KR20190096849A - 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법 - Google Patents

빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법 Download PDF

Info

Publication number
KR20190096849A
KR20190096849A KR1020190087936A KR20190087936A KR20190096849A KR 20190096849 A KR20190096849 A KR 20190096849A KR 1020190087936 A KR1020190087936 A KR 1020190087936A KR 20190087936 A KR20190087936 A KR 20190087936A KR 20190096849 A KR20190096849 A KR 20190096849A
Authority
KR
South Korea
Prior art keywords
elevator
user
building management
building
robot
Prior art date
Application number
KR1020190087936A
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 KR20190096849A publication Critical patent/KR20190096849A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/20—Individual registration on entry or exit involving the use of a pass
    • G07C9/22—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder
    • G07C9/25—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G07C9/253—Individual registration on entry or exit involving the use of a pass in combination with an identity check of the pass holder using biometric data, e.g. fingerprints, iris scans or voice recognition visually
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • 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
    • B25J9/1656—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
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/46—Adaptations of switches or switchgear
    • B66B1/468—Call registering systems
    • 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
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/20—Scenes; Scene-specific elements in augmented reality 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
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • 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
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation
    • 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
    • G06V40/60—Static or dynamic means for assisting the user to position a body part for biometric acquisition
    • G06V40/67—Static or dynamic means for assisting the user to position a body part for biometric acquisition by interactive indications to the user
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3415—Control system configuration and the data transmission or communication within the control system
    • B66B1/3446—Data transmission or communication within the control system
    • B66B1/3461—Data transmission or communication within the control system between the elevator control system and remote or mobile stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B2201/00—Aspects of control systems of elevators
    • B66B2201/40—Details of the change of control mode
    • B66B2201/46—Switches or switchgear
    • B66B2201/4607—Call registering systems
    • B66B2201/4653—Call registering systems wherein the call is registered using portable devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
    • B66B5/0006—Monitoring devices or performance analysers
    • B66B5/0012—Devices monitoring the users of the elevator system
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
    • G07C9/00896—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses
    • G07C9/00904—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys specially adapted for particular uses for hotels, motels, office buildings or the like

Abstract

본 발명의 실시 예에 따른 빌딩 관리 로봇은, 빌딩 내의 적어도 하나의 구획 공간 중 제1 구획 공간에 대응하는 식별 장치를 인식하고, 상기 식별 장치로부터 상기 제1 구획 공간에 대한 제1 식별 정보를 획득하는 통신부, 상기 식별 장치가 인식된 위치를 포함하는 이미지 데이터를 획득하는 카메라, 및 상기 이미지 데이터로부터 사용자를 인식하고, 데이터베이스로부터, 상기 인식된 사용자의 상기 제1 구획 공간에 대한 인증 레벨을 확인하고, 확인된 인증 레벨에 기초한 서비스를 상기 사용자에게 제공하는 프로세서를 포함한다. 실시 예에 따라, 상기 빌딩 관리 로봇은 인공지능 기반의 학습 모델을 통해 상기 이미지 데이터로부터 상기 사용자를 인식할 수 있다.

Description

빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법{BUILDING MANAGEMENT ROBOT AND METHOD FOR PROVIDING SERVICE USING THE SAME}
본 발명은 빌딩 관리 로봇에 관한 것으로서, 특히 빌딩에 거주 또는 빌딩을 이용하는 사람들에게 다양한 서비스를 제공할 수 있는 빌딩 관리 로봇에 관한 것이다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계로서, 로봇의 응용분야는 대체로 산업용, 의료용, 우주용, 해저용 등 다양한 분야로 분류된다.
최근에는 자율 주행 기술이나 센서를 이용한 자동 제어 기술, 통신 기술 등의 발전으로 인해, 보다 다양한 분야에 로봇을 적용하기 위한 연구가 지속되고 있다.
일례로, 아파트, 오피스텔, 호텔, 업무용 빌딩 등의 빌딩에 배치되어, 상기 빌딩과 관련된 다양한 관리 동작을 수행하는 빌딩 관리 로봇이 고려될 수 있다. 예컨대, 빌딩 관리 로봇은 빌딩 내/외부를 주행하면서, 경비 동작, 경비원 보조, 주차장 관리, 청소 동작 등을 수행할 수 있다. 또는, 빌딩 관리 로봇은 아파트의 각 세대에 대한 방문 서비스를 제공하거나 택배나 우편 등의 물품을 전달하는 등의 다양한 서비스를 제공할 수 있다.
한편, 빌딩 관리 로봇이 배치되는 빌딩에는 다양한 사람들이 존재할 수 있다. 이러한 사람들 중에는 빌딩 내 특정 구획 공간(아파트 동/호수, 호텔 객실 등)에 대한 이용 권한을 갖는 사람과, 일회성 방문자와 같이 이용 권한이 없는 사람이 혼재될 수 있다. 이러한 다양한 사람들에 대해, 효과적인 관리 및 맞춤형 서비스를 제공할 수 있는 빌딩 관리 로봇이 구현될 경우, 상기 빌딩 관리 로봇의 보급이 확대될 수 있다.
본 발명이 해결하고자 하는 과제는, 빌딩을 이용하는 다양한 사람들을 인식 및 인증하고, 인증 결과에 따른 다양한 맞춤형 서비스를 제공할 수 있는 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법을 구현하는 것이다.
본 발명의 해결하고자 하는 다른 과제는, 빌딩 내에 구비된 엘리베이터의 탑승 시 이용자의 불편을 최소화하거나, 이용자에 대한 효과적인 보호를 가능하게 하는 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법을 구현하는 것이다.
본 발명의 실시 예에 따른 빌딩 관리 로봇은, 빌딩 내의 적어도 하나의 구획 공간 중 제1 구획 공간에 대응하는 식별 장치를 인식하고, 상기 식별 장치로부터 상기 제1 구획 공간에 대한 제1 식별 정보를 획득하는 통신부, 상기 식별 장치가 인식된 위치를 포함하는 이미지 데이터를 획득하는 카메라, 및 상기 이미지 데이터로부터 사용자를 인식하고, 데이터베이스로부터, 상기 인식된 사용자의 상기 제1 구획 공간에 대한 인증 레벨을 확인하고, 확인된 인증 레벨에 기초한 서비스를 상기 사용자에게 제공하는 프로세서를 포함한다.
실시 예에 따라, 상기 통신부는 상기 빌딩 관리 로봇 내에 서로 이격 배치된 적어도 두 개의 무선 통신 모듈을 포함하고, 상기 프로세서는, 상기 식별 장치로부터 상기 적어도 두 개의 무선 통신 모듈 각각으로 수신되는 신호의 세기 또는 시간 차에 기초하여 상기 식별 장치의 위치 또는 방향을 감지하고, 감지된 위치 또는 방향을 향하도록 주행부 또는 카메라 방향 조절 기구를 제어하고, 상기 이미지 데이터를 획득하도록 상기 카메라를 제어할 수 있다.
상기 프로세서는, 상기 이미지 데이터로부터 상기 사용자를 포함하는 영역을 추출하고, 추출된 영역으로부터 상기 사용자의 이미지 특징 데이터를 획득하고, 상기 데이터베이스로부터 상기 이미지 특징 데이터 및 상기 제1 구획 공간의 제1 식별 정보를 갖는 레코드에 포함된 상기 인증 레벨을 획득할 수 있다.
실시 예에 따라, 상기 빌딩 관리 로봇은 러닝 프로세서에 의해 학습된 인식 모델을 저장하는 메모리를 더 포함하고, 상기 프로세서는, 상기 메모리에 저장된 상기 인식 모델을 통해, 상기 이미지 데이터로부터 상기 사용자를 인식할 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 인증 레벨이 기준 레벨 미만인 경우, 상기 제1 구획 공간의 관리 장치로 방문자 알림을 전송할 수 있다.
실시 예에 따라, 상기 프로세서는, 상기 인증 레벨이 상기 기준 레벨 이상인 경우, 상기 빌딩의 출입구 개방 요청을 출입구 관리 장치로 전송하거나, 상기 빌딩의 엘리베이터 관리 장치로 엘리베이터 호출 요청을 전송할 수 있다.
상기 프로세서는, 상기 데이터베이스에 상기 제1 구획 공간과 매칭되는 상기 사용자의 정보가 존재하지 않는 경우, 상기 이미지 데이터로부터 획득되는 상기 사용자의 특징 데이터와 상기 제1 구획 공간에 대한 제1 식별 정보, 및 상기 인증 레벨을 포함하는 제1 레코드를 상기 데이터베이스에 저장할 수 있다.
상기 프로세서는, 상기 제1 식별 정보 및 상기 사용자의 특징 데이터가 획득되는 횟수가 소정 횟수 이상인 경우, 상기 제1 레코드에 포함된 상기 인증 레벨을 증가시킬 수 있다.
상기 프로세서는, 상기 적어도 하나의 구획 공간 중 제2 구획 공간으로 이동하기 위한 엘리베이터 탑승 상황을 인식하고, 엘리베이터 관리 장치 또는 서버로부터, 엘리베이터의 내부를 포함하는 제1 영상 데이터를 수신하고, 수신된 제1 영상 데이터로부터 상기 엘리베이터 내에 탑승자의 존재 여부를 감지하고, 탑승자가 존재하지 않는 경우 상기 엘리베이터의 호출 요청을 상기 엘리베이터 관리 장치 또는 상기 서버로 전송할 수 있다.
상기 프로세서는, 상기 엘리베이터 관리 장치 또는 서버로부터, 상기 빌딩 내의 적어도 하나의 층 각각의 엘리베이터 탑승 영역을 포함하는 적어도 하나의 제2 영상 데이터를 수신하고, 수신된 적어도 하나의 제2 영상 데이터로부터 상기 엘리베이터의 이용 대기자 존재 여부를 감지하고, 상기 이용 대기자가 존재하지 않는 경우 상기 엘리베이터의 호출 요청을 상기 엘리베이터 관리 장치 또는 상기 서버로 전송할 수 있다.
상기 프로세서는, 상기 제1 식별 정보에 기초하여 엘리베이터의 호출 요청을 엘리베이터 관리 장치 또는 서버로 전송하고, 상기 사용자의 특성에 기초하여 상기 엘리베이터의 동승 여부를 결정하고, 상기 사용자의 특성은 성별, 연령대, 장애 여부, 및 거동 불편 여부 중 적어도 하나의 정보를 포함할 수 있다.
상기 프로세서는, 상기 사용자와 상기 엘리베이터에 동승한 경우, 상기 사용자의 하차 시 함께 하차하도록 주행부를 제어하고, 상기 사용자를 포함하는 영상 데이터를 획득하도록 상기 카메라를 제어하는 제1 동작, 및 상기 사용자의 이동을 따라 주행하도록 상기 주행부를 제어하는 제2 동작 중 적어도 하나를 수행할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 엘리베이터 관리 장치 또는 상기 서버로부터 상기 엘리베이터의 내부를 포함하는 영상 데이터를 수신하고, 수신된 영상 데이터로부터 상기 엘리베이터 내부의 타인을 식별하고, 상기 타인의 식별 결과에 기초하여 상기 엘리베이터의 동승 여부를 결정할 수 있다.
본 발명의 일 실시 예에 따른 빌딩 관리 로봇을 이용한 서비스 제공 방법은, 빌딩 내의 적어도 하나의 구획 공간 중 제1 구획 공간에 대응하는 식별 장치를 인식하는 단계; 상기 식별 장치가 인식된 위치를 포함하는 이미지 데이터를 획득하는 단계; 획득된 이미지 데이터로부터 사용자를 인식하는 단계; 데이터베이스로부터, 상기 인식된 사용자의 제1 구획 공간에 대한 인증 레벨을 확인하는 단계; 및 확인된 인증 레벨에 기초한 서비스를 상기 사용자에게 제공하는 단계를 포함할 수 있다.
본 발명의 실시 예에 따르면, 빌딩 관리 로봇은 빌딩 내/외부에서 인식되는 사람들을 빌딩 내의 구획 공간들 각각에 매칭시켜 효율적으로 관리할 수 있다. 또한, 빌딩 관리 로봇은 특정 구획 공간에 대해, 매칭된 사람들 각각의 인증 레벨을 설정함으로써, 특정 구획 공간의 출입 또는 이용 권한을 갖는 사람과 그렇지 않은 사람을 효과적으로 구분하여 관리할 수 있다.
또한, 빌딩 관리 로봇은 인식된 사람들 각각의 인증 레벨에 기초하여 서로 다른 서비스를 제공함으로써, 사람들에게 다양한 맞춤형 서비스를 자동으로 제공할 수 있다.
뿐만 아니라, 빌딩 관리 로봇은 엘리베이터의 탑승 상황 시, 엘리베이터의 이용자 또는 이용 대기자가 감지되지 않는 경우에만 엘리베이터를 이용함으로써 이용자 또는 이용 대기자에 대한 방해나 불편을 최소화할 수 있다.
또한, 빌딩 관리 로봇은 엘리베이터 이용자의 특성, 또는 엘리베이터에 존재하는 타인의 식별 결과에 기초하여 상기 이용자와 엘리베이터에 동승하고, 이용자를 모니터링하거나 에스코트하는 등의 서비스를 제공할 수 있다. 이에 따라, 빌딩 관리 로봇은 이용자의 안전한 엘리베이터 이용을 가능하게 하고, 이용자는 빌딩 관리 로봇에 대한 만족감을 느낄 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 빌딩 관리 로봇 및 그를 포함하는 빌딩 관리 시스템의 개념도이다.
도 5는 본 발명의 일 실시 예에 따른 빌딩 관리 로봇의 제어 구성을 나타내는 블록도이다.
도 6은 본 발명의 일 실시 예에 따른 빌딩 관리 로봇이, 인식된 사람에 대한 등록 및 관리 동작을 설명하기 위한 플로우차트이다.
도 7 내지 도 8은 도 6에 도시된 빌딩 관리 로봇의 인증 레벨 관리와 관련된 예시도들이다.
도 9는 본 발명의 일 실시 예에 따른 빌딩 관리 로봇이, 인식된 사람의 인증 레벨에 기초하여 서비스를 제공하는 동작을 설명하기 위한 플로우차트이다.
도 10 내지 도 11은 도 9에 도시된 빌딩 관리 로봇이 인증 레벨에 따라 서로 다른 서비스를 제공하는 동작을 나타내는 예시도들이다.
도 12는 빌딩 관리 로봇의 엘리베이터 이용 방법에 대한 일 실시 예를 나타내는 플로우차트이다.
도 13은 빌딩 관리 로봇의 엘리베이터 이용 방법에 대한 다른 실시 예를 나타내는 플로우차트이다.
도 14는 빌딩 관리 로봇이 인식된 사람의 식별 정보에 기초하여 엘리베이터 관련 서비스를 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.
도 15는 도 14에 도시된 빌딩 관리 로봇의 엘리베이터 관련 서비스 제공 동작에 대한 예시도이다.
도 16은 빌딩 관리 로봇이 엘리베이터 내의 타인의 식별 결과에 기초하여, 인식된 사람에 대해 엘리베이터 관련 서비스를 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명한다. 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
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 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 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 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 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(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.
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.
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.
도 4는 본 발명의 일 실시 예에 따른 빌딩 관리 로봇 및 그를 포함하는 빌딩 관리 시스템의 개념도이다.
이하 본 명세서에서는 빌딩 관리 로봇 및 빌딩 관리 시스템이 적용되는 빌딩이 아파트인 것으로 가정하여 설명한다. 그러나, 상기 빌딩 관리 로봇 및 빌딩 관리 시스템은 아파트가 아닌 다른 공동주택이나, 호텔, 오피스텔 등의 상업용 빌딩 등의 다양한 빌딩에 대해 적용될 수 있다.
도 4를 참조하면, 빌딩 관리 시스템은 빌딩 관리 로봇(400), 서버(200a), 식별 장치(500), 출입구 관리 장치(610), 엘리베이터 관리 장치(620), 및 홈 관리 장치(630)를 포함할 수 있다. 빌딩 관리 시스템에 포함된 구성들이 도 4에 한정되는 것은 아닌 바, 빌딩 관리 시스템은 도 4에 도시된 구성들보다 많거나 적은 구성들을 포함할 수도 있다.
빌딩 관리 로봇(400)은 빌딩의 내부 영역 또는 빌딩으로부터 소정 거리 이내의 외부 영역(이하 '빌딩 내/외부'라 함)을 주행하면서, 빌딩의 관리와 관련된 다양한 동작을 수행할 수 있다.
예컨대, 빌딩 관리 로봇(400)은 빌딩 내/외부를 주행하면서, 경비 동작, 경비원 보조, 주차장 관리, 청소 동작 등을 수행할 수 있다.
또는, 빌딩 관리 로봇(400)은 아파트의 각 세대에 대한 방문 서비스를 제공하거나 택배나 우편 등의 물품을 전달하는 등의 다양한 서비스를 제공할 수 있다.
특히, 본 발명의 실시 예에 따른 빌딩 관리 로봇(400)은 빌딩 내/외부에 위치하거나 빌딩으로 진입하려는 사람을 인식하고, 인식 결과에 따라 상기 사람에게 제공할 서비스를 결정할 수 있다. 이와 관련된 구체적인 실시 예들에 대해서는 추후 도 6 내지 도 16을 통해 후술한다.
서버(200a)는 빌딩 관리 시스템의 전반적인 관리를 수행할 수 있다. 예컨대 서버(200a)는 빌딩 관리 시스템의 제공자가 운영하는 서버일 수 있으나, 실시 예에 따라서는 빌딩 내에 구비된 적어도 하나의 컴퓨팅 장치로 구현될 수 있다.
서버(200a)는 빌딩 관리 로봇(400) 및 빌딩 내의 다양한 기기들(500, 610, 620, 630)과 연결되어, 다양한 정보 및 데이터를 송수신하거나, 상기 연결된 기기들(400, 610, 620, 630)의 동작을 제어할 수 있다. 한편, 서버(200a)를 제외한 나머지 기기들(400, 500, 610, 620, 630)은 서버(200a)를 통해 서로 통신 연결될 수 있으나, 실시 예에 따라서는 직접 통신 연결될 수도 있다.
서버(200a) 또는 빌딩 관리 로봇(400)은 상기 빌딩을 이용하는 사람들에 대한 인식 및 식별을 위한 알고리즘 및 데이터베이스를 포함할 수 있다.
또한, 서버(200a) 또는 빌딩 관리 로봇(400은 상기 데이터베이스를 통해, 상기 빌딩에 포함된 복수의 구획 공간들(아파트 동/호수, 호텔 호실 등) 각각에 대응하는 사용자(입주민, 투숙객, 고용자 등)를 관리할 수 있다. 예컨대, 상기 데이터베이스는 상기 구획 공간에 대응하는 것으로 인식된 사람이 상기 구획 공간의 출입 또는 이용 권한을 갖는 사용자인지 여부를 인증 레벨에 따라 구분할 수 있다. 이에 대해서는 도 6 내지 도 8을 통해 후술한다.
한편, 빌딩 관리 로봇(400)이 사람을 인식하는 동작 및 인식 결과에 기초하여 제공할 서비스를 결정하는 동작은 서버(200a)에 의해 수행될 수도 있다. 이 경우, 빌딩 관리 로봇(400)은 사람의 인식을 위한 데이터(영상, 음성 등)를 서버(200a)로 전송하고, 서버(200a)는 수신된 데이터로부터 상기 사람을 인식하고, 인식 결과에 기초하여 제공할 서비스를 결정할 수 있다. 서버(200a)는 결정된 서비스와 관련된 정보 또는 명령을 빌딩 관리 로봇(400)으로 전송하고, 빌딩 관리 로봇(400)은 상기 결정된 서비스를 인식된 사람에게 제공할 수 있다.
한편, 서버(200a)는 도 2에서 상술한 AI 서버(200)로 구현될 수도 있다. 즉, 도 2에서 상술한 AI 서버(200)의 구성들 및 그와 관련된 설명은 도 4의 서버(200a)에도 마찬가지로 적용될 수 있다.
식별 장치(500)는 빌딩에 포함된 복수의 구획 공간들 중 어느 하나의 구획 공간과 대응하는 기기일 수 있다. 예컨대, 상기 빌딩이 아파트인 경우, 상기 식별 장치(500)는 아파트 내의 특정 호수에 대응하는 스마트 키(smart key)로 구현될 수 있다.
식별 장치(500)는 상기 어느 하나의 구획 공간에 대한 식별 정보, 상기 구획 공간의 잠금 또는 잠금 해제를 위한 보안 정보 등을 포함할 수 있다. 상기 빌딩이 아파트인 경우, 상기 식별 장치(500)는 대응하는 동/호수에 대한 식별 정보, 상기 동/호수의 잠금 또는 잠금 해제를 위한 보안 정보(패스워드 등)를 포함할 수 있다.
식별 장치(500)는 근거리 무선 통신 모듈을 포함할 수 있다. 예컨대, 식별 장치(500)는 Bluetooth®, BLE(Bluetooth Low Energy), NFC(near field communication), UWB(ultra wideband), Zigbee 등의 근거리 무선 통신 방식에 따라 빌딩 관리 시스템에 포함된 구성들(200a, 400, 610, 620, 630)과 통신 연결될 수 있다.
출입구 관리 장치(610)는 빌딩의 출입구에 대한 개폐 동작을 관리할 수 있다. 예컨대, 출입구 관리 장치(610)는 소정 거리 이내에 식별 장치(500)가 위치하는 경우 상기 식별 장치(500)로부터 식별 정보 또는 보안 정보를 획득할 수 있다. 출입구 관리 장치(610) 또는 서버(200a)는 획득된 식별 정보 또는 보안 정보가 빌딩 관리 시스템의 데이터베이스에 등록된 정보인지 여부를 확인할 수 있다. 상기 획득된 식별 정보 또는 보안 정보가 상기 데이터베이스에 등록된 정보인 경우, 출입구 관리 장치(610)는 빌딩의 출입구를 오픈시킬 수 있다.
엘리베이터 관리 장치(620)는 빌딩에 구비된 엘리베이터의 동작을 관리할 수 있다. 예컨대, 엘리베이터 관리 장치(620)는 엘리베이터의 승강 동작, 도어의 개폐 동작 등을 제어할 수 있다. 실시 예에 따라, 엘리베이터의 내부에는 카메라 장치(CCTV 등)가 구비될 수 있고, 엘리베이터 관리 장치(620)는 상기 카메라 장치를 통해 획득되는 영상 데이터를 서버(200a) 등으로 전송할 수 있다.
한편, 실시 예에 따라 출입구 관리 장치(610) 및 엘리베이터 관리 장치(620) 각각에 대한 적어도 일부의 구성 및 기능은 서버(200a)에 통합될 수도 있다.
홈 관리 장치(630)는 구획 공간들 각각에 구비되어, 대응하는 구획 공간에 대한 관리 동작을 수행할 수 있다. 상기 홈 관리 장치(630)는 상기 구획 공간의 도어 개폐 동작, 구획 공간 내의 전력 공급 제어, 구획 공간 내의 모니터링 등 상기 구획 공간과 관련된 다양한 관리 동작을 수행할 수 있다.
일례로, 홈 관리 장치(630)는 도어에 구비되는 도어락 장치를 포함할 수 있다. 상기 도어락 장치는 상기 구획 공간에 대응하는 식별 장치(500)가 소정 거리 이내로 근접할 경우, 상기 식별 장치(500)로부터 식별 정보 또는 보안 정보를 획득할 수 있다. 상기 도어락 장치는 획득된 식별 정보 또는 보안 정보가 상기 구획 공간에 대응하는 식별 정보 또는 보안 정보와 일치하는 경우, 상기 도어의 잠금을 해제할 수 있다.
그 밖에도, 빌딩 관리 시스템은 빌딩의 종류나 특성에 따른 다양한 구성들을 더 포함할 수 있다.
이하, 본 발명의 실시 예에 따른 빌딩 관리 로봇(400)의 구성 및 상기 빌딩 관리 로봇(400)을 통해 제공되는 다양한 빌딩 관리 동작의 실시 예들을 설명한다.
도 5는 본 발명의 일 실시 예에 따른 빌딩 관리 로봇의 제어 구성을 나타내는 블록도이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 빌딩 관리 로봇(400)은 통신부(410), 입력부(420), 센싱부(440), 출력부(450), 주행부(462), 메모리(470), 및 프로세서(480)를 포함할 수 있다. 도 5에 도시된 구성들은 설명의 편의를 위한 일례로서, 빌딩 관리 로봇(400)은 도 5에 도시된 구성들보다 많거나 적은 구성들을 포함할 수 있다.
한편, 빌딩 관리 로봇(400)은 도 1에서 상술한 AI 장치(100)의 일례에 해당할 수 있다. 이 경우, 도 1에서 상술한 구성들 각각에 대한 내용은, 빌딩 관리 로봇(400)의 구성들 중 대응하는 구성들 각각에 대해서도 마찬가지로 적용될 수 있다.
통신부(410)는 빌딩 관리 로봇(400)을 네트워크를 통해 서버(200a), 식별 장치(500), 기타 다양한 기기들(610, 620, 630) 등과 연결하기 위한 통신 모듈들을 포함할 수 있다. 상기 통신 모듈들 각각은 도 1에서 상술한 통신 기술 중 어느 하나를 지원할 수 있다.
예컨대, 빌딩 관리 로봇(400)은 공유기 등의 액세스 포인트를 통해 네트워크와 연결될 수 있다. 이에 따라, 빌딩 관리 로봇(400)은 입력부(420)나 센싱부(440) 등을 통해 획득되는 각종 정보 및/또는 데이터를, 상기 네트워크를 통해 서버(200a) 등으로 제공할 수 있다.
한편, 통신부(410)는 근거리 무선 통신 모듈(블루투스, BLE, NFC 등)을 이용하여 빌딩 관리 로봇(400)으로부터 소정 거리 이내에 존재하는 식별 장치(500)를 인식할 수 있다. 실시 예에 따라, 빌딩 관리 로봇(400)은 서로 이격되어 배치되는 적어도 두 개의 근거리 무선 통신 모듈을 구비할 수 있다. 이 경우, 프로세서(480)는 상기 적어도 두 개의 근거리 무선 통신 모듈로부터 인식되는 식별 장치(500)의 방향 및/또는 위치를 감지할 수도 있다.
입력부(420)는 다양한 종류의 데이터를 획득하는 적어도 하나의 입력 수단을 포함할 수 있다. 예컨대, 상기 적어도 하나의 입력 수단은 버튼이나 다이얼 등의 물리 입력 수단, 터치 패드나 터치 패널과 같은 터치 입력부 등을 포함할 수 있다. 사용자는 입력부(420)를 통해 각종 요청이나 명령을 빌딩 관리 로봇(400)으로 입력할 수 있다.
센싱부(440)는 빌딩 관리 로봇(400) 주변의 다양한 정보를 센싱하는 적어도 하나의 센서를 포함할 수 있다. 예컨대 센싱부(440)는 카메라(442), 마이크로폰(444), 및 주행 환경 감지 센서(446) 등을 포함할 수 있다.
카메라(442)는 빌딩 관리 로봇(400) 주변의 영상을 획득할 수 있다. 예컨대, 빌딩 관리 로봇(400)은 적어도 하나의 카메라(442)를 구비할 수 있고, 적어도 하나의 카메라(442)는 스테레오 카메라, 2D 카메라, 적외선 카메라 등으로 구현될 수 있다.
마이크로폰(444)은 빌딩 관리 로봇(400) 주변의 소리(사람의 음성, 특정 오브젝트로부터 발생하는 음향 등)를 감지할 수 있다.
일례로, 프로세서(480)는 카메라(442)를 통해 사람의 얼굴(face)을 포함하는 이미지 데이터를 획득하고, 획득된 이미지 데이터에 기초하여 상기 사람을 인식할 수 있다. 또는 프로세서(480)는 획득된 이미지 데이터를 통신부(410)를 통해 서버(200a)로 전송하고, 서버(200a)는 수신된 이미지 데이터에 기초하여 상기 사람을 인식할 수 있다.
실시 예에 따라, 프로세서(480)는 마이크로폰(444)을 통해 사람의 음성을 포함하는 음성 데이터를 획득하고, 획득된 음성 데이터를 이용하여 사람을 인식할 수도 있다.
한편, 서버(200a)는 도 2에서 상술한 AI 서버(200)로 구현될 수 있고, 이 경우 서버(200a)는 러닝 프로세서(240)을 통해 학습된 모델(인공신경망(231a))을 통해 상기 이미지 데이터 및/또는 음성 데이터로부터 사람을 인식할 수도 있다.
실시 예에 따라, 프로세서(480)는 빌딩 관리 로봇(400) 내의 러닝 프로세서(430)에 의해 학습된 모델을 통해, 상기 이미지 데이터 및/또는 음성 데이터로부터 사람을 인식할 수 있다. 또는, 프로세서(480)는 상기 서버(200a)로부터 상기 학습된 모델에 대응하는 데이터를 수신하여 메모리(470)에 저장하고, 저장된 데이터를 통해 상기 이미지 데이터 및/또는 음성 데이터로부터 사람을 인식할 수도 있다.
주행 환경 감지 센서(446)는 빌딩 관리 로봇(400)의 안정적인 주행을 위해, 빌딩 관리 로봇(400) 주변이나 바닥면의 장애물, 바닥면의 단차 등을 감지하는 적어도 하나의 센서를 포함할 수 있다. 예컨대, 주행 환경 감지 센서(446)는 카메라, 초음파 센서, 근접 센서 등을 포함할 수 있다.
프로세서(480)는 주행 환경 감지 센서(446)의 센싱값에 기초하여, 빌딩 관리 로봇(400)의 주행 방향이나 주행 속도를 제어할 수 있다. 예컨대, 프로세서(480)는 상기 센싱값에 기초하여 전방의 장애물을 감지하고, 감지된 장애물에 기초하여 주행 경로를 설정 또는 변경하고, 설정 또는 변경된 주행 경로에 기초하여 주행부(462; 예컨대 주행 모터)를 제어할 수 있다.
실시 예에 따라, 센싱부(440)에 포함된 구성들 중 일부(예컨대, 카메라, 마이크로폰 등)는 입력부(420)로서 기능할 수도 있다.
출력부(450)는 빌딩 관리 로봇(400)의 동작이나 상태, 빌딩 관리 로봇(400)에서 실행되는 각종 서비스, 프로그램, 애플리케이션 등과 관련된 각종 정보를 출력할 수 있다.
예컨대 출력부(450)는 디스플레이(452) 및 스피커(454) 등을 포함할 수 있다.
디스플레이(452)는 상술한 각종 정보나 메시지를 그래픽 형태로 출력할 수 있다. 실시 예에 따라, 디스플레이(452)는 터치 입력부와 함께 터치 스크린 형태로 구현될 수 있고, 이 경우 디스플레이(452)는 출력 수단뿐만 아니라 입력 수단으로서도 기능할 수 있다. 스피커(454)는 상기 각종 정보나 메시지를 음성이나 음향 형태로 출력할 수 있다. 실시 예에 따라, 프로세서(480)는 상기 출력부(450)를 이용하여 로봇 주변의 사람과 경비실의 경비원, 또는 특정 구획 공간의 거주자와의 화상 통화를 지원할 수 있다.
실시 예에 따라, 상기 출력부(450)는 일종의 단말기 형태로 빌딩 관리 로봇(400)의 소정 위치에 탈착될 수도 있다.
주행부(462)는 빌딩 관리 로봇(400)의 이동(주행)을 위한 것으로서, 예컨대 주행 모터를 포함할 수 있다. 상기 주행모터는 빌딩 관리 로봇(400)의 하부에 구비된 적어도 하나의 휠과 연결되어, 빌딩 관리 로봇(400)의 주행을 위한 구동력을 상기 휠로 제공할 수 있다. 예컨대, 주행부(462)는 적어도 하나의 주행모터를 구비할 수 있고, 프로세서(480)는 상기 적어도 하나의 주행모터를 제어하여 주행 방향 및/또는 주행 속도를 조절할 수 있다.
메모리(470)는 빌딩 관리 로봇(400)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(420)를 통해 획득된 입력이나 센싱부(440)를 통해 획득되는 정보에 기초한 동작을 수행하기 위한 데이터 등의 각종 데이터를 저장할 수 있다.
또한, 메모리(470)는 프로세서(480)에 포함된 적어도 하나의 프로세서나 컨트롤러에 의해 실행되는 소프트웨어 모듈이나 애플리케이션 등의 프로그램 데이터를 저장할 수 있다.
또한, 본 발명의 실시 예에 따른 메모리(470)는 카메라(442)를 통해 획득된 사람을 포함하는 이미지 데이터, 및/또는 마이크로폰(422)을 통해 획득된 사람의 음성 데이터로부터, 사람을 인식하기 위한 인식 알고리즘을 저장할 수 있다. 메모리(470)는 상기 인식된 사람을 식별하거나, 인식된 사람이 빌딩 내의 소정 구획 공간의 출입 또는 이용 권한을 갖는 사람(입주민, 투숙객 등)인지를 인증하기 위한 데이터베이스를 더 포함할 수도 있다.
또한, 메모리(470)는 주행 환경 감지 센서(446)를 통해 획득되는 센싱값에 기초하여 주행 속도나 주행 방향을 조절하는 알고리즘을 저장할 수 있다.
이러한 메모리(470)는 하드웨어적으로, ROM, RAM, EEPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기를 포함할 수 있다.
프로세서(480)는 빌딩 관리 로봇(400)의 동작을 제어하는 적어도 하나의 프로세서나 컨트롤러 등을 포함할 수 있다. 구체적으로, 프로세서(480)는 적어도 하나의 CPU, AP(application processor), 마이크로컴퓨터(또는 마이컴), 집적 회로, ASIC(application specific integrated circuit) 등을 포함할 수 있다.
프로세서(480)는 빌딩 관리 로봇(400)에 포함된 구성들의 전반적인 동작을 제어할 수 있다. 또한, 프로세서(480)는 카메라(442)를 통해 획득되는 이미지 신호를 처리하여 이미지 데이터를 생성하는 ISP, 디스플레이(452)의 동작을 제어하는 디스플레이 컨트롤러 등을 포함할 수 있다.
이하, 도 6 내지 도 16을 참조하여, 본 발명의 실시 예에 따른 빌딩 관리 로봇(400) 및 그를 포함하는 빌딩 관리 시스템의 동작에 대해 보다 상세히 설명한다.
도 6은 본 발명의 일 실시 예에 따른 빌딩 관리 로봇이, 인식된 사람에 대한 등록 및 관리 동작을 설명하기 위한 플로우차트이다.
도 6을 참조하면, 빌딩 관리 로봇(400)은 식별 장치(500)를 인식할 수 있다(S100).
빌딩 관리 로봇(400)은 빌딩 내/외부를 주행하거나 빌딩 내/외부의 소정 위치에 정지한 상태로 각종 동작을 수행하거나 서비스를 제공할 수 있다.
프로세서(480)는, 빌딩 관리 로봇(400)으로부터 소정 거리 이내로 식별 장치(500)가 근접하는 경우, 통신부(410)를 통해 상기 식별 장치(500)의 존재를 감지할 수 있다.
예컨대, 통신부(410)에 포함된 근거리 무선 통신 모듈은 식별 장치(500)를 감지하기 위한 신호를 주기적으로 출력할 수 있다. 상기 식별 장치(500)는 상기 빌딩 관리 로봇(400)으로부터 소정 거리 이내에 위치한 경우 상기 신호를 수신하고, 수신된 신호에 따른 응답을 출력할 수 있다. 상기 응답은 식별 장치(500)에 저장된 식별 정보를 포함할 수 있으나, 반드시 그러한 것은 아니다.
프로세서(480)는 상기 통신부(410)를 통해 응답을 수신함으로써 상기 식별 장치(500)의 존재를 감지할 수 있다. 또한, 상기 응답에 식별 장치(500)의 식별 정보가 포함된 경우, 프로세서(480)는 상기 응답을 수신함으로써 식별 장치(500)의 식별 정보를 획득할 수 있다.
빌딩 관리 로봇(400)은 인식된 식별 장치(500)의 위치(또는 방향)를 감지하고, 감지된 위치와 대응하는 위치에 존재하는 사람을 인식할 수 있다(S110).
도 5에서 상술한 바와 같이, 빌딩 관리 로봇(400)은 서로 이격된 적어도 두 개의 근거리 무선 통신 모듈을 포함할 수 있다. 이 경우, 프로세서(480)는 적어도 두 개의 근거리 무선 통신 모듈 각각으로부터 수신되는 응답의 시간 차이 또는 응답의 신호 세기 차이 등에 기초하여, 상기 식별 장치(500)의 위치 또는 방향을 감지할 수 있다.
프로세서(480)는 감지된 위치 또는 방향을 카메라(442)가 향하도록 주행부(462)를 제어할 수 있다. 또는, 빌딩 관리 로봇(400)에 카메라(442)의 방향을 조절하는 별도의 카메라 방향 조절 기구가 구비된 경우, 프로세서(480)는 상기 구성을 제어하여 카메라(442)가 상기 감지된 위치 또는 방향을 향하게 할 수 있다.
프로세서(480)는 카메라(442)를 이용하여 상기 감지된 위치 또는 방향을 포함하는 이미지 데이터를 획득할 수 있다. 일반적으로 상기 식별 장치(500)는, 식별 장치(500)의 소유자 등의 사람에 의해 소지된 상태로 이동되는 바, 상기 획득된 이미지 데이터에는 식별 장치(500)를 소지하고 있는 사람의 얼굴을 포함하는 이미지가 포함될 수 있다.
프로세서(480)는 획득된 이미지 데이터로부터 상기 식별 장치(500)에 대응하는 사람을 인식할 수 있다. 예컨대, 프로세서(480)는 기 공지된 얼굴 인식 알고리즘을 이용하여 상기 이미지 데이터로부터 사람을 인식할 수 있다.
실시 예에 따라, 프로세서(480)는 마이크로폰(444)을 이용하여 상기 감지된 위치 또는 방향으로부터 발생하는 사람의 음성을 포함하는 음성 데이터를 획득할 수도 있다. 프로세서(480)는 획득된 음성 데이터 내의 음성 특성(주파수 특성 등)에 기초하여 상기 사람을 인식할 수 있다. 이 경우 상기 마이크로폰(444)은 지향성 마이크로폰으로 구현될 수 있으나, 반드시 그러한 것은 아니다.
실시 예에 따라, 프로세서(480)는 메모리(470)에 저장된 인식 모델을 이용하여, 이미지 데이터 및/또는 음성 데이터로부터 사람을 인식할 수도 있다. 상기 인식 모델은 머신 러닝 기반으로 학습된 인공신경망을 포함할 수 있다. 상기 인식 모델은 빌딩 관리 로봇(400)의 러닝 프로세서(430), 또는 서버(200a)의 러닝 프로세서(230)에 의해 학습된 것일 수 있다.
상기 사람의 인식 결과는 이미지 데이터 및/또는 음성 데이터로부터 추출되는 상기 사람의 특징 데이터를 포함할 수 있다. 예컨대, 상기 특징 데이터는 상기 사람의 얼굴 형태나 색상, 음성 등으로부터 추출되는 고유한 특징점들을 포함할 수 있다. 이하, 상기 특징 데이터는 이미지 데이터로부터 획득되는 이미지 특징 데이터, 및/또는 음성 데이터로부터 획득되는 음성 특징 데이터를 포함하는 것으로 가정한다.
도시되지는 않았으나, 프로세서(480)는 식별 장치(500)만이 인식되고, 이미지 데이터로부터 사람의 존재가 인식되지 않으며, 식별 장치(500)가 소정 시간 이상 이동하지 않는 것이 감지되는 경우, 식별 장치(500)가 분실된 것으로 인식할 수 있다. 이 경우, 프로세서(480)는 식별 장치(500)를 수거하거나, 경비실의 PC 등으로 알림을 전송하거나, 식별 장치(500)에 대해 등록된 사람의 단말기로 알림을 전송할 수 있다.
빌딩 관리 로봇(400)은 인식된 식별 장치(500)와 인식된 사람을 매칭하여 데이터베이스에 저장할 수 있다(S120).
프로세서(480)는 상기 식별 장치(500)로부터 획득된 식별 정보와, 상기 사람의 인식 결과를 매칭하여 데이터베이스에 저장함으로써, 상기 빌딩을 이용하는 상기 사람에 대한 관리를 가능하게 한다.
예컨대, 상기 빌딩이 아파트인 경우, 프로세서(480)는 상기 식별 장치(500)로부터 획득된 식별 정보(예컨대 동/호수 정보)와, 상기 사람의 인식 결과에 따른 특징 데이터를 매칭하여 데이터베이스에 저장할 수 있다.
상기 식별 장치(500)와 대응하는 위치에서 인식되는 사람은 상기 식별 장치(500)의 동/호수에 거주하는 거주자이거나, 상기 동/호수와의 관련도가 높은 사람일 수 있다.
이에 따라, 프로세서(480)는 상기 사람에 대한 효과적인 관리를 위해, 상기 식별 장치(500)의 식별 정보와 상기 인식된 사람의 특징 데이터를 매칭하여 데이터베이스에 저장할 수 있다. 한편, 상기 데이터베이스에 상기 식별 정보와 상기 특징 데이터가 매칭된 상태로 기 저장되어 있는 경우에는, 프로세서(480)는 도 9에서 후술할 실시 예와 같이 인식된 사람의 인증 레벨에 기초한 서비스를 제공할 수 있다.
실시 예에 따라, 상기 식별 장치(500)와 대응하는 위치에서 두 명 이상의 사람들이 인식될 수도 있다. 이 경우 프로세서(480)는 상기 식별 장치(500)의 식별 정보와, 상기 인식된 사람들 각각의 특징 데이터를 매칭하여 데이터베이스에 저장할 수 있다.
한편, 빌딩 관리 로봇(400)은 S100 단계 내지 S110 단계를 지속적으로 수행함에 따라 인식 결과를 누적적으로 획득할 수 있다. 빌딩 관리 로봇(400)은 누적되는 인식 결과에 기초하여, 상기 인식된 사람에 대한 인증 레벨을 설정할 수 있다(S130).
상기 식별 장치(500)와 매칭된 상기 인식된 사람은 상기 식별 장치(500)에 대응하는 구획 공간의 출입 또는 이용 권한을 갖는 사람 또는 상기 구획 공간에 대해 등록된 사람일 수 있으나(예컨대 거주자, 투숙객, 근무자 등), 반드시 그러한 것은 아니고 단순한 일회성 방문자와 같이 상기 구획 공간의 출입 또는 이용 권한이 없는 사람일 수도 있다.
이에 따라, 빌딩 관리 로봇(400)은 상기 인식된 사람에 대한 인증 레벨을 설정함으로써, 식별 장치(500)와 매칭되는 사람에 대해 제공되는 서비스를 차별화할 수 있다. 예컨대, 상기 인증 레벨이 높을수록, 상기 사람이 상기 식별 장치(500)에 대응하는 구획 공간의 출입 또는 이용 권한을 가질 가능성이 높을 수 있다. 즉, 빌딩 관리 로봇(400)은 인식된 사람의 인증 레벨이 높을수록, 상기 사람이 특정 동/호수의 거주자인 가능성이 높은 것으로 인식할 수 있다.
이에 기초하면, 상기 사람이 상기 식별 장치(500)와 함께 인식되는 횟수가 증가할수록, 상기 사람이 상기 구획 공간의 출입 또는 이용 권한을 갖거나 상기 구획 공간에 대해 등록된 사람일 가능성이 높을 수 있다.
따라서, 프로세서(480)는 상기 사람이 상기 식별 장치(500)와 함께 인식되는 횟수가 증가할수록, 또는 인식된 횟수가 소정 횟수 이상인 경우, 상기 인증 레벨을 증가시킬 수 있다.
한편, 상술한 S110 단계 내지 S130 단계 중 적어도 하나는 서버(200a)에 의해 수행될 수도 있다. 이 경우, 빌딩 관리 장치(400)는 서버(200a)로 하여금 상기 S110 단계 내지 S130 단계를 수행하도록 하기 위해, 통신부(410), 카메라(442), 및/또는 마이크로폰(444)에 의해 획득되는 정보 및 데이터를 서버(200a)로 전송할 수 있다.
도 7 내지 도 8은 도 6에 도시된 빌딩 관리 로봇의 인증 레벨 관리와 관련된 예시도들이다.
도 7을 참조하면, 빌딩 관리 로봇(400)은 소정 거리 내에 위치한 제1 식별 장치(500a)를 감지하고, 제1 식별 장치(500a)로부터 제1 식별 정보(D_INFO1)를 획득할 수 있다.
빌딩 관리 로봇(400)은 제1 식별 장치(500a)의 위치 또는 방향을 감지하고, 감지된 위치 또는 방향에 대한 이미지 데이터를 카메라(442)를 이용하여 획득할 수 있다. 상기 이미지 데이터는, 상기 제1 식별 장치(500a)를 소지한 제1 사용자(700)의 이미지를 포함할 수 있다.
빌딩 관리 로봇(400)은 획득된 이미지 데이터로부터 제1 사용자(700)의 제1 이미지 특징 데이터(IMAGE1)를 획득할 수 있다. 예컨대, 프로세서(480)는 획득된 이미지 데이터 중 제1 사용자(700)의 얼굴 영역을 추출하고, 추출된 영역의 이미지 데이터로부터 제1 이미지 특징 데이터(IMAGE1)를 획득할 수 있다.
빌딩 관리 로봇(400)은 획득된 제1 식별 정보(D_INFO1) 및 제1 사용자(700)의 제1 이미지 특징 데이터(IMAGE1)를 서버(200a)로 전송할 수 있다.
서버(200a)는 수신된 제1 식별 정보(D_INFO1) 및 제1 이미지 특징 데이터(IMAGE1)를 포함하는 제1 레코드(RECORD1)를 데이터베이스에 추가함으로써, 상기 제1 사용자(700)를 제1 식별 장치(500a)에 매칭시켜 등록할 수 있다.
실시 예에 따라, 빌딩 관리 로봇(400)은 제1 이미지 특징 데이터(IMAGE1) 대신 상기 획득된 이미지 데이터를 서버(200a)로 전송할 수 있다. 서버(200a)는 상기 이미지 데이터로부터 제1 이미지 특징 데이터(IMAGE1)를 획득하고, 획득된 제1 이미지 특징 데이터(IMAGE1) 및 제1 식별 정보(D_INFO1)를 포함하는 제1 레코드(RECORD1)를 데이터베이스에 추가할 수 있다.
한편, 서버(200a)는 제1 식별 정보(D_INFO1)에 대한 제1 사용자(700)의 인증 레벨을 설정할 수 있다. 상술한 바와 같이, 서버(200a)는 제1 식별 장치(500a) 및 제1 사용자(700)가 함께 인식된 횟수, 즉 제1 식별 정보(D_INFO1)와 제1 이미지 특징 데이터(IMAGE1)가 함께 획득된 횟수가 증가할수록, 상기 인증 레벨을 증가시킬 수 있다.
또는, 제1 식별 장치(500a)에 대해 제1 사용자(700)만이 인식되는 경우, 상기 제1 사용자(700)는 제1 식별 장치(500a)를 소지한 사람이고 상기 제1 식별 장치(500a)에 대응하는 구획 공간(아파트 동/호수 등)의 출입 또는 이용 권한을 갖거나 등록된 사람인 것으로 간주될 수 있다. 따라서, 서버(200a)는 상기 제1 사용자(700)에 대한 인증 레벨을 높게 설정할 수 있다.
한편, 도 8을 참조하면, 빌딩 관리 로봇(400)은 제1 식별 장치(500a)의 위치 또는 방향을 감지하고, 감지된 위치 또는 방향에 대한 이미지 데이터를 카메라(442)를 이용하여 획득할 수 있다. 이 때, 제1 식별 장치(500a)의 위치에 복수의 사용자들(700, 710, 720)이 존재하는 경우, 상기 이미지 데이터는 상기 사용자들(700, 710, 720)의 이미지를 포함할 수 있다.
빌딩 관리 로봇(400)은 획득된 이미지 데이터로부터 복수의 사용자들 각각의 이미지 특징 데이터를 획득할 수 있다. 예컨대, 프로세서(480)는 제1 사용자(700)에 대응하는 제1 이미지 특징 데이터(IMAGE1), 제2 사용자(710)에 대응하는 제2 이미지 특징 데이터(IMAGE2), 및 제3 사용자(720)에 대응하는 제3 이미지 특징 데이터(IMAGE3)를 각각 추출할 수 있다.
빌딩 관리 로봇(400)은 획득된 제1 식별 정보(D_INFO1)와, 획득된 복수의 이미지 특징 데이터(IMAGE1, IMAGE2, IMAGE3)를 서버(200a)로 전송할 수 있다.
서버(200a)는 수신된 제1 식별 정보(D_INFO1) 및 이미지 특징 데이터(IMAGE1, IMAGE2, IMAGE3)에 기초하여, 제1 식별 정보(D_INFO1) 및 제1 이미지 특징 데이터(IMAGE1)를 포함하는 제1 레코드(RECORD1)를 데이터베이스에 추가할 수 있다. 다만, 데이터베이스에 상기 제1 레코드(RECORD1)가 이미 존재하는 경우, 서버(200a)는 제1 레코드(RECORD1)의 인증 레벨을 업데이트하거나, 제1 레코드(RECORD1)에 포함될 수 있는 다른 항목(최근 인증일자 등)을 업데이트할 수 있다.
또한, 서버(200a)는 제1 식별 정보(D_INFO1)와 제2 이미지 특징 데이터(IMAGE2)를 포함하는 제2 레코드(RECORD2), 및 제1 식별 정보(D_INFO1)와 제3 이미지 특징 데이터(IMAGE3)를 포함하는 제3 레코드(RECORD3)를 데이터베이스에 추가함으로써, 상기 제2 사용자(710) 및 제3 사용자(720) 각각을 제1 식별 장치(500a)에 매칭시켜 등록할 수 있다.
서버(200a)는 제1 식별 정보(D_INFO1)에 대한 사용자들(700, 710, 720) 각각의 인증 레벨을 설정할 수 있다. 예컨대, 제1 사용자(700) 및 제1 식별 장치(500a)가 인식된 횟수가 소정 횟수 이상인 경우, 서버(200a)는 제1 사용자(700)에 대한 인증 레벨을 증가(예를 들어, LEVEL 3)시킬 수 있다.
반면, 제2 사용자(710)가 제1 식별 장치(500a)와 함께 인식된 횟수, 및 제3 사용자(720)가 제1 식별 장치(500a)와 함께 인식된 횟수가 소정 횟수 미만인 경우에는, 제2 사용자(710) 및 제3 사용자(720) 각각이 제1 식별 장치(500a)에 대응하는 구획 공간의 출입 또는 이용 권한을 갖는지 여부(예컨대, 특정 동/호수의 거주자인지 단순한 방문자인지 여부)를 판단하기 어렵다. 이에 따라, 서버(200a)는 제2 사용자(710) 및 제3 사용자(720) 각각에 대한 인증 레벨을 낮게 설정(예컨대 LEVEL 1)하고, 추후 제2 사용자(710) 또는 제3 사용자(720)가 제1 식별 장치(500a)와 함께 인식되는 횟수가 증가할 경우 상기 인증 레벨을 증가시킬 수 있다.
즉, 도 6 내지 도 8에 도시된 실시 예에 따르면, 빌딩 관리 로봇(400) 및 그를 포함하는 빌딩 관리 시스템은, 빌딩 내/외부에서 인식되는 사람들을 빌딩 내의 구획 공간들 각각에 매칭시켜 등록 및 관리할 수 있다. 또한, 빌딩 관리 로봇(400) 및 빌딩 관리 시스템은 특정 구획 공간에 대해, 매칭된 사람들 각각의 인증 레벨을 설정함으로써, 특정 구획 공간의 출입 또는 이용 권한을 갖는 사람과 그렇지 않은 사람을 효과적으로 구분하여 관리할 수 있다.
도 9는 본 발명의 일 실시 예에 따른 빌딩 관리 로봇이, 인식된 사람의 인증 레벨에 기초하여 서비스를 제공하는 동작을 설명하기 위한 플로우차트이다.
도 9를 참조하면, 빌딩 관리 로봇(400)은 사람의 이미지를 획득하고(S200), 획득된 이미지에 포함된 상기 사람을 인식할 수 있다(S210).
S200 단계 및 S210 단계는 도 6의 S110 단계에서 상술한 내용과 유사한 바, 이에 대한 설명은 생략하기로 한다.
실시 예에 따라, 프로세서(480)는 마이크로폰(444)을 이용하여 사람의 음성 데이터를 획득하고, 획득된 음성 데이터에 기초하여 상기 사람을 인식할 수도 있다.
빌딩 관리 로봇(400)은 인식된 사람의 인증 레벨을 확인하고(S220), 확인된 인증 레벨에 기초한 서비스를 제공할 수 있다(S230).
예컨대, 프로세서(480)는 데이터베이스로부터, 인식된 사람의 특징 데이터(이미지 특징 데이터 및/또는 음성 특징 데이터)를 갖는 레코드를 획득할 수 있다. 프로세서(480)는 획득된 레코드에 포함된 인증 레벨에 기초하여 상기 인식된 사람의 인증 레벨을 확인할 수 있다.
실시 예에 따라, 상기 특징 데이터를 갖는 레코드가 복수인 경우, 프로세서(480)는 복수의 레코드들 각각에 포함된 인증 레벨 중 가장 높은 인증 레벨을 상기 인식된 사람의 인증 레벨로 확인할 수 있다.
프로세서(480)는 확인된 인증 레벨에 기초하여 상기 인식된 사람에게 서비스를 제공할 수 있다. 즉, 인증 레벨마다 빌딩 관리 로봇(400)이 제공하는 서비스의 종류나 특성이 서로 다를 수 있다.
일례로, 인증 레벨이 상대적으로 높은 제1 사용자와, 인증 레벨이 상대적으로 낮은 제2 사용자가 존재하는 것으로 가정한다. 이 경우, 빌딩 관리 로봇(400)은 제2 사용자보다 제1 사용자에게 보다 다양한 서비스를 제공할 수 있다.
일례로, 인증 레벨이 기준 레벨보다 낮은 사용자가 인식된 경우, 빌딩 관리 로봇(400)은 단순한 인사 제공, 경비실 호출, 특정 구획 공간에 대한 방문 호출 등과 같이, 빌딩 내부 또는 구획 공간 내부로의 진입과 관련된 서비스를 제공하지는 않을 수 있다. 반면, 인증 레벨이 기준 레벨보다 높은 사용자가 인식된 경우, 빌딩 관리 로봇(400)은 빌딩 출입구의 개방, 에스코트, 엘리베이터의 호출, 특정 구획 공간의 도어 개방 등과 같이 보다 개인화된 서비스를 제공할 수 있다.
이와 관련된 예들에 대해 도 10 내지 도 11을 참조하여 설명한다.
도 10 내지 도 11은 도 9에 도시된 빌딩 관리 로봇이 인증 레벨에 따라 서로 다른 서비스를 제공하는 동작을 나타내는 예시도들이다.
도 10을 참조하면, 빌딩 관리 로봇(400)은 카메라(442)를 이용하여 제1 사용자(700)를 포함하는 이미지를 획득하고, 획득된 이미지로부터 제1 사용자(700)를 인식할 수 있다. 예컨대, 빌딩 관리 로봇(400)은 빌딩의 외부로부터 내부로 진입하려는 제1 사용자(700)를 인식할 수 있다.
제1 사용자(700)가 제1 식별 장치(500a)를 소지한 경우, 빌딩 관리 로봇(400)은 제1 식별 장치(500a)의 제1 식별 정보와 상기 제1 사용자(700)를 함께 인식할 수 있다. 반면, 제1 사용자(700)가 제1 식별 장치(500a)를 소지하지 않은 경우, 빌딩 관리 로봇(400)은 제1 사용자(700)만을 인식할 수 있다.
빌딩 관리 로봇(400)은 데이터베이스로부터, 인식된 제1 사용자(700)에 대응하는 레코드(식별 정보, 인증 레벨 등)를 획득할 수 있다.
획득된 제1 사용자(700)의 인증 레벨이 기준 레벨 이상인 경우, 빌딩 관리 로봇(400)은 빌딩 출입구의 개방, 에스코트, 엘리베이터의 호출, 특정 구획 공간의 도어 개방 등과 같이 보다 개인화된 서비스를 제1 사용자(700)에게 제공할 수 있다. 즉, 상기 기준 레벨은 특정 구획 공간에 대한 출입 또는 이용 권한이 있는 사람인지 여부를 구분하는 기준에 해당할 수 있다. 실시 예에 따라, 상기 기준 레벨은 복수 개로 구분될 수 있고, 이 경우 인증 레벨에 따라 제공되는 서비스가 더욱 세분화될 수 있다.
예컨대, 빌딩 관리 로봇(400)은 출입구 관리 장치(610)로 출입구 개방 요청 신호(OPEN)를 전송할 수 있다. 출입구 관리 장치(610)는 상기 신호(OPEN)를 수신함에 따라 빌딩의 출입구를 개방시킬 수 있다. 제1 사용자(700)는 출입구가 개방됨에 따라 빌딩 내부로 진입할 수 있다.
또한, 빌딩 관리 로봇(400)은 제1 사용자(700)로 하여금 엘리베이터를 이용하도록 하기 위해, 엘리베이터 관리 장치(620)로 엘리베이터 호출 신호(CALL)를 전송할 수 있다. 엘리베이터 관리 장치(620)는 수신된 신호(CALL)에 기초하여 엘리베이터를 제1 사용자(700) 및 빌딩 관리 로봇(400)이 위치한 층으로 이동시킬 수 있다.
실시 예에 따라, 상기 빌딩 관리 로봇(400)은 출력부(450)를 통해 상기 제공 중인 서비스와 관련된 메시지(1002)를 출력할 수도 있다.
또한, 빌딩 관리 로봇(400)은 제1 사용자(700)에 매칭된 식별 장치(500)의 식별 정보로부터, 제1 사용자(700)에 대응하는 구획 공간의 정보(층, 동/호수, 객실번호 등)를 획득할 수 있다. 빌딩 관리 로봇(400)은 획득된 정보에 기초하여, 제1 사용자(700)의 탑승 후 엘리베이터가 이동할 층에 대한 정보를 엘리베이터 관리 장치(620)로 전송할 수 있다. 엘리베이터 관리 장치(620)는 수신된 정보에 기초하여 엘리베이터를 해당 층으로 이동시킬 수 있다.
도시되지는 않았으나, 빌딩 관리 로봇(400)은 제1 사용자(700)와 함께 엘리베이터에 탑승 및 하차하고, 제1 사용자(700)에 대응하는 구획 공간의 출입구(도어 등)까지 제1 사용자(700)를 에스코트할 수 있다.
한편, 도 11을 참조하면, 빌딩 관리 로봇(400)은 카메라(442)를 이용하여 제3 사용자(720)를 포함하는 이미지를 획득하고, 획득된 이미지로부터 제3 사용자(720)를 인식할 수 있다. 예컨대, 빌딩 관리 로봇(400)은 빌딩의 외부로부터 내부로 진입하려는 제3 사용자(720)를 인식할 수 있다.
빌딩 관리 로봇(400)은 데이터베이스로부터, 인식된 제3 사용자(720)에 대응하는 레코드(식별 정보, 인증 레벨 등)를 획득할 수 있다.
획득된 제3 사용자(720)의 인증 레벨이 기준 레벨 미만인 경우, 빌딩 관리 로봇(400)은 제3 사용자(720)는 특정 구획 공간에 대한 출입 또는 이용 권한이 없는 사람(예컨대 방문자)인 것으로 판단할 수 있다. 이에 따라, 빌딩 관리 로봇(400)은 도 10에 도시된 바와 같은 출입구 개방, 엘리베이터 호출 등의 서비스를 제공하지 않을 수 있다.
예컨대, 빌딩 관리 로봇(400)은 제3 사용자(720)에 대응하는 구획 공간의 관리 장치(630)로 방문자 알림(NOTI)을 전송할 수 있다. 실시 예에 따라, 빌딩 관리 로봇(400)은 출력부(450)를 통해 상기 제공 중인 서비스와 관련된 메시지(1102)를 출력할 수도 있다.
도시되지는 않았으나, 빌딩 관리 로봇(400)은 상기 방문자 알림(NOTI)의 전송 시, 상기 제3 사용자(720)를 포함하는 영상 데이터를 관리 장치(630)로 함께 전송할 수도 있다.
또한, 빌딩 관리 로봇(400)은 상기 관리 장치(630)로부터 상기 제3 사용자(720)와의 커뮤니케이션을 위한 영상 및/또는 음성 데이터가 수신되면, 수신된 영상 및/또는 음성 데이터를 출력부(450)를 통해 출력할 수도 있다. 즉, 빌딩 관리 로봇(400)은 상기 구획 공간의 재실자(거주자 등)와 상기 제3 사용자(720) 간의 커뮤니케이션을 가능하게 한다. 실시 예에 따라, 재실자에 의해 제3 사용자(720)의 진입이 승인되는 경우, 빌딩 관리 로봇(400)은 도 10에 도시된 바와 같이 출입구 개방, 엘리베이터 호출 등의 서비스를 제3 사용자(720)에게 제공할 수도 있다.
한편, 도 9 내지 도 11에 도시된 빌딩 관리 로봇(400)의 동작들 중, 사용자(700)의 이미지를 획득하는 동작, 메시지, 영상 및/또는 음성 데이터를 출력하는 동작 외의 동작들은 서버(200a)에 의해 수행될 수도 있다.
즉, 도 10 내지 도 11에 도시된 실시 예에 따르면 빌딩 관리 로봇(400)은 인식된 사용자의 인증 레벨에 기초하여 서로 다른 서비스를 제공할 수 있다. 특히, 상기 사용자가 상기 특정 구획 공간에 대응하는 식별 장치(500)를 소지하지 않은 상태이더라도, 빌딩 관리 로봇(400)은 상기 사용자와 관련된 정보가 저장된 데이터베이스를 이용하여 상기 사용자에게 원활한 서비스를 제공할 수 있다.
도 12는 빌딩 관리 로봇의 엘리베이터 이용 방법에 대한 일 실시 예를 나타내는 플로우차트이다.
도 12를 참조하면, 빌딩 관리 로봇(400)은 빌딩 내부의 소정 장소로 이동하기 위해, 빌딩 내부에 구비된 엘리베이터의 탑승 상황이 발생함을 인식할 수 있다(S300).
예컨대, 프로세서(480)는 특정 구획 공간의 관리 장치(예컨대, 홈 관리 장치(630))로부터 방문 요청을 수신한 경우, 상기 특정 구획 공간으로 이동하기 위해 엘리베이터를 탑승해야 함을 인식할 수 있다.
빌딩 관리 로봇(400)은 엘리베이터 관리 장치(620)로부터 엘리베이터의 내부 영상을 획득하고(S310), 획득된 내부 영상으로부터 사람의 존재 여부를 감지할 수 있다(S320).
엘리베이터 관리 장치(620)는 엘리베이터의 내부에 설치되는 카메라 장치(CCTV 등)를 이용하여 영상 데이터를 주기적 또는 지속적으로 획득할 수 있다. 상기 획득된 영상 데이터는 서버(200a)로 전송되어 저장될 수 있다.
빌딩 관리 로봇(400)의 프로세서(480)는 상기 엘리베이터의 탑승 상황이 발생한 경우, 엘리베이터 관리 장치(620) 또는 서버(200a)로부터 엘리베이터의 내부에 대한 상기 영상 데이터를 획득할 수 있다.
프로세서(480)는 획득된 영상 데이터로부터 엘리베이터 내부에 사람(이용자)이 존재하는지 여부를 감지할 수 있다. 예컨대, 프로세서(480)는 기 공지된 이미지 인식 알고리즘을 이용하여 상기 영상 데이터로부터 사람의 존재 여부를 인식할 수 있다. 실시 예에 따라, 사람의 존재 여부를 인식하는 동작은 서버(200a)에 의해 수행될 수도 있다.
감지 결과 엘리베이터의 내부에 사람이 존재하는 경우(S330의 YES), 빌딩 관리 로봇(400)은 엘리베이터에 탑승한 사람이 하차하기 전까지 엘리베이터를 호출하지 않고 대기할 수 있다(S340).
반면, 감지 결과 엘리베이터의 내부에 사람이 존재하지 않는 경우(S330의 NO), 빌딩 관리 로봇(400)은 엘리베이터를 호출하여 탑승할 수 있다(S350).
엘리베이터를 이용 중인 이용자가 존재하는 경우, 엘리베이터가 이동 중 상기 빌딩 관리 로봇(400)에 의해 특정 층에서 정지된다면, 상기 이용자의 이동이 지연될 수 있다.
또는, 빌딩 관리 로봇(400)에는 카메라(442)나 마이크로폰(444)이 구비된 상태이므로, 상기 이용자는 빌딩 관리 로봇(400)과 함께 엘리베이터를 이용하는 것에 대해 프라이버시 측면에서 거부감을 느낄 수 있다.
즉, 빌딩 관리 로봇(400)은 엘리베이터의 다른 이용자에 대한 방해 또는 불쾌감을 최소화하도록 상기 엘리베이터를 이용할 수 있다.
이에 기초하여, 프로세서(480)는 상기 엘리베이터의 내부에 사람이 존재하는 경우, 상기 사람이 하차하기 전까지는 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송하지 않고 대기할 수 있다.
상기 사람이 하차하는 등 상기 엘리베이터의 내부에 사람이 존재하지 않는 경우, 프로세서(480)는 상기 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송할 수 있다. 엘리베이터가 빌딩 관리 로봇(400)이 위치한 층에 도착하고 도어가 개방되면, 프로세서(480)는 엘리베이터에 탑승하기 위해 주행부(462)를 제어할 수 있다. 프로세서(480)는 엘리베이터 탑승 후 상기 특정 구획 공간의 층으로의 이동 요청을 엘리베이터 관리 장치(620)로 전송할 수 있다. 엘리베이터 관리 장치(620)는 상기 이동 요청에 응답하여 엘리베이터를 상기 특정 구획 공간의 층으로 이동시킬 수 있다.
실시 예에 따라, 빌딩 관리 로봇(400)은 엘리베이터 내부에 기설정된 인원 수 이상의 사람이 존재하는 경우 엘리베이터를 호출하지 않고 대기할 수 있다. 그리고, 빌딩 관리 로봇(400)은 엘리베이터 내부에 기설정된 인원 수 미만의 사람이 존재하는 경우에 엘리베이터를 호출하여 탑승할 수 있다.
또는, 빌딩 관리 로봇(400)은 엘리베이터의 호출 후 탑승 전까지 엘리베이터 내부의 인원 수 변동을 모니터링하고, 엘리베이터의 호출에 따른 이동 중 사람이 탑승하거나, 인원 수가 기설정된 인원 수 이상으로 증가하는 경우 엘리베이터의 호출을 취소할 수도 있다.
도 13은 빌딩 관리 로봇의 엘리베이터 이용 방법에 대한 다른 실시 예를 나타내는 플로우차트이다.
도 13의 S400 단계는 도 12의 S300 단계와 실질적으로 동일하다.
빌딩 관리 로봇(400)은 엘리베이터 관리 장치(620)로부터 엘리베이터의 이용 대기자 존재 여부를 확인할 수 있다(S410).
예컨대, 빌딩의 층들 각각에는, 엘리베이터 탑승 영역을 향하도록 배치되는 카메라 장치(CCTV 등)가 구비될 수 있다. 엘리베이터 관리 장치(620) 또는 서버(200a)는 상기 카메라 장치들로부터 영상 데이터를 획득하고, 획득된 영상 데이터를 빌딩 관리 로봇(400)으로 전송할 수 있다.
프로세서(480)(또는 서버(200a))는 기 공지된 이미지 인식 알고리즘을 이용하여, 획득된 영상 데이터로부터 사람의 존재 여부를 인식함으로써 상기 엘리베이터의 이용 대기자가 존재하는지 여부를 확인할 수 있다.
확인 결과 이용 대기자가 존재하는 경우(S420의 YES), 빌딩 관리 로봇(400)은 엘리베이터를 호출하지 않고 대기할 수 있다(S430).
반면, 확인 결과 이용 대기자가 존재하지 않는 경우(S420의 NO), 빌딩 관리 로봇(400)은 엘리베이터를 호출하여 탑승할 수 있다(S440).
프로세서(480)는 특정 층에 이용 대기자가 존재하는 경우, 상기 이용 대기자의 엘리베이터 이용이 종료되기 전까지는 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송하지 않고 대기할 수 있다.
엘리베이터의 이용 대기자가 존재하지 않는 경우, 프로세서(480)는 상기 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송할 수 있다. 엘리베이터가 빌딩 관리 로봇(400)이 위치한 층에 도착하고 도어가 개방되면, 프로세서(480)는 엘리베이터에 탑승하기 위해 주행부(462)를 제어할 수 있다. 프로세서(480)는 엘리베이터 탑승 후 상기 특정 구획 공간의 층으로의 이동 요청을 엘리베이터 관리 장치(620)로 전송할 수 있다. 엘리베이터 관리 장치(620)는 상기 이동 요청에 응답하여 엘리베이터를 상기 특정 구획 공간의 층으로 이동시킬 수 있다.
즉, 도 12 내지 도 13에 도시된 실시 예에 따르면 빌딩 관리 로봇(400)은 엘리베이터의 이용자 또는 이용 대기자가 감지되지 않는 경우에만 엘리베이터를 이용함으로써, 이용자 또는 이용 대기자에 대한 방해나 불편을 최소화할 수 있다.
도 14는 빌딩 관리 로봇이 인식된 사람의 식별 정보에 기초하여 엘리베이터 관련 서비스를 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다. 도 15는 도 14에 도시된 빌딩 관리 로봇의 엘리베이터 관련 서비스 제공 동작에 대한 예시도이다.
도 14를 참조하면, 빌딩 관리 로봇(400)은 데이터베이스에 등록된 사람을 인식할 수 있다(S500). 빌딩 관리 로봇(400)은 인식된 사람에 대응하는 식별 장치(500) 또는 구획 공간의 식별 정보에 기초하여 엘리베이터를 호출할 수 있다(S510).
도 6, 도 9 등에서 상술한 바와 같이, 프로세서(480)는 카메라(442) 및/또는 마이크로폰(444)을 통해 획득되는 이미지 데이터 및/또는 음성 데이터를 이용하여 사람을 인식하고, 데이터베이스로부터 상기 인식된 사람에 대응하는 식별 장치(또는 구획 공간)의 식별 정보를 획득할 수 있다.
프로세서(480)는 획득된 식별 정보로부터 상기 인식된 사람이 이동할 층을 확인하고, 확인 결과에 따라 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송할 수 있다. 실시 예에 따라, 프로세서(480)는 상기 인식된 사람에 대한 인증 레벨을 확인하고, 확인된 인증 레벨이 기준 레벨 이상인 경우에 상기 엘리베이터의 호출 요청을 엘리베이터 관리 장치(620)로 전송할 수도 있다.
빌딩 관리 로봇(400)은 인식된 사람의 식별 정보에 기초하여 엘리베이터를 동승하고(S520), 상기 사람의 하차 시 함께 하차하거나 에스코트를 수행할 수 있다(530).
S520 단계 및 S530 단계의 식별 정보는, 식별 장치(500) 또는 구획 공간에 대한 식별 정보를 의미하는 것이 아니라, 상기 인식된 사람의 특징 데이터로부터 획득 가능한 상기 사람의 특성(성별, 연령대, 장애 여부, 거동 불편 여부 등)을 나타내는 정보를 의미할 수 있다. 이 경우, 데이터베이스에는 상기 식별 장치(500) 또는 구획 공간에 대한 식별 정보뿐만 아니라, 상기 사람의 특성을 나타내는 식별 정보가 함께 저장될 수 있다.
도 15를 함께 참조하면, 예컨대 상기 인식된 사람의 연령대가 소정 연령대 미만(예컨대, 어린이(1500))이거나, 소정 연령대 이상(예컨대, 노인)인 경우, 프로세서(480)는 상기 인식된 사람(1500)과 엘리베이터(1600)에 동승 및 함께 하차하도록 주행부(462)를 제어할 수 있다. 프로세서(480)는 하차 후 카메라(442)를 이용하여 상기 인식된 사람(1500)을 포함하는 영상 데이터를 획득함으로써, 상기 사람(1500)의 정상 이동 여부를 모니터링할 수 있다.
실시 예에 따라, 프로세서(480)는 엘리베이터(1600)의 하차 후 상기 인식된 사람(1500)의 이동에 맞추어 주행하도록 주행부(462)를 제어함으로써 상기 인식된 사람(1500)에 대한 에스코트를 수행할 수도 있다.
도 16은 빌딩 관리 로봇이 엘리베이터 내의 타인의 식별 결과에 기초하여, 인식된 사람에 대해 엘리베이터 관련 서비스를 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.
도 16을 참조하면, 빌딩 관리 로봇(400)은 인식된 사람의 식별 정보에 기초하여 엘리베이터를 호출할 수 있다(S600).
S600 단계는 도 14의 S510 단계와 실질적으로 동일할 수 있다.
빌딩 관리 로봇(400)은 호출된 엘리베이터 내에 타인이 존재하는 경우, 상기 타인을 인식 및 식별할 수 있다(S610).
프로세서(480)는 엘리베이터의 출입구가 개방되면, 카메라(442)를 이용하여 엘리베이터 내부를 포함하는 이미지 데이터를 획득할 수 있다. 또는, 프로세서(480)는 엘리베이터 내부에 구비된 카메라 장치(CCTV 등)로부터 획득되는 영상 데이터를 엘리베이터 관리 장치(620)로부터 수신할 수도 있다.
프로세서(480)는 획득된 이미지 데이터 또는 수신된 영상 데이터로부터 상기 엘리베이터 내부에 타인이 존재하는지 여부를 인식할 수 있다.
타인이 존재하는 경우, 프로세서(480)는 상기 타인의 인식 및 식별 동작을 수행할 수 있다. 프로세서(480)는 상기 타인의 이미지로부터 특징 데이터를 획득하고, 획득된 특징 데이터가 데이터베이스에 존재하는지 여부에 기초하여 상기 타인의 인식 및 식별 동작을 수행할 수 있다.
빌딩 관리 로봇(400)은 상기 타인의 식별 결과에 기초하여, S600 단계에서 인식된 사람과 엘리베이터에 동승하여 에스코트를 수행할 수 있다(S620).
예컨대, 상기 타인이 데이터베이스에 등록된 사람인 경우(또는 상기 타인의 인증 레벨이 기준 레벨 이상인 경우), 프로세서(480)는 인식된 사람과 엘리베이터에 동승하지 않을 수 있다. 상기 타인이 데이터베이스에 등록된 경우, 상기 타인은 S600 단계에서 인식된 사람과 동일 또는 다른 구획 공간의 출입 또는 이용 권한을 갖는 사람일 수 있다. 따라서, 프로세서(480)는 상기 인식된 사람에 대한 안전이 보장된 것으로 인식하여, 상기 엘리베이터에 동승하지 않을 수 있다.
반면, 상기 타인이 데이터베이스에 등록되지 않은 사람인 경우(또는 상기 타인의 인증 레벨이 기준 레벨 미만인 경우), 프로세서(480)는 인식된 사람과 엘리베이터에 함께 탑승 및 하차하고 에스코트를 수행할 수 있다. 상기 타인이 데이터베이스에 등록되지 않은 경우, 상기 타인은 빌딩 내의 구획 공간들에 대한 출입 또는 이용 권한이 없는 사람(단순 방문자, 또는 위험도가 높은 사람 등)일 수 있다. 따라서, 프로세서(480)는 상기 인식된 사람에 대한 안전을 위해, 인식된 사람과 함께 엘리베이터에 탑승 및 하차하고, 목적지까지의 에스코트 서비스를 제공할 수 있다.
즉, 도 14 내지 도 16에 도시된 실시 예에 따르면, 빌딩 관리 로봇(400)은 엘리베이터 이용자의 특성, 또는 엘리베이터에 존재하는 타인의 식별 결과에 기초하여 상기 이용자와 엘리베이터에 동승 및 에스코트 서비스를 제공할 수 있다. 이에 따라, 빌딩 관리 로봇(400)은 이용자의 안전한 엘리베이터 이용을 가능하게 하고, 이용자는 빌딩 관리 로봇에 대한 만족감을 느낄 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 빌딩 내의 적어도 하나의 구획 공간 중 제1 구획 공간에 대응하는 식별 장치를 인식하고, 상기 식별 장치로부터 상기 제1 구획 공간에 대한 제1 식별 정보를 획득하는 통신부;
    상기 식별 장치가 인식된 위치를 포함하는 이미지 데이터를 획득하는 카메라; 및
    상기 이미지 데이터로부터 사용자를 인식하고,
    데이터베이스로부터, 상기 인식된 사용자의 상기 제1 구획 공간에 대한 인증 레벨을 확인하고,
    확인된 인증 레벨에 기초한 서비스를 상기 사용자에게 제공하는 프로세서를 포함하는 빌딩 관리 로봇.
  2. 제1항에 있어서,
    상기 통신부는,
    상기 빌딩 관리 로봇 내에 서로 이격 배치된 적어도 두 개의 무선 통신 모듈을 포함하고,
    상기 프로세서는,
    상기 식별 장치로부터 상기 적어도 두 개의 무선 통신 모듈 각각으로 수신되는 신호의 세기 또는 시간 차에 기초하여 상기 식별 장치의 위치 또는 방향을 감지하고,
    감지된 위치 또는 방향을 향하도록 주행부 또는 카메라 방향 조절 기구를 제어하고,
    상기 이미지 데이터를 획득하도록 상기 카메라를 제어하는 빌딩 관리 로봇.
  3. 제1항에 있어서,
    상기 프로세서는,
    상기 이미지 데이터로부터 상기 사용자를 포함하는 영역을 추출하고,
    추출된 영역으로부터 상기 사용자의 이미지 특징 데이터를 획득하고,
    상기 데이터베이스로부터 상기 이미지 특징 데이터 및 상기 제1 구획 공간의 제1 식별 정보를 갖는 레코드에 포함된 상기 인증 레벨을 획득하는 빌딩 관리 로봇.
  4. 제1항에 있어서,
    러닝 프로세서에 의해 학습된 인식 모델을 저장하는 메모리를 더 포함하고,
    상기 프로세서는,
    상기 메모리에 저장된 상기 인식 모델을 통해, 상기 이미지 데이터로부터 상기 사용자를 인식하는 빌딩 관리 로봇.
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 인증 레벨이 기준 레벨 미만인 경우,
    상기 제1 구획 공간의 관리 장치로 방문자 알림을 전송하는 빌딩 관리 로봇.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 인증 레벨이 상기 기준 레벨 이상인 경우,
    상기 빌딩의 출입구 개방 요청을 출입구 관리 장치로 전송하거나, 상기 빌딩의 엘리베이터 관리 장치로 엘리베이터 호출 요청을 전송하는 빌딩 관리 로봇.
  7. 제1항에 있어서,
    상기 프로세서는,
    상기 데이터베이스에 상기 제1 구획 공간과 매칭되는 상기 사용자의 정보가 존재하지 않는 경우, 상기 이미지 데이터로부터 획득되는 상기 사용자의 특징 데이터와 상기 제1 구획 공간에 대한 제1 식별 정보, 및 상기 인증 레벨을 포함하는 제1 레코드를 상기 데이터베이스에 저장하는 빌딩 관리 로봇.
  8. 제7항에 있어서,
    상기 프로세서는,
    상기 제1 식별 정보 및 상기 사용자의 특징 데이터가 획득되는 횟수가 소정 횟수 이상인 경우, 상기 제1 레코드에 포함된 상기 인증 레벨을 증가시키는 빌딩 관리 로봇.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 적어도 하나의 구획 공간 중 제2 구획 공간으로 이동하기 위한 엘리베이터 탑승 상황을 인식하고,
    엘리베이터 관리 장치 또는 서버로부터, 엘리베이터의 내부를 포함하는 제1 영상 데이터를 수신하고,
    수신된 제1 영상 데이터로부터 상기 엘리베이터 내에 탑승자의 존재 여부를 감지하고,
    탑승자가 존재하지 않는 경우 상기 엘리베이터의 호출 요청을 상기 엘리베이터 관리 장치 또는 상기 서버로 전송하는 빌딩 관리 로봇.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 엘리베이터 관리 장치 또는 서버로부터, 상기 빌딩 내의 적어도 하나의 층 각각의 엘리베이터 탑승 영역을 포함하는 적어도 하나의 제2 영상 데이터를 수신하고,
    수신된 적어도 하나의 제2 영상 데이터로부터 상기 엘리베이터의 이용 대기자 존재 여부를 감지하고,
    상기 이용 대기자가 존재하지 않는 경우 상기 엘리베이터의 호출 요청을 상기 엘리베이터 관리 장치 또는 상기 서버로 전송하는 빌딩 관리 로봇.
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 제1 식별 정보에 기초하여 엘리베이터의 호출 요청을 엘리베이터 관리 장치 또는 서버로 전송하고,
    상기 사용자의 특성에 기초하여 상기 엘리베이터의 동승 여부를 결정하고,
    상기 사용자의 특성은 성별, 연령대, 장애 여부, 및 거동 불편 여부 중 적어도 하나의 정보를 포함하는 빌딩 관리 로봇.
  12. 제11항에 있어서,
    상기 프로세서는,
    상기 사용자와 상기 엘리베이터에 동승한 경우, 상기 사용자의 하차 시 함께 하차하도록 주행부를 제어하고,
    상기 사용자를 포함하는 영상 데이터를 획득하도록 상기 카메라를 제어하는 제1 동작, 및 상기 사용자의 이동을 따라 주행하도록 상기 주행부를 제어하는 제2 동작 중 적어도 하나를 수행하는 빌딩 관리 로봇.
  13. 제11항에 있어서,
    상기 프로세서는,
    상기 엘리베이터 관리 장치 또는 상기 서버로부터 상기 엘리베이터의 내부를 포함하는 영상 데이터를 수신하고,
    수신된 영상 데이터로부터 상기 엘리베이터 내부의 타인을 식별하고,
    상기 타인의 식별 결과에 기초하여 상기 엘리베이터의 동승 여부를 결정하는 빌딩 관리 로봇.
  14. 빌딩 내의 적어도 하나의 구획 공간 중 제1 구획 공간에 대응하는 식별 장치를 인식하는 단계;
    상기 식별 장치가 인식된 위치를 포함하는 이미지 데이터를 획득하는 단계;
    획득된 이미지 데이터로부터 사용자를 인식하는 단계;
    데이터베이스로부터, 상기 인식된 사용자의 제1 구획 공간에 대한 인증 레벨을 확인하는 단계; 및
    확인된 인증 레벨에 기초한 서비스를 상기 사용자에게 제공하는 단계를 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  15. 제14항에 있어서,
    상기 인증 레벨이 기준 레벨 이상인 경우, 상기 서비스를 상기 사용자에게 제공하는 단계는,
    상기 빌딩의 출입구 개방 요청을 출입구 관리 장치로 전송하는 단계; 및
    상기 빌딩의 엘리베이터 관리 장치로 엘리베이터 호출 요청을 전송하는 단계 중 적어도 하나를 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  16. 제14항에 있어서,
    상기 데이터베이스에 상기 제1 구획 공간과 매칭되는 상기 사용자의 정보가 존재하지 않는 경우, 상기 이미지 데이터로부터 획득되는 상기 사용자의 특징 데이터와 상기 제1 식별 정보, 및 상기 인증 레벨을 포함하는 제1 레코드를 상기 데이터베이스에 추가하는 단계를 더 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  17. 제16항에 있어서,
    상기 제1 식별 정보 및 상기 사용자의 특징 데이터가 획득되는 횟수가 소정 횟수 이상인 경우, 상기 인증 레벨을 증가시키는 단계를 더 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  18. 제14항에 있어서,
    상기 제1 식별 정보에 기초하여 엘리베이터를 상기 빌딩 관리 로봇이 위치한 층으로 호출하는 단계; 및
    상기 사용자의 특성에 기초하여, 상기 빌딩 관리 로봇의 엘리베이터 동승 여부를 결정하는 단계를 더 포함하고,
    상기 사용자의 특성은 성별, 연령대, 장애 여부, 및 거동 불편 여부 중 적어도 하나의 정보를 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  19. 제18항에 있어서,
    상기 빌딩 관리 로봇이 상기 사용자와 상기 엘리베이터에 동승한 경우, 상기 사용자의 하차 시 상기 빌딩 관리 로봇이 함께 하차하도록 제어하는 단계; 및
    상기 빌딩 관리 로봇이, 상기 사용자를 포함하는 영상 데이터를 획득하는 동작, 및 상기 사용자의 이동을 따라 주행하는 동작 중 적어도 하나의 동작을 수행하는 단계를 더 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
  20. 제18항에 있어서,
    상기 엘리베이터의 내부를 포함하는 영상 데이터로부터, 상기 엘리베이터의 내부에 존재하는 타인을 식별하는 단계; 및
    상기 타인의 식별 결과에 기초하여, 상기 사용자의 탑승 시 상기 빌딩 관리 로봇의 동승 여부를 결정하는 단계를 더 포함하는 빌딩 관리 로봇을 이용한 서비스 제공 방법.
KR1020190087936A 2019-06-21 2019-07-19 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법 KR20190096849A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
WOPCT/KR2019/007539 2019-06-21
PCT/KR2019/007539 WO2020256195A1 (ko) 2019-06-21 2019-06-21 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법

Publications (1)

Publication Number Publication Date
KR20190096849A true KR20190096849A (ko) 2019-08-20

Family

ID=67807714

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190087936A KR20190096849A (ko) 2019-06-21 2019-07-19 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법

Country Status (3)

Country Link
US (1) US11430278B2 (ko)
KR (1) KR20190096849A (ko)
WO (1) WO2020256195A1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111039113A (zh) * 2019-12-31 2020-04-21 北京猎户星空科技有限公司 电梯运行状态确定方法、装置、设备和介质
KR20210046451A (ko) * 2019-10-18 2021-04-28 네이버랩스 주식회사 로봇과 사용자간의 인터랙션을 위한 방법 및 시스템
CN112936302A (zh) * 2021-01-28 2021-06-11 厦门星速购网络科技有限公司 一种自动乘梯机器人系统
KR102274212B1 (ko) * 2020-08-04 2021-07-07 주식회사 더키 다목적 센서 장치 및 이를 이용한 건물 에너지 관리 방법
KR102454679B1 (ko) * 2022-03-03 2022-10-13 삼성물산 주식회사 로봇 이동 제어 시스템 및 방법
KR20220161705A (ko) * 2021-05-31 2022-12-07 정자영 자율주행로봇의 층간 이동 제어 시스템 및 제어 방법
KR20230077097A (ko) * 2021-11-25 2023-06-01 한국생산기술연구원 비언어적 인식에 기초하여 소셜 로봇과 사용자 간의 인터랙션을 위한 방법 및 시스템
US11850759B2 (en) 2020-08-28 2023-12-26 Naver Labs Corporation Control method and system for robot

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019028039A1 (en) * 2017-08-01 2019-02-07 The Chamberlain Group, Inc. SYSTEM FOR FACILITATING ACCESS TO A SECURE AREA
US11417328B1 (en) * 2019-12-09 2022-08-16 Amazon Technologies, Inc. Autonomously motile device with speech commands
US20210284492A1 (en) * 2020-03-16 2021-09-16 Otis Elevator Company Robot concierge
US20230094967A1 (en) * 2021-09-29 2023-03-30 Johnson Controls Tyco IP Holdings LLP Systems and methods for protecting robot tailgating in building environments
KR102583584B1 (ko) * 2022-06-30 2023-10-06 현대엘리베이터주식회사 로봇 연동 엘리베이터 제어 방법

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005022029A (ja) * 2003-07-02 2005-01-27 Fujitsu Autom Ltd 接客ロボットおよび接客ロボットシステム
JP3968715B2 (ja) 2003-08-06 2007-08-29 松下電工株式会社 自律移動ロボット用のエレベータ乗降システム
JP5055905B2 (ja) * 2006-09-11 2012-10-24 富士通株式会社 入退室管理システム、入退室管理ロボット装置、および入退室管理プログラム
US8577498B2 (en) * 2007-05-21 2013-11-05 Panasonic Corporation Automatic transfer method, transfer robot, and automatic transfer system
KR101034643B1 (ko) 2009-08-12 2011-05-16 도대욱 고객 관리시스템
US11074495B2 (en) * 2013-02-28 2021-07-27 Z Advanced Computing, Inc. (Zac) System and method for extremely efficient image and pattern recognition and artificial intelligence platform
US9953514B2 (en) * 2012-09-21 2018-04-24 Google Llc Visitor feedback to visitor interaction with a doorbell at a smart-home
US20150156030A1 (en) * 2012-09-21 2015-06-04 Google Inc. Handling specific visitor behavior at an entryway to a smart-home
WO2016155021A1 (zh) * 2015-04-03 2016-10-06 绿仕科技控股有限公司 环境控制系统
US10265859B2 (en) * 2016-02-09 2019-04-23 Cobalt Robotics Inc. Mobile robot with removable fabric panels
GB2567791B (en) * 2016-09-09 2021-10-13 Groove X Inc Autonomously acting robot that accepts a guest
US10347063B1 (en) * 2017-03-01 2019-07-09 Alarm.Com Incorporated Authorized smart access to a monitored property
JP6619760B2 (ja) 2017-03-06 2019-12-11 株式会社日立ビルシステム エレベーター装置、エレベーターシステム、および、自律ロボットの制御方法
JP6786459B2 (ja) * 2017-09-15 2020-11-18 株式会社日立製作所 ビル管理システム装置
US10664688B2 (en) * 2017-09-20 2020-05-26 Google Llc Systems and methods of detecting and responding to a visitor to a smart home environment
US20190172284A1 (en) * 2017-12-05 2019-06-06 Savioke Inc. Apparatus, System, and Method for Secure Robot Access
WO2020130219A1 (ko) * 2018-12-21 2020-06-25 엘지전자 주식회사 로봇의 제어 방법
US11085226B2 (en) * 2018-12-21 2021-08-10 Google Llc Operating a door of a smart-home through various stages of user detection

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210046451A (ko) * 2019-10-18 2021-04-28 네이버랩스 주식회사 로봇과 사용자간의 인터랙션을 위한 방법 및 시스템
CN111039113A (zh) * 2019-12-31 2020-04-21 北京猎户星空科技有限公司 电梯运行状态确定方法、装置、设备和介质
KR102274212B1 (ko) * 2020-08-04 2021-07-07 주식회사 더키 다목적 센서 장치 및 이를 이용한 건물 에너지 관리 방법
US11850759B2 (en) 2020-08-28 2023-12-26 Naver Labs Corporation Control method and system for robot
CN112936302A (zh) * 2021-01-28 2021-06-11 厦门星速购网络科技有限公司 一种自动乘梯机器人系统
CN112936302B (zh) * 2021-01-28 2024-01-30 厦门星速机器人有限公司 一种自动乘梯机器人系统
KR20220161705A (ko) * 2021-05-31 2022-12-07 정자영 자율주행로봇의 층간 이동 제어 시스템 및 제어 방법
KR20230077097A (ko) * 2021-11-25 2023-06-01 한국생산기술연구원 비언어적 인식에 기초하여 소셜 로봇과 사용자 간의 인터랙션을 위한 방법 및 시스템
KR102454679B1 (ko) * 2022-03-03 2022-10-13 삼성물산 주식회사 로봇 이동 제어 시스템 및 방법

Also Published As

Publication number Publication date
US20220005303A1 (en) 2022-01-06
US11430278B2 (en) 2022-08-30
WO2020256195A1 (ko) 2020-12-24

Similar Documents

Publication Publication Date Title
KR20190096849A (ko) 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법
KR20190103105A (ko) 로봇 및 그를 이용한 물품 관리 방법
US11513522B2 (en) Robot using an elevator and method for controlling the same
US20210097852A1 (en) Moving robot
KR20190096878A (ko) 인공지능 기반의 공기조화기
US20210072759A1 (en) Robot and robot control method
KR20190104263A (ko) 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법
KR20190106862A (ko) 인공지능 장치 및 그를 이용한 IoT 기기의 도난 감지 및 탐색 방법
KR20190086628A (ko) 모바일 로봇을 무빙워크에 진입시키는 방법 및 그 모바일 로봇
US20210072750A1 (en) Robot
US11372418B2 (en) Robot and controlling method thereof
KR20190107626A (ko) 인공지능 서버
US11534922B2 (en) Riding system of robot and method thereof
KR20210041703A (ko) 이동식 침대 로봇
KR20190100112A (ko) 인공 지능을 이용하여, 아이템의 정보를 제공하는 냉장고 및 그의 동작 방법
US11446811B2 (en) Robot
KR20210026974A (ko) 로봇
US11511634B2 (en) Charging system for robot and control method thereof
KR20210083812A (ko) 자율주행 이동로봇 및 이의 동작 방법
US20210208595A1 (en) User recognition-based stroller robot and method for controlling the same
US11867791B2 (en) Artificial intelligence apparatus for determining path of user and method for the same
KR102514128B1 (ko) 복수의 홈 디바이스간 연결을 제공하는 인공 지능 장치 및 그 방법
KR20210004173A (ko) 사용자 모니터링 방법 및 장치
KR20190113690A (ko) 로봇 시스템 및 그 제어방법
US11927931B2 (en) Artificial intelligence-based air conditioner

Legal Events

Date Code Title Description
G15R Request for early publication