KR20190086628A - 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇 - Google Patents

모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇 Download PDF

Info

Publication number
KR20190086628A
KR20190086628A KR1020190077644A KR20190077644A KR20190086628A KR 20190086628 A KR20190086628 A KR 20190086628A KR 1020190077644 A KR1020190077644 A KR 1020190077644A KR 20190077644 A KR20190077644 A KR 20190077644A KR 20190086628 A KR20190086628 A KR 20190086628A
Authority
KR
South Korea
Prior art keywords
mobile robot
moving
speed
workpiece
work
Prior art date
Application number
KR1020190077644A
Other languages
English (en)
Inventor
김낙영
문성민
이상학
서정교
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 KR1020190077644A priority Critical patent/KR20190086628A/ko
Publication of KR20190086628A publication Critical patent/KR20190086628A/ko
Priority to US16/539,609 priority patent/US11269328B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B25/00—Control of escalators or moving walkways
    • B66B25/003—Methods or algorithms therefor
    • 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
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • 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
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/1633—Programme controls characterised by the control loop compliant, force, torque control, e.g. combined with position control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B25/00—Control of escalators or moving walkways
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B29/00—Safety devices of escalators or moving walkways
    • B66B29/08—Means to facilitate passenger entry or exit
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle

Abstract

일 실시예에 따라, 모바일 로봇이 무빙워크에 진입하는 방법에 있어서, 무빙워크를 포함하는 이동 경로를 설정하는 단계; 모바일 로봇이 이동 경로 상에 포함된 무빙워크에 진입하는 것을 인식하는 단계; 모바일 로봇이 무빙워크와 통신하여 모바일 로봇 및 무빙워크의 발판 중 적어도 하나의 속도를 조절하는 단계; 및 조절된 속도에 기초하여 모바일 로봇이 무빙워크의 발판 위로 이동하는 단계를 포함하는, 무빙워크 진입 방법이 제공될 수 있다. 또 다른 일 실시예에 따라 상술한 무빙워크 진입 방법을 수행할 수 있는 모바일 로봇이 제공될 수 있다. 또 다른 일 실시예에 따라 상술한 무빙워크 진입 방법을 수행하기 위한 컴퓨터 프로그램을 수록한 비일시적 판독가능 기록매체가 제공될 수 있다.

Description

모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇{METHOD FOR ENTERING MOBILE ROBOT INTO MOVING WALKWAY AND MOBILE ROBOT THEREOF}
본 발명은 이동가능한 모바일 로봇이 무빙워크(moving walkway)에 진입하는 방법 및 그러한 방법을 수행하는 모바일 로봇에 대한 발명이다.
로봇은 의료산업, 우주 항공, 조선업, 농업용 등의 산업용 로봇에서 다양하게 제작되어 운용되고 있다. 최근에는 제자리에서 단순반복 작업만을 수행하도록 구성되는 로봇뿐만이 아니라, 사용자들과 직접적으로 소통하면서 사용자들의 편의를 제공하기 위해 사용자들과 이동하면서 소정의 기능을 구현할 수 있는 모바일 로봇이 널리 활용되고 있다.
이에 따라 가정에서뿐만 아니라 다수의 사람들이 모이는 장소로서 각각의 사람들이 다양한 작업을 수행하거나 안내를 원하는 장소(예를 들면, 공항, 빌딩 라운지, 이벤트 장소 등)에서 다양한 작업을 수행하면서 이동할 수 있는 모바일 로봇이 널리 활용되고 있다.
이러한 장소에서 모바일 로봇이 소정의 작업을 수행하기 위해 소정의 경로를 이동함에 있어서, 모바일 로봇은 획득된 지도 정보를 이용하여 최적의 경로를 탐색할 수 있다. 따라서 사용자로서는 소정의 작업에 필요한 이동 과정을 모바일 로봇과 함께 수행할 수 있다. 예를 들면, 사용자가 넓은 장소 내에서 특정 위치로 이동하는 경로를 안내 받고 싶은 경우 모바일 로봇을 통해 안내 받을 수 있다.
이와 같이, 모바일 로봇은 소정의 장소에서 최적의 경로를 안내할 수 있는 기능을 사용자에게 제공할 수 있다. 다만, 모바일 로봇의 구동 특징에 따라서는 사용자가 이용할 수 있는 다양한 이동 수단(예를 들면, 무빙워크, 에스컬레이터 등)을 모바일 로봇이 이용하기 어렵기 때문에 이러한 이동 수단의 위치를 고려한 경로 안내가 어려울 수 있다.
본 발명은 모바일 로봇이 움직이지 않는 지면뿐만 아니라 사용자들이 이용할 수 있는 다양한 이동 수단이 배치된 경로도 고려하여 최적의 이동 경로를 사용자에게 안내하기 위한 방법 및 모바일 로봇을 제공하는 것을 목적으로 한다.
본 발명은 모바일 로봇이 사용자에게 경로 안내하는 과정에서 이동 수단에 탑승하는 과정에서 모바일 로봇이 안정적으로 이동 수단에 탑승할 수 있도록 하기 위한 방법 및 그 모바일 로봇을 제공하는 것을 목적으로 한다.
본 발명은 모바일 로봇이 탑승한 이동 수단으로부터 이탈 시 안정적으로 이탈될 수 있도록 하기 위한 방법 및 그 모바일 로봇을 제공하는 것을 목적으로 한다.
본 발명은 모바일 로봇이 이동 수단에 탑승하기 전에 해당 이동 수단에 탑승한 사람들이 존재하는지 여부에 기초하여, 탑승한 사람들이 불쾌감을 가지지 않는 한편 빠르게 모바일 로봇이 이동할 수 있는 최적의 탑승 방법을 제공하는 것을 목적으로 한다.
본 발명의 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 본 발명의 다른 목적은 당업자가 용이하게 이해할 수 있는 범위 내에서 후술할 다양한 실시예를 통해 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해가능하다. 또한, 본 발명의 목적 및 장점들은 특허 청구 범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 쉽게 알 수 있을 것이다.
상술한 기술적 과제를 해결하기 위해, 모바일 로봇이 무빙워크에 진입하는 방법에 있어서, 무빙워크를 포함하는 이동 경로를 설정하는 단계; 모바일 로봇이 이동 경로 상에 포함된 무빙워크에 진입하는 것을 인식하는 단계; 모바일 로봇이 무빙워크와 통신하여 모바일 로봇 및 무빙워크의 발판 중 적어도 하나의 속도를 조절하는 단계; 및 조절된 속도에 기초하여 모바일 로봇이 무빙워크의 발판 위로 이동하는 단계를 포함하는, 무빙워크 진입 방법이 제공될 수 있다.
상술한 기술적 과제를 해결하기 위해, 모바일 로봇에 있어서, 무빙워크와 통신하도록 구성되는 통신부; 및 무빙워크를 포함하는 이동 경로를 설정하고, 모바일 로봇이 이동 경로 상에 포함된 무빙워크에 진입하는 것을 인식하고, 모바일 로봇이 무빙워크와 통신하여 모바일 로봇 및 무빙워크의 발판 중 적어도 하나의 속도를 조절하고, 조절된 속도에 기초하여 모바일 로봇이 무빙워크의 발판 위로 이동하도록 구성되는 프로세서를 포함하는, 모바일 로봇이 제공될 수 있다.
상술한 기술적 과제를 해결하기 위해, 또 다른 일 실시예에 따른 무빙워크 진입 방법을 수행하기 위한 컴퓨터 프로그램을 수록한 비일시적 컴퓨터 판독 가능 기록매체가 제공될 수 있다.
본 발명의 일 실시예를 통해, 모바일 로봇이 사용자들이 이용할 수 있는 다양한 이동 수단이 배치된 경로를 통해 사용자가 실제로 이용할 수 있는 최적의 이동 경로가 사용자에게 제공될 수 있다.
본 발명의 일 실시예를 통해, 모바일 로봇이 안정적으로 이동 수단에 탑승할 수 있게 됨에 따라 모바일 로봇의 균형을 잃게 되는 상황을 방지하고 주변의 사용자들의 불안감을 최소화할 수 있다.
본 발명의 일 실시예를 통해, 모바일 로봇이 탑승한 이동 수단으로부터 안정적으로 이탈될 수 있다.
본 발명은 모바일 로봇이 이동 수단에 탑승하기 전에 해당 이동 수단에 탑승한 사람들이 존재하는지 여부에 기초하여, 탑승한 사람들이 이동 수단의 속도가 변함에 따라 불쾌감을 가지지 않도록 하는 한편, 탑승한 사람들이 없는 경우 모바일 로봇이 현재 이동 속도에 기초하여 빠르게 이동 수단을 지나갈 수 있도록 할 수 있다.
도 1은 일 실시예에 따라 모바일 로봇이 무빙워크에 진입하는 상황을 도시한다.
도 2는 일 실시예에 따라 무빙워크에 탑승하기 위한 모바일 로봇의 블록도를 도시한다.
도 3은 일 실시예에 따라 모바일 로봇이 무빙워크에 진입하는 방법에 대한 흐름도를 도시한다.
도 4는 일 실시예에 따라 모바일 로봇이 무빙워크에 설치된 센서를 통해 무빙워크에 진입하는 것을 인식하는 과정을 통해 모바일 로봇이 무빙워크에 진입하는 방법에 대한 흐름도이다.
도 5는 일 실시예에 따라 무빙워크에 설치된 센서를 통과하는 모바일 로봇에 대한 도면이다.
도 6은 일 실시예에 따라 모바일 로봇이 무빙워크의 발판 위에 탑승자가 존재하는지 여부에 기초하여 무빙워크의 발판의 속도 및 모바일 로봇의 속도 중 적어도 하나를 제어하는 방법의 흐름도이다.
도 7(a) 내지 (c)는 일 실시예에 따라 모바일 로봇은 무빙워크에 진입하는 것을 인식한 시간으로부터 무빙워크의 발판 위로 모바일 로봇이 이동한 시간 사이에서 모바일 로봇 및 무빙워크의 발판 중 적어도 하나의 속도가 조절되는 것을 도시한다.
도 8은 일 실시예에 따라 모바일 로봇이 무빙워크의 발판 위로 이동하였을 때의 동작을 나타내는 도면이다.
도 9는 일 실시예에 따른 AI 장치를 나타낸다.
도 10은 일 실시예에 따른 AI 서버를 나타낸다.
도 11은 일 실시예에 따른 AI 시스템을 나타낸다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 본 발명의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 임의의 구성요소 간 "연결", "결합" 또는 "접속"된다고 기재된 경우, 임의의 구성요소 간에 직접적으로 연결되거나 또는 접속될 수 있고 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
본 개시에서, "포함한다", "구성된다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
본 발명의 다양한 실시예들을 설명함에 앞서, 주요 용어를 설명하면 다음과 같다.
"로봇"(Robot)은 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. 일 실시예에 따라 모바일 로봇이라 함은 스스로 움직일 수 있는 능력을 보유한 로봇으로서 소정의 기능을 수행하기 위해 이동할 수 있는 로봇으로 정의될 수 있다.
"무빙워크"란 사용자 또는 로봇이 탑승하여 이동할 수 있는 이동 수단 중 하나로서, 무빙워크에 탑승하기 위해서는 수평적으로 이동될 수 있어야 하며 그 이후로는 지면에 수직 또는 수평 방향으로 탑승자 또는 탑승 로봇이 이동될 수 있다. 일 실시예에 따라 무빙워크란 오토워크(autowalk), 무빙 사이드워크(moving sidewalk), 무빙 페이브먼트(moving pavement), 피플-무버(people-mover), 트레벌레이터(travolator 또는 travelator)로 지칭될 수 있으며, 에스컬레이터(escalator)와 같은 장치를 포함하는 개념일 수도 있다.
무빙워크의 "발판"(step)이란 무빙워크에 포함된 구성 중 하나로서, 탑승한 사람 또는 물체에 지속적으로 움직임을 부여하기 위해 움직이는 소정의 구조물로서 발판에 연결된 발판 롤러나 구동 장치 등과 같은 구조에 의해 움직임을 제공받을 수 있다. 일 실시예에 따라 로봇 또는 탑승자로서는 무빙워크의 발판 위로 이동하여 발판과 함께 지속적으로 이동할 수 있다.
"인공 지능"(A.I.: Artificial Intellegent)은 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 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.
인공지능은 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.
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.
"자율 주행" (Self-Driving, Autonomous-Driving)은 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)은 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.
이하에서는 본 발명의 다양한 실시예들을 도면과 함께 설명하도록 한다.
도 1은 일 실시예에 따라 모바일 로봇(100)이 무빙워크(150)에 진입하는 상황을 도시한다.
일 실시예에 따라 모바일 로봇(100)은 스스로 이동 가능한 장치로서, 소정의 기능을 통해 설정되는 경로를 따라 이동 가능하다. 일 실시예에 따라 모바일 로봇(100)은 휠과 같은 구동부를 포함하고 있을 수 있으며 이에 기초하여 이동 가능하다. 이러한 모바일 로봇(100)은 경로를 따라 이동하는 과정에서 무빙워크(150)와 같은 이동 수단을 활용할 수 있을 전제로 최적의 경로를 설정할 수 있다. 다만 무빙워크(150)는 탑승한 물체에 수평적인 움직임을 부여하기 위해 발판이 지속적으로 움직이고 있으며, 이에 따라 무빙워크(150)의 발판 위로 탑승하는 과정에서 상대적 속도 차이가 발생할 수 있다. 이러한 상대적 속도 차이가 존재하는 상태에서 무빙워크(150)의 발판 위로 탑승하게 되는 경우 탑승자 또는 탑승한 로봇(100)의 경우 균형이 불안정해질 수 있으며 급기야 중심을 잃을 수 있다. 따라서 무빙워크(150)의 발판 상에 탑승하기 위해서는 적절한 이동 속도의 제어가 필요하다.
도 2는 일 실시예에 따라 무빙워크에 탑승하기 위한 모바일 로봇(200)의 블록도를 도시한다.
일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)의 통신을 수행할 수 있는 통신부(210) 및 이하의 다양한 실시예들을 통해 모바일 로봇(200)이 수행할 수 있는 다양한 동작을 구현하기 위해 모바일 로봇(200)을 제어하는 프로세서(220) 및 모바일 로봇(200)을 이동시킬 수 있는 구동부(230)를 포함할 수 있다.
일 실시예에 따라 모바일 로봇(200)은 통신부(210)를 통해 무빙워크(250)와 통신함으로써 무빙워크(250)의 현재 상태(예를 들면, 무빙워크(250)의 발판의 현재 속도, 무빙워크(250)에 탑승한 인원이 있는지, 무빙워크(250)가 현재 동작 중인지, 무빙워크(250) 상에 현재 가해지는 로드(load) 등)를 나타내는 소정의 정보들을 수신할 수 있다. 일 실시예에 따라 통신부(210)는 모바일 로봇(200)으로부터 소정의 정보 또는 지시를 무빙워크(250)로 전달하도록 프로세서(220)에 의해 제어될 수 있고, 이에 따라 무빙워크(250)의 동작을 모바일 로봇(200)와 연계하여 제어할 수도 있다. 일 실시예에 따라 통신부(210)가 사용할 수 있는 통신 기술에는 통상의 기술자가 이용할 수 있는 다양한 통신 기술이 포함될 수 있으며, 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 포함될 수 있다.
일 실시예에 따라 프로세서(220)는 구동부(230)를 제어함으로써 모바일 로봇(200)가 이동하는 방향 및 이동 속도를 제어할 수 있다. 일 실시예에 따라 구동부(230)에는 휠, 모터(motor) 등과 같은 통상의 기술자가 용이하게 채택할 수 있는 범위 내에서 모바일 로봇(200)에 움직임을 부여할 수 있는 구성들이 포함될 수 있다.
일 실시예에 따라 모바일 로봇(200)의 속도는 무빙워크(250)의 발판의 속도보다 빠를 수도 있고 느릴 수도 있다. 다만 이하의 다양한 실시예들에서는 설명상의 편의를 위해 모바일 로봇(200)의 속도는 무빙워크(250)의 발판의 속도보다 빠른 것을 전제로 설명한 것이므로, 따라서 모바일 로봇(200)의 속도와 무빙워크(250)의 발판의 속도와의 관계가 아래의 설명에 한정되어 해석되어서는 안 된다.
이하에서는 모바일 로봇(200)이 통신부(210) 및 프로세서(220)에 기초하여 수행할 수 있는 다양한 동작에 대하여 다양한 실시예를 통해 서술하도록 한다.
도 3은 일 실시예에 따라 모바일 로봇(200)이 무빙워크(250)에 진입하는 방법에 대한 흐름도를 도시한다.
S310단계에서 모바일 로봇(200)은 일 실시예에 따라 무빙워크(250)를 포함하는 이동 경로를 설정할 수 있다. 일 실시예에 따라 모바일 로봇(200)의 프로세서(220)는 소정의 이동 경로를 설정함에 있어서, 통상의 기술자가 이용할 수 있는 다양한 알고리즘(예를 들면, 다익스트라(Dijkstra) 알고리즘 등)을 이용하여 이동 경로를 설정할 수 있으며, 이동 경로 상에 존재하는 다양한 장치 등을 고려하여 각 경로 상의 가중치를 산출할 수 있다. 일 실시예에 따라 모바일 로봇(200)은 탑승 가능한 이동 수단(예를 들면, 무빙워크(250))이 포함된 경로를 고려하여 경로의 가중치를 산출할 수 있으며 이에 기초하여 탑승 가능한 이동 수단을 이용하는 경우를 상정한 이동 경로를 결정할 수 있다. 이에 따라 사용자로서는 이동에 편리한 이동 수단의 이용을 고려한 최적의 경로를 모바일 로봇(200)으로부터 제공받을 수도 있다.
S320단계에서 모바일 로봇(200)은 일 실시예에 따라 S310단계에서 설정된 이동 경로 상에 포함된 무빙워크(250)에 진입하는 것을 인식할 수 있다.
일 실시예에 따라 무빙워크(250)는 지속적으로 이동하는 발판을 포함할 수 있으며, 이러한 발판 위로 이동하기 전에 모바일 로봇(200)이 움직일 수 있는 소정의 진입 공간이 포함될 수 있다. 모바일 로봇(200)은 이러한 발판 위로 이동하기 전에 미리 무빙워크(250)로 진입하게 된다는 것을 인식할 수 있으며, 이러한 인식 결과에 따라 무빙워크(250)의 진입에 필요한 소정의 과정을 추가적으로 수행할 수 있다.
일 실시예에 따라 무빙워크(250)에 모바일 로봇(200)이 "진입"하는 것은 무빙워크(250)를 통과하는 경로에 따라 이동하는 과정에서 모바일 로봇(200)이 무빙워크(250)의 발판으로부터 소정 거리의 범위 내에 위치하게 된 것을 의미하거나, 모바일 로봇(200)이 무빙워크(250)에 설치된 소정의 구조물(예를 들면, 소정의 센서)을 통과함으로써 무빙워크(250)로 소정의 정보를 전달한 후 발판을 향해 이동하게 되는 것을 의미한다.
S330단계에서 모바일 로봇(200)은 일 실시예에 따라 무빙워크(250)와 통신하여 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도를 조절할 수 있다.
일 실시예에 따라 모바일 로봇(200)의 프로세서(220)는 무빙워크(250)와 통신하도록 통신부(210)를 제어할 수 있으며, 통신부(210)를 통해 무빙워크(250)로부터 소정의 정보를 전달받아 이에 기초하여 프로세서(220)는 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도를 얼마나 조절할 것인지 결정할 수 있다.
S340단계에서 모바일 로봇(200)은 S330단계에서 조절된 속도에 기초하여 무빙워크(250)의 발판 위로 이동할 수 있다.
일 실시예에 따라 모바일 로봇(200)의 프로세서(220)는 무빙워크(250)의 발판의 속도와 모바일 로봇(200)의 속도가 일치된 상태에서 모바일 로봇(200)이 무빙워크(250)의 발판 위로 진입할 수 있도록 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도를 제어할 수 있다.
일 실시예에 따라 모바일 로봇(200)의 속도를 제어하기 위해, 프로세서(220)는 구동부(230)를 제어함으로써 소정의 속도로 모바일 로봇(200)의 속도를 줄이거나 증가시킬 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도를 제어하기 위해, 프로세서(220)는 무빙워크(250)의 발판의 속도를 특정 속도로 줄이도록 하는 소정의 정보 또는 지시를 무빙워크(250)로 전송하도록 통신부(210)를 제어할 수 있다. 일 실시예에 따라 모바일 로봇(200)의 속도와 무빙워크(250)의 발판의 속도를 모두 조절하는 것으로 결정된 경우, 모바일 로봇(200)은 상술한 구동부(230)의 속도 조절 과정 및 무빙워크(250)와의 통신 과정을 수행할 수 있다.
도 4는 일 실시예에 따라 모바일 로봇(200)이 무빙워크(250)에 설치된 센서를 통해 무빙워크에 진입하는 것을 인식하는 과정을 통해 모바일 로봇(200)이 무빙워크에 진입하는 방법에 대한 흐름도이다.
S410, S430 및 S440단계에 대한 특징은 도 3의 S310, S330 및 S340단계에 대한 특징과 동일하거나 유사할 수 있으므로 자세한 설명은 생략한다.
S420단계에서 모바일 로봇(200)은 일 실시예에 따라 무빙워크(250)에 설치된 센서를 통해 모바일 로봇이 이동 경로 상에 포함된 무빙워크(250)에 진입하는 것을 인식할 수 있다.
일 실시예에 따라 모바일 로봇(200)이 무빙워크(250)에 진입하는 것을 인식하기 위하여, 모바일 로봇(200)은 무빙워크(250)에 포함된 소정의 센서를 통해 전달되는 소정의 정보를 이용하여 무빙워크(250)에 진입하는 것을 인식할 수 있다. 일 실시예에 따라 모바일 로봇(200)은 이동 경로 상에 포함된 무빙워크(250)를 인식하고 해당 무빙워크(250)에 진입하고 있는 것인지를 판단하기 위하여 무빙워크(250)에 포함된 센서로부터 특정 정보를 통신부(210)를 통해 수신할 수 있다. 일 실시예에 따라 무빙워크(250)로부터 수신되는 소정의 정보에는 무빙워크(250)의 입구임을 나타내는 정보가 포함될 수 있다. 추가적으로 무빙워크(250)로부터 수신되는 소정의 정보에는 무빙워크(250)를 나타내는 식별정보를 더 포함할 수도 있다.
도 5는 일 실시예에 따라 무빙워크(550)에 설치된 센서(552)를 통과하는 모바일 로봇(500)에 대한 도면이다.
일 실시예에 따라 모바일 로봇(500)은 무빙워크(550)에 설치된 적어도 하나의 센서(552)를 지나면서 소정의 정보를 수신할 수 있다. 일 실시예에 따라 적어도 하나의 센서(552)는 발판(551)으로 이동하기 전에 설치되는 것이 바람직하다. 모바일 로봇(500)은 적어도 하나의 센서(552)로부터 수신된 소정의 정보에 기초하여 무빙워크(550)에 진입하는 것이라는 점을 인식할 수 있다.
일 실시예에 따라 모바일 로봇(200)이 무빙워크(250)에 진입하는 것을 인식하기 위하여, 모바일 로봇(200)의 현재 위치 정보를 이용하여 무빙워크(250)에 진입하는 것인지 인식할 수도 있다. 즉, 모바일 로봇(200)의 통신부(210)는 GPS정보와 같은 모바일 로봇(200)의 현재 위치정보를 나타내는 정보를 획득할 수 있으며, 프로세서(220)는 이동 경로 상에 포함된 무빙워크(250)의 위치와 비교하여, 모바일 로봇(200)가 무빙워크(250)로 진입하고 있는 것인지 인식할 수 있다. 일 실시예에 따라 진입하려는 무빙워크(250)의 위치정보는 모바일 로봇(200)에 의해 미리 획득된 것일 수 있다. 일 실시예에 따라 모바일 로봇(200)이 실내에서 이동중이라서 GPS정보 등을 획득하기 어려운 경우, 모바일 로봇(200)은 입력부(미도시) 등과 같은 구성을 통해 NFC 태그와 같은 소정의 정보를 획득하여 현재의 위치를 판단할 수도 있다.
일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)에 탑승자가 존재하는지 여부를 판단하여, 모바일 로봇(200) 및 무빙워크(250)의 발판의 속도 중 적어도 하나를 조절할 수 있다.
일 실시예에 따라 모바일 로봇(200)이 탑승하려는 무빙워크(250)의 발판 상에 탑승자가 존재하는 경우에는 무빙워크(250)의 발판의 속도에 일치되도록 모바일 로봇(200)의 속도를 조절할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도보다 빠른 경우, 프로세서(220)는 모바일 로봇(200)의 속도가 무빙워크(250)의 발판의 속도만큼 빨라지도록 구동부(230)를 제어할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도보다 느린 경우, 프로세서(220)는 모바일 로봇(200)의 속도가 무빙워크(250)의 발판의 속도만큼 느려지도록 구동부(230)를 제어할 수 있다. 무빙워크(250)의 발판 상에 탑승자가 존재하는 경우, 모바일 로봇(200)의 탑승 여부에 기초하여 먼저 탑승하였던 탑승자들의 이동속도가 줄어들거나 빨라지게 되어 탑승자의 균형이 흔들리거나 불쾌감을 유발할 수 있으므로, 모바일 로봇(200)은 무빙워크(250)의 발판 상에 탑승자가 있는 경우에는 무빙워크(250)의 발판의 속도를 조절하는 대신 모바일 로봇(200)의 속도를 조절할 수 있다.
일 실시예에 따라 모바일 로봇(200)이 탑승하려는 무빙워크(250)의 발판 상에 탑승자가 존재하지 않는 경우에는 모바일 로봇(200)의 속도에 일치되도록 무빙워크(250)의 발판의 속도를 조절할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도보다 빠른 경우, 프로세서(220)는 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도만큼 느려져야 함을 나타내는 소정의 정보 또는 지시를 무빙워크(250)로 전송하도록 통신부(210)를 제어할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도보다 느린 경우, 프로세서(220)는 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도만큼 빨라져야 함을 나타내는 소정의 정보 또는 지시를 무빙워크(250)로 전송하도록 통신부(210)를 제어할 수 있다.
일 실시예에 따라 모바일 로봇(200)은 통신부(210)를 통해 무빙워크(250)의 발판 위에 탑승자가 존재함을 나타내는 정보를 수신할 수 있으며, 프로세서(220)는 수신된 정보에 기초하여 무빙워크(250)의 발판 상에 탑승자가 존재하는지 결정할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판 상에 탑승자가 존재하는지 여부를 나타내는 정보는, 무빙워크(250)에 가해지는 부하의 정도에 기초하여 결정될 수 있거나, 무빙워크(250)에 설치된 적어도 하나의 센서를 통해 획득된 정보에 기초하여 발판 위의 탑승자가 아직 발판으로부터 벗어나지 않았는지 여부로부터 결정될 수 있거나, 무빙워크(250)에 설치된 입력부 등을 통해 획득되는 화상 이미지, 열화상 이미지 등에 기초하여 결정될 수도 있다.
일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)의 발판 위에 탑승자가 존재하는지 여부를 결정하기 위해, 모바일 로봇(200)에 포함된 입력부(미도시)를 이용할 수 있다. 즉, 모바일 로봇(200)은 입력부(미도시)로부터 획득되는 화상 이미지, 열화상 이미지 등에 기초하여 무빙워크(250)의 발판 위에 탑승자가 존재하는지 여부를 결정할 수도 있다.
도 6은 일 실시예에 따라 모바일 로봇(200)이 무빙워크(250)의 발판 위에 탑승자가 존재하는지 여부에 기초하여 무빙워크(250)의 발판의 속도 및 모바일 로봇(200)의 속도 중 적어도 하나를 제어하는 방법의 흐름도이다.
S610, S620 및 S660 단계의 특징은 각각 도 4의 S410, S420 및 S440단계의 특징과 동일하거나 유사할 수 있으므로 자세한 설명은 생략한다.
S630단계에서 모바일 로봇(200)은 일 실시예에 따라 무빙워크(250)의 발판 위에 탑승자가 존재하는지 여부를 판단할 수 있다.
일 실시예에 따라 무빙워크(250)의 발판 위에 탑승자가 존재하는 경우 모바일 로봇(200)은 S640단계에서 무빙워크(250)의 발판의 속도에 일치되도록 모바일 로봇(200)의 속도를 조절할 수 있다.
일 실시예에 따라 무빙워크(250)의 발판 위에 탑승자가 존재하는 경우 모바일 로봇(200)은 S650단계에서 모바일 로봇(200)의 속도에 일치되도록 무빙워크(250)의 발판의 속도를 조절할 수 있다. 일 실시예에 따라 프로세서(220)는 무빙워크(250)의 발판의 속도가 조절되어야 하는 목표 속도를 나타내는 정보를 무빙워크(250) 측으로 전송하도록 통신부(210)를 제어할 수 있다. 일 실시예에 따라 무빙워크(250) 측으로 전송되는 목표 속도를 나타내는 정보는 현재 모바일 로봇(200)의 속도를 나타내는 것일 수 있다.
일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)의 발판 위에 탑승자가 존재하는지 여부에 기초하여, 모바일 로봇(200)의 속도 및 무빙워크(250)의 발판의 속도를 조절하는 비율을 조절할 수 있다. 예를 들면, 무빙워크(250)의 발판 위에 탑승자가 존재하지 않는 경우, 무빙워크(250)의 발판의 속도와 모바일 로봇(200)의 속도를 일치시키기 위해, 무빙워크(250)의 발판의 속도가 모바일 로봇(200)의 속도보다 더 많이 조절되도록 할 수 있다. 무빙워크(250)의 발판 위에 탑승자가 존재하는 경우, 무빙워크(250)의 발판의 속도와 모바일 로봇(200)의 속도를 일치시키기 위해, 모바일 로봇(200)의 속도가 무빙워크(250)의 발판의 속도보다 더 많이 조절되도록 할 수 있다.
일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)에 진입하는 것을 인식한 시간으로부터 무빙워크(250)의 발판 위로 모바일 로봇(200)이 이동하는 시간까지 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도를 조절할 수 있다.
도 7(a) 내지 (c)는 일 실시예에 따라 모바일 로봇(200)은 무빙워크(250)에 진입하는 것을 인식한 시간으로부터 무빙워크(250)의 발판 위로 모바일 로봇(200)이 이동한 시간 사이에서 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도가 조절되는 것을 도시한다.
도 7(a) 내지 (c)를 참조하면, 모바일 로봇(200)은 무빙워크(250)에 진입하는 것을 인식한 시간(t1) 및 무빙워크(250)의 발판 위로 모바일 로봇(200)이 이동한 시간(t2) 사이의 시간 간격(710)이 존재할 수 있으며. 시간 간격(710) 사이에서 모바일 로봇(200) 및 무빙워크(250)의 발판 중 적어도 하나의 속도가 조절될 수 있다. 시간 간격(710) 동안 조절된 결과에 따라 모바일 로봇(200) 및 무빙워크(250)의 발판의 속도는 일치하게 된다. 일 실시예에 따라 모바일 로봇(200)에 의해 모바일 로봇(200) 및 무빙워크(250)의 발판의 속도가 실질적으로 조절되는 시간 간격(720)은 t1과 t2 사이의 시간 간격(710)에 비해 비교적 짧은 시간인 것으로 결정될 수 있다.
도 7(a)를 참조하면, 모바일 로봇(200)의 프로세서(220)는 시간 간격(720) 사이에 모바일 로봇(200)의 속도를 조절하도록 구동부(230)를 제어할 수 있다. 일 실시예에 따라 무빙워크(250)의 발판의 속도는 시간 간격(720) 사이에 그대로 유지되고 있을 수 있다. 일 실시예에 따라 도 7(a)는 무빙워크(250)의 발판 위에 탑승자가 존재하는 것으로 판단되는 경우에 모바일 로봇(200)의 제어 동작에 기반한 결과일 수 있다.
도 7(b)를 참조하면, 모바일 로봇(200)의 프로세서(220)는 시간 간격(720) 사이에 무빙워크(250)의 발판의 속도를 조절하기 위한 소정의 정보 또는 지시를 무빙워크(250)로 전달하도록 통신부(210)를 제어할 수 있다. 일 실시예에 따라 모바일 로봇(200)의 속도는 시간 간격(720) 사이에 그대로 유지되고 있을 수 있다. 일 실시예에 따라 도 7(b)는 무빙워크(250)의 발판 위에 탑승자가 존재하지 않는 것으로 판단되는 경우에 모바일 로봇(200)의 제어 동작에 기반한 결과일 수 있다.
도 7(c)를 참조하면, 모바일 로봇(200)의 프로세서(220)는 시간 간격(720) 사이에 모바일 로봇(200)의 속도를 조절하도록 구동부(230)를 제어할 수 있고, 나아가 무빙워크(250)의 발판의 속도를 조절하기 위한 소정의 정보 또는 지시를 무빙워크(250)로 전달하도록 통신부(210)를 제어할 수 있다. 즉, 모바일 로봇(200)이 무빙워크(250)의 발판 위에 이동하기 전의 시간 간격(710)동안 모바일 로봇(200)의 속도뿐만 아니라 무빙워크(250)의 발판의 속도도 함께 제어될 수 있다. 일 실시예에 따라 모바일 로봇(200)의 속도가 조절되는 데 소요되는 시간 및 무빙워크(250)의 발판의 속도가 조절되는 시간은 서로 상이할 수도 있고, 시간 간격(710)에 비해 비교적 짧은 시간일 수 있다.
도 8은 일 실시예에 따라 모바일 로봇(800)이 무빙워크(880)의 발판(882) 위로 이동하였을 때의 동작을 나타내는 도면이다.
일 실시예에 따라 모바일 로봇(800)은 무빙워크(880)에 진입한 후 지속적으로 움직이는 발판(882) 위로 이동할 수 있다. 일 실시예에 따라 무빙워크(880)에 진입하는 방향(810)에 따라, 모바일 로봇(800)이 발판(882) 위로 이동했을 당시의 모바일 로봇(800)의 각도가 다양할 수 있다.
일 실시예에 따라 모바일 로봇(800)이 진입하는 방향(810)은 모바일 로봇(800)의 이동 방향으로서, 모바일 로봇(800)의 구동부(230)에 포함된 복수의 휠의 배치 방향에 관련된 것일 수 있다. 예를 들면, 진입하는 방향(810)은 모바일 로봇(800)의 구동부(230)의 휠들의 배치 방향에 수직방향일 수 있다.
일 실시예에 따라 모바일 로봇(800)은 발판(882)의 이동 방향(820)에 평행하지 않은 방향으로 이동하면서 발판(882) 위로 진입한 것일 수 있다. 일 실시예에 따라 모바일 로봇(800)은 발판(882)의 이동 방향(820)에 평행하게 배치된 것인지 결정할 수 있다. 일 실시예에 따라 모바일 로봇(800)은 발판(882)의 이동 방향(820)으로 정렬되어있는지 결정하기 위하여 다양한 방식을 이용할 수 있다. 예를 들면, 프로세서(220)는 모바일 로봇(800)에 포함된 입력부(미도시)로부터 획득되는 이미지를 분석하여 획득되는 발판(882)의 이동 방향(820)과 현재 모바일 로봇(800)의 배치 방향(810)의 차이, 또는 구동부(230)의 휠이 발판(882)에 위치되는 순간 감지되는 충격량의 변화 양상 등을 분석함으로써 모바일 로봇(800)은 발판(882)의 이동 방향(820)으로 정렬되어있는지 결정할 수 있다.
일 실시예에 따라 모바일 로봇(800)이 발판(882)의 이동 방향(820)으로 정렬되어있지 않은 것으로 결정되는 경우, 프로세서(220)는 구동부(230)를 제어함으로써 발판(882) 위로 진입하는 방향(810)을 발판(882)의 이동 방향(820)과 동일한 방향(860)으로 모바일 로봇(800)의 방향을 변경할 수 있다. 이와 같이 모바일 로봇(800)의 방향을 발판(882)의 이동 방향(820)과 동일한 방향(860)으로 수정함으로써, 발판(882)의 끝 부분에 존재하는 둔턱 등을 이동할 때 모바일 로봇(800)이 균형을 유지하면서 안정적으로 무빙워크(880)를 탈출할 수 있다.
일 실시예에 따라 모바일 로봇(800)이 발판(882) 위로 이동하기 전에 모바일 로봇(800)의 발판(882)으로 진입하는 방향(810)이 발판(882)의 이동 방향(820)과 평행하지 않는다는 것이 결정될 수 있는 경우, 모바일 로봇(800)의 프로세서(220)는 모바일 로봇(800)의 발판(882)으로 진입하는 방향(810)이 발판(882)의 이동 방향(820)과 평행하지 않는다는 것이 결정된 시점으로부터 발판(882) 위로 이동하는 시점(t1) 사이의 임의의 시점에서 구동부(230)를 제어하여, 발판(882)의 이동 방향(820)과 동일한 방향(860)으로 모바일 로봇(800)의 방향을 변경할 수 있다. 이러한 경우 모바일 로봇(800)이 균형을 유지하면서 안정적으로 발판(882) 위로 진입할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 AI 장치(900)를 나타낸다.
도 9의 AI 장치(900)는 도 2의 모바일 로봇(200)에 대응되는 장치일 수 있으며, 도 9의 구성 중 도 2의 모바일 로봇(200)에 포함되지 않은 구성은 본 발명의 실시예를 구현할 수 있는 범위 내에서 선택적으로 채택될 수 있다.
AI 장치(900)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 9를 참조하면, AI 장치(900)는 통신부(910), 입력부(920), 러닝 프로세서(930), 센싱부(940), 출력부(950), 메모리(970) 및 프로세서(980) 등을 포함할 수 있다.
통신부(910)는 유무선 통신 기술을 이용하여 다른 AI 장치(1100a 내지 1100e)나 AI 서버(1000) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(910)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(910)가 이용하는 통신 기술에는 GSM, CDMA, LTE, 5G, WLAN, Wi-Fi, 블루투스, RFID, 적외선 통신, ZigBee, NFC 등이 있다.
입력부(920)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(920)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(920)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(920)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(980) 또는 러닝 프로세서(930)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(930)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(930)는 AI 장치(900)의 러닝 프로세서(930)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(930)는 AI 장치(900)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(930)는 메모리(970), AI 장치(900)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(940)는 다양한 센서들을 이용하여 AI 장치(900) 내부 정보, AI 장치(900)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(940)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, 온도 센서 등이 있다.
출력부(950)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(950)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(970)는 AI 장치(900)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(970)는 입력부(920)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(980)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(900)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(980)는 AI 장치(900)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(980)는 러닝 프로세서(930) 또는 메모리(970)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(900)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(980)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(980)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(980)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(930)에 의해 학습된 것이나, AI 서버(1000)의 러닝 프로세서(1040)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(980)는 AI 장치(900)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(970) 또는 러닝 프로세서(930)에 저장하거나, AI 서버(1000) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(980)는 메모리(970)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(900)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(980)는 상기 응용 프로그램의 구동을 위하여, AI 장치(900)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 10은 본 발명의 일 실시 예에 따른 AI 서버(1000)를 나타낸다.
도 10을 참조하면, AI 서버(1000)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(1000)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(1000)는 AI 장치(900)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(1000)는 통신부(1010), 메모리(1030), 러닝 프로세서(1040) 및 프로세서(1060) 등을 포함할 수 있다.
통신부(1010)는 AI 장치(900) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(1030)는 모델 저장부(1231)를 포함할 수 있다. 모델 저장부(1031)는 러닝 프로세서(1040)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망(1031a))을 저장할 수 있다.
러닝 프로세서(1040)는 학습 데이터를 이용하여 인공 신경망(1031a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(1000)에 탑재된 상태에서 이용되거나, AI 장치(900) 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(1030)에 저장될 수 있다.
프로세서(1060)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 11은 본 발명의 일 실시 예에 따른 AI 시스템(1100)을 나타낸다.
도 11을 참조하면, AI 시스템(1100)은 AI 서버(1000), 로봇(1100a), 자율 주행 차량(1100b), XR 장치(1100c), 스마트폰(1100d) 또는 가전(1100e) 중에서 적어도 하나 이상이 클라우드 네트워크(1110)와 연결된다. 여기서, AI 기술이 적용된 로봇(1100a), 자율 주행 차량(1100b), XR 장치(1100c), 스마트폰(1100d) 또는 가전(1100e) 등을 AI 장치(1100a 내지 1100e)라 칭할 수 있다.
클라우드 네트워크(1110)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1110)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1100)을 구성하는 각 장치들(1100a 내지 1100e, 1000)은 클라우드 네트워크(1110)를 통해 서로 연결될 수 있다. 특히, 각 장치들(1100a 내지 1100e, 1000)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(1000)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(1000)는 AI 시스템(1100)을 구성하는 AI 장치들인 로봇(1100a), 자율 주행 차량(1100b), XR 장치(1100c), 스마트폰(1100d) 또는 가전(1100e) 중에서 적어도 하나 이상과 클라우드 네트워크(1110)을 통하여 연결되고, 연결된 AI 장치들(1100a 내지 1100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(1000)는 AI 장치(1100a 내지 1100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(1100a 내지 1100e)에 전송할 수 있다.
이때, AI 서버(1000)는 AI 장치(1100a 내지 1100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(1100a 내지 1100e)로 전송할 수 있다.
또는, AI 장치(1100a 내지 1100e)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(1100a 내지 1100e)의 다양한 실시 예들을 설명한다. 여기서, 도 11에 도시된 AI 장치(1100a 내지 1100e)는 도 11에 도시된 AI 장치(1100)의 구체적인 실시 예로 볼 수 있다.
로봇(1100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(1100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(1100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(1100a)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(1100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(1100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(1100a)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(1100a)에서 직접 학습되거나, AI 서버(1000) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(1100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1000) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(1100a)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(1100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(1100a)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(1100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(1100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
자율 주행 차량(1100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(1100b)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(1100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(1100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(1100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(1100b)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(1100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(1100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(1100b)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(1100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(1100b)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(1100b)에서 직접 학습되거나, AI 서버(1000) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(1100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1000) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(1100b)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(1100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(1100b)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(1100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(1100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
XR 장치(1100c)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(1100c)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(1100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(1100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(1100c)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(1100c)에서 직접 학습되거나, AI 서버(1000) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(1100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1000) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(1100a)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(1100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(1100b)과 상호작용하는 로봇(1100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(1100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(1100a) 및 자율 주행 차량(1100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(1100a) 및 자율 주행 차량(1100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(1100b)과 상호작용하는 로봇(1100a)은 자율 주행 차량(1100b)과 별개로 존재하면서, 자율 주행 차량(1100b)의 내부 또는 외부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(1100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(1100b)과 상호작용하는 로봇(1100a)은 자율 주행 차량(1100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(1100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(1100b)에 제공함으로써, 자율 주행 차량(1100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(1100b)과 상호작용하는 로봇(1100a)은 자율 주행 차량(1100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(1100b)의 기능을 제어할 수 있다. 예컨대, 로봇(1100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(1100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(1100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(1100a)이 제어하는 자율 주행 차량(1100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(1100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(1100b)과 상호작용하는 로봇(1100a)은 자율 주행 차량(1100b)의 외부에서 자율 주행 차량(1100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(1100a)은 스마트 신호등과 같이 자율 주행 차량(1100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(1100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
로봇(1100a)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(1100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(1100a)은 XR 장치(1100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(1100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(1100a) 또는 XR 장치(1100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(1100a)은 XR 장치(1100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(1100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(1100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(1100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
자율 주행 차량(1100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(1100b)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(1100b)은 XR 장치(1100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(1100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1100b)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(1100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1100b)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(1100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(1100b) 또는 XR 장치(1100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(1100b)은 XR 장치(1100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
상기에서 설명한 본 발명에 대한 무빙워크 진입 방법은, 컴퓨터에서 실행시키기 위한 프로그램으로 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공될 수 있다.
본 발명의 전지 충전 방법은 소프트웨어를 통해 실행될 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장될 수 있다.
컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는, ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 또한 본 문서에서 설명된 실시예들은 한정되게 적용될 수 있는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

Claims (19)

  1. 모바일 로봇이 무빙워크에 진입하는 방법에 있어서,
    무빙워크를 포함하는 이동 경로를 설정하는 단계;
    상기 모바일 로봇이 상기 이동 경로 상에 포함된 상기 무빙워크에 진입하는 것을 인식하는 단계;
    상기 모바일 로봇이 상기 무빙워크와 통신하여 상기 모바일 로봇 및 상기 무빙워크의 발판 중 적어도 하나의 속도를 조절하는 단계; 및
    상기 조절된 속도에 기초하여 상기 모바일 로봇이 상기 무빙워크의 상기 발판 위로 이동하는 단계를 포함하는, 무빙워크 진입 방법.
  2. 제 1 항에 있어서, 상기 무빙워크에 진입하는 것을 인식하는 단계는
    상기 무빙워크에 설치된 센서를 통해 상기 모바일 로봇이 상기 무빙워크에 진입하는 것을 인식하는 단계를 포함하는, 무빙워크 진입 방법.
  3. 제 1 항에 있어서, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계는,
    상기 무빙워크에 탑승자가 존재하는지 여부에 기초하여, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계를 포함하는, 무빙워크 진입 방법.
  4. 제 3 항에 있어서, 상기 탑승자가 존재하는지 결정하는 단계는,
    상기 무빙워크에 탑승자가 존재하는지 여부를 나타내는 탑승정보를 상기 무빙워크로 수신하는 단계; 및
    상기 탑승정보에 기초하여 상기 무빙워크에 탑승자가 존재하는지 결정하는 단계를 포함하는, 무빙워크 진입 방법.
  5. 제 3 항에 있어서, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계는,
    상기 모바일 로봇의 속도 및 상기 무빙워크의 상기 발판의 속도가 일치되도록, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계를 포함하는, 무빙워크 진입 방법.
  6. 제 5 항에 있어서, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계는,
    상기 무빙워크에 탑승자가 존재하는 경우, 상기 무빙워크의 상기 발판의 속도에 일치되도록 상기 모바일 로봇의 속도를 조절하는 단계를 포함하는, 무빙워크 진입 방법.
  7. 제 5 항에 있어서, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계는,
    상기 무빙워크에 탑승자가 존재하지 않는 경우, 상기 모바일 로봇의 속도에 일치되도록 상기 무빙워크의 상기 발판의 속도를 조절하는 단계를 포함하는, 무빙워크 진입 방법.
  8. 제 5 항에 있어서, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계는,
    상기 무빙워크에 진입하는 것을 인식한 시간으로부터 상기 무빙워크의 상기 발판 위로 상기 모바일 로봇이 이동한 시간까지 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하는 단계를 포함하는, 무빙워크 진입 방법.
  9. 제 1 항에 있어서, 상기 모바일 로봇이 상기 무빙워크에 진입하는 단계는,
    상기 무빙워크의 상기 발판 위로 이동한 상기 모바일 로봇의 이동 방향이 상기 무빙워크의 상기 발판의 이동 방향과 평행하도록 상기 모바일 로봇의 방향을 조절하는 단계를 더 포함하는, 무빙워크 진입 방법.
  10. 모바일 로봇에 있어서,
    무빙워크와 통신하도록 구성되는 통신부; 및
    상기 무빙워크를 포함하는 이동 경로를 설정하고, 상기 모바일 로봇이 상기 이동 경로 상에 포함된 상기 무빙워크에 진입하는 것을 인식하고, 상기 모바일 로봇이 상기 무빙워크와 통신하여 상기 모바일 로봇 및 상기 무빙워크의 발판 중 적어도 하나의 속도를 조절하고, 상기 조절된 속도에 기초하여 상기 모바일 로봇이 상기 무빙워크의 상기 발판 위로 이동하도록 구성되는 프로세서를 포함하는, 모바일 로봇.
  11. 제 10 항에 있어서, 상기 프로세서는
    상기 무빙워크에 설치된 센서를 통해 상기 모바일 로봇이 상기 무빙워크에 진입하는 것을 인식하도록 구성되는, 모바일 로봇.
  12. 제 10 항에 있어서, 상기 프로세서는,
    상기 무빙워크에 탑승자가 존재하는지 여부에 기초하여, 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하도록 구성되는, 모바일 로봇.
  13. 제 12 항에 있어서, 상기 프로세서는,
    상기 무빙워크에 탑승자가 존재하는지 여부를 나타내는 탑승정보를 상기 무빙워크로 수신하고, 상기 탑승정보에 기초하여 상기 무빙워크에 탑승자가 존재하는지 결정하도록 구성되는, 모바일 로봇.
  14. 제 12 항에 있어서, 상기 프로세서는,
    상기 모바일 로봇의 속도 및 상기 무빙워크의 상기 발판의 속도가 일치되도록 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하도록 구성되는, 모바일 로봇.
  15. 제 14 항에 있어서, 상기 프로세서는,
    상기 무빙워크에 탑승자가 존재하는 경우, 상기 무빙워크의 속도에 일치되도록 상기 모바일 로봇의 속도를 조절하도록 구성되는, 모바일 로봇.
  16. 제 14 항에 있어서, 상기 프로세서는,
    상기 무빙워크에 탑승자가 존재하지 않는 경우, 상기 무빙워크의 속도에 일치되도록 상기 무빙워크의 상기 발판의 속도를 조절하도록 구성되는, 모바일 로봇.
  17. 제 14 항에 있어서, 상기 프로세서는,
    상기 무빙워크에 진입하는 것을 인식한 시간으로부터 상기 무빙워크의 상기 발판 위로 상기 모바일 로봇이 이동한 시간까지 상기 모바일 로봇 및 상기 무빙워크의 상기 발판 중 적어도 하나의 속도를 조절하도록 구성되는, 모바일 로봇.
  18. 제 10 항에 있어서, 상기 프로세서는,
    상기 무빙워크의 상기 발판 위로 이동한 상기 모바일 로봇의 이동 방향이 상기 무빙워크의 상기 발판의 이동 방향과 평행하도록 상기 모바일 로봇의 방향을 조절하도록 더 구성되는, 모바일 로봇.
  19. 제 1 항의 무빙워크 진입 방법을 수행하기 위한 컴퓨터 프로그램을 수록한 비일시적 컴퓨터 판독 가능 기록매체.
KR1020190077644A 2019-06-28 2019-06-28 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇 KR20190086628A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190077644A KR20190086628A (ko) 2019-06-28 2019-06-28 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇
US16/539,609 US11269328B2 (en) 2019-06-28 2019-08-13 Method for entering mobile robot into moving walkway and mobile robot thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190077644A KR20190086628A (ko) 2019-06-28 2019-06-28 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇

Publications (1)

Publication Number Publication Date
KR20190086628A true KR20190086628A (ko) 2019-07-23

Family

ID=67439749

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190077644A KR20190086628A (ko) 2019-06-28 2019-06-28 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇

Country Status (2)

Country Link
US (1) US11269328B2 (ko)
KR (1) KR20190086628A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024043461A1 (ko) * 2022-08-26 2024-02-29 삼성전자주식회사 로봇 및 로봇의 제어 방법
WO2024043756A1 (ko) * 2022-08-26 2024-02-29 삼성전자주식회사 무빙 워크를 이용하는 로봇 및 그 제어 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4032846A1 (en) * 2021-01-22 2022-07-27 TK Elevator Innovation Center S.A. Moving on a transportation means with an autonomous robot
CN113651220B (zh) * 2021-07-13 2023-09-12 日立楼宇技术（广州）有限公司 一种辅助机器人搭乘扶梯系统、方法、装置及存储介质
CN113651221B (zh) * 2021-07-13 2023-05-02 日立楼宇技术（广州）有限公司 一种机器人搭乘扶梯的方法、装置及存储介质
JP2023167662A (ja) * 2022-05-12 2023-11-24 東芝エレベータ株式会社 エスカレータ管理装置、エスカレータへの移動体の乗降車誘導方法、および移動体
WO2023238295A1 (ja) * 2022-06-08 2023-12-14 三菱電機ビルソリューションズ株式会社 自動走行装置、エスカレータおよび自動走行装置のエスカレータ乗車方法
JP7439975B1 (ja) 2023-03-13 2024-02-28 フジテック株式会社 乗客コンベアシステムエレベータ

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140107868A1 (en) * 2012-10-15 2014-04-17 Mirko DiGiacomcantonio Self-propelled luggage
JP6569342B2 (ja) * 2015-07-10 2019-09-04 日本精工株式会社 移動ロボット
CN109008119A (zh) * 2017-06-12 2018-12-18 灵动科技（北京）有限公司 自动行走的行李箱、智能设备及系统
US10688662B2 (en) * 2017-12-13 2020-06-23 Disney Enterprises, Inc. Robot navigation in context of obstacle traffic including movement of groups
US10623893B2 (en) * 2018-02-22 2020-04-14 Life360, Inc. Auto-resizing of geofences
EP3604193B1 (en) * 2018-08-03 2024-03-13 KONE Corporation Generation of a control signal to a conveyor

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024043461A1 (ko) * 2022-08-26 2024-02-29 삼성전자주식회사 로봇 및 로봇의 제어 방법
WO2024043756A1 (ko) * 2022-08-26 2024-02-29 삼성전자주식회사 무빙 워크를 이용하는 로봇 및 그 제어 방법

Also Published As

Publication number Publication date
US20190369622A1 (en) 2019-12-05
US11269328B2 (en) 2022-03-08

Similar Documents

Publication Publication Date Title
KR20190086628A (ko) 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇
US11663516B2 (en) Artificial intelligence apparatus and method for updating artificial intelligence model
US11455792B2 (en) Robot capable of detecting dangerous situation using artificial intelligence and method of operating the same
US11383379B2 (en) Artificial intelligence server for controlling plurality of robots and method for the same
US11138844B2 (en) Artificial intelligence apparatus and method for detecting theft and tracing IoT device using same
US20210097852A1 (en) Moving robot
US11482210B2 (en) Artificial intelligence device capable of controlling other devices based on device information
US11132995B2 (en) Artificial intelligence server for setting language of robot and method for the same
US11511422B2 (en) Artificial intelligence server for determining route of robot and method for the same
US11568239B2 (en) Artificial intelligence server and method for providing information to user
US11755033B2 (en) Artificial intelligence device installed in vehicle and method therefor
US11372418B2 (en) Robot and controlling method thereof
KR20190085895A (ko) 사용자의 시선에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법
US11455529B2 (en) Artificial intelligence server for controlling a plurality of robots based on guidance urgency
KR20210083812A (ko) 자율주행 이동로봇 및 이의 동작 방법
US11449074B2 (en) Robot for providing guidance service using artificial intelligence and method of operating the same
US20210183364A1 (en) Artificial intelligence apparatus and method for predicting performance of voice recognition model in user environment
KR20210067432A (ko) 로봇의 비상 정지의 수행
US11074814B2 (en) Portable apparatus for providing notification
US20210078180A1 (en) Robot system and control method of the same
KR20190095190A (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
US11550328B2 (en) Artificial intelligence apparatus for sharing information of stuck area and method for the same
KR20190092336A (ko) 환전 서비스 로봇 및 그를 이용한 환전 서비스 방법
KR20210091987A (ko) 모듈러 로봇 및 이의 동작 방법
KR20190094312A (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템

Legal Events

Date Code Title Description
G15R Request for early publication