KR20190094130A - 사용자 인식 기반의 유모차 로봇 및 그 제어 방법 - Google Patents

사용자 인식 기반의 유모차 로봇 및 그 제어 방법 Download PDF

Info

Publication number
KR20190094130A
KR20190094130A KR1020190088854A KR20190088854A KR20190094130A KR 20190094130 A KR20190094130 A KR 20190094130A KR 1020190088854 A KR1020190088854 A KR 1020190088854A KR 20190088854 A KR20190088854 A KR 20190088854A KR 20190094130 A KR20190094130 A KR 20190094130A
Authority
KR
South Korea
Prior art keywords
robot
stroller
infant
guardian
body structure
Prior art date
Application number
KR1020190088854A
Other languages
English (en)
Inventor
김형국
김재영
김형미
장유준
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Publication of KR20190094130A publication Critical patent/KR20190094130A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B9/00—Accessories or details specially adapted for children's carriages or perambulators
    • B62B9/10—Perambulator bodies; Equipment therefor
    • B62B9/12—Perambulator bodies; Equipment therefor involving parts that are adjustable, attachable or detachable
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B9/00—Accessories or details specially adapted for children's carriages or perambulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B9/00—Accessories or details specially adapted for children's carriages or perambulators
    • B62B9/10—Perambulator bodies; Equipment therefor
    • B62B9/102—Perambulator bodies; Equipment therefor characterized by details of the seat
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B9/00—Accessories or details specially adapted for children's carriages or perambulators
    • B62B9/20—Handle bars; Handles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B9/00—Accessories or details specially adapted for children's carriages or perambulators
    • B62B9/24—Safety guards for children, e.g. harness
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0055—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots with safety arrangements
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input 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
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/593—Recognising seat occupancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B2206/00—Adjustable or convertible hand-propelled vehicles or sledges
    • B62B2206/06—Adjustable or convertible hand-propelled vehicles or sledges adjustable in height
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B5/00—Accessories or details specially adapted for hand carts
    • B62B5/0026—Propulsion aids
    • B62B5/003—Combustion engines
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B5/00—Accessories or details specially adapted for hand carts
    • B62B5/0026—Propulsion aids
    • B62B5/0033—Electric motors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B5/00—Accessories or details specially adapted for hand carts
    • B62B5/0026—Propulsion aids
    • B62B5/0069—Control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62B—HAND-PROPELLED VEHICLES, e.g. HAND CARTS OR PERAMBULATORS; SLEDGES
    • B62B5/00—Accessories or details specially adapted for hand carts
    • B62B5/0026—Propulsion aids
    • B62B5/0069—Control
    • B62B5/0076—Remotely controlled
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/046—Forward inferencing; Production systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Public Health (AREA)
  • Combustion & Propulsion (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Electromagnetism (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

본 발명은, 사용자 인식 기반의 유모차 로봇 및 그 제어 방법에 관한 것으로서, 특히 보호자와 유아의 상태를 감지하여 제어하는 기술에 관한 것이다. 본 발명은, 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조를 인식 또는 측정하는 감지부; 상기 감지부에서 측정된 주행 상태에 따라 상기 유모차 로봇의 제어 여부를 판단하며 상기 신체 구조에 맞게 상기 유모차 로봇의 구조 변경을 결정하는 제어부; 및 상기 제어부의 결정에 따라 상기 유모차 로봇에 설치된 디스플레이, 벨트, 시트 또는 손잡이 중 적어도 어느 하나를 조절하는 구동부를 포함하는 사용자 인식 기반의 유모차 로봇 및 그 제어 방법을 제공한다. 본 발명에 따르면, 감지부의 각 센서들을 통해 보호자와 유아가 유모차 로봇을 이용하는 동안 자동으로 내부 구성을 조절하여 편의성을 증대시킬 수 있다.

Description

사용자 인식 기반의 유모차 로봇 및 그 제어 방법{STROLLER ROBOT AND NETHOD FOR CONTROLLING THE SAME BASED ON USER-RECOGNITION}
본 발명은 사용자 인식 기반의 유모차 로봇 및 그 제어 방법에 관한 것으로서, 특히 보호자와 유아의 상태를 감지하여 제어하는 기술에 관한 것이다.
일반적으로 일반적으로, 유모차는 유아를 태워서 밀거나 끌고 다니는 이동 수단의 일종으로서, 유아의 성장과정에서 이동기능, 유희 도구의 기능 및 취침 보조도구의 기능 등을 제공한다. 이에, 유아의 안전성 및 보호자의 편의성 등을 고려한 다양한 종류의 기능성 유모차들이 개발되어 시중에 판매되고 있다.
일 예로, 대한민국 공개특허 제2019-0063142호(스마트 볼 바퀴 유모차)에는 가 개시된다. 종래 기술에 따르면, 안전장치로부터 전달된 감지신호에 대응하여 후륜을 회전시키며, 안전장치의 상태에 대응하여 유모차 내부의 제동 여부를 결정하여 사용이 편리한 전자동 유모차를 제공한다.
그러나, 종래 기술에 따르면 유모차를 조작하거나 이동하는 편리함은 있으나, 보호자나 아이의 상태를 인식하여 최적의 탑승 상태를 유지시켜 줄 수 없는 문제점이 있다.
본 발명은, 보호자와 유아의 신체 구조를 인식하여 유모차 로봇 내부의 구동 장치를 조절하는 사용자 인식 기반의 유모차 로봇을 제공하는 것을 목적으로 한다.
본 발명은, 보호자와 유아의 신체 구조를 인식하여 유모차 로봇 내부의 구동 장치를 제어하는 사용자 인식 기반의 유모차 로봇의 제어 방법을 제공하는 것을 목적으로 한다.
본 발명에 따르면, 사용자 인식 기반의 유모차 로봇은, 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조 중 적어도 어느 하나를 인식 또는 측정하는 감지부; 상기 감지부에서 측정된 주행 상태에 따라 상기 유모차 로봇의 제어 여부를 판단하며 상기 신체 구조에 맞게 상기 유모차 로봇의 구조 변경을 결정하는 제어부; 및 상기 제어부의 결정에 따라 상기 유모차 로봇에 설치된 디스플레이, 벨트, 시트 또는 손잡이 중 적어도 어느 하나를 조절하는 구동부를 포함할 수 있다.
실시 예에 따라, 상기 보호자 또는 유아의 신체 구조를 포함하는 이미지 데이터를 획득하는 카메라; 상기 보호자의 음성을 포함하는 음성 데이터를 획득하는 마이크로폰; 및 상기 카메라와 상기 마이크로폰 중 적어도 하나를 통해, 상기 이미지 데이터와 상기 음성 데이터 중 적어도 하나를 포함하는 고객 반응 데이터를 획득하고, 획득된 고객 반응 데이터로부터 상기 신체 구조를 추정하고, 추정된 반응에 기초하여 상기 보호자 또는 유아의 신체 구조와 관련된 고객 관리 정보를 생성 또는 업데이트하는 제어부를 포함할 수 있다.
실시 예에 따라, 러닝 프로세서에 의해 학습된 학습 모델을 저장하는 메모리를 더 포함하고, 상기 제어부는, 상기 메모리에 저장된 학습 모델을 통해, 상기 고객 반응 데이터로부터 상기 신체 구조를 추정할 수 있다.
실시 예에 따라, 서버와 연결하기 위한 통신부를 더 포함하고, 상기 제어부는, 상기 고객 반응 데이터를 상기 서버로 전송하도록 상기 통신부를 제어하고, 상기 서버로부터, 상기 고객 반응 데이터에 기초한 상기 신체 구조에 대한 정보를 수신할 수 있다.
실시 예에 따라, 상기 감지부는, 상기 보호자의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적하도록 상기 유모차 로봇의 전면에 탑재된 보호자 감지센서; 및 상기 유아의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적하도록 상기 유모차 로봇의 상부에 탑재된 유아 감지센서를 더 포함할 수 있다.
실시 예에 따라, 상기 감지부는, 상기 유아의 움직임으로 인해 나타나는 진동 또는 충격량을 감지하도록 상기 시트에 연결되어 설치된 충격 감지센서; 및 상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지하는 배변 감지센서를 더 포함할 수 있다.
상기 구동부는, 상기 시트의 위치를 조절하는 시트 구동모듈; 및 상기 유아의 신체 구조에 따라 상기 시트에 설치된 벨트의 강도를 조절하는 벨트 구동모듈을 더 포함할 수 있다.
실시 예에 따라, 상기 시트 구동모듈은, 상기 시트의 흔들림 또는 진동을 제어할 수 있다.
실시 예에 따라, 상기 구동부는, 상기 감지부에서 측정된 상기 유아의 시선을 인식하여 상기 디스플레이의 화면 각도를 조절하는 각도 조절모듈을 더 포함할 수 있다.
실시 예에 따라, 상기 구동부는, 상기 제어부의 제어 상태를 상기 디스플레이에 영상으로 표시하거나 음성으로 알려주는 표시 모듈을 더 포함할 수 있다.
본 발명에 따른 사용자 인식 기반의 유모차 로봇의 제어 방법은, 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조를 인식 또는 측정하는 단계; 상기 주행 상태 및 상기 신체 구조에 따라 상기 유모차 로봇의 구조 변경을 결정하는 단계; 및 상기 유모차 로봇에 설치된 디스플레이, 벨트, 시트 또는 손잡이 중 적어도 어느 하나를 조절하는 단계를 포함할 수 있다.
실시 예에 따라, 손잡이의 조절은, 상기 주행 상태가 정지 중인지 판단하는 단계; 상기 유모차 로봇의 전면에 탑재된 보호자 감지센서에서 상기 보호자의 신체 영상을 지속적으로 수집하여 손의 위치를 추적 또는 측정하는 단계; 및 상기 유모차 로봇의 손잡이를 상기 보호자의 손의 위치로 이동시키는 단계를 포함할 수 있다.
실시 예에 따라, 상기 보호자의 손이 상기 유모차 로봇의 손잡이에 있는지 판단하는 단계를 더 포함할 수 있다.
실시 예에 따라, 시트의 조절은, 상기 유아의 신체 구조를 인식하여 상기 시트의 수용공간 범위 내인지 측정하는 단계; 및 상기 시트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 시트의 구조를 조절하는 단계를 포함할 수 있다.
실시 예에 따라, 벨트의 조절은, 상기 유아의 신체 구조를 인식하여 상기 벨트의 수용공간 범위 내인지 측정하는 단계; 상기 유아의 안전이 보장되는 기준 공간 이내로 상기 벨트와 상기 신체가 형성되어 있는지 판단하는 단계; 및 상기 벨트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 벨트의 강도를 조절하는 단계를 포함할 수 있다.
실시 예에 따라, 상기 유아의 신체 구조를 인식하여 상기 벨트의 수용공간 범위 내인지 측정하는 단계; 상기 유아의 안전이 보장되는 기준 공간 이내로 상기 벨트와 상기 신체가 형성되어 있는지 판단하는 단계; 및 상기 벨트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 벨트의 강도를 조절하는 단계를 포함할 수 있다.
실시 예에 따라, 디스플레이의 각도 조절은, 상기 유아의 신체 구조를 인식하여 상기 유아의 시선이 상기 디스플레이를 향하는지 측정하는 단계; 및 상기 디스플레이의 화면 각도를 조절하는 단계를 포함할 수 있다.
실시 예에 따라, 취침 또는 놀이 모드에서 흔들림 또는 진동 제어는, 상기 보호자가 상기 시트의 흔들림 또는 진동에 관련된 강도 및 주기가 포함된 흔들림 모드 또는 진동 모드로 전환하는 단계; 및 상기 흔들림 모드 또는 진동 모드로의 전환에 따라 상기 시트의 흔들림 또는 진동을 제어하는 단계를 포함할 수 있다.
실시 예에 따라, 활동성 감지 시 시트 높이를 낮추어 안정성 확보하는 과정은, 상기 유아의 움직임으로 인한 상기 시트의 진동 또는 충격량을 감지하는 단계; 상기 시트의 진동 또는 충격량이 평균 값을 초과하는지 판단하는 단계; 및 상기 시트의 높이를 낮추는 단계를 포함할 수 있다.
실시 예에 따라, 배변 감지는, 상기 시트에 설치된 배변 감지센서를 통해 상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지하는 단계; 상기 배변 감지센서의 측정값이 평균 값과 상이한지 판단하는 단계; 및 상기 보호자에게 표시 모듈을 통해 알리는 단계를 포함할 수 있다.
본 발명은, 감지부의 각 센서들을 구성하여 보호자와 유아가 유모차 로봇을 이용하는 동안 편의성을 증대시킬 수 있다.
본 발명은, 구동부의 각 구동 모듈을 구성하여 유모차 로봇의 내부 구성을 자동 조절할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 유모차 로봇을 보호자와 함께 도시한 모습이다.
도 5는 도 1에 도시된 유모차 로봇의 블록도를 나타낸다.
도 6은 본 발명에 따른 유모차 로봇의 제어 방법의 순서도이다.
도 7은 본 발명의 일 실시 예에 따라 유모차 로봇의 시트 및 손잡이의 높낮이가 자동으로 조절되는 모습을 나타낸다.
도 8은 본 발명의 일 실시 예에 따라, 유모차 로봇의 정지 중 손잡이의 위치가 자동으로 조절되는 순서도를 나타낸다.
도 9는 본 발명의 일 실시 예에 따라, 시트의 위치가 자동으로 조절되는 순서도를 나타낸다.
도 10은 본 발명의 일 실시 예에 따라, 벨트의 구조가 자동으로 조절되는 순서도를 나타낸다.
도 11은 본 발명의 일 실시 예에 따라, 디스플레이의 각도가 자동으로 조절되는 순서도를 나타낸다.
도 12는 본 발명의 일 실시 예에 따라, 시트의 진동 또는 충격량에 따라 시트의 높낮이가 자동으로 조절되는 순서도를 나타낸다.
도 13은 본 발명의 일 실시 예에 따른 배변 감지 및 알림의 순서도를 나타낸다.
이하, 본 발명의 일부 실시 예들을 예시적인 도면을 통해 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가지도록 하고 있음에 유의해야 한다. 또한, 본 발명의 실시 예를 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 실시 예에 대한 이해를 방해한다고 판단되는 경우에는 그 상세한 설명은 생략한다.
또한, 본 발명의 실시 예의 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 본질이나 차례 또는 순서 등이 한정되지 않는다. 어떤 구성 요소가 다른 구성요소에 "연결", "결합" 또는 "접속"된다고 기재된 경우, 그 구성 요소는 그 다른 구성요소에 직접적으로 연결되거나 접속될 수 있지만, 각 구성 요소 사이에 또 다른 구성요소가 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
또한, 본 발명의 실시 예의 구성 요소를 설명하는데 있어, 보호자와 아이의 신체 구조는 신체 영상으로 해석될 수 있다.
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.
<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.
<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.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 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, AI 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 제어부(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 제어부(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.
제어부(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, 제어부(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 제어부(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, 제어부(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.
제어부(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 제어부(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.
제어부(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.
제어부(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 제어부(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 로봇과 연결되는 AI 서버를 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 로봇을 포함하는 AI 시스템을 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(300)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(300)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(300)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(300)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(300)를 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+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.
상술한 설명에서, 로봇(110a)은 일 실시 예에 따라 유모차 로봇(1)에 대응되고, 입력부(120)와 러닝 프로세서(130) 및 센싱부(140)는 감지부(10)에 대응될 수 있다.
<유모차 로봇>
도 4는 본 발명의 일 실시 예에 따른 유모차 로봇(1)을 보호자와 함께 도시한 모습이다.
도 4를 참조하면, 유모차 로봇(1)은 전면에 보호자 감지센서(11)를 구비할 수 있고 이를 통해 보호자의 신체 구조 또는 유모차 로봇(1)과 보호자 간의 거리 등 보호자를 통해 얻을 수 있는 정보를 수집할 수 있다.
카메라는 상기 보호자 또는 유아의 신체 구조를 포함하는 이미지 데이터를 획득하고, 마이크로폰은 상기 보호자의 음성을 포함하는 음성 데이터를 획득한다.
제어부는, 상기 카메라와 상기 마이크로폰 중 적어도 하나를 통해, 상기 이미지 데이터와 상기 음성 데이터 중 적어도 하나를 포함하는 고객 반응 데이터를 획득하고, 획득된 고객 반응 데이터로부터 상기 신체 구조를 추정하고, 추정된 반응에 기초하여 상기 보호자 또는 유아의 신체 구조와 관련된 고객 관리 정보를 생성 또는 업데이트 할 수 있다.
본 발명의 실시 예에 따라, 러닝 제어부에 의해 학습된 학습 모델을 저장하는 메모리를 더 포함하고, 상기 제어부는, 상기 메모리에 저장된 학습 모델을 통해, 상기 고객 반응 데이터로부터 상기 신체 구조를 추정할 수 있다.
본 발명의 실시 예에 따라, 서버와 연결하기 위한 통신부를 더 포함하고, 상기 제어부는, 상기 고객 반응 데이터를 상기 서버로 전송하도록 상기 통신부를 제어하고, 상기 서버로부터, 상기 고객 반응 데이터에 기초한 상기 신체 구조에 대한 정보를 수신할 수 있다.
보호자 감지센서(11)는 특별한 인터페이스 디바이스를 장착하지 않고도 사용자의 움직임을 인식할 수 있고, 사용자 동작 인식에 기반한 영상 처리 방법 또는 장치를 포함할 수 있다.
본 발명의 일 실시 예에 따라 유모차 로봇(1) 전면에 배치되었으나, 보호자의 머리 부분을 스캔할 수 있도록 보호자의 눈높이에 설치 될 수 있고, 이미지센서에 의해 내려다보는 화각으로 신체의 적어도 일부를 포함하는 신체 영상을 지속적으로 취득하여 특정된 신체 부위의 동작을 인식하고 상기 인식된 신체 부위의 동작을 예측할 수 있는 구성을 포함할 수 있다.
손잡이(2)는 보호자가 유모차 로봇(1)의 주행에 관여하는지 판단하기 위한 것으로, 보호자의 손의 위치에 최적화 될 수 있도록 조절될 수 있다. 손잡이(2)는 내부에 지문 인식 센서 또는 열 감지 센서를 구비할 수 있고, 보호자의 신체 구조를 인식하기 위한 모든 수단을 포함할 수 있다.
도 5는 도 4에 도시된 유모차 로봇(1)의 블록도를 나타낸다.
도 4를 참조하면, 사용자 인식 기반의 유모차 로봇(1)의 일 실시 예는 감지부(10), 제어부(20) 및 구동부(30)를 포함할 수 있다.
감지부(10)는, 유모차 로봇(1)의 주행 상태 및 상기 유모차 로봇(1) 내부의 유아와 외부의 보호자에 대한 신체 구조 중 적어도 어느 하나를 인식 또는 측정할 수 있다. 감지부(10)는 보호자 감지센서(11), 유아 감지센서(12), 충격 감지센서(13), 배변 감지센서(14)를 포함할 수 있다.
보호자 감지센서(11)는 본 발명의 실시 예에 따라 도 1에 나타난 바와 같이 유모차 로봇(1)의 전면에 설치될 수 있으며, 유아 감지센서(12)는 도면에 도시되지 않았으나 유아의 상부에 설치될 수 있고, 유아를 인식할 수 있는 모든 위치에 설치될 수 있다. 충격 감지센서(13)와 배변 감지센서(14)는 도면에 도시되지 않았으나 유아가 탑승하는 시트 내부 또는 외부에 설치될 수 있고, 충격과 배변을 감지할 수 있도록 최적의 위치에 구성될 수 있다.
보호자 감지센서(11)는 상기 보호자의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적할 수 있다.
유아 감지센서(12)는 상기 유아의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적할 수 있다.
보호자 감지센서(11)와 유아 감지센서(12)는 기 설명한 바와 같이 대상 신체 구조를 지속적으로 스캔하여 영상을 취득하며 특정된 신체 부위의 동작을 인식하고 상기 인식된 신체 부위의 동작을 예측할 수 있는 구성을 포함할 수 있다.
충격 감지센서(13)는, 상기 유아의 움직임으로 인해 나타나는 진동 또는 충격량을 감지하도록 상기 시트에 연결되어 설치될 수 있다. 충격 감지센서(13)는 시트의 내부 또는 외부에 적어도 하나 이상 설치될 수 있다.
충격 감지센서(13)는 진동 또는 충격의 장소에 따라 세기와 가해진 시간을 기록하고 실시간으로 평균치를 계산하여 새로 입력되는 진동 또는 충격량과 비교하여 비이상적인 진동 또는 충격인지 감지할 수 있다. 이러한 실시간 평균치 계산 외에 임계 값이나 기준 값을 설정하고 이 값과 비교하여 비이상적인 증상을 감지할 수 있는 수단도 포함할 수 있다.
배변 감지센서(14)는 상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지할 수 있다. 배변 감지센서(14)는 배변 전후 달라지는 요소를 고려하여 배변이 발생했는지 여부를 감지할 수 있다. 본 발명의 일 실시 예는 암모니아 검출 방법이 사용될 수 있으며, 유아의 소변이나 대변에 따라 달라지는 온도와 습도를 고려할 수 있다.
배변 감지센서(14)는 상술한 충격 감지센서(13)와 같은 방법뿐만 아니라 배변을 감지하는 모든 수단을 포함할 수 있다.
제어부(20)는, 상기 감지부(10)에서 측정된 주행 상태에 따라 상기 유모차 로봇(1)의 제어 여부를 판단하며 상기 신체 구조에 맞게 상기 유모차 로봇(1)의 구조 변경을 결정할 수 있다.
본 발명의 일 실시 예에 따라 제어부(20)는, 주행 상태가 정지 중인 경우 유모차 로봇(1)을 제어할 수 있다. 운행 중 구조가 변경 되는 경우 안전 문제가 발생하기 때문에 정지 중인 경우에만 자동 조절되는 것을 특징으로 한다. 다만, 이에 한정되지 않고, 그 반대로 설정도 가능하다.
본 발명의 실시 예에 따라 제어부(20)는 구동부(30)의 각 구동 모듈에 제동 신호를 제어함으로써 유모차 로봇(1)의 시트, 벨트, 흔들림 또는 진동, 디스플레이 각도 조절, 보호자 알림을 제어할 수 있다.
구동부(30)는, 상기 제어부(20)의 결정에 따라 상기 유모차 로봇(1)에 설치된 구동 모듈 중 적어도 어느 하나를 조절할 수 있다.
구동부(30)는, 시트 구동모듈(31), 벨트 구동모듈(32), 각도 조절모듈(33), 표시모듈을 포함할 수 있다. 각 모듈의 설치 위치는 특정되지 않기 때문에 구체적으로 도시되지 않았으나 사용 환경에 맞게 적절한 위치에 배치가 가능하다.
시트 구동모듈(31)은 상기 시트의 위치와 높낮이를 조절하고, 시트의 흔들림 또는 진동의 제어가 가능하다
벨트 구동모듈(32)은 상기 유아의 신체 구조에 따라 상기 시트에 설치된 벨트의 강도를 조절할 수 있다. 벨트 구동모듈(32)은 유아의 신체 구조를 인식하여 벨트와 신체 사이의 공간이 느슨한 경우 강도를 조절하여 안전성을 확보할 수 있다.
각도 조절모듈(33)은 유아가 시청하는 디스플레이의 화면 각도를 조절할 수 있다. 본 발명의 실시 예에 따라 디스플레이는 유아가 시청하는 것으로 한정하고 있으나, 보호자도 디스플레이를 시청할 수 있으며, 추가로 보호자를 위한 제2디스플레이의 설치도 가능하다. 이 때 각도 조절모듈(33)은 보호자의 시선을 인식하는 방법으로 제2디스플레이의 각도를 조절하기 위해 추가로 제2 각도 조절모듈(33)도 설치될 수 있다.
각도 조절모듈(33)은 상기 감지부(10)의 유아 감지센서(12)에서 인식된 유아의 시선 방향을 계산하여, 디스플레이의 정면이 유아의 시선 방향으로 고정될 수 있도록 디스플레이를 자동으로 조절할 수 있다.
각도 조절모듈(33)은 제어부(20)에서 계산된 각도를 바탕으로 각도가 조절되며, 각도는 유아의 신체 구조에서 눈의 위치를 추적하고 디스플레이의 위치를 계산하여 계산될 수 있다.
표시 모듈(34)은, 상기 제어부(20)의 제어 상태를 상기 디스플레이에 영상으로 표시하거나 음성으로 알려줄 수 있다. 상술한 바와 같이 디스플레이는 유아가 시청하는 것으로 한정되어 있으나 보호자를 위한 제2 디스플레이의 설치도 가능하며 그 곳에 표시가 되도록 설정될 수 있다. 표시 모듈(34)은, 시각화 또는 음성으로 표시가 가능하다.
이하에서는 상술한 사용자 인식 기반의 유모차 로봇(1)의 구성을 통해 제어를 하는 방법에 대해 설명한다.
도 6은 본 발명에 따른 유모차 로봇(1)의 제어 방법의 순서도이다.
도 6을 참조하면, 사용자 인식 기반의 유모차 로봇(1) 제어 방법은, 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조를 인식 또는 측정하는 단계(S11); 상기 주행 상태 및 상기 신체 구조에 따라 상기 유모차 로봇의 구조 변경을 결정하는 단계(S12); 및 상기 유모차 로봇(1)에 설치된 디스플레이, 벨트, 시트 또는 손잡이(2) 중 적어도 어느 하나를 조절하는 단계(S13)를 포함할 수 있다.
S11단계에서는 보호자와 유아의 신체 구조를 각 감지센서를 통해 인식하거나 측정할 수 있고, S12단계에서는 제어부(20)가 유모차 로봇(1)의 구조 변경을 결정하여 구동부(30)로 구동 신호를 송신할 수 있다. S13단계에서는 구동부(30)에서 각 구동모듈을 통해 유모차 로봇(1)에 설치된 디스플레이, 벨트, 시트 또는 손잡이(2) 중 적어도 어느 하나를 조절할 수 있다.
도 7은 본 발명의 일 실시 예에 따라 유모차 로봇(1)의 시트 및 손잡이(2)의 높낮이가 자동으로 조절되는 모습을 나타낸다.
도 7을 참조하면, 보호자 감지센서(11)에서 인식된 보호자의 키를 인식하여 유모차 로봇(1)의 손잡이(2)를 조절할 수 있다.
구체적으로, 유모차 로봇(1)의 손잡이(2)의 조절은 시트의 높낮이를 조절하는 시트 구동모듈(31)을 통해 이루어진다. 그 과정은 이하 도 8에서 후술한다.
도 8은 본 발명의 일 실시 예에 따라, 유모차 로봇(1)의 정지 중 손잡이(2)의 위치가 자동으로 조절되는 순서도를 나타낸다.
도 8을 참조하면, 보호자와 유아의 안전을 위해 유모차 로봇(1)이 정지 중인 경우에만 손잡이(2) 위치가 자동으로 변경될 수 있다.
본 발명의 실시 예에 따라, 이 과정은 상기 주행 상태가 정지 중인지 판단하는 단계(S21); 상기 유모차 로봇의 전면에 탑재된 보호자 감지센서(11)에서 상기 보호자의 신체 영상을 지속적으로 수집하여 손의 위치를 추적 또는 측정하는 단계(S23 내지 S26); 및 상기 유모차 로봇의 손잡이(2)를 상기 보호자의 손의 위치로 이동시키는 단계(S27)를 포함할 수 있다.
본 발명의 또 다른 실시 예에 따라, 이 과정은 보호자의 통제 하에 조작이 이뤄질 수 있도록 상기 보호자의 손이 상기 유모차 로봇(1)의 손잡이(2)에 있는지 판단하는 S22단계를 더 포함할 수 있다.
본 발명의 실시 예의 S21 및 S22에 따라 유모차 로봇(1) 정지 중 보호자의 손이 유모차 로봇(1)의 손잡이(2)에 있는 경우, 보호자의 신체 영상을 수집(S23)하고, 보호자의 손의 위치를 추적(S24)한다. 보호자의 손의 위치에 맞는 유모차 로봇(1)의 손잡이(2) 위치를 결정(S25)하고, 결정된 위치와 보호자의 손 위치가 일치하는지 판단(S26)한다. 만약 S26단계에서 불일치 한다면, 시트 구동모듈(31)을 구동하여 시트의 높이 조절로 손잡이(2) 위치를 이동(S27)할 수 있다.
도 9는 본 발명의 일 실시 예에 따라, 시트의 위치가 자동으로 조절되는 순서도를 나타낸다.
도 9를 참조하면, 상기 유아의 신체 구조를 인식(S31)하고, 상기 시트의 상태를 확인(S32)하여 상기 시트의 수용공간 범위 내인지 측정하는 단계(S33); 및 상기 시트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 시트의 구조를 조절하는 단계(S34)를 포함할 수 있다.
S31단계에서는 유아 감지센서(12)를 통해 유아의 신체 영상을 수집하여 유아의 신체 구조를 파악하고, 현재 시트의 상태를 파악(S32)하여 불편하거나 안전한지에 대한 판단을 할 수 있다.
시트의 상태를 확인하는 단계(S32)는, 기 입력된 시트의 길이 등 상태가 현재 측정된 유아의 신체 구조에 적절한지 판단하는 과정이다. 본 발명의 실시 예의 시트의 상태를 확인하는 단계(S32)는, 시트의 길이가 유아의 다리 길이를 수용하는지 수용공간으로 판단(S33)하였지만, 이에 한정되지 않고 신체를 편하게 할 수 있는 다른 요소(등받이 각도, 머리 위치 등)를 포함할 수 있다.
예를 들어 유아가 누워서 발을 폈을 때 발끝이 시트를 넘어가는 경우 부적절하다고 판단할 수 있다. 이 경우 시트의 구조를 조절(S34)할 수 있다.
도 10은 본 발명의 일 실시 예에 따라, 벨트의 구조가 자동으로 조절되는 순서도를 나타낸다.
도 10을 참조하면, 벨트 구조 조절은, 상기 유아의 신체 구조를 인식(S41)하여 상기 벨트의 수용공간 범위 내인지 측정하는 단계(S42 및 S43)를 포함할 수 있다. 만약 이 경우, 벨트가 채워지지 않았다면 알람을 발생시킬 수 있다.
또한, 벨트 구조 조절은, 상기 유아의 안전이 보장되는 기준 공간 이내로 상기 벨트와 상기 신체가 형성되어 있는지 판단하는 단계(S44); 및 상기 벨트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 벨트의 강도를 조절하는 단계(S45)를 포함할 수 있다.
여기서 벨트 구동모듈(32)은, 시트에 설치된 벨트의 강도를 조절할 수 있는데, 유아의 신체 구조를 인식하여 벨트와 신체 사이의 공간이 느슨한 경우 강도를 조절하여 안전성을 확보할 수 있다.
도 11은 본 발명의 일 실시 예에 따라, 디스플레이의 각도가 자동으로 조절되는 순서도를 나타낸다.
도 11을 참조하면, 디스플레이 각도 조절은, 상기 유아의 신체 구조를 인식(S51)하고, 상기 디스플레이의 현재 위치와 각도 상태를 확인(S52)하여, 상기 유아의 시선이 상기 디스플레이를 향하는지 측정하는 단계(S53)를 포함할 수 있다.
여기서 각도 조절모듈(33)은, 상기 감지부(10)의 유아 감지센서(12)에서 인식된 유아의 시선 방향을 계산하여, 디스플레이의 정면이 유아의 시선 방향으로 고정될 수 있도록 디스플레이를 자동으로 조절할 수 있다.
도 12는 본 발명의 일 실시 예에 따라, 시트의 진동 또는 충격량에 따라 시트의 높낮이가 자동으로 조절되는 순서도를 나타낸다.
도 12를 참조하면, 유아의 활동성 감지 시 시트 높이를 낮추어 안정성을 확보하는 과정으로, 상기 유아의 움직임으로 인한 상기 시트의 진동 또는 충격량을 감지하는 단계(S61); 상기 시트의 진동 또는 충격량이 평균 값을 초과하는지 판단하는 단계(S62); 및 상기 시트의 높이를 낮추는 단계(S63)를 포함할 수 있다.
이 경우, 충격 감지센서(13)를 통해 진동 또는 충격량을 감지할 수 있고, 적어도 하나 이상의 충격 감지센서(13)를 이용하여 비이상적인 상황을 판단할 수 있다. 또한 상술한 바와 같이 비이상적인 상황은, 실시간으로 측정되는 데이터의 평균 값 또는 기준 값과의 비교로 판단이 가능하다.
본 발명의 다른 실시 예에 따라 보호자의 직접 입력을 통해 시트의 흔들림 또는 진동의 제어도 가능하다. 예를 들어, 취침 또는 놀이의 상황을 가정하여 보호자가 시트의 흔들림 또는 진동을 제어할 수도 있다.
이 과정은, 보호자가 상기 시트의 흔들림 또는 진동에 관련된 강도 및 주기가 포함된 흔들림 모드 또는 진동 모드로 전환하는 단계; 및 상기 흔들림 모드 또는 진동 모드로의 전환에 따라 상기 시트의 흔들림 또는 진동을 제어하는 단계를 포함할 수 있다. 자동 조절 외에 수동 입력을 통해 시트의 조절도 가능하다.
도 13은 본 발명의 일 실시 예에 따른 배변 감지 및 알림의 순서도를 나타낸다.
도 13을 참조하면, 보호자는 자동으로 배변 감지에 대한 알람을 받을 수 있으며, 이 과정은 상기 시트에 설치된 배변 감지센서(14)를 통해 상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지하는 단계(S71); 상기 배변 감지센서(14)의 측정값이 평균 값과 상이한지 판단하는 단계(S72); 및 상기 보호자에게 표시 모듈(34)을 통해 알리는 단계(S73)를 포함할 수 있다.
배변 감지센서(14)를 통해 감지할 수 있으며, 배변 감지센서(14)는 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지할 수 있으며, 감지 방식에 대해서는 상술한 배변 감지센서(14)와 같다.
이 경우, 배변 감지센서(14)를 통해 배변을 감지하여 비이상적인 상황을 판단할 수 있으며, 비이상적인 상황은 실시간으로 측정되는 데이터의 평균 값 또는 기준 값과의 비교로 판단이 가능하다.
만약, 상기 배변 감지센서의 측정값이 기 설정된 시간 동안 유지되는 경우 다시 상기 보호자에게 표시 모듈을 통해 알리는 단계를 더 포함할 수 있다. 이 경우, 일정 시간 경과 후에도 배변 감지 상황이 지속되고 있다는 것이므로, 보호자에 기저귀 교체 등을 다시 알릴 수 있다.
이상에서 대표적인 실시예를 통하여 본 발명을 상세하게 설명하였으나, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 상술한 실시예에 대하여 본 발명의 범주에서 벗어나지 않는 한도 내에서 다양한 변형이 가능함을 이해할 것이다. 그러므로 본 발명의 권리 범위는 설명한 실시예에 국한되어 정해져서는 안 되며, 후술하는 특허청구범위뿐만 아니라 특허청구범위와 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태에 의하여 정해져야 한다.

Claims (20)

  1. 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조 중 적어도 어느 하나를 인식 또는 측정하는 감지부;
    상기 감지부에서 측정된 주행 상태에 따라 상기 유모차 로봇의 제어 여부를 판단하며 상기 유아와 보호자 중 적어도 어느 하나에 대한 신체 구조에 맞게 상기 유모차 로봇의 구조 변경을 결정하는 제어부; 및
    상기 제어부의 결정에 따라 상기 유모차 로봇에 설치된 디스플레이, 벨트, 시트 또는 손잡이 중 적어도 어느 하나를 조절하는 구동부를 포함하는 사용자 인식 기반의 유모차 로봇.
  2. 제 1 항에 있어서,
    상기 보호자 또는 유아의 신체 구조를 포함하는 이미지 데이터를 획득하는 카메라;
    상기 보호자의 음성을 포함하는 음성 데이터를 획득하는 마이크로폰; 및
    상기 카메라와 상기 마이크로폰 중 적어도 하나를 통해, 상기 이미지 데이터와 상기 음성 데이터 중 적어도 하나를 포함하는 고객 반응 데이터를 획득하고,
    획득된 고객 반응 데이터로부터 상기 신체 구조를 추정하고,
    추정된 반응에 기초하여 상기 보호자 또는 유아의 신체 구조와 관련된 고객 관리 정보를 생성 또는 업데이트하는 제어부를 포함하는 사용자 인식 기반의 유모차 로봇.
  3. 제 2 항에 있어서,
    러닝 제어부에 의해 학습된 학습 모델을 저장하는 메모리를 더 포함하고,
    상기 제어부는,
    상기 메모리에 저장된 학습 모델을 통해, 상기 고객 반응 데이터로부터 상기 신체 구조를 추정하는 사용자 인식 기반의 유모차 로봇.
  4. 제 2 항에 있어서,
    서버와 연결하기 위한 통신부를 더 포함하고,
    상기 제어부는,
    상기 고객 반응 데이터를 상기 서버로 전송하도록 상기 통신부를 제어하고,
    상기 서버로부터, 상기 고객 반응 데이터에 기초한 상기 신체 구조에 대한 정보를 수신하는 사용자 인식 기반의 유모차 로봇.
  5. 제 1 항에 있어서,
    상기 감지부는,
    상기 보호자의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적하도록 상기 유모차 로봇의 전면에 탑재된 보호자 감지센서; 및
    상기 유아의 신체 영상을 지속적으로 수집하여 특정 신체 부위의 위치를 추적하도록 상기 유모차 로봇의 상부에 탑재된 유아 감지센서를 더 포함하는 사용자 인식 기반의 유모차 로봇.
  6. 제 5 항에 있어서,
    상기 감지부는,
    상기 유아의 움직임으로 인해 나타나는 진동 또는 충격량을 감지하도록 상기 시트에 연결되어 설치된 충격 감지센서; 및
    상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지하는 배변 감지센서를 더 포함하는 사용자 인식 기반의 유모차 로봇.
  7. 제 1 항에 있어서,
    상기 구동부는,
    상기 시트의 위치를 조절하는 시트 구동모듈; 및
    상기 유아의 신체 구조에 따라 상기 시트에 설치된 벨트의 강도를 조절하는 벨트 구동모듈을 더 포함하는 사용자 인식 기반의 유모차 로봇.
  8. 제 7 항에 있어서,
    상기 시트 구동모듈은,
    상기 시트의 흔들림 또는 진동을 제어하는 것을 특징으로 하는 사용자 인식 기반의 유모차 로봇.
  9. 제 7 항에 있어서,
    상기 구동부는,
    상기 감지부에서 측정된 상기 유아의 시선을 인식하여 상기 디스플레이의 화면 각도를 조절하는 각도 조절모듈을 더 포함하는 사용자 인식 기반의 유모차 로봇.
  10. 제 7 항 내지 제 9 항 중 어느 한 항에 있어서,
    상기 구동부는,
    상기 제어부의 제어 상태를 상기 디스플레이에 영상으로 표시하거나 음성으로 알려주는 표시 모듈을 더 포함하는 사용자 인식 기반의 유모차 로봇.
  11. 유모차 로봇의 주행 상태 및 상기 유모차 로봇 내부의 유아와 외부의 보호자에 대한 신체 구조를 인식 또는 측정하는 단계;
    상기 주행 상태 및 상기 신체 구조에 따라 상기 유모차 로봇의 구조 변경을 결정하는 단계; 및
    상기 유모차 로봇에 설치된 디스플레이, 벨트, 시트 또는 손잡이 중 적어도 어느 하나를 조절하는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  12. 제 11 항에 있어서,
    상기 주행 상태가 정지 중인지 판단하는 단계;
    상기 유모차 로봇의 전면에 탑재된 보호자 감지센서에서 상기 보호자의 신체 영상을 지속적으로 수집하여 손의 위치를 추적 또는 측정하는 단계; 및
    상기 유모차 로봇의 손잡이를 상기 보호자의 손의 위치로 이동시키는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  13. 제 12 항에 있어서,
    상기 보호자의 손이 상기 유모차 로봇의 손잡이에 있는지 판단하는 단계를 더 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  14. 제 11 항에 있어서,
    상기 유아의 신체 구조를 인식하여 상기 시트의 수용공간 범위 내인지 측정하는 단계; 및
    상기 시트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 시트의 구조를 조절하는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  15. 제 11 항에 있어서,
    상기 유아의 신체 구조를 인식하여 상기 벨트의 수용공간 범위 내인지 측정하는 단계;
    상기 유아의 안전이 보장되는 기준 공간 이내로 상기 벨트와 상기 신체가 형성되어 있는지 판단하는 단계; 및
    상기 벨트의 수용공간에 상기 유아의 신체 구조가 맞도록 상기 벨트의 강도를 조절하는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  16. 제 11 항에 있어서,
    상기 유아의 신체 구조를 인식하여 상기 유아의 시선이 상기 디스플레이를 향하는지 측정하는 단계; 및
    상기 디스플레이의 화면 각도를 조절하는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  17. 제 11 항에 있어서,
    상기 보호자가 상기 시트의 흔들림 또는 진동에 관련된 강도 및 주기가 포함된 흔들림 모드 또는 진동 모드로 전환하는 단계; 및
    상기 흔들림 모드 또는 진동 모드로의 전환에 따라 상기 시트의 흔들림 또는 진동을 제어하는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  18. 제 11 항에 있어서,
    상기 유아의 움직임으로 인한 상기 시트의 진동 또는 충격량을 감지하는 단계;
    상기 시트의 진동 또는 충격량이 평균 값을 초과하는지 판단하는 단계; 및
    상기 시트의 높이를 낮추는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  19. 제 11 항에 있어서,
    상기 시트에 설치된 배변 감지센서를 통해 상기 시트의 온도, 습도 또는 특정 화학 성분 중 적어도 어느 하나를 감지하는 단계;
    상기 배변 감지센서의 측정값이 평균 값과 상이한지 판단하는 단계; 및
    상기 보호자에게 표시 모듈을 통해 알리는 단계를 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
  20. 제 19 항에 있어서,
    상기 배변 감지센서의 측정값이 기 설정된 시간 동안 유지되는 경우 다시 상기 보호자에게 표시 모듈을 통해 알리는 단계를 더 포함하는 사용자 인식 기반의 유모차 로봇의 제어 방법.
KR1020190088854A 2019-06-18 2019-07-23 사용자 인식 기반의 유모차 로봇 및 그 제어 방법 KR20190094130A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/KR2019/007361 2019-06-18
PCT/KR2019/007361 WO2020256180A1 (ko) 2019-06-18 2019-06-18 사용자 인식 기반의 유모차 로봇 및 그 제어 방법

Publications (1)

Publication Number Publication Date
KR20190094130A true KR20190094130A (ko) 2019-08-12

Family

ID=67625037

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190088854A KR20190094130A (ko) 2019-06-18 2019-07-23 사용자 인식 기반의 유모차 로봇 및 그 제어 방법

Country Status (3)

Country Link
US (1) US20210208595A1 (ko)
KR (1) KR20190094130A (ko)
WO (1) WO2020256180A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102327438B1 (ko) * 2021-04-02 2021-11-17 홍성윤 리클라이닝 장치
CN114683233A (zh) * 2022-05-20 2022-07-01 中建八局发展建设有限公司 一种可移动式钢材存放装置及其工作方法
WO2024106650A1 (ko) * 2022-11-17 2024-05-23 주식회사 제이엠아이엔티엘 스마트 유모차

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE543891C2 (en) * 2019-09-30 2021-09-14 Dymla Ab An infant transportation system
WO2022204785A1 (en) * 2021-03-31 2022-10-06 Glüxkind Technologies Inc. Carriage with guided autonomous locomotion

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004013598A1 (de) * 2004-03-19 2005-10-06 Robert Bosch Gmbh Vorrichtung zur Einstellung von Sitzkomponenten
TW201509723A (zh) * 2013-09-12 2015-03-16 Hon Hai Prec Ind Co Ltd 智能手推車
KR101745181B1 (ko) * 2015-11-18 2017-06-08 현대자동차주식회사 무인 자율 구동 유모차 및 이의 제어 방법
KR101892397B1 (ko) * 2017-08-02 2018-08-27 엘지전자 주식회사 스마트 유모차 및 이를 포함하는 제어 시스템
KR101970918B1 (ko) * 2018-07-04 2019-04-19 장원 지능형 아기 돌보미 장치

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102327438B1 (ko) * 2021-04-02 2021-11-17 홍성윤 리클라이닝 장치
CN114683233A (zh) * 2022-05-20 2022-07-01 中建八局发展建设有限公司 一种可移动式钢材存放装置及其工作方法
CN114683233B (zh) * 2022-05-20 2024-01-12 中建八局发展建设有限公司 一种可移动式钢材存放装置
WO2024106650A1 (ko) * 2022-11-17 2024-05-23 주식회사 제이엠아이엔티엘 스마트 유모차

Also Published As

Publication number Publication date
WO2020256180A1 (ko) 2020-12-24
US20210208595A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
KR20190094130A (ko) 사용자 인식 기반의 유모차 로봇 및 그 제어 방법
US11580385B2 (en) Artificial intelligence apparatus for cleaning in consideration of user&#39;s action and method for the same
KR102519064B1 (ko) 사용자에게 서비스를 제공하는 이동형 로봇 장치 및 방법
US11565415B2 (en) Method of tracking user position using crowd robot, tag device, and robot implementing thereof
US20210097852A1 (en) Moving robot
KR20190096878A (ko) 인공지능 기반의 공기조화기
US20210101288A1 (en) Moving bed robot
KR20190106862A (ko) 인공지능 장치 및 그를 이용한 IoT 기기의 도난 감지 및 탐색 방법
KR20190104489A (ko) 공기 조화기의 센서 데이터를 보정하는 인공 지능 공기 조화기 및 그 방법
KR20190098935A (ko) 인공지능 세탁물 처리 기기
US20220097785A1 (en) Robot
US20210128384A1 (en) Moving bed robot and method of controlling the same
KR20190096875A (ko) 로봇 및 그의 제어 방법
KR20190104925A (ko) 엔진 소음 제거 장치 및 엔진 소음 제거 방법
KR20190104943A (ko) 로봇 시스템 및 그 제어 방법
KR20190098102A (ko) 외부 기기를 제어하기 위한 인공 지능 장치
KR20210067432A (ko) 로봇의 비상 정지의 수행
KR20190098930A (ko) 사용자에게 음식을 제공하는 방법 및 그 장치
US20210094167A1 (en) Apparatus connected to robot, and robot system including the robot and the apparatus
KR20190114925A (ko) 소리 신호 분류를 이용한 인공지능장치 및 그 방법
US11478925B2 (en) Robot and method for controlling same
KR102314385B1 (ko) 로봇 및 그의 제어 방법
KR20190113690A (ko) 로봇 시스템 및 그 제어방법
KR20210065612A (ko) 전자 장치 및 그의 동작 방법
KR20210050201A (ko) 로봇, 로봇의 작동 방법 및 상기 로봇을 포함하는 로봇 시스템

Legal Events

Date Code Title Description
G15R Request for early publication