 사용자로서는 매니퓰레이터와 모바일 플랫폼 모두를 동시에 제어하기가 어렵다는 문제점이 있다.
기존의 이동 매니퓰레이터와 관련한 특허들 중 한국공개특허 10-2006-0113099호는 작업을 하는 이동 매니퓰레이터와 이의 작업을 자동으로 감지하여 촬영하는 비젼로봇에 관한 발명이다. 하지만 작업을 하는 로봇과 환경을 촬영하는 로봇이 분리되어 있어 좁은 실내 공간 내에서 효율적인 작업이 힘들다. 또한, 한국공개특허 10-2012-0047490호는 가사도우미 로봇 매니퓰레이터의 관한 것으로서, 휠 베이스 위에 다관절 매니퓰레이터 2개가 부착되어 있다. 하지만 카메라나 로봇 얼굴 파트는 없으며 두 매니퓰레이터도 전방 작업만 가능하다. 이러한 구조는 흴을 제어하여 몸체 전체를 회전하며 작업을 해야 하기 때문에 좁은 실내공간에선 더욱 비효율적이다.
한국공개특허 10-2006-0113099호
K.-H. Han and J.-H. Kim, "Quantum-inspired evolutionary algorithm for a class of combinatorial optimization," IEEE Trans. Evol. Comput., Vol. 6, no. 6, pp. 580-593, 2002. J. Yun, J. Lee, D. Han, J. Ju, and J. Kim, "Cost-efficient 3D face reconstruction from a single 2D image," in Proc. Int. Conf. Advanced Communications Tech., Pyeongchang, Republic of Korea, Feb. 2017. W. Hwang, W. Kim, S. Suh, J.-J. Han, and J. Kim, "Face recognition using average example image," Electron. Lett., Vol. 50, no. 25, pp. 1921-1923, 2014. H. Yoo, Y. Suh, and H. Kim, "Voice conversion in HTS using VTLN warping factor transform," in Proc. Korean Society Speech Sci., Seoul, Republic of Korea, Nov. 2016, pp. 141-142.
실시예들은 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법에 관하여 기술하며, 보다 구체적으로 전방향(omni-directional) 작업이 가능함과 동시에 감성 기반 대화가 가능한 소셜 로봇 에이전트를 통합하는 새로운 이동 매니퓰레이터(manipulator) 플랫폼을 제공한다.
실시예들은 로봇이 단순 작업만 하는 것이 아니라, 로봇 주변의 사람들과 상호작용을 하도록 특정 사람의 외형, 성격을 디지털(Digital) DNA를 기반으로 생성하여 그 생명체를 매니퓰레이터에 구현함으로써, 로봇이 대화 시 주변 환경에 대한 상황 정보(context)를 추론하여 표정에 반영하여 사용자와 상호작용을 할 수 있는 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법을 제공하는데 있다.
또한, 실시예들은 휠 베이스 위에 매니퓰레이터를 구성하고 태블릿 로봇 얼굴과 카메라를 부착하여 전체적으로 좁은 공간을 차지하도록 구현함으로써, 실내 환경에서 효율적인 이동과 작업이 가능한 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법을 제공하는데 있다.
일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터는, 영상 정보를 취득하는 촬영부와, 상기 촬영부의 회전 각도를 제어하는 각도 제어부가 구성되는 머리부; 및 상기 머리부의 하부에 배치되며, 작업을 위한 복수의 관절이 형성된 매니퓰레이터가 구성되는 몸통부를 포함하고, 상기 머리부의 상기 각도 제어부는 상기 몸통부와 독립적으로 상기 촬영부를 회전시킬 수 있다.
상기 몸통부의 하부에 배치되며, 이동을 위한 적어도 하나 이상의 휠이 구성되는 다리부를 더 포함하여 이루어질 수 있다.
상기 머리부의 상기 촬영부는, 주변의 영상을 획득하여 통신 모듈을 통해 사용자에게 전송하는 카메라일 수 있다.
상기 머리부는, 로봇 얼굴을 표시하고, 대화 시 기설명된 정보를 바탕으로 표정을 나타내는 디스플레이 모듈을 더 포함할 수 있다.
상기 디스플레이 모듈은, 특정 사람 또는 고유의 외형 또는 성격을 디지털(Digital) DNA(Deoxyribonucleic Acid)를 기반으로 생성하여 구현하고, 대화 시 주변 환경에 대한 상황 정보(context)를 추론하여 표정에 반영하여 사용자와 상호작용 할 수 있다.
상기 디스플레이 모듈은, 로봇 얼굴을 통해 대화 시 표정 및 입 모양을 표시하는 디스플레이부; 외부의 음성을 인식하는 마이크; 음성을 출력하는 스피커; 및 상기 마이크를 통해 인식한 음성을 분석하고, 상기 인식한 음성 또는 상기 촬영부를 통해 획득한 영상을 통해 상황 정보를 획득하여 상기 스피커를 통해 출력할 음성과 상기 디스플레이부를 통해 표시할 로봇 얼굴, 표정 및 입 모양을 결정하는 제어부를 포함할 수 있다.
그리고 상기 디스플레이 모듈은, 태블릿(tablet) PC로 이루어지며, 상기 디지털 에이전트 이동 매니퓰레이터는, 휠 베이스 상부에 상기 매니퓰레이터가 구성된 몸통부가 형성되고, 상기 태블릿 PC를 부착됨에 따라 좁은 공간을 차지하도록 구현되어 실내 환경 또는 좁은 환경에서 효율적인 이동과 작업이 가능하다.
상기 머리부의 상기 각도 제어부는, 팬 및 틸트 기능의 모터를 이용해 회전 각도를 제어할 수 있다.
상기 몸통부는, 상기 매니퓰레이터를 작업 위치로 움직이기 위한 제어를 수행하는 제1 회전 작업 모터; 및 상기 제1 회전 작업 모터와 소정 간격 이격되어 배치되며, 상기 제1 회전 작업 모터와 연동하여 서로 반대로 동작하는 제2 회전 작업 모터를 포함하고, 상기 제1 회전 작업 모터 및 상기 제2 회전 작업 모터는 하나의 쌍으로 이루어져 상기 매니퓰레이터의 회전 작업과 상기 머리부의 회전이 독립적으로 이루어지도록 할 수 있다.
상기 몸통부는, 상기 매니퓰레이터의 말단에 작업을 위한 엔드 이펙터(end effector)가 부착될 수 있다.
상기 다리부는, 사용자의 원격 조종에 따라 상기 휠을 통한 이동 방향 및 속도를 조절하고, 상기 각도 제어부의 회전 각도와 상기 매니퓰레이터의 동작을 제어하는 동작 제어부를 더 포함할 수 있다.
상기 디스플레이 모듈은, 사용자 단말과 연결되어 실시간으로 사용자의 상황 정보를 추론한 결과를 전달 받아 AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 상기 디지털 DNA를 따르는 표정을 디스플레이 하거나 음성을 출력하고, 상기 사용자 단말은, 상기 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 상기 사용자의 상황 정보를 추론할 수 있다.
상기 사용자 단말은, 어플리케이션의 실행을 통해 상기 디스플레이 모듈과 연결되며, 학습된 신경망을 사용하여 위치, 사용자 행동, 스마트 폰 상태 정보 및 시간 정보와 관련된 상기 사용자의 상황 정보를 실시간으로 추론하고, 사용자가 특정 디지털 DNA를 선택함에 따라 상기 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 상기 디스플레이 모듈로 전송할 수 있다.
상기 디스플레이 모듈은, 선택된 상기 디지털 DNA를 상기 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현하며, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성하며, 음성 DNA를 기반으로 상기 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력할 수 있다.
다른 실시예에 따른 디지털 에이전트 이동 매니퓰레이터는, 매니퓰레이터 및 상기 매니퓰레이터에 설치되고, 사용자 단말과 연결되어 실시간으로 주변 환경에 대한 사용자의 상황 정보를 추론한 결과를 전달 받아, AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 디지털(Digital) DNA(Deoxyribonucleic Acid)를 따르는 표정을 디스플레이 하거나 음성을 출력하는 디스플레이 모듈을 포함할 수 있다.
상기 사용자 단말은, 어플리케이션의 실행을 통해 상기 디스플레이 모듈과 연결되며, 상기 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 상기 사용자의 상황 정보를 추론하고, 사용자가 특정 디지털 DNA를 선택함에 따라 상기 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 상기 디스플레이 모듈로 전송할 수 있다.
상기 디스플레이 모듈은, 선택된 상기 디지털 DNA를 상기 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현하며, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성하며, 음성 DNA를 기반으로 상기 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력할 수 있다.
실시예들에 따르면 로봇이 단순 작업만 하는 것이 아니라, 로봇 주변의 사람들과 상호작용을 하도록 특정 사람의 외형, 성격을 디지털(Digital) DNA를 기반으로 생성하여 그 생명체를 매니퓰레이터에 구현함으로써, 로봇이 대화 시 주변 환경에 대한 상황 정보를 추론하여 표정에 반영하여 사용자와 상호작용을 할 수 있는 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법을 제공할 수 있다.
또한, 실시예들에 따르면 휠 베이스 위에 매니퓰레이터를 구성하고 태블릿 로봇 얼굴과 카메라를 부착하여 전체적으로 좁은 공간을 차지하도록 구현함으로써, 실내 환경에서 효율적인 이동과 작업이 가능한 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법을 제공할 수 있다.
도 1은 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터를 개략적으로 나타내는 도면이다.
도 2는 일 실시예에 따른 학습 알고리즘 최적화를 위한 QEA를 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 QEA-NN를 사용한 성격 DNA의 인코딩을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 텍스처를 재구성하는데 사용되는 인간의 얼굴 이미지와 대상 얼굴의 3차원 형상의 선형 조합을 나타내는 도면이다.
도 5는 일 실시예에 따른 얼굴의 3차원 모델 결과를 나타내는 도면이다.
도 6은 일 실시예에 따른 음성 DNA 기반 음성 합성 시스템을 나타낸다.
도 7은 일 실시예에 따른 QEA-NN을 사용한 상황 정보 인식을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 상황 정보 인식을 위한 QEA-NN의 트레이닝 결과를 나타내는 도면이다.
도 9는 일 실시예에 따른 AE 로봇의 구조를 개략적으로 나타낸 도면이다.
도 10은 일 실시예에 따른 로봇 플랫폼의 예를 나타낸다.
도 11은 일 실시예에 따른 에이전트의 다양한 성격에 따른 제스처의 강도를 나타내는 도면이다.
도 12는 일 실시예에 따른 에이전트의 다양한 상황 정보 및 성격에 따른 표현의 강도를 나타내는 도면이다.
도 13은 일 실시예에 따른 분노 시나리오에 대한 표현을 수행하는 비디오 클립의 스냅샷의 예를 나타내는 도면이다.
도 14는 일 실시예에 따른 인사말 시나리오에 대한 표현을 수행하는 비디오 클립의 스냅샷의 예를 나타내는 도면이다.
이하, 첨부된 도면을 참조하여 실시예들을 설명한다. 그러나, 기술되는 실시예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명되는 실시예들에 의하여 한정되는 것은 아니다. 또한, 여러 실시예들은 당해 기술분야에서 평균적인 지식을 가진 자에게 본 발명을 더욱 완전하게 설명하기 위해서 제공되는 것이다. 도면에서 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.
아래의 실시예들은 전방향(omni-directional) 작업이 가능함과 동시에 감성 기반 대화가 가능한 소셜 로봇 에이전트를 통합하는 새로운 이동 매니퓰레이터(manipulator) 플랫폼이다.
본 발명은 이동 매니퓰레이터 설계와 그 기능에 관한 것이다. 발명의 세부 내용은 다음과 같다.
실내 환경에서 효율적인 이동과 작업이 가능해야 한다. 이를 위해, 휠 하체부에 전방향 작업이 가능한 다관절 매니퓰레이터를 부착한다. 그리고 원격으로 로봇을 조종하기 위해 로봇의 주변 상황을 인식하고 사용자에게 전송할 카메라를 부착한다.
로봇이 단순 작업만 하는 것이 아니라, 로봇 주변의 사람들과 상호작용을 한다. 특정 사람의 외형, 성격을 디지털(Digital) DNA를 기반으로 생성하여 그 생명체를 매니퓰레이터에 구현한다. 이에 따라 로봇이 대화할 때 표정을 짓고 행동을 하고 주변 환경에 대한 상황 정보(context)를 추론하여 이 또한 대화 시 표정에 반영하는 기능을 구현한다. 이를 구현하고 표현하기 위해 태블릿(tablet) PC 기반의 로봇 얼굴을 부착한다.
실내 공간에서 효율적으로 행동하기 위해 로봇의 설계를 최대한 간결하게 해야 한다. 이를 위해 휠베이스 위에 매니퓰레이터를, 그리고 그 위에 태블릿 로봇 얼굴과 카메라를 부착하여 전체적으로 좁은 공간만 차지하게 한다. 하지만, 상호작용하고 주변을 인식할 때, 작업하고 있는 매니퓰레이터의 영향을 받지 않기 위해, 매니퓰레이터와 독립적으로 움직일 수 있도록 설계한다.
도 1은 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터를 개략적으로 나타내는 도면이다.
도 1을 참조하면, 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터(100)는 머리부(120), 몸통부(110) 및 다리부(130)를 포함하여 이루어질 수 있다.
머리부(120)는 촬영부 및 각도 제어부(123)가 구성될 수 있으며, 실시예에 따라 디스플레이 모듈(121)을 더 포함할 수 있다. 또한 머리부(120)는 촬영부 및/또는 디스플레이 모듈(121)을 고정하기 위한 프레임(122)을 더 포함할 수 있다.
촬영부는 영상 정보를 취득할 수 있다. 예컨대, 촬영부는 주변의 영상을 획득하여 통신 모듈을 통해 사용자에게 전송하는 카메라일 수 있다.
각도 제어부(123)는 촬영부의 회전 각도를 제어할 수 있다. 예컨대, 각도 제어부(123)는, 팬 및 틸트 기능의 모터를 이용해 회전 각도를 제어할 수 있다.
그리고, 디스플레이 모듈(121)은 로봇 얼굴을 표시하고, 대화 시 기설명된 정보를 바탕으로 표정을 나타낼 수 있다. 보다 구체적으로, 디스플레이 모듈(121)은 특정 사람 또는 고유의 외형 또는 성격을 디지털 DNA(Deoxyribonucleic Acid)를 기반으로 생성하여 구현하고, 대화 시 주변 환경에 대한 상황 정보를 추론하여 표정에 반영하여 사용자와 상호작용 할 수 있다.
예를 들어, 디스플레이 모듈(121)은 디스플레이부, 마이크, 스피커 및 제어부를 포함하여 이루어질 수 있다. 한편, 디스플레이 모듈(121)에 촬영부가 포함될 수도 있다.
디스플레이부는 로봇 얼굴을 통해 대화 시 표정 및 입 모양을 표시할 수 있으며, 스피커는 외부의 음성을 인식할 수 있고, 스피커는 음성을 출력할 수 있다. 그리고 제어부는 마이크를 통해 인식한 음성을 분석하고, 인식한 음성 또는 촬영부를 통해 획득한 영상을 통해 상황 정보를 획득하여 스피커를 통해 출력할 음성과 디스플레이부를 통해 표시할 로봇 얼굴, 표정 및 입 모양을 결정할 수 있다.
특히, 디스플레이 모듈(121)은 태블릿 PC로 이루어질 수 있다. 이에 따라 디지털 에이전트 이동 매니퓰레이터는 휠 베이스 상부에 매니퓰레이터(111)가 구성된 몸통부(110)가 형성되고, 태블릿 PC를 부착됨에 따라 좁은 공간을 차지하도록 구현되어 실내 환경 또는 좁은 환경에서 효율적인 이동과 작업이 가능하다.
이러한 디스플레이 모듈(121)은 사용자 단말과 연결되어 실시간으로 사용자의 상황 정보를 추론한 결과를 전달 받아 AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 디지털 DNA를 따르는 표정을 디스플레이 하거나 음성을 출력할 수 있다.
한편, 사용자 단말은 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 사용자의 상황 정보를 추론할 수 있다.
보다 구체적으로, 사용자 단말은 어플리케이션의 실행을 통해 디스플레이 모듈(121)과 연결되며, 학습된 신경망을 사용하여 위치, 사용자 행동, 스마트 폰 상태 정보 및 시간 정보와 관련된 사용자의 상황 정보를 실시간으로 추론할 수 있다. 그리고 사용자가 특정 디지털 DNA를 선택함에 따라 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 디스플레이 모듈(121)로 전송할 수 있다.
디스플레이 모듈(121)은 선택된 디지털 DNA를 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현할 수 있다. 즉, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성할 수 있으며, 음성 DNA를 기반으로 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력할 수 있다.
이러한 기능은 디스플레이 모듈(121), 특히 태블릿 PC 등을 통해 구현될 수 있으나, 별도의 제어 시스템을 통해 구현되는 것도 가능하다. 예컨대 디지털 에이전트 이동 매니퓰레이터의 다리부(130) 또는 몸통부(110)에 구성된 별도의 제어 시스템을 통해 구현되거나, 다리부(130)의 동작 제어부와 함께 구현되는 것도 가능하다.
몸통부(110)는 머리부(120)의 하부에 배치되며, 작업을 위한 복수의 관절(112)이 형성된 매니퓰레이터(111)가 구성될 수 있다. 이 때, 머리부(120)의 각도 제어부(123)는 몸통부(110)와 독립적으로 촬영부를 회전시킬 수 있다.
이러한 몸통부(110)는 제1 회전 작업 모터(114) 및 제2 회전 작업 모터(115)를 포함할 수 있다. 제1 회전 작업 모터(114)는 매니퓰레이터(111)를 작업 위치로 움직이기 위한 제어를 수행할 수 있다. 그리고 제2 회전 작업 모터(115)는 제1 회전 작업 모터(114)와 소정 간격 이격되어 배치되며, 제1 회전 작업 모터(114)와 연동하여 서로 반대로 동작할 수 있다. 이와 같이 제1 회전 작업 모터(114) 및 제2 회전 작업 모터(115)는 하나의 쌍으로 이루어져 매니퓰레이터(111)의 회전 작업과 머리부(120)의 회전이 독립적으로 이루어지도록 할 수 있다.
또한, 몸통부(110)는 매니퓰레이터(111)의 말단에 작업을 위한 엔드 이펙터(end effector)(113)가 부착될 수 있다.
다리부(130)는 몸통부(110)의 하부에 배치되며, 이동을 위한 적어도 하나 이상의 휠(131)이 구성될 수 있다. 예컨대 적어도 하나 이상의 휠(131)은 옴니휠로 구성될 수 있다.
또한, 다리부(130)는 사용자의 원격 조종에 따라 휠(131)을 통한 이동 방향 및 속도를 조절하고, 각도 제어부(123)의 회전 각도와 매니퓰레이터(111)의 동작을 제어하는 동작 제어부를 더 포함할 수 있다.
다른 실시예에 따른 디지털 에이전트 이동 매니퓰레이터는 매니퓰레이터 및 디스플레이 모듈을 포함하여 이루어질 수 있다.
매니퓰레이터는 앞에서 설명한 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터(100)의 몸통부(110) 또는 몸통부(110)의 구성과 동일한 기능을 수행할 수 있으며, 반복되는 설명은 생략하기로 한다.
디스플레이 모듈은 매니퓰레이터에 설치되고, 사용자 단말과 연결되어 실시간으로 주변 환경에 대한 사용자의 상황 정보를 추론한 결과를 전달 받아, AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 디지털 DNA를 따르는 표정을 디스플레이 하거나 음성을 출력할 수 있다.
또한, 디스플레이 모듈은 선택된 디지털 DNA를 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현할 수 있다. 보다 구체적으로, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성하며, 음성 DNA를 기반으로 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력할 수 있다.
여기서, 사용자 단말은 어플리케이션의 실행을 통해 디스플레이 모듈과 연결되며, 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 사용자의 상황 정보를 추론할 수 있다. 그리고 사용자가 특정 디지털 DNA를 선택함에 따라 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 디스플레이 모듈로 전송할 수 있다.
특히, 디스플레이 모듈은 태블릿 PC로 이루어질 수 있으며, 앞에서 설명한 일 실시예에 따른 디지털 에이전트 이동 매니퓰레이터(100)의 디스플레이 모듈(121)과 동일한 기능을 수행할 수 있으며, 반복되는 설명은 생략하기로 한다.
이상에서 설명한 바와 같이, 예를 들어 디지털 에이전트 이동 매니퓰레이터는 휠로 구성된 모바일 로봇 플랫폼 상부에 다관절 매니퓰레이터가 탑재되어 있으며, 말단에는 작업을 위한 엔드 이펙터(end effector)가 부착될 수 있다. 다관절 매니퓰레이터를 이용하는 작업을 위한 영상정보 취득을 위해 카메라와 디스플레이 모듈이 매니퓰레이터 상부에 부착되어 있다. 카메라 및 디스플레이 모듈은 팬 및 틸트 모터를 이용해 회전 각도를 제어할 수 있다.
특히, 두 개의 매니퓰레이터 회전 작업 모터 쌍을 이용해 매니퓰레이터의 회전 작업과 카메라 및 디스플레이 모듈의 팬 회전이 독립적으로 이루어지게 된다. 하부에 위치한 회전 작업 모터가 원하는 매니퓰레이터를 작업 위치로 움직이기 위한 제어를 수행하면 상부에 위치한 회전 작업 모터는 하부의 모터와 연동하여 정확히 반대로 제어된다. 따라서, 매니퓰레이터의 회전 작업은 매니퓰레이터 상부에 위치하는 카메라 및 디스플레이 모듈의 시야각에 영향을 주지 않으며, 팬 모터를 이용한 회전각 제어는 독립적으로 수행된다.
또한 부착된 디스플레이 모듈에 포함된 마이크를 통해 음성을 인식하고, 스피커를 통해 대화를 표현한다. 또한 디스플레이에서 디지털 생명체의 얼굴, 표정, 말 할 때의 입 모양 등을 표현한다.
따라서 전방향 작업이 가능한 이동 매니퓰레이터를 통해 좁은 실내 공간에서 다양한 작업을 효율적으로 수행할 수 있다. 또한 매니퓰레이터와는 독립적으로 움직이는 카메라 모듈을 사용하여 환경을 인식하고 이에 알맞은 지능적인 작업 수행이 가능하며, 환경 정보를 사용자에게 전송하여 원격 제어 또한 가능하다. 디스플레이 모듈에선 로봇 안에 구현된 디지털 생명체의 성격에 맞게 음성 인식 및 재생, 그리고 이미지를 보여줌으로써 주변 사람과도 다양한 상호작용이 가능하다. 이를 통한 다양한 서비스 제공을 기대할 수 있다.
이와 같이 실시예들에 따르면 실내 환경에서 매니퓰레이터를 이용한 전방향 작업과 사람과 감성 기반으로 대화하는 소셜 로봇 플랫폼을 제공함으로써, 개인용(personal) 로봇, 가사도우미 로봇, 소셜 로봇 등 다양한 분야에 응용될 수 있다.
아래에서는 상황 정보를 추론하여 표정에 반영하고 사용자와 상호작용 사용자와 상호 작용하는 구성에 대해 보다 구체적으로 설명한다.
인간과 정서적으로 상호 작용하기 위해 에이전트 임베디드(Agent Embedded, AE) 시스템은 인간과 유사한 특징을 외부적으로 표현할 뿐만 아니라 성격, 외형 및 음성 등의 인간과 유사한 특징을 내부적으로 통합해야 한다. 이를 위해 AE 로봇의 내부 및 외부 모두에 인간과 유사한 특징을 도입하기 위한 디지털 DNA 개념을 제안한다. 디지털 DNA를 인코딩 및 디코딩함으로써, AE 로봇은 내부 및 외부 모두에 인간과 유사한 특징을 제공받아 인간과 상호 작용할 수 있게 된다. 제안된 Quantum-inspired 진화 알고리즘 기반 신경망(QEA-NN)을 사용하여 사용자의 단말(여기에서는, 스마트 폰을 예를 들어 설명한다)에서 수집된 센서 데이터로부터 핵심 특징을 선택하고 실시간으로 상황 정보를 추론한다. 사용자의 상황 정보는 로봇과 사용자 간의 통신에 동적으로 반영된다. 에이전트 임베디드형 시스템의 효과를 입증하기 위해, KAIST의 Robot Intelligence Technology Lab에서 개발한 인간형 로봇 Mybot을 사용하여 실험을 수행하였다.
HUMAN 로봇 상호 작용(HUMAN Robot Interaction, HRI)은 로봇 시스템이 특정 상황에 대해 사전에 미리 정의된 단순한 동작을 수행하는 것을 넘어 지속적으로 발전하기 때문에 사회적 지능(social intelligence) 분야에서 중요한 연구 과제 중 하나이다. 사회적 지능은 영장류, 특히 인간의 사회 생활에서 얻어지는 것으로 제안되었다. 더욱이 일부 연구자들은 진화의 결과로 인간은 사회적 지능을 사용하여 자신의 전문 지식을 사회적 영역에서 비 사회적 영역으로 옮길 수 있다고 주장하였다. 따라서 사회적 지능은 부가 기능뿐만 아니라 인간과 유사한 인공 지능(AI)을 개발하기 위한 기본적인 요소로 간주된다.
HRI는 로봇과의 상호 작용에 사회적 지능을 적용하려는 연구 분야이며, 이러한 의미에서 사회적 로봇이 연구되며 개발되고 있다. 사회적 로봇은 앞에서 설명된 바와 같이 사회적으로 환기시키고(evocative), 사회적으로 위치하며, 사교적이고, 사회적으로 지능적이며, 사회적으로 상호 작용하는 로봇을 포함하여 다양한 측면에서 정의될 수 있다. 사회적 로봇은 아동과의 상호 작용, 노인 간호, 자폐증 치료 등 다양한 분야에서 실제 적용되고 있다. 장기적인 상호 작용과 인간 행동의 의미 및 의도를 이해하는 것 또한, HRI의 관점에서 연구되고 있다.
사회적 로봇에 대한 지속적인 연구가 진행됨과 함께 인간과 같은 로봇의 개발이 진행됨에 따라, 사회적 로봇은 사람들과의 단순한 대화가 가능할 뿐만 아니라 자신의 감정을 표현할 수 있게 되었다. 인간을 모방한 로봇을 개발하여 인간의 행동에 따라 작업을 수행할 수 있는 추가 연구가 수행되어 왔다. 또한, 인간의 성격을 모방할 수 있는 로봇이 개발되었으며, 두 종류의 성격을 나타내는 로봇이 보고되었다.
사회적으로 상호 작용하는 로봇을 위한 사회적 로봇의 정의 또한, 그러한 특성의 표현을 포함한다. 이러한 발전이 지속되어 로봇이 특정 인물의 특성을 모방하기 시작하면 인간은 로봇과의 친밀한 감정적 상호 작용에 참여할 수 있을 뿐만 아니라, 마치 돌아가신 가족이나 연예인 등 실제 사람과 장거리로 의사 소통하는 것처럼 느낄 수도 있다.
인간과 같은 특징을 로봇의 내, 외부에 도입하기 위해, 로봇에 삽입되는 에이전트에 대한 디지털 DNA(Digital Deoxyribonucleic Acid) 개념을 제안할 수 있으며, 이 개념은 인공 생명체 유전자 개념에서 영감을 얻은 것이다. 디지털 DNA를 인코딩 및 디코딩함으로써 에이전트 임베디드(AE) 로봇은 내부 및 외부에서 인간과 유사한 기능을 제공받을 수 있으며 인간과 행동을 취하거나 진정으로 상호 작용할 수 있게 된다.
사람들이 서로 의사 소통할 때 상황을 인지하고 이를 상호 작용에 적절하게 반영하는 것은 매우 중요하다. 로봇이 자신의 즉각적인 환경에 대한 명시적인 정보뿐만 아니라 사용자의 상황에 대한 의미 있는 정보를 추론할 수 있다면 인간은 감정적으로 로봇과 상호 작용할 수 있게 된다.
여기에서는, 사용자의 상황에 대한 상기와 같은 정보를 참조하기 위해 "상황 정보(context)"라는 용어를 사용한다. 이 문제를 해결하기 위해 사용자의 단말(예컨대, 스마트 폰)에서 수집된 센서 데이터로부터 핵심 기능을 선택하고 실시간으로 상황 정보를 추론하는 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network) 최적화(optimization)를 제공한다. 사람들은 하루 종일 스마트 폰을 소지하고 있기 때문에 스마트 장치를 사용하여 사용자의 상황 정보를 보다 정확하게 인식할 수 있다. 에이전트 임베디드는 스마트 폰에서 수집된 센서 데이터를 사용하여 사용자의 상황 정보를 추론하여 AE 로봇과 사용자 간의 통신에 반영할 수 있다.
제안된 AE 시스템은 로봇 및 스마트 장치와 같은 하드웨어 플랫폼에 적용될 수 있는 일반적인 시스템으로 설계될 수 있다. 실제로 3차원 아바타를 스마트 폰 및 휴머노이드 로봇의 에이전트로 사용하여 이 시스템을 구현할 수 있다. 일 실시예에서는 AE 시스템이 휴머노이드 로봇에서 구현될 수 있으며, KAIST의 Robot Intelligence Technology Lab에서 개발된 로봇에 대한 시스템의 동작을 실험적으로 증명할 수 있다.
아래에서는, 먼저 QEA-NN을 설명하기 위한 예비 정보를 제시하며, QEA-NN은 시스템에서 두 번 적용된다. 그리고 디지털 DNA의 개념 및 상황 인식 모듈을 설명하며, 시스템이 로봇 플랫폼에서 어떻게 설계되고 구축되는지, 그리고 HRI 어플리케이션으로 실험된 결과를 보여준다.
도 2는 일 실시예에 따른 학습 알고리즘 최적화를 위한 QEA를 설명하기 위한 도면이다.
도 2를 참조하면, 학습 알고리즘 최적화를 위한 QEA를 나타내는 것으로, 여기서 신경망은 QEA-NN의 학습 알고리즘으로 사용된다. QEA-NN은 모든 세트(set) 중에서 핵심 기능을 입력으로 선택하고, QEA(Quantum-inspired Evolutionary Algorithm)(비특허문헌 1)를 사용하여 최적화된 신경망을 트레이닝 시킬 수 있다. 신경망의 입력으로 여러 기능이 제공되는 경우 QEA는 기존 최적화 알고리즘보다 빠르게 수렴하고 거의 로컬 최소로 떨어진다.
QEA-NN은 다음과 같은 m 개의 Q 비트(bit) 세트를 사용할 수 있으며, 다음 식과 같이 나타낼 수 있다.
[식 1]
Figure pat00001
여기에서, m은 각 발생(generation) t마다의 인구 규모이다. 각각의 Q 비트 원소(individual),
Figure pat00002
는 다음과 같이 n 개의 Q 비트로 구성된다.
[식 2]
Figure pat00003
여기서, 각 Q 비트는
Figure pat00004
와 같이 표현되며, 이 행렬에서 n 은 j = 1, 2, ..., n 및 k = 1, 2, ..., m 특징의 개수이다.
각 Q 비트에 대해,
Figure pat00005
는 대응하는 k 번째 특징이 입력으로서 사용될 확률을 제공하고,
Figure pat00006
는 k 번째 특징이 입력으로 사용되지 않을 확률을 제공하므로,
Figure pat00007
이 된다. 각각의 Q 비트
Figure pat00008
는 관찰된 상태
Figure pat00009
로서 2진수를 갖는다.
아래와 같이, 값이 1이면 해당 k 번째 특징이 신경망의 입력으로 사용되고, 값이 0이면 사용되지 않는다. n 개의 관측된 상태는 대응하는 Q 비트 개체인
Figure pat00010
에 대한 이진 개체
Figure pat00011
를 구성하고, m 개의 이진 개체 집합 X(t)는 각각 m 개의 Q 비트 개체 Q(t)에 해당하며, 다음 식과 같이 나타낼 수 있다.
[식 3]
Figure pat00012
여기서,
Figure pat00013
, j = 1, 2, ..., n 및 k = 1, 2, ..., m는 이진수이다.
적합도 함수(fitness function)는 다음과 같이 신경망의 오차 및 입력으로 사용된 특징 수(number of features)의 합으로 정의되며, 다음 식과 같이 나타낼 수 있다.
[식 4]
Figure pat00014
여기서,
Figure pat00015
는 레이블이
Figure pat00016
인 경우 각 특징에 대한 생성에서 신경망으로부터 측정된 오차이며,
Figure pat00017
는 신경망의 출력이고, 트레이닝된 가중치 W 및 바이어스 b를 가지는
Figure pat00018
이며, X는 한 발생에서의 Q 비트 개체의 관측 상태이고,
Figure pat00019
은
Figure pat00020
-norm이다.
앞에서 언급했듯이, Q 비트의 각 관찰된 상태
Figure pat00021
는 해당 특성이 사용되거나 사용되지 않으면 각각 1 또는 0이므로, 모든 j = 1, 2, ..., n에 대한
Figure pat00022
의 합계는 값이 1 인
Figure pat00023
의 수와 동일하다. 즉,
Figure pat00024
는 신경망의 입력으로 사용되는 특성의 수이다. E 및
Figure pat00025
은 계수
Figure pat00026
에 따라 선형적으로 결합된다.
QEA-NN의 모든 프로세스에서 최적의 분류 정확도를 보장하는데 사용될 특성을 선택하는데 사용되는 최적화된 Q 비트는 적합도 함수를 최소화하여 얻을 수 있다.
디지털 DNA는 에이전트의 특성을 정의할 수 있는 유전적 표현을 나타낸다. 로봇을 포함한 AE 시스템은 디지털 DNA를 기반으로 인간처럼 행동할 수 있다. 본 실시예에서는 디지털 DNA가 에이전트에 의해 외부 및 내부적으로 표현되는 특성에 대한 정보를 포함하도록 하였다. 이는 시스템이 인간과 같이 인간과 정서적으로 상호 작용할 수 있게 한다. 감정적인 상호 작용에 큰 영향을 미치는 특성은 대화와 행동으로 표현되는 에이전트의 외형(appearance), 음성(voice) 및 성격(personality)이다.
각 특성은 서로 다른 경향을 가지기 때문에 각각에 대한 디지털 DNA는 다른 방식으로 정의될 수 있다. 따라서 디지털 DNA로 인코딩될 사람으로부터 이러한 특징을 추출한 다음 인간처럼 행동하는 에이전트에 의해 특성으로 표현할 수 있다.
정의 1. 특정 에이전트의 특성을 인코딩하는 디지털 DNA는 다음 식과 같이 정의될 수 있다.
[식 5]
Figure pat00027
여기에서, N은 인코딩된 특성의 유형에 따라 인코딩된 DNA 구성 요소의 수이다. 본 실시예에서는 하나의 예로써 성격 DNA(Dp), 외형 DNA(Df) 및 음성 DNA(Dv)를 정의한다.
성격 DNA( D p )
빅 5 성격 모델에 따르면, 사람의 성격은 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness), 신경성(neuroticism) 등 5 가지 특성으로 나타낼 수 있다. 이러한 모델들을 사용하여 에이전트 성격을 부여함으로써 성격 DNA를 생성할 수 있다. DNA를 사용함으로써 각 에이전트의 성격은 각 특성이 얼마나 강한지에 따라 결정될 수 있다.
표 1은 스마트 폰으로부터 수집된 로그 데이터의 예를 나타낸다.
[표 1]
Figure pat00028
사람들은 스마트 폰을 사용할 때 특정 패턴을 따르므로, 사람들의 성격에 따라 표 1과 같이 스마트 폰의 로그 데이터와 사용자의 성격 사이의 상관 관계를 유도하고, 이를 적용하여 성격 DNA를 생성할 수 있다.
스마트 폰의 로그 데이터와 사용자의 성격 사이의 상관 관계는 신경망에서 가중치로 표시될 수 있다.
표 2는 스마트 폰 로그 데이터로부터 추출된 특징의 예를 나타낸다.
[표 2]
Figure pat00029
신경망은 표 2에 나열된 바와 같이 로그 데이터에서 입력으로서 추출된 특징을 포함하고, 빅 5 성격 모델에서 각 특성의 순위가 출력으로 사용될 수 있다. 상관 적분
Figure pat00030
를 이용하여 산술 평균
Figure pat00031
, 표준 편차
Figure pat00032
, 엔트로피
Figure pat00033
및 프랙털 차원의 로그 데이터로부터 추출한 특징
Figure pat00034
는 다음 식과 같이 정의될 수 있다.
[식 6]
Figure pat00035
여기서, Xi는 로그 데이터이고, L은 각 소스의 데이터 수이며, m은 데이터의 산술 평균이고, M은 각 위치 데이터의 특정 위치와 같은 이벤트 수이며, p j 는 j 번째 이벤트가 발생할 확률(예: j 번째 장소를 방문할 확률)이다.
Figure pat00036
는 프랙탈(fractal) 차원의 특징이다. 상관 관계 차원을 사용하여 두 점을 연결하는 선(선의 길이가 배율 인수(scale factor) R보다 작음)의 수인 C를 계산하고, P는 맵의 모든 점의 수이며,
Figure pat00037
는 Heaviside 스텝 함수이며, 다음 식과 같이 나타낼 수 있다.
[식 7]
Figure pat00038
모든 로그 데이터가 사람들의 성격에 영향을 미치는 것은 아니므로, 신경망의 입력에 대한 로그 데이터로부터 추출된 유효 특성이 선택적으로 적용되면 성격 추론이 더욱 정확해진다. 이러한 이유로, 신경망의 입력으로 각 성격에 대한 특징을 선택하고, QEA-NN을 사용하여 각 레이어의 노드 수와 같은 최적화된 구조를 결정할 수 있다.
본 실시예에서는 34명의 데이터베이스를 사용하였다. 이들의 성격 정보는 5 가지 성격 테스트 설문 조사로부터 수집되었으며, 스마트 폰 센서 데이터는 50일 동안 수집되었다.
표 3은 QEA-NN을 사용하여 빅 5 성격 추론의 최적화된 결과를 나타낸다.
[표 3]
Figure pat00039
표 3에서 입력으로 선택된 특성은 각 성격 DNA에 대한 5 가지 성격 특성을 구성하는데 사용되었다.
도 3은 일 실시예에 따른 QEA-NN를 사용한 성격 DNA의 인코딩을 설명하기 위한 도면이다.
도 3에 도시된 바와 같이, 각 DNA는 QEA-NN에 의해 선택되고 트레이닝된 각 신경망의 출력으로 표현될 수 있다. 마지막으로, 빅 5의 성격을 표현하는 성격 DNA(Dp)는 다음 식과 같이 정의될 수 있다.
[식 8]
Figure pat00040
여기에서,
Figure pat00041
는 j = 1, 2, ..., n에 대해 QEA-NN을 사용하여 최적화된 신경망의 입력으로 채택된 특징 중 j 번째 특징의 실제 값이고, n은 선택된 특징의 수이며 Np = n이다.
외형 DNA( D f )
사람들의 외형은 텍스처와 형상을 기반으로 설명될 수 있다. 같은 방식으로, 특히 로봇에 내장된 에이전트가 외형과 표현으로 정의된 특성을 가지고 있으면, AE 로봇이 고유한 얼굴을 가지거나 특정 사람처럼 보이게 할 수도 있다. 이러한 경우, 사람들은 AE 로봇과 감정적인 상호 작용이 더 많아지며, 로봇이 닮은 사람과 의사 소통하는 것처럼 느낄 수 있다.
도 4는 일 실시예에 따른 텍스처를 재구성하는데 사용되는 인간의 얼굴 이미지와 대상 얼굴의 3차원 형상의 선형 조합을 나타내는 도면이다.
먼저, 주성분 분석(Principal Component Analysis, PCA)과 같은 차원 감소 방법을 사용하여 3차원 모델로 얼굴을 재구성할 수 있다(비특허문헌 2). 도 4에 도시된 바와 같이, 2차원 얼굴 영상 데이터베이스가 선형적으로 결합된 방식을 나타내는 계수
Figure pat00042
는 동일한 사람들에 대한 텍스처 및 3차원 형상 데이터베이스가 각각 선형으로 결합되는 방법을 나타내는 계수로서 사용될 수 있다. 텍스처 T와 형상 S의 특징을 미리 정의된 위치에 대해 추출하고, 각 위치에 대해, 평균값(텍스처에 대한
Figure pat00043
및 형상에 대한
Figure pat00044
)을 가산함으로써 대응하는 데이터베이스의 선형 조합으로서의 대상 얼굴을 나타낼 수 있다(비특허문헌 3).
[식 9]
Figure pat00045
계산된 계수를 이용하여 에이전트 얼굴의 외형 DNA(Df)를 다음 식과 같이 정의할 수 있다.
[식 10]
Figure pat00046
여기에서,
Figure pat00047
는 j = 1, 2, ..., n에 대한 j 번째 데이터에 대한 계수이고, n은 얼굴 재구성을 위해 사용된 이미지 데이터의 수이며, Nf = n이다.
도 5는 일 실시예에 따른 얼굴의 3차원 모델 결과를 나타내는 도면이다.
도 5를 참조하면, 목표 얼굴(a)의 3차원 모델 결과(b)를 나타낼 수 있으며, 보다 구체적으로 외형 DNA를 사용하여 얼굴의 3차원 모델을 에이전트에 대해 구성할 수 있다. 이에 따라 에이전트는 그 형상이 사람처럼 보여진다.
외형 DNA의 또 다른 중요한 역할은 에이전트가 표정으로 감정을 나타낼 수 있게 하는 것이다. 인간과 같은 얼굴을 갖는 것 외에도, 에이전트는 말하기 도중 입을 열거나 감정에 따라 서로 다른 얼굴을 표현할 수 있어야 한다. 이와 같이 구성하면, AE 로봇과 대화하는 사용자는 동반자처럼 더 가까이에서 느낄 수 있게 된다. 이를 달성하기 위해, 위에서 설명한 [식 9]의 계수를 서로 다른 얼굴 표정을 서로 다른 사람의 얼굴 데이터베이스와 함께 사용할 수 있다.
음성 DNA( D v )
인간의 목소리 또한 개개인의 개성을 표현한다. 로봇을 포함해 시스템에 내장된 에이전트가 자신의 목소리를 낼 수 있다면, 사람들은 에이전트와 보다 적극적이고 친밀한 의사 소통을 하는 것처럼 느낄 것이다.
인간의 목소리는 음성 여기 신호와 보컬 트랙 스펙트럼 모델로 나눌 수 있으며, 각 모델은 특징으로 파라미터화 될 수 있다. 추출된 특징들은 음성 DNA의 성분으로 벡터화된다. 음성 DNA가 HMM(Hidden Markov Model)에 기반한 음성 합성 시스템을 트레이닝 하는데 사용된 후에는 해당 인간의 음성이 시스템에 의해 합성될 수 있다(비특허문헌 4).
도 6은 일 실시예에 따른 음성 DNA 기반 음성 합성 시스템을 나타낸다.
도 6을 참조하면, 각 에이전트에 대해 개별 음성 DNA를 정의할 때, 에이전트는 고유한 음성 또는 특정 개인과 유사한 음성을 가질 수 있게 된다.
에이전트의 음성에 대한 음성 DNA(Dv)는 다음 식과 같이 정의될 수 있다.
[식 11]
Figure pat00048
여기에서,
Figure pat00049
는 j = 1, 2, ..., n 1에 대한 음성 여기 신호로부터 추출된 특징 벡터이고,
Figure pat00050
는 j = 1, 2, ..., n 2에 대한 보컬 트랙 스펙트럼 모델로부터 추출된 특징 벡터이며, n 1과 n 2는 해당 특징 벡터의 구성 요소 수이고, Nv = n 1 + n 2이다.
사람들이 자신의 개인적인 상황과 그들이 대화하는 동안 대화하고 있는 사람의 상황을 이해할 때, 그들은 보다 자연스럽고 감정적인 방식으로 상호 작용할 수 있게 된다. 로봇을 포함한 AE 시스템은 AE 로봇이 사람의 상황 정보를 인식하고 이해할 수 있다면, 사람이 말하고 감정적으로 의사 소통을 하는 것처럼 느낄 수 있다. 이를 위해 사용자의 상황 정보에 대한 정보를 실시간으로 인식하기 위한 모듈을 구축할 수 있다.
최근, 사람들은 하루 종일 스마트 폰으로 생활한다. 스마트 폰에 장착된 다양한 센서를 사용하여 사용자의 상황 정보를 인식하게 되면, 실시간으로 해당 상황에 대한 의미 있는 정보를 얻을 수 있다.
이를 위해 스마트 폰에 내장된 센서를 사용하여 사용자의 상황 정보를 유추하고 인식한 다음, 이를 인간 로봇 상호 작용에 적용하는 모듈을 제공할 수 있다. 즉, 사용자와의 상호 작용을 위한 상황 인식 시스템을 구축할 수 있다. 본 실시예에서는 스마트 폰에서 수집된 센서 데이터의 주요 특징을 입력으로 사용하고, 사용자의 상황 정보를 출력으로 사용하는 신경망을 제공할 수 있다. QEA-NN은 입력으로 사용되는 특징을 선택하고 네트워크 구조를 최적화할 수 있다. 전체 모듈은 스마트 폰에 구현될 수 있다. 한편, 여기에서는 스마트 폰을 하나의 예로써 보다 구체적으로 설명하고 있으나, 스마트폰(Smart Phone)뿐만 아니라, 휴대폰, PMP(Portable Multimedia Player), MID(Mobile Internet Device), 데스크톱(Desktop), 태블릿 컴퓨터(Tablet PC), 노트북(Note book), 넷북(Net book) 및 정보통신 기기 등과 같은 다양한 통신 기능을 갖는 단말이 사용될 수 있다.
도 7은 일 실시예에 따른 QEA-NN을 사용한 상황 정보 인식을 설명하기 위한 도면이다.
스마트 폰 센서 데이터에서 추출할 수 있는 몇 가지 특징이 존재한다. 모든 데이터 중에서 유효한 특징을 선택하는 사용자의 상황 정보 인식 프로세스를 사용하여 추론 정확도를 높일 수 있다. 이를 위해, 인식 신경망의 입력으로 선별된 특징을 선택하고, 도 7에 도시된 바와 같이 QEA-NN을 사용하여 최적의 구조를 갖는 신경망을 구축할 수 있다. QEA-NN을 사용한 상황 정보 인식(700)은 특징 추출(710) 후, QEA-NN(720)을 사용하여 상황 정보 인식(730)을 수행할 수 있다.
예를 들어, 특징 추출(710)을 위해 스마트 폰에서 3축 자이로스코프, 3축 방향, 휘도, 근접도, 잡음, 경도 및 위도에 대한 GPS 등이 포함되는 14 가지 유형의 데이터를 수집할 수 있다.
그리고 평균
Figure pat00051
, 분산
Figure pat00052
, 평균 제곱근
Figure pat00053
및 평균 절대 편차
Figure pat00054
의 4 가지 특성 세트인
Figure pat00055
가 각 센서 데이터 유형에 대해 다음 식과 같이 계산될 수 있다.
[식 12]
Figure pat00056
56개의 추출된 특징을 QEA-NN(720)에 입력하고, 상황 인식을 위한 신경망 입력을 선택할 수 있다. 신경망의 최적화된 구조 또한, QEA-NN을 사용하여 선택될 수 있다.
도 8은 일 실시예에 따른 상황 정보 인식을 위한 QEA-NN의 트레이닝 결과를 나타내는 도면이다.
도 8을 참조하면, 적합성 함수를 이용하여 20 발생(generation) 동안 신경망을 최적화하였으며,
Figure pat00057
로 신경망을 최적화하였다. 마지막으로, 31 개의 특징을 선택하여
Figure pat00058
정확도를 수행하였다.
수집된 센서 데이터와 사전 정의된 상황 레이블이 QEA-NN에 사용되었으므로 상황 정보에 대한 신경망을 구축하고 선택 특징을 입력으로 트레이닝 하였다. 이러한 특성을 기반으로, 인식되는 상황 정보는 각각의 특성에 따라 위치, 사용자 행동 및 스마트 폰 상태 정보의 3 가지 클래스로 나뉘며, 각 클래스에는 서로 다른 레이블이 존재한다. 사용된 특징에 대한 정보뿐만 아니라 트레이닝된 (신경)망은 스마트 폰에 저장되고, 센서 데이터가 실시간으로 수집되는 상태에서 신경망에 의해 사용자의 상황 정보가 추론된다.
예를 들어, 4 가지 클래스로 인식되는 상황 정보를 나타낼 수 있다. 즉, 추측된 위치(location), 사용자 행동(user behavior), 스마트 폰 상태 정보(smartphone status information) 및 시간 정보(time information)는 사용자가 최종적으로 인식한 상황 정보이다. 이러한 정보를 사용하여 에이전트의 대화 및 제스처를 생성하고, 인간과 감정적인 상호 작용을 수행할 수 있다.
도 9는 일 실시예에 따른 AE 로봇의 구조를 개략적으로 나타낸 도면이다.
로봇은 인간과 상호 작용할 뿐만 아니라 인간을 대신하여 작업을 수행하기 위한 것이다. 휴머노이드 로봇이 인간과 감성적으로 소통할 수 있다면 인간과 진정으로 소통할 수 있게 된다. 디지털 DNA와 사용자의 상황 정보를 인식하는 에이전트를 로봇 플랫폼에 통합하여 인간과 상호 작용하는 AE 로봇을 구현할 수 있다.
도 9를 참조하면, 일 실시예에 따른 AE 로봇은 스마트 폰에서 센서 데이터를 수집하는 기능을 내장하고 있어야 하므로, 스마트 폰 시스템(910)과 로봇 시스템(920)을 별도로 설계하고 통합하였다. 스마트 폰에 구현된 스마트폰 시스템은 사용자(930)가 말한 것을 인식하고 실시간으로 스마트 폰에서 유추된 사용자 상황 정보와 함께 로봇 시스템(920)으로 전달되는 응답을 생성할 수 있다. 그런 다음, 로봇 시스템(920)은 사용자의 상황 정보에 따라 AE 로봇의 외형, 음성 및 성격과 관련되어 인코딩된 디지털 DNA를 따르는 표정 및 제스처와 결합된 문장을 말할 수 있다(speak).
스마트 폰 시스템(910)의 상황 정보 인식 모듈은 스마트 폰의 어플리케이션(911)이 시작되면 자동으로 시작되고 AE 로봇에 연결될 수 있다. 이러한 상황 정보 인식 모듈은 스마트 폰에서 센서 데이터를 수집하고 학습된 신경망을 사용하여 위치, 사용자 행동, 스마트 폰 상태 정보 및 시간 정보와 관련된 사용자의 상황 정보를 실시간으로 추론할 수 있다. 사용자(930)가 AE 로봇과 통신하기 전에 특정 디지털 DNA를 선택하면, 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보가 로봇 시스템(920)으로 전송될 수 있다.
대화하는 동안 사용자(930)는 스마트 폰의 마이크를 통해 AE 로봇에게 무엇인가 말할 수 있으며, 음성 인식 모듈은 사용자(930)의 음성을 인식할 수 있다. 그런 다음, 대화 생성 모듈에서 문장과 같은 응답이 생성될 수 있다. 생성된 문장 및 인식된 상황 정보는 AE 로봇으로 전송될 수 있다.
로봇 시스템(920)은 AE 로봇 플랫폼에 구현될 수 있으며 디지털 DNA를 표현하고 음성, 표정 및 제스처에 대해 생성된 응답을 전달하는 데 사용될 수 있다. 선택된 디지털 DNA가 스마트 폰으로부터 전송되면, 해당 성격, 외형 및 음성이 표현될 수 있다. 그리고 외형 DNA를 기반으로 구성된 3차원 모델 얼굴이 생성될 수 있다. 생성된 응답이 사용자(930)와 대화하는 동안 수신되면, AE 로봇은 음성 DNA를 표현하는 음성으로 응답을 합성하고 재생할 수 있다. AE 로봇이 말하기를 생성하는 동안 스마트 폰에서 보낸 상황 정보 및 성격 DNA를 기반으로 한 특성에 맞는 제스처(921) 및 표정(922)이 수행될 수 있다.
한편, 일시적인 순서로 얼굴 표정을 표현하기 위해 파라미터 편향 바이어스가 적용된 재귀 신경망(Recurrent Neural Network With Parameteric Biases, RNNPB)을 사용할 수 있다. AE 로봇의 상황 정보 및 성격에 따라 특정 감정을 나타내는 표정의 강도가 변경된다. RNNPB에서 감정을 나타내는 원시 얼굴 모델의 수를 결정한 다음, 생성된 얼굴 표정 시퀀스의 강도가 변경된다. 시간 t에서의 얼굴 모델은 시간 t+1에서의 얼굴 모델로 바뀌어 상황 정보와 생성된 감정을 반영한다. RNNPB에서, 시간 t와 t+1에서의 얼굴 모델은 각각 입력과 출력이다. 상황 정보는 context로 사용되고, 감정은 파라미터 바이어스로 사용될 수 있다.
성격과 반응에 따라 적절한 제스처를 선택하기 위해, 제스처에 대한 몇 가지 범주를 정의했으며 각 범주는 규모에 따라 특정 제스처로 구분된다. 그리고, 선택 프로세스는 다음 식과 같이 수행될 수 있다.
[식 13]
Figure pat00059
여기에서, e j 는 각 성격 특성이 표현 되었는가 여부를 나타내며, 그 값은 2 진수이기 때문에, 성격 특성의
Figure pat00060
가
Figure pat00061
보다 큰 경우 1,
Figure pat00062
가
Figure pat00063
보다 작거나 같은 경우 0이 된다. e는 j = 1, 2, 3, 4, 5에 대한 성분을 e j 로 갖는 성격 DNA로부터 디코딩된 성격 벡터의 표현이다. s는 천이 행렬 H와 e를 곱하여 계산된 각 제스처에 대한 스케일 요소를 요소로 가지며, k는 제스처 범주의 수이고, c는 모든 s 및 l = 1, 2, ..., k의 원소들 중에서 최대 요소의 인덱스인 선택된 제스처이다. 본 실시예에서는 행복, 슬픔, 놀람, 분노, 혐오감의 5 가지 감정을 바탕으로 k = 5로 제스처 카테고리를 정의한다.
도 10은 일 실시예에 따른 로봇 플랫폼의 예를 나타낸다.
도 10에 도시된 로봇 플랫폼은, Robot Intelligence Technology Lab에서 개발된 로봇 플랫폼인 Mybot으로, Mybot에 디지털 DNA가 포함된 상황 인간 상호 작용 AE 시스템을 구현하였다. 한편, 로봇 플랫폼(100)은 앞에서 설명한 바와 같이, 머리부(120), 몸통부(110) 및 다리부(130)를 포함하여 이루어질 수 있다. AE 로봇이 사용자와 상호 작용하고 다양한 시나리오에서 다양한 표정이나 제스처를 보여 줌으로써 주어진 디지털 DNA를 표현할 수 있음을 증명하기 위해 인간-로봇 상호 작용 실험을 수행하였다. 실험에서 Mybot에 외형 DNA와 성격 DNA를 표현하였다.
시스템은 3개의 모듈로 분리되어 구현되었으며 네트워크상에서 서로간에 데이터를 송수신함으로써 하나의 시스템으로 기능하도록 통합되었다. AE 시스템의 스마트 폰 시스템은 안드로이드(Android) 스마트 폰에서 구현되었다. 로봇 시스템은 Mybot의 마더보드에 구현되었다. 노트북은 로봇의 신체를 제어하고 태블릿 PC는 로봇의 얼굴을 제어한다. 장비 사양은 표 4에 나열되어 있다.
[표 4]
Figure pat00064
로봇 제어: Mybot은 ROS(Robot Operating System)를 사용하여 개발되었으므로 AE 로봇과 노트북의 마더보드는 동일한 ROS 환경에서 ROS 노드로 작동한다. 본 실험에서는 하드웨어 컨트롤러 패키지 외에도 실험을 위해 ROS 패키지에 두 개의 모듈을 구현하였다. 음성 합성 모듈은 수신된 문장으로부터 음성을 합성하고 그것을 스피커를 통해 재생한다. 음성을 합성하고 결과를 MP3 파일로 저장하기 위해 NAVER Corporation의 텍스트 음성 변환(TTS) 오픈 API를 사용하였다.
제스처 수행 패키지는 패시브 학습 프로세스에 의해 미리 저장된 제스처들 중에서 개성을 반영하여 현재의 상황 정보에 적합한 제스처를 선택한다. 패시브 학습 프로세스는 로봇이 일련의 조인트 값으로 모터의 궤도를 기록하고 강사가 로봇의 일부를 움직일 때 각 단계 사이의 지속 시간을 기록하는 방법이다. 이 방법은 ROS Bag 파일로 궤적을 저장한다. 선택된 제스처가 재생되면, AE 로봇은 몸짓으로 제스처를 생성한다.
도 11은 일 실시예에 따른 에이전트의 다양한 성격에 따른 제스처의 강도를 나타내는 도면이다. 표 5에 나열된 에이전트의 다양한 성격에 따른 제스처의 강도가 도 10에 도시되어 있다.
[표 5]
Figure pat00065
3D 얼굴 제어: ROS 패키지 외에도 태블릿 PC에서 얼굴 표현 모듈을 개발하였다. Mybot의 얼굴은 Unity 프로그램을 사용하여 3차원 모델로 표현되기 때문에 태블릿 PC의 Windows에서 모듈을 구현하였다. 모듈은 AE 시스템을 위해 ROS 패키지에서 메시지를 수신한다. 외형 DNA에 관한 정보가 수신되면, 3차원 모델의 해당 얼굴이 디스플레이 상에 생성된다. 입이 반복적으로 열리고 닫히는 대화 중에 신호가 Mybot에 음성 오디오 재생 시작을 알리는 신호를 보내면 종료 신호가 전송될 때까지 재생 신호를 알리는 신호의 전송은 계속 반복된다.
도 12는 일 실시예에 따른 에이전트의 다양한 상황 정보 및 성격에 따른 표현의 강도를 나타내는 도면이다. 말하기 후에, 적절한 표정이 선택되고 도 12에 도시된 바와 같이 성격에 따라 표시된다.
스마트 폰에서의 대화: AE 시스템은 상황 인식 및 음성 상호 작용을 위해 스마트 폰을 사용하므로 Android OS를 사용하여 스마트 폰 관련 모듈을 구현하였다. 구현된 Android 애플리케이션을 사용하여 사용자는 AE 로봇 Mybot과 연결된다. 사용자가 연결 버튼을 터치하면, 선택된 디지털 DNA 정보가 ROS 패키지로 전송되고 얼굴이 생성된다. 사용자가 스마트 폰으로 말하면 어플리케이션은 이를 인식하고 적절한 응답을 생성한다. 스마트 폰의 디스플레이상에서, 사용자는 인식 결과 및 생성된 문장을 검사(확인)할 수 있다. 생성된 응답은 ROS 패키지로 전송된 다음, Mybot이 반응한다. 우리는 SYSTRAN International Incorporation의 음성 인식 엔진과 한국어 모듈의 YALLY Incorporation의 대화 생성 API를 사용하였다.
HRI 어플리케이션을 위한 AE 시스템을 시연하기 위해 일련의 실험을 수행하였다. AE 로봇과 상호 작용하는 동안, 상호 작용하는 AE 시스템이 구현되었으므로, 다양한 디지털 DNA를 기반으로 한 상황 정보에 따라 표정과 제스처가 달라지는 것을 관찰하였다. AE 시스템의 기능이 로봇 Mybot에 성공적으로 구현되었음을 입증하기 위해 시나리오의 두 가지 사례를 미리 정의하고 AE 로봇이 시나리오에 따라 반응하는 방식을 관찰하였다.
분노 시나리오: 사용자가 "내 말 들리니?"라고 Mybot에게 말하면, AE 로봇은 분노를 표출하면서 "나는 매우 희미한 소리가 들립니다"라는 응답을 보냈다. 이러한 경향을 이용하여, Mybot에 문장을 반복적으로 말하면서 에이전트의 반응을 관찰하였다. 동일한 시나리오에도 불구하고, 에이전트는 상황 정보 및 에이전트의 성격에 따라 강도가 다른 표정 및 제스처로 반응하였다.
도 13은 일 실시예에 따른 분노 시나리오에 대한 표현을 수행하는 비디오 클립의 스냅샷의 예를 나타내는 도면이다.
도 13에 도시된 바와 같이, 에이전트는 (a)에서 (c)로 갈수록 더 강렬하게 화가 난 얼굴 표정을 나타낸다. 가장 강한 얼굴 표정을 가진 (c)의 에이전트는 두 팔을 허리에 올려 놓기 때문에 제스처와 비슷한 경향을 보였다.
인사말 시나리오: 인사말 시나리오에 대한 실험도 수행하였다. 인사말 시나리오는 AE 로봇과 사용자가 처음 만나 서로 인사했을 때 디지털 DNA가 다르게 표현되었다는 것이다. 높은 외향성과 개방성의 성격 DNA를 가진 에이전트가 로봇에 내장되었을 때, AE 로봇은 인사하는 동안 사용자를 포옹하려고 하였다. 외향적이고 열린 에이전트가 내장된 마이봇(Mybot)은 두 팔을 들어 올렸고 사용자를 환영하는 모습으로 큰 미소를 보여 주었다. 신경 과민의 Mybot은 사용자가 더 가까이 오지 못하게 막았다.
도 14는 일 실시예에 따른 인사말 시나리오에 대한 표현을 수행하는 비디오 클립의 스냅샷의 예를 나타내는 도면이다.
도 14에 도시된 바와 같이, 인사말 시나리오에서 Mybot이 표시하는 다양한 반응이 나타난다.
이상과 같이, 본 실시예에서는 인간형 로봇을 포함한 AE 시스템이 특정 인물의 특성을 표현할 수 있게 하는 디지털 DNA 개념을 제공할 수 있다. 특히, 성격 DNA, 외형 DNA 및 음성 DNA가 인코딩되었다. 디지털 DNA를 기반으로 하는 AE 시스템은 실제 로봇 하드웨어 플랫폼 Mybot에서 설계 및 구현되었다. 제안된 디지털 DNA를 통해 에이전트 임베디드 로봇 Mybot은 인간처럼 행동할 수 있으며 다양하고 적절한 제스처와 표정으로 말하기에 참여할 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 컨트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable 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 컨트롤러를 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 장치에 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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 (17)

  1. 디지털 에이전트 이동 매니퓰레이터에 있어서,
    영상 정보를 취득하는 촬영부와, 상기 촬영부의 회전 각도를 제어하는 각도 제어부가 구성되는 머리부; 및
    상기 머리부의 하부에 배치되며, 작업을 위한 복수의 관절이 형성된 매니퓰레이터가 구성되는 몸통부
    를 포함하고,
    상기 머리부의 상기 각도 제어부는 상기 몸통부와 독립적으로 상기 촬영부를 회전시키는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  2. 제1항에 있어서,
    상기 몸통부의 하부에 배치되며, 이동을 위한 적어도 하나 이상의 휠이 구성되는 다리부
    를 더 포함하는, 디지털 에이전트 이동 매니퓰레이터.
  3. 제1항에 있어서,
    상기 머리부의 상기 촬영부는,
    주변의 영상을 획득하여 통신 모듈을 통해 사용자에게 전송하는 카메라인 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  4. 제1항에 있어서,
    상기 머리부는,
    로봇 얼굴을 표시하고, 대화 시 기설명된 정보를 바탕으로 표정을 나타내는 디스플레이 모듈
    을 더 포함하는, 디지털 에이전트 이동 매니퓰레이터.
  5. 제4항에 있어서,
    상기 디스플레이 모듈은,
    특정 사람 또는 고유의 외형 또는 성격을 디지털(Digital) DNA(Deoxyribonucleic Acid)를 기반으로 생성하여 구현하고, 대화 시 주변 환경에 대한 상황 정보(context)를 추론하여 표정에 반영하여 사용자와 상호작용 하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  6. 제4항에 있어서,
    상기 디스플레이 모듈은,
    로봇 얼굴을 통해 대화 시 표정 및 입 모양을 표시하는 디스플레이부;
    외부의 음성을 인식하는 마이크;
    음성을 출력하는 스피커; 및
    상기 마이크를 통해 인식한 음성을 분석하고, 상기 인식한 음성 또는 상기 촬영부를 통해 획득한 영상을 통해 상황 정보를 획득하여 상기 스피커를 통해 출력할 음성과 상기 디스플레이부를 통해 표시할 로봇 얼굴, 표정 및 입 모양을 결정하는 제어부
    를 포함하는, 디지털 에이전트 이동 매니퓰레이터.
  7. 제4항에 있어서,
    상기 디스플레이 모듈은,
    태블릿(tablet) PC로 이루어지며,
    상기 디지털 에이전트 이동 매니퓰레이터는,
    휠 베이스 상부에 상기 매니퓰레이터가 구성된 몸통부가 형성되고, 상기 태블릿 PC를 부착됨에 따라 좁은 공간을 차지하도록 구현되어 실내 환경 또는 좁은 환경에서 효율적인 이동과 작업이 가능한 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  8. 제1항에 있어서,
    상기 머리부의 상기 각도 제어부는,
    팬 및 틸트 기능의 모터를 이용해 회전 각도를 제어하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  9. 제1항에 있어서,
    상기 몸통부는,
    상기 매니퓰레이터를 작업 위치로 움직이기 위한 제어를 수행하는 제1 회전 작업 모터; 및
    상기 제1 회전 작업 모터와 소정 간격 이격되어 배치되며, 상기 제1 회전 작업 모터와 연동하여 서로 반대로 동작하는 제2 회전 작업 모터
    를 포함하고,
    상기 제1 회전 작업 모터 및 상기 제2 회전 작업 모터는 하나의 쌍으로 이루어져 상기 매니퓰레이터의 회전 작업과 상기 머리부의 회전이 독립적으로 이루어지도록 하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  10. 제1항에 있어서,
    상기 몸통부는,
    상기 매니퓰레이터의 말단에 작업을 위한 엔드 이펙터(end effector)가 부착되는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  11. 제2항에 있어서,
    상기 다리부는,
    사용자의 원격 조종에 따라 상기 휠을 통한 이동 방향 및 속도를 조절하고, 상기 각도 제어부의 회전 각도와 상기 매니퓰레이터의 동작을 제어하는 동작 제어부
    를 더 포함하는, 디지털 에이전트 이동 매니퓰레이터.
  12. 제5항에 있어서,
    상기 디스플레이 모듈은,
    사용자 단말과 연결되어 실시간으로 사용자의 상황 정보를 추론한 결과를 전달 받아 AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 상기 디지털 DNA를 따르는 표정을 디스플레이 하거나 음성을 출력하고,
    상기 사용자 단말은,
    상기 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 상기 사용자의 상황 정보를 추론하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  13. 제12항에 있어서,
    상기 사용자 단말은,
    어플리케이션의 실행을 통해 상기 디스플레이 모듈과 연결되며, 학습된 신경망을 사용하여 위치, 사용자 행동, 스마트 폰 상태 정보 및 시간 정보와 관련된 상기 사용자의 상황 정보를 실시간으로 추론하고, 사용자가 특정 디지털 DNA를 선택함에 따라 상기 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 상기 디스플레이 모듈로 전송하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  14. 제13항에 있어서,
    상기 디스플레이 모듈은,
    선택된 상기 디지털 DNA를 상기 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현하며, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성하며, 음성 DNA를 기반으로 상기 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  15. 디지털 에이전트 이동 매니퓰레이터에 있어서,
    매니퓰레이터; 및
    상기 매니퓰레이터에 설치되고, 사용자 단말과 연결되어 실시간으로 주변 환경에 대한 사용자의 상황 정보를 추론한 결과를 전달 받아, AE 로봇의 성격, 외형 및 음성과 관련되어 인코딩된 디지털(Digital) DNA(Deoxyribonucleic Acid)를 따르는 표정을 디스플레이 하거나 음성을 출력하는 디스플레이 모듈
    을 포함하는, 디지털 에이전트 이동 매니퓰레이터.
  16. 제15항에 있어서,
    상기 사용자 단말은,
    어플리케이션의 실행을 통해 상기 디스플레이 모듈과 연결되며, 상기 사용자의 단말로부터 수집된 센서 데이터로부터 선별된 특징을 추출하고 QEA-NN(Quantum-inspired Evolutionary Algorithm-based Neural Network)을 이용하여 실시간으로 상기 사용자의 상황 정보를 추론하고, 사용자가 특정 디지털 DNA를 선택함에 따라 상기 디지털 DNA로 인코딩된 성격, 외형 및 음성에 대한 정보를 상기 디스플레이 모듈로 전송하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.
  17. 제16항에 있어서,
    상기 디스플레이 모듈은,
    선택된 상기 디지털 DNA를 상기 사용자 단말로부터 전송 받아 성격, 외형 및 음성을 표현하며, 성격 DNA를 기반으로 빅 5 성격 모델에 따라 경험에 대한 개방성(openness), 성실성(conscientiousness), 외향성(extraversion), 친화성(agreeableness) 및 신경성(neuroticism)의 5 가지 특성으로 나타내어 성격을 결정하고, 외형 DNA를 기반으로 주성분 분석(Principal Component Analysis, PCA)을 통한 차원 감소 방법을 사용하여 3차원 모델 얼굴을 생성하며, 음성 DNA를 기반으로 상기 사용자 단말로부터 생성된 응답을 음성 여기 신호와 보컬 트랙 스펙트럼 모델을 이용하여 고유한 음성 또는 특정 개인과 유사한 음성으로 출력하는 것
    을 특징으로 하는, 디지털 에이전트 이동 매니퓰레이터.



KR1020170176985A 2017-12-21 2017-12-21 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법 KR102095089B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170176985A KR102095089B1 (ko) 2017-12-21 2017-12-21 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170176985A KR102095089B1 (ko) 2017-12-21 2017-12-21 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법

Publications (2)

Publication Number Publication Date
KR20190075416A true KR20190075416A (ko) 2019-07-01
KR102095089B1 KR102095089B1 (ko) 2020-03-31

Family

ID=67255498

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170176985A KR102095089B1 (ko) 2017-12-21 2017-12-21 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법

Country Status (1)

Country Link
KR (1) KR102095089B1 (ko)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102181901B1 (ko) * 2019-07-25 2020-11-23 넷마블 주식회사 애니메이션 생성 방법
KR102181902B1 (ko) * 2019-10-31 2020-11-23 넷마블 주식회사 애니메이션 생성 방법
KR102313875B1 (ko) * 2021-04-14 2021-10-18 주식회사 파이엇 투명 엘시디 디스플레이적용 로봇 및 그 제어방법
KR20220092288A (ko) 2020-12-24 2022-07-01 주식회사 아진엑스텍 매니퓰레이터 제어 시스템 및 제어 방법
KR102511034B1 (ko) * 2021-10-19 2023-03-17 옥재윤 인공지능 기반의 서비스 로봇

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004261941A (ja) * 2003-03-04 2004-09-24 Sharp Corp コミュニケーションロボットおよびコミュニケーションシステム
KR20060113099A (ko) 2005-04-29 2006-11-02 배동석 이동 매니퓰레이터 작업 자동감지 비젼 로봇
KR101738142B1 (ko) * 2016-04-11 2017-05-22 한국과학기술원 감성 기반의 대화가 가능한 디지털 생명체 생성 시스템 및 그 제어방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004261941A (ja) * 2003-03-04 2004-09-24 Sharp Corp コミュニケーションロボットおよびコミュニケーションシステム
KR20060113099A (ko) 2005-04-29 2006-11-02 배동석 이동 매니퓰레이터 작업 자동감지 비젼 로봇
KR101738142B1 (ko) * 2016-04-11 2017-05-22 한국과학기술원 감성 기반의 대화가 가능한 디지털 생명체 생성 시스템 및 그 제어방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
H. Yoo, Y. Suh, and H. Kim, "Voice conversion in HTS using VTLN warping factor transform," in Proc. Korean Society Speech Sci., Seoul, Republic of Korea, Nov. 2016, pp. 141-142.
J. Yun, J. Lee, D. Han, J. Ju, and J. Kim, "Cost-efficient 3D face reconstruction from a single 2D image," in Proc. Int. Conf. Advanced Communications Tech., Pyeongchang, Republic of Korea, Feb. 2017.
K.-H. Han and J.-H. Kim, "Quantum-inspired evolutionary algorithm for a class of combinatorial optimization," IEEE Trans. Evol. Comput., Vol. 6, no. 6, pp. 580-593, 2002.
W. Hwang, W. Kim, S. Suh, J.-J. Han, and J. Kim, "Face recognition using average example image," Electron. Lett., Vol. 50, no. 25, pp. 1921-1923, 2014.

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102181901B1 (ko) * 2019-07-25 2020-11-23 넷마블 주식회사 애니메이션 생성 방법
US11232620B2 (en) 2019-07-25 2022-01-25 Netmarble Corporation Method to create animation
KR102181902B1 (ko) * 2019-10-31 2020-11-23 넷마블 주식회사 애니메이션 생성 방법
KR20220092288A (ko) 2020-12-24 2022-07-01 주식회사 아진엑스텍 매니퓰레이터 제어 시스템 및 제어 방법
KR102313875B1 (ko) * 2021-04-14 2021-10-18 주식회사 파이엇 투명 엘시디 디스플레이적용 로봇 및 그 제어방법
KR102511034B1 (ko) * 2021-10-19 2023-03-17 옥재윤 인공지능 기반의 서비스 로봇
WO2023068737A1 (ko) * 2021-10-19 2023-04-27 옥재윤 인공지능 기반의 서비스 로봇

Also Published As

Publication number Publication date
KR102095089B1 (ko) 2020-03-31

Similar Documents

Publication Publication Date Title
KR102095089B1 (ko) 디지털 에이전트 이동 매니퓰레이터 및 그 동작 방법
Bonarini Communication in human-robot interaction
US11024294B2 (en) System and method for dialogue management
US20190206402A1 (en) System and Method for Artificial Intelligence Driven Automated Companion
US11003860B2 (en) System and method for learning preferences in dialogue personalization
US11017551B2 (en) System and method for identifying a point of interest based on intersecting visual trajectories
US9805493B2 (en) Social identity models for automated entity interactions
US20220215678A1 (en) System and method for reconstructing unoccupied 3d space
US20190251350A1 (en) System and method for inferring scenes based on visual context-free grammar model
US20190253724A1 (en) System and method for visual rendering based on sparse samples with predicted motion
WO2018000267A1 (zh) 一种机器人交互内容的生成方法、系统及机器人
EP4144425A1 (en) Behavior control device, behavior control method, and program
KR101738142B1 (ko) 감성 기반의 대화가 가능한 디지털 생명체 생성 시스템 및 그 제어방법
Szabó et al. An emotional engine model inspired by human-dog interaction
Pelechano et al. Feeling crowded yet?: crowd simulations for VR
Drygajlo et al. On developing a voice-enabled interface for interactive tour-guide robots
Kubota et al. Conversation system for robot partners based on informationally structured space
Naeem et al. An AI based Voice Controlled Humanoid Robot
Magnenat Thalmann et al. Creating artificial life in virtual reality
Masabanda et al. Design and Construction of an Anthropomorphic Robotic Head with Gestural Projection
Ghadami et al. Reacting like Humans: Incorporating Intrinsic Human Behaviors into NAO through Sound-Based Reactions for Enhanced Sociability
Castro et al. Butia larc/cbr 2020 robocup@ home team description paper
AlTarawneh A cloud-based extensible avatar for human robot interaction
Hayosh Development of a Low-Cost Social Robotic Platform
Goh et al. An Intelligent Personal Robot Assistant

Legal Events

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