KR20190100090A

KR20190100090A - 로봇 및 그를 이용한 무드 인식 방법

Info

Publication number: KR20190100090A
Application number: KR1020190096723A
Authority: KR
Inventors: 문윤지
Original assignee: 엘지전자 주식회사
Priority date: 2019-08-08
Filing date: 2019-08-08
Publication date: 2019-08-28
Also published as: US20200009739A1; US11358285B2

Abstract

본 발명의 실시 예에 따른 로봇은, 디스플레이 및 스피커 중 적어도 하나를 포함하는 출력부, 카메라, 및 콘텐츠를 출력하도록 상기 출력부를 제어하고, 상기 콘텐츠의 출력 중, 상기 카메라를 통해 복수의 사용자들을 포함하는 영상을 획득하고, 획득된 영상에 기초하여 상기 복수의 사용자들을 포함하는 그룹의 무드를 판별하고, 판별된 무드에 기초한 피드백을 출력하도록 상기 출력부를 제어하는 프로세서를 포함한다.

Description

로봇 및 그를 이용한 무드 인식 방법{ROBOT AND METHOD FOR RECOGNIZING MOOD USING SAME}

본 발명은 로봇에 관한 것으로서, 특히 로봇을 통한 콘텐츠 출력 중 복수의 사용자들을 포함하는 그룹의 무드(mood)를 판별하는 로봇 및 그를 이용한 감정 인식 방법에 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 음성이나 제스쳐 등을 통해 인간과 커뮤니케이션이나 인터랙션을 수행할 수 있는 커뮤니케이션 로봇이 증가되는 추세이다.

이러한 커뮤니케이션 로봇은 특정 장소에 배치되어 이용자에게 각종 정보를 안내하는 안내 로봇이나, 가정에 구비되는 홈 로봇 등 다양한 종류의 로봇을 포함할 수 있다. 또한, 커뮤니케이션 로봇은 학습자와의 인터랙션을 통해 상기 학습자의 학습을 지도하거나 보조하는 교육용 로봇을 포함할 수 있다.

커뮤니케이션 로봇은 사용자의 요청에 따라 다양한 콘텐츠를 제공할 수 있다. 예컨대, 커뮤니케이션 로봇은 디스플레이를 통해 그래픽 형태의 콘텐츠를 출력할 수 있다. 그리고, 커뮤니케이션 로봇은 콘텐츠의 출력 중 카메라나 마이크로폰 등을 이용하여 사용자의 상태를 모니터링할 수 있다.

본 발명이 해결하고자 하는 과제는, 콘텐츠를 이용하는 복수의 사용자들에 대한 적절한 피드백을 제공할 수 있는 로봇을 구현하는 것이다.

상기 프로세서는, 상기 영상에 포함된 상기 복수의 사용자들 각각의 표정 정보에 기초하여, 상기 복수의 사용자들 각각의 감정을 인식하고, 상기 복수의 사용자들 각각에 대해 인식된 감정에 기초하여, 상기 그룹의 무드를 판별할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 영상으로부터 상기 복수의 사용자들 각각의 얼굴 영역 이미지를 추출하고, 추출된 복수의 얼굴 영역 이미지들 각각을 딥러닝 기반으로 학습된 감성 인식기로 입력하고, 상기 감성 인식기로부터, 상기 복수의 사용자들 각각의 감정 인식 결과를 획득할 수 있다.

실시 예에 따라, 상기 감정 인식 결과는 복수의 감정 클래스들 각각의 확률값을 포함하고, 상기 프로세서는, 상기 확률값들 중 가장 높은 확률값을 갖는 감정 클래스를, 사용자의 감정으로서 인식할 수 있다.

상기 프로세서는, 상기 복수의 감정 클래스들 각각에 대한 상기 복수의 사용자들의 확률값들의 평균값을 산출하고, 산출된 평균값들 중 가장 높은 평균값을 갖는 감정 클래스를 상기 그룹의 무드로 판별할 수 있다.

실시 예에 따라, 상기 프로세서는, 상기 영상으로부터 상기 복수의 사용자들 중 리액션을 수행하는 제1 사용자를 감지하고, 상기 감지된 제1 사용자의 확률값들에 가중치를 부여하고, 상기 가중치가 부여된 제1 사용자의 확률값들, 및 나머지 사용자들의 확률값들에 기초하여 상기 그룹의 무드를 판별할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 복수의 사용자들 각각의 감정 인식 결과에 기초하여, 상기 복수의 사용자들 간의 감정 편차를 확인하고, 상기 감정 편차가 기준 편차보다 큰 적어도 하나의 사용자에 대한 피드백을 출력하도록 상기 출력부를 제어할 수 있다.

상기 로봇은 서버와 연결하기 위한 통신부를 더 포함하고, 상기 프로세서는, 상기 획득된 영상을 상기 서버로 전송하고, 상기 서버로부터 상기 그룹의 무드 정보를 수신하고, 수신된 무드 정보에 기초한 피드백을 출력하도록 상기 출력부를 제어할 수 있다.

실시 예에 따라, 상기 피드백은 상기 무드에 대응하여 상기 디스플레이를 통해 출력되는 로봇 얼굴 표정, 및 상기 무드에 대응하여 상기 스피커를 통해 출력되는 로봇 음성 중 적어도 하나를 포함할 수 있다.

실시 예에 따라, 상기 피드백은 상기 무드에 대응하여, 상기 로봇에 포함된 적어도 하나의 모터의 구동을 통해 제공되는 상기 로봇의 움직임을 더 포함할 수 있다.

본 발명의 실시 예에 따른 로봇을 이용한 무드 인식 방법은, 디스플레이 및 스피커 중 적어도 하나를 통해 콘텐츠를 출력하는 단계; 상기 콘텐츠의 출력 중, 카메라를 통해 복수의 사용자들을 포함하는 영상을 획득하는 단계; 획득된 영상에 기초하여 상기 복수의 사용자들을 포함하는 그룹의 무드를 인식하는 단계; 및 인식된 무드에 기초한 피드백을 상기 디스플레이 및 상기 스피커 중 적어도 하나를 통해 출력하는 단계를 포함한다.

본 발명의 실시 예에 따르면, 로봇은 출력 중인 콘텐츠에 대한 사용자들의 감정을 인식하고, 인식된 감정에 기초한 그룹의 무드에 적합한 피드백을 출력할 수 있다. 이에 따라, 상기 그룹의 사용자들의 콘텐츠에 대한 집중도나 몰입도가 보다 향상될 수 있다.

또한, 로봇이 그룹의 무드에 공감하는 형태의 피드백을 출력함에 따라, 사용자들은 로봇에 대한 친밀감이나 유대감을 보다 강하게 느낄 수 있고, 로봇의 활용성이 향상될 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 로봇의 사시도이다.
도 5는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.
도 6은 본 발명의 실시 예에 따른 로봇을 이용하여, 복수의 사용자들을 포함하는 그룹의 무드 판별 및 그에 따른 피드백을 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.
도 7은 도 6의 그룹 무드 판별 및 피드백 제공 동작과 관련하여, 로봇 및 그와 연결되는 서버가 수행하는 동작의 예를 나타내는 래더 다이어그램이다.
도 8은 본 발명의 일 실시 예에 따른 감성 인식기의 간략한 내부 블록도이다.
도 9 내지 도 13은 도 6 내지 도 7의 실시 예와 관련된 예시도들이다.
도 14는 본 발명의 실시 예에 따른 로봇을 이용하여, 그룹에 포함된 복수의 사용자들 중 특정 사용자에게 피드백을 제공하는 동작을 설명하기 위한 플로우차트이다.
도 15는 도 14의 실시 예와 관련된 예시도이다.
도 16은 본 발명의 실시 예에 따른 로봇을 이용하여, 복수의 사용자들을 포함하는 그룹의 무드 판별 및 그에 따른 피드백을 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.

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.

도 4는 본 발명의 일 실시 예에 따른 로봇의 사시도이다.

도 4를 참조하면, 로봇(100a)은 사용자와의 커뮤니케이션이나 인터랙션을 통해 사용자에게 정보 또는 콘텐츠를 제공하거나 특정 행위를 유도하는 등의 동작을 수행하는 커뮤니케이션 로봇에 해당할 수 있다.

예컨대, 로봇(100a)은 가정에 배치되는 홈 로봇일 수 있다. 이러한 홈 로봇은 사용자와의 인터랙션을 통해 사용자에게 각종 정보 또는 콘텐츠를 제공하거나, 가정 내에서 발생하는 이벤트를 모니터링하는 등의 동작을 수행할 수 있다.

상술한 동작의 수행을 위해, 로봇(100a)은 사용자 또는 로봇 주변의 영상을 획득하는 카메라(142), 사용자의 음성 또는 로봇 주변의 소리 등을 획득하는 적어도 하나의 마이크로폰(124; 도 5 참조), 그래픽 또는 텍스트를 출력하는 디스플레이(152), 음성이나 음향을 출력하는 사운드 출력부(154; 예컨대 스피커), 및 특정 이벤트나 상황에 매핑된 색상이나 패턴의 광을 출력하는 광 출력부(156; 도 5 참조) 등의 입출력 수단을 포함할 수 있다.

로봇(100a)은 내부에 구현된 적어도 하나의 마이크로폰(124)을 통해 로봇 외부의 소리를 원활히 획득하기 위해, 커버(또는 케이스)의 외면에 형성된 적어도 하나의 마이크로폰 홀(125a~125c)을 포함할 수 있다. 마이크로폰 홀(125a~125c) 각각은 어느 하나의 마이크로폰(124)에 대응하는 위치에 형성되고, 마이크로폰(124)은 상기 마이크로폰 홀(125a~125c)을 통해 외부와 연통될 수 있다. 한편, 로봇(100a)은 서로 이격되어 배치된 복수의 마이크로폰들을 포함할 수 있고, 이 경우 로봇(100a)은 상기 복수의 마이크로폰들을 이용하여 소리가 발생한 방향을 감지할 수 있다.

디스플레이(152)는 로봇(100a)으로부터 일 면을 향하도록 배치될 수 있다. 이하, 디스플레이(152)가 향하는 방향을 로봇(100a)의 전방으로 정의한다. 한편, 사운드 출력부(154)는 로봇(100a)의 하부에 배치된 것으로 도시되어 있으나, 사운드 출력부(154)의 위치는 실시 예에 따라 다양하게 변경될 수 있다.

광 출력부(156)는 LED 등의 광원으로 구현되어, 로봇(100a)의 상태나 이벤트 등을 색상이나 출력 패턴의 변화를 통해 나타낼 수 있다. 도 4에서는 로봇(100a)의 양 측면에 배치되는 제1 광 출력부(156a)와, 로봇(100a)의 하부에 배치되는 제2 광 출력부(156b)가 도시되어 있으나, 광 출력부(156)의 수 및 배치 위치는 다양하게 변경될 수 있다.

비록 도시되지는 않았으나, 로봇(100a)은 일 위치에서 다른 위치로 이동하기 위한 이동 수단(주행 수단)을 더 포함할 수도 있다. 예컨대, 상기 이동 수단은 적어도 하나의 휠 및 상기 휠을 회전시키는 모터를 포함할 수 있다.

도 5는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.

도 5를 참조하면, 로봇(100a)은 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 회전 기구(160), 메모리(170), 및 프로세서(180)를 포함할 수 있다. 도 4에 도시된 구성들은 설명의 편의를 위한 일례로서, 로봇(100a)은 도 4에 도시된 구성들보다 많거나 적은 구성들을 포함할 수 있다.

한편, 도 1의 AI 장치(100)와 관련된 내용은 본 발명의 로봇(100a)에도 유사하게 적용되는 바, 도 1에서 상술한 내용과 중복되는 내용은 생략한다.

통신부(110)는 로봇(100a)을 네트워크를 통해 서버, 이동 단말기, 다른 로봇 등과 연결하기 위한 통신 모듈들을 포함할 수 있다. 상기 통신 모듈들 각각은 도 1에서 상술한 통신 기술 중 어느 하나를 지원할 수 있다.

예컨대, 로봇(100a)은 공유기 등의 액세스 포인트를 통해 네트워크와 연결될 수 있다. 이에 따라, 로봇(100a)은 입력부(120)나 센싱부(140) 등을 통해 획득되는 각종 정보를, 상기 네트워크를 통해 서버나 이동 단말기로 제공할 수 있다. 또한, 로봇(100a)은 상기 서버나 이동 단말기로부터 정보나 데이터, 명령 등을 수신할 수 있다.

입력부(120)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(122), 사용자의 음성이나 로봇(100a) 주변의 소리 등을 수신하는 마이크로폰(124) 등을 포함할 수 있다. 사용자는 입력부(120)를 통해 각종 요청이나 명령을 로봇(100a)으로 입력할 수 있다.

센싱부(140)는 로봇(100a) 주변의 다양한 정보를 센싱하는 적어도 하나의 센서를 포함할 수 있다. 예컨대 센싱부(140)는 카메라(142), 근접 센서, 조도 센서, 터치 센서, 및 자이로 센서(자이로스코프) 등의 다양한 센서들을 포함할 수 있다.

카메라(142)는 로봇(100a) 주변의 영상을 획득할 수 있다. 실시 예에 따라, 프로세서(180)는 카메라(142)를 통해 사용자의 얼굴을 포함하는 이미지를 획득하여 사용자를 인식하거나, 사용자의 제스쳐나 표정 등을 획득할 수 있다.

근접 센서는 로봇(100a) 주변에 사용자 등의 오브젝트가 접근함을 감지할 수 있다. 예컨대, 근접 센서에 의해 사용자의 접근이 감지되는 경우, 프로세서(180)는 출력부(150)를 통해 초기 화면이나 초기 음성을 출력하여 사용자로 하여금 로봇(100a)의 사용을 유도할 수 있다.

조도 센서는 로봇(100a)이 배치된 공간의 밝기를 감지할 수 있다. 프로세서(180)는 상기 조도 센서의 감지 결과 및/또는 시간대 정보에 기초한 다양한 동작을 수행하도록 구성들을 제어할 수 있다.

터치 센서는 사용자의 신체 일부가 로봇(100a)의 소정 영역에 접촉됨을 감지할 수 있다.

자이로 센서는 로봇(100a)의 회전각이나 기울기 등을 감지할 수 있다. 프로세서(180)는 자이로 센서의 감지 결과에 기초하여 로봇(100a)이 향하는 방향을 인식하거나, 외부로부터의 충격 등을 감지할 수 있다.

출력부(150)는 로봇(100a)의 동작이나 상태, 로봇(100a)에서 실행되는 각종 서비스, 프로그램, 애플리케이션 등과 관련된 각종 정보 또는 콘텐츠를 출력할 수 있다. 또한, 출력부(150)는 사용자와의 인터랙션을 수행하기 위한 각종 메시지나 정보를 출력할 수 있다.

출력부(150)는 디스플레이(152), 스피커(154), 및 광 출력부(156) 등을 포함할 수 있다.

디스플레이(152)는 상술한 각종 정보, 메시지, 또는 콘텐츠를 그래픽 형태로 출력할 수 있다. 실시 예에 따라, 디스플레이(152)는 터치 입력부(122)와 함께 터치 스크린 형태로 구현될 수 있고, 이 경우 디스플레이(152)는 출력 수단뿐만 아니라 입력 수단으로서도 기능할 수 있다.

스피커(154)는 상기 각종 정보, 메시지, 또는 콘텐츠를 음성이나 음향 형태로 출력할 수 있다.

광 출력부(156)는 LED 등의 광원으로 구현될 수 있다. 프로세서(180)는 광 출력부(156)를 통해 로봇(100a)의 상태 등을 나타낼 수 있다. 실시 예에 따라, 광 출력부(156)는 보조적인 출력 수단으로서 디스플레이(152) 및/또는 스피커(154)와 함께 각종 정보를 사용자에게 제공할 수도 있다.

회전 기구(160)는 로봇(100a)을 수직 축을 기준으로 회전시키기 위한 제1 모터를 포함할 수 있다. 프로세서(180)는 상기 회전 기구(160)에 포함된 제1 모터를 제어하여 로봇(100a)을 회전시킴으로써, 로봇(100a)의 디스플레이(152) 및 카메라(142)가 향하는 방향을 좌우 방향으로 변경시킬 수 있다.

실시 예에 따라, 회전 기구(160)는 로봇(100a)을 전후 방향으로 소정 각도 틸팅시키기 위한 제2 모터를 더 포함할 수도 있다. 프로세서(180)는 상기 제2 모터를 제어하여 로봇(100a)을 틸팅시킴으로써, 디스플레이(152) 및 카메라(142)가 향하는 방향을 상하 방향으로 변경시킬 수 있다.

메모리(170)는 로봇(100a)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(120)를 통해 획득된 입력이나 센싱부(140)를 통해 획득되는 정보에 기초한 동작을 수행하기 위한 데이터 등의 각종 데이터가 저장될 수 있다.

또한, 메모리(170)에는 프로세서(180)에 포함된 적어도 하나의 프로세서나 컨트롤러에 의해 실행되는 소프트웨어 모듈이나 애플리케이션 등의 프로그램 데이터가 저장될 수 있다.

이러한 메모리(170)는 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기를 포함할 수 있다.

프로세서(180)는 로봇(100a)의 동작을 제어하는 적어도 하나의 프로세서나 컨트롤러 등을 포함할 수 있다. 구체적으로, 프로세서(180)는 적어도 하나의 CPU, AP(application processor), 마이크로컴퓨터(또는 마이컴), 집적 회로, ASIC(application specific integrated circuit) 등을 포함할 수 있다.

도 6은 본 발명의 실시 예에 따른 로봇을 이용하여, 복수의 사용자들을 포함하는 그룹의 무드 판별 및 그에 따른 피드백을 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.

도 6을 참조하면, 로봇(100a)은 복수의 사용자들에게 콘텐츠를 출력할 수 있다(S100).

예컨대, 로봇(100a)은 복수의 사용자들(아동, 학생 등)이 이용하는 교육용 로봇일 수 있다. 로봇(100a)의 프로세서(180)는 디스플레이(152) 및/또는 스피커(154)를 통해, 상기 복수의 사용자들에게 그래픽 및/또는 사운드 형태의 콘텐츠를 출력할 수 있다.

로봇(100a)은 콘텐츠 출력 중, 카메라(142)를 통해 복수의 사용자들을 인식할 수 있다(S110).

프로세서(180)는 콘텐츠의 출력 중, 카메라(142)를 통해 로봇(100a)의 주변(예컨대 로봇(100a)의 전방)을 포함하는 영상을 획득할 수 있다.

예컨대, 프로세서(180)는 상기 콘텐츠의 출력 중 주기적 또는 연속적으로 상기 영상을 획득할 수 있다.

실시 예에 따라, 프로세서(180)는 출력 중인 콘텐츠의 데이터에 기초하여, 콘텐츠 내의 특정 이벤트가 출력되는 시점에서 상기 영상을 획득할 수도 있다.

프로세서(180)는 획득된 영상에 대해 기 공지된 각종 얼굴인식 알고리즘을 적용하여, 상기 영상에 포함된 복수의 사용자들을 인식할 수 있다. 프로세서(180)는 인식 결과에 기초하여 복수의 사용자들을 구분하거나, 메모리(170) 등에 기 저장된 데이터베이스에 기초하여 복수의 사용자들을 구분 및 식별하는 등, 공지된 다양한 방식에 따라 복수의 사용자들을 인식할 수 있다.

로봇(100a)은 인식된 복수의 사용자들 각각의 감정을 인식할 수 있다(S120).

예컨대, 프로세서(180)는, 상기 영상에 포함된 상기 복수의 사용자들 각각의 표정 정보에 기초하여, 상기 복수의 사용자들 각각의 감정을 인식할 수 있다.

실시 예에 따라, 프로세서(180)는 머신 러닝 기반으로 학습된 감성 인식기를 통해, 상기 영상에 포함된 복수의 사용자들 각각의 감정을 인식할 수도 있다.

예컨대, 감성 인식기는 놀람, 행복, 슬픔, 싫음, 분노, 두려움, 및 중립 등 7개의 감정 클래스에 기초하여, 사용자에 대해 각 감정 클래스에 해당하는 확률을 획득하고, 가장 높은 확률을 갖는 감정 클래스를 인식 결과로서 제공할 수 있다.

감성 인식기와 관련된 내용은 추후 도 8을 통해 보다 상세히 설명한다.

로봇(100a)은 인식된 감정에 기초하여, 복수의 사용자들을 포함하는 그룹의 무드(mood)를 판별할 수 있다(S130).

프로세서(180)는 복수의 사용자들 각각에 대한 감정 인식 결과에 기초하여, 상기 복수의 사용자들을 포함하는 그룹의 무드를 판별할 수 있다.

무드(mood)는 상기 그룹의 전반적인 분위기를 의미하는 것으로서, 복수의 사용자들 각각의 감정과 관련될 수 있다.

예컨대, 프로세서(180)는 감정 클래스들 각각에 대한 복수의 사용자들의 평균값을 산출하고, 산출된 평균값 중 가장 높은 값을 갖는 감정 클래스를 상기 그룹의 무드로 판별할 수 있다.

로봇(100a)은 판별된 무드에 기초한 피드백을 출력할 수 있다(S140).

프로세서(180)는, 판별된 무드에 기초하여 출력부(150)를 통해 피드백을 출력할 수 있다. 예컨대, 상기 피드백은 디스플레이(152)를 통해 출력되는 로봇(100a)의 표정을 포함하거나, 스피커(154)를 통해 출력되는 로봇(100a)의 음성을 포함할 수 있다. 실시 예에 따라, 상기 피드백은 회전 기구(160)의 구동에 따른 로봇(100a)의 움직임(회전 및/또는 틸팅)을 더 포함할 수도 있다.

즉, 프로세서(180)는 판별된 무드에 따라 로봇(100a)의 표정이나 음성을 출력함으로써, 복수의 사용자들의 콘텐츠에 대한 몰입이나 집중도를 향상시킬 수 있다.

실시 예에 따라, 도 6에 도시된 동작들 중 일부는 로봇(100a)과 연결되는 서버(200a)에 의해 수행될 수도 있다. 이와 관련된 실시 예에 대해, 이하 도 7을 참조하여 설명한다.

도 7은 도 6의 그룹 무드 판별 및 피드백 제공 동작과 관련하여, 로봇 및 그와 연결되는 서버가 수행하는 동작의 예를 나타내는 래더 다이어그램이다.

서버(200a)는 도 2에서 상술한 AI 서버(200)의 일례에 해당할 수 있다. 즉, 도 2에 도시된 AI 서버(200)의 구성들 및 그와 관련된 내용은 서버(200a)에도 마찬가지로 적용될 수 있다.

도 7을 참조하면, 로봇(100a)는 콘텐츠의 출력 중(S200), 카메라(142)를 통해 복수의 사용자들을 포함하는 영상을 획득할 수 있다(S210).

로봇(100a)은 획득된 영상을 서버(200a)로 전송할 수 있다(S220).

서버(200a)는 수신된 영상에 포함된 복수의 사용자들을 인식할 수 있다(S230).

서버(200a)가 상기 영상으로부터 복수의 사용자들을 인식하는 방식이나 알고리즘은 도 6의 로봇(100a)이 영상으로부터 복수의 사용자들을 인식하는 방식이나 알고리즘과 실질적으로 동일할 수 있다.

서버(200a)는 감성 인식기를 통해, 복수의 사용자들 각각의 감정을 인식할 수 있다(S240).

도 7의 실시 예에 따르면, 감성 인식기는 서버(200a)의 메모리(230)에 저장될 수 있다. 서버(200a)의 프로세서(260)는 상기 감성 인식기를 이용하여, 상기 영상에 포함된 복수의 사용자들 각각의 감정을 인식할 수 있다.

서버(200a)는 인식된 감정에 기초하여, 복수의 사용자들을 포함하는 그룹의 무드를 판별하고(S250), 판별된 무드에 대한 정보(무드 정보)를 로봇(100a)으로 전송할 수 있다(S260).

실시 예에 따라, 서버(200a)는 판별된 무드에 따른 피드백을 로봇(100a)을 통해 출력하기 위해, 상기 로봇(100a)으로 상기 피드백과 관련된 데이터, 또는 피드백의 출력을 위한 제어 신호를 전송할 수도 있다. 이 경우, 상기 무드 정보는 상기 피드백과 관련된 데이터, 또는 제어 신호를 포함할 수 있다.

로봇(100a)은 수신된 무드 정보에 대응하는 피드백을 출력할 수 있다(S270).

도 8은 본 발명의 일 실시 예에 따른 감성 인식기의 간략한 내부 블록도이다.

본 발명의 실시 예에 따르면, 로봇(100a) 또는 서버(200a)는 감성 인식기(800) 중 얼굴 이미지(833)로부터 감정을 인식하는 얼굴 감성 인식기(823)만을 이용하여, 사용자들 각각의 감정을 인식할 수 있다.

다만, 실시 예에 따라 로봇(100a) 또는 서버(200a)는 사용자들 각각의 음성 등을 추가로 이용하여 사용자들 각각의 감정을 인식할 수도 있다.

이에 기초하여 도 8을 참조하면, 로봇(100a) 또는 서버(200a)가 구비하는 감성 인식기(800)는, 감성 데이터를 입력 데이터(840)로 사용하여 딥러닝(Deep Learning)을 수행할 수 있다.

본 발명의 일 실시예에 따른 감성 인식기(800)는 유니모달 입력 데이터에 포함된 사용자의 감성 정보를 인식하도록 학습된 복수의 모달별 인식기(821, 822, 823)를 포함하는 유니모달 전처리기(820), 및, 상기 복수의 모달별 인식기(821, 822, 823)의 출력 데이터들을 병합하고, 병합된 데이터에 포함된 사용자의 감성 정보를 인식하도록 학습된 멀티모달 인식기(810)를 포함할 수 있다.

감성 데이터는 사용자의 감성에 대한 정보를 가지고 있는 감성 정보 데이터로, 감성 인식에 사용될 수 있는 감성 정보인 영상, 음성, 생체 신호 데이터를 포함할 수 있다. 바람직하게는, 상기 입력 데이터(840)는 사용자의 얼굴을 포함하는 비디오 데이터(Video)일 수 있고, 더욱 바람직하게는 상기 입력 데이터(840)는 사용자의 음성을 포함하는 오디오(Audio) 데이터를 더 포함할 수 있다.

감성은, 자극에 대하여 느낌이 일어나는 능력, 감각적 자극이나 인상을 받아들이는 마음의 성질로, 감성 공학에서는 환경의 변화나 외부로부터의 물리적인 자극에 대한 인간 내부의 고차원적인 심리적인 체험으로 쾌적감, 불쾌감 등 복합적인 감정으로 정의하고 있다.

본 명세서에서, 감성은 자극에 대하여 발생하는 쾌적감, 불쾌감 등의 감정을 의미할 수 있고, 감성은 N개의 대표적인 감정 상태 중 어느 하나로 인식될 수 있다. 이러한 N개의 대표적인 감정 상태를 감성 클래스로 명명할 수 있다.

예를 들어, 감성 인식기(800)는 놀람(surprise), 행복(happiness), 슬픔(sadness), 싫음(displeasure), 분노(anger), 두려움(fear) 등 6개의 대표적인 감정 클래스를 인식하고 감성 인식 결과로 대표적인 감정 클래스 중 하나를 출력하거나, 6개의 대표적인 감정 클래스 별 확률값으로 출력할 수 있다.

또는, 본 발명의 일 실시예에 따른 감성 인식기(800)가 인식하고 출력하는 감성으로 놀람, 행복, 슬픔, 싫음, 분노, 두려움과 같은 감성 클래스 외에 6개의 감정이 발생하지 않은 디폴트 감정 상태를 나타내는 중립(neutrality) 감성 클래스를 더 포함할 수 있다.

이 경우에, 감성 인식기(800)는 놀람, 행복, 슬픔, 싫음, 분노, 두려움, 중립 중 선택된 어느 하나의 감성 클래스를 감성 인식 결과로 출력하거나, 놀람 x%, 행복 x%, 슬픔 x%, 싫음 x%, 분노 x%, 두려움 x%, 중립 x%와 같이 각 감성 클래스 별 확률값을 감성 인식 결과로 출력할 수 있다.

인지하고자 하는 감성을 딥러닝 학습시킨 인공지능 모델로 사용자의 감성을 인식하면, 결과값으로는 딥러닝 학습시 사용한 데이터의 태깅값으로 출력하게 된다.

한편, 실환경에서는 사용자의 감성이 최종적으로 1개의 감성으로 나올 수 없는 경우가 많다. 예를 들어, 사용자가 말로는 기쁨 감성을 표시하지만 얼굴 표정에서는 싫음 감성이 표현될 수 있다. 이와 같이, 사람들이 음성, 영상, 텍스트 등의 각 모달 별로 다른 감성을 출력하는 경우가 많다.

따라서, 사용자의 감성을 인식하여 최종 하나의 감성값으로 출력하거나 음성, 영상, 텍스트 각각의 다른 감성, 모순된 감성, 유사한 감성 등을 무시할 경우, 실제 사용자가 느끼는 감정과 다른 감정을 인식할 수 있다.

사용자의 외부로 드러나는 모든 정보를 기반으로 각각의 감성을 인지하고 관리하기 위하여, 본 발명의 일 실시예에 따른 감성 인식기(800)는, 음성, 영상, 텍스트 각각의 유니모달 별로 감성 인식이 가능하고, 멀티모달로도 감성 인식이 가능한 구조를 가질 수 있다.

즉, 본 발명의 일 실시예에 따른 감성 인식기(800)는, 특정 시점에 입력되는 사용자의 감성을 유니모달 별로 인식하고, 동시에 멀티모달로 복합 인식할 수 있다.

한편, 복수의 모달별 인식기(821, 822, 823)는 각각 입력되는 한가지의 유니모달 입력 데이터를 인식하여 처리하는 것으로 유니모달 인식기로도 명명될 수 있다.

본 발명의 일 실시예에 따른 감성 인식기(800)는 입력 데이터(840)를 각 유니모달 별로 분리하여 상기 복수의 유니모달 입력 데이터를 생성할 수 있다. 모달 분리기(830)는, 입력 데이터(840)를 복수의 유니모달 입력 데이터들로 분리할 수 있다.

여기서, 상기 복수의 유니모달 입력 데이터는, 상기 사용자를 포함하는 동영상 데이터에서 분리된 영상 유니모달 입력 데이터, 음성 유니모달 입력 데이터, 텍스트 유니모달 입력 데이터를 포함할 수 있다.

예를 들어, 입력 데이터(840)는 사용자가 촬영된 동영상 데이터일 수 있고, 동영상 데이터는 사용자의 얼굴 등이 촬영된 비디오 데이터와 사용자가 발화한 음성을 포함하는 오디오 데이터를 포함할 수 있다.

이 경우에, 모달 분리기(830)는 입력 데이터(840)에 포함되는 오디오 데이터의 내용을 텍스트 데이터로 변환한 텍스트 유니모달 입력 데이터(831)와 음성 톤, 크기, 높이 등 오디오 데이터의 음성(sound) 유니모달 입력 데이터(832)로 분리할 수 있다.

상기 텍스트 유니모달 입력 데이터(831)는, 상기 동영상 데이터에서 분리된 음성을 텍스트로 변환한 데이터일 수 있다. 경우에 따라서, 음성(sound) 유니모달 입력 데이터(832)는 오디오 데이터의 음원 파일 그 자체이거나 음원 파일에서 노이즈 제거 등 전처리가 완료된 파일일 수 있다.

또한, 모달 분리기(830)는 입력 데이터(840)에 포함되는 비디오 데이터로부터 하나 이상의 얼굴 이미지 데이터를 포함하는 영상 유니모달 입력 데이터(833)를 분리할 수 있다.

한편, 분리된 유니모달 입력 데이터들(831, 832, 833)은, 각 유니모달 입력 데이터들(831, 832, 833)에 기초하여 사용자의 감성 정보를 인식하도록 학습된 복수의 모달별 인식기(821, 822, 823)를 포함하는 유니모달 전처리기(820)로 입력될 수 있다.

예를 들어, 텍스트 유니모달 입력 데이터(831)는 텍스트를 학습 데이터로 사용하여 딥러닝을 수행하는 텍스트 감성 인식기(821)로 입력될 수 있다.

음성(sound) 유니모달 입력 데이터(832)는 음성 학습 데이터로 사용하여 딥러닝을 수행하는 음성(speech) 감성 인식기(822)로 입력될 수 있다.

하나 이상의 얼굴 이미지 데이터를 포함하는 영상 유니모달 입력 데이터(833)는 영상 학습 데이터로 사용하여 딥러닝을 수행하는 얼굴(face) 감성 인식기(823)로 입력될 수 있다.

텍스트 감성 인식기(821)는 텍스트로 변환된 STT(Sound to text) 데이터에 포함되는 어휘, 문장 구조 등을 인식하여 사용자의 감성을 인식할 수 있다. 예를 들어, 행복에 관련된 단어를 많이 사용하거나 행복의 정도를 강하게 표현하는 단어가 인식될수록 행복 감성 클래스에 대한 확률값이 다른 감성 클래스에 대한 확률값보다 높게 인식할 수 있다. 또는 텍스트 감성 인식기(821)는 인식된 텍스트에 대응하는 감성 클래스인 행복을 감정 인식 결과로 바로 출력할 수 있다.

또한, 텍스트 감성 인식기(821)는 감성 인식 결과와 함께 텍스트 특징점 벡터도 출력할 수 있다.

음성(speech) 감성 인식기(822)는 입력되는 음성 데이터의 특징점들을 추출한다. 이때, 상기 음성 특징점들은 음성의 톤(tone), 음량, 파형 등을 포함할 수 있다. 음성(speech) 감성 인식기(822)는 음성의 톤(tone) 등을 검출하여 사용자의 감성을 판별할 수 있다.

또한, 음성(speech) 감성 인식기(822)도 감성 인식 결과와 검출한 음성 특징점 벡터들을 출력할 수 있다.

얼굴 감성 인식기(823)는 입력된 이미지 데이터에서 사용자의 얼굴 영역을 검출하고, 얼굴 표정을 구성하는 특징점들인 표정 랜드마크(Landmark) 포인트 정보를 인식함으로써 사용자의 표정을 인식할 수 있다. 또한, 얼굴 감성 인식기(823)는 인식된 표정에 대응하는 감성 클래스 또는 감성 클래스별 확률값을 출력할 수 있고, 얼굴 특징점(표정 랜드마트 포인트) 벡터도 출력할 수 있다.

한편, 상기 복수의 모달별 인식기는, 각각 입력되는 유니모달 입력 데이터의 입력 특성에 대응하는 인공신경망을 포함할 수 있다. 또한, 멀티모달 감성 인식기(811)도 입력 데이터의 특성에 대응하는 인공신경망을 포함할 수 있다.

예를 들어, 영상 기반의 학습 및 인식을 수행하는 얼굴 감정 인식기(823)는 CNN(Convolutional Neural Network), 다른 감성 인식기들(821, 822)은 심층신경망(DNN), 멀티모달 감성 인식기(811)는 순환 신경망(Recurrent Neural Network: RNN)의 인공신경망을 포함할 수 있다.

모달별 감성 인식기(821, 822, 823)는 각각 입력되는 유니모달 입력 데이터(831, 832, 833)에 포함된 감성 정보를 인식하여 감성 인식 결과를 출력할 수 있다. 예를 들어, 모달별 감성 인식기(821, 822, 823)는 소정 개수의 기설정된 감성 클래스(class) 중 확률이 가장 큰 감성 클래스를 감성 인식 결과로 출력하거나 감정 클래스 별 확률값을 감성 인식 결과로 출력할 수 있다.

한편, 모달별 감성 인식기(821, 822, 823)는 각각의 딥러닝 구조에서 텍스트, 음성, 영상을 학습, 인식하고, 각 유니모달 별 특징점 벡터로 구성되는 중간 벡터값을 도출할 수 있다.

또한, 멀티모달 인식기(810)는, 각 음성, 영상, 텍스트의 중간 벡터값으로 멀티모달 딥러닝을 수행할 수 있다.

이와 같이, 모달별 감성 인식기(821, 822, 823)의 출력에 기초하여 멀티모달 인식기(810)의 입력이 생성되므로, 모달별 감성 인식기(821, 822, 823)들은 일종의 전처리기로서 동작할 수 있다.

한편, 본 발명의 일 실시예에 따른 감성 인식기(800)는, 3개의 모달별 감성 인식기(821, 822, 823)의 딥러닝 모델과 1개의 멀티모달 인식기(810)의 딥러닝 모델 총 4개의 딥러닝 모델을 사용할 수 있다.

한편, 멀티모달 인식기(810)는 복수의 모달별 인식기(821, 822, 823)가 출력하는 특징점 벡터들을 결합하는 병합기(812), 및, 상기 병합기(812)의 출력 데이터에 포함된 상기 사용자의 감성 정보를 인식하도록 학습된 멀티모달 감성 인식기(811)를 포함할 수 있다.

여기서, 병합기(812)는 복수의 모달별 인식기(821, 822, 823)의 출력 데이터들의 싱크를 맞추고, 특징점 벡터들을 결합(Vector Concatenation)하여 상기 멀티모달 감성 인식기(811)로 출력할 수 있다.

상기 멀티모달 감성 인식기(811)는 입력 데이터로부터 사용자의 감성 정보를 인식하여 감성 인식 결과를 출력할 수 있다.

예를 들어, 상기 멀티모달 감성 인식기(811)는 소정 개수의 기설정된 감성 클래스(class) 중 확률이 가장 큰 감성 클래스를 감성 인식 결과로 출력하거나 감정 클래스 별 확률값을 감성 인식 결과로 출력할 수 있다.

이에 따라, 본 발명의 일 실시예에 따른 감성 인식기(800)는, 복수의 유니모달 감성 인식 결과와 하나의 멀티모달 감성 인식 결과를 출력할 수 있다.

본 발명의 일 실시예에 따른 감성 인식기(800)는 복수의 유니모달 감성 인식 결과와 하나의 멀티모달 감성 인식 결과를 감성 클래스별 레벨(확률)로 출력할 수 있다.

예를 들어, 감성 인식기(800)는 놀람, 행복, 중립, 슬픔, 싫음, 분노, 두려움의 감성 클래스 별 확률값을 출력할 수 있고, 확률값이 높을수록 인지된 감성 클래스일 가능성이 높다는 것을 의미할 수 있다. 여기서, 7종의 감성 클래스들의 확률값 총합은 100%가 될 것이다.

감성 인식기(800)는, 상기 복수의 모달별 인식기 각각의 감성 인식 결과(821, 822, 823)와 상기 멀티모달 인식기(811)의 감성 인식 결과를 포함하는 복합 감성 인식 결과를 출력할 수 있다.

이에 따라, 로봇(100)은 유니모달 3개, 멀티모달 1개의 감성 인식 결과를 기반으로 감성교류 사용자 경험(UX)을 제공할 수 있다.

설정에 따라서, 감성 인식기(800)는 복합 감성 인식 결과에서 다수를 차지하는 인식 결과, 확률값이 가장 높은 인식 결과를 최종 인식 결과로 출력할 수 있다. 또는, 복수의 감성 인식 결과를 수신한 로봇(100a)의 프로세서(180) 또는 AI 서버(200)의 프로세서(260)가 소정 기준에 따라 최종 인식 결과를 판별할 수 있다.

본 발명에 따른 감성 인식기(800)는 음성(음성톤 등), 영상(얼굴 표정 등), 텍스트(말의 내용 등) 각각의 감성을 레벨로 인식하여 관리할 수 있다. 이에 따라, 모달별로 감성교류 사용자 경험(UX)을 다르게 처리할 수 있다.

또한, 유니모달(음성, 영상, 텍스트)별 감성 인식 결과와 멀티모달 감성 인식 결과값를 한 시점 기준으로 동시에 출력할 수 있다. 한 시점에서 입력되는 음성, 영상, 텍스트를 복합적으로 감성을 인식할 수 있어, 멀티모달 감성에서 각 유니모달별로 모순된 감성을 인식하여 사용자의 감성 성향을 파악할 수 있다. 이에 따라, 일부 모달에서 부정적인 입력이 들어와도 전체적인 감성을 인식하여 사용자의 진짜 감정 상태인 긍정적인 입력에 대응하는 감성교류 사용자 경험(UX)을 제공할 수도 있다.

본 발명에 따르면 로봇(100a)이 감성 인식기(800)를 구비하거나 감성 인식기(800)를 구비하는 AI 서버(200)와 통신하여 사용자만의 유니모달별 감성을 파악할 수 있다.

또한, 감성 인식기(800)는 사용자만의 감성 패턴 분석을 할 수 있고, 모달별 감성인식으로 감성케어(치료)에 활용 가능하다.

종래의 감성 방법은 입력 데이터의 모달별 인식 결과가 다른 모순된 감성의경우 감성을 하나로 맵핑하여 감성을 분석하기엔 어려움이 많았다.

하지만, 상기 감성 인식기(800)에 따르면, 여러 개의 입력과 출력을 통해 다양한 실생활 상황에 대해 가장 부합하게 처리할 수 있다.

낮은 성능을 보이는 입력 인식기를 보완하기 위해, 감성 인식기(800)는 여러 개의 입력과 출력을 결합(Fusion) 방식으로 복수의 인식기(811, 821, 822, 823)가 서로 상호 보완하는 인식기 구조를 구성할 수 있다.

본 발명의 일 실시예에 따른 감성 인식기(800)는, 음성을 소리와 뜻으로 분리하여, 영상, 음성 입력으로부터, 영상, 음성(사운드) 및 STT 총 3개의 입력을 만들 수 있다.

또한, 3개의 입력에 대해 각각 최적의 성능을 내기 위해 감성 인식기(800)는 CNN(Convolutional Neural Network)와 Long Short-Term Memory(LSTM) 등 입력별로 다른 인공신경망 모델을 가지게 구성할 수 있다. 예를 들어, 영상 기반의 인식기(823)는 CNN 구조를 가지고, 멀티모달 감성 인식기(811)는 Long Short-Term Memory(LSTM) 구조를 가질 수 있다. 이에 따라, 각 입력 특성에 맞춤형 신경망을 구성할 수 있다.

각 입력에 대한 유니모달 인식기(821, 822, 823)의 출력은 7종 감성 클래스에 대한 확률값과 이 감성을 잘 표현하는 특징점들의 벡터값일 수 있다.

멀티모달 인식기(810)는, 단순히 3개의 입력에 대한 감성값을 통계적 방법으로 계산하는 것이 아닌 감성을 잘 표현하는 특징점들의 벡터값을 전결합 레이어와 LSTM을 통해 결합하여, 한 인식기가 어려워하는 문제를 다른 인식기가 도와주는 형태로 성능 향상에 도움을 주며, 실생활에서 다양한 케이스들을 커버할 수 있다.

예를 들어, 얼굴을 인식하기 어려운 곳에서 말만 들리는 경우에도 본 발명의 일 실시예에 따른 감성 인식기(800)는 음성 기반의 인식기(821, 822) 및 멀티모달 감성 인식기(811)가 사용자의 감성을 인식할 수 있다.

또한, 감성 인식기(800)는 영상, 음성, 문자 데이터에 대한 각각의 인식 결과와 멀티모달 인식 결과를 융합함으로써 사용자의 복잡한 감정 상태를 인식할 수 있기 때문에, 실제 생활에서의 다양한 상황에 대해서 감성 인식이 가능하다.

도 9 내지 도 13은 도 6 내지 도 7의 실시 예와 관련된 예시도들이다.

도 9 및 도 10을 참조하면, 로봇(100a)의 프로세서(180)는 콘텐츠(900, 901)의 출력 중 카메라(142)를 통해 복수의 사용자들(911~915)을 포함하는 영상(910)을 획득할 수 있다.

프로세서(180)는 획득된 영상(910)에 대해, 기 공지된 다양한 방식의 얼굴 인식 알고리즘을 이용하여, 복수의 사용자들(911~915)을 인식할 수 있다.

구체적으로, 프로세서(180)는 복수의 사용자들(911~915) 각각의 얼굴을 포함하는 얼굴 영역(F1~F5)을 감지함으로써, 상기 영상(910)으로부터 복수의 사용자들(911~915)을 인식할 수 있다.

실시 예에 따라, 메모리(170)에 복수의 사용자들(911~915)에 대한 식별 정보가 존재하는 경우, 프로세서(180)는 인식된 복수의 사용자들(911~915)을 식별할 수도 있다.

프로세서(180)는 인식된 복수의 사용자들(911~915) 각각에 대한 감정을 인식할 수 있다.

예컨대, 프로세서(180)는 감지된 얼굴 영역들(F1~F5)을 추출하고, 추출된 얼굴 영역들(F1~F5)에 해당하는 이미지 각각을 감정 인식기(800)로 입력할 수 있다.

도 11의 예를 참조하면, 프로세서(180)는 감정 인식기(800)를 이용하여, 복수의 사용자들(911~915) 각각에 대해, 복수의 감정 클래스들 각각의 확률값을 획득하고, 획득된 확률값에 기초하여 복수의 사용자들(911~915) 각각의 감정을 인식할 수 있다.

감정 인식기(800)는 얼굴 감정 인식기(823)를 통해, 상기 추출된 얼굴 영역들(F1~F5) 각각에 대응하는 감정을 인식할 수 있다. 예컨대, 감정 인식기(800)는 얼굴 영역들(F1~F5) 각각에 대해, 복수의 감정 클래스들(예를 들어, 분노, 싫음, 두려움, 행복, 슬픔, 놀람, 및 중립) 각각의 확률값을 감정 인식 결과로서 출력할 수 있다.

프로세서(180)는 확률값이 가장 높은 감정 클래스를, 해당 사용자의 감정으로서 인식할 수 있다.

예컨대, 프로세서(180)는 제1 사용자(911), 제2 사용자(912), 및 제4 사용자(914)의 감정은 '행복'에 해당하는 것으로 인식하고, 제3 사용자(913) 및 제5 사용자(915)의 감정은 '중립'에 해당하는 것으로 인식할 수 있다.

프로세서(180)는, 사용자들(F1~F5)의 감정 인식 결과에 기초하여, 사용자들(F1~F5)을 포함하는 그룹의 무드를 판별할 수 있다.

예컨대, 프로세서(180)는 감정 클래스에 대한 사용자들(F1~F5)의 확률값들의 평균값을 산출할 수 있다. 프로세서(180)는 감정 클래스들 각각에 대해 산출된 평균값 중 가장 높은 평균값을 갖는 감정 클래스를, 상기 그룹의 무드로 판별할 수 있다.

도 11에 도시된 실시 예의 경우 '행복'에 해당하는 감정 클래스의 확률값이 가장 높으므로, 프로세서(180)는 상기 그룹의 무드를 '행복'에 대응하는 무드로 판별할 수 있다.

도 12를 참조하면, 프로세서(180)는 판별된 무드에 기초한 피드백을 출력할 수 있다.

예컨대, 프로세서(180)는 '행복'에 대응하는 얼굴 표정(1200)을 디스플레이(152)를 통해 출력할 수 있다. 또한, 프로세서(180)는 '행복'에 대응하는 음성 메시지(1201)를 스피커(154)를 통해 출력할 수 있다.

도 13을 참조하면, 프로세서(180)는 판별된 무드에 따라 서로 다른 다양한 피드백을 출력할 수 있다.

도 13의 (a)를 참조하면, 판별된 무드가 '놀람'에 해당하는 경우, 프로세서(180)는 '놀람'에 대응하는 얼굴 표정(1300)을 디스플레이(152)를 통해 출력할 수 있다. 또한, 프로세서(180)는 '놀람'에 대응하는 음성 메시지(1301)를 스피커(154)를 통해 출력할 수 있다.

실시 예에 따라, 프로세서(180)는 '놀람'에 대응하는 움직임을 수행하도록 회전 기구(160)를 제어할 수 있다.

도 13의 (b)를 참조하면, 판별된 무드가 '슬픔'에 해당하는 경우, 프로세서(180)는 '슬픔'에 대응하는 얼굴 표정(1310)을 디스플레이(152)를 통해 출력할 수 있다. 또한, 프로세서(180)는 '슬픔'에 대응하는 음성 메시지(1311)를 스피커(154)를 통해 출력할 수 있다.

즉, 도 6 내지 도 13에 도시된 실시 예에 따르면, 로봇(100a) (또는 서버(200a))는, 로봇(100a)을 통해 제공되는 콘텐츠에 대한 사용자들의 감정을 인식하고, 인식된 감정에 기초한 그룹의 무드에 적합한 피드백을 출력할 수 있다. 이에 따라, 상기 그룹의 사용자들의 콘텐츠에 대한 집중도나 몰입도가 보다 향상될 수 있다. 또한, 로봇(100a)이 그룹의 무드에 공감하는 형태의 피드백을 출력함에 따라, 사용자들은 로봇(100a)에 대한 친밀감이나 유대감을 보다 강하게 느낄 수 있고, 로봇(100a)의 활용성이 향상될 수 있다.

실시 예에 따라, 상기 무드에 대응하는 얼굴 표정이나 음성 메시지는 복수일 수 있고, 프로세서(180)는 복수의 얼굴 표정이나 음성 메시지 중 임의의 얼굴 표정이나 음성 메시지를 출력함으로써, 획일화되지 않은 다양한 피드백을 제공할 수 있다.

도 14는 본 발명의 실시 예에 따른 로봇을 이용하여, 그룹에 포함된 복수의 사용자들 중 특정 사용자에게 피드백을 제공하는 동작을 설명하기 위한 플로우차트이다. 도 15는 도 14의 실시 예와 관련된 예시도이다.

도 14를 참조하면, 로봇(100a) 또는 서버(200a)는 복수의 사용자들 각각의 감정을 인식하고, 그룹의 무드를 판별할 수 있다(S300).

S300 단계와 관련된 내용은 도 6 및 도 7에서 상술한 바 있으므로, 이에 대한 설명은 생략한다.

로봇(100a) 또는 서버(200a)는, 복수의 사용자들 각각에 대해 감정 편차를 분석할 수 있다(S310).

프로세서(180 또는 260)는, 복수의 사용자들 각각에 대해 인식된 감정에 기초하여, 상기 복수의 사용자들 간의 감정 편차를 분석할 수 있다.

예컨대, 프로세서(180 또는 260)는 도 11에 도시된 바와 같은 인식 결과로부터, 감정 편차가 기준 편차보다 큰 적어도 하나의 사용자를 구별할 수 있다.

일례로, 프로세서(180 또는 260)는 그룹의 무드로 판별된 감정 클래스의 확률값이 기준값 미만인 사용자를 상기 감정 편차가 기준 편차보다 큰 사용자로 구별할 수 있다.

또는, 프로세서(180 또는 260)는 그룹의 무드로 판별되지 않은 감정 클래스들의 확률값들 중 기준값보다 큰 확률값을 갖는 사용자를 상기 감정 편차가 기준 편차보다 큰 사용자로 구별할 수도 있다. 프로세서(180 또는 260)는 기타 다양한 방식에 따라 감정 편차가 기준 편차보다 큰 사용자를 구별할 수 있다.

도 11의 실시 예에 따르면, 제3 사용자(913)의 감정 편차가 기준 편차보다 클 수 있다.

분석 결과에 기초하여, 로봇(100a)은 상기 복수의 사용자들 중 적어도 하나의 사용자에 대한 피드백을 출력할 수 있다(S320).

감정 편차가 기준 편차보다 큰 사용자는, 로봇(100a)에서 출력 중인 콘텐츠에 대한 집중도가 낮은 사용자에 해당할 가능성이 높다.

이에 따라, 프로세서(180)는 상기 감정 편차가 기준 편차보다 큰 사용자에 대해, 콘텐츠에 대한 집중을 유도하기 위한 피드백을 출력할 수 있다.

예컨대, 도 15에 도시된 바와 같이, 프로세서(180)는 제3 사용자(913)의 주의를 환기하고 집중을 유도하기 위한 음성 메시지(1501)를 스피커(154)를 통해 출력할 수 있다.

상기 음성 메시지(1501)의 출력 시, 프로세서(180)는 기 제공 중인 콘텐츠의 출력을 일시적으로 정지할 수 있으나, 반드시 그러한 것은 아니다.

제3 사용자(913)는 상기 출력된 음성 메시지(1501)를 청취함으로써, 로봇(100a)이 제공하는 콘텐츠에 집중할 수 있다.

즉, 도 14 내지 도 15에 도시된 실시 예에 따르면, 로봇(100a)은 복수의 사용자들의 감정 인식 결과에 기초하여 특정 사용자의 콘텐츠 집중 상태를 추정가능하므로, 해당 사용자에 대한 주의를 환기하고 콘텐츠에 보다 집중하도록 유도할 수 있다. 이에 따라, 로봇(100a)은 복수의 사용자들에게 콘텐츠를 보다 효과적으로 제공할 수 있다.

도 16은 본 발명의 실시 예에 따른 로봇을 이용하여, 복수의 사용자들을 포함하는 그룹의 무드 판별 및 그에 따른 피드백을 제공하는 동작의 일 실시 예를 설명하기 위한 플로우차트이다.

도 16을 참조하면, S400 단계 내지 S410 단계는 도 6의 S100 단계 내지 S120 단계, 또는 도 7의 S200 단계 내지 S240 단계와 실질적으로 동일한 바, 이에 대한 설명은 생략하기로 한다.

로봇(100a) 또는 서버(200a)는, 인식된 복수의 사용자들 중, 리액션을 수행하는 사용자를 감지할 수 있다(S420).

프로세서(180 또는 260)는 로봇(100a)의 카메라(142)를 통해 획득된 영상으로부터, 상기 리액션을 수행하는 사용자를 감지할 수 있다.

상기 리액션은 사용자의 소정 행위를 의미하는 것으로서, 예컨대 제스쳐나 발화 등을 포함할 수 있다.

일례로, 프로세서(180 또는 260)는 획득된 영상에 포함된 사용자의 손동작이나 신체 일부의 움직임을 분석함으로써, 사용자의 제스쳐 수행 여부를 감지할 수 있다.

또는, 프로세서(180 또는 260)는 획득된 영상에 포함된 사용자의 입모양이나 입의 움직임을 분석함으로써, 사용자의 발화 여부를 감지할 수 있다. 실시 에에 따라, 프로세서(180 또는 260)는 로봇(100a)의 마이크로폰(124)을 통해 획득되는 음성 데이터를 추가로 활용하여 상기 사용자의 발화 여부를 감지할 수도 있다.

한편, 프로세서(180 또는 260)는 출력 중인 콘텐츠와 관련된 리액션을 수행하는 사용자만을 감지할 수도 있다. 예컨대, 프로세서(180 또는 260)는 로봇(100a)의 디스플레이(152)를 바라보고 있지 않은 사용자가 상기 리액션을 수행하는 경우에는, 상기 사용자를 리액션을 수행하는 사용자로서 감지하지 않을 수도 있다.

로봇(100a) 또는 서버(200a)는 감지된 사용자에 대응하는 감정 인식 결과에 가중치(weight)를 부여하고(S430), S410 단계의 감정 인식 결과 및 상기 가중치의 부여 결과에 기초하여 그룹의 무드를 판별할 수 있다(S440).

상기 리액션을 수행하는 사용자는, 다른 사용자에 비해 콘텐츠에 대한 집중도나 몰입도가 높을 수 있다. 또한, 상기 리액션을 수행하는 사용자는 그룹의 전반적인 무드를 리드하는 사용자일 수 있다.

이에 따라, 프로세서(180 또는 260)는 감지된 사용자의 감정 인식 결과에 대해 가중치를 부여할 수 있다. 예컨대, 도 9 내지 도 12의 예시도들에서, 제1 사용자가 리액션을 수행하는 것으로 감지된 경우, 프로세서(180 또는 260)는 도 11의 표에 개시된 제1 사용자의 감정 클래스들 각각의 확률값에 가중치를 더하거나 곱함으로써 상기 확률값들을 증가시킬 수 있다.

그 결과, 그룹의 무드를 판별하는 데 있어서 제1 사용자의 감정 인식 결과가 차지하는 비중이 증가할 수 있다.

로봇(100a)은 판별된 무드에 기초한 피드백을 출력할 수 있다(S450).

즉, 도 16에 도시된 실시 예에 따르면, 로봇(100a) 또는 서버(200)는 그룹의 사용자들 중 소정 리액션을 수행하는 사용자의 감정 인식 결과에 대해 가중치를 부여하여 그룹의 무드를 판별함으로써, 상기 그룹의 무드를 보다 정확히 판별할 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

디스플레이 및 스피커 중 적어도 하나를 포함하는 출력부;
카메라; 및
콘텐츠를 출력하도록 상기 출력부를 제어하고,
상기 콘텐츠의 출력 중, 상기 카메라를 통해 복수의 사용자들을 포함하는 영상을 획득하고,
획득된 영상에 기초하여 상기 복수의 사용자들을 포함하는 그룹의 무드를 판별하고,
판별된 무드에 기초한 피드백을 출력하도록 상기 출력부를 제어하는 프로세서를 포함하는 로봇.
제1항에 있어서,
상기 프로세서는,
상기 영상에 포함된 상기 복수의 사용자들 각각의 표정 정보에 기초하여, 상기 복수의 사용자들 각각의 감정을 인식하고,
상기 복수의 사용자들 각각에 대해 인식된 감정에 기초하여, 상기 그룹의 무드를 판별하는 로봇.
제2항에 있어서,
상기 프로세서는,
상기 영상으로부터 상기 복수의 사용자들 각각의 얼굴 영역 이미지를 추출하고,
추출된 복수의 얼굴 영역 이미지들 각각을 딥러닝 기반으로 학습된 감성 인식기로 입력하고,
상기 감성 인식기로부터, 상기 복수의 사용자들 각각의 감정 인식 결과를 획득하는 로봇.
제3항에 있어서,
상기 감정 인식 결과는,
복수의 감정 클래스들 각각의 확률값을 포함하고,
상기 프로세서는,
상기 확률값들 중 가장 높은 확률값을 갖는 감정 클래스를, 사용자의 감정으로서 인식하는 로봇.
제4항에 있어서,
상기 프로세서는,
상기 복수의 감정 클래스들 각각에 대한 상기 복수의 사용자들의 확률값들의 평균값을 산출하고,
산출된 평균값들 중 가장 높은 평균값을 갖는 감정 클래스를 상기 그룹의 무드로 판별하는 로봇.
제5항에 있어서,
상기 프로세서는,
상기 영상으로부터, 상기 복수의 사용자들 중 리액션을 수행하는 제1 사용자를 감지하고,
상기 감지된 제1 사용자의 확률값들에 가중치를 부여하고,
상기 가중치가 부여된 제1 사용자의 확률값들, 및 나머지 사용자들의 확률값들에 기초하여 상기 그룹의 무드를 판별하는 로봇.
제4항에 있어서,
상기 프로세서는,
상기 복수의 사용자들 각각의 감정 인식 결과에 기초하여, 상기 복수의 사용자들 간의 감정 편차를 확인하고,
상기 감정 편차가 기준 편차보다 큰 적어도 하나의 사용자에 대한 피드백을 출력하도록 상기 출력부를 제어하는 로봇.
제1항에 있어서,
서버와 연결하기 위한 통신부를 더 포함하고,
상기 프로세서는,
상기 획득된 영상을 상기 서버로 전송하고,
상기 서버로부터 상기 그룹의 무드 정보를 수신하고,
수신된 무드 정보에 기초한 피드백을 출력하도록 상기 출력부를 제어하는 로봇.
제1항에 있어서,
상기 피드백은,
상기 무드에 대응하여 상기 디스플레이를 통해 출력되는 로봇 얼굴 표정, 및 상기 무드에 대응하여 상기 스피커를 통해 출력되는 로봇 음성 중 적어도 하나를 포함하는 로봇.
제9항에 있어서,
상기 피드백은,
상기 무드에 대응하여, 상기 로봇에 포함된 적어도 하나의 모터의 구동을 통해 제공되는 상기 로봇의 움직임을 더 포함하는 로봇.
로봇을 이용한 무드 인식 방법에 있어서,
디스플레이 및 스피커 중 적어도 하나를 통해 콘텐츠를 출력하는 단계;
상기 콘텐츠의 출력 중, 카메라를 통해 복수의 사용자들을 포함하는 영상을 획득하는 단계;
획득된 영상에 기초하여 상기 복수의 사용자들을 포함하는 그룹의 무드를 인식하는 단계; 및
인식된 무드에 기초한 피드백을 상기 디스플레이 및 상기 스피커 중 적어도 하나를 통해 출력하는 단계를 포함하는 로봇을 이용한 무드 인식 방법.
제11항에 있어서,
상기 무드를 인식하는 단계는,
상기 영상에 포함된 상기 복수의 사용자들 각각의 표정 정보에 기초하여, 상기 복수의 사용자들 각각의 감정을 인식하는 단계; 및
상기 복수의 사용자들 각각에 대해 인식된 감정에 기초하여 상기 그룹의 무드를 인식하는 단계를 포함하는 로봇을 이용한 무드 인식 방법.
제12항에 있어서,
상기 복수의 사용자들 각각의 감정을 인식하는 단계는,
상기 영상으로부터 상기 복수의 사용자들 각각의 얼굴 영역 이미지를 추출하는 단계;
추출된 복수의 얼굴 영역 이미지들 각각을 딥러닝 기반으로 학습된 감성 인식기로 입력하는 단계; 및
상기 감성 인식기로부터 상기 복수의 사용자들 각각의 감정 인식 결과를 획득하는 단계를 포함하는 로봇을 이용한 무드 인식 방법.
제13항에 있어서,
상기 감정 인식 결과는,
복수의 감정 클래스들 각각의 확률값을 포함하고,
상기 복수의 사용자들 각각의 감정을 인식하는 단계는,
상기 확률값들 중 가장 높은 확률값을 갖는 감정 클래스를, 사용자의 감정으로 인식하는 단계를 더 포함하는 로봇을 이용한 무드 인식 방법.
제14항에 있어서,
상기 무드를 인식하는 단계는,
상기 복수의 감정 클래스들 각각에 대한 상기 복수의 사용자들의 확률값들의 평균값을 산출하는 단계; 및
산출된 평균값들 중 가장 높은 평균값을 갖는 감정 클래스를 상기 그룹의 무드로 인식하는 단계를 포함하는 로봇을 이용한 무드 인식 방법.