KR20190084912A - 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법 - Google Patents

사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법 Download PDF

Info

Publication number
KR20190084912A
KR20190084912A KR1020190077803A KR20190077803A KR20190084912A KR 20190084912 A KR20190084912 A KR 20190084912A KR 1020190077803 A KR1020190077803 A KR 1020190077803A KR 20190077803 A KR20190077803 A KR 20190077803A KR 20190084912 A KR20190084912 A KR 20190084912A
Authority
KR
South Korea
Prior art keywords
user
artificial intelligence
information
action information
processor
Prior art date
Application number
KR1020190077803A
Other languages
English (en)
Inventor
황태주
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190077803A priority Critical patent/KR20190084912A/ko
Publication of KR20190084912A publication Critical patent/KR20190084912A/ko

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41Structure of client; Structure of client peripherals
    • H04N21/422Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/4223Cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/002Specific input/output arrangements not covered by G06F3/01 - G06F3/16
    • G06F3/005Input arrangements through a video camera
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013Eye tracking input arrangements
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017Gesture based interaction, e.g. based on a set of recognized hand gestures
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04812Interaction techniques based on cursor appearance or behaviour, e.g. being affected by the presence of displayed objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16Sound input; Sound output
    • G06F3/167Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41Structure of client; Structure of client peripherals
    • H04N21/422Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/439Processing of audio elementary streams
    • H04N21/4394Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs
    • H04N21/44008Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream, rendering scenes according to MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213Monitoring of end-user related data
    • H04N21/44218Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H04N21/4666Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms using neural networks, e.g. processing the feedback provided by the user
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04NPICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47End-user applications
    • H04N21/482End-user interface for program selection

Abstract

본 발명의 일 실시 예에 따른 사용자의 액션에 따라 제어 가능한 인공 지능 장치는 디스플레이와 사용자 영상을 촬영하는 카메라 및 촬영된 영상에 기반하여, 제1 사용자 액션 정보를 획득하고, 획득된 제1 사용자 액션 정보가 기 설정된 액션 정보인 경우, 상기 인공 지능 장치의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경하고, 상기 촬영된 영상에 기반하여, 상기 디스플레이를 통해 상기 사용자의 시선에 상응하는 위치에 커서를 표시하고, 제2 사용자 액션 정보를 획득하고, 획득된 제2 사용자 액션 정보에 기반하여, 상기 커서의 위치에 상응하는 항목을 선택하는 프로세서를 포함할 수 있다.

Description

사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법{ARTIFICIAL INTELLIGENCE DEVICE THAT CAN BE CONTROLLED ACCORDING TO USER ACTION}
본 발명은 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법에 관한 것이다.
스마트폰에 시작된 음성인식 기술 경쟁은 사물인터넷(IoT)의 본격 확산과 맞물려 이제 집 안에서 본격적으로 불붙을 전망이다.
특히, 주목할 만 한 점은 그 기기가 음성을 매개로 명령을 내리고, 대화를 나눌 수도 있는 인공지능(AI) 기기라는 점이다.
음성인식 서비스는 막대한 양의 데이터베이스를 활용하여, 사용자의 질문에 최적 답변을 선택하는 구조를 갖고 있다.
음성검색 기능 역시 입력된 음성데이터를 클라우드 서버에서 텍스트로 변환하여 분석하고, 그 결과에 따른 실시간 검색결과를 기기로 재전송하는 방식이다.
클라우드 서버는 수많은 단어들을 성별, 연령별, 억양별로 구분된 음성 데이터로 구분하여, 저장하고 실시간으로 처리할 수 있는 컴퓨팅 능력을 보유하고 있다.
음성 인식은 더 많은 음성데이터가 축적될수록, 인간과 동등한(Human parity) 수준 정도로, 정확해 질 것이다.
AI 기기가 음성 인식 서비스를 제공하기 위해서는 이를 위한 환경이 갖추어져야 한다.
예를 들어, 주변 소음이 많아, 음성 명령으로 동작이 확실하지 않은 경우, 또는 사용자가 음성 명령을 내릴 수 없는 상황에 있는 경우에는 음성 인식 서비스가 제대로 제공될 수 없다.
본 발명은 사용자의 다양한 액션으로, AI 기기의 동작을 제어할 수 있는 것에 그 목적이 있다.
본 발명은 사용자가 음성 명령을 내릴 수 없는 경우, 사용자의 시선, 제스쳐, 눈깜박임 등의 액션을 통해, 제어 대상 AI 기기를 선택하고, 선택된 AI 기기의 동작을 제어할 수 있는 것에 그 목적이 있다.
사용자의 액션에 따라 제어 가능한 인공 지능 장치는 디스플레이와 사용자 영상을 촬영하는 카메라 및 촬영된 영상에 기반하여, 제1 사용자 액션 정보를 획득하고, 획득된 제1 사용자 액션 정보가 기 설정된 액션 정보인 경우, 상기 인공 지능 장치의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경하고, 상기 촬영된 영상에 기반하여, 상기 디스플레이를 통해 상기 사용자의 시선에 상응하는 위치에 커서를 표시하고, 제2 사용자 액션 정보를 획득하고, 획득된 제2 사용자 액션 정보에 기반하여, 상기 커서의 위치에 상응하는 항목을 선택하는 프로세서를 포함할 수 있다.
본 발명의 실시 예에 따르면, 사용자가 음성 명령을 할 수 없는 경우, 사용자의 시선이나, 제스쳐를 이용하여, AI 장치의 동작을 손쉽게 제어할 수 있다.
즉, 사용자가 원하는 메뉴를 원활하게 선택할 수 있어, 사용자의 편의성이 크게 향상될 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 발명의 또 다른 실시 예에 따른 AI 장치를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 AI 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 6 및 도 7은 본 발명의 일 실시 예에 따라 AI 장치가 사용자 시선의 움직임을 파악하여, AI 장치의 동작 상태를 변경하는 과정을 설명하는 도면이다.
도 8 내지 도 11은 본 발명의 실시 예에 따라, 제2 사용자 액션 정보에 따라 커서에 대응하는 위치하는 항목을 선택하는 예를 설명하는 도면이다.
도 12는 본 발명의 또 다른 실시 예에 따른 AI 장치의 동작 방법을 설명하는 흐름도이다.
도 13 및 도 14는 사용자의 손가락 움직임에 따라 커서의 이동을 제어하는 예를 설명하는 도면이다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 1과 중복되는 설명은 생략한다.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
도 5는 본 발명의 일 실시 예에 따른 AI 장치의 동작 방법을 설명하기 위한 흐름도이다.
특히, 도 5는 사용자의 행위들을 인식하여, AI 장치의 동작을 제어할 수 있는 방법에 관한 것이다.
도 5에서, AI 장치(100)의 동작 상태는 비 활성화 상태 및 활성화 상태를 포함할 수 있다.
AI 장치(100)의 비 활성화 상태는 사용자의 명령에 대응하는 동작을 수행할 수 없는 깨어 있지 않는 상태일 수 있다. 사용자의 명령은 음성 명령, 제스쳐 명령 중 어느 하나일 수 있다.
AI 장치(100)의 활성화 상태는 사용자의 명령에 대응하는 동작을 수행할 수 있도록 깨어 있는 상태일 수 있다. AI 장치(100)는 활성화 상태에서, 사용자의 명령을 수신하고, 수신된 명령에 따른 동작을 수행할 수 있다.
한편, 이하의 실시 예는 사용자가 AI 장치(100)를 통해 음성 인식 서비스를 이용할 수 없는 상황에서 이루어지는 예일 수 있다. 사용자가 AI 장치(100)를 통해 음성 인식 서비스를 이용할 수 없는 상황은 주변의 소음이 많거나, AI 장치(100)의 마이크로폰(122)이 고장 났거나, 조용해야 되는 상황 중 어느 하나일 수 있다.
AI 장치(100)는 마이크로폰(122)을 통해 주변 소음을 측정하고, 주변 소음의 세기가 기준 세기 이상인 경우, 음성 인식 서비스의 제공이 불가함을 알리는 알림을 출력부(150)를 통해 출력할 수 있다.
AI 장치(100)는 음성 인식 서비스의 제공이 불가함을 알라는 알림을 출력하면서, 사용자의 액션(시선, 눈깜박임, 손동작)에 따라 AI 장치(100)의 동작이 가능함을 알리는 가이드를 출력부(150)를 통해 출력할 수도 있다.
도 5를 참조하면, AI 장치(100)의 프로세서(180)는 카메라(121)를 통해 제1 사용자 액션 정보를 획득한다(S501).
프로세서(180)는 센싱부(140)에 구비된 근접 센서 또는 적외선 센서를 이용하여, 사용자의 근접 여부를 감지할 수 있다.
프로세서(180)는 사용자가 AI 장치(100)에 근접한 것으로 판단한 경우, 카메라(121)를 구동시킬 수 있다.
프로세서(180)는 카메라(121)를 통해 사용자 영상을 획득하고, 획득된 사용자 영상으로부터, 눈 영상을 추출할 수 있다. 획득되는 사용자 영상은 동영상 또는 정지 영상일 수 있다.
프로세서(180)는 추출된 눈 영상으로부터, 사용자 시선의 움직임을 파악할 수 있다. 프로세서(180)는 추출된 눈 영상에 포함된 좌안 영상의 좌 동공 또는 우 동공이 향하는 시선 위치를 획득할 수 있다.
그 후, 프로세서(180)는 시선 위치가 이동되는지를 판단하고, 시선 위치의 이동을 제1 사용자 액션 정보로 획득할 수 있다.
즉, 제1 사용자 액션 정보는 사용자 시선의 움직임에 대한 정보를 포함할 수 있다.
또 다른 예로, 제1 사용자 액션 정보는 사용자가 취하는 특정 제스쳐에 대한 정보일 수 있다.
프로세서(180)는 획득된 제1 사용자 액션 정보가 기 설정된 사용자 액션 정보인지를 판단한다(S503).
프로세서(180)는 제1 사용자 액션 정보와 메모리(170)에 기 저장된 사용자 액션 정보를 비교할 수 있다.
기 설정된 사용자 액션 정보는 사용자의 설정에 따라 저장된 정보일 수도 있고, 디폴트로 설정된 정보일 수도 있다.
메모리(170)는 AI 장치(100)의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경시키는데 사용되는 기 설정된 시선 움직임 패턴을 저장하고 있을 수 있다.
프로세서(180)는 획득된 사용자 시선의 움직임이 기 저장된 시선 움직임 패턴과 매칭되는 경우, 제1 사용자 액션 정보를 기 설정된 사용자 액션 정보로 결정할 수 있다.
프로세서(180)는 제1 사용자 액션 정보가 기 설정된 사용자 액션 정보인 경우, AI 장치(100)의 동작 상태를 활성화 상태로 변경한다(S505).
즉, 프로세서(180)는 제1 사용자 액션 정보를 사용자의 기동 명령어와 같은 것으로 인식하여, AI 장치(100)의 동작 상태를 비 활성화 상태에서, 활성화 상태로 전환할 수 있다.
이에 대해서는, 도 6 및 도 7을 참조하여 설명한다.
도 6 및 도 7은 본 발명의 일 실시 예에 따라 AI 장치가 사용자 시선의 움직임을 파악하여, AI 장치의 동작 상태를 변경하는 과정을 설명하는 도면이다.
이하의 실시 예에서, AI 장치(100)는 TV임을 가정하여 설명한다.
도 6을 참조하면, AI 장치(100)의 전면에는 사용자가 위치하고 있고, 사용자는 AI 장치(100)의 디스플레이부(151)의 전면을 바라보고 있다.
AI 장치(100)의 카메라(121)는 사용자의 영상을 획득할 수 있다.
프로세서(180)는 획득된 사용자 영상으로부터, 사용자의 눈 영상을 추출할 수 있다. 프로세서(180)는 추출된 눈 영상으로부터, 사용자의 시선 방향을 파악할 수 있다.
프로세서(180)는 눈 영상에 포함된 좌 동공 또는 우 동공이 고정되어 있을 때, 사용자의 시선의 위치를 기준 위치(601)로 삼을 수 있다.
프로세서(180)는 좌 동공 또는 우 동공의 움직임을 사용자 시선의 움직임으로 파악하고, 사용자 시선의 움직임이, 기 설정된 시선 움직임 패턴과 매칭되는지를 판단할 수 있다.
도 7은 기 설정된 시선 움직임 패턴들의 예가 도시되어 있다.
제1 시선 움직임 패턴(710)은 시선의 움직임이, 사각형을 그리도록, 하는 패턴을 갖는다.
제2 시선 움직임 패턴(730)은 시선의 움직임이 원형을 그리도록 하는 패턴을 갖는다.
도 7에 도시된, 기 설정된 시선 움직임 패턴은 예시에 불과하고, 다양한 형태의 패턴으로 설정될 수 있다.
프로세서(180)는 제1 시선 움직임 패턴(710) 또는 제2 시선 움직임 패턴(730)이 감지되는 경우, 기동 명령어의 인식과 같은 효과를 출력할 수 있다.
즉, 프로세서(180)는 제1,2 시선 움직임 패턴(710, 730)과 같은, 기동 시선 움직임의 인식에 따라 AI 장치(100)의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경할 수 있다.
한편, 프로세서(180)는 기동 시선 움직임이 인식되어, AI 장치(100)가 활성화된 후, 기동 시선 움직임이 재 인식되면, AI 장치(100)의 활성화 상태를 해제할 수 있다.
즉, 프로세서(180)는 기동 시선 움직임이 재 인식된 경우, AI 장치(100)의 활성화 상태를 비 활성화 상태로 전환할 수 있다.
다시, 도 5를 설명한다.
또 다른 예로, 프로세서(180)는 사용자의 제스쳐가 메모리(170)에 저장된 기 설정된 제스쳐와 매칭되는 경우, AI 장치(100)의 동작 상태를 활성화 상태로 변경할 수 있다.
한편, 프로세서(180)는 제1 사용자 액션 정보가 기 설정된 사용자 액션 정보가 아닌 경우, AI 장치(100)의 동작 상태를 비 활성화 상태로 유지시킨다(S507).
프로세서(180)는 파악된 사용자 시선의 움직임이 메모리(170)에 저장된 시선 움직임 패턴과 매칭되지 않은 경우, AI 장치(100)를 활성화 상태로 변경하지 않을 수 있다.
프로세서(180)는 활성화 상태에서, 사용자의 시선에 상응하는 위치를 획득하고(S509), 디스플레이부(151)를 통해, 획득된 위치에 커서를 표시한다(S511).
프로세서(180)는 활성화 상태에서, 획득된 사용자 영상에 기반하여, 사용자의 시선에 상응하는 위치를 획득할 수 있다.
프로세서(180)는 공지된 시선 트래킹 방식을 이용하여, 사용자의 시선을 트래킹할 수 있다.
사용자의 시선에 상응하는 위치는 디스플레이부(151)의 전면 상에 사용자의 시선이 향하는 지점일 수 있다. 사용자의 시선이 향하는 지점은 시선 좌표로서, 표현될 수 있다.
시선 좌표는 카메라(121)의 위치를 기준으로, 시선이 디스플레이부(151)의 전면에 어느 위치 있는지를 나타내는 좌표일 수 있다.
프로세서(180)는 디스플레이부(151)를 통해, 사용자의 시선이 향하는 위치에 커서를 표시할 수 있다.
커서는, 사용자의 시선 움직임에 대응하여, 움직이는 오브젝트일 수 있다.
커서는 원형, 화살표 등의 형상을 가질 수 있으나, 이는 예시에 불과하다.
그 후, 프로세서(180)는 제2 사용자 액션 정보를 획득하고(S515), 획득된 제2 사용자 액션 정보에 따라 커서의 위치에 상응하는 항목을 선택한다(S517).
제2 사용자 액션 정보는 커서를 통해, 디스플레이부(151) 상에 표시된 복수의 항목들 중 하나 이상의 항목을 선택하기 위해 사용되는 정보일 수 있다.
복수의 항목들 각각은 AI 장치(100)의 동작을 제어하기 위한 메뉴 항목들일 수 있다.
제2 사용자 액션 정보는 눈 깜박임을 나타내는 정보일 수 있다.
프로세서(180)는 카메라(121)를 통해 획득된 사용자 영상으로부터, 눈 깜박임 동작을 인식할 수 있다.
프로세서(180)는 눈 깜박임 동작이 인식됨에 따라, 커서가 위치한 곳의 항목을 선택할 수 있다.
또 다른 예로, 제2 사용자 액션 정보는 사용자의 제스쳐를 나타내는 정보일 수 있다.
프로세서(180)는 카메라(121)를 통해 획득된 사용자 영상으로부터, 사용자의 특정 제스쳐 또는 제스쳐의 변화를 인식할 수 있다.
프로세서(180)는 인식된 특정 제스쳐 또는 제스쳐의 변화를 감지함에 따라, 커서가 위치한 곳의 항목을 선택할 수 있다.
도 8 내지 도 11은 본 발명의 실시 예에 따라, 제2 사용자 액션 정보에 따라 커서에 대응하는 위치하는 항목을 선택하는 예를 설명하는 도면이다.
특히, 도 8 및 도 9는 사용자의 눈 깜박임을 인식하는 과정을 설명하는 도면이고, 도 10은 사용자의 제스쳐 동작을 인식하는 과정을 설명하는 도면이다.
먼저, 도 8을 참조하면, 사용자 얼굴 영상(800)이 도시되어 있다.
프로세서(180)는 사용자 얼굴 영상(800)으로부터 우안 영상(810) 및 좌안 영상(830)을 추출할 수 있다.
프로세서(180)는 공지된 특징점 추출 방법을 이용하여, 사용자 얼굴 영상(800)으로부터, 우안 영상(810) 및 좌안 영상(830)을 추출할 수 있다.
프로세서(180)는 우안 영상(810) 및 좌안 영상(830) 각각으로부터, 눈의 특징들을 나타내는 랜드 마크(811)들을 추출할 수 있다.
랜드 마크들(811)은 눈의 외곽선, 동공, 홍채, 눈꺼풀에 위치할 수 있다.
프로세서(180)는 랜드 마크들(811)을 이용하여, 사용자의 눈 깜박임을 인지할 수 있다.
이에 대해서는, 도 9를 참조하여, 자세히 설명한다.
도 9를 참조하면, 눈 깜박임을 나타내는 상태들이 순차적으로 도시되어 있다.
눈 깜박임은 눈이 완전히 떠진 제1 상태(900), 눈이 절반 감긴 제2 상태(910), 눈을 감은 제3 상태(920) 후, 제2 상태(910) 및 제1 상태(900)가 다시 뒤따르는 과정을 포함한다.
프로세서(180)는 우안 영상 및 좌안 영상 각각에 포함된 랜드 마크들의 변화에 기초하여, 눈 깜박임을 인식할 수 있다.
구체적으로, 제1 상태(900)에서 랜드 마크들의 수는 가장 많을 것이고, 제2 상태(910)에서 랜드 마크들의 수는 제1 상태(900)에 비해 줄어들 것이고, 제3 상태(920)에서, 랜드 마크들의 수는 제2 상태(910)에 비해 더 줄어들 것이다.
그 후, 프로세서(180)는 제2 상태(910) 및 제1 상태(900) 각각에서 획득된 랜드 마크들의 수에 기초하여, 사용자가 다시 눈을 떴음을 인지할 수 있다.
이와 같이, 프로세서(180)는 좌안 영상 및 우안 영상 각각의 특징을 나타내는 랜드 마크들을 이용하여, 눈 깜박임을 인지할 수 있다.
프로세서(180)는 눈 깜박임을 인지함에 따라, 커서의 위치에 대응하는 메뉴 항목을 선택할 수 있다.
본 발명의 또 다른 실시 예에 따르면, 사용자의 제스쳐를 통해, 제2 사용자 액션 정보가 감지될 수 있다.
도 10을 참조하면, 제1 제스쳐(1010) 및 제2 제스쳐(1030)가 도시되어 있다.
프로세서(180)는 제1 제스쳐(1010)에 대응하는 제1 제스쳐 영상 및 제2 제스쳐(1030)에 대응하는 제2 제스쳐 영상을 카메라(121)를 통해 순차적으로, 획득할 수 있다.
프로세서(180)는 메모리(170)에 기 저장된 순차적인 2개의 제스쳐 영상들이, 제1,2 제스쳐 영상과 매칭되는지를 판단할 수 있다.
메모리(170)에 기 저장된 2개의 제스쳐 영상들은 사용자의 설정 또는 디플트로 설정된 영상일 수 있다.
프로세서(180)는 순차적으로 획득된 제1,2 제스쳐 영상이, 메모리(170)에 저장된 순차적인 2개의 제스쳐 영상들과 매칭되는 경우, 제2 사용자 액션 정보가 감지된 것으로 판단할 수 있다.
그 후, 프로세서(180)는 커서의 위치에 대응하는 메뉴 항목을 선택할 수 있다.
도 11은 AI 장치(100)의 디스플레이부(151) 상에, 사용자의 시선 방향에 대응하여 표시된 커서(1100)가 도시되어 있다.
도 11에서, AI 장치(100)의 동작 상태는 활성화 상태이다.
프로세서(180)는 카메라(121)를 통해 지속적으로, 사용자의 영상을 촬영하고, 촬영된 영상으로부터, 사용자 시선의 움직임을 파악할 수 있다.
커서(1100)는 사용자 시선의 이동 방향에 따라 이동될 수 있다.
프로세서(180)는 커서(1100)가 메뉴 항목(1110) 상에 위치한 상태에서, 눈 깜박임을 인식할 수 있다.
프로세서(180)는 사용자의 눈 깜박임을 인식한 경우, 커서(1100)의 위치에 대응하는 메뉴 항목(1100)을 선택할 수 있다.
프로세서(180)는 사용자의 눈 깜박임을 메뉴 항목(1100)을 선택하는 명령으로 해석할 수 있다.
메뉴 항목(1100)의 선택에 따라 메뉴 항목(1100)과 관련된 프로그램이 실행되거나, 별도의 메뉴 창이 표시될 수 있다.
이와 같이, 본 발명의 실시 예에 따르면, 사용자가 음성 명령을 할 수 없는 경우, 사용자의 시선이나, 제스쳐를 이용하여, AI 장치(100)의 동작을 손쉽게 제어할 수 있다.
즉, 사용자가 원하는 메뉴를 원활하게 선택할 수 있어, 사용자의 편의성이 크게 향상될 수 있다.
도 12는 본 발명의 또 다른 실시 예에 따른 AI 장치의 동작 방법을 설명하는 흐름도이다.
특히, 도 12는 사용자의 시선 방향에 커서가 표시된 후, 커서의 이동을 사용자의 손가락의 움직임에 따라 제어할 수 있는 것에 관한 실시 예이다.
도 12에서, AI 장치(100)의 동작 상태에는 활성화 상태에 있다.
도 12를 참조하면, 프로세서(180)는 사용자의 시선 방향에 대응하는 위치에 커서를 디스플레이부(151)를 통해 표시한다(S1201).
이를 위해, 도 5의 단계 S501 내지 S509가 선행되어 수행될 수 있다.
프로세서(180)는 카메라(121)를 통해 사용자의 손가락 영상을 획득하고(S1203), 획득된 손가락 영상에 기초하여, 손가락이 지시하는 방향을 감지한다(S1205).
즉, 커서가 표시된 후, 커서의 이동은 사용자의 손가락 움직임에 의해 결정될 수 있다.
프로세서(180)는 손가락 영상 또는 손가락이 이동하는 영상이 감지된 경우, 커서의 이동 제어 권한을 사용자의 시선에서, 손가락으로 전환할 수 있다.
프로세서(180)는 손가락 끝이 향하는 위치와, 사용자의 시선이 향하는 위치가 일치할 경우, 커서의 이동 권한을 사용자의 시선에서, 손가락으로 전환할 수 있다.
프로세서(180)는 손가락 영상으로부터 손가락 끝이 지시하는 방향을 감지할 수 있다.
프로세서(180)는 감지된 방향으로, 커서의 위치를 이동시킨다(S1207).
프로세서(180)는 손가락이 움직이는 방향을 감지하고, 감지된 방향으로, 커서의 위치를 이동시킬 수 있다.
프로세서(180)는 사용자 액션 정보에 따라 이동된 커서의 위치에 대응하는 항목을 선택한다(S1209).
여기서, 사용자 액션 정보는 도 5에서 설명된 제2 사용자 액션 정보일 수 있다. 즉, 사용자 액션 정보는 눈 깜박임을 나타내는 정보일 수 있다.
프로세서(180)는 사용자 액션 정보에 따라 커서의 위치에 대응하는 항목을 선택하고, 선택된 항목과 관련된 메뉴 창을 표시하거나, 선택된 항목에 해당하는 어플리케이션을 실행할 수 있다.
도 12에 대해서는, 도 13 및 도 14를 참조하여 설명한다.
도 13 및 도 14는 사용자의 손가락 움직임에 따라 커서의 이동을 제어하는 예를 설명하는 도면이다.
도 13을 참조하면, AI 장치(100)의 디스플레이부(151) 상에는 사용자의 시선이 향하는 위치에 커서(1100)가 표시되어 있다.
프로세서(180)는 카메라(121)를 통해 사용자의 손가락 영상을 획득할 수 있고, 손가락 영상으로부터, 손가락(1301)이 지시하는 위치를 획득할 수 있다.
프로세서(180)는 손가락(1301)의 끝이 향하는 위치와 시선이 향하는 위치가 일치하는 경우, 커서(1100)의 이동 권한이 사용자의 시선에서, 손가락(1301)으로 전환된 것으로 결정할 수 있다.
프로세서(180)는 도 14에 도시된 바와 같이, 손가락(1301)의 이동 방향을 카메라(121)를 통해 감지하고, 감지된 이동 방향으로, 커서(1100)의 위치를 이동시킬 수 있다.
프로세서(180)는 커서(1100)가 어플리케이션 항목(1410) 상에 위치하고, 눈 깜박임을 인식한 경우, 어플리케이션 항목(1410)에 대응하는 어플리케이션을 실행시킬 수 있다.
이와 같이, 본 발명의 실시 예에 따르면, 사용자가 음성 명령을 할 수 없는 경우, 사용자의 시선, 손가락의 움직임, 눈 깜박임을 이용하여, AI 장치(100)의 동작을 편리하게 제어할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 인공 지능 기기의 프로세서(180)를 포함할 수도 있다.

Claims (14)

  1. 사용자의 액션에 따라 제어 가능한 인공 지능 장치에 있어서,
    디스플레이;
    사용자 영상을 촬영하는 카메라; 및
    촬영된 영상에 기반하여, 제1 사용자 액션 정보를 획득하고, 획득된 제1 사용자 액션 정보가 기 설정된 액션 정보인 경우, 상기 인공 지능 장치의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경하고, 상기 촬영된 영상에 기반하여, 상기 디스플레이를 통해 상기 사용자의 시선에 상응하는 위치에 커서를 표시하고, 제2 사용자 액션 정보를 획득하고, 획득된 제2 사용자 액션 정보에 기반하여, 상기 커서의 위치에 상응하는 항목을 선택하는 프로세서를 포함하는
    인공 지능 장치.
  2. 제1항에 있어서,
    상기 제1 사용자 액션 정보는
    상기 사용자의 시선 이동에 대한 정보 또는 상기 사용자의 제스쳐에 대한 정보 중 어느 하나인
    인공 지능 장치.
  3. 제2항에 있어서,
    상기 프로세서는
    상기 사용자의 시선 이동이 기 설정된 시선 움직임 패턴과 매칭되는 경우, 상기 인공 지능 장치를 상기 활성화 상태로 변경하는
    인공 지능 장치.
  4. 제2항에 있어서,
    상기 프로세서는
    상기 사용자의 제스쳐가 기 설정된 제스쳐와 매칭되는 경우, 상기 인공 지능 장치를 상기 활성화 상태로 변경하는
    인공 지능 장치.
  5. 제1항에 있어서,
    상기 제2 사용자 액션 정보는
    상기 사용자의 눈 깜박임 동작을 나타내는 정보인
    인공 지능 장치.
  6. 제1항에 있어서,
    마이크로폰을 더 포함하고,
    상기 프로세서는
    상기 마이크로폰을 통해 측정된 주변 소음의 크기가 기 설정된 크기 이상인 경우, 음성 인식 서비스의 제공이 불가함을 나타내는 알림을 출력하는
    인공 지능 장치.
  7. 제1항에 있어서,
    상기 프로세서는
    상기 사용자의 시선의 이동 방향에 따라 상기 커서를 이동시키는
    인공 지능 장치.
  8. 사용자의 액션에 따라 제어 가능한 인공 지능 장치의 동작 방법에 있어서,
    사용자 영상을 촬영하는 단계;
    촬영된 영상에 기반하여, 제1 사용자 액션 정보를 획득하는 단계;
    획득된 제1 사용자 액션 정보가 기 설정된 액션 정보인 경우, 상기 인공 지능 장치의 동작 상태를 비 활성화 상태에서, 활성화 상태로 변경하는 단계;
    상기 촬영된 영상에 기반하여, 상기 디스플레이를 통해 상기 사용자의 시선에 상응하는 위치에 커서를 표시하는 단계; 및
    제2 사용자 액션 정보를 획득하고, 획득된 제2 사용자 액션 정보에 기반하여, 상기 커서의 위치에 상응하는 항목을 선택하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  9. 제8항에 있어서,
    상기 제1 사용자 액션 정보는
    상기 사용자의 시선 이동에 대한 정보 또는 상기 사용자의 제스쳐에 대한 정보 중 어느 하나인
    인공 지능 장치의 동작 방법.
  10. 제9항에 있어서,
    상기 변경하는 단계는
    상기 사용자의 시선 이동이 기 설정된 시선 움직임 패턴과 매칭되는 경우, 상기 인공 지능 장치를 상기 활성화 상태로 변경하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  11. 제9항에 있어서,
    상기 변경하는 단계는
    상기 사용자의 제스쳐가 기 설정된 제스쳐와 매칭되는 경우, 상기 인공 지능 장치를 상기 활성화 상태로 변경하는 단계를 포함하는
    인공 지능 장치의 동작 방법.
  12. 제8항에 있어서,
    상기 제2 사용자 액션 정보는
    상기 사용자의 눈 깜박임 동작을 나타내는 정보인
    인공 지능 장치의 동작 방법.
  13. 제8항에 있어서,
    주변 소음의 크기가 기 설정된 크기 이상인 경우, 음성 인식 서비스의 제공이 불가함을 나타내는 알림을 출력하는 단계를 더 포함하는
    인공 지능 장치의 동작 방법.
  14. 제8항에 있어서,
    상기 사용자의 시선의 이동 방향에 따라 상기 커서를 이동시키는 단계를 더 포함하는
    인공 지능 장치의 동작 방법.
KR1020190077803A 2019-06-28 2019-06-28 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법 KR20190084912A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190077803A KR20190084912A (ko) 2019-06-28 2019-06-28 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190077803A KR20190084912A (ko) 2019-06-28 2019-06-28 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법
US16/526,605 US20190354178A1 (en) 2019-06-28 2019-07-30 Artificial intelligence device capable of being controlled according to user action and method of operating the same

Publications (1)

Publication Number Publication Date
KR20190084912A true KR20190084912A (ko) 2019-07-17

Family

ID=67513006

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190077803A KR20190084912A (ko) 2019-06-28 2019-06-28 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법

Country Status (2)

Country Link
US (1) US20190354178A1 (ko)
KR (1) KR20190084912A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021100886A1 (ko) * 2019-11-18 2021-05-27 엘지전자 주식회사 스마트 월 및 그 제어 방법
WO2021107186A1 (ko) * 2019-11-28 2021-06-03 엘지전자 주식회사 스마트 월 및 그 제어 방법

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10684681B2 (en) * 2018-06-11 2020-06-16 Fotonation Limited Neural network image processing apparatus
TWI734024B (zh) * 2018-08-28 2021-07-21 財團法人工業技術研究院 指向判斷系統以及指向判斷方法
CN111506228B (zh) * 2020-04-02 2022-05-17 维沃移动通信有限公司 目标设备的控制方法及电子设备
CN112506353A (zh) * 2021-01-08 2021-03-16 蔚来汽车科技(安徽)有限公司 车辆交互系统、方法、存储介质和车辆

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10251113A1 (de) * 2002-11-02 2004-05-19 Philips Intellectual Property & Standards Gmbh Verfahren zum Betrieb eines Spracherkennungssystems
KR101729023B1 (ko) * 2010-10-05 2017-04-21 엘지전자 주식회사 휴대 단말기 및 그 동작 제어방법
KR102091597B1 (ko) * 2012-09-24 2020-03-20 엘지전자 주식회사 포터블 디바이스 및 그 제어 방법

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021100886A1 (ko) * 2019-11-18 2021-05-27 엘지전자 주식회사 스마트 월 및 그 제어 방법
WO2021107186A1 (ko) * 2019-11-28 2021-06-03 엘지전자 주식회사 스마트 월 및 그 제어 방법

Also Published As

Publication number Publication date
US20190354178A1 (en) 2019-11-21

Similar Documents

Publication Publication Date Title
US20190354178A1 (en) Artificial intelligence device capable of being controlled according to user action and method of operating the same
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user&#39;s gaze and method of operating the same
US20190392819A1 (en) Artificial intelligence device for providing voice recognition service and method of operating the same
US11126833B2 (en) Artificial intelligence apparatus for recognizing user from image data and method for the same
US11383379B2 (en) Artificial intelligence server for controlling plurality of robots and method for the same
KR102281602B1 (ko) 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법
US20190377362A1 (en) Artificial intelligence device installed in vehicle and method therefor
KR20190098931A (ko) 로봇의 언어를 설정하는 인공 지능 서버 및 그 방법
US20190389057A1 (en) Artificial intelligence robot for managing movement of object using artificial intelligence and method of operating the same
US20200005144A1 (en) Artificial intelligence server for controlling a plurality of robots using artificial intelligence
US20210295821A1 (en) Robot for providing guidance service using artificial intelligence and method of operating the same
US20200005145A1 (en) Artificial intelligence device for controlling external device
US20210401255A1 (en) Artificial intelligence robot and method of operating the same
KR20210050201A (ko) 로봇, 로봇의 작동 방법 및 상기 로봇을 포함하는 로봇 시스템
KR20190114925A (ko) 소리 신호 분류를 이용한 인공지능장치 및 그 방법
KR102421488B1 (ko) 복수개의 출력 레이어를 이용한 인공 지능 장치 및 방법
US20210334640A1 (en) Artificial intelligence server and method for providing information to user
US20210161347A1 (en) Artificial intelligence cleaner and operating method thereof
KR102229562B1 (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
US11288840B2 (en) Artificial intelligence apparatus for estimating pose of head and method for the same
KR102247911B1 (ko) 인공 지능 로봇 및 인공 지능 서버
US20210182740A1 (en) Artificial intelligence server and method for updating artificial intelligence model by merging plurality of pieces of update information
US20210173614A1 (en) Artificial intelligence device and method for operating the same
US20210319311A1 (en) Artificial intelligence apparatus using a plurality of output layers and method for same
US20210150307A1 (en) Artificial intelligence device and operating method thereof

Legal Events

Date Code Title Description
G15R Request for early opening