KR20190104264A - 차량에 탑재되는 인공 지능 장치 및 그 방법 - Google Patents

차량에 탑재되는 인공 지능 장치 및 그 방법 Download PDF

Info

Publication number
KR20190104264A
KR20190104264A KR1020190086014A KR20190086014A KR20190104264A KR 20190104264 A KR20190104264 A KR 20190104264A KR 1020190086014 A KR1020190086014 A KR 1020190086014A KR 20190086014 A KR20190086014 A KR 20190086014A KR 20190104264 A KR20190104264 A KR 20190104264A
Authority
KR
South Korea
Prior art keywords
vehicle
external
control
range
external vehicle
Prior art date
Application number
KR1020190086014A
Other languages
English (en)
Inventor
이승준
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 KR1020190086014A priority Critical patent/KR20190104264A/ko
Priority to US16/547,417 priority patent/US11755033B2/en
Publication of KR20190104264A publication Critical patent/KR20190104264A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/14—Adaptive cruise control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/46—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for vehicle-to-vehicle communication [V2V]
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291—Fleet control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/161—Decentralised systems, e.g. inter-vehicle communication
    • G08G1/162—Decentralised systems, e.g. inter-vehicle communication event-triggered
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/168—Driving aids for parking, e.g. acoustic or visual feedback on parking space
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/08—Access security
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
    • H04W12/60—Context-dependent security
    • H04W12/63—Location-dependent; Proximity-dependent
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B60W2420/42—
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/08—Predicting or avoiding probable or impending collision
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/14—Cruise control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

본 발명의 실시 예는 제1 차량에 탑재되는 인공 지능 장치에 있어서, 현재 위치에서 제1 차량이 이동 가능한 영역을 센싱하는 센싱부 및 센싱부가 센싱하는 정보를 기초로, 제1 차량을 제1 외부 차량이 제어할 수 있도록 하는 제어 권한의 위임을 제1 외부 차량으로부터 요청받거나, 또는 인공 지능 장치가 제2 외부 차량을 제어할 수 있도록 하는 제어 권한을 제2 외부 차량에 요청하는 프로세서를 포함하는 인공 지능 장치를 제공한다.

Description

차량에 탑재되는 인공 지능 장치 및 그 방법 {AN ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR THE SAME}
본 발명은 차량에 탑재되는 인공 지능 장치 및 그 방법에 관한 것이다. 구체적으로, 본 발명은 현재 위치에서 이동 가능한 영역을 센싱하고, 외부차량으로부터 제어 권한의 위임을 요청받고, 이동 가능한 영역을 기초로 제어 권한 위임을 하거나 타 외부차량에 제어 권한 위임을 요청하는 차량에 탑재되는 인공 지능 장치 및 그 방법에 관한 것이다.
최근 차량에 인공 지능 기술을 이용하여 운전자의 주행을 위한 조작을 보조하는 주행 보조 기능을 제공하거나, 운전자의 주행을 위한 조작을 대체하는 자율 주행 기능을 제공하는 추세이다. 주행 보조 기능 (또는, 주행 보조 시스템)에는 크루즈 컨트롤 기능, 차량 간격 조절 기능, 차선 유지 기능 등이 포함된다. 그리고, 자율 주행 기능은 주행 보조 기능들을 모두 포함하는 것으로 볼 수 있다.
이러한 자율주행기능이 구현되는 차량은 일반 도로에 다른 차량과의 사고를 방지하거나, 탑승자를 원하는 목적지까지 운송하는 것을 원활히 수행할 수 있다.
그러나, 자율주행이 가능한 차량이라도 주차장과 같이 다수의 차량이 밀집되어 있고 대부분의 차량이 정지되어있는 차량인 경우 차량간 상호작용으로 서로를 움직일 수 없는 한 주차장에서 빠져나올 수 없는 경우가 있다.
따라서, 자율주행차량의 이동 경로를 방해하고 있는 다른 자율주행차량이 있는 경우, 다른 자율주행차량을 제어하여 움직임으로써 이동경로를 확보할 수 있다면, 자율주행차량의 운행이 크게 원활해질 것이다.
본 발명은 이동 가능한 영역을 센싱하고, 이동 가능한 영역을 기초로 외부 차량의 제어 권한 위임 요청 처리하여, 외부 차량이 타겟 위치로 이동할 수 있도록 하는 차량에 탑재되는 인공 지능 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 외부 차량의 제어 권한 위임 요청에 대응하여, 다른 외부 차량의 제어가 필요한 경우 다른 외부 차량에 대한 제어 권한을 요청함으로써 외부 차량이 차량이 타겟 위치로 이동할 수 있도록 하는 차량에 탑재되는 인공 지능 장치 및 그 방법을 제공하고자 한다.
또한, 본 발명은 밀집된 주차 구역에서 차량이 외부 차량의 이동 경로를 방해하고 있는 경우, 다른 외부 차량에 연쇄적 제어 권한 위임 요청을 통해 외부 차량의 이동 공간을 확보할 수 있도록 하는 차량에 탑재되는 인공 지능 장치 및 그 방법을 제공하고자 한다.
본 발명의 일 실시 예는 현재 위치에서 제1 차량이 이동 가능한 영역을 센싱하는 센싱부 및 센싱부가 센싱하는 정보를 기초로, 제1 차량을 제1 외부 차량이 제어할 수 있도록 하는 제어 권한의 위임을 제1 외부 차량으로부터 요청받거나, 또는 인공 지능 장치가 제2 외부 차량을 제어할 수 있도록 하는 제어 권한을 제2 외부 차량에 요청하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부차량이 타겟 위치로 움직이면 현재 위치에 있는 제1 차량과 충돌이 발생할 것으로 판별하는 경우, 제1 외부 차량에 제어 권한을 위임하는 프로세스를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부 차량으로부터 제1 외부 차량이 제1 차량과 충돌없이 타겟 위치로 움직이기 위해 제1 차량이 움직여야 하는 제1 범위에 대한 제어 권한의 위임을 요청받는 경우, 이동 가능 영역과 제1 범위를 비교하는 동작 및 이동 가능 영역이 제1 범위 보다 크다고 판별되는 경우 제1 범위에 대한 제어 권한을 제1 외부 차량에 위임하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 이동 가능 영역이 제1 범위 보다 작다고 판별되는 경우 제1 차량이 제2 외부 차량과 충돌없이 제1 범위만큼 움직이기 위해 제2 외부 차량이 움직여야 하는 제2 범위에 대한 제어 권한의 위임을 제2 외부 차량에 요청하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제2 외부 차량으로부터 제어 권한을 위임받아 제2 외부 차량을 제2 범위만큼 움직이도록 제어하고, 제1 범위에 대한 제어 권한을 제1 외부 차량에 위임하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부 차량이 타겟 위치로 움직인 경우, 제1 외부차량에 의한 제어가 시작된 시점의 제1차량의 시작 위치로 제1 차량을 움직이는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제1 차량이 제 1 차량의 시작 위치로 움직인 경우, 제1 차량에 의한 제어가 시작된 시점의 제2 외부차량의 시작 위치로 이동하는 원위치이동을 제2 외부차량에 요청하는 동작을 수행하는 프로세서를 포함하는 인공 지능 장치를 제공한다.
또한, 본 발명의 일 실시 예는 제1 차량에 탑재되는 인공 지능 장치가 수행하는 차량 제어 방법에 있어서, 현재 위치에서 제1 차량이 이동 가능한 영역을 센싱하는 단계 및 센싱하는 정보를 기초로, 제1 차량을 제1 외부 차량이 제어할 수 있도록 하는 제어 권한의 위임을 제1 외부 차량으로부터 요청 받는 단계, 또는 인공 지능 장치가 제2 외부 차량을 제어할 수 있도록 하는 제어 권한을 제2 외부 차량에 요청하는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부차량이 타겟 위치로 움직이면 현재 위치에 있는 제1 차량과 충돌이 발생할 것으로 판별하는 경우, 제1 외부 차량에 제어 권한을 위임하는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부 차량으로부터 제1 외부 차량이 제1 차량과 충돌없이 타겟 위치로 움직이기 위해 제1 차량이 움직여야 하는 제1 범위에 대한 제어 권한의 위임을 요청받는 경우, 이동 가능 영역과 제1 범위를 비교하는 단계 및 이동 가능 영역이 제1 범위 보다 크다고 판별되는 경우 제1 범위에 대한 제어 권한을 제1 외부 차량에 위임하는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 이동 가능 영역이 제1 범위 보다 작다고 판별되는 경우 제1 차량이 제2 외부 차량과 충돌없이 제1 범위만큼 움직이기 위해 제2 외부 차량이 움직여야 하는 제2 범위에 대한 제어 권한의 위임을 제2 외부 차량에 요청하는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 제2 외부 차량으로부터 제어 권한을 위임받아 제2 외부 차량을 제2 범위만큼 움직이도록 제어하고, 제1 범위에 대한 제어 권한을 제1 외부 차량에 위임하는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 제1 외부 차량이 타겟 위치로 움직인 경우, 제1 외부차량에 의한 제어가 시작된 시점의 제1차량의 시작 위치로 제1 차량을 움직이는 단계를 포함하는 차량 제어 방법을 제공한다.
또한, 본 발명의 일 실시 예는 제1 차량이 제 1 차량의 시작 위치로 움직인 경우, 제1 차량에 의한 제어가 시작된 시점의 제2 외부차량의 시작 위치로 이동하는 원위치이동을 제2 외부차량에 요청하는 단계를 포함하는 차량 제어 방법을 제공한다.
본 발명의 다양한 실시 예에 따르면, 이동 가능한 영역을 센싱하고, 이동 가능한 영역을 기초로 외부 차량의 제어 권한 위임 요청 처리하여, 외부 차량이 타겟 위치로 이동할 수 있도록 함으로써, 자율주행차량이 정지된 차량들로 인해 이동 경로가 막혀도 공간을 확보하여 이동할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 밀집주차구역에서 다른 차량으로 인해 길이 막힌 경우, 주변 정지 차량들에 대한 연쇄적 제어권 요청을 통해 이동 공간을 확보하고 이동을 할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 제한적 제어 권한을 위임하여 돌발 위험 상황에서 사고를 미연에 방지 할 수 있다.
또한, 본 발명의 다양한 실시 예에 따르면, 제어 권한 위임 요청, 제어 권한 위임, 제어로 인한 차량 이동을 블록체인에 기록하여 사고 발생시 원인 및 책임 소재를 규명하게 할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 5 및 도 6은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸 도면이다.
도 7는 본 발명의 일 실시 에에 따른 인공 지능 장치(100)에서 외부 차량의 제어 권한 위임 요청을 처리하는 방법을 나타낸 동작 흐름도이다.
도 8은 본 발명의 일 실시 에에 따른 인공 지능 장치(100)에서 외부 차량과 제어 권한 위임 요청을 처리하고 타 외부차량에 제어 권한 위임을 요청하는 방법을 나타낸 동작 흐름도이다.
도 9 내지 12은 본 발명의 일 실시 예에 따른 인공 지능 장치(100)에서 연쇄적 제어 권한 위임 요청에 따른 차량의 이동 과정을 나타낸 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 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 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 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.
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.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
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.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 AI 장치(100)를 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, 단말기(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 AI 서버(200)를 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 AI 시스템(1)을 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.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)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.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)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(100c)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(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)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(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 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.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)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(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 발명의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
도 1과 중복되는 설명은 생략한다.
도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다.
입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.
입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.
카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.
마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.
사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다.
사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, 단말기(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.
출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다.
디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다.
디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다.
음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.
햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.
광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.
이때, 광출력부(154)는 LED, 레이저 등의 다양한 광원을 포함하여 구성될 수 있으며, 조명이라 칭할 수 있다.
이때, 광출력부(154)는 발산하는 조명의 크기와 방향을 조절할 수 있는 구동부를 포함하거나, 구동부와 연결될 수 있다.
이때, 광출력부(154)는 프로젝터(projector)로 구성되어, 빛을 투사하여 이미지를 출력할 수 있다.
도 5 및 도 6은 본 발명의 일 실시 예에 따른 AI 시스템을 나타낸 도면이다.
도 5 및 도 6을 참조하면, 본 발명의 일 실시 예에 따른 제어 권한 위임을 처리하는 AI 시스템(501 또는 601)은 AI 장치(100), AI 서버(200) 또는 차량(300) 중에서 적어도 하나 이상을 포함할 수 있다.
도 5의 AI 시스템(501)에서는 AI 장치(100)와 차량(300)이 서로 구분되는 구성이며, AI 장치(100)가 차량(300)에 탑재된다. 즉, 통상의 차량이나 인공 지능 기능을 갖춘 차량에 차선 변경에 관련된 알림을 제공하는 AI 장치(100)를 탑재될 수 있다.
이때, AI 장치(100)는 모듈화되어 차량(300)에 탑재되는 것일 수 있다.
도 6의 AI 시스템(601)에서는 AI 장치(100)와 차량이 하나의 구성이며, 인공 지능 기능을 탑재한 차량을 AI 장치(100)라 칭하는 것으로 볼 수 있다.
즉, 본 발명에서의 차량은 AI 장치(100)의 제어 대상이 되거나 기능을 제공하는 대상이 되는 차량을 의미한다.
AI 장치(100), AI 서버(200), 차량(300)은 서로 유무선 통신 기술을 이용하여 서로 통신할 수 있다.
이때, 각 장치들(100, 200, 300)은 기지국, 라우터 등을 통하여 서로 통신할 수도 있지만, 근거리 통신 기술 등을 이용하여 직접 서로 통신할 수도 있다.
예컨대, 각 장치들(100, 200, 300)은 5G(5th generation) 통신을 이용하여 기지국을 통하거나 또는 직접 서로 통신할 수 있다.
AI 장치(100) 및 차량(300)은 외부 차량(400)과 유무선 통신 기술을 이용하여 서로 통신할 수 있다.
이때, AI 장치(100) 및 차량(300)은 V2V(Vehicle to Vehicle) 또는 V2X(Vehicle to Everything)에 따라 외부 차량(400)과 통신할 수 있다.
이때, AI 장치(100) 및 차량(300)은 5G 통신을 이용하여 기지국을 통하거나 또는 직접 외부 차량(400)과 통신할 수 있다.
또한, 외부 차량(400)은 복수의 외부차량(401, 402, 403)일 수 있다.
여기서, 차량은 도 5 및 도 6과 함께 설명한 것과 같이, 인공 지능 장치(100)가 제어하는 대상을 가리킨다.
인공 지능 장치(100)가 차량을 의미하는 경우에는 자기 자신을 의미하고, 차량과 구분되는 구성인 경우에는 차량에 탑재되어 차량을 제어하거나 차량의 기능을 돕는 장치를 의미할 수 있다.
이하에서, 인공 지능 장치(100)에 의하여 제어되는 차량을, 인공 지능 장치(100) 자신인지 또는 인공 지능 장치(100)와 구분되는 구성인지와 상관 없이 차량 또는 인공 지능 차량이라고 칭한다. 즉, 차량은 인공 지능 장치(100) 자신을 가리킬 수도 있다.
도 7은 본 발명의 일 실시 예에 따른 제1 차량(300)에 탑재된 인공 지능 장치(100)에서 제1 외부차량(401)의 제어 권한의 위임 요청을 처리하는 동작 흐름도이다.
도 7을 참조하면, 인공 지능 장치(100)의 센싱부(140)는 현재 위치에서 제1 차량(300)이 이동 가능한 영역을 센싱할 수 있다(S701). 센싱부(140)는 다양한 센서들을 이용하여 제1 차량(300)의 형태 정보, 위치 및 주변 환경 정보를 기초로 제1 차량(300)이 충돌 없이 이동 가능한 소정 범위의 영역을 센싱할 수 있다.
또한, 프로세서(180)는 센싱된 이동 가능한 영역을 기초로 이동 불가능한 영역을 구분할 수 있으며, 이동 불가능한 영역이 외부 차량에 의하여 발생하는지를 판별할 수 있다. 예를 들어, 프로세서(180)는 통신부(110)를 이용하여 이동 불가능한 영역에 위치하는 외부 차량들과 통신을 할 수 있으며, 이동 불가능한 영역에 위치하는 외부 차량을 식별할 수 있다. 또한, 프로세서(180)는 통신부(110)를 통해 비가시광선 주파스와 통신프로토콜을 이용하여 외부 차량 간 통신을 할 수 있으며, V2X 통신을 할 수 있다. 또한, 프로세서(180)는 통신부(110)를 통해 외부 차량과 직접 통신을 수행할 수 있고, 외부 차량으로부터 해당 차량의 위치, 속도 등의 주행 정보를 수신할 수 있다.
프로세서(180)는 제1 외부차량(401)로부터 제어 권한의 위임을 요청받을 수 있다(S702). 이 경우, 제어 권한의 위임 요청 정보를 블록체인에 기록할 수 있다. 또한, 이 경우 프로세서(180)는 제1 차량(300)으로부터 이동계획경로에 대한 정보, 제1 차량(300)이 이동하고자 하는 타겟 위치에 관한 정보 중 적어도 어느 하나를 수신할 수도 있다.
프로세서(180)는 제1 외부차량(401)의 제어 권한의 위임 요청이 적합한지를 확인할 수 있다(S703). 제1 외부차량(401)이 이동하고자 하는 타겟 위치로 움직이면 현재 위치에 있는 제1 차량(300)과 충돌이 발생하는지 여부를 판별할 수 있다. 예를 들어, 제1 외부차량(401)의 이동계획경로 또는 타겟 위치와 제1 차량(300)의 현재 위치를 기초로 충돌발생여부를 판별할 수 있다.
프로세서(180)는 제1 외부차량(401)이 타겟 위치로 움직이면 현재 위치에 있는 제1 차량(300)과 충돌이 발생할 것으로 판별하는 경우, 제1 외부차량(401)의 제어 권한 위임 요청이 적합한 것으로 판단하고 제1 외부 차량(401)에 제1 차량(300)에 대한 제어 권한을 위임할 수 있다. 또는, 제1 외부차량(401)이 타겟 위치로 움직여도 현재 위치에 있는 제1 차량(300)과 충돌이 발생하지 않을 것으로 판별하는 경우, 제1 외부차량(401)의 제어 권한 위임 요청을 거부할 수 있다(S704). 이 경우, 제어 권한 위임 거부에 관한 정보를 블록체인에 기록할 수 있다. 따라서, 부적합한 제어 권한 요청으로 인한 피해를 사전에 차단할 수 있다.
프로세서(180)는 제1 외부 차량(401)으로부터 제1 외부 차량(401)이 제1 차량(300)과 충돌없이 타겟 위치로 움직이기 위해 제1 차량(300)이 움직여야 하는 제1 범위에 대한 제어 권한의 위임을 요청받을 수 있다. 프로세서(180)는 제1 외부차량(401)로부터 제어 권한의 위임을 요청받는 경우 제1 차량(300)의 포괄적 제어권이 아닌 제1 차량(300)이 움직여야 하는 제1 범위에 대한 제어 권한으로만 한정한 제어 권한 위임 요청으로 처리할 수 있다. 여기서 제1 범위는 제1 외부 차량(401)이 제1 차량(300)과 충돌없이 타겟 위치로 움직이기 위해 제1 차량(300)이 움직여야 하는 범위이다.
프로세서(180)는 제1 차량(300)이 움직여야 하는 제1 범위를 추출할 수 있다(S705). 이경우, 프로세서(180)는 센싱부(140)를 통해 센싱된 정보, 제1 외부차량(401)으로부터 수신한 이동계획경로 및 타겟 위치 중 적어도 어느 하나를 기초로 제1 차량(300)이 움직여야 하는 제1 범위를 추출할 수 있다. 프로세서(180)는 제1 외부 차량(401)이 제1 차량(300)과 충돌없이 타겟 위치로 움직이기 위해 제1 차량(300)이 움직여야 하는 최소한의 범위를 제1 범위로 추출할 수 있다. 프로세서(180)는 제1 범위를 소정의 범위로 제한하여 추출할 수 있다. 예를 들어, 프로세서(180)은 제1 범위에서 복수의 위치에 제1 차량(300)이 위치할 수 있는 경우 제1 차량(300)의 현재 위치에서 최 근접 위치 또는 기 설정된 개수만큼의 위치를 제1 범위로 추출할 수 있다. 프로세서(180)은 제1 범위에서 복수의 위치에 제1 차량(300)이 위치할 수 있는 경우 제1 차량(300)의 현재 위치에서 이동 가능한 영역에 속하는 적어도 하나 이상의 위치를 제1 범위로 추출할 수 있다.
또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역과 제1 범위를 비교할 수 있다(S706). 예를 들어 프로세서(180)는 센싱부(140)가 센싱한 정보를 기초로 이동 가능한 영역에 대한 정보를 획득하고 제1 차량(300)이 움직여야 하는 제1 범위에 관한 정보를 획득하여 이동 가능한 영역에 제1 범위의 영역이 포함될 수 있는 지를 비교할 수 있다.
프로세서(180)는 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위 보다 크다고 판별되는 경우 상기 제1 범위에 대한 제어 권한을 상기 제1 외부 차량에 위임할 수 있다(S707). 제1 범위로만 이동할 수 있는 제한적인 제어 권한을 위임함으로써, 사고가 발생하는 것을 미연에 발생할 수 있다. 여기서, 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위 보다 크다고 판별되는 경우란, 제1 차량(300)의 이동 가능 영역에 제1 차량(300)이 움직여야 하는 제1 범위가 포함되어 제1 차량(300)이 제1 범위가 포함된 이동 가능 영역에 위치할 수 있는 경우를 의미할 수 있다.
또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위의 전부를 포함하는 경우 제1 범위에 대한 제어 권한을 제1 외부 차량(401)에 위임할 수 있다. 또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위의 일부를 포함하는 경우에도, 제1 차량(300)의 이동 가능 영역에 포함되는 일부의 제1 범위로 제1 차량(300)을 움직일 수 있는 경우, 이동 가능 영역으로 제한된 제1 범위에 대한 제어 권한을 제1 외부 차량(401)에 위임할 수 있다.
프로세서(180)는 제1 외부 차량(401)에 제어 권한을 위임한 경우 제1 외부 차량(401)으로부터 제1 차량(300)에 대한 제어 명령을 수신하고, 수신된 제어 명령에 따라 제1 차량(300)을 움직일 수 있다.
또한, 프로세서(180)는 제1 외부 차량(401)으로부터 제1 범위에 대한 제1 차량(300)에 대한 제어 명령을 수신할 수 있다(S708). 프로세서(180)는 제1 외부 차량(300)으로부터 수신한 제어 명령에 따라 제1 차량(300)을 움직일 수 있다(S709).
또한, 프로세서(180)는 제1 외부 차량(401)의 제1 차량(300)에 대한 제어로 인하여 제1 차량의 이동 가능 영역이 변경되는 경우, 변경된 이동 가능 영역을 제1범위와 비교하는 동작을 수행할 수 있다. 따라서, 제1 외부 차량(401)의 제어로 인한 제1 차량(300)의 주변 환경 변화를 반영하여, 제1 외부 차량(401)으로 위임한 제어 권한의 범위를 갱신할 수 있다.
프로세서(180)는 제1 차량(300)의 제어로 인하여 제1 범위로 이동이 완료되는 경우 제1 범위로 이동이 완료되었음을 제1 외부 차량(401)에 알릴 수 있다(S710).
또한, 제1 외부차량(401)이 제1 차량(300)의 위치 정보를 기초로 제1 범위로 이동이 완료되었음을 판별할 수 도 있다.
또한, 제1 외부차량 (401)은 제1 차량(300)이 제1 범위로 이동이 완료된 경우 타겟 위치로 이동할 수 있다(S711). 따라서, 제1 외부 차량 (401)은 타겟 위치까지의 이동 경로를 막고 있는 제1 차량(300)을 제어하여 공간을 확보하고 타겟 위치로 움직일 수 있다.
프로세서(180)는 제1 외부 차량(401)의 위치 파악하고 제1 외부 차량(401)이 타겟 위치로 움직인 것을 판별할 수 있다.
또한, 프로세서(180)는 제1 외부 차량(401)으로부터 시작 위로 이동을 할의 위것을 요청 받을 수 도 있다(S712)치 정보를 기초로 타겟 위치로 움직인 것을 판별할 수 있다.
프로세서(180)는 제1 외부 차량(401)이 타겟 위치로 움직인 경우, 제1 외부 차량(401)에 의한 제어가 시작된 시점의 제1 차량(300)의 시작 위치로 제1 차량을 움직일 수 있다.
프로세서(180)는 제1 외부 차량(401)이 타겟 위치로 움직인 경우, 제1 외부 차량(401)에 의한 제어가 시작된 시점의 제1 차량(300)의 시작 위치로 제1 차량을 움직일 수 있다(S713).
또한, 프로세서(180)는 저장된 제1 외부 차량(401)의 제어 명령을 기초로 제1 차량(300)의 시작 위치로 제1 차량을 움직일 수도 있다.
도 8은 본 발명의 일 실시 에에 따른 인공 지능 장치(100)에서 제1 외부 차량(401)으로부터의 제어 권한 위임 요청을 처리하고 제2 외부차량(402)에 대하여 제어 권한 위임을 요청하는 방법을 나타낸 동작 흐름도이다. 도 8의 각 단계 중 도 7과 중복된 설명은 생략한다.
인공 지능 장치(100)의 센싱부(140)는 현재 위치에서 제1 차량이 이동 가능한 영역을 센싱할 수 있다(S801).
프로세서(180)는 센싱된 이동 가능한 영역을 기초로 이동 불가능한 영역을 구분할 수 있으며, 이동 불가능한 영역이 제2 외부 차량(402)에 의하여 발생하는지를 판별할 수 있다.
프로세서(180)는 제1 외부차량(401)로부터 제어 권한의 위임을 요청받을 수 있다(S802). 또한, 프로세서(180)는 제1 외부차량(401)의 제어 권한의 위임 요청이 적합한지를 확인할 수 있다(S803). 또한, 프로세서(180)는 제1 외부차량(401)의 제어 권한 위임 요청을 거부할 수 있다(S804). 또한, 프로세서(180)는 제1 차량(300)이 움직여야 하는 제1 범위를 추출할 수 있다(S805). 또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역과 제1 범위를 비교할 수 있다(S806).
또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위 보다 작다고 판별되는 경우, 제1 차량(300)이 제2 외부 차량 (402)을 제어할 수 있도록 하는 제어 권한을 제2 외부 차량 (402)에 요청할 수 있다(S807).
또한, 프로세서(180)는 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위 보다 작다고 판별되는 경우, 제1 차량(300)이 제2 외부 차량 (402)과 충돌없이 제1 범위만큼 움직이기 위해 제2 외부 차량이 움직여야 하는 제2 범위에 대한 제어 권한의 위임을 제2 외부 차량 (402)에 요청할 수 있다.
여기서, 제1 차량(300)의 이동 가능 영역이 제1 차량(300)이 움직여야 하는 제1 범위 보다 작다고 판별되는 경우란, 제1 차량(300)의 이동 가능 영역에 제1 차량(300)이 움직여야 하는 제1 범위가 포함되지 않거나, 포함되어 있어도 제1 차량(300)이 제1 범위가 포함된 이동 가능 영역에 위치할 수 없는 경우를 의미할 수 있다.
프로세서(180)는 인공 지능 장치(100)가 제2 외부 차량(402)을 제어할 수 있도록 하는 제어 권한을 상기 제2 외부 차량(402)에 요청할 수 있다.
프로세서(180)는 센싱부(140)에서 센싱하는 정보를 기초로, 인공 지능 장치(100)가 제2 외부 차량(402)을 제어할 수 있도록 하는 제어 권한을 상기 제2 외부 차량(402)에 요청할 수 있다.
프로세서(180)는 제2 외부 차량(402)으로부터 제2 범위에 대한 제어 권한을 위임받을 수 있다(S808).
프로세서(180)는 제2 범위에 대한 제2 외부 차량을 제어할 수 있다(S809).
한편, 제2 외부차량(402)은 제1 차량의 제어 명령에 따라 이동할 수 있다(S810).
프로세서(180)는 제2 외부 차량(402)이 제2 범위로 이동이 완료되었다는 알림을 수신할 수 있다(S811).
또한, 프로세서(180)는 제2 외부 차량(402)의 위치 정보를 기초로 제1 범위로 이동이 완료되었음을 판별할 수 도 있다.
프로세서(180)는 제2 외부 차량(402)으로부터 제어 권한을 위임받아 제2 외부 차량(402)을 제2 범위만큼 움직이도록 제어하고, 제1 범위에 대한 제어 권한을 제1 외부 차량(401)에 위임할 수 있다(S812).
프로세서(180)는 제1 외부 차량(401)으로부터 제1 범위에 대한 제1 차량(300)에 대한 제어 명령을 수신할 수 있다(S813).
또한, 프로세서(180)는 제1 외부 차량(300)으로부터 수신한 제어 명령에 따라 제1 차량(300)을 움직일 수 있다(S814).
또한, 프로세서(180)는 제1 차량(300)의 제어로 인하여 제1 범위로 이동이 완료되는 경우 제1 범위로 이동이 완료되었음을 제1 외부 차량(401)에 알릴 수 있다(S815).
또한, 제1 외부차량 (401)은 제1 차량(300)이 제1 범위로 이동이 완료된 경우 타겟 위치로 이동할 수 있다(S816)
프로세서(180)는 제1 외부 차량(401)이 타겟 위치로 움직인 경우, 제1 외부 차량(401)에 의한 제어가 시작된 시점의 제1 차량(300)의 시작 위치로 제1 차량을 움직일 수 있다(S818, S819).
프로세서(180)는 제1 차량(300)이 제 1 차량(300)의 시작 위치로 움직인 경우, 제1 차량(300)에 의한 제어가 시작된 시점의 제2 외부 차량(402)의 시작 위치로 이동하는 원위치이동을 제2 외부 차량(402)에 요청할 수 있다(S821).
도 9 내지 12은 본 발명의 일 실시 예에 따른 제1 외부 차량(401), 제2 외부 차량(402) 및 제1 차량(300)이 인공 지능 장치(100)에 의해 연쇄적 제어 권한 위임에 따른 차량 이동 공간을 확보하는 과정을 나타낸 도면이다. 도 9 내지 도 12의 과정은 도 1 내지 도 6을 통해 설명한 구성 요소가 수행하고 해당 단계를 실시하기 위한 과정은 도 7 내지 도 8과 함께 설명하였으므로 중복된 설명은 생략한다.
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 있다.

Claims (14)

  1. 제1 차량에 탑재되는 인공 지능 장치에 있어서,
    현재 위치에서 상기 제1 차량이 이동 가능한 영역을 센싱하는 센싱부; 및
    상기 센싱부가 센싱하는 정보를 기초로, 상기 제1 차량을 제1 외부 차량이 제어할 수 있도록 하는 제어 권한의 위임을 상기 제1 외부 차량으로부터 요청받거나, 또는 상기 인공 지능 장치가 제2 외부 차량을 제어할 수 있도록 하는 제어 권한을 상기 제2 외부 차량에 요청하는 프로세서를 포함하는,
    인공 지능 장치.
  2. 제1항에 있어서,
    상기 프로세서는,
    상기 제1 외부차량이 타겟 위치로 움직이면 상기 현재 위치에 있는 제1 차량과 충돌이 발생할 것으로 판별하는 경우, 상기 제1 외부 차량에 상기 제어 권한을 위임하는,
    인공 지능 장치.
  3. 제1항에 있어서,
    상기 프로세서는,
    제1 외부 차량으로부터 상기 제1 외부 차량이 상기 제1 차량과 충돌없이 타겟 위치로 움직이기 위해 상기 제1 차량이 움직여야 하는 제1 범위에 대한 제어 권한의 위임을 요청받는 경우, 상기 이동 가능 영역과 상기 제1 범위를 비교하는 동작, 및
    상기 이동 가능 영역이 상기 제1 범위 보다 크다고 판별되는 경우 상기 제1 범위에 대한 제어 권한을 상기 제1 외부 차량에 위임하는 동작을 수행하는,
    인공 지능 장치.
  4. 제3항에 있어서,
    상기 프로세서는,
    상기 이동 가능 영역이 상기 제1 범위 보다 작다고 판별되는 경우 상기 제1 차량이 상기 제2 외부 차량과 충돌없이 제1 범위만큼 움직이기 위해 상기 제2 외부 차량이 움직여야 하는 제2 범위에 대한 제어 권한의 위임을 상기 제2 외부 차량에 요청하는 동작을 수행하는,
    인공 지능 장치.
  5. 제4항에 있어서,
    상기 프로세서는,
    상기 제2 외부 차량으로부터 제어 권한을 위임받아 상기 제2 외부 차량을 상기 제2 범위만큼 움직이도록 제어하고, 상기 제1 범위에 대한 제어 권한을 상기 제1 외부 차량에 위임하는 동작을 수행하는,
    인공 지능 장치.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 제1 외부 차량이 상기 타겟 위치로 움직인 경우, 상기 제1 외부차량에 의한 제어가 시작된 시점의 상기 제1차량의 시작 위치로 상기 제1 차량을 움직이는 동작을 수행하는,
    인공 지능 장치.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 제1 차량이 상기 제 1 차량의 시작 위치로 움직인 경우, 상기 제1 차량에 의한 제어가 시작된 시점의 상기 제2 외부차량의 시작 위치로 이동하는 원위치이동을 상기 제2 외부차량에 요청하는 동작을 수행하는,
    인공 지능 장치.
  8. 제1 차량에 탑재되는 인공 지능 장치가 수행하는 차량 제어 방법에 있어서,
    현재 위치에서 상기 제1 차량이 이동 가능한 영역을 센싱하는 단계; 및
    상기 센싱하는 정보를 기초로, 상기 제1 차량을 제1 외부 차량이 제어할 수 있도록 하는 제어 권한의 위임을 상기 제1 외부 차량으로부터 요청 받는 단계, 또는 상기 인공 지능 장치가 제2 외부 차량을 제어할 수 있도록 하는 제어 권한을 상기 제2 외부 차량에 요청하는 단계를 포함하는,
    차량 제어 방법.
  9. 제8항에 있어서,
    상기 요청 받는 단계는,
    상기 제1 외부차량이 타겟 위치로 움직이면 상기 현재 위치에 있는 제1 차량과 충돌이 발생할 것으로 판별하는 경우, 상기 제1 외부 차량에 상기 제어 권한을 위임하는 단계를 포함하는,
    차량 제어 방법.
  10. 제8항에 있어서,
    상기 요청 받는 단계는,
    제1 외부 차량으로부터 상기 제1 외부 차량이 상기 제1 차량과 충돌없이 타겟 위치로 움직이기 위해 상기 제1 차량이 움직여야 하는 제1 범위에 대한 제어 권한의 위임을 요청받는 경우, 상기 이동 가능 영역과 상기 제1 범위를 비교하는 단계, 및
    상기 이동 가능 영역이 상기 제1 범위 보다 크다고 판별되는 경우 상기 제1 범위에 대한 제어 권한을 상기 제1 외부 차량에 위임하는 단계를 포함하는,
    차량 제어 방법.
  11. 제10항에 있어서,
    상기 요청받는 단계는,
    상기 이동 가능 영역이 상기 제1 범위 보다 작다고 판별되는 경우 상기 제1 차량이 상기 제2 외부 차량과 충돌없이 제1 범위만큼 움직이기 위해 상기 제2 외부 차량이 움직여야 하는 제2 범위에 대한 제어 권한의 위임을 상기 제2 외부 차량에 요청하는 단계를 포함하는,
    차량 제어 방법
  12. 제11항에 있어서,
    상기 요청받는 단계는,
    상기 제2 외부 차량으로부터 제어 권한을 위임받아 상기 제2 외부 차량을 상기 제2 범위만큼 움직이도록 제어하고, 상기 제1 범위에 대한 제어 권한을 상기 제1 외부 차량에 위임하는 단계를 포함하는,
    차량 제어 방법.
  13. 제12항에 있어서,
    상기 요청받는 단계는,
    상기 제1 외부 차량이 상기 타겟 위치로 움직인 경우, 상기 제1 외부차량에 의한 제어가 시작된 시점의 상기 제1차량의 시작 위치로 상기 제1 차량을 움직이는 단계를 포함하는,
    차량 제어 방법.
  14. 제13항에 있어서,
    상기 요청받는 단계는,
    상기 제1 차량이 상기 제 1 차량의 시작 위치로 움직인 경우, 상기 제1 차량에 의한 제어가 시작된 시점의 상기 제2 외부차량의 시작 위치로 이동하는 원위치이동을 상기 제2 외부차량에 요청하는 단계를 포함하는,
    차량 제어 방법.
KR1020190086014A 2019-07-16 2019-07-16 차량에 탑재되는 인공 지능 장치 및 그 방법 KR20190104264A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190086014A KR20190104264A (ko) 2019-07-16 2019-07-16 차량에 탑재되는 인공 지능 장치 및 그 방법
US16/547,417 US11755033B2 (en) 2019-07-16 2019-08-21 Artificial intelligence device installed in vehicle and method therefor

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190086014A KR20190104264A (ko) 2019-07-16 2019-07-16 차량에 탑재되는 인공 지능 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR20190104264A true KR20190104264A (ko) 2019-09-09

Family

ID=67951580

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190086014A KR20190104264A (ko) 2019-07-16 2019-07-16 차량에 탑재되는 인공 지능 장치 및 그 방법

Country Status (2)

Country Link
US (1) US11755033B2 (ko)
KR (1) KR20190104264A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102172535B1 (ko) * 2020-05-02 2020-11-02 주식회사 에스비이엔씨 도로를 주행하는 자율주행 차량의 충돌방지를 위한 통신과 블록체인 방법

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11847919B2 (en) * 2020-05-19 2023-12-19 Toyota Motor North America, Inc. Control of transport en route
US20220055631A1 (en) * 2020-08-19 2022-02-24 Micron Technology, Inc. Sensor monitoring in a vehicle
CN112581026B (zh) * 2020-12-29 2022-08-12 杭州趣链科技有限公司 一种联盟链上物流机器人联合路径规划方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9376051B1 (en) * 2013-01-19 2016-06-28 Louis H. McKenna First responders' roadway priority system
US9102330B2 (en) * 2013-07-31 2015-08-11 Here Global B.V. Method and apparatus for causing an adjustment in parking position for vehicles
US9639994B2 (en) * 2014-12-29 2017-05-02 Here Global B.V. Optimized parking system
US10216196B2 (en) * 2015-02-01 2019-02-26 Prosper Technology, Llc Methods to operate autonomous vehicles to pilot vehicles in groups or convoys
US10712748B2 (en) * 2015-08-26 2020-07-14 Peloton Technology, Inc. Devices, systems, and methods for generating travel forecasts for vehicle pairing
US20170329346A1 (en) * 2016-05-12 2017-11-16 Magna Electronics Inc. Vehicle autonomous parking system
EP3261074A1 (en) * 2016-06-20 2017-12-27 Volvo Car Corporation Method for autonomous vehicle parking
JP2018151858A (ja) * 2017-03-13 2018-09-27 株式会社デンソーテン 車載機器、駐車管理装置、駐車管理システム、出庫準備方法、及び駐車管理方法
US20200086853A1 (en) * 2018-09-19 2020-03-19 Qualcomm Incorporated Method and apparatus for vehicular position based parking assistance enhancements
US10494205B1 (en) * 2018-12-06 2019-12-03 Assa Abloy Entrance Systems Ab Remote loading dock authorization systems and methods

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102172535B1 (ko) * 2020-05-02 2020-11-02 주식회사 에스비이엔씨 도로를 주행하는 자율주행 차량의 충돌방지를 위한 통신과 블록체인 방법

Also Published As

Publication number Publication date
US20190377362A1 (en) 2019-12-12
US11755033B2 (en) 2023-09-12

Similar Documents

Publication Publication Date Title
US20190351918A1 (en) Artificial intelligence apparatus for providing notification related to lane-change of vehicle and method for the same
KR102281602B1 (ko) 사용자의 발화 음성을 인식하는 인공 지능 장치 및 그 방법
KR20190110073A (ko) 인공 지능 모델을 갱신하는 인공 지능 장치 및 그 방법
US20210097852A1 (en) Moving robot
US11383379B2 (en) Artificial intelligence server for controlling plurality of robots and method for the same
KR20190100085A (ko) 인공 지능을 이용하여, 위험 상황을 감지할 수 있는 로봇 및 그의 동작 방법
KR20190096307A (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
KR20190104264A (ko) 차량에 탑재되는 인공 지능 장치 및 그 방법
KR20210072362A (ko) 인공 지능 모델에 대한 학습 데이터를 생성하는 인공 지능 장치 및 그 방법
KR20190104489A (ko) 공기 조화기의 센서 데이터를 보정하는 인공 지능 공기 조화기 및 그 방법
KR102263159B1 (ko) 로봇의 경로를 결정하는 인공 지능 서버 및 그 방법
KR20190106862A (ko) 인공지능 장치 및 그를 이용한 IoT 기기의 도난 감지 및 탐색 방법
KR102331672B1 (ko) 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법
KR102263250B1 (ko) 엔진 소음 제거 장치 및 엔진 소음 제거 방법
KR20190102151A (ko) 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
KR20190098931A (ko) 로봇의 언어를 설정하는 인공 지능 서버 및 그 방법
KR20190085895A (ko) 사용자의 시선에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법
KR20190095193A (ko) 인공 지능 시스템의 동작을 관리하는 인공 지능 장치 및 그 방법
KR102421488B1 (ko) 복수개의 출력 레이어를 이용한 인공 지능 장치 및 방법
KR20190098102A (ko) 외부 기기를 제어하기 위한 인공 지능 장치
KR20190094312A (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템
KR20190094313A (ko) 인공 지능을 이용하여, 안내 서비스를 제공하는 로봇 및 그의 동작 방법
KR20190095186A (ko) 지능형 게이트웨이 장치 및 그를 포함하는 제어 시스템
KR20190094311A (ko) 인공 지능 로봇 및 그의 동작 방법
KR20190094317A (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법

Legal Events

Date Code Title Description
G15R Request for early publication
A201 Request for examination
E902 Notification of reason for refusal