KR20190103080A - 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스 - Google Patents

인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스 Download PDF

Info

Publication number
KR20190103080A
KR20190103080A KR1020190099958A KR20190099958A KR20190103080A KR 20190103080 A KR20190103080 A KR 20190103080A KR 1020190099958 A KR1020190099958 A KR 1020190099958A KR 20190099958 A KR20190099958 A KR 20190099958A KR 20190103080 A KR20190103080 A KR 20190103080A
Authority
KR
South Korea
Prior art keywords
text
learning
voice
information
speech recognition
Prior art date
Application number
KR1020190099958A
Other languages
English (en)
Other versions
KR102321798B1 (ko
Inventor
김다미
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190099958A priority Critical patent/KR102321798B1/ko
Publication of KR20190103080A publication Critical patent/KR20190103080A/ko
Priority to US16/567,880 priority patent/US11037548B2/en
Application granted granted Critical
Publication of KR102321798B1 publication Critical patent/KR102321798B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/16—Speech classification or search using artificial neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G10L15/063—Training
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G10L15/187—Phonemic context, e.g. pronunciation rules, phonotactical constraints or phoneme n-grams
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0044—Arrangements for allocating sub-channels of the transmission path allocation of payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L5/00—Arrangements affording multiple use of the transmission path
    • H04L5/003—Arrangements for allocating sub-channels of the transmission path
    • H04L5/0053—Allocation of signaling, i.e. of overhead other than pilot signals
    • H04W72/042—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/20—Control channels or signalling for resource management
    • H04W72/23—Control channels or signalling for resource management in the downlink direction of a wireless link, i.e. towards a terminal
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
    • G10L2015/025—Phonemes, fenemes or fenones being the recognition units
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/227—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of the speaker; Human-factor methodology
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
    • G10L2015/228—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of application context
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/0208—Noise filtering
    • G10L21/0216—Noise filtering characterised by the method used for estimating noise
    • G10L2021/02161—Number of inputs available containing the signal or the noise to be suppressed

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

인공 신경망 기반의 음성 인식 모델을 학습시키는 방법이 개시된다. 본 발명의 일 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 사용자의 음성 특징을 나타내는 타겟 데이터(target data)와 사용자의 음성 이외 노이즈를 나타내는 비특징에 대한 비타겟 데이터(non-target data)를 무작위로 입력 및 출력 값으로 하여 사용자의 음성을 학습하고, 노이즈가 포함된 상황에서 사용자의 음성을 인식하는 음성 인식 모델이다.
본 발명의 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스는 인공 지능(Artificial Intelligence) 모듈, 로봇, 증강 현실(Augmented Reality, AR) 장치, 가상 현실(virtual reality, VR) 장치, 5G 서비스와 관련된 장치 등과 연계될 수 있다.

Description

인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스{DEEPLEARING METHOD FOR VOICE RECOGNITION MODEL AND VOICE RECOGNITION DEVICE BASED ON ARTIFICAL NEURAL NETWORK}
본 발명은 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법에 관한 것으로서, 보다 구체적으로는 음성 인식 모델은, 특징을 나타내는 타겟 데이터(target data)와 비특징을 나타내는 비타겟 데이터(non-target data)를 무작위로 입력 및 출력 값으로 하여 사용자의 음성을 학습한 뒤, 노이즈가 포함된 상황에서 사용자의 음성을 인식할 수 있도록 하는 딥러닝 기반의 음성 인식 모델을 학습시키는 방법에 관한 것이다.
음성 인식은 사용자의 음성을 입력 받아 자동으로 문자로 변환하여 인식하는 기술이며, 근래에 들어 스마트폰이나 TV 등에서 키보드 입력을 대체하기 위한 인터페이스 기술로서 음성 인식이 사용되고 있다.
음성 인식 디바이스는 음성 인식을 수행하는 장치이며, 수신된 사용자의 발화를 인식하여 음성 신호를 획득하고, 음성 신호를 분석한 결과에 기반하여 미리 정해진 동작을 수행할 수 있다.
음성 인식 관련 기술 및 홈 IoT(Internet of Things) 관련 기술(예: 5G 통신 기술)의 발달에 힘입어, 복수의 음성 인식 디바이스가 사용자의 발화(기동어)를 인식하여 획득한 음성 신호를 홈 IoT 서버가 수신하고, 홈 IoT 서버가 음성 신호를 분석하여 복수의 음성 인식 디바이스 중 사용자의 발화에 응답할 응답 기기로서 음성 인식 디바이스를 선택/기동시킬 수 있다.
이러한 음성 인식 디바이스들은 각각 배치된 장소와 내장된 마이크의 성능이 모두 다 다르며, 음성 인식 디바이스의 주변 환경으로부터 발생하는 많은 노이즈가 사용자의 발화에 포함되는 것이 일반적이므로, 이러한 노이즈에 의해 사용자의 발화 내용을 음성 인식 디바이스가 정확히 인식하지 못하는 경우가 있다.
또한, 음성 인식 디바이스 자체에서 사용자의 발화를 수신하는 구성의 상태 또는 음성 인식 디바이스 별로 사용자의 발화를 인식하는 방식도 상이하므로, 다양한 환경 속에 배치된 각 음성 인식 디바이스들이 사용자의 발화 내용을 정확히 파악하지 못하는 문제가 있다.
본 발명은 전술한 필요성 및/또는 문제점을 해결하는 것을 목적으로 한다.
본 발명은 음성 인식 디바이스 주변의 다양한 환경으로부터 발생한 노이즈들을 포함하는 사용자의 발화를 AI 프로세싱을 통해 학습하여, 음성 인식 디바이스가 사용자의 발화 내용을 정확히 인식하고 음성 인식률을 향상시키는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 제1 데이터베이스로부터 제1 및 제2 음성데이터를 획득하는 단계, 상기 제1 및 제2 음성데이터를 각각 입력 및 출력 값으로 하여 제1 학습 모델에 입력하는 단계, 상기 제1 학습 모델을 통해 상기 제1 및 제2 음성데이터를 1차 학습한 학습 결과를 중간 출력 값으로 도출하는 단계, 제2 데이터베이스로부터 제3 음성데이터, 상기 제3 음성데이터에 대한 자모 정보를 포함하는 타겟 레이블(target label) 및 음소 셋리스트(phoneme setlist)를 획득하는 단계, 상기 중간 출력 값, 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 입력 및 출력 값으로 하여 제2 학습 모델에 입력하는 단계 및 상기 제2 학습 모델을 통해 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 학습한 최종 학습 결과를 최종 출력 값으로 도출하는 단계를 포함하고, 상기 제1 및 제2 음성데이터는 동일한 의미와 동일한 음소를 가지는 발화로 구성되지만 서로 다른 노이즈 값을 포함하는 것을 특징으로 한다.
상기 노이즈 값은 발화자, 음성 인식 디바이스의 종류, 상기 음성 인식 디바이스와 상기 발화자 간의 거리, 잔향, 상기 음성 인식 디바이스 주변에서 발생하는 음향에 대한 정보들을 나타내는 비타겟 데이터(non-target data)들을 포함하며, 상기 비타겟 데이터를 구성하는 값은 랜덤하게 결정될 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 최종 출력 값을 텍스트(text)로 변환하는 단계, 상기 텍스트를 출력하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 텍스트를 디코더에 입력하는 단계, 상기 디코더에 의해 디코딩된 데이터가 도출되는 단계 및 상기 디코딩된 데이터를 검증하여 문자 에러율을 측정하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 문자 에러율을 측정하는 단계에서 도출된 상기 텍스트에 대한 문자 에러율에 따라 상기 제1 학습 모델에 사용되는 학습 레이어의 개수를 결정하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 음성 인식 디바이스에 제4 음성데이터가 입력되는 단계, 상기 제4 음성데이터를 입력 값으로 하고, 상기 최종 출력 값, 상기 타겟 레이블 및 상기 음소 셋리스트를 출력 값으로 하여, 음성 인식 모델에 입력하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 음성 인식 모델을 통해 상기 제4 음성데이터, 상기 최종 출력 값, 상기 타겟 레이블 및 상기 음소 셋리스트를 학습한 음성인식 결과 값을 텍스트로 변환하는 단계 및 상기 텍스트를 출력하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 음성 인식 디바이스를 통해 상기 음성인식 결과 값을 텍스트로 변환하는 단계에서 도출된 텍스트를 인식한 상황과 관련된 정보를 획득하는 단계, 상기 텍스트를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하는 단계 및 상기 임계 상황 판단 분류 모델에 적용한 결과에 기반하여 상기 음성 인식 디바이스가 상기 텍스트를 인식한 상황이 임계 상황인지 여부를 판단하는 단계를 더 포함할 수 있다.
본 발명의 다른 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은, 상기 음성 인식 디바이스가 상기 텍스트를 인식한 상황이 임계 상황인 것으로 판단한 경우, 상기 음성 인식 디바이스는 상기 텍스트와 대응하는 기능을 실행하는 단계를 더 포함할 수 있다.
상기 텍스트를 인식한 상황과 관련된 정보는 상기 텍스트를 인식한 시간 정보, 상기 텍스트를 발화한 것으로 인식된 사용자 정보, 상기 음성 인식 디바이스의 위치 정보, 상기 음성 인식 디바이스 주변의 음향 정보 및 상기 텍스트의 발화 위치 정보를 포함하되, 상기 주변 음향 정보는 상기 사용자가 발화한 음성 이외의 음향 정보일 수 있다.
상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 디바이스에 저장되며, 상기 외부 AI 디바이스로 상기 텍스트를 인식한 상황과 관련된 정보에 대한 특징 값을 전송하는 단계, 상기 외부 AI 디바이스에 상기 텍스트를 인식한 상황과 관련된 정보가 입력되는 단계 및 상기 외부 AI 디바이스로부터 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계를 더 포함할 수 있다.
상기 임계 상황 판단 분류 모델은 네트워크에 저장되며, 상기 네트워크로 상기 텍스트를 인식한 상황과 관련된 정보를 전송하는 단계 및 상기 네트워크로부터, 상기 텍스트를 인식한 상황과 관련된 정보가 상기 임계 상황 판단 분류 모델에 적용된 결과를 획득하는 단계를 더 포함할 수 있다.
상기 네트워크로 상기 텍스트를 인식한 상황과 관련된 정보를 전송하는 단계는, 상기 텍스트를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)를 네트워크로부터 수신하는 단계를 더 포함하고, 상기 텍스트를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송될 수 있다.
상기 상기 텍스트를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI를 네트워크로부터 수신하는 단계는, SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계를 더 포함하고, 상기 텍스트를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되며, 상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어있을 수 있다.
본 발명의 일 실시예에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 음성 인식 디바이스는 사용자의 발화 정보를 포함하는 음성 데이터 및 음성 인식 디바이스 주변의 음향 데이터를 수집하는 음성 데이터 수집부, 상기 음성 데이터 수집부를 통해 수집한 음성 및 음향 데이터를 학습하여 음성 데이터를 추출하고 텍스트로 변환하는 AI 프로세서 및 네트워크와 통신 가능한 통신부를 포함하며, 상기 AI 프로세서는 제1 데이터베이스로부터 제1 및 제2 음성데이터를 획득하고, 제2 데이터베이스로부터 제3 음성데이터, 상기 제3 음성데이터에 대한 자모 정보를 포함하는 타겟 레이블 및 음소 셋리스트를 획득하고, 제1 학습 모델을 통해 상기 제1 및 제2 음성데이터를 각각 입력 및 출력 값으로 하여 1차 학습을 수행하고, 제2 학습 모델을 통해 상기 1차 학습의 결과로 도출된 중간 출력 값, 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 입력 및 출력 값으로 하여 2차 학습을 수행하고, 상기 2차 학습의 결과로 생성된 최종 출력 값을 텍스트로 변환하고 출력하며, 상기 제1 및 제2 음성데이터는 동일한 의미와 동일한 음소를 가지는 발화로 구성되지만 서로 다른 노이즈 값을 포함하는 것을 특징으로 한다.
상기 노이즈 값은 발화자, 음성 인식 디바이스의 종류, 상기 음성 인식 디바이스와 상기 발화자 간의 거리, 잔향, 상기 음성 인식 디바이스 주변에서 발생하는 음향에 대한 정보들을 나타내는 비타겟 데이터(non-target data)들을 포함하며, 상기 비타겟 데이터를 구성하는 값은 랜덤하게 결정될 수 있다.
본 발명에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법은 AI 프로세싱을 통해 노이즈가 포함된 음성데이터로부터 사용자의 음성을 정확히 인식할 수 있도록 음성 인식 모델을 학습시키므로, 본 발명에 따른 음성 인식 모델을 포함하는 음성 인식 디바이스가 사용자의 음성을 정확하게 인식할 수 있다.
도 1은 이종 전자 디바이스들이 클라우드 네트워크와 연결되는 5G 네트워크 환경에 대한 일 실시예를 나타내는 개념도이다.
도 2은 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 3은 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 4는 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
도 5는 본 발명의 일 실시 예에 따른 음성 인식 디바이스를 포함하는 음성 인식 시스템의 개략적인 블록도이다.
도 6은 본 발명에 따른 음성 인식 디바이스가 인식한 음성 처리 과정이 클라우드 환경(cloud environment or server environment)에서 수행되는 예를 도시한 도면이다.
도 7은 본 발명에 따른 음성 인식 디바이스가 인식한 음성 처리 과정이 음성 인식 디바이스에서 자체적으로 이루어지는 온 디바이스 프로세싱(On-device processing)의 예를 도시한 도면이다.
도 8은 도 6 및 도 7에 도시된 본 발명에 따른 지능형 에이전트 모듈의 개략적인 구성을 보여주는 블록도이다.
도 9는 본 발명의 일 실시예에 따른 지능형 에이전트 모듈의 구체적인 블록도이다.
도 10은 본 발명의 일 실시 예에 따른 지능형 에이전트 모듈이 타겟 데이터와 비타겟 데이터를 학습하는 과정을 나타낸 순서도이다.
도 11은 본 발명의 일 실시 예에 따른 지능형 에이전트 모듈이 학습 모델에 사용되는 학습 레이어의 수를 결정하는 과정을 나타내는 순서도이다.
도 12는 서로 다른 노이즈 값을 가지는 제1 및 제2 음성데이터가 구성되는 것을 나타낸 표이다.
도 13은 본 발명에 따른 지능형 에이전트 모듈이 새로이 인식된 음성을 학습하는 과정을 순서도로 나타내고 있다.
도 14는 본 발명에 따른 지능형 에이전트 모듈이 최종적으로 인식한 음성을 이용하여 음성 인식 디바이스가 기능을 실행하도록 하는 과정을 나타낸 순서도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 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.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, AI 프로세싱된 정보를 필요로 하는 장치 및/또는 AI 프로세서가 필요로 하는 5G 통신(5th generation mobile communication)을 단락 A 내지 단락 G를 통해 설명하기로 한다.
5G의 세 가지 주요 요구 사항 영역은 (1) 개선된 모바일 광대역 (Enhanced Mobile Broadband, eMBB) 영역, (2) 다량의 머신 타입 통신 (massive Machine Type Communication, mMTC) 영역 및 (3) 초-신뢰 및 저 지연 통신 (Ultra-reliable and Low Latency Communications, URLLC) 영역을 포함한다.
일부 사용 예(Use Case)는 최적화를 위해 다수의 영역들이 요구될 수 있고, 다른 사용 예는 단지 하나의 핵심 성능 지표 (Key Performance Indicator, KPI)에만 포커싱될 수 있다. 5G는 이러한 다양한 사용 예들을 유연하고 신뢰할 수 있는 방법으로 지원하는 것이다.
eMBB는 기본적인 모바일 인터넷 액세스를 훨씬 능가하게 하며, 풍부한 양방향 작업, 클라우드 또는 증강현실에서 미디어 및 엔터테인먼트 애플리케이션을 커버한다. 데이터는 5G의 핵심 동력 중 하나이며, 5G 시대에서 처음으로 전용 음성 서비스를 볼 수 없을 수 있다. 5G에서, 음성은 단순히 통신 시스템에 의해 제공되는 데이터 연결을 사용하여 응용 프로그램으로서 처리될 것이 기대된다. 증가된 트래픽 양(volume)을 위한 주요 원인들은 콘텐츠 크기의 증가 및 높은 데이터 전송률을 요구하는 애플리케이션 수의 증가이다. 스트리밍 서비스 (오디오 및 비디오), 대화형 비디오 및 모바일 인터넷 연결은 더 많은 장치가 인터넷에 연결될수록 더 널리 사용될 것이다. 이러한 많은 응용 프로그램들은 사용자에게 실시간 정보 및 알림을 푸쉬하기 위해 항상 켜져 있는 연결성이 필요하다. 클라우드 스토리지 및 애플리케이션은 모바일 통신 플랫폼에서 급속히 증가하고 있으며, 이것은 업무 및 엔터테인먼트 모두에 적용될 수 있다. 그리고, 클라우드 스토리지는 상향링크 데이터 전송률의 성장을 견인하는 특별한 사용 예이다. 5G는 또한 클라우드의 원격 업무에도 사용되며, 촉각 인터페이스가 사용될 때 우수한 사용자 경험을 유지하도록 훨씬 더 낮은 단-대-단(end-to-end) 지연을 요구한다. 엔터테인먼트 예를 들어, 클라우드 게임 및 비디오 스트리밍은 모바일 광대역 능력에 대한 요구를 증가시키는 또 다른 핵심 요소이다. 엔터테인먼트는 기차, 차 및 비행기와 같은 높은 이동성 환경을 포함하는 어떤 곳에서든지 스마트폰 및 태블릿에서 필수적이다. 또 다른 사용 예는 엔터테인먼트를 위한 증강현실 및 정보 검색이다. 여기서, 증강현실은 매우 낮은 지연과 순간적인 데이터 양을 필요로 한다.
또한, 가장 많이 예상되는 5G 사용 예 중 하나는 모든 분야에서 임베디드 센서를 원활하게 연결할 수 있는 기능 즉, mMTC에 관한 것이다. 2020년까지 잠재적인 IoT 장치들은 204 억 개에 이를 것으로 예측된다. 산업 IoT는 5G가 스마트 도시, 자산 추적(asset tracking), 스마트 유틸리티, 농업 및 보안 인프라를 가능하게 하는 주요 역할을 수행하는 영역 중 하나이다.
URLLC는 주요 인프라의 원격 제어 및 자체-구동 차량(self-driving vehicle)과 같은 초 신뢰 / 이용 가능한 지연이 적은 링크를 통해 산업을 변화시킬 새로운 서비스를 포함한다. 신뢰성과 지연의 수준은 스마트 그리드 제어, 산업 자동화, 로봇 공학, 드론 제어 및 조정에 필수적이다.
다음으로, 다수의 사용 예들에 대해 보다 구체적으로 살펴본다.
5G는 초당 수백 메가 비트에서 초당 기가 비트로 평가되는 스트림을 제공하는 수단으로 FTTH (fiber-to-the-home) 및 케이블 기반 광대역 (또는 DOCSIS)을 보완할 수 있다. 이러한 빠른 속도는 가상현실과 증강현실뿐 아니라 4K 이상(6K, 8K 및 그 이상)의 해상도로 TV를 전달하는데 요구된다. VR(Virtual Reality) 및 AR(Augmented Reality) 애플리케이션들은 거의 몰입형(immersive) 스포츠 경기를 포함한다. 특정 응용 프로그램은 특별한 네트워크 설정이 요구될 수 있다. 예를 들어, VR 게임의 경우, 게임 회사들이 지연을 최소화하기 위해 코어 서버를 네트워크 오퍼레이터의 에지 네트워크 서버와 통합해야 할 수 있다.
자동차(Automotive)는 차량에 대한 이동 통신을 위한 많은 사용 예들과 함께 5G에 있어 중요한 새로운 동력이 될 것으로 예상된다. 예를 들어, 승객을 위한 엔터테인먼트는 동시의 높은 용량과 높은 이동성 모바일 광대역을 요구한다. 그 이유는 미래의 사용자는 그들의 위치 및 속도와 관계없이 고품질의 연결을 계속해서 기대하기 때문이다. 자동차 분야의 다른 활용 예는 증강현실 대시보드이다. 이는 운전자가 앞면 창을 통해 보고 있는 것 위에 어둠 속에서 물체를 식별하고, 물체의 거리와 움직임에 대해 운전자에게 말해주는 정보를 겹쳐서 디스플레이 한다. 미래에, 무선 모듈은 차량들 간의 통신, 차량과 지원하는 인프라구조 사이에서 정보 교환 및 자동차와 다른 연결된 디바이스들(예를 들어, 보행자에 의해 수반되는 디바이스들) 사이에서 정보 교환을 가능하게 한다. 안전 시스템은 운전자가 보다 안전한 운전을 할 수 있도록 행동의 대체 코스들을 안내하여 사고의 위험을 낮출 수 있게 한다. 다음 단계는 원격 조종되거나 자체 운전 차량(self-driven vehicle)이 될 것이다. 이는 서로 다른 자체 운전 차량들 사이 및 자동차와 인프라 사이에서 매우 신뢰성이 있고, 매우 빠른 통신을 요구한다. 미래에, 자체 운전 차량이 모든 운전 활동을 수행하고, 운전자는 차량 자체가 식별할 수 없는 교통 이상에만 집중하도록 할 것이다. 자체 운전 차량의 기술적 요구 사항은 트래픽 안전을 사람이 달성할 수 없을 정도의 수준까지 증가하도록 초 저 지연과 초고속 신뢰성을 요구한다.
스마트 사회(smart society)로서 언급되는 스마트 도시와 스마트 홈은 고밀도 무선 센서 네트워크로 임베디드될 것이다. 지능형 센서의 분산 네트워크는 도시 또는 집의 비용 및 에너지-효율적인 유지에 대한 조건을 식별할 것이다. 유사한 설정이 각 가정을 위해 수행될 수 있다. 온도 센서, 창 및 난방 컨트롤러, 도난 경보기 및 가전 제품들은 모두 무선으로 연결된다. 이러한 센서들 중 많은 것들이 전형적으로 낮은 데이터 전송 속도, 저전력 및 저비용이다. 하지만, 예를 들어, 실시간 HD 비디오는 감시를 위해 특정 타입의 장치에서 요구될 수 있다.
열 또는 가스를 포함한 에너지의 소비 및 분배는 고도로 분산화되고 있어, 분산 센서 네트워크의 자동화된 제어가 요구된다. 스마트 그리드는 정보를 수집하고 이에 따라 행동하도록 디지털 정보 및 통신 기술을 사용하여 이런 센서들을 상호 연결한다. 이 정보는 공급 업체와 소비자의 행동을 포함할 수 있으므로, 스마트 그리드가 효율성, 신뢰성, 경제성, 생산의 지속 가능성 및 자동화된 방식으로 전기와 같은 연료들의 분배를 개선하도록 할 수 있다. 스마트 그리드는 지연이 적은 다른 센서 네트워크로 볼 수도 있다.
건강 부문은 이동 통신의 혜택을 누릴 수 있는 많은 응용 프로그램을 보유하고 있다. 통신 시스템은 멀리 떨어진 곳에서 임상 진료를 제공하는 원격 진료를 지원할 수 있다. 이는 거리에 대한 장벽을 줄이는데 도움을 주고, 거리가 먼 농촌에서 지속적으로 이용하지 못하는 의료 서비스들로의 접근을 개선시킬 수 있다. 이는 또한 중요한 진료 및 응급 상황에서 생명을 구하기 위해 사용된다. 이동 통신 기반의 무선 센서 네트워크는 심박수 및 혈압과 같은 파라미터들에 대한 원격 모니터링 및 센서들을 제공할 수 있다.
무선 및 모바일 통신은 산업 응용 분야에서 점차 중요해지고 있다. 배선은 설치 및 유지 비용이 높다. 따라서, 케이블을 재구성할 수 있는 무선 링크들로의 교체 가능성은 많은 산업 분야에서 매력적인 기회이다. 그러나, 이를 달성하는 것은 무선 연결이 케이블과 비슷한 지연, 신뢰성 및 용량으로 동작하는 것과, 그 관리가 단순화될 것이 요구된다. 낮은 지연과 매우 낮은 오류 확률은 5G로 연결될 필요가 있는 새로운 요구 사항이다.
물류(logistics) 및 화물 추적(freight tracking)은 위치 기반 정보 시스템을 사용하여 어디에서든지 인벤토리(inventory) 및 패키지의 추적을 가능하게 하는 이동 통신에 대한 중요한 사용 예이다. 물류 및 화물 추적의 사용 예는 전형적으로 낮은 데이터 속도를 요구하지만 넓은 범위와 신뢰성 있는 위치 정보가 필요하다.
본 명세서에서 후술할 본 발명은 전술한 5G의 요구 사항을 만족하도록 각 실시예를 조합하거나 변경하여 구현될 수 있다.
도 1을 참조하면, AI 시스템은 AI 서버(20), 로봇(11), 자율주행 차량(12), XR 장치(13), 스마트폰(14) 또는 가전(15) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(11), 자율주행 차량(12), XR 장치(13), 스마트폰(14) 또는 가전(15) 등을 AI 장치(11 내지 15)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 시스템을 구성하는 각 장치들(11 내지 15, 20)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(11 내지 15, 20)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(20)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(20)는 AI 시스템을 구성하는 AI 장치들인 로봇(11), 자율주행 차량(12), XR 장치(13), 스마트폰(14) 또는 가전(15) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(11 내지 15)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이 때, AI 서버(20)는 AI 장치(11 내지 15)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(11 내지 15)에 전송할 수 있다.
이 때, AI 서버(20)는 AI 장치(11 내지 15)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(11 내지 15)로 전송할 수 있다.
또는, AI 장치(11 내지 15)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
<AI+로봇>
로봇(11)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(11)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(11)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(11)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(11)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(11)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(11)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(11)에서 직접 학습되거나, AI 서버(20) 등의 외부 장치에서 학습된 것일 수 있다.
이 때, 로봇(11)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(20) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(11)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(11)을 주행시킬 수 있다.
맵 데이터에는 로봇(11)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(11)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이 때, 로봇(11)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율주행 차량(12)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율주행 차량(12)은 자율주행 기능을 제어하기 위한 자율주행 제어 모듈을 포함할 수 있고, 자율주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율주행 제어 모듈은 자율주행 차량(12)의 구성으로써 내부에 포함될 수도 있지만, 자율주행 차량(12)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율주행 차량(12)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율주행 차량(12)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율주행 차량(12)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(11)과와 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율주행 차량(12)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율주행 차량(12)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율주행 차량(12)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율주행 차량(12)에서 직접 학습되거나, AI 서버(20) 등의 외부 장치에서 학습된 것일 수 있다.
이 때, 자율주행 차량(12)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(20) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율주행 차량(12)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 자율주행 차량(12)을 주행시킬 수 있다.
맵 데이터에는 자율주행 차량(12)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율주행 차량(12)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이 때, 자율주행 차량(12)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(13)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(13)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(13)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(13)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(13)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(13)에서 직접 학습되거나, AI 서버(20) 등의 외부 장치에서 학습된 것일 수 있다.
이 때, XR 장치(13)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(20) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(11)은 AI 기술 및 자율주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율주행 기술이 적용된 로봇(11)은 자율주행 기능을 가진 로봇 자체나, 자율주행 차량(12)과 상호작용하는 로봇(11) 등을 의미할 수 있다.
자율주행 기능을 가진 로봇(11)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율주행 기능을 가진 로봇(11) 및 자율주행 차량(12)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율주행 기능을 가진 로봇(11) 및 자율주행 차량(12)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율주행 차량(12)과 상호작용하는 로봇(11)은 자율주행 차량(100b100a)와과 별개로 존재하면서, 자율주행 차량(12)의 내부 또는 외부에서 자율주행 기능에 연계되거나, 자율주행 차량(12)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이 때, 자율주행 차량(12)과 상호작용하는 로봇(11)은 자율주행 차량(12)을를 대신하여 센서 정보를 획득하여 자율주행 차량(12)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율주행 차량(12)에 제공함으로써, 자율주행 차량(12)의 자율주행 기능을 제어하거나 보조할 수 있다.
또는, 자율주행 차량(12)과 상호작용하는 로봇(11)은 자율주행 차량(12)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율주행 차량(12)의 기능을 제어할 수 있다. 예컨대, 로봇(11)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율주행 차량(12)의 자율주행 기능을 활성화하거나 자율주행 차량(12)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(11)이 제어하는 자율주행 차량(12)의 기능에는 단순히 자율주행 기능뿐만 아니라, 자율주행 차량(12)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율주행 차량(12)과 상호작용하는 로봇(11)은 자율주행 차량(12)의 외부에서 자율주행 차량(12)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(11)은 스마트 신호등과 같이 자율주행 차량(12)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율주행 차량(12)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(11)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(11)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(11)은 XR 장치(13)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(11)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(11) 또는 XR 장치(13)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(13)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(11)은 XR 장치(13)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(13) 등의 외부 장치를 통해 원격으로 연동된 로봇(11)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(11)의 자율주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율주행 차량(12)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율주행 차량(12)은 XR 영상을 제공하는 수단을 구비한 자율주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량(12)은 XR 장치(13)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율주행 차량(12)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율주행 차량(12)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이 때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율주행 차량(12)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율주행 차량(12)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량(12)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율주행 차량(12) 또는 XR 장치(13)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(13)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율주행 차량(12)은 XR 장치(13) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
[확장현실 기술]
확장현실(XR: eXtended Reality)은 가상현실(VR: Virtual Reality), 증강현실(AR: Augmented Reality), 혼합현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
A. UE 및 5G 네트워크 블록도 예시
도 2는 본 명세서에서 제안하는 방법들이 적용될 수 있는 무선 통신 시스템의 블록 구성도를 예시한다.
도 2를 참조하면, AI 모듈을 포함하는 장치(AI 장치)를 제1 통신 장치로 정의(도 1의 910)하고, 프로세서(911)가 AI 상세 동작을 수행할 수 있다.
AI 장치와 통신하는 다른 장치(AI 서버)를 포함하는 5G 네트워크를 제2 통신 장치(도 1의 920)하고, 프로세서(921)가 AI 상세 동작을 수행할 수 있다.
5G 네트워크가 제 1 통신 장치로, AI 장치가 제 2 통신 장치로 표현될 수도 있다.
예를 들어, 상기 제 1 통신 장치 또는 상기 제 2 통신 장치는 기지국, 네트워크 노드, 전송 단말, 수신 단말, 무선 장치, 무선 통신 장치, 차량, 자율주행 기능을 탑재한 차량, 커넥티드카(Connected Car), 드론(Unmanned Aerial Vehicle, UAV), AI(Artificial Intelligence) 모듈, 로봇, AR(Augmented Reality) 장치, VR(Virtual Reality) 장치, MR(Mixed Reality) 장치, 홀로그램 장치, 공공 안전 장치, MTC 장치, IoT 장치, 의료 장치, 핀테크 장치(또는 금융 장치), 보안 장치, 기후/환경 장치, 5G 서비스와 관련된 장치 또는 그 이외 4차 산업 혁명 분야와 관련된 장치일 수 있다.
예를 들어, 단말 또는 UE(User Equipment)는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device, 예를 들어, 워치형 단말기 (smartwatch), 글래스형 단말기 (smart glass), HMD(head mounted display)) 등을 포함할 수 있다. 예를 들어, HMD는 머리에 착용하는 형태의 디스플레이 장치일 수 있다. 예를 들어, HMD는 VR, AR 또는 MR을 구현하기 위해 사용될 수 있다. 예를 들어, 드론은 사람이 타지 않고 무선 컨트롤 신호에 의해 비행하는 비행체일 수 있다. 예를 들어, VR 장치는 가상 세계의 객체 또는 배경 등을 구현하는 장치를 포함할 수 있다. 예를 들어, AR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 연결하여 구현하는 장치를 포함할 수 있다. 예를 들어, MR 장치는 현실 세계의 객체 또는 배경 등에 가상 세계의 객체 또는 배경을 융합하여 구현하는 장치를 포함할 수 있다. 예를 들어, 홀로그램 장치는 홀로그래피라는 두 개의 레이저 광이 만나서 발생하는 빛의 간섭현상을 활용하여, 입체 정보를 기록 및 재생하여 360도 입체 영상을 구현하는 장치를 포함할 수 있다. 예를 들어, 공공 안전 장치는 영상 중계 장치 또는 사용자의 인체에 착용 가능한 영상 장치 등을 포함할 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 사람의 직접적인 개입이나 또는 조작이 필요하지 않는 장치일 수 있다. 예를 들어, MTC 장치 및 IoT 장치는 스마트 미터, 벤딩 머신, 온도계, 스마트 전구, 도어락 또는 각종 센서 등을 포함할 수 있다. 예를 들어, 의료 장치는 질병을 진단, 치료, 경감, 처치 또는 예방할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 상해 또는 장애를 진단, 치료, 경감 또는 보정할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 구조 또는 기능을 검사, 대체 또는 변형할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 임신을 조절할 목적으로 사용되는 장치일 수 있다. 예를 들어, 의료 장치는 진료용 장치, 수술용 장치, (체외) 진단용 장치, 보청기 또는 시술용 장치 등을 포함할 수 있다. 예를 들어, 보안 장치는 발생할 우려가 있는 위험을 방지하고, 안전을 유지하기 위하여 설치한 장치일 수 있다. 예를 들어, 보안 장치는 카메라, CCTV, 녹화기(recorder) 또는 블랙박스 등일 수 있다. 예를 들어, 핀테크 장치는 모바일 결제 등 금융 서비스를 제공할 수 있는 장치일 수 있다.
도 2를 참고하면, 제 1 통신 장치(910)와 제 2 통신 장치(920)은 프로세서(processor, 911,921), 메모리(memory, 914,924), 하나 이상의 Tx/Rx RF 모듈(radio frequency module, 915,925), Tx 프로세서(912,922), Rx 프로세서(913,923), 안테나(916,926)를 포함한다. Tx/Rx 모듈은 트랜시버라고도 한다. 각각의 Tx/Rx 모듈(915)는 각각의 안테나(926)을 통해 신호를 전송한다. 프로세서는 앞서 살핀 기능, 과정 및/또는 방법을 구현한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다. 보다 구체적으로, DL(제 1 통신 장치에서 제 2 통신 장치로의 통신)에서, 전송(TX) 프로세서(912)는 L1 계층(즉, 물리 계층)에 대한 다양한 신호 처리 기능을 구현한다. 수신(RX) 프로세서는 L1(즉, 물리 계층)의 다양한 신호 프로세싱 기능을 구현한다.
UL(제 2 통신 장치에서 제 1 통신 장치로의 통신)은 제 2 통신 장치(920)에서 수신기 기능과 관련하여 기술된 것과 유사한 방식으로 제 1 통신 장치(910)에서 처리된다. 각각의 Tx/Rx 모듈(925)는 각각의 안테나(926)을 통해 신호를 수신한다. 각각의 Tx/Rx 모듈은 RF 반송파 및 정보를 RX 프로세서(923)에 제공한다. 프로세서 (921)는 프로그램 코드 및 데이터를 저장하는 메모리 (924)와 관련될 수 있다. 메모리는 컴퓨터 판독 가능 매체로서 지칭될 수 있다.
본 발명의 일 실시예에 의하면, 상기 제1 통신 장치는 차량이 될 수 있으며, 상기 제2 통신 장치는 5G 네트워크가 될 수 있다.
B. 무선 통신 시스템에서 신호 송/수신 방법
도 3은 무선 통신 시스템에서 신호 송/수신 방법의 일례를 나타낸 도이다.
도 3을 참고하면, UE는 전원이 켜지거나 새로이 셀에 진입한 경우 BS와 동기를 맞추는 등의 초기 셀 탐색(initial cell search) 작업을 수행한다(S201). 이를 위해, UE는 BS로부터 1차 동기 채널(primary synchronization channel, P-SCH) 및 2차 동기 채널(secondary synchronization channel, S-SCH)을 수신하여 BS와 동기를 맞추고, 셀 ID 등의 정보를 획득할 수 있다. LTE 시스템과 NR 시스템에서 P-SCH와 S-SCH는 각각 1차 동기 신호(primary synchronization signal, PSS)와 2차 동기 신호(secondary synchronization signal, SSS)로 불린다. 초기 셀 탐색 후, UE는 BS로부터 물리 브로드캐스트 채널(physical broadcast channel, PBCH)를 수신하여 셀 내 브로드캐스트 정보를 획득할 수 있다. 한편, UE는 초기 셀 탐색 단계에서 하향링크 참조 신호(downlink reference Signal, DL RS)를 수신하여 하향링크 채널 상태를 확인할 수 있다. 초기 셀 탐색을 마친 UE는 물리 하향링크 제어 채널(physical downlink control channel, PDCCH) 및 상기 PDCCH에 실린 정보에 따라 물리 하향링크 공유 채널(physical downlink shared Channel, PDSCH)을 수신함으로써 좀더 구체적인 시스템 정보를 획득할 수 있다(S202).
한편, BS에 최초로 접속하거나 신호 전송을 위한 무선 자원이 없는 경우 UE는 BS에 대해 임의 접속 과정(random access procedure, RACH)을 수행할 수 있다(단계 S203 내지 단계 S206). 이를 위해, UE는 물리 임의 접속 채널(physical random access Channel, PRACH)을 통해 특정 시퀀스를 프리앰블로서 전송하고(S203 및 S205), PDCCH 및 대응하는 PDSCH를 통해 프리앰블에 대한 임의 접속 응답(random access response, RAR) 메시지를 수신할 수 있다(S204 및 S206). 경쟁 기반 RACH의 경우, 추가적으로 충돌 해결 과정(contention resolution procedure)를 수행할 수 있다.
상술한 바와 같은 과정을 수행한 UE는 이후 일반적인 상향링크/하향링크 신호 전송 과정으로서 PDCCH/PDSCH 수신(S207) 및 물리 상향링크 공유 채널(physical uplink shared Channel, PUSCH)/물리 상향링크 제어 채널(physical uplink control channel, PUCCH) 전송(S208)을 수행할 수 있다. 특히 UE는 PDCCH를 통하여 하향링크 제어 정보(downlink control information, DCI)를 수신한다. UE는 해당 탐색 공간 설정(configuration)들에 따라 서빙 셀 상의 하나 이상의 제어 요소 세트(control element set, CORESET)들에 설정된 모니터링 기회(occasion)들에서 PDCCH 후보(candidate)들의 세트를 모니터링한다. UE가 모니터할 PDCCH 후보들의 세트는 탐색 공간 세트들의 면에서 정의되며, 탐색 공간 세트는 공통 탐색 공간 세트 또는 UE-특정 탐색 공간 세트일 수 있다. CORESET은 1~3개 OFDM 심볼들의 시간 지속기간을 갖는 (물리) 자원 블록들의 세트로 구성된다. 네트워크는 UE가 복수의 CORESET들을 갖도록 설정할 수 있다. UE는 하나 이상의 탐색 공간 세트들 내 PDCCH 후보들을 모니터링한다. 여기서 모니터링이라 함은 탐색 공간 내 PDCCH 후보(들)에 대한 디코딩 시도하는 것을 의미한다. UE가 탐색 공간 내 PDCCH 후보들 중 하나에 대한 디코딩에 성공하면, 상기 UE는 해당 PDCCH 후보에서 PDCCH를 검출했다고 판단하고, 상기 검출된 PDCCH 내 DCI를 기반으로 PDSCH 수신 혹은 PUSCH 전송을 수행한다. PDCCH는 PDSCH 상의 DL 전송들 및 PUSCH 상의 UL 전송들을 스케줄링하는 데 사용될 수 있다. 여기서 PDCCH 상의 DCI는 하향링크 공유 채널과 관련된, 변조(modulation) 및 코딩 포맷과 자원 할당(resource allocation) 정보를 적어도 포함하는 하향링크 배정(assignment)(즉, downlink grant; DL grant), 또는 상향링크 공유 채널과 관련된, 변조 및 코딩 포맷과 자원 할당 정보를 포함하는 상향링크 그랜트(uplink grant; UL grant)를 포함한다.
도 3을 참고하여, 5G 통신 시스템에서의 초기 접속(Initial Access, IA) 절차에 대해 추가적으로 살펴본다.
UE는 SSB에 기반하여 셀 탐색(search), 시스템 정보 획득, 초기 접속을 위한 빔 정렬, DL 측정 등을 수행할 수 있다. SSB는 SS/PBCH(Synchronization Signal/Physical Broadcast channel) 블록과 혼용된다.
SSB는 PSS, SSS와 PBCH로 구성된다. SSB는 4개의 연속된 OFDM 심볼들에 구성되며, OFDM 심볼별로 PSS, PBCH, SSS/PBCH 또는 PBCH가 전송된다. PSS와 SSS는 각각 1개의 OFDM 심볼과 127개의 부반송파들로 구성되고, PBCH는 3개의 OFDM 심볼과 576개의 부반송파들로 구성된다.
셀 탐색은 UE가 셀의 시간/주파수 동기를 획득하고, 상기 셀의 셀 ID(Identifier)(예, Physical layer Cell ID, PCI)를 검출하는 과정을 의미한다. PSS는 셀 ID 그룹 내에서 셀 ID를 검출하는데 사용되고, SSS는 셀 ID 그룹을 검출하는데 사용된다. PBCH는 SSB (시간) 인덱스 검출 및 하프-프레임 검출에 사용된다.
336개의 셀 ID 그룹이 존재하고, 셀 ID 그룹 별로 3개의 셀 ID가 존재한다. 총 1008개의 셀 ID가 존재한다. 셀의 셀 ID가 속한 셀 ID 그룹에 관한 정보는 상기 셀의 SSS를 통해 제공/획득되며, 상기 셀 ID 내 336개 셀들 중 상기 셀 ID에 관한 정보는 PSS를 통해 제공/획득된다
SSB는 SSB 주기(periodicity)에 맞춰 주기적으로 전송된다. 초기 셀 탐색 시에 UE가 가정하는 SSB 기본 주기는 20ms로 정의된다. 셀 접속 후, SSB 주기는 네트워크(예, BS)에 의해 {5ms, 10ms, 20ms, 40ms, 80ms, 160ms} 중 하나로 설정될 수 있다.
다음으로, 시스템 정보 (system information; SI) 획득에 대해 살펴본다.
SI는 마스터 정보 블록(master information block, MIB)와 복수의 시스템 정보 블록(system information block, SIB)들로 나눠진다. MIB 외의 SI는 RMSI(Remaining Minimum System Information)으로 지칭될 수 있다. MIB는 SIB1(SystemInformationBlock1)을 나르는 PDSCH를 스케줄링하는 PDCCH의 모니터링을 위한 정보/파라미터를 포함하며 SSB의 PBCH를 통해 BS에 의해 전송된다. SIB1은 나머지 SIB들(이하, SIBx, x는 2 이상의 정수)의 가용성(availability) 및 스케줄링(예, 전송 주기, SI-윈도우 크기)과 관련된 정보를 포함한다. SIBx는 SI 메시지에 포함되며 PDSCH를 통해 전송된다. 각각의 SI 메시지는 주기적으로 발생하는 시간 윈도우(즉, SI-윈도우) 내에서 전송된다.
도 3을 참고하여, 5G 통신 시스템에서의 임의 접속(Random Access, RA) 과정에 대해 추가적으로 살펴본다.
임의 접속 과정은 다양한 용도로 사용된다. 예를 들어, 임의 접속 과정은 네트워크 초기 접속, 핸드오버, UE-트리거드(triggered) UL 데이터 전송에 사용될 수 있다. UE는 임의 접속 과정을 통해 UL 동기와 UL 전송 자원을 획득할 수 있다. 임의 접속 과정은 경쟁 기반(contention-based) 임의 접속 과정과 경쟁 프리(contention free) 임의 접속 과정으로 구분된다. 경쟁 기반의 임의 접속 과정에 대한 구체적인 절차는 아래와 같다.
UE가 UL에서 임의 접속 과정의 Msg1로서 임의 접속 프리앰블을 PRACH를 통해 전송할 수 있다. 서로 다른 두 길이를 가지는 임의 접속 프리앰블 시퀀스들이 지원된다. 긴 시퀀스 길이 839는 1.25 및 5 kHz의 부반송파 간격(subcarrier spacing)에 대해 적용되며, 짧은 시퀀스 길이 139는 15, 30, 60 및 120 kHz의 부반송파 간격에 대해 적용된다.
BS가 UE로부터 임의 접속 프리앰블을 수신하면, BS는 임의 접속 응답(random access response, RAR) 메시지(Msg2)를 상기 UE에게 전송한다. RAR을 나르는 PDSCH를 스케줄링하는 PDCCH는 임의 접속(random access, RA) 무선 네트워크 임시 식별자(radio network temporary identifier, RNTI)(RA-RNTI)로 CRC 마스킹되어 전송된다. RA-RNTI로 마스킹된 PDCCH를 검출한 UE는 상기 PDCCH가 나르는 DCI가 스케줄링하는 PDSCH로부터 RAR을 수신할 수 있다. UE는 자신이 전송한 프리앰블, 즉, Msg1에 대한 임의 접속 응답 정보가 상기 RAR 내에 있는지 확인한다. 자신이 전송한 Msg1에 대한 임의 접속 정보가 존재하는지 여부는 상기 UE가 전송한 프리앰블에 대한 임의 접속 프리앰블 ID가 존재하는지 여부에 의해 판단될 수 있다. Msg1에 대한 응답이 없으면, UE는 전력 램핑(power ramping)을 수행하면서 RACH 프리앰블을 소정의 횟수 이내에서 재전송할 수 있다. UE는 가장 최근의 경로 손실 및 전력 램핑 카운터를 기반으로 프리앰블의 재전송에 대한 PRACH 전송 전력을 계산한다.
상기 UE는 임의 접속 응답 정보를 기반으로 상향링크 공유 채널 상에서 UL 전송을 임의 접속 과정의 Msg3로서 전송할 수 있다. Msg3은 RRC 연결 요청 및 UE 식별자를 포함할 수 있다. Msg3에 대한 응답으로서, 네트워크는 Msg4를 전송할 수 있으며, 이는 DL 상에서의 경쟁 해결 메시지로 취급될 수 있다. Msg4를 수신함으로써, UE는 RRC 연결된 상태에 진입할 수 있다.
C. 5G 통신 시스템의 빔 관리(Beam Management, BM) 절차
BM 과정은 (1) SSB 또는 CSI-RS를 이용하는 DL BM 과정과, (2) SRS(sounding reference signal)을 이용하는 UL BM 과정으로 구분될 수 있다. 또한, 각 BM 과정은 Tx 빔을 결정하기 위한 Tx 빔 스위핑과 Rx 빔을 결정하기 위한 Rx 빔 스위핑을 포함할 수 있다.
SSB를 이용한 DL BM 과정에 대해 살펴본다.
SSB를 이용한 빔 보고(beam report)에 대한 설정은 RRC_CONNECTED에서 채널 상태 정보(channel state information, CSI)/빔 설정 시에 수행된다.
- UE는 BM을 위해 사용되는 SSB 자원들에 대한 CSI-SSB-ResourceSetList를 포함하는 CSI-ResourceConfig IE를 BS로부터 수신한다. RRC 파라미터 csi-SSB-ResourceSetList는 하나의 자원 세트에서 빔 관리 및 보고을 위해 사용되는 SSB 자원들의 리스트를 나타낸다. 여기서, SSB 자원 세트는 {SSBx1, SSBx2, SSBx3, SSBx4, ?}으로 설정될 수 있다. SSB 인덱스는 0부터 63까지 정의될 수 있다.
- UE는 상기 CSI-SSB-ResourceSetList에 기초하여 SSB 자원들 상의 신호들을 상기 BS로부터 수신한다.
- SSBRI 및 참조 신호 수신 전력(reference signal received power, RSRP)에 대한 보고와 관련된 CSI-RS reportConfig가 설정된 경우, 상기 UE는 최선(best) SSBRI 및 이에 대응하는 RSRP를 BS에게 보고한다. 예를 들어, 상기 CSI-RS reportConfig IE의 reportQuantity가 'ssb-Index-RSRP'로 설정된 경우, UE는 BS으로 최선 SSBRI 및 이에 대응하는 RSRP를 보고한다.
UE는 SSB와 동일한 OFDM 심볼(들)에 CSI-RS 자원이 설정되고, 'QCL-TypeD'가 적용 가능한 경우, 상기 UE는 CSI-RS와 SSB가 'QCL-TypeD' 관점에서 유사 동일 위치된(quasi co-located, QCL) 것으로 가정할 수 있다. 여기서, QCL-TypeD는 공간(spatial) Rx 파라미터 관점에서 안테나 포트들 간에 QCL되어 있음을 의미할 수 있다. UE가 QCL-TypeD 관계에 있는 복수의 DL 안테나 포트들의 신호들을 수신 시에는 동일한 수신 빔을 적용해도 무방하다.
다음으로, CSI-RS를 이용한 DL BM 과정에 대해 살펴본다.
CSI-RS를 이용한 UE의 Rx 빔 결정(또는 정제(refinement)) 과정과 BS의 Tx 빔 스위핑 과정에 대해 차례대로 살펴본다. UE의 Rx 빔 결정 과정은 반복 파라미터가 'ON'으로 설정되며, BS의 Tx 빔 스위핑 과정은 반복 파라미터가 'OFF'로 설정된다.
먼저, UE의 Rx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'ON'으로 세팅되어 있다.
- UE는 상기 RRC 파라미터 'repetition'이 'ON'으로 설정된 CSI-RS 자원 세트 내의 자원(들) 상에서의 신호들을 BS의 동일 Tx 빔(또는 DL 공간 도메인 전송 필터)을 통해 서로 다른 OFDM 심볼에서 반복 수신한다.
- UE는 자신의 Rx 빔을 결정한다.
- UE는 CSI 보고를 생략한다. 즉, UE는 상가 RRC 파라미터 'repetition'이 'ON'으로 설정된 경우, CSI 보고를 생략할 수 있다.
다음으로, BS의 Tx 빔 결정 과정에 대해 살펴본다.
- UE는 'repetition'에 관한 RRC 파라미터를 포함하는 NZP CSI-RS resource set IE를 RRC 시그널링을 통해 BS로부터 수신한다. 여기서, 상기 RRC 파라미터 'repetition'이 'OFF'로 세팅되어 있으며, BS의 Tx 빔 스위핑 과정과 관련된다.
- UE는 상기 RRC 파라미터 'repetition'이 'OFF'로 설정된 CSI-RS 자원 세트 내의 자원들 상에서의 신호들을 BS의 서로 다른 Tx 빔(DL 공간 도메인 전송 필터)을 통해 수신한다.
- UE는 최상의(best) 빔을 선택(또는 결정)한다.
- UE는 선택된 빔에 대한 ID(예, CRI) 및 관련 품질 정보(예, RSRP)를 BS으로 보고한다. 즉, UE는 CSI-RS가 BM을 위해 전송되는 경우 CRI와 이에 대한 RSRP를 BS으로 보고한다.
다음으로, SRS를 이용한 UL BM 과정에 대해 살펴본다.
- UE는 'beam management'로 설정된 (RRC 파라미터) 용도 파라미터를 포함하는 RRC 시그널링(예, SRS-Config IE)를 BS로부터 수신한다. SRS-Config IE는 SRS 전송 설정을 위해 사용된다. SRS-Config IE는 SRS-Resources의 리스트와 SRS-ResourceSet들의 리스트를 포함한다. 각 SRS 자원 세트는 SRS-resource들의 세트를 의미한다.
- UE는 상기 SRS-Config IE에 포함된 SRS-SpatialRelation Info에 기초하여 전송할 SRS 자원에 대한 Tx 빔포밍을 결정한다. 여기서, SRS-SpatialRelation Info는 SRS 자원별로 설정되고, SRS 자원별로 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용할지를 나타낸다.
- 만약 SRS 자원에 SRS-SpatialRelationInfo가 설정되면 SSB, CSI-RS 또는 SRS에서 사용되는 빔포밍과 동일한 빔포밍을 적용하여 전송한다. 하지만, SRS 자원에 SRS-SpatialRelationInfo가 설정되지 않으면, 상기 UE는 임의로 Tx 빔포밍을 결정하여 결정된 Tx 빔포밍을 통해 SRS를 전송한다.
다음으로, 빔 실패 복구(beam failure recovery, BFR) 과정에 대해 살펴본다.
빔포밍된 시스템에서, RLF(Radio Link Failure)는 UE의 회전(rotation), 이동(movement) 또는 빔포밍 블로키지(blockage)로 인해 자주 발생할 수 있다. 따라서, 잦은 RLF가 발생하는 것을 방지하기 위해 BFR이 NR에서 지원된다. BFR은 무선 링크 실패 복구 과정과 유사하고, UE가 새로운 후보 빔(들)을 아는 경우에 지원될 수 있다. 빔 실패 검출을 위해, BS는 UE에게 빔 실패 검출 참조 신호들을 설정하고, 상기 UE는 상기 UE의 물리 계층으로부터의 빔 실패 지시(indication)들의 횟수가 BS의 RRC 시그널링에 의해 설정된 기간(period) 내에 RRC 시그널링에 의해 설정된 임계치(threshold)에 이르면(reach), 빔 실패를 선언(declare)한다. 빔 실패가 검출된 후, 상기 UE는 PCell 상의 임의 접속 과정을 개시(initiate)함으로써 빔 실패 복구를 트리거하고; 적절한(suitable) 빔을 선택하여 빔 실패 복구를 수행한다(BS가 어떤(certain) 빔들에 대해 전용 임의 접속 자원들을 제공한 경우, 이들이 상기 UE에 의해 우선화된다). 상기 임의 접속 절차의 완료(completion) 시, 빔 실패 복구가 완료된 것으로 간주된다.
D. URLLC (Ultra-Reliable and Low Latency Communication)
NR에서 정의하는 URLLC 전송은 (1) 상대적으로 낮은 트래픽 크기, (2) 상대적으로 낮은 도착 레이트(low arrival rate), (3) 극도의 낮은 레이턴시 요구사항(requirement)(예, 0.5, 1ms), (4) 상대적으로 짧은 전송 지속기간(duration)(예, 2 OFDM symbols), (5) 긴급한 서비스/메시지 등에 대한 전송을 의미할 수 있다. UL의 경우, 보다 엄격(stringent)한 레이턴시 요구 사항(latency requirement)을 만족시키기 위해 특정 타입의 트래픽(예컨대, URLLC)에 대한 전송이 앞서서 스케줄링된 다른 전송(예컨대, eMBB)과 다중화(multiplexing)되어야 할 필요가 있다. 이와 관련하여 한 가지 방안으로, 앞서 스케줄링 받은 UE에게 특정 자원에 대해서 프리엠션(preemption)될 것이라는 정보를 주고, 해당 자원을 URLLC UE가 UL 전송에 사용하도록 한다.
NR의 경우, eMBB와 URLLC 사이의 동적 자원 공유(sharing)이 지원된다. eMBB와 URLLC 서비스들은 비-중첩(non-overlapping) 시간/주파수 자원들 상에서 스케줄될 수 있으며, URLLC 전송은 진행 중인(ongoing) eMBB 트래픽에 대해 스케줄된 자원들에서 발생할 수 있다. eMBB UE는 해당 UE의 PDSCH 전송이 부분적으로 펑처링(puncturing)되었는지 여부를 알 수 없을 수 있고, 손상된 코딩된 비트(corrupted coded bit)들로 인해 UE는 PDSCH를 디코딩하지 못할 수 있다. 이 점을 고려하여, NR에서는 프리엠션 지시(preemption indication)을 제공한다. 상기 프리엠션 지시(preemption indication)는 중단된 전송 지시(interrupted transmission indication)으로 지칭될 수도 있다.
프리엠션 지시와 관련하여, UE는 BS로부터의 RRC 시그널링을 통해 DownlinkPreemption IE를 수신한다. UE가 DownlinkPreemption IE를 제공받으면, DCI 포맷 2_1을 운반(convey)하는 PDCCH의 모니터링을 위해 상기 UE는 DownlinkPreemption IE 내 파라미터 int-RNTI에 의해 제공된 INT-RNTI를 가지고 설정된다. 상기 UE는 추가적으로 servingCellID에 의해 제공되는 서빙 셀 인덱스들의 세트를 포함하는 INT-ConfigurationPerServing Cell에 의해 서빙 셀들의 세트와 positionInDCI에 의해 DCI 포맷 2_1 내 필드들을 위한 위치들의 해당 세트를 가지고 설정되고, dci-PayloadSize에 의해 DCI 포맷 2_1을 위한 정보 페이로드 크기를 가지고 설졍되며, timeFrequencySect에 의한 시간-주파수 자원들의 지시 입도(granularity)를 가지고 설정된다.
상기 UE는 상기 DownlinkPreemption IE에 기초하여 DCI 포맷 2_1을 상기 BS로부터 수신한다.
UE가 서빙 셀들의 설정된 세트 내 서빙 셀에 대한 DCI 포맷 2_1을 검출하면, 상기 UE는 상기 DCI 포맷 2_1이 속한 모니터링 기간의 바로 앞(last) 모니터링 기간의 PRB들의 세트 및 심볼들의 세트 중 상기 DCI 포맷 2_1에 의해 지시되는 PRB들 및 심볼들 내에는 상기 UE로의 아무런 전송도 없다고 가정할 수 있다. 예를 들어, UE는 프리엠션에 의해 지시된 시간-주파수 자원 내 신호는 자신에게 스케줄링된 DL 전송이 아니라고 보고 나머지 자원 영역에서 수신된 신호들을 기반으로 데이터를 디코딩한다.
E. mMTC (massive MTC)
mMTC(massive Machine Type Communication)은 많은 수의 UE와 동시에 통신하는 초연결 서비스를 지원하기 위한 5G의 시나리오 중 하나이다. 이 환경에서, UE는 굉장히 낮은 전송 속도와 이동성을 가지고 간헐적으로 통신하게 된다. 따라서, mMTC는 UE를 얼마나 낮은 비용으로 오랫동안 구동할 수 있는지를 주요 목표로 하고 있다. mMTC 기술과 관련하여 3GPP에서는 MTC와 NB(NarrowBand)-IoT를 다루고 있다.
mMTC 기술은 PDCCH, PUCCH, PDSCH(physical downlink shared channel), PUSCH 등의 반복 전송, 주파수 호핑(hopping), 리튜닝(retuning), 가드 구간(guard period) 등의 특징을 가진다.
즉, 특정 정보를 포함하는 PUSCH(또는 PUCCH(특히, long PUCCH) 또는 PRACH) 및 특정 정보에 대한 응답을 포함하는 PDSCH(또는 PDCCH)가 반복 전송된다. 반복 전송은 주파수 호핑(frequency hopping)을 통해 수행되며, 반복 전송을 위해, 제 1 주파수 자원에서 제 2 주파수 자원으로 가드 구간(guard period)에서 (RF) 리튜닝(retuning)이 수행되고, 특정 정보 및 특정 정보에 대한 응답은 협대역(narrowband)(ex. 6 RB (resource block) or 1 RB)를 통해 송/수신될 수 있다.
F. 5G 통신을 이용한 AI 기본 동작
도 4는 5G 통신 시스템에서 사용자 단말과 5G 네트워크의 기본동작의 일 예를 나타낸다.
UE는 특정 정보 전송을 5G 네트워크로 전송한다(S1). 그리고 상기 5G 네트워크는 상기 특정 정보에 대한 5G 프로세싱을 수행한다(S2). 여기서, 5G 프로세싱은 AI 프로세싱을 포함할 수 있다. 그리고, 상기 5G 네트워크는 AI 프로세싱 결과를 포함하는 응답을 상기 UE로 전송한다(S3).
G. 5G 통신 시스템에서 사용자 단말과 5G 네트워크 간의 응용 동작
이하, 도 2 및 도 3과 앞서 살핀 무선 통신 기술(BM 절차, URLLC, Mmtc 등)을 참고하여 5G 통신을 이용한 AI 동작에 대해 보다 구체적으로 살펴본다.
먼저, 후술할 본 발명에서 제안하는 방법과 5G 통신의 eMBB 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 4의 S1 단계 및 S3 단계와 같이, UE가 5G 네트워크와 신호, 정보 등을 송/수신하기 위해, UE는 도 3의 S1 단계 이전에 5G 네트워크와 초기 접속(initial access) 절차 및 임의 접속(random access) 절차를 수행한다.
보다 구체적으로, UE는 DL 동기 및 시스템 정보를 획득하기 위해 SSB에 기초하여 5G 네트워크와 초기 접속 절차를 수행한다. 상기 초기 접속 절차 과정에서 빔 관리(beam management, BM) 과정, 빔 실패 복구(beam failure recovery) 과정이 추가될 수 있으며, UE가 5G 네트워크로부터 신호를 수신하는 과정에서 QCL(quasi-co location) 관계가 추가될 수 있다.
또한, UE는 UL 동기 획득 및/또는 UL 전송을 위해 5G 네트워크와 임의 접속 절차를 수행한다. 그리고, 상기 5G 네트워크는 상기 UE로 특정 정보의 전송을 스케쥴링하기 위한 UL grant를 전송할 수 있다. 따라서, 상기 UE는 상기 UL grant에 기초하여 상기 5G 네트워크로 특정 정보를 전송한다. 그리고, 상기 5G 네트워크는 상기 UE로 상기 특정 정보에 대한 5G 프로세싱 결과의 전송을 스케쥴링하기 위한 DL grant를 전송한다. 따라서, 상기 5G 네트워크는 상기 DL grant에 기초하여 상기 UE로 AI 프로세싱 결과를 포함하는 응답을 전송할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 URLLC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
앞서 설명한 바와 같이, UE가 5G 네트워크와 초기 접속 절차 및/또는 임의 접속 절차를 수행한 후, UE는 5G 네트워크로부터 DownlinkPreemption IE를 수신할 수 있다. 그리고, UE는 DownlinkPreemption IE에 기초하여 프리엠션 지시(pre-emption indication)을 포함하는 DCI 포맷 2_1을 5G 네트워크로부터 수신한다. 그리고, UE는 프리엠션 지시(pre-emption indication)에 의해 지시된 자원(PRB 및/또는 OFDM 심볼)에서 eMBB data의 수신을 수행(또는 기대 또는 가정)하지 않는다. 이후, UE는 특정 정보를 전송할 필요가 있는 경우 5G 네트워크로부터 UL grant를 수신할 수 있다.
다음으로, 후술할 본 발명에서 제안하는 방법과 5G 통신의 mMTC 기술이 적용되는 응용 동작의 기본 절차에 대해 설명한다.
도 4의 단계들 중 mMTC 기술의 적용으로 달라지는 부분 위주로 설명하기로 한다.
도 4의 S1 단계에서, UE는 특정 정보를 5G 네트워크로 전송하기 위해 5G 네트워크로부터 UL grant를 수신한다. 여기서, 상기 UL grant는 상기 특정 정보의 전송에 대한 반복 횟수에 대한 정보를 포함하고, 상기 특정 정보는 상기 반복 횟수에 대한 정보에 기초하여 반복하여 전송될 수 있다. 즉, 상기 UE는 상기 UL grant에 기초하여 특정 정보를 5G 네트워크로 전송한다. 그리고, 특정 정보의 반복 전송은 주파수 호핑을 통해 수행되고, 첫 번째 특정 정보의 전송은 제 1 주파수 자원에서, 두 번째 특정 정보의 전송은 제 2 주파수 자원에서 전송될 수 있다. 상기 특정 정보는 6RB(Resource Block) 또는 1RB(Resource Block)의 협대역(narrowband)을 통해 전송될 수 있다.
앞서 살핀 5G 통신 기술은 후술할 본 발명에서 제안하는 방법들과 결합되어 적용될 수 있으며, 또는 본 발명에서 제안하는 방법들의 기술적 특징을 구체화하거나 명확하게 하는데 보충될 수 있다.
이하 명세서에서, 사용자의 발화는 특정 음성 인식 디바이스와 상호 작용을 발생시키기 위해 사용자가 구두로 전하는 언어, 음성 또는 음향으로 정의할 수 있다.
도 5는 본 발명에 따른 음성 인식 디바이스를 포함하는 음성 인식 시스템의 개략적인 블록도이다.
도 5를 참조하면, 본 발명에 따른 음성 인식 디바이스를 포함하는 음성 인식 시스템(1)은 집, 공장, 사무실, 숲 속등 특정 환경 내에 배치된 복수의 음성 인식 디바이스들(10,20,30,40)을 포함할 수 있다.
각 디바이스들(10,20,30,40)은 모두 네트워크(5)와 통신 가능한 통신부(53, 77, 도 6 및 도 7 참조)를 포함하며, 상기 네트워크(5)를 통해 서로 연결될 수 있다.
각 디바이스들(10,20,30,40)은 무선 통신 인터페이스로 서로 연결된 냉장고, TV, 스마트폰, 오디오, 컴퓨터, 세탁기, 전기오븐, 조명등, 에어컨, 자동차 등의 가전 기기일 수 있다.
무선 통신 인터페이스는 일 예로 사물인터넷(IoT; Internet of Things)을 포함할 수 있다. 다른 예로서, 무선 통신 인터페이스는 LTE(Long Term Evolution), LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신을 포함할 수 있다. 또 다른 예로서, 무선 통신 인터페이스는, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), NFC(near field communication), 자력 시큐어 트랜스미션(Magnetic Secure Transmission), 라디오 프리퀀시(RF), 또는 보디 에어리어 네트워크(BAN) 중 적어도 하나를 포함할 수 있다.
디바이스들(10,20,30,40)은 도 5에 도시된 네트워크(5)를 통해 클라우드 서버(6)에 연결될 수도 있다. 이 경우, 사용자의 음성 명령은 클라우드 서버(6) 내의 음성 인식 모듈을 통해 처리될 수 있다.
하지만, 도 5에 도시된 클라우드 서버(6) 는 어디까지나 본 발명에 따른 음성 인식 디바이스를 포함하는 음성 인식 시스템(1)에 포함되는 예시적인 구성요소일 뿐으로, 디바이스들(10,20,30,40)은 네트워크(5)를 통해 클라우드 서버에 연결되지 않을 수도 있다. 이 경우, 디바이스들(10,20,30,40) 중 어느 하나는 음성 명령과 관련된 신호 처리 및 응답 제어를 담당하는 마스터(Master) 장치가 되고, 마스터 장치를 제외한 나머지 디바이스들은 마스터 장치의 제어를 받는 슬레이브(Slave) 장치가 될 수 있다. 사용자의 음성 명령은 마스터 장치에 탑재된 음성 인식 모듈을 통해 처리될 수 있다.
도 6은 본 발명에 따른 음성 인식 디바이스(50)가 인식한 음성 처리 과정이 클라우드 환경(cloud environment or server environment)에 수행되는 예를 도시하고 있다. 그리고, 도 7은 본 발명에 따른 음성 인식 디바이스(70)가 인식한 음성 처리 과정이 음성 인식 디바이스(70)에서 자체적으로 이루어지는 온 디바이스 프로세싱(On-device processing)의 예를 도시하고 있다.
도 6 및 도 7에서 음성 인식 디바이스(50, 70)는 클라이언트 디바이스로 호칭될 수 있으며, 클라우드 환경(Cloud)은 클라우드 서버(6, 8)로 호칭될 수 있다. 도 6의 클라이언트 디바이스(50)는 마스터 서버가 포함되지 않은 일 디바이스이고, 도 7의 클라이언트 디바이스(70)는 마스터 서버가 포함된 일 디바이스일 수 있다.
도 6 및 7을 참조하면, 엔드 투 엔드(end-to-end) 음성 UI(User Interface) 환경에서 음성 이벤트를 처리하기 위해서는 다양한 구성요소가 필요하다. 음성 이벤트를 처리하는 시퀀스는 음성 신호를 수집하여(Signal acquisition and playback), 음성 사전 처리(Speech Pre Processing), 음성 활성화(Voice Activation), 음성 인식(Speech Recognition), 자연어 이해(Natural Language Processing) 및 음성 합성(Speech Synthesis) 등의 복수 과정들을 포함할 수 있다.
클라이언트 디바이스(50, 70)는 입력 모듈을 포함할 수 있다. 입력 모듈은 사용자로부터 사용자 입력을 수신할 있다. 예를 들어, 입력 모듈은 연결된 외부 장치(예를 들어, 키보드, 헤드셋) 으로부터 사용자 입력을 수신할 수 있다. 또한 예를 들어, 입력 모듈은 터치 스크린을 포함할 수 있다. 또한 예를 들어, 입력 모듈은 사용자 단말에 위치한 하드웨어 키를 포함할 수 있다.
본 발명의 일 실시예에 따른 클라이언트 디바이스(50, 70)의 입력 모듈은 사용자의 발화를 음성 신호로 수신할 수 있는 적어도 하나의 마이크를 포함할 수 있다. 입력 모듈은 발화 입력 시스템(speech input system)을 포함하고, 발화 입력 시스템을 통해 사용자의 발화를 음성 신호로 수신할 수 있다. 상기 적어도 하나의 마이크는 오디오 입력을 위한 입력 신호를 생성함으로써, 유저의 발화에 대한 디지털 입력 신호를 결정할 수 있다. 이러한 마이크는 본 발명에서 하는 사용자의 발화 정보를 포함하는 음성 데이터 및 음성 인식 디바이스 주변의 음향 데이터를 수집하는 음성 데이터 수집부(54)로써의 역할을 한다.
또한, 본 발명의 일 실시예에 따른 클라이언트 디바이스(50, 70)는 음성 데이터 수집부(54)로써 복수의 마이크가 어레이로 구현된 마이크 어레이를 포함할 수 있다. 어레이는 기하학적 패턴, 예를 들어, 선형 기하학적 형태, 원형 기하학적 형태 또는 임의의 다른 구성으로 배열될 수 있다. 예를 들어, 소정 지점에 대하여, 네 개의 센서들의 마이크 어레이는 네 개의 방향들로부터 사운드를 수신하기 위해 90도로 구분되어 원형의 패턴으로 배치될 수 있다. 또한, 마이크 어레이에 포함된 마이크는 데이터 통신이 가능할 경우, 공간적으로 서로 다른 어레이의 센서들을 포함할 수 있는데, 네트워크화된 마이크 어레이를 포함할 수 있다.
마이크는 무지향성(omnidirectional), 방향성(directional, 예를 들어, 샷건(shotgun) 마이크)등을 포함할 수 있다.
클라이언트 디바이스(50, 70)는 입력 모듈(예를 들어, 마이크)을 통해 수신된 사용자 입력(음성 신호)를 전처리할 수 있는 전처리 모듈(pre-processing module)(51)을 포함할 수 있다.
상기 전처리 모듈(51)은 적응 반향 제거(adaptive echo canceller, AEC) 기능을 포함함으로써, 상기 마이크 또는 마이크 어레이를 통해 입력된 사용자 음성 신호에 포함된 에코(echo)를 제거할 수 있다. 상기 전처리 모듈(51)은 노이즈 억제(noise suppression, NS) 기능을 포함함으로써, 사용자 입력에 포함된 배경 잡음을 제거할 수 있다. 상기 전처리 모듈(51)은 종점 검출(end-point detect, EPD) 기능을 포함함으로써, 사용자 음성의 종점을 검출하여 사용자의 음성이 존재하는 부분을 찾을 수 있다. 또한, 상기 전처리 모듈(51)은 자동 이득 제어(automatic gain control, AGC) 기능을 포함함으로써, 상기 사용자 입력을 인식하여 처리하기 적합하도록 상기 사용자 입력의 음량을 조절할 수 있다.
클라이언트 디바이스(50, 70)는 음성 인식 활성화(voice activation) 모듈(52)을 포함할 수 있다. 상기 음성인식 활성화 모듈(52)은 사용자의 호출을 인식하는 웨이크업(wake up) 명령을 인식할 수 있다. 상기 음성인식 활성화 모듈(52)은 전처리 과정을 거친 사용자 입력으로부터 소정의 키워드(ex, Hi LG)를 디텍트할 수 있다. 상기 음성인식 활성화 모듈(52)은 대기 상태로 존재하여 올 웨이즈 온 키워드 디텍트(Always-on keyword detection) 기능을 수행할 수 있다.
도 6에 도시된 클라이언트 디바이스(50)는 사용자 음성입력을 네트워크(5)를 통해 클라우드 서버(6)로 전송할 수 있다. 사용자 음성을 처리하기 위한 핵심 구성인 자동 음성 인식(ASR), 자연어 이해(NLU) 동작은 컴퓨팅, 저장, 전원 제약 등으로 인해 전통적으로 클라우드 서버(6)에서 실행될 수 있다.
클라우드 서버(6)는 자동 음성 인식(Auto Speech Recognition, ASR) 모듈(61), 지능형 에이전트(Artificial Intelligent Agent)(62), 자연어 이해(Natural Language Understanding, NLU) 모듈(63), 텍스트 음성 변환(Text-to-Speech, TTS) 모듈(64)과, 서비스 매니저(65)를 포함할 수 있다.
ASR 모듈(61)은 클라이언트 디바이스(50)로부터 수신된 사용자 음성 입력을 텍스트 데이터로 변환할 수 있다.
ASR 모듈(61)은 프론트-엔드 스피치 프리-프로세서(front-end speech pre-processor)를 포함한다. 프론트-엔드 스피치 프리-프로세서는 스피치 입력으로부터 대표적인 특징을 추출한다. 예를 들어, 프론트-엔드 스피치 프리-프로세서는 스피치 입력을 푸리에 변환을 수행하여 대표적인 다차원 벡터의 시퀀스로서 스피치 입력을 특징짓는 스펙트럼 특징을 추출한다. 또한, ASR 모듈(61)은 하나 이상의 스피치 인식 모델(예컨대, 음향 모델 및/또는 언어 모델)을 포함하고, 하나 이상의 스피치 인식 엔진을 구현할 수 있다. 스피치 인식 모델의 예는 은닉 마르코프 모델(hidden Markov models), 가우시안 혼합 모델(Gaussian-Mixture Models), 딥 신경망 모델(Deep Neural Network Models), n-gram 언어 모델, 및 기타 통계 모델을 포함한다. 스피치 인식 엔진의 예는 동적 시간 왜곡 기반 엔진 및 가중치 유한 상태 변환기(WFST) 기반 엔진을 포함한다. 하나 이상의 스피치 인식 모델 및 하나 이상의 스피치 인식 엔진은 중간 인식 결과들(예를 들어, 음소, 음소 문자열, 및 하위 단어들), 및 궁극적으로 텍스트 인식 결과들(예컨대, 단어, 단어 문자열, 또는 토큰들의 시퀀스)을 생성하기 위해 프론트-엔드 스피치 프리-프로세서의 추출된 대표 특징들을 처리하는 데 사용될 수 있다.
ASR 모듈(61)이 텍스트 문자열(예를 들어, 단어들, 또는 단어들의 시퀀스, 또는 토큰들의 시퀀스)을 포함하는 인식 결과를 생성하면, 인식 결과는 NLU 모듈(63)로 전달된다. ASR 모듈(61)은 스피치 입력의 다수의 후보 텍스트 표현들을 생성한다. 각각의 후보 텍스트 표현은 스피치 입력에 대응하는 단어들 또는 토큰들의 시퀀스이다.
NLU 모듈(63)은 문법적 분석(Syntactic analyze) 또는 의미적 분석(semantic analyze)을 수행하여 사용자 의도를 파악할 수 있다. 상기 문법적 분석은 문법 단위(예를 들어, 단어, 구, 형태소 등)를 나누고, 나누어진 단위가 어떠한 문법적인 요소를 갖는지 파악할 수 있다. 상기 의미적 분석은 의미(semantic) 매칭, 룰(rule) 매칭, 포뮬러(formula) 매칭 등을 이용하여 수행할 수 있다. 이에 따라, NUL 모듈(63)은 사용자 입력이 어느 도메인(domain), 의도(intent) 또는 상기 의도를 표현하는데 필요한 파라미터(parameter)를 획득할 수 있다.
NLU 모듈(63)은 자연어 생성 모듈(미도시)을 더 포함할 수 있다. 상기 자연어 생성 모듈은 지정된 정보를 텍스트 형태로 변경할 수 있다. 상기 텍스트 형태로 변경된 정보는 자연어 발화의 형태일 수 있다. 상기 지정된 정보는 예를 들어, 추가 입력에 대한 정보, 사용자 입력에 대응되는 동작의 완료를 안내하는 정보 또는 사용자의 추가 입력을 안내하는 정보 등을 포함할 수 있다. 상기 텍스트 형태로 변경된 정보는 클라이언트 디바이스로 전송되어 디스플레이에 표시되거나, TTS(Text-To-Speech)모듈로 전송되어 음성 형태로 변경될 수 있다.
음성 합성 모듈(TTS 모듈, 64)은 텍스트 형태의 정보를 음성 형태의 정보로 변경할 수 있다. TTS 모듈(64)은 NLU 모듈(63)의 자연어 생성 모듈로부터 텍스트 형태의 정보를 수신하고, 상기 텍스트 형태의 정보를 음성 형태의 정보로 변경하여 클라이언트 디바이스(50)로 전송할 수 있다. 상기 클라이언트 디바이스(50)는 상기 음성 형태의 정보를 스피커를 통해 출력할 수 있다.
한편, 클라우드 서버(6)는 지능형 에이전트(Artificial Intelligence Agent, AI 에이전트)(62)를 더 포함할 수 있다. 지능형 에이전트(62)는 전술한 ASR 모듈(61), NLU 모듈(62) 및/또는 TTS 모듈(64)이 수행하는 기능 중 적어도 일부의 기능을 수행하도록 설계될 수 있다. 또한 지능형 에이전트 모듈(62)은 ASR 모듈(61), NLU 모듈(62) 및/또는 TTS 모듈(64) 각각의 독립적인 기능을 수행하는데 기여할 수 있다.
지능형 에이전트 모듈 즉, AI 에이전트 모듈(62)은 심층학습(딥러닝)을 통해 전술한 기능들을 수행할 수 있다. 상기 심층학습은 어떠한 데이터가 있을 때 이를 컴퓨터가 알아들을 수 있는 형태(예를 들어 이미지의 경우는 픽셀정보를 열벡터로 표현하는 등)로 표현(representation)하고 이를 학습에 적용하는 학습 형태를 의미한다. 현재 심층학습을 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)가 진행되고 있으며, 이러한 노력의 결과로 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다. 현재 모든 주요 상업 음성인식 시스템(MS 코타나, 스카이프 번역기, 구글 나우, 애플 시리 등등)이 딥 러닝 기법에 기반하고 있다.
지능형 에이전트 모듈(62)은 자연어 처리 분야에서 심층 인공신경망 구조를 이용하여 자동 번역(machine translation), 감정 분석(emotion analysis), 정보 검색(information retrieval)을 비롯한 다양한 자연언어처리 과정을 수행할 수 있다.
특히, 본 발명에 따른 지능형 에이전트 모듈(62)은 노이즈가 포함된 상황에서 사용자의 음성을 인식하기 위해, 데이터베이스로부터 특징을 나타내는 타겟 데이터(target data)와 비특징을 나타내는 비타겟 데이터(non-target data)를 획득하고 이들을 학습하는데 있어 심층 인공신경망 구조를 이용할 수 있다.
한편, 클라우드 서버(6)는 다양한 개인화된 정보를 수집하여 상기 지능형 에이전트 모듈(62)의 기능을 지원할 수 있는 서비스 매니저(service manager)(65)를 포함할 수 있다. 서비스 매니저(65)를 통해 획득되는 개인화된 정보는, 클라이언트 디바이스(50)가 클라우드 환경을 통해 이용하는 적어도 하나의 데이터(캘린더 애플리케이션, 메시징 서비스, 뮤직 애플리케이션 사용 등), 상기 클라이언트 디바이스(50) 및/또는 클라우드 서버(6)가 수집하는 적어도 하나의 센싱 데이터들(카메라, 마이크로폰, 온도, 습도, 자이로 센서, C-V2X, 펄스(pulse), 조도(Ambient light), 홍채 인식(Iris scan) 등), 상기 클라이언트 디바이스(50)와 직접적으로 관련 없는 오프 디바이스 데이터들을 포함할 수 있다. 예를 들어, 상기 개인화된 정보는, 맵(maps), SMS, News, Music, Stock, Weather, Wikipedia 정보를 포함할 수 있다.
지능형 에이전트 모듈(62)은 설명의 편의를 위해 ASR 모듈(61), NLU 모듈(63) 및 TTS 모듈(64)과 구분되도록 별도의 블럭으로 표현하였으나, 상기 지능형 에이전트 모듈(62)은 상기 각 모듈(61,62,64)의 적어도 일부 또는 전부의 기능을 수행할 수도 있다.
이상, 도 5에서는 지능형 에이전트 모듈(62)이 컴퓨팅 연산, 저장 및 전원 제약 등으로 인해 클라우드 환경에서 구현되는 예를 설명하였으나, 본 발명은 이에 한정되는 것은 아니다. 예를 들어, 도 7은 지능형 에이전트(AI agent) 모듈(74)이 클라이언트 디바이스(70)에 포함되어 온-디바이스 환경에서 구동되며, 도 6에 도시된 바 기능들을 동일하게 수행할 수 있다.
도 7에 도시된 클라이언트 디바이스(70) 및 클라우드 서버(8)는 도 5에서 언급한 클라이언트 디바이스(50) 및 클라우드 서버(6)와 비교하여 일부 구성 및 기능에 있어서 차이가 있을 뿐 도 5의 클라이언트 디바이스(50) 및 클라우드 서버(6)에 대응될 수 있다. 이에 따라 대응되는 블럭의 구체적인 기능에 대해서는 도 5를 참조할 수 있다.
도 7을 참조하면, 클라이언트 디바이스(70)는 전처리 모듈(71), 음성 인식 활성화(voice activation) 모듈(72), ASR 모듈(73), 지능형 에이전트 모듈(74), NLU 모듈(75), TTS 모듈(76)을 포함할 수 있다. 또한, 클라이언트 디바이스(70)는 입력 모듈(적어도 하나의 마이크로 폰)과, 적어도 하나의 출력 모듈을 포함할 수 있다.
또한, 클라우드 서버(8)는 개인화된 정보를 지식(knowledge) 형태로 저장하는 클라우드 지식(Cloud Knowledge)(80)을 포함할 수 있다.
도 7에 도시된 각 모듈의 기능은 도 5를 참조할 수 있다. 다만, ASR 모듈(73), NLU 모듈(75) 및 TTS 모듈(76)이 클라이언트 디바이스(70)에 포함되어 있어서 음성 인식 및 음성 합성 등의 음성 처리 과정을 위해 클라우드와의 통신이 필요 없을 수 있으며, 이에 따라 즉각적이고 실시간 음성 처리 동작이 가능하게 된다.
도 6 및 도 7에 도시된 각 모듈은 본 발명에 따른 음성 인식 디바이스(50, 70)가 인식한 음성 및 음향을 처리하는 과정을 설명하기 위한 예시일 뿐이며, 도 5 및 도 6에 도시된 모듈보다 더 많거나 더 적은 모듈을 가질 수 있다. 또한, 둘 이상의 모듈을 조합할 수 있거나 또는 상이한 모듈 또는 상이한 배열의 모듈을 가질 수 있다는 것에 유의해야 한다. 도 5 및 도 6에 도시된 다양한 모듈들은 하나 이상의 신호 프로세싱 및/또는 주문형 직접 회로, 하드웨어, 하나 이상의 프로세서에 의한 실행을 위한 소프트웨어 명령어들, 펌웨어 또는 이들의 조합으로 구현될 수 있다.
도 8은 도 6 및 도 7에 도시된 본 발명에 따른 지능형 에이전트 모듈(62, 74)의 개략적인 구성을 보여주는 블록도이다.
도 8을 참조하면, 지능형 에이전트 모듈(62, 74)은 도 5 및 도 6를 통해 설명한 음성 처리 과정에서 ASR 동작, NLU 동작 및 TTS 동작을 수행하는 것 외에, 사용자와 상호 작용(interactive operation)을 지원할 수 있다. 또한, 지능형 에이전트 모듈(62, 74)은 컨텍스트 정보를 이용하여, NLU 모듈(63, 75)이 ASR 모듈(61, 73)로부터 수신된 텍스트 표현들에 포함된 정보를 보다 명확하게 하고, 보완하거나 추가적으로 정의하는 동작을 수행하는데 기여할 수 있다.
여기서, 컨텍스트 정보는, 클라이언트 디바이스(50, 70)를 사용하는 사용자의 선호도, 클라이언트 디바이스(50, 70)의 하드웨어 및/또는 소프트웨어 상태들, 사용자 입력 전, 입력 중, 또는 입력 직후에 수집되는 다양한 센서 정보, 상기 지능형 에이전트 모듈(62, 74)과 사용자 사이의 이전 상호 작용들(예를 들어, 대화) 등을 포함할 수 있다. 본 문서에서 컨텍스트 정보는 동적이고, 시간, 위치, 대화의 내용 및 기타 요소들에 따라 가변되는 특징임을 물론이다.
본 발명에 따른 지능형 에이전트 모듈(62, 74)은 도 7에 도시된 바와 같이, 컨텍스트 퓨전 및 학습 모듈(91), 로컬 지식(92), 다이얼로그 매니지먼트(93)를 더 포함할 수 있다.
컨텍스트 퓨전 및 학습모듈(91)은 적어도 하나의 데이터에 기초하여 사용자의 의도를 학습할 수 있다. 상기 적어도 하나의 데이터는 클라이언트 디바이스 또는 클라우드 환경에서 획득되는 적어도 하나의 센싱 데이터를 포함할 수 있다. 또한, 상기 적어도 하나의 데이터는 화자 식별(speaker identification), 음향 사건 인지(Acoustic event detection), 화자의 개인 정보(성별 및 나이)(Gender and age detection), 음성 활성도 검출(VAD, voice activity detection), 감정 정보(Emotion Classification)을 포함할 수 있다.
상기 화자 식별은, 발화하는 사람을 음성에 의해 등록된 대화군 속에서 특정하는 것을 의미할 수 있다. 상기 화자 식별은 기 등록된 화자를 식별하거나, 새로운 화자로 등록하는 과정을 포함할 수 있다. 음향 사건 인지(Acoustic event detection)는 음성 인식 기술을 넘어서 음향 자체를 인식함으로써, 소리의 종류, 소리의 발생 장소를 인지할 수 있다. 음성 활성도 검출(VAD)은 음악, 잡음 또는 다른 사운드를 포함할 수 있는 오디오 신호에서 인간의 스피치(음성)의 존재 또는 부재가 검출되는 스피치 프로세싱 기술이다.
본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)은 상기 입력된 오디오 신호로부터 스피치의 존재 여부를 확인할 수 있다. 본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)는 심층 신경망(DNN, deep neural networks) 모델을 이용하여 스피치 데이터(speech data)와 비 스피치 데이터(non-speech data)를 구분할 수 있다.
상기 컨텍스트 퓨전 및 학습 모듈(91)은 전술한 동작들을 수행하기 위해 DNN 모델을 포함할 수 있으며, 상기 DNN 모델 및 클라이언트 디바이스 또는 클라우드 환경에서 수집되는 센싱 정보에 기초하여 사용자 입력의 의도를 확인할 수 있다.
상기 적어도 하나의 데이터는 예시적인 것에 불과하며 음성 처리 과정에서 사용자의 의도를 확인하는데 참조될 수 있는 어떠한 데이터도 포함될 수 있음은 물론이다. 상기 적어도 하나의 데이터는, 전술한 DNN 모델을 통해 획득할 수 있음은 물론이다.
본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)은 로컬 지식(Local Knowledge)(92)을 포함할 수 있다. 상기 로컬 지식(92)은 사용자 데이터를 포함할 수 있다. 상기 사용자 데이터는 사용자의 선호도, 사용자 주소, 사용자의 초기 설정 언어, 사용자의 연락처 목록 등을 포함할 수 있다.
본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)은 사용자의 특정 정보를 이용하여 사용자의 음성 입력에 포함된 정보를 보완하여 사용자 의도를 추가적으로 정의할 수 있다. 예를 들어, "내 생일 파티에 내 친구들을 초대해주세요" 라는 사용자의 요청에 응답하여, 본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)은 "친구들"이 누구인지, "생일 파티"가 언제, 어디서 열리지를 결정하기 위해 사용자에게 보다 명확한 정보를 제공하도록 요구하지 않고, 상기 로컬 지식(92)을 이용할 수 있다.
본 발명의 일 실시 예에 따른 지능형 에이전트 모듈(62, 74)은 다이얼로그 관리(Dialog Management)(93)를 더 포함할 수 있다. 상기 지능형 에이전트 모듈(62, 74)는 사용자와의 음성 대화가 가능하도록 다이얼로그 인터페이스를 제공할 수 있다. 상기 다이얼로그 인터페이스는 사용자의 음성 입력에 응답을 디스플레이 또는 스피커를 통해 출력하는 과정을 의미할 수 있다. 여기서 상기 다이얼로그 인터페이스를 통해 출력하는 최종 결과물은 전술한 ASR 동작, NLU 동작 및 TTS 동작에 기초할 수 있다.
이하에서는, 도 9를 참조하여, 노이즈가 포함된 상황에서도 사용자의 음성을 명확히 인식하기 위해, 사용자 음성에 포함된 특징을 나타내는 타겟 데이터(target data)와 비특징을 나타내는 비타겟 데이터(non-target data)를 학습할 수 있는 본 발명의 지능형 에이전트 모듈에 대한 구성을 좀 더 구체적으로 설명한다. 도 9는 본 발명의 일 실시예에 따른 지능형 에이전트 모듈(100), 즉 AI 에이전트 모듈(100)의 블록도이며, 도 6 및 도 7에 도시된 지능형 에이전트 모듈(62, 74)을 좀 더 구체화한 AI 에이전트 모듈(100)이다.
이하 명세서에서는, 지능형 에이전트 모듈, AI 에이전트 모듈, AI 장치라 함은, 도 9에 도시된 AI 에이전트 모듈(100)을 의미하거나, 적어도 도 8에 도시된 AI 에이전트 모듈(62, 74)을 포함하는 AI 장치인 것을 전제로 하여 설명한다.
도 9에 도시된 AI 에이전트 모듈(100)은 음성 인식 디바이스(10)가 센싱한 음성 센싱 데이터를 AI 프로세싱 하여 처리/판단, 제어 신호 생성 동작을 수행할 수 있다. 또한, 도 9에 도시된 AI 에이전트 모듈(100)은 AI 프로세싱을 위해 AI 프로세서(101)를 더 포함할 수 있으며, AI 에이전트 모듈(100)은 AI 프로세서(101)를 이용하여 발화 정보(예를 들면, 사용자가 발화한 시간대와 관련된 정보, 발화한 것으로 인식된 사용자와 관련된 정보, 음성 인식 디바이스 위치 정보 및 발화 위치 정보)를 인식하고, 인식된 음성의 신호 특성을 추출하기 위한 인공 신경망을 스스로 학습할 수 있다.
상기 인공 신경망은 인간의 뇌 구조를 AI 에이전트 모듈(100) 상에서 모의하도록 설계될 수 있으며, 인간의 신경망의 뉴런(neuron)을 모의하는, 가중치를 갖는 복수의 네트워크 노드들을 포함할 수 있다. 복수의 네트워크 모드들은 뉴런이 시냅스(synapse)를 통해 신호를 주고받는 뉴런의 시냅틱 활동을 모의하도록 각각 연결 관계에 따라 데이터를 주고받을 수 있다. 여기서 신경망은 신경망 모델에서 발전한 딥러닝 모델을 포함할 수 있다. 딥 러닝 모델에서 복수의 네트워크 노드들은 서로 다른 레이어에 위치하면서 컨볼루션(convolution) 연결 관계에 따라 데이터를 주고받을 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 AI 프로세서(101)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
AI 에이전트 모듈(100)은 메모리(102)를 포함할 수 있으며, 메모리(102)는 AI 에이전트 모듈(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(102)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(102)는 AI 프로세서(101)에 의해 액세스되며, AI 프로세서(101)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(102)는 본 발명의 일 실시예에 따라 사용자 음성에 포함된 특징을 나타내는 타겟 데이터(target data)와 비특징을 나타내는 비타겟 데이터(non-target data)를 학습하는 알고리즘을 통해 생성된 신경망 모델(예를 들어, 심층 신경망 모델)을 저장할 수 있다.
하지만, 이와 달리 AI 프로세서(101)는 학습된 신경망 모델을 AI 에이전트 모듈(100) 및 이를 포함하는 장치와 유선 또는 무선 네트워크로 연결된 서버의 메모리에 저장할 수도 있다.
이와 같은 기능을 가진 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)은 노이즈에 대한 데이터가 서로 다른 한 쌍의 음성데이터를 인공 신경망 기반의 음성 인식 모델을 통해 학습하고, 노이즈가 포함된 다양한 상황 속에서 사용자의 발화를 정확하게 인식할 수 있도록 스스로 학습한다.
이는, 실제로 각 음성 인식 디바이스(10, 20, 30, 40)의 기기 상태(예를 들면, 마이크 위치 등) 또는 각 음성 인식 디바이스(10, 20, 30, 40)의 음성 인식 방식(예를 들면, 인식 알고리즘 등)이 서로 달라, 각 음성 인식 디바이스(10, 20, 30, 40)가 인식하는 음성에 포함된 노이즈 데이터가 다르기 때문이다. 즉, 음성 발화 위치로부터 동일한 거리에 있는 서로 다른 음성 인식 디바이스(10, 20, 30, 40)가 동일한 의미와 내용을 포함하는 음성을 수신하는 경우에도, 각 음성 인식 디바이스(10, 20, 30, 40)에서 획득되는 음성 신호 및 음성데이터는 서로 다를 수 있다.
따라서, 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)은 데이터베이스에서 동일한 의미와 동일한 음소를 가지는 발화 또는 음성으로 구성되지만 서로 다른 노이즈 값을 포함하는 제1 및 제2 음성데이터를 획득하여 이를 학습하고, 음성 인식 디바이스(10, 20, 30, 40)에 포함된 음성 데이터 수집부(54)를 통해 인식된 사용자의 발화 및 음성 인식 디바이스 주변의 노이즈를 구분한다.
본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)은 서로 다른 노이즈 값을 포함하는 제1 및 제2 음성데이터를 학습하기 위하여, 사전 학습 모델로서 심층 신경망 기반의 제1 학습 모델(94)과 음성 데이터 수집부(54)를 통해 인식된 음성의 신호 특성을 추출하기 위한 심층 신경망 기반의 제2 학습 모델(95)을 사용할 수 있다.
특히, 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)은 제1 및 제2 음성데이터에 포함된 노이즈 값을 서로 다르게 하기 위해서, 각각의 음성데이터에 포함된 노이즈 값을 랜덤하게 결정한다.
따라서, 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)은 사용자의 발화 또는 음성이 동일한 의미와 음소를 가지고 있다면, 어떠한 노이즈가 사용자의 발화 또는 음성에 포함되어 있을지라도, 사용자의 발화 또는 음성을 노이즈로부터 정확하게 구분해 낼 수 있다.
이하에서는 도 10 내지 도 14를 참조하여, 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)이 사용자 음성에 포함된 특징을 나타내는 타겟 데이터와 비특징을 나타내는 비타겟 데이터를 학습하는 과정을 좀 더 구체적으로 살펴보도록 한다.
도 10은 본 발명의 일 실시 예에 따른 AI 에이전트 모듈(100)이 타겟 데이터와 비타겟 데이터를 학습하는 과정을 나타낸 순서도이다.
우선, 본 발명의 일 실시 예에 따른 AI 프로세서(101)는 제1 데이터베이스(96)로부터 한 쌍으로 구성된 제1 및 제2 음성데이터를 획득한다(S100).
이 경우, 제1 데이터베이스는 클라우드 서버(6)에 존재하거나 네트워크(5)를 통해 연결될 수 있는 별도의 데이터베이스 일 수 있다. 하지만, 이와 달리 AI 에이전트 모듈(100)을 포함하는 AI 장치 또는 음성 인식 디바이스 내에 존재하는 데이터베이스일 수도 있다.
AI 프로세서(101)는 제1 및 제2 음성데이터에 각각 포함된 노이즈 값이 서로 다른지 여부를 확인할 수 있다(S101).
노이즈 값을 구성하는 데이터는, 발화자, 음성 인식 디바이스의 종류, 상기 음성 인식 디바이스와 상기 발화자 간의 거리, 잔향, 상기 음성 인식 디바이스 주변에서 발생하는 음향에 대한 정보들을 포함하며, 이러한 정보들은 사용자의 발화, 음성의 의미와는 관계없는 비특징으로서, 비타겟 데이터(non-target data)로 분류되는 정보들이다.
만약, 제1 및 제2 음성데이터에 각각 포함된 노이즈 값이 동일할 경우, AI 프로세서(101)는 제1 데이터베이스(96)에서 서로 다른 노이즈 값을 가지되, 동일한 의미와 동일한 음소를 가지는 음성 데이터 한 쌍을 다시 획득한다. 또한, AI 프로세서(101)는 1 및 제2 음성데이터에 각각 포함된 노이즈 값이 동일할 경우, 각각에 포함된 노이즈 값을 서로 다르도록 임의로 수정시킬 수도 있다.
제1 데이터베이스(96)에서 획득한 제1 및 제2 음성데이터에 각각 포함된 노이즈 값이 서로 다른 경우, AI 프로세서(101)는 제1 및 제2 음성데이터를 각각 입력 및 출력 값으로 하여 제1 학습 모델에 입력하고(S102), 제1 학습 모델(94)을 통해 상기 제1 및 제2 음성데이터를 1차 학습한 학습 결과를 중간 출력 값으로 도출한다(S103).
제1 학습 모델(94)은 상술한 인공 신경망 중 어떠한 신경망으로 이뤄지더라도 관계없다.
한편, AI 프로세서(101)는 제2 데이터베이스(97)로부터 제3 음성데이터, 상기 제3 음성데이터에 대한 자모 정보를 포함하는 타겟 레이블(target label) 및 음소 셋리스트(phoneme setlist)를 획득한다(S104). 이 경우, 제2 데이터베이스(97)는 상술한 제1 데이터베이스(96)와 동일한 데이터베이스일 수도 있고, 다른 데이터베이스 일수도 있다. 다만, AI 에이전트 모듈(100)의 음성 인식 모듈 학습 신뢰도를 높이기 위해서, 제1 및 제2 데이터베이스는 서로 다르게 구성되는 것이 바람직하다.
제3 음성데이터는, 제1 및 제2 음성데이터가 한쌍으로 이루어진 것과 같이, 서로 동일한 음성 내용이나 음소를 포함할 필요가 없으며, 제1 및 제2 음성데이터와 다른 음성 내용이나 다른 음소로 구성되더라도 관계없다. 이는, 제1 학습 모델을 통하여 제1 및 제2 음성데이터를 학습한 결과로 도출된 중간 출력 값은, 노이즈 값이 거의 제거된 사용자의 발화에 대한 출력 값이므로, 제3 음성데이터와 중간 출력 값에 대한 학습을 통하여 AI 에이전트 모듈(100)이 사용자의 발화 내용을 정확하게 인식할 수 있도록 학습하기 위함이다.
AI 프로세서(101)는 획득한 제3 음성데이터, 타겟 레이블, 음소 셋리스트 및 중간 출력 값을 입력 및 출력 값으로 하여 제2 학습 모델(95)에 입력하고(S105), 제3 음성데이터, 타겟 레이블, 음소 셋리스트 및 중간 출력 값을 학습한 2차 학습 결과를 최종 출력 값으로 도출한다(S106).
도 12는 서로 다른 노이즈 값을 가지는 제1 및 제2 음성데이터가 구성되는 것을 나타낸 표이다. 도 12를 참조하면, AI 프로세서(101)는 'pair 1'을 구성하는 제1 및 제2 음성데이터에 대한 노이즈 값을 다음과 같이 렌덤(random)하게 구성할 수 있다.
우선, AI 프로세서(101)는 입력 값으로 사용되는 제1 음성데이터에 대한 노이즈 값 중 사용된 음성 디바이스의 종류(제품)을 '스튜디오에 설치된 마이크'로 하고, 잔향(echo)과 잡음은 '없음'으로 설정하며, 음성 인식 디바이스로부터 발화자와의 거리를 '1m보다 작은 근거리'로 설정하고, 발화자를 사용자 A로 설정할 수 있다. 한편, AI 프로세서(101)는 출력 값으로 사용되는 제2 음성데이터에 대한 노이즈 값을 제1 음성데이터에 대한 노이즈 값과 다르게 하기 위해, 제2 음성데이터에 대한 노이즈 값 중 사용된 음성 디바이스의 종류(제품)을 '냉장고에 설치된 마이크'로 하고, 잔향(echo)은 '0.5', 잡음은 '없음', 음성 인식 디바이스로부터 발화자와의 거리를 '3m'로 설정하고, 발화자는 동일하게 A로 설정할 수 있다.
이 경우, 제1 및 제2 음성데이터에 포함된 발화자에 대한 노이즈 데이터가 동일하더라도, 음성 인식에 사용된 음성 인식 디바이스의 종류(제품), 잔향(echo), 음성 인식 디바이스로부터 발화자의 거리에 대한 데이터가 다 다르므로, AI 프로세서(101)는 pair 1을 학습하여 발성 내용 '안녕하세요'를 노이즈로부터 구분할 수 있게 된다.
또한, AI 프로세서(101)는 'pair 2'를 구성하는 제1 및 제2 음성데이터에 대한 노이즈 값을 다음과 같이 렌덤(random)하게 구성할 수 있다.
AI 프로세서(101)는 입력 값으로 사용되는 제1 음성데이터에 대한 노이즈 값 중 사용된 음성 디바이스의 종류(제품)을 '가동 중인 에어컨에 설치된 마이크'로 하고, 잔향(echo) '0.7', 잡음은 '가전 TV에서 발생하는 소리'로 설정하며, 음성 인식 디바이스로부터 발화자와의 거리를 '3m'로 설정하고, 발화자를 사용자 B로 설정할 수 있다. 한편, AI 프로세서(101)는 출력 값으로 사용되는 제2 음성데이터에 대한 노이즈 값 중 사용된 음성 디바이스의 종류(제품)을 '세탁기에 설치된 마이크'로 하고, 잔향(echo)은 '0.3', 잡음은 '길거리에서 발생하는 소리', 음성 인식 디바이스로부터 발화자와의 거리를 '1m'로 설정하고, 발화자를 사용자 C로 설정할 수 있다.
이 경우, 제1 및 제2 음성데이터에 포함된 모든 노이즈 데이터가 다르므로, AI 프로세서(101)는 pair 2를 학습하여 발성 내용 '안녕하세요'를 노이즈로부터 구분할 수 있게 된다.
이렇게 AI 프로세서(101)는 제1 및 제2 음성데이터에 포함되는 노이즈 값을 렌덤하게 구성하여 서로 다른 노이즈 값이 포함되도록 한다.
한편, AI 프로세서(101)는 2차 학습 결과로 출력된 최종 출력 값을 NLU 모듈(63, 75)에 포함된 자연어 생성 모듈을 사용하여 텍스트로 변환하고(S107), 이를 다이얼로그 인터페이스에 포함된 디스플레이와 같은 출력 매체를 통해 출력한다(S108).
이하에서는, 도 11을 참조하여, AI 에이전트 모듈(100)이 학습한 결과를 검증하는 과정에 대하여 설명한다. 도 11은 본 발명의 일 실시 예에 따른 AI 에이전트 모듈이 학습한 결과에 따라 출력된 텍스트에 대한 문자 에러율을 측정하는 과정 및 학습 모델에 사용되는 학습 레이어의 수를 결정하는 과정을 나타내는 순서도이다.
우선, AI 프로세서(101)는 2차 학습 결과로 출력된 최종 출력 값을 변환한 텍스트를 디코더(decorder)에 입력한다(S110). 텍스트는 디코더에서 다시 데이터 값으로 변환되고, 디코딩된 데이터 값으로 출력된다(S111). AI 프로세서(101)는 이렇게 출력된 데이터 값에 대하여 문자 에러율을 측정하고(S112), 문자 에러율이 미리 지정된 수치보다 높을 경우에는 제1 학습 모델에 사용된 학습 레이어의 수를 증가시킨다(S113). 반면, 측정된 문자 에러율이 미리 지정된 수치와 동일하거나 낮을 경우에는, 제1 학습 모델에 사용된 학습 레이어의 수를 그대로 유지시킨다(S113).
한편, 본 발명에 따른 AI 에이전트 모듈(100)은 이러한 학습 결과를 기반으로, 음성 인식 디바이스(50, 70)에 새롭게 인식되는 음성에 대하여 사용자의 발화와 노이즈를 구분한다.
도 13은 본 발명에 따른 AI 에이전트 모듈(100)이 새로이 인식된 음성을 학습하는 과정을 순서도로 나타내고 있다. 도 12를 참조할 때, 음성 인식 디바이스(50, 70)에 새로운 음성이 인식되어 제4 음성데이터가 생성되면(S120), AI 에이전트 모듈(100)은 제4 음성데이터를 입력 값으로 하고, 2차 학습 결과로 생성된 최종 출력 값, 획득한 타겟 레이블 및 음소 리스트를 출력 값으로 하여 음성 인식 모델에 입력하고(S121), 이를 3차로 학습한 결과를 음성인식 결과 값으로 도출할 수 있다(S122).
그리고 이렇게 도출된 음성인식 결과값을 자연어 생성 모듈을 사용하여 텍스트로 변환한 뒤(S123), 다이얼로그 인터페이스에 포함된 디스플레이와 같은 출력 매체를 통해 출력할 수 있다(S124).
또한, 본 발명에 따른 AI 에이전트 모듈(100)은 인식된 음성인식 결과 값을 토대로, 음성을 인식한 음성 인식 디바이스가 음성에 대응하는 기능을 실행하도록 할 수 있다.
도 14는 본 발명에 따른 AI 에이전트 모듈(100)이 최종적으로 인식한 음성을 이용하여 음성 인식 디바이스가 기능을 실행하도록 하는 과정을 나타낸 순서도이다. 도 13을 참조하면, AI 에이전트 모듈(100)은 음성 인식 디바이스(50, 70)를 통해 텍스트를 인식한 상황과 관련된 정보를 획득하고(S130), 텍스트를 인식한 상황과 관련된 정보를 AI 에이전트 모듈(100)이 미리 학습한 임계 상황 판단 분류 모델에 적용하여(S131), 음성 인식 디바이스(50, 70)가 음성을 인식한 상황이 임계 상황에 해당되는지 여부를 판단한다(S132).
만약, 음성 인식 디바이스(50, 70)가 텍스트를 인식한 상황이 임계 상황인 것으로 판단한 경우(S133), 상기 음성 인식 디바이스(50, 70)는 상기 텍스트와 대응하는 기능을 실행하도록 제어된다(S134).
이 때, 텍스트를 인식한 상황과 관련된 정보는 상기 텍스트를 인식한 시간 정보, 상기 텍스트를 발화한 것으로 인식된 사용자 정보, 상기 음성 인식 디바이스의 위치 정보, 상기 음성 인식 디바이스 주변의 음향 정보 및 상기 텍스트의 발화 위치 정보를 포함하며, 특히 상기 주변 음향 정보는 사용자가 발화한 음성 이외의 음향 정보를 의미할 수 있다.
한편, 임계 상황 판단 분류 모델은 AI 에이전트 모듈(100)과 별도로 분리되어 존재할 수 있으며, 외부 AI(Artificial Intelligence) 디바이스에 임계 상황 판단 분류 모델이 저장되어 있을 경우, AI 에이전트 모듈(100)은 외부 AI 디바이스로 상기 텍스트를 인식한 상황과 관련된 정보에 대한 특징 값을 전송하고, 외부 AI 디바이스에 상기 텍스트를 인식한 상황과 관련된 정보가 입력되면, 상기 외부 AI 디바이스로부터 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득할 수 있다.
또한, 임계 상황 판단 분류 모델은 네트워크에 저장될 수도 있으며, 이 경우, AI 에이전트 모듈(100)이 상기 네트워크로 상기 텍스트를 인식한 상황과 관련된 정보를 전송하고, 상기 네트워크로부터, 상기 텍스트를 인식한 상황과 관련된 정보가 상기 임계 상황 판단 분류 모델에 적용된 결과를 획득할 수 있다. AI 에이전트 모듈(100)이 네트워크로 정보를 전송할 때, AI 에이전트 모듈(100)은 먼저 텍스트를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)를 네트워크로부터 수신하며, 상기 텍스트를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 네트워크로 전송된다.
또한, AI 에이전트 모듈(100)이 DCI를 네트워크로부터 수신할 경우, SSB(Synchronization signal block)에 기초하여 네트워크와 초기 접속 절차를 수행하며 텍스트를 인식한 상황과 관련된 정보는 PUSCH를 통해 네트워크로 전송된다. 이 때, SSB와 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어있다.
이와 같이, 본 발명에 따른 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스는 특징을 나타내는 타겟 데이터(target data)와 비특징을 나타내는 비타겟 데이터(non-target data)를 무작위로 입력 및 출력 값으로 하여 사용자의 음성을 학습한 뒤, 노이즈가 포함된 상황에서 사용자의 음성을 인식하므로, 노이즈가 포함되더라도 사용자의 음성을 정확하게 인식할 수 있는 음성 인식 모델 및 음성 인식 디바이스를 제공할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.
10: 제1 음성 인식 디바이스
100: AI AGENT

Claims (16)

  1. 제1 데이터베이스로부터 제1 및 제2 음성데이터를 획득하는 단계;
    상기 제1 및 제2 음성데이터를 각각 입력 및 출력 값으로 하여 제1 학습 모델에 입력하는 단계;
    상기 제1 학습 모델을 통해 상기 제1 및 제2 음성데이터를 1차 학습한 학습 결과를 중간 출력 값으로 도출하는 단계;
    제2 데이터베이스로부터 제3 음성데이터, 상기 제3 음성데이터에 대한 자모 정보를 포함하는 타겟 레이블(target label) 및 음소 셋리스트(phoneme setlist)를 획득하는 단계;
    상기 중간 출력 값, 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 입력 및 출력 값으로 하여 제2 학습 모델에 입력하는 단계; 및
    상기 제2 학습 모델을 통해 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 학습한 최종 학습 결과를 최종 출력 값으로 도출하는 단계를 포함하고,
    상기 제1 및 제2 음성데이터는 동일한 의미 및 동일한 음소를 갖는 발화로 구성되며, 서로 다른 노이즈 값을 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  2. 제1항에 있어서,
    상기 노이즈 값은,
    발화자, 음성 인식 디바이스의 종류, 상기 음성 인식 디바이스와 상기 발화자 간의 거리, 잔향, 상기 음성 인식 디바이스 주변에서 발생하는 음향에 대한 정보들을 나타내는 비타겟 데이터(non-target data)들을 포함하며,
    상기 비타겟 데이터를 구성하는 값은 랜덤하게 결정되는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  3. 제1항에 있어서,
    상기 최종 출력 값을 텍스트(text)로 변환하는 단계;
    상기 텍스트를 출력하는 단계를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  4. 제3항에 있어서,
    상기 텍스트를 디코더에 입력하는 단계;
    상기 디코더에 의해 디코딩된 데이터가 도출되는 단계; 및
    상기 디코딩된 데이터를 검증하여 문자 에러율을 측정하는 단계를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  5. 제4항에 있어서,
    상기 문자 에러율을 측정하는 단계에서 도출된 상기 텍스트에 대한 문자 에러율에 따라 상기 제1 학습 모델에 사용되는 학습 레이어의 개수를 결정하는 단계;
    를 더 포함하는 것을 특징으로 하는 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  6. 제1항에 있어서,
    음성 인식 디바이스에 제4 음성데이터가 입력되는 단계;
    상기 제4 음성데이터를 입력 값으로 하고, 상기 최종 출력 값, 상기 타겟 레이블 및 상기 음소 셋리스트를 출력 값으로 하여, 음성 인식 모델에 입력하는 단계;
    를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  7. 제6항에 있어서,
    상기 음성 인식 모델을 통해 상기 제4 음성데이터, 상기 최종 출력 값, 상기 타겟 레이블 및 상기 음소 셋리스트를 학습한 음성인식 결과 값을 텍스트로 변환하는 단계; 및
    상기 텍스트를 출력하는 단계;
    를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  8. 제7항에 있어서,
    상기 음성 인식 디바이스를 통해 상기 음성인식 결과 값을 텍스트로 변환하는 단계에서 도출된 텍스트를 인식한 상황과 관련된 정보를 획득하는 단계;
    상기 텍스트를 인식한 상황과 관련된 정보를 미리 학습된 임계 상황 판단 분류 모델에 적용하는 단계; 및
    상기 임계 상황 판단 분류 모델에 적용한 결과에 기반하여 상기 음성 인식 디바이스가 상기 텍스트를 인식한 상황이 임계 상황인지 여부를 판단하는 단계;
    를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  9. 제8항에 있어서,
    상기 음성 인식 디바이스가 상기 텍스트를 인식한 상황이 임계 상황인 것으로 판단한 경우, 상기 음성 인식 디바이스는 상기 텍스트와 대응하는 기능을 실행하는 단계;
    를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  10. 제8항에 있어서,
    상기 텍스트를 인식한 상황과 관련된 정보는,
    상기 텍스트를 인식한 시간 정보, 상기 텍스트를 발화한 것으로 인식된 사용자 정보, 상기 음성 인식 디바이스의 위치 정보, 상기 음성 인식 디바이스 주변의 음향 정보 및 상기 텍스트의 발화 위치 정보를 포함하되,
    상기 주변 음향 정보는 상기 사용자가 발화한 음성 이외의 음향 정보인 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  11. 제8항에 있어서,
    상기 임계 상황 판단 분류 모델은 외부 AI(Artificial Intelligence) 디바이스에 저장되며,
    상기 외부 AI 디바이스로 상기 텍스트를 인식한 상황과 관련된 정보에 대한 특징 값을 전송하는 단계;
    상기 외부 AI 디바이스에 상기 텍스트를 인식한 상황과 관련된 정보가 입력되는 단계; 및
    상기 외부 AI 디바이스로부터 상기 임계 상황 판단 분류 모델에 적용한 결과를 획득하는 단계;
    를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  12. 제8항에 있어서,
    상기 임계 상황 판단 분류 모델은 네트워크에 저장되며,
    상기 네트워크로 상기 텍스트를 인식한 상황과 관련된 정보를 전송하는 단계; 및,
    상기 네트워크로부터, 상기 텍스트를 인식한 상황과 관련된 정보가 상기 임계 상황 판단 분류 모델에 적용된 결과를 획득하는 단계를 더 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  13. 제12항에 있어서,
    상기 네트워크로 상기 텍스트를 인식한 상황과 관련된 정보를 전송하는 단계는,
    상기 텍스트를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI(Downlink Control Information)를 네트워크로부터 수신하는 단계를 더 포함하고,
    상기 텍스트를 인식한 상황과 관련된 정보는, 상기 DCI에 기초하여 상기 네트워크로 전송되는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  14. 제13항에 있어서,
    상기 상기 텍스트를 인식한 상황과 관련된 정보의 전송을 스케줄링하기 위해 사용되는 DCI를 네트워크로부터 수신하는 단계는,
    SSB(Synchronization signal block)에 기초하여 상기 네트워크와 초기 접속 절차를 수행하는 단계를 더 포함하고,
    상기 텍스트를 인식한 상황과 관련된 정보는 PUSCH를 통해 상기 네트워크로 전송되며,
    상기 SSB와 상기 PUSCH의 DM-RS는 QCL type D에 대해 QCL되어있는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법.
  15. 사용자의 발화 정보를 포함하는 음성 데이터 및 음성 인식 디바이스 주변의 음향 데이터를 수집하는 음성 데이터 수집부;
    상기 음성 데이터 수집부를 통해 수집한 음성 및 음향 데이터를 학습하여 음성 데이터를 추출하고 텍스트로 변환하는 AI 프로세서; 및
    네트워크와 통신 가능한 통신부를 포함하며,
    상기 AI 프로세서는,
    제1 데이터베이스로부터 제1 및 제2 음성데이터를 획득하고, 제2 데이터베이스로부터 제3 음성데이터, 상기 제3 음성데이터에 대한 자모 정보를 포함하는 타겟 레이블 및 음소 셋리스트를 획득하고,
    제1 학습 모델을 통해 상기 제1 및 제2 음성데이터를 각각 입력 및 출력 값으로 하여 1차 학습을 수행하고,
    제2 학습 모델을 통해 상기 1차 학습의 결과로 도출된 중간 출력 값, 상기 제3 음성데이터, 상기 타겟 레이블 및 상기 음소 셋리스트를 입력 및 출력 값으로 하여 2차 학습을 수행하고,
    상기 2차 학습의 결과로 생성된 최종 출력 값을 텍스트로 변환하고 출력하며,
    상기 제1 및 제2 음성데이터는 동일한 의미 및 동일한 음소를 갖는 발화로 구성되며, 서로 다른 노이즈 값을 포함하는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 음성 인식 디바이스.
  16. 제15항에 있어서,
    상기 노이즈 값은,
    발화자, 음성 인식 디바이스의 종류, 상기 음성 인식 디바이스와 상기 발화자 간의 거리, 잔향, 상기 음성 인식 디바이스 주변에서 발생하는 음향에 대한 정보들을 나타내는 비타겟 데이터(non-target data)들을 포함하며,
    상기 비타겟 데이터를 구성하는 값은 랜덤하게 결정되는 것을 특징으로 하는, 인공 신경망 기반의 음성 인식 모델을 학습시키는 음성 인식 디바이스.
KR1020190099958A 2019-08-15 2019-08-15 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스 KR102321798B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190099958A KR102321798B1 (ko) 2019-08-15 2019-08-15 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스
US16/567,880 US11037548B2 (en) 2019-08-15 2019-09-11 Deeplearning method for voice recognition model and voice recognition device based on artificial neural network

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190099958A KR102321798B1 (ko) 2019-08-15 2019-08-15 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스

Publications (2)

Publication Number Publication Date
KR20190103080A true KR20190103080A (ko) 2019-09-04
KR102321798B1 KR102321798B1 (ko) 2021-11-05

Family

ID=67950542

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190099958A KR102321798B1 (ko) 2019-08-15 2019-08-15 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스

Country Status (2)

Country Link
US (1) US11037548B2 (ko)
KR (1) KR102321798B1 (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111179911A (zh) * 2020-01-02 2020-05-19 腾讯科技（深圳）有限公司 目标语音提取方法、装置、设备、介质和联合训练方法
CN111986653A (zh) * 2020-08-06 2020-11-24 杭州海康威视数字技术股份有限公司 一种语音意图识别方法、装置及设备
KR20210035584A (ko) * 2019-09-24 2021-04-01 제이엘피케이랩스 주식회사 뮤직 서비스를 제공하는 애플리케이션 및 애플리케이션이 실행된 전자 장치의 동작 방법
WO2022010011A1 (ko) * 2020-07-09 2022-01-13 강준구 소음 저감을 통한 치과용 환자 청력 보호 장치 및 방법
KR102552297B1 (ko) * 2023-03-29 2023-07-06 (주)유알피 딥러닝 기반 대화모델을 적용한 사용자 맞춤형 순화문장 생성방법 및 그 장치
US11881211B2 (en) 2020-03-24 2024-01-23 Samsung Electronics Co., Ltd. Electronic device and controlling method of electronic device for augmenting learning data for a recognition model

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3537345A1 (en) * 2018-03-06 2019-09-11 Hybris AG Computer-implemented method, system and computer program product for providing a conversational application interface
JP7063843B2 (ja) * 2019-04-26 2022-05-09 ファナック株式会社 ロボット教示装置
KR20190096307A (ko) * 2019-07-29 2019-08-19 엘지전자 주식회사 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
KR20210053020A (ko) 2019-11-01 2021-05-11 삼성전자주식회사 전자 장치 및 그 동작 방법
CN113409793B (zh) * 2020-02-28 2024-05-17 阿里巴巴集团控股有限公司 语音识别方法及智能家居系统、会议设备、计算设备
CN111899717A (zh) * 2020-07-29 2020-11-06 北京如影智能科技有限公司 一种语音回复方法及装置
US11557292B1 (en) * 2020-10-21 2023-01-17 Amazon Technologies, Inc. Speech command verification
CN112562739A (zh) * 2020-11-20 2021-03-26 山东泛在智能科技有限公司 规模化饲养型肉鸡呼吸道病症声音数据分析系统
US11854528B2 (en) 2020-12-22 2023-12-26 Samsung Electronics Co., Ltd. Method and system for detecting unsupported utterances in natural language understanding
CN112861984B (zh) * 2021-02-25 2022-07-01 西华大学 一种基于特征融合与集成学习的语音情感分类方法
CN113091245B (zh) * 2021-03-19 2022-12-20 青岛海尔空调器有限总公司 用于空调的控制方法、装置及空调
CN113160820B (zh) * 2021-04-28 2024-02-27 百度在线网络技术（北京）有限公司 语音识别的方法、语音识别模型的训练方法、装置及设备
KR20220166046A (ko) * 2021-06-09 2022-12-16 삼성전자주식회사 전자 장치 및 전자 장치의 동작 방법
CN113593526A (zh) * 2021-07-27 2021-11-02 哈尔滨理工大学 一种基于深度学习的语音情感识别方法
CN114089641A (zh) * 2021-11-17 2022-02-25 广州市诺的电子有限公司 基于点到点通信物联网控制器的智能电器及其控制方法
WO2023212570A1 (en) * 2022-04-26 2023-11-02 Mahendrajeet Singh Machine learning using structurally dynamic cellular automata
CN117236320A (zh) * 2022-06-06 2023-12-15 青岛海尔科技有限公司 文本信息的识别方法和装置、存储介质和电子装置
EP4335379A1 (en) * 2022-09-09 2024-03-13 Siemens Healthcare GmbH Ultrasound examination device and method for operating an ultrasound examination device
CN116186325B (zh) * 2023-04-26 2023-06-30 深圳市小彼恩文教科技有限公司 一种基于数据处理的点读笔信息识别与管理方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199384A1 (en) * 2003-04-04 2004-10-07 Wei-Tyng Hong Speech model training technique for speech recognition
JP2007206501A (ja) * 2006-02-03 2007-08-16 Advanced Telecommunication Research Institute International 最適音声認識方式判定装置、音声認識装置、パラメータ算出装置、情報端末装置、及びコンピュータプログラム
US20140278420A1 (en) * 2013-03-12 2014-09-18 Motorola Mobility Llc Method and Apparatus for Training a Voice Recognition Model Database
KR20170030923A (ko) * 2015-09-10 2017-03-20 삼성전자주식회사 음향 모델 생성 장치 및 방법, 음성 인식 장치 및 방법
KR20170053525A (ko) * 2015-11-06 2017-05-16 삼성전자주식회사 뉴럴 네트워크 학습 장치 및 방법과, 음성 인식 장치 및 방법
JP6336219B1 (ja) * 2017-03-24 2018-06-06 三菱電機株式会社 音声認識装置および音声認識方法
KR20190002812A (ko) * 2017-06-30 2019-01-09 삼성에스디에스 주식회사 음성 인식 방법 및 그 장치

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8949266B2 (en) * 2007-03-07 2015-02-03 Vlingo Corporation Multiple web-based content category searching in mobile search application
US8374097B2 (en) * 2008-02-08 2013-02-12 Texas Instruments Incorporated Fast DRX for DL speech transmission in wireless networks
JP5189046B2 (ja) * 2009-01-21 2013-04-24 株式会社エヌ・ティ・ティ・ドコモ 無線通信制御方法、無線基地局装置及びユーザ装置
JP5085700B2 (ja) * 2010-08-30 2012-11-28 株式会社東芝 音声合成装置、音声合成方法およびプログラム
JP6350536B2 (ja) * 2013-10-22 2018-07-04 日本電気株式会社 音声検出装置、音声検出方法及びプログラム
JP5777178B2 (ja) * 2013-11-27 2015-09-09 国立研究開発法人情報通信研究機構 統計的音響モデルの適応方法、統計的音響モデルの適応に適した音響モデルの学習方法、ディープ・ニューラル・ネットワークを構築するためのパラメータを記憶した記憶媒体、及び統計的音響モデルの適応を行なうためのコンピュータプログラム
US10127904B2 (en) * 2015-05-26 2018-11-13 Google Llc Learning pronunciations from acoustic sequences
US20190266246A1 (en) * 2018-02-23 2019-08-29 Microsoft Technology Licensing, Llc Sequence modeling via segmentations
US10966188B2 (en) * 2018-06-07 2021-03-30 Apple Inc. Full bandwidth uplink transmission for unlicensed narrowband internet of things
US11227579B2 (en) * 2019-08-08 2022-01-18 International Business Machines Corporation Data augmentation by frame insertion for speech data
JP7191792B2 (ja) * 2019-08-23 2022-12-19 株式会社東芝 情報処理装置、情報処理方法およびプログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040199384A1 (en) * 2003-04-04 2004-10-07 Wei-Tyng Hong Speech model training technique for speech recognition
JP2007206501A (ja) * 2006-02-03 2007-08-16 Advanced Telecommunication Research Institute International 最適音声認識方式判定装置、音声認識装置、パラメータ算出装置、情報端末装置、及びコンピュータプログラム
US20140278420A1 (en) * 2013-03-12 2014-09-18 Motorola Mobility Llc Method and Apparatus for Training a Voice Recognition Model Database
KR20170030923A (ko) * 2015-09-10 2017-03-20 삼성전자주식회사 음향 모델 생성 장치 및 방법, 음성 인식 장치 및 방법
KR20170053525A (ko) * 2015-11-06 2017-05-16 삼성전자주식회사 뉴럴 네트워크 학습 장치 및 방법과, 음성 인식 장치 및 방법
JP6336219B1 (ja) * 2017-03-24 2018-06-06 三菱電機株式会社 音声認識装置および音声認識方法
KR20190002812A (ko) * 2017-06-30 2019-01-09 삼성에스디에스 주식회사 음성 인식 방법 및 그 장치

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210035584A (ko) * 2019-09-24 2021-04-01 제이엘피케이랩스 주식회사 뮤직 서비스를 제공하는 애플리케이션 및 애플리케이션이 실행된 전자 장치의 동작 방법
CN111179911A (zh) * 2020-01-02 2020-05-19 腾讯科技（深圳）有限公司 目标语音提取方法、装置、设备、介质和联合训练方法
CN111179911B (zh) * 2020-01-02 2022-05-03 腾讯科技（深圳）有限公司 目标语音提取方法、装置、设备、介质和联合训练方法
US11881211B2 (en) 2020-03-24 2024-01-23 Samsung Electronics Co., Ltd. Electronic device and controlling method of electronic device for augmenting learning data for a recognition model
WO2022010011A1 (ko) * 2020-07-09 2022-01-13 강준구 소음 저감을 통한 치과용 환자 청력 보호 장치 및 방법
CN111986653A (zh) * 2020-08-06 2020-11-24 杭州海康威视数字技术股份有限公司 一种语音意图识别方法、装置及设备
KR102552297B1 (ko) * 2023-03-29 2023-07-06 (주)유알피 딥러닝 기반 대화모델을 적용한 사용자 맞춤형 순화문장 생성방법 및 그 장치

Also Published As

Publication number Publication date
KR102321798B1 (ko) 2021-11-05
US20200005766A1 (en) 2020-01-02
US11037548B2 (en) 2021-06-15

Similar Documents

Publication Publication Date Title
KR102321798B1 (ko) 인공 신경망 기반의 음성 인식 모델을 학습시키는 방법 및 음성 인식 디바이스
KR102201858B1 (ko) 인공지능 기반 영상 편집 방법 및 지능형 디바이스
US20200092519A1 (en) Video conference system using artificial intelligence
US11380323B2 (en) Intelligent presentation method
US20210210102A1 (en) Data processing method based on artificial intelligence
KR102260214B1 (ko) 인공지능 기반 수면 분석 방법 및 수면 분석 기능을 구비한 지능형 디바이스
KR20220008401A (ko) 엣지 컴퓨팅 디바이스에서 음성 인식 방법
KR20190103083A (ko) 딥러닝 기반의 세탁기의 진동 분석 방법과 그 장치
US11250869B2 (en) Audio zoom based on speaker detection using lip reading
KR20190106943A (ko) 차량 내에서 인공 지능 기반의 음성 분리 방법 및 장치
US11308954B2 (en) Method for associating an AI device with a device based on a behavior pattern of a user and an apparatus therefor
US11574626B2 (en) Method of controlling intelligent security device
US20210210067A1 (en) Voice recognition device and method for learning voice data
KR102273033B1 (ko) 인공지능 기반의 세제량 조절 방법 및 그 장치
KR20190103079A (ko) 증강현실을 이용한 차량 외부 영상 정보 출력 방법 및 이를 위한 장치
KR20190103084A (ko) 지능형 전자 디바이스와 모드 설정 방법
KR20190104283A (ko) 머신러닝 기반의 세탁기 언밸런스 에러 검출 방법 및 세탁기
KR20190107288A (ko) 화자인식 기반 차량 제어 방법 및 지능형 차량
US11790893B2 (en) Voice processing method based on artificial intelligence
KR20190106948A (ko) 지능형 디바이스 및 그 제어 방법
KR20190099170A (ko) 지능형 단말의 주변 상황에 따른 알림 제공 방법 및 이를 위한 장치
US20200043241A1 (en) Artificial device and method for controlling the same
KR20220017007A (ko) 음성인식 방법 및 그 장치
KR20190107613A (ko) 촬상된 영상을 이용한 사용자 프로파일링 방법
KR20190107614A (ko) 이벤트 발생 시간 이용한 사용자 프로파일링 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right