KR20190105534A - 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇 - Google Patents

로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇 Download PDF

Info

Publication number
KR20190105534A
KR20190105534A KR1020190104404A KR20190104404A KR20190105534A KR 20190105534 A KR20190105534 A KR 20190105534A KR 1020190104404 A KR1020190104404 A KR 1020190104404A KR 20190104404 A KR20190104404 A KR 20190104404A KR 20190105534 A KR20190105534 A KR 20190105534A
Authority
KR
South Korea
Prior art keywords
information
robot
security
release
release information
Prior art date
Application number
KR1020190104404A
Other languages
English (en)
Inventor
전찬용
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 KR1020190104404A priority Critical patent/KR20190105534A/ko
Publication of KR20190105534A publication Critical patent/KR20190105534A/ko
Priority to US16/583,633 priority patent/US11334659B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/44—Program or device authentication
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/34—User authentication involving the use of external additional devices, e.g. dongles or smart cards
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/36—User authentication by graphic or iconic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/45—Structures or tools for the administration of authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3226—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials using a predetermined code, e.g. password, passphrase or PIN
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/22—Character recognition characterised by the type of writing
    • G06V30/224—Character recognition characterised by the type of writing of printed characters having additional code marks or containing code marks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Optics & Photonics (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Manipulator (AREA)
  • Alarm Systems (AREA)

Abstract

일 실시예에 따라 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법에 있어서, 보안장치의 카메라를 이용하여 로봇을 촬영하는 단계; 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득하는 단계; 제1 해제정보와 미리 결정된 제2 해제정보를 비교하는 단계; 및 제1 해제정보와 제2 해제정보가 서로 일치하는 경우, 보안해제 하는 것으로 결정하는 단계를 포함하고, 공간정보는 보안해제기능이 실행중인 로봇의 위치에 대한 정보인, 보안 해제 방법이 제공될 수 있다. 또한 보안 해제 방법에 따라 동작하는 보안장치, 및 이러한 보안 해제 방법을 수행하기 위한 컴퓨터 프로그램을 수록한 비휘발성 컴퓨터 판독가능 기록매체가 제공될 수 있다.

Description

로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇{METHOD FOR RELEASING SECURITY BY USING SPATIAL INFORMATION RELATED TO ROBOT AND ROBOT THEREOF}
본 발명은 카메라를 통해 획득되는 공간정보를 이용하여 보안을 해제하는 방법 및 장치에 대한 것이다.
현재 다양한 형태의 전자 장치가 널리 이용되고 있고, 이러한 전자 장치들에는 주변의 정보를 획득하기 위한 카메라가 부착되어 구현되고 있다. 이러한 전자 장치들에 부착된 카메라들은 사용자들의 흥미를 위해 이용되는 것뿐만이 아니라, 전자 장치에 부착된 카메라를 이용하여 획득되는 영상을 이용함으로써 보안해제 또는 보안유지 기능을 구현할 수 있다. 예를 들면, 사용자는 전자 장치에 비밀번호를 직접 입력하거나, 전자 장치의 카메라를 통해 얼굴 인식, 홍채 인식, 동작 인식 등의 기능을 이용하여 보안을 유지 또는 해제할 수 있다.
본 발명은 보안을 해제하기 위한 비밀 번호 또는 사용자의 생체 정보 자체에 의해 초래되는 보안의 취약점을 해결하기 위해, 카메라를 통해 획득되는 영상에 대한 공간을 분석하여 보안을 해제함으로써 보안을 강화하는 것을 목적으로 한다.
상술한 기술적 과제를 해결하게 위해 일 실시예에 따라 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법에 있어서, 보안장치의 카메라를 이용하여 로봇을 촬영하는 단계; 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득하는 단계; 제1 해제정보와 미리 결정된 제2 해제정보를 비교하는 단계; 및 제1 해제정보와 제2 해제정보가 서로 일치하는 경우, 보안해제 하는 것으로 결정하는 단계를 포함하고, 공간정보는 보안해제기능이 실행중인 로봇의 위치에 대한 정보인, 보안 해제 방법이 제공될 수 있다.
상술한 기술적 과제를 해결하게 위해 일 실시예에 따라 로봇에 대한 공간정보를 이용하여 보안을 해제하는 보안장치에 있어서, 로봇을 촬영하도록 구성되는 카메라; 및 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 공간정보를 포함하는 제1 해제정보를 획득하고, 제1 해제정보와 미리 결정된 제2 해제정보를 비교하고, 제1 해제정보와 제2 해제정보가 서로 일치하는 경우 보안해제 하는 것으로 결정하도록 구성되는 프로세서를 포함하고, 공간정보는 보안해제기능이 실행중인 로봇의 위치에 대한 정보인, 보안장치가 제공될 수 있다.
상술한 기술적 과제를 해결하게 위해 일 실시예에 따라 보안 해제 방법을 수행하기 위한 컴퓨터 프로그램을 수록한, 비휘발성 컴퓨터 판독가능 기록매체가 제공될 수 있다.
본원에 포함된 다양한 실시예를 통해, 사용자 단말기, 출입문, 금고, 무인택배함, 생활가전, 자동차 등이 이용되는 환경과 같이 보안이 필요한 다양한 환경에서 보안해제정보를 공간정보와 결합시킨 정보를 카메라를 통해 획득하여 보안해제에 이용할 수 있고, 이에 따라 더 고도화된 보안 기능을 구현할 수 있다.
도 1은 일 실시예에 따라 보안장치에 포함된 구성요소를 나타내는 블록도를 도시한다.
도 2는 일 실시예에 따라 보안장치에 의해 수행될 수 있는 보안 해제 방법의 흐름도를 도시한다.
도 3은 일 실시예에 따라 로봇의 동작을 통해 보안장치가 획득할 수 있는 공간정보에 기초하여 보안을 해제하는 과정을 도시한다.
도 4는 일 실시예에 따라, 카메라를 이용하여 로봇을 촬영한 영상으로부터 공간정보를 획득하는 과정을 도시한다.
도 5는 일 실시예에 따라 심도 정보 획득부를 이용하여 로봇을 촬영한 영상으로부터 공간정보를 획득하는 과정을 도시한다.
도 6은 일 실시예에 따라 통신부를 포함하는 보안장치에 대한 블록도를 도시한다.
도 7은 일 실시예에 따라 일회용 해제정보에 기초하여 동작하는 로봇을 촬영하여 보안을 해제하는 방법에 대한 흐름도이다.
도 8은 일 실시예에 따라 공간정보 및 보안해제정보가 일치하는지 기초하여 보안을 해제하는 과정에 대한 흐름도이다.
도 9는 일 실시예에 따라 보안장치, 보안시스템 및 로봇을 이용하여 보안 해제 방법을 수행하는 방법에 대한 흐름도이다.
도 10은 일 실시예에 따른 AI 장치를 나타낸다.
도 11은 일 실시예에 따른 AI 서버를 나타낸다.
도 12는 일 실시예에 따른 AI 시스템을 나타낸다.
도 13은 일 실시예에 따라 공간정보를 이용하여 보안장치의 보안을 해제하기 위한 로봇의 블록도를 도시한다.
이하, 도면을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.
이하의 설명에서 사용되는 구성요소에 대한 접미사 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다.
본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조 부호를 붙이도록 한다. 또한, 본 발명의 일부 실시예들을 예시적인 도면을 참조하여 상세하게 설명한다. 각 도면의 구성요소들에 참조부호를 부가함에 있어서, 동일한 구성요소들에 대해서는 비록 다른 도면상에 표시되더라도 가능한 한 동일한 부호를 가질 수 있다. 또한, 본 발명을 설명함에 있어, 관련된 공지 구성 또는 기능에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략할 수 있다.
본 발명의 구성 요소를 설명하는 데 있어서, 제 1, 제 2, A, B, (a), (b) 등의 용어를 사용할 수 있다. 이러한 용어는 그 구성 요소를 다른 구성 요소와 구별하기 위한 것일 뿐, 그 용어에 의해 해당 구성 요소의 본질, 차례, 순서 또는 개수 등이 한정되지 않는다. 임의의 구성요소 간 "연결", "결합" 또는 "접속"된다고 기재된 경우, 임의의 구성요소 간에 직접적으로 연결되거나 또는 접속될 수 있고 각 구성 요소 사이에 다른 구성 요소가 "개재"되거나 각 구성 요소가 다른 구성 요소를 통해 "연결", "결합" 또는 "접속"될 수도 있다고 이해되어야 할 것이다.
본 개시에서, "포함한다", "구성된다" 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.
또한, 본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
본 발명의 다양한 실시예들을 설명함에 앞서, 주요 용어를 설명하면 다음과 같다.
"보안장치"는 보안을 유지하는 상태에서 소정의 정보가 입력되면 입력 정보가 소정의 조건을 만족하는지 결정하여 보안을 해제함으로써 사용자가 보안에 의해 이용할 수 없었던 기능을 이용할 수 있게 할 수 있는 장치로 정의될 수 있다. 일 실시예에 따라 보안장치는 비밀번호, 제스처, 핀(pin) 코드 등과 같이 다양한 형태의 입력 정보를 이용하여 보안을 해제하도록 할 수 있다. 일 실시예에 따라 보안장치에는 카메라 및 소정의 정보가 처리될 수 있는 프로세서가 포함되어있는 다양한 형태의 전자 장치가 포함될 수 있다. 예를 들면 사용자의 단말기, 컴퓨터, 출입문, 냉장고, 금고 등과 같은 종래의 다양한 형태의 보안장치가 본 발명의 실시예로서 구현될 수 있다.
"공간정보"란 카메라를 통해 획득되는 피사체에 대한 정보로서, 카메라에 의해 획득되는 2차원 영상에서의 피사체에 대한 공간정보 또는 3차원 영상에서의 피사체에 대한 공간정보를 포함할 수 있다. 일 실시예에 따라 보안장치는 카메라의 센서(예를 들면, CCD 센서, CMOS 센서 등)와 평행을 이루는 평면 상에서의 위치뿐만 아니라 카메라로부터 피사체까지의 거리에 대한 정보를 포함하는 공간정보를 획득할 수 있다. 일 실시예에 따라 카메라가 2차원 영상을 촬영하는 경우 공간정보는 2차원 평면 상에서의 피사체의 위치 및 피사체의 크기에 기초하여 산출되는 피사체의 거리에 대한 정보를 포함할 수 있다. 일 실시예에 따라 카메라가 3차원 영상을 촬영하는 경우 공간정보는 3차원 공간 상에서의 피사체의 위치에 대한 정보를 포함할 수 있다. 일 실시예에 따라 공간정보는 피사체의 다양한 위치에 대한 정보를 포함하는 것일 수 있으며, 다양한 위치로의 이동 방향 등에 대한 정보까지 포괄하는 개념으로 이해될 수 있다.
"보안해제정보"는 보안을 해제하기 위해 이용될 수 있는 다양한 형태의 정보를 포함할 수 있다. 본 발명의 일 실시예에 따라 보안해제정보 및 공간정보가 제1 해제정보에 포함되어 있으며, 이러한 제1 해제정보가 모두 제2 해제정보와 일치하는 경우에 보안을 해제할 수 있다. 따라서 보안해제정보는 보안을 해제하기 위해 입력될 수 있는 정보 중 공간정보를 제외한 다양한 형태의 입력 정보(예를 들면, 비밀번호, 핀 코드, 제스처, 또는 이동 후 정지시간 등을 나타내는 정보)가 포함된 그룹으로부터 선택되는 적어도 하나를 포함할 수 있다.
"제1 해제정보"란 보안장치의 카메라를 통해 획득되는 영상으로부터 획득되는 보안 해제를 위한 입력정보를 포함할 수 있으며, 보안장치는 보안 해제를 위해 입력되어야 하는 정보인 미리 결정된 "제2 해제정보"와 제1 해제정보가 일치하는지 결정하여 보안을 해제할 수 있다.
"보안해제"란 보안장치가 소정의 정보 또는 기능에 대한 사용자의 접근을 차단하고 있던 보안 기능을 해제함으로써 사용자가 해당 정보나 기능을 이용할 수 있게 하는 다양한 과정이 포함될 수 있다. 예를 들면, 보안장치가 사용자의 단말기인 경우 보안해제를 통해 사용자는 단말기의 기능에 접근할 수 있게 되고, 보안장치가 출입문인 경우 보안해제를 통해 사용자는 출입문을 통과할 수 있게 된다. 그 외에도 이러한 보안해제 기능은 종래의 다양한 형태의 보안장치를 통해 구현되는 보안 기능에 대응하는 것으로 이해될 수 있다.
"인공 지능"(A.I.: Artificial Intellegent)은 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 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.
인공지능은 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.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
"자율 주행" (Self-Driving, Autonomous-Driving)은 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)은 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.
이하에서는 본 발명의 다양한 실시예들을 도면과 함께 설명하도록 한다.
도 1은 일 실시예에 따라 보안장치(100)에 포함된 구성요소를 나타내는 블록도를 도시한다. 일 실시예에 따라 보안장치(100)는 소정의 피사체(예를 들면, 로봇 또는 로봇과 동행 중인 사용자 등)를 촬영할 수 있는 카메라(110) 및 이러한 카메라로부터 획득되는 영상에 기초하여 보안해제정보 및 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득하고, 제1 해제정보와 미리 결정된 제2 해제정보를 비교하고, 제1 해제정보와 제2 해제정보가 서로 일치하는 경우 보안해제 하는 것으로 결정하도록 구성되는 프로세서를 포함할 수 있다. 일 실시예에 따라 공간정보란 보안해제기능이 실행중인 로봇의 위치에 대한 정보를 포함할 수 있다. 도 1에 도시된 보안장치(100)를 통해 구현될 수 있는 기능은 이하의 다양한 실시예를 통해 자세히 설명하도록 한다.
도 2는 일 실시예에 따라 보안장치(100)에 의해 수행될 수 있는 보안 해제 방법의 흐름도를 도시한다.
S210단계에서 보안장치(100)는 일 실시예에 따라 카메라(110)를 이용하여 로봇을 촬영할 수 있다. 일 실시예에 따라 카메라(110)를 이용하여 촬영하는 로봇은 보안을 해제하기 위한 동작을 구현 중일 수 있다. 일 실시예에 따라 프로세서(120)는 촬영을 개시하기 전에, 외부로부터 획득되는 소정의 정보에 기초하여 촬영을 개시하도록 카메라(110)를 제어할 수 있다. 예를 들면, 촬영을 개시하도록 하는 소정의 정보는 사용자에 따라 입력되는 정보일 수 있고, 로봇으로부터 수신되거나 또는 보안장치와 연동되는 외부시스템으로부터 수신되는 임의의 정보일 수 있다.
일 실시예에 따라 보안장치(100)는 로봇에 의해 구현되는 동작을 카메라(110)로 촬영할 수 있으며 이러한 촬영 과정은 동작을 수행중인 로봇의 위치에 대한 공간정보 및 그 위치에서 수행중인 해당 동작과 관련된 보안해제정보를 촬영하는 것일 수 있다.
S220단계에서 보안장치(100)는 일 실시예에 따라 S210단계에서의 촬영에 획득되는 영상에 기초하여 보안해제정보 및 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득할 수 있다. 일 실시예에 따라 제1 해제정보를 획득하기 위해서 프로세서(120)는 획득된 영상으로부터 촬영된 로봇을 인식할 수 있다. 일 실시예에 따라 영상 내에서의 특정 피사체를 인식하는 방식으로는 종래의 다양한 인식 기술이 포함될 수 있다. 일 실시예에 따라 프로세서(120)는 인공신경망을 이용한 딥러닝(deep learning) 기술을 이용하여 다양한 형태의 로봇을 인식할 수 있다. 일 실시예에 따라 프로세서(120)는 촬영된 로봇에 포함된 다양한 구성요소 중 보안해제정보를 표시할 수 있는 디스플레이 부분을 인식하여, 그로부터 보안해제정보를 획득할 수 있고, 해당 디스플레이 부분의 위치에 대한 정보에 기초한 공간정보를 획득할 수 있다. 촬영에 의해 획득된 영상에 기초하여 제1 해제정보를 획득하는 과정에 대해서는 후술하도록 한다.
일 실시예에 따라 프로세서(120)는 촬영에 의해 획득된 영상에 기초하여 공간정보를 결정할 수 있다. 일 실시예에 따라 공간정보는 카메라(110)를 기준으로 피사체인 로봇이 어느 위치에 있는지를 나타내는 정보일 수 있으며, 이는 카메라(110)로부터의 거리에 대한 정보에 대응하는 정보일 수 있다. 일 실시예에 따라 프로세서(120)는 카메라(110)를 통해 획득한 3차원 영상 정보 자체를 공간정보로서 결정할 수 있을 뿐만 아니라 획득한 2차원 영상 정보를 영상 처리하여 획득한 로봇의 거리에 대한 정보를 공간정보로서 결정할 수 있다.
S230 단계에서 보안장치(100)는 일 실시예에 따라 제1 해제정보와 미리 결정된 제2 해제정보를 비교할 수 있다. 일 실시예에 따라 보안장치(100)의 프로세서(120)는 보안해제를 위해 필요한 제2 해제정보를 미리 결정하고 있을 수 있으며, 이러한 제2 해제정보는 사용자에 의해 미리 설정된 것일 수 있으며 외부로부터 획득된 것일 수 있다. 일 실시예에 따라 프로세서(120)가 제1 해제정보와 제2 해제정보를 비교하는 과정은 각 해제정보에 포함된 보안해제정보 및 공간정보끼리 서로 비교하는 과정일 수 있다.
일 실시예에 따라 제1 해제정보 또는 제2 해제정보에 포함되는 공간정보는 적어도 하나일 수 있다. 일 실시예에 따라 제1 해제정보에 포함된 보안해제정보와 공간정보는 서로 연관된 것일 수 있으며, 이에 따라 보안장치(100)는 제1 해제정보와 제2 해제정보를 비교함에 있어서 각 공간정보와 연관된 보안해제정보가 제1 해제정보 및 제2 해제정보끼리 서로 일치하는지를 비교할 수 있다.
S240단계에서 일 실시예에 따라 제1 해제정보와 제2 해제정보가 서로 일치하는 경우, 보안장치(100)는 보안을 해제하는 것으로 결정할 수 있다. 일 실시예에 따라 제1 해제정보에 포함된 보안해제정보와 제2 해제정보에 포함된 대응 보안해제정보가 서로 일치하고 제1 해제정보에 포함된 공간정보와 제2 해제정보에 포함된 대응 공간정보가 서로 일치하는 경우, 보안장치(100)는 보안을 해제하는 것으로 결정할 수 있다.
도 3은 일 실시예에 따라 로봇(390)의 동작을 통해 보안장치(100)가 획득할 수 있는 공간정보에 기초하여 보안을 해제하는 과정을 도시한다.
일 실시예에 따라 보안장치(100)는 카메라(310)를 이용하여 로봇(390)을 촬영할 수 있으며, 프로세서(320)는 촬영된 영상에 기초하여 제1 해제정보를 획득할 수 있다. 일 실시예에 따라 보안장치(100)는 카메라(310) 및 프로세서(320)를 통해 보안이 해제되는 경우 동작할 수 있는 별개의 장치(예를 들면, 보안해제 시 출입할 수 있는 출입문(330)이 보안장치(100)와 유선 또는 무선으로 연결되어있을 수 있다.
일 실시예에 따라 보안장치(100)는 카메라(310)를 통해 로봇(390)을 촬영을 개시하기 위해 소정의 정보를 입력받을 수 있다. 예를 들면 로봇(390) 또는 로봇(390)과 동행 중인 사용자로부터의 외부입력에 기초하여 보안장치(100)의 촬영이 개시될 수도 있으며, 보안장치(100)와 연동되는 보안시스템(미도시)으로부터 수신되는 촬영 개시 명령에 기초하여 보안장치(100)의 촬여이 개시될 수도 있다.
일 실시예에 따라 로봇(390)은 보안장치(100)의 카메라(310)의 촬영이 개시되는 시점부터 제1 해제정보를 나타내기 위한 동작을 수행할 수 있다. 일 실시예에 따라 로봇(390)의 동작은 카메라(310)의 시야각 내에서 이동하는 동작을 포함하여, 로봇(390)의 디스플레이에 소정의 정보를 표시하거나 로봇(390)의 구동부를 이용하여 소정의 제스처를 물리적으로 표현하는 등의 동작을 포함할 수 있다.
일 실시예에 따라 카메라(310)는 로봇(390)을 촬영함으로써 로봇(390)의 디스플레이에 표시되는 비밀번호, 핀코드 등과 같은 임의의 정보를 포함하는 보안해제정보를 획득할 수 있다. 일 실시예에 따라 로봇(390)은 보안해제정보를 표시하는 과정과 이동하는 과정(392)이 조합된 정보인 제1 해제정보에 따라 동작할 수 있다. 예를 들면, 로봇(390)은 각 공간정보에 연관된 보안해제정보에 기초하여 동작함으로써 각 위치마다 다른 정보를 디스플레이에 표시하는 것일 수 있다. 이하의 표 1은 로봇(390)이 각 공간정보에 연관된 보안해제정보를 표시하기 위한 동작의 조합에 대한 예시이다.
공간정보
P1 P2
보안해제정보 A1 A2
표 1에 따르면, 로봇(390)은 공간정보 P1에 대응하는 위치로 이동하여 보안해제정보 A1을 표시한 후, 공간정보 P2에 대응하는 위치로 이동(예를 들면, 392)하여 보안해제정보 A2을 표시할 수 있으며, 카메라(310)는 이러한 로봇(390)의 동작을 촬영함으로써 공간정보 P1에 연관된 보안해제정보 A1 및 공간정보 P2에 연관된 보안해제정보 A2를 포함하는 제1 해제정보를 획득할 수 있다. 다만 상술한 표 1의 기재는 보안해제정보 및 공간정보가 서로 연관된 것이라는 점을 설명하기 위해 서술한 것이므로 이에 한정하여 보안해제정보 및 공간정보가 해석되어서는 안 된다. 즉, 로봇(390)이 이동할 수 있는 위치는 적어도 하나의 다양한 위치일 수 있으며, 이러한 위치에서 표시될 수 있는 보안해제정보는 각 위치마다 달라질 수 있다. 따라서 카메라(310)가 로봇(390)의 동작을 촬영하여 공간정보와 연관된 보안해제정보를 포함하는 제1 해제정보를 획득하는 특징을 구현하기 위한 범위 내에서 통상의 기술자가 실시할 수 있는 다양한 기술이 포함되는 것으로 해석되어야 한다.
도 4는 일 실시예에 따라, 카메라(410)를 이용하여 로봇(450)을 촬영한 영상으로부터 공간정보를 획득하는 과정을 도시한다.
일 실시예에 따라 카메라(410)는 평면 이미지를 촬영할 수 있는 종래의 다양한 카메라를 포함하는 것일 수 있다. 일 실시예에 따라 보안장치(100)는 이러한 종래에 널리 이용되고 있는 카메라(410)를 이용하여 공간정보를 획득할 수 있다.
도 4를 참조하면, 제1 위치의 로봇(450)을 카메라(410)로 촬영한 제1 영상(460) 내에서 제1 위치의 로봇(450)은 제1 영상(460) 내에서의 소정의 위치에 표시될 수 있다. 일 실시예에 따라 카메라(410)로부터의 거리가 제1 위치보다 상대적으로 더 먼 제2 위치의 로봇(452)을 카메라(410)로 촬영한 제2 영상(470) 내에서 제2 위치의 로봇(452)은 제2 영상(470) 내에서의 소정의 위치에 표시될 수 있으며 표시되는 모습은 제1 위치에서의 로봇(450)보다 상대적으로 작은 크기로 표시될 수 있다. 일 실시예에 따라 프로세서(120)는 제1 위치의 로봇(450) 및 제2 위치의 로봇(452)을 촬영함으로써 획득되는 영상(460, 470) 내에서 로봇(450, 452)이 표시되는 크기에 기초하여 공간정보를 획득할 수 있다.
일 실시예에 따라 제1 해제정보 및 제2 해제정보에 포함된 공간정보는 좌표정보의 형식뿐만 아니라 로봇의 움직임 방향으로 표현될 수 있다. 일 실시예에 따라 공간정보가 좌표정보의 형식으로 이용되는 경우, 공간정보는 (x1, y1, z1), (x2, y2, z2) 등과 같은 구체적인 좌표를 나타낼 수 있다, 일 실시예에 따라 공간정보가 로봇의 움직임 방향으로 이용되는 경우, 공간정보는 기준점으로부터 3차원 공간에서 어느 방향으로 움직였는지를 나타낼 수 있다. 예를 들면, 공간정보는 기준점을 기준으로 (x1, y1, z1) 방향으로의 움직임, (x2, y2, z2) 방향으로의 움직임 등과 같은 정보로 정의될 수 있다.
일 실시예에 따라 카메라(410)가 평면 이미지를 촬영하는 카메라인 경우 제1 프로세서(120)는 이전 시점 영상에서의 로봇의 위치를 기준으로 어느 방향으로 로봇이 움직였는지 결정하여 공간정보를 산출해낼 수 있다. 일 실시예에 따라 공간정보는 로봇의 움직임 방향을 (x, y, z)의 벡터 좌표로 나타내는 것일 수 있다. 여기서 x좌표는 좌우 방향, y좌표는 상하방향, z좌표는 전후면 방향을 나타내는 것일 수 있다.
예를 들어 도 4를 참조하면, 프로세서(120)는 카메라(410)가 촬영을 개시하는 시점의 로봇(450)의 제1 위치를 기준점으로 결정하고, 카메라(410)가 그 이후에 제2 위치(예를 들면, 도 4의 로봇(452)의 위치)로 이동한 로봇(450)을 촬영한 경우 프로세서(120)는 로봇(450)의 동작에 따른 공간정보가 같은 높이에서 왼쪽 뒤로 움직였음(예를 들면, (-1, 0, 1) 벡터 방향으로 움직였음)을 나타내는 것으로 결정할 수 있다.
또 다른 예를 들어 도 4를 참조하면, 프로세서(120)는 카메라(410)가 촬영을 개시하는 시점의 로봇(452)의 제2 위치를 기준점으로 결정하고, 카메라(410)가 그 이후에 제1 위치(예를 들면, 도 4의 로봇(450)의 위치)로 이동한 로봇(452)을 촬영한 경우 프로세서(120)는 로봇(452)의 동작에 따른 공간정보가 같은 높이에서 오른쪽 앞으로 움직였음(예를 들면, (1, 0, -1) 방향으로 움직였음)을 나타내는 것으로 결정할 수 있다.
다만 상술한 실시예는 촬영된 평면 이미지를 통해 프로세서(120)가 공간정보를 획득할 수 있는 방법을 단지 설명하기 위한 실시예이므로 프로세서(120)의 특징이 이에 한정되는 것으로 해석되어서는 안되며, 평면 이미지를 통해 해석될 수 있는 피사체의 이동방향에 대한 정보가 공간정보의 산출에 이용될 수 있는 범위 내에서 다양한 실시예들이 구현될 수 있는 것으로 이해되어야 한다.
일 실시예에 따라 카메라(410)는 3차원 정보 또는 심도 정보를 획득할 수 있는 심도 정보 획득부를 포함할 수 있다. 일 실시예에 따라 심도 정보 획득부는 종래의 다양한 카메라를 포함하는 것일 수 있다. 일 실시예에 따라 보안장치(100)는 3차원 영상 촬영이 가능한 3차원 카메라뿐만 아니라 심도 정보를 획득할 수 있는 종래의 다양한 종류의 심도 카메라(예를 들면, 트루뎁스(TrueDepth) 카메라, ToF(Time of Flight) 카메라), 레이더(radar), 라이다(lidar) 등을 심도 정보 획득부로서 이용할 수 있다. 일 실시예에 따라 카메라(410)는 2차원 영상 촬영이 가능한 카메라 및 심도 정보를 획득할 수 있는 심도 정보 획득부를 조합하여 사용할 수도 있다.
도 5는 일 실시예에 따라 심도 정보 획득부(510)를 이용하여 로봇(522, 532)을 촬영한 영상으로부터 공간정보를 획득하는 과정을 도시한다.
일 실시예에 따라 보안장치(100)는 심도 정보 획득부(510)를 이용함으로써 평면 상에서의 피사체의 위치에 대한 정보뿐만 아니라 심도 정보를 획득할 수 있다. 프로세서(120)는 이러한 심도 정보를 이용하여 로봇(522, 532)의 심도 정보 획득부(510)로부터 거리를 결정할 수 있고 이에 기초하여 공간정보를 결정할 수 있다.
도 5를 참조하면, 보안장치(100)는 제1 위치의 로봇(522)을 심도 정보 획득부(510)로 촬영한 제1 영상(520)을 통해 제1 위치의 로봇(522)의 위치에 대한 정보를 획득할 수 있을 뿐만 아니라 이러한 위치에 대응하는 거리를 나타내는 심도 정보를 추가적으로 더 획득할 수 있다. 일 실시예에 따라 심도 정보 획득부 (510)로부터의 거리가 제1 위치보다 상대적으로 더 먼 제2 위치의 로봇(532)을 심도 정보 획득부(510)로 촬영한 제2 영상(530)을 통해 제2 위치의 로봇(532)의 위치에 대한 정보를 획득할 수 있을 뿐만 아니라 이러한 위치에 대응하는 거리를 나타내는 심도 정보를 추가적으로 더 획득할 수 있다. 이 경우 제1 위치에서의 로봇(522)에 대한 심도 정보는 제2 위치에서의 로봇(532)에 대한 심도 정보 보다는 심도 정보 획득부(510)로부터의 거리가 더 가깝다는 것을 나타낼 수 있다. 즉, 도 5에 따라 제1 위치에 따른 거리정보(552)는 (x2, y1, z2)를 나타낼 수 있고 제2 위치에 따른 거리정보(562)는 (x1, y1, z1)을 나타내는 것일 수 있다. 일 실시예에 따라 심도 정보 획득부(510)를 이용하여 촬영을 수행하는 보안장치(100)는 좌표 형식으로 표현될 수 있는 심도 정보를 공간정보로서 활용할 수 있다. 일 실시예에 따라 보안정보(100)는 심도 정보 획득부를 이용하여 정보를 획득하는 보안장치(100)는 심도 정보에 기초하여 로봇의 움직임 방향을 산출해낼 수 있으며 이에 기초하여 공간정보를 결정할 수 있다. 로봇의 움직임 방향에 대한 공간정보를 이용하는 방식에 대해서는 상술하였으므로 자세한 설명은 생략한다.
도 6은 일 실시예에 따라 통신부(630)를 포함하는 보안장치(600)에 대한 블록도를 도시한다. 도 6의 보안장치(600)는 도 1의 보안장치(100)의 특징에 추가적인 특징을 구현할 수 있는 통신부(630)를 부가한 것으로서, 도 1의 보안장치(100)의 특징을 그대로 이용 가능하다. 일 실시예에 따라 프로세서(620)는 보안장치(100)가 다른 외부의 전자 장치(예를 들면, 보안 해제 동작을 수행하는 로봇, 보안장치(600)와 유기적으로 연결되는 보안 시스템, 사용자의 단말기 등)과 유무선으로 통신할 수 있도록 통신부(630)를 제어할 수 있다.
도 7은 일 실시예에 따라 일회용 해제정보에 기초하여 동작하는 로봇(790)을 촬영하여 보안을 해제하는 방법에 대한 흐름도이다.
S702단계에서 보안장치(700)는 일 실시예에 따라 보안을 해제하도록 인증받은 로봇(790)인지 결정할 수 있다. 일 실시예에 따라 프로세서(620)는 통신부(63)를 통해 외부로부터 수신된 정보에 기초하여 로봇(790)이 인증받은 로봇인지 결정할 수 있다. 예를 들면, 보안장치(700)는 보안장치(700)와 연동되는 보안 시스템으로부터 인증정보를 수신하여 로봇(790)이 인증된 로봇인 것으로 결정할 수 있거나, 보안장치(700)는 사용자의 단말기를 통해 수신되는 인증정보를 수신하여 로봇(790)이 사용자에 의해 인증받은 로봇이라거나 사용자가 소유한 로봇이라는 등의 확인을 통해 로봇(790)이 인증된 로봇인 것으로 결정할 수도 있다.
일 실시예에 따라 보안장치(700)는 수신된 로봇 식별번호에 기초하여 로봇(790)이 인증된 로봇이라는 것을 결정할 수 있다. 예를 들면, 보안장치(700)는 카메라(610)를 통해 로봇(790)에 부착된 QR코드, 바코드, 시리얼 번호 등을 확인하고 통신부(630)를 통해 수신된 로봇 식별정보를 확인된 정보와 비교하여 로봇(790)이 인증된 로봇이라는 것을 결정할 수 있다.
S704단계에서 보안장치(700)는 일 실시예에 따라 S702단계를 통해 로봇(790)이 인증된 로봇인 것으로 결정된 경우 일회용 해제정보를 로봇(790)에게 전송하도록 통신부(630)를 제어할 수 있다. 일 실시예에 따라 전송되는 일회용 해제정보는 보안장치(700)의 제2 해제정보로서 임시로 저장된 것일 수 있으며, 로봇(790)의 동작을 통해 획득되는 제1 해제정보와 비교될 수 있다.
S706단계에서 로봇(790)은 일 실시예에 따라 일회용 해제정보에 따라 보안 해제 동작을 수행하고 있을 수 있으며, 보안장치(700)는 S710단계에서 이러한 로봇(790)의 동작을 카메라(610)를 이용하여 촬영할 수 있다.
S720단계에서 보안장치(700)는 일 실시예에 따라 S710단계에서의 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득할 수 있다. 일 실시예에 따라 보안장치(700)가 획득하게 되는 제1 해제정보는 로봇(790)으로 전송된 일회용 해제정보에 대응되는 것일 수 있다.
S730단계에서 보안장치(700)는 일 실시예에 따라 제1 해제정보와 미리 결정된 제2 해제정보를 비교할 수 있다. 일 실시예에 따라 보안장치(700)는 로봇(790)이 인증된 로봇임을 확인하고 일회용 해제정보를 전송하였기 때문에, 로봇(790)의 동작을 촬영한 영상으로부터 획득된 제1 해제정보 및 보안장치(700)가 알고 있는 제2 해제정보는 모두 일회용 해제정보에 대응되는 것일 수 있다.
S740단계에서 보안장치(700)는 일 실시예에 따라 제1 해제정보와 제2 해제정보가 서로 일치하는 경우 보안해제 하는 것으로 결정할 수 있다.
도 8은 일 실시예에 따라 공간정보 및 보안해제정보가 일치하는지 기초하여 보안을 해제하는 과정에 대한 흐름도이다. 일 실시예에 따라 보안장치(100)는 제1 해제정보에 포함된 보안해제정보 및 공간정보가 제2 해제정보의 대응 보안해제정보 및 대응 공간정보에 각각 일치하지 않는 경우 불일치한 정보와 관련된 동작을 다시 수행하도록 요구하는 정보를 출력할 수 있다. 일 실시예에 따라 도 8의 S810, S820 및 S840단계의 특징은 도 2의 S210, S220 및 S240단계에 대한 특징과 각각 동일하거나 유사한 것일 수 있으므로 자세한 설명은 생략한다.
S832단계에서 보안장치(100)는 일 실시예에 따라 제1 해제정보에 포함된 공간정보가 제2 해제정보에 포함된 대응 공간정보에 일치하는지 결정할 수 있다. 일 실시예에 따라 제1 해제정보에 포함된 공간정보가 제2 해제정보에 포함된 대응 공간정보에 일치하지 않는 경우, S834단계에서 보안장치(100)는 로봇의 위치를 조절하도록 요구하는 정보를 생성하여 출력할 수 있다. 이에 따라 보안장치(100)는 S810단계로 회귀하여 로봇을 다시 촬영할 수 있다.
일 실시예에 따라 제1 해제정보에 포함된 공간정보가 제2 해제정보에 포함된 대응 공간정보에 일치하는 경우, 보안장치(100)는 일 실시예에 따라 S836단계에서 제1 해제정보에 포함된 공간정보에 대응하는 위치에서 획득되는 보안해제정보가 제2 해제정보에 포함되는 대응 보안해제정보와 일치하는지 결정할 수 있다. 일 실시예에 따라 제1 해제정보에 포함된 공간정보에 대응하는 위치에서 획득되는 보안해제정보가 제2 해제정보에 포함되는 대응 보안해제정보와 일치하지 않는 경우, S838단계에서 보안장치(100)는 일 실시예에 따라 보안해제정보를 다시 입력할 것을 요구하는 정보를 출력할 수 있다. 이에 따라 보안장치(100)는 S810단계로 회귀하여 로봇을 다시 촬영할 수 있다.
다만 도 8에 도시된 실시예는 제1 해제정보의 공간정보 또는 보안해제정보 중 어느 정보가 제2 해제정보의 대응 공간정보 또는 대응 보안해제정보와 일치하지 않은 것으로 결정되는지에 따라, 보안장치(100)가 출력할 수 있는 정보를 결정하는 보안장치(100)의 동작을 설명하기 위한 것이다. 따라서 보안장치(100)는 보안해제정보를 대응 보안해제정보와 비교한 후에 공간정보를 대응 공간정보와 비교하는 동작을 수행할 수도 있는 것으로 이해될 수 있다.
일 실시예에 따라 S834단계 또는 S838단계에서 보안장치(100)는 로봇의 위치를 조절하도록 요구하는 정보 또는 보안해제정보를 다시 입력할 것을 요구하는 정보를 다양한 형태로 출력할 수 있다. 예를 들면, 보안장치(100)는 상술한 정보를 영상, 음성, 햅틱(haptic) 정보 등의 형태로 출력하거나 또는 이러한 다양한 형태의 정보들이 조합된 형태로 출력할 수 있다.
일 실시예에 따라 보안장치(100)는 보안해제정보 및 공간정보가 모두 대응 보안해제정보와 대응 공간정보와 일치하는지 동시에 결정할 수 있다. 이에 따라 보안해제정보 및 공간정보가 모두 대응 보안해제정보와 대응 공간정보와 일치하지 않는 경우, 보안장치(100)는 로봇의 위치를 조절하고 보안해제정보를 다시 입력할 것을 요구하는 정보를 동시에 출력할 수도 있다.
일 실시예에 따라 보안해제를 위해 필요한 공간정보가 복수의 위치와 관련된 경우, 보안장치(100)는 공간정보에 대응하는 복수의 위치를 이동하는 순서를 고려하여 제1 해제정보 및 제2 해제정보가 일치하는지 결정할 수 있다. 즉, 보안장치(100)는 보안해제를 위한 로봇의 동작이 각 공간정보에 대응하는 보안해제정보가 어떤 순서로 촬영되는지에 기초하여 제1 해제정보 및 제2 해제정보의 일치 여부를 판단할 수 있다. 이에 따라 공간정보 및 보안해제정보가 모두 동일하다고 하더라도 어떤 순서로 촬영되는지 까지 고려하여 보안을 해제하도록 함으로써 더 고도화된 보안 기능을 구현할 수 있다.
도 9는 일 실시예에 따라 보안장치(900), 보안시스템(950) 및 로봇(990)을 이용하여 보안 해제 방법을 수행하는 방법에 대한 흐름도이다. 도 9의 보안장치(900)는 도 6의 보안장치(600)에 대응되는 것일 수 있다. 일 실시예에 따라 도 9의 S910, S920, S930 및 S940단계의 특징은 도 2의 S210, S220, S230 및 S240단계에 대한 특징 또는 도 7의 S710, S720, S730 및 S740단계과 각각 동일하거나 유사한 것일 수 있으므로 자세한 설명은 생략한다.
일 실시예에 따라 보안장치(900)는 보안시스템(950)과 연동될 수 있으며, 보안시스템으로부터 소정의 정보를 전달받을 수 있다. 일 실시예에 따라 보안시스템(950)은 보안장치(900)의 사용자가 접근 가능한 시스템으로서 다양한 형태로 구현될 수 있다(예를 들면, 단말기, 서버, 컴퓨터, 또는 이들의 조합).
S901단계에서 보안시스템(950)은 일 실시예에 따라 외부로부터 수신된 인증 요청에 기초하여 로봇을 인정하도록 결정할 수 있다. 일 실시예에 따라 보안시스템(950)은 외부로부터 수신된 정보에 기초하여 로봇(790)이 인증받은 로봇인지 결정할 수 있다. 일 실시예에 따라 보안시스템(950)은 로봇(990)으로부터 또는 로봇(990)과 연동되는 소정의 시스템으로부터 보안 해제 동작을 수행할 예정인 로봇(990)의 식별번호를 미리 전달받을 수 있다. 보안시스템(950)은 로봇(990)의 식별번호를 확인하고 해당 로봇(990)이 인증된 로봇인 것으로 결정할 수 있다. 일 실시예에 따라 보안시스템(950)은 인증된 로봇인지 확인하기 위한 소정의 테이블을 미리 결정해놓을 수 있고, 보안시스템(950)은 로봇(990)으로부터 식별번호를 전달받으면 이러한 소정의 테이블 상에 포함된 식별번호와 비교하여 로봇(990)이 인증된 로봇이라고 결정할 수 있다.
일 실시예에 따라 보안시스템(950)은 보안장치(900)로부터 수신되는 로봇 식별번호에 기초하여 로봇(990)이 인증된 로봇이라는 것을 결정할 수도 있다. 예를 들면, 보안장치(900)는 카메라(610)를 통해 로봇(990)에 부착된 QR코드, 바코드, 시리얼 번호 등을 확인하고 통신부(630)를 통해 해당 식별정보를 보안시스템(950)으로 전송할 수 있다. 보안시스템(950)은 소정의 테이블 상의 식별번호와 보안장치(900)로부터 전달받은 식별번호가 일치하는지 확인하여, 로봇(990)이 인증된 로봇인 것으로 결정할 수도 있다.
S902단계에서 일 실시예에 따라 보안장치(900)는 인증된 로봇에 대한 식별 정보를 보안시스템(950)으로부터 수신할 수 있다. 일 실시예에 따라 보안시스템(950)은 로봇의 인증을 위해 미리 결정된 상술한 소정의 테이블을 보안장치(900)와 공유할 수 있다. 일 실시예에 따라 보안장치(900)는 보안시스템(950)이 인증된 것이라고 결정한 로봇에 대한 식별정보만을 전송받을 수도 있다.
S903단계에서 보안시스템(950)은 보안장치(900)에게 제2 해제정보를 전송할 수 있다. 뿐만 아니라 보안시스템(950)은 인증된 로봇으로 결정된 로봇(990)에게도 제2 해제정보를 전송할 수 있다. 이에 따라 로봇(990)은 인증된 것을 전제로 획득된 제2 해제정보에 기초하여 보안 해제를 위한 동작을 보안장치(900)의 카메라(610) 앞에서 수행할 수 있다.
S910단계에서 보안장치(900)는 카메라(610)를 이용하여 로봇(990)을 촬영할 수 있으며, S915단계에서 보안장치(900)는 S902단계를 통해 수신된 식별정보에 기초하여, 촬영되는 로봇(990)이 인증된 로봇인지 결정할 수 있다.
인증된 로봇에 대한 식별정보를 S902단계에서 보안시스템(950)으로부터 전달받은 보안장치(900)는 전달받은 식별정보와 보안장치(900)의 카메라(610)를 통해 획득되는 로봇(990)에 대한 정보(예를 들면 로봇(990)에 부착된 QR코드, 바코드, 시리얼 번호 등)를 비교함으로써 촬영되는 로봇(990)이 인증된 로봇이라는 것을 결정할 수 있다.
도 10은 본 발명의 일 실시 예에 따른 AI 장치(1000)를 나타낸다.
도 10의 AI 장치(1000)는 도 1의 음식 제공 장치(100)에 대응되는 장치일 수 있으며, 도 10의 구성 중 도 1의 보안장치(100) 또는 도 6의 보안장치(600)에 포함되지 않은 구성은 본 발명의 실시예를 구현할 수 있는 범위 내에서 선택적으로 채택될 수 있다.
AI 장치(1000)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 10를 참조하면, AI 장치(1000)는 통신부(1010), 입력부(1020), 러닝 프로세서(1030), 센싱부(1040), 출력부(1050), 메모리(1070) 및 프로세서(1080) 등을 포함할 수 있다.
통신부(1010)는 유무선 통신 기술을 이용하여 다른 AI 장치(1200a 내지 1200e)나 AI 서버(1100) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(1010)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(1010)가 이용하는 통신 기술에는 GSM, CDMA, LTE, 5G, WLAN, Wi-Fi, 블루투스, RFID, 적외선 통신, ZigBee, NFC 등이 있다.
입력부(1020)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(1020)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(1020)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(1020)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(1080) 또는 러닝 프로세서(1030)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(1030)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(1030)는 AI 장치(1000)의 러닝 프로세서(1030)와 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(1030)는 AI 장치(1000)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(1030)는 메모리(1070), AI 장치(1000)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(1040)는 다양한 센서들을 이용하여 AI 장치(1000) 내부 정보, AI 장치(1000)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(1040)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, 온도 센서 등이 있다.
출력부(1050)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(1050)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(1070)는 AI 장치(1000)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(1070)는 입력부(1020)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(1080)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(1000)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(1080)는 AI 장치(1000)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(1080)는 러닝 프로세서(1030) 또는 메모리(1070)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(1000)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(1080)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(1080)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(1080)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(1030)에 의해 학습된 것이나, AI 서버(1000)의 러닝 프로세서(1040)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(1080)는 AI 장치(1000)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(1070) 또는 러닝 프로세서(1030)에 저장하거나, AI 서버(1000) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(1080)는 메모리(1070)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(1000)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(1080)는 상기 응용 프로그램의 구동을 위하여, AI 장치(1000)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 11은 본 발명의 일 실시 예에 따른 AI 서버(1100)를 나타낸다.
도 11을 참조하면, AI 서버(1100)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(1100)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(1100)는 AI 장치(1000)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(1100)는 통신부(1110), 메모리(1130), 러닝 프로세서(1140) 및 프로세서(1160) 등을 포함할 수 있다.
통신부(1110)는 AI 장치(1000) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(1130)는 모델 저장부(1131)를 포함할 수 있다. 모델 저장부(1131)는 러닝 프로세서(1140)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망(1131a))을 저장할 수 있다.
러닝 프로세서(1140)는 학습 데이터를 이용하여 인공 신경망(1131a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(1100)에 탑재된 상태에서 이용되거나, AI 장치(1000) 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(1130)에 저장될 수 있다.
프로세서(1160)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 12은 본 발명의 일 실시 예에 따른 AI 시스템(1200)을 나타낸다.
도 12을 참조하면, AI 시스템(1200)은 AI 서버(1100), 로봇(1200a), 자율 주행 차량(1200b), XR 장치(1200c), 스마트폰(1200d) 또는 가전(1200e) 중에서 적어도 하나 이상이 클라우드 네트워크(1210)와 연결된다. 여기서, AI 기술이 적용된 로봇(1200a), 자율 주행 차량(1200b), XR 장치(1200c), 스마트폰(1200d) 또는 가전(1200e) 등을 AI 장치(1200a 내지 1200e)라 칭할 수 있다.
클라우드 네트워크(1210)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(1210)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1200)을 구성하는 각 장치들(1200a 내지 1200e, 1100)은 클라우드 네트워크(1210)를 통해 서로 연결될 수 있다. 특히, 각 장치들(1200a 내지 1200e, 1100)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(1100)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(1100)는 AI 시스템(1200)을 구성하는 AI 장치들인 로봇(1200a), 자율 주행 차량(1200b), XR 장치(1200c), 스마트폰(1200d) 또는 가전(1200e) 중에서 적어도 하나 이상과 클라우드 네트워크(1210)를 통하여 연결되고, 연결된 AI 장치들(1200a 내지 1200e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(1100)는 AI 장치(1200a 내지 1200e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(1200a 내지 1200e)에 전송할 수 있다.
이때, AI 서버(1100)는 AI 장치(1200a 내지 1200e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(1200a 내지 1200e)로 전송할 수 있다.
또는, AI 장치(1200a 내지 1200e)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(1200a 내지 1200e)의 다양한 실시 예들을 설명한다. 여기서, 도 12에 도시된 AI 장치(1200a 내지 1200e)는 도 10에 도시된 AI 장치(1000)의 구체적인 실시 예로 볼 수 있다.
로봇(1200a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(1200a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(1200a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(1200a)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(1200a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(1200a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(1200a)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(1200a)에서 직접 학습되거나, AI 서버(1100) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(1200a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1100) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(1200a)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(1200a)을 주행시킬 수 있다.
맵 데이터에는 로봇(1200a)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(1200a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(1200a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
자율 주행 차량(1200b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(1200b)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(1200b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(1200b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(1200b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(1200b)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(1200b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(1200a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(1200b)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(1200b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(1200b)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(1200b)에서 직접 학습되거나, AI 서버(1100) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(1200b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1100) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(1200b)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(1200b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(1200b)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(1200b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(1200b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
XR 장치(1200c)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(1200c)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(1200c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(1200c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(1200c)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(1200c)에서 직접 학습되거나, AI 서버(1100) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(1200c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(1100) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(1200a)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(1200a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(1200b)과 상호작용하는 로봇(1200a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(1200a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(1200a) 및 자율 주행 차량(1200b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(1200a) 및 자율 주행 차량(1200b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(1200b)과 상호작용하는 로봇(1200a)은 자율 주행 차량(1200b)과 별개로 존재하면서, 자율 주행 차량(1200b)의 내부 또는 외부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(1200b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(1200b)과 상호작용하는 로봇(1200a)은 자율 주행 차량(1200b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(1200b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(1200b)에 제공함으로써, 자율 주행 차량(1200b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(1200b)과 상호작용하는 로봇(1200a)은 자율 주행 차량(1200b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(1200b)의 기능을 제어할 수 있다. 예컨대, 로봇(1200a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(1200b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(1200b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(1200a)이 제어하는 자율 주행 차량(1200b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(1200b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(1200b)과 상호작용하는 로봇(1200a)은 자율 주행 차량(1200b)의 외부에서 자율 주행 차량(1200b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(1200a)은 스마트 신호등과 같이 자율 주행 차량(1200b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(1200b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
로봇(1200a)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(1200a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(1200a)은 XR 장치(1200c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(1200a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(1200a) 또는 XR 장치(1200c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1200c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(1200a)은 XR 장치(1200c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(1200c) 등의 외부 장치를 통해 원격으로 연동된 로봇(1200a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(1200a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
자율 주행 차량(1200b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(1200b)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(1200b)은 XR 장치(1200c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(1200b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(1200b)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(1200b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(1200b)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(1200b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(1200b) 또는 XR 장치(1200c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(1200c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(1200b)은 XR 장치(1200c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 13은 일 실시예에 따라 공간정보를 이용하여 보안장치(100)의 보안을 해제할 수 있는 로봇(1300)의 블록도를 도시한다.
일 실시예에 따라 로봇(1300)은 상술한 보안장치(100)의 보안 해제 방법에 부합하는 동작을 수행할 수 있는 구성을 포함할 수 있다. 일 실시예에 따라 로봇(1300)은 로봇(1300)에 소정의 움직임을 위한 구동력을 부여하도록 구성되는 구동부(1310), 외부장치(예를 들면, 보안장치(100), 보안시스템(950) 및 기타 다양한 형태의 전자 장치 등)와 통신하도록 구성되는 통신부(1320) 및 보안해제정보 및 상기 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 상기 통신부(1320)를 통해 획득하면, 상기 제1 해제정보에 기초하여 상기 로봇(1300)이 위치이동 및 보안 해제 동작을 수행하도록 상기 구동부(1320)를 제어하는 프로세서(1330)를 포함할 수 있다. 일 실시예에 따라 로봇(1300)은 다양한 정보를 표시할 수 있는 디스플레이(1340)를 더 포함할 수 있으며, 디스플레이(1340)에는 제1 해제정보에 포함된 보안해제정보에 대응하는 다양한 형태의 정보를 표시할 수 있다. 일 실시예에 따라 프로세서(1330)는 제1 해제정보에 따라 구동부(1320) 및 디스플레이(1340) 중 적어도 하나를 제어할 수 있으며, 이에 따라 구현되는 로봇(1300)의 보안해제동작에 기초하여 보안장치(100)의 보안이 해제될 수 있다.
일 실시예에 따라 소정의 방법을 통해 보안장치(100) 또는 보안시스템(950)에 의해 인증받은 로봇(1300)은 통신부(1320)를 통해 제1 해제정보를 수신할 수 있으며 이에 기초하여 보안해제동작을 수행함으로써 보안장치(100)의 보안을 해제할 수 있다.
일 실시예에 따라 로봇(1300)에는 로봇을 식별하기 위한 소정의 정보, 예를 들면 QR코드, 바코드 및 시리얼 번호 등과 같은 식별정보들이 로봇과 연관되어 표시 또는 부착될 수 있으며, 보안장치(100)는 이러한 식별정보를 촬영 또는 인식함으로써 로봇(1300)이 인증된 로봇이라는 점을 판단할 수 있다.
일 실시예에 따라 보안장치(100)와 연동되는 보안시스템(950)은 외부로부터 수신된 인증요청에 기초하여, 로봇(1300)이 인증된 로봇이라고 판단될 수 있다. 일 실시예에 따라 보안시스템(950)에 의해 인증된 로봇이라는 점은 보안장치(100)가 로봇(1300)에 부착된 식별 정보를 촬영 또는 인식함으로써 판단할 수 있으며, 이에 로봇(1300)은 제1 해제정보를 획득할 수 있다.
일 실시예에 따라 인증받은 로봇(1300)이 획득한 제1 해제정보는, 보안장치(100)가 해제될 수 있는 제2 해제정보에 대응하는 것일 수 있다.
상기에서 설명한 본 발명에 대한 방법은, 컴퓨터에서 실행시키기 위한 프로그램으로 컴퓨터로 읽을 수 있는 기록매체에 기록하여 제공될 수 있다.
본 발명의 방법은 소프트웨어를 통해 실행될 수 있다. 소프트웨어로 실행될 때, 본 발명의 구성 수단들은 필요한 작업을 실행하는 코드 세그먼트들이다. 프로그램 또는 코드 세그먼트들은 프로세서 판독 가능 매체에 저장될 수 있다.
컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 장치의 예로는, ROM, RAM, CD-ROM, DVD±ROM, DVD-RAM, 자기 테이프, 플로피 디스크, 하드 디스크(hard disk), 광데이터 저장장치 등이 있다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 장치에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적사상을 벗어나지 않는 범위 내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다. 또한 본 문서에서 설명된 실시예들은 한정되게 적용될 수 있는 것이 아니라, 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.

Claims (20)

  1. 로봇에 대한 공간정보를 이용하여 보안장치가 보안을 해제하는 방법에 있어서,
    상기 보안장치의 카메라를 이용하여 상기 로봇을 촬영하는 단계;
    상기 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 상기 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 획득하는 단계;
    상기 제1 해제정보와 미리 결정된 제2 해제정보를 비교하는 단계; 및
    상기 제1 해제정보와 상기 제2 해제정보가 서로 일치하는 경우, 보안해제 하는 것으로 결정하는 단계를 포함하고,
    상기 공간정보는 보안해제기능이 실행중인 상기 로봇의 위치에 대한 정보인, 보안 해제 방법.
  2. 제 1 항에 있어서, 상기 제1 해제정보를 획득하는 단계는,
    상기 카메라를 이용하여 촬영된 영상 내에서의 상기 로봇의 위치 및 상기 로봇의 촬영된 크기 중 적어도 하나에 기초하여 상기 공간정보를 획득하는 단계를 포함하는, 보안 해제 방법.
  3. 제 1 항에 있어서,
    상기 로봇을 촬영하는 단계는, 심도(depth) 정보를 획득 가능하기 위해 상기 로봇을 촬영하는 단계를 포함하고,
    상기 제1 해제정보를 획득하는 단계는, 상기 획득되는 심도 정보에 기초하여 상기 공간정보를 획득하는 단계를 포함하는, 보안 해제 방법.
  4. 제 1 항에 있어서,
    상기 로봇이 인증된 로봇인지 결정하는 단계; 및
    상기 로봇이 인증된 로봇으로 결정되는 경우, 상기 로봇으로 일회용 해제정보를 전송하는 단계를 더 포함하고
    상기 보안해제 하는 것으로 결정하는 단계는, 상기 일회용 해제정보에 따라 보안 해제 동작을 수행하는 상기 로봇을 촬영하여 획득한 상기 제1 해제정보가 상기 제2 해제정보에 일치하는 경우 보안해제 하는 것으로 결정하는 단계를 포함하는, 보안 해제 방법.
  5. 제 1 항에 있어서,
    상기 보안해제정보는 비밀번호, 핀(pin) 코드, 제스처, 이동방향 및 이동 후 정지시간으로 구성된 그룹으로부터 선택되는 적어도 하나를 포함하고,
    상기 공간정보는 상기 로봇이 상기 보안해제정보를 나타내는 동작을 각각 수행하는 복수의 위치에 대한 정보인, 보안 해제 방법.
  6. 제 1 항에 있어서, 상기 제1 해제정보와 미리 결정된 제2 해제정보를 비교하는 단계는
    상기 공간정보가 나타내는 상기 로봇의 위치에 대한 정보가 상기 제2 해제정보에 포함되는 대응 공간정보와 일치하는지 결정하는 단계; 및
    상기 제1 해제정보에 포함된 상기 공간정보에 대응하는 위치에서 획득되는 보안해제정보가 상기 제2 해제정보에 포함되는 대응 보안해제정보와 일치하는지 결정하는 단계를 포함하는, 보안 해제 방법.
  7. 제 1 항에 있어서,
    상기 공간정보는 상기 로봇의 크기 정보에 기초하여 상기 영상으로부터 획득되는 공간정보를 가공한 것임을 특징으로 하는, 보안 해제 방법.
  8. 로봇에 대한 공간정보를 이용하여 보안을 해제하는 보안장치에 있어서,
    상기 로봇을 촬영하도록 구성되는 카메라; 및
    상기 촬영에 의해 획득되는 영상에 기초하여 보안해제정보 및 상기 공간정보를 포함하는 제1 해제정보를 획득하고, 상기 제1 해제정보와 미리 결정된 제2 해제정보를 비교하고, 상기 제1 해제정보와 상기 제2 해제정보가 서로 일치하는 경우 보안해제 하는 것으로 결정하도록 구성되는 프로세서를 포함하고,
    상기 공간정보는 보안해제기능이 실행중인 상기 로봇의 위치에 대한 정보인, 보안장치.
  9. 제 8 항에 있어서, 상기 프로세서는
    상기 카메라를 이용하여 촬영된 상기 영상 내에서의 상기 로봇의 위치 및 상기 로봇의 촬영된 크기 중 적어도 하나에 기초하여 상기 공간정보를 획득하도록 구성되는, 보안장치.
  10. 제 8 항에 있어서,
    상기 카메라는 심도 정보를 획득하는 심도 정보 획득부를 포함하고,
    상기 프로세서는 상기 심도 정보 획득부로부터 획득되는 심도 정보에 기초하여 상기 공간정보를 획득하도록 구성되는, 보안장치.
  11. 제 8 항에 있어서,
    상기 보안장치는 외부와 통신이 가능한 통신부를 더 포함하고,
    상기 프로세서는 상기 로봇이 인증된 로봇인지 결정하고, 상기 로봇이 인증된 로봇으로 결정되는 경우 상기 로봇으로 일회용 해제정보를 전송하도록 상기 통신부를 제어하도록 더 구성되고,
    상기 프로세서는 상기 일회용 해제정보에 따라 보안 해제 동작을 수행하는 상기 로봇을 촬영하여 획득한 상기 제1 해제정보가 상기 제2 해제정보에 일치하는 경우 보안해제 하는 것으로 결정하도록 구성되는, 보안장치.
  12. 제 8 항에 있어서,
    상기 보안해제정보는 비밀번호, 핀(pin) 코드, 제스처, 이동방향 및 이동 후 정지시간으로 구성된 그룹으로부터 선택되는 적어도 하나를 포함하고,
    상기 공간정보는 상기 로봇이 상기 보안해제정보를 나타내는 동작을 각각 수행하는 복수의 위치에 대한 정보인, 보안장치.
  13. 제 8 항에 있어서, 상기 프로세서는,
    상기 공간정보가 나타내는 상기 로봇의 위치에 대한 정보가 상기 제2 해제정보에 포함되는 대응 공간정보와 일치하는지 결정하고, 상기 제1 해제정보에 포함된 상기 공간정보에 대응하는 위치에서 획득되는 보안해제정보가 상기 제2 해제정보에 포함되는 대응 보안해제정보와 일치하는지 결정하도록 구성되는, 보안장치.
  14. 제 8 항에 있어서,
    상기 공간정보는 상기 로봇의 크기 정보에 기초하여 상기 영상으로부터 획득되는 공간정보를 가공한 것임을 특징으로 하는, 보안장치.
  15. 제 1 항의 보안 해제 방법을 수행하기 위한 컴퓨터 프로그램을 수록한, 비휘발성 컴퓨터 판독가능 기록매체.
  16. 공간정보를 이용하여 보안장치의 보안을 해제하는 로봇에 있어서,
    상기 로봇에 소정의 움직임을 위한 구동력을 부여하도록 구성되는 구동부;
    외부 장치와 통신하도록 구성되는 통신부; 및
    보안해제정보 및 상기 공간정보 중 적어도 하나를 포함하는 제1 해제정보를 상기 통신부를 통해 획득하면, 상기 제1 해제정보에 기초하여 상기 로봇이 위치이동 및 보안 해제 동작을 수행하도록 상기 구동부를 제어하는 프로세서를 포함하는, 로봇.
  17. 제 16 항에 있어서,
    상기 통신부는 상기 로봇이 상기 보안장치에 의해 인증된 경우 상기 제1 해제정보가 획득하도록 구성되는, 로봇.
  18. 제 17 항에 있어서,
    상기 인증은 상기 로봇과 연관된 QR코드, 바코드 및 시리얼 번호 중 적어도 하나를 포함하는 식별정보를 상기 보안장치가 촬영함으로써 수행될 수 있는, 로봇.
  19. 제 17 항에 있어서,
    상기 인증은 상기 보안장치와 연동되는 보안시스템이 외부로부터 수신된 인증요청에 기초하여 수행하는, 로봇.
  20. 제 16 항에 있어서,
    상기 로봇은 디스플레이를 더 포함하고,
    상기 프로세서는 상기 제1 해제정보에 따라 상기 구동부 및 상기 디스플레이 중 적어도 하나를 제어하도록 구성되고,
    상기 보안해제정보에 대응하는 비밀번호, 핀 코드, 제스처, 이동방향 및 이동 후 정지시간으로 구성된 그룹으로부터 선택되는 적어도 하나를 포함하고,
    상기 공간정보는 상기 로봇이 상기 보안해제정보를 나타내는 동작을 각각 수행하는 복수의 위치에 대한 정보인, 로봇.
KR1020190104404A 2019-08-26 2019-08-26 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇 KR20190105534A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190104404A KR20190105534A (ko) 2019-08-26 2019-08-26 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇
US16/583,633 US11334659B2 (en) 2019-08-26 2019-09-26 Method of releasing security using spatial information associated with robot and robot thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190104404A KR20190105534A (ko) 2019-08-26 2019-08-26 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇

Publications (1)

Publication Number Publication Date
KR20190105534A true KR20190105534A (ko) 2019-09-17

Family

ID=68070275

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190104404A KR20190105534A (ko) 2019-08-26 2019-08-26 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇

Country Status (2)

Country Link
US (1) US11334659B2 (ko)
KR (1) KR20190105534A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102542654B1 (ko) * 2022-09-02 2023-06-14 주식회사 클레빌 인터페이스 모듈과 배송 로봇의 상호작용에 기초한 배송 경로 상의 출입구 제어 시스템 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11217090B2 (en) * 2018-12-27 2022-01-04 Continental Automotive Systems, Inc. Learned intersection map from long term sensor data
WO2021152408A1 (en) * 2020-01-28 2021-08-05 Gaurav Upadhyay System and method for securely accessing a user account

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140254896A1 (en) * 2011-07-18 2014-09-11 Tiger T G Zhou Unmanned drone, robot system for delivering mail, goods, humanoid security, crisis negotiation, mobile payments, smart humanoid mailbox and wearable personal exoskeleton heavy load flying machine
US10163177B2 (en) * 2014-07-31 2018-12-25 Emmett Farris System and method for controlling drone delivery or pick up during a delivery or pick up phase of drone operation
US20190102730A1 (en) * 2017-10-04 2019-04-04 Michael E. Giorgi Drone delivery and landing

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102542654B1 (ko) * 2022-09-02 2023-06-14 주식회사 클레빌 인터페이스 모듈과 배송 로봇의 상호작용에 기초한 배송 경로 상의 출입구 제어 시스템 및 방법

Also Published As

Publication number Publication date
US20200026845A1 (en) 2020-01-23
US11334659B2 (en) 2022-05-17

Similar Documents

Publication Publication Date Title
KR102298541B1 (ko) 이미지 데이터에서 사용자를 인식하는 인공 지능 장치 및 그 방법
KR20190110498A (ko) 영상 파일에서 불특정 인물의 얼굴 영역을 비식별화 처리하는 인공 지능 서버 및 그 방법
US20210138654A1 (en) Robot and method for controlling the same
US11276226B2 (en) Artificial intelligence apparatus and method for synthesizing images
KR20190102152A (ko) 디스플레이 패널의 색상을 조정하는 인공 지능 장치 및 그 방법
US11269328B2 (en) Method for entering mobile robot into moving walkway and mobile robot thereof
KR20190104927A (ko) 사진 영상 제공 장치 및 사진 영상 제공 방법
US10872438B2 (en) Artificial intelligence device capable of being controlled according to user's gaze and method of operating the same
KR20190096878A (ko) 인공지능 기반의 공기조화기
KR20190105534A (ko) 로봇에 대한 공간정보를 이용하여 보안을 해제하는 방법 및 그 로봇
KR20210077482A (ko) 복수의 갱신 정보를 융합하여 인공 지능 모델을 갱신하는 인공 지능 서버 및 그 방법
KR20190104263A (ko) 인공지능 기반의 음성 인식 서비스 제공 장치 및 방법
KR20190106862A (ko) 인공지능 장치 및 그를 이용한 IoT 기기의 도난 감지 및 탐색 방법
KR20190084912A (ko) 사용자의 액션에 따라 제어 가능한 인공 지능 장치 및 그의 동작 방법
KR102331672B1 (ko) 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법
US20190392382A1 (en) Refrigerator for managing item using artificial intelligence and operating method thereof
KR20190096857A (ko) 로봇의 경로를 결정하는 인공 지능 서버 및 그 방법
KR20190104488A (ko) 인공 지능을 이용하여, 오브젝트의 이동을 관리하는 인공 지능 로봇 및 그의 동작 방법
KR20190104264A (ko) 차량에 탑재되는 인공 지능 장치 및 그 방법
KR20190098102A (ko) 외부 기기를 제어하기 위한 인공 지능 장치
KR20190114935A (ko) 인공지능 서버
KR20230002021A (ko) 스마트 홈 장치 및 방법
KR20190094312A (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템
KR20190094304A (ko) 음성 인식 기능을 제공하는 인공 지능 로봇 및 그의 동작 방법
KR20190095186A (ko) 지능형 게이트웨이 장치 및 그를 포함하는 제어 시스템