KR20190114935A

KR20190114935A - 인공지능 서버

Info

Publication number: KR20190114935A
Application number: KR1020190116079A
Authority: KR
Inventors: 최유현
Original assignee: 엘지전자 주식회사
Priority date: 2019-09-20
Filing date: 2019-09-20
Publication date: 2019-10-10
Also published as: US20210089943A1; US11531910B2

Abstract

인공지능 서버가 개시된다. 본 발명의 실시 예에 따른 인공지능 서버는, 디스플레이 장치 및 냉장고와 통신하는 통신부, 및, 상기 디스플레이 장치에서 디스플레이 되는 영상이 상기 디스플레이 장치로부터 수신되면 상기 영상에 포함된 요리에 대한 정보를 획득하고, 상기 냉장고로부터 상기 냉장고 내 식재료들에 대한 정보를 수신하고, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 프로세서를 포함한다.

Description

인공지능 서버 {ARTIFICIAL INTELLIGENCE SERVER}

본 발명은, 텔레비전을 시청하는 사용자가 영상 내 요리에 관심을 보이는 경우, 냉장고 내 식재료들을 기반으로 사용자에게 레시피를 제공할 수 있는 인공지능 서버에 관한 것이다.

인공 지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.

또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.

한편, 인공지능을 이용하여 주변의 상황을 인지 및 학습하고 사용자가 원하는 정보를 원하는 형태로 제공하거나 사용자가 원하는 동작이나 기능을 수행하는 기술이 활발하게 연구되고 있다.

그리고 이러한 각종 동작과 기능을 제공하는 전자장치를 인공지능 디바이스라고 명칭 할 수 있다.

최근 사용자 들은 다양한 레시피를 접할 수 있으며, 레시피를 이용하여 요리를 하고 있다. 다만 일반적으로 사용자의 단말기 조작을 통한 레시피 검색이 이루어지고 있으며, 이는 사용자의 별도의 행위가 요구되는 것이기 때문에 사용자에게 불편함을 야기하는 문제가 있었다.

본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은, 텔레비전을 시청하는 사용자가 영상 내 요리에 관심을 보이는 경우, 냉장고 내 식재료들을 기반으로 사용자에게 레시피를 제공할 수 있는 인공지능 서버를 제공하기 위함이다.

본 발명의 일 실시 예에 따른 인공지능 서버는, 디스플레이 장치 및 냉장고와 통신하는 통신부, 및, 상기 디스플레이 장치에서 디스플레이 되는 영상이 상기 디스플레이 장치로부터 수신되면 상기 영상에 포함된 요리에 대한 정보를 획득하고, 상기 냉장고로부터 상기 냉장고 내 식재료들에 대한 정보를 수신하고, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 프로세서를 포함한다.

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 실시 예에 따른 인공지능 시스템을 설명하기 위한 도면이다.
도 5는 본 발명의 실시 예에 따른 인공지능 서버(100)의 동작 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 실시 예에 따른, 사용자의 레시피 요청에 따라 디스플레이 되는 영상을 전송하는 방법을 설명하기 위한 도면이다.
도 7은 본 발명의 실시 예에 따른, 저장 공간 내 식재료들에 대한 정보를 전송하는 방법을 설명하기 위한 도면이다.
도 8은 본 발명의 실시 예에 따른, 냉장고 내 식재료를 기반으로 레시피를 검색하여 영상을 시청하는 사용자에게 제공하는 방법을 설명하기 위한 도면이다.
도 9는 본 발명의 실시 예에 따른, 인공지능 서버(100)가 조리 기기에 설정 정보를 전송하는 방법을 설명하기 위한 도면이다.
도 10은 본 발명의 실시 예에 따른 복수의 조리 기기에 설정 정보를 전송하는 방법을 설명하기 위한 도면이다.
도 11은 본 발명의 실시 예에 따른, 냉장고 내 식재료에 대한 정보를 이용하여 텔레비전을 시청하는 사용자에게 요리를 추천하고, 레시피를 제공하는 방법을 설명하기 위한 도면이다.
도 12는 본 발명의 실시 예에 따른 사용자의 선호 요리에 대한 정보를 획득하는 방법을 설명하기 위한 도면이다.
도 13은 본 발명의 또 다른 실시 예에 따른, 인공지능 서버(100)를 제외한 인공지능 시스템을 설명하기 위한 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 실시 예에 따른 인공지능 시스템을 설명하기 위한 도면이다.

인공지능 시스템(10)은 인공지능 서버(100), 하나 이상의 조리 기기(700, 900), 디스플레이 장치(800) 및 냉장고(1000) 중 적어도 하나를 포함할 수 있다.

인공지능 서버(100), 하나 이상의 조리 기기(700, 900), 디스플레이 장치(800) 및 냉장고(1000)는, 도 1에서 설명한 AI 장치(100)의 구성의 일부 또는 전부를 포함하고, AI 장치(100)가 수행하는 기능을 수행할 수 있다.

또한 용어 AI 장치(100)는 용어 인공지능 서버(100)와 혼용되어 사용될 수 있다.

한편 디스플레이 장치(800)는 텔레비전일 수 있다.

한편 조리기기는, 가스 레인지, 전기 레인지, 전자 레인지, 인덕션, 하이브리드, 하이라이트 등, 조리 모드, 조리 온도 또는 조리 시간을 설정하고 식재료를 가열하여 조리를 수행할 수 있는 기기일 수 있다.

인공지능 서버(100)는 통신부를 통하여 하나 이상의 조리 기기(700, 900), 디스플레이 장치(800) 및 냉장고(1000)와 통신함으로써, 하나 이상의 조리 기기(700, 900), 디스플레이 장치(800) 및 냉장고(1000)와 데이터를 송/수신 할 수 있다. 이를 위하여 인공지능 서버(100)는 통신을 위한 통신 회로를 포함할 수 있다.

인공지능 서버(100)는 디스플레이 장치(800)로부터 영상을 수신하고, 디스플레이 장치(800)에 레시피 및 요리에 대한 정보를 전송할 수 있다.

또한 인공지능 서버(100)는 냉장고(1000)로부터 냉장고(1000) 내 식재료들에 대한 정보를 수신할 수 있다.

또한 인공지능 서버(100)는 자체 또는 외부 데이터베이스와 통신하여, 데이터베이스에 저장된 레시피를 검색할 수 있다.

또한 인공지능 서버(100)는 식재료 제공 사업자 서버와 통신하고, 식재료의 주문 명령을 식재료 제공 사업자 서버에 전송할 수 있다.

또한 인공지능 서버(100)는 하나 이상의 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송할 수 있다.

도 5는 본 발명의 실시 예에 따른 인공지능 서버(100)의 동작 방법을 설명하기 위한 도면이다.

도 5에 따르면, 본 발명의 실시 예에 따른 인공지능 서버의 동작 방법은, 디스플레이 장치에서 디스플레이 되는 영상이 디스플레이 장치로부터 수신되면 영상에 포함된 요리에 대한 정보를 획득하는 단계(S510), 냉장고로부터 냉장고 내 식재료들에 대한 정보를 수신하는 단계(S520), 냉장고 내 식재료들을 이용하여 요리를 만들기 위한 레시피를 검색하는 단계(S530), 검색된 레시피를 디스플레이 장치에 전송하는 단계(S540) 및 디스플레이 장치로부터 레시피 선택 정보가 수신되면, 검색된 레시피에 기초하여, 요리를 만들기 위해 사용되는 하나 이상의 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하는 단계(S550)를 포함할 수 있다.

도 6은 본 발명의 실시 예에 따른, 사용자의 레시피 요청에 따라 디스플레이 되는 영상을 전송하는 방법을 설명하기 위한 도면이다.

디스플레이 장치(800)의 프로세서는 영상을 디스플레이 할 수 있다. 여기서 영상은 방송 컨텐트의 영상일 수 있다.

또한 디스플레이 장치(800)의 프로세서는 영상을 시청하는 사용자의 레시피 요청을 수신할 수 있다.

구체적으로 디스플레이 장치(800)에서 디스플레이 되는 영상을 시청하는 사용자는, 영상에 관심이 있는 요리(810)가 포함되는 경우 레시피를 요청할 수 있다.

이 경우 디스플레이 장치(800)의 프로세서는 입력부의 마이크로폰를 통하여 레시피를 요청하는 음성 입력을 수신하거나, 입력부의 카메라(610)를 통하여 레시피를 요청하는 제스쳐 입력을 수신할 수 있다. 다른 예를 들어 디스플레이 장치(800)의 프로세서는 레시피를 요청하는 버튼 입력을 리모콘 및 통신부를 통하여 수신할 수 있다.

한편 레시피 요청은, 레시피를 제공하라는 내용의 요청뿐만 아니라, 요리에 관심을 보이는 사용자의 반응을 포함할 수 있다.

예를 들어 레시피 요청은, 디스플레이 되는 요리(810)에 대하여 “이거 레시피 알려줘”라는 발화문을 발화하는 것뿐만 아니라, 디스플레이 되는 요리(810)에 대하여 “맛있겠다”라는 발화문을 발화하는 것을 포함할 수 있다.

한편 영상을 시청하는 사용자의 레시피 요청이 수신되면, 디스플레이 장치(800)의 프로세서는 디스플레이 되는 영상을 인공지능 서버(100)에 전송할 수 있다. 여기서 디스플레이 되는 영상은 사용자의 레시피 요청이 수신된 시점에 디스플레이 되는 영상일 수 있다.

도 7은 본 발명의 실시 예에 따른, 저장 공간 내 식재료들에 대한 정보를 전송하는 방법을 설명하기 위한 도면이다.

냉장고(1000)의 프로세서는 하나 이상의 카메라(711, 712, 713, 714, 715, 716)을 이용하여 냉장고의 저장 공간에 위치하는 식재료들을 촬영할 수 있다.

그리고 냉장고(1000)의 프로세서는 저장 공간 내 식재료들에 대한 정보를 인공지능 서버(100)에 전송할 수 있다.

여기서 식재료들에 대한 정보는, 식재료들이 촬영된 영상일 수 있다.

이 경우 인공지능 서버(100)는 식재료들이 촬영된 영상을 수신하고, 식재료들이 촬영된 영상을 이용하여 저장 공간 내 존재하는 식재료 들의 식별 정보를 획득할 수 있다. 여기서 식재료들의 식별 정보는 저장 공간 내 존재하는 식재료의 명칭이나 식재료를 나타내는 고유의 식별 코드 등을 포함할 수 있다.

예를 들어 인공지능 서버(100)의 프로세서는 식재료들이 촬영된 영상에 대한 오브젝트 인식을 수행하여, 저장 공간 내 생닭, 감자, 고구마, 당근이 존재하는 것으로 결정할 수 있다.

한편 냉장고(1000)가 인공지능 서버(100)에 전송하는 식재료 들에 대한 정보는 저장 공간 내 존재하는 식재료 들의 식별 정보를 포함할 수 있다. 구체적으로 냉장고(1000)의 프로세서는 식재료들이 촬영된 영상을 이용하여 저장 공간 내 존재하는 식재료 들의 식별 정보를 획득할 수 있다. 그리고 냉장고(1000)의 프로세서는 저장 공간 내 존재하는 식재료들의 식별 정보를 인공지능 서버(100)에 전송할 수 있다.

도 8은 본 발명의 실시 예에 따른, 냉장고 내 식재료를 기반으로 레시피를 검색하여 영상을 시청하는 사용자에게 제공하는 방법을 설명하기 위한 도면이다.

인공지능 서버(100)의 프로세서는 디스플레이 장치(100)에서 디스플레이 되는 영상을 수신할 수 있다.

여기서 수신되는 영상은, 앞서 설명한 바와 같이, 영상을 시청하는 사용자의 레시피 요청에 따라 디스플레이 장치로부터 수신되는 것으로써, 사용자의 레시피 요청이 수신된 시점에 디스플레이 되는 영상일 수 있다.

한편 인공지능 서버(100)가 수신된 영상에 대한 오브젝트 인식을 수행하여 요리에 대한 정보를 획득한다고 설명하였으나 이에 한정되지 않는다.

구체적으로 디스플레이 장치(100)는 방송 신호와 함께 현재 방영중인 프로그램 정보를 수신할 수 있다. 그리고 프로그램 정보는 영상에 포함되는 요리에 대한 정보를 포함할 수 있다. 이 경우 디스플레이 장치(100)는 영상에 포함되는 요리에 대한 정보를 인공지능 서버(100)에 전송할 수 있다.

한편 인공지능 서버(100)의 프로세서는 수신된 영상을 이용하여 영상에 포함된 요리에 대한 정보를 획득할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 수신된 영상에 대한 오브젝트 인식을 수행하여, 영상에 포함된 요리에 대한 정보를 획득할 수 있다. 여기서 요리에 대한 정보는, 요리의 명칭이나 요리를 나타내는 고유의 식별 코드 등을 포함할 수 있다.

한편 인공지능 서버(100)의 프로세서는 냉장고로부터 냉장고 내 식재료들에 대한 정보를 수신할 수 있다.

일 실시 예로, 냉장고(1000)는 냉장고의 저장 공간 내 존재하는 식재료가 변경될 때 인공지능 서버(100)에 냉장고 내 식재료들에 대한 정보를 전송할 수 있다. 이 경우 인공지능 서버(100)는 냉장고 내 식재료들에 대한 정보를 수신하여 메모리에 저장할 수 있다.

다른 실시 예로, 디스플레이 장치에서 디스플레이 되는 영상이 디스플레이 장치로부터 수신되면, 인공지능 서버(100)의 프로세서는 식재료들에 대한 정보의 요청을 냉장고(1000)에 전송할 수 있다. 이 경우 냉장고(1000)의 프로세서는 냉장고 내 식재료 들에 대한 정보를 인공지능 서버(100)에 전송할 수 있다.

한편 인공지능 서버(100)의 프로세서는 냉장고 내 식재료들을 이용하여 영상에 포함된 요리를 만드는 것이 가능한지 결정할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 영상에 포함된 요리를 만들기 위한 레시피를 검색할 수 있다.

더욱 구체적으로 인공지능 서버(100)의 프로세서는 복수의 레시피가 저장된 데이터 베이스와 통신하여, 복수의 레시피 중 영상에 포함된 요리를 만들기 위한 레시피를 검색할 수 있다.

또한 인공지능 서버(100)의 프로세서는 냉장고 내 식재료 들을 이용하여 영상에 포함된 요리를 만들기 위한 레시피를 검색할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 냉장고의 저장 공간 내 식재료들 중 적어도 일부를 이용하여 영상에 포함된 요리를 만들 수 있는 레시피를 검색할 수 있다.

더욱 구체적으로 인공지능 서버(100)의 프로세서는 복수의 레시피 중, 사용되는 재료가 냉장고 내 식재료들의 일부 또는 전부와 동일하고 완성된 요리가 영상에 포함된 요리와 동일한 레시피를 검색할 수 있다.

그리고 레시피가 검색되면, 인공지능 서버(100)의 프로세서는 냉장고 내 식재료들을 이용하여 영상에 포함되는 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 디스플레이 장치에 전송할 수 있다. 이 경우 디스플레이 장치(800)의 프로세서는 냉장고 내 식재료들을 이용하여 영상에 포함되는 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 디스플레이 할 수 있다. 예를 들어 디스플레이 장치(800)의 프로세서는 “이 요리는 냉장고 안의 재료를 이용하여 만들 수 있습니다”라는 메시지를 디스플레이 할 수 있다.

한편 냉장고 내 식재료들을 이용하여 영상에 포함되는 요리를 만드는 것이 가능하다는 것을 나타내는 정보는 레시피를 포함할 수 있다. 구체적으로 레시피가 검색되면, 인공지능 서버(100)의 프로세서는 검색된 레시피를 디스플레이 장치(800)에 전송할 수 있다.

추가적으로, 인공지능 서버(100)의 프로세서는 사용자의 연령 및 성별을 고려하여 레시피를 추천할 수도 있다.

구체적으로 디스플레이 장치(800)의 프로세서는 카메라(610)를 이용하여 영상을 시청하는 사용자를 촬영하고, 영상을 시청하는 사용자의 사용자 정보를 획득할 수 있다. 그리고 디스플레이 장치(800)의 프로세서는 영상을 시청하는 사용자의 사용자 정보를 인공지능 서버(100)에 전송할 수 있다.

한편 인공지능 서버(100)의 프로세서는 디스플레이 장치(800)로부터 영상을 시청하는 사용자의 사용자 정보를 수신할 수 있다. 여기서 사용자 정보는 영상을 시청하는 사용자의 성별 및 나이 중 적어도 하나를 포함할 수 있다.

한편 인공지능 서버(100)의 프로세서는 사용자 정보를 이용하여 사용자의 성별 및 나이 중 적어도 하나에 대응하는 레시피를 검색할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 복수의 레시피 중, 사용되는 재료가 냉장고 내 식재료들의 일부 또는 전부와 동일하고, 완성된 요리가 영상에 포함된 요리와 동일하며, 영상을 시청하는 사용자의 성별이나 연령대에서 선호도가 높은 레시피를 검색할 수 있다.

그리고 레시피가 검색되면, 인공지능 서버(100)의 프로세서는 검색된 레시피를 디스플레이 장치(800)에 전송할 수 있다.

한편 디스플레이 장치(800)의 프로세서는 레시피를 수신하고 수신된 레시피(810)를 디스플레이 할 수 있다.

한편 냉장고 내 식재료들을 이용하여 영상에 포함된 요리를 만들기 위한 레시피가 검색되지 않을 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 복수의 레시피 중, 사용되는 재료가 냉장고 내 식재료들의 일부 또는 전부와 동일하고 완성된 요리가 영상에 포함된 요리와 동일한 레시피를 검색할 수 있다.

그리고 냉장고 내 식재료들을 이용하여 영상에 포함된 요리를 만들기 위한 레시피가 검색되지 않으면, 프로세서는 완성된 요리가 영상에 포함된 요리와 동일한 레시피를 선택할 수 있다. 그리고 인공지능 서버(100)의 프로세서는 선택된 레시피에 포함되는 식재료와 냉장고 내 식재료들을 비교하고, 선택된 레시피에는 포함되지만 냉장고에는 존재하지 않는 식재료에 대한 주문 명령을 식재료 제공 사업자 서버에 전송할 수 있다.

또한 냉장고 내 식재료들을 이용하여 영상에 포함된 요리를 만들기 위한 레시피가 검색되지 않으면, 인공지능 서버(100)의 프로세서는 냉장고 내 식재료를 이용하여 요리를 만드는 것이 불가능하다는 것을 나타내는 정보를 디스플레이 장치에 전송할 수 있다. 이 경우 디스플레이 장치는 냉장고 내 식재료를 이용하여 요리를 만드는 것이 불가능하다는 정보를 디스플레이 할 수 있다.

다음은 사용자가 레시피를 선택한 경우 레시피에 따라 조리 기기를 제어하는 방법을 설명한다.

디스플레이 장치(800)의 프로세서는 수신된 레시피(810)를 디스플레이 할 수 있다.

그리고 수신된 레시피가 디스플레이 된 이후에 사용자로부터 레시피 선택 입력(820)이 수신되면, 디스플레이 장치(800)의 프로세서는 인공지능 서버에 디스플레이 된 레시피가 선택되었다는 것을 나타내는 레시피 선택 정보를 전송할 수 있다.

한편 레시피가 디스플레이 장치(800)에 전송된 이후에 디스플레이 장치(800)로부터 레시피 선택 정보가 수신되면, 인공지능 서버(100)의 프로세서는 검색된 레시피에 기초하여 요리를 만들기 위해 사용되는 하나 이상의 조리 기기에 설정 정보를 전송할 수 있다.

이와 관련해서는 도 9를 참고하여 설명한다.

도 9는 본 발명의 실시 예에 따른, 인공지능 서버(100)가 조리 기기에 설정 정보를 전송하는 방법을 설명하기 위한 도면이다.

인공지능 서버(100)의 프로세서는 검색된 레시피에 기초하여 요리를 만들기 위해 사용되는 조리 기기를 결정할 수 있다.

예를 들어 검색된 레시피에 오븐에서 조리가 수행된다는 정보가 포함되는 경우, 인공지능 서버(100)의 프로세서는 요리를 만들기 위해 사용되는 조리 기기를 오븐으로 결정할 수 있다.

또한 인공지능 서버(100)의 프로세서는 검색된 레시피에 기초하여 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 결정할 수 있다.

예를 들어 검색된 레시피에 “220도로 60분 동안 가열”이라는 정보가 포함되는 경우, 인공지능 서버(100)의 프로세서는 220도 및 60분을 포함하는 설정 정보를 결정할 수 있다.

그리고 인공지능 서버(100)의 프로세서는, 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송할 수 있다.

예를 들어 인공지능 서버(100)의 프로세서는, 복수의 조리 기기(700, 900) 중 요리를 만들기 위해 사용되는 조리 기기(700)인 오븐에, 220도 및 60분을 포함하는 설정 정보를 전송할 수 있다.

한편 요리를 만들기 위해 사용되는 조리 기기(700)는 설정 정보를 수신하고 설정 정보에 따른 조리 동작을 수행할 수 있다.

구체적으로 조리 기기(700)는 식재료를 조리 기기(700)에 투입한 사용자로부터 동작 입력을 수신할 수 있다. 여기서 동작 입력은 동작의 시작을 위한 버튼 또는 터치 입력일 수 있다. 또한 동작 입력은 식재료를 조리 기기(700)의 조리 공간에 투입하는 행위 또는 조리 기기(700)의 문이 개방되었다가 다시 폐쇄되는 동작을 포함할 수 있다.

그리고 동작 입력이 수신되면, 조리 기기(700)는 수신된 설정 정보에 따른 조리 동작을 수행할 수 있다.

예를 들어 220도 및 60분을 포함하는 설정 정보가 수신된 경우, 조리 기기(700)는 220도 및 60분 동안 식재료를 가열하는 동작을 수행할 수 있다.

이를 위하여 조리 기기(700)는 식재료가 수용되는 조리 공간, 열을 발산하거나 마이크로파를 발생시키는 가열기, 가열된 공기를 유동 시키는 팬 중 적어도 하나를 포함할 수 있다.

한편 인공지능 서버(100)의 프로세서는 조리 기기(700)에 복수의 설정 정보를 전송할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 검색된 레시피에 기초하여 제1 설정 정보 및 제2 설정 정보를 결정할 수 있다.

예를 들어 검색된 레시피에 “첫번째로 해동 모드로 10분, 두번째로 가열 모드로 220도에서 60분 동안 가열”이라는 정보가 포함되는 경우, 인공지능 서버(100)의 프로세서는 “해동 모드 및 10분”을 포함하는 제1 설정 정보와 “가열 모드, 220도 및 60분”을 포함하는 제2 설정 정보를 생성할 수 있다.

그리고 인공지능 서버(100)의 프로세서는, 요리를 만들기 위해 사용되는 조리 기기에 제1 설정 정보 및 제2 설정 정보를 전송할 수 있다.

한편 인공지능 서버(100)의 프로세서는, 조리 기기(100)가 레시피에 포함되는 조리 순서에 따라 조리를 수행하도록 제1 설정 정보 및 제2 설정 정보를 전송할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 레시피에 포함되는 조리 순서에 따라 제1 설정 정보 및 제2 설정 정보의 순서를 결정할 수 있다.

예를 들어 레시피에 “첫번째로 해동 모드로 10분, 두번째로 가열 모드로 220도에서 60분 동안 가열”이라는 정보가 포함되는 경우, 인공지능 서버(100)의 프로세서는 “해동 모드 및 10분”을 포함하는 첫번째 순서의 제1 설정 정보와 “가열 모드, 220도 및 60분”을 포함하는 두번째 순서의 제2 설정 정보를 생성할 수 있다.

이 경우 인공지능 서버(100)의 프로세서는, 레시피에 포함되는 조리 순서에 기초하여 제1 설정 정보 및 제2 설정 정보를 순차적으로 전송할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는, 첫번째 순서의 제1 설정 정보를 먼저 전송하고, 그리고 나서 두번째 순서의 제2 설정 정보를 전송할 수 있다.

한편 조리 기기(700)는 제1 설정 정보 및 제2 설정 정보를 순차적으로 수신하고, 설정 정보가 수신된 순서에 따라 조리 동작을 수행할 수 있다.

구체적으로 제1 설정 정보가 먼저 수신되고 그 다음에 제2 설정 정보가 수신된 경우, 조리 기기(700)는 제1 설정 정보에 따른 조리 동작을 먼저 수행하고 그 다음에 제2 설정 정보에 따른 조리 동작을 수행할 수 있다.

예를 들어 “해동 모드 및 10분”을 포함하는 제1 설정 정보와 “가열 모드, 220도 및 60분”을 포함하는 제2 설정 정보가 수신된 경우, 조리 기기(700)의 프로세서는 먼저 해동 모드에서 10분을 동작시키고 그 다음에 가열 모드에서 220도로 60분 동안 가열을 수행할 수 있다.

도 10은 본 발명의 실시 예에 따른 복수의 조리 기기에 설정 정보를 전송하는 방법을 설명하기 위한 도면이다.

인공지능 서버(100)의 프로세서는 복수의 조리 기기(700, 900)에 설정 정보를 전송할 수 있다.

또한 인공지능 서버(100)의 프로세서는 검색된 레시피에 기초하여 복수의 설정 정보에 따라 조리를 수행할 복수의 조리 기기를 결정할 수 있다.

예를 들어 해동 모드를 전자 레인지에서 제공하고 가열 모드를 오븐에서 제공하는 경우, 인공지능 서버(100)의 프로세서는 제1 설정 정보에 따라 조리를 수행할 조리 기기를 전자 레인지로, 제2 설정 정보에 따라 조리를 수행할 조리 기기를 오븐으로 결정할 수 있다.

그리고 인공지능 서버(100)의 프로세서는, 요리를 만들기 위해 사용되는 제1 조리 기기(900) 및 제2 조리 기기(700)에 제1 설정 정보 및 제2 설정 정보를 각각 전송할 수 있다.

한편 인공지능 서버(100)의 프로세서는, 제1 조리 기기(900) 및 제2 조리 기기(700)가 레시피에 포함되는 조리 순서에 따라 조리를 수행하도록 제1 설정 정보 및 제2 설정 정보를 전송할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는, 첫번째 순서의 제1 설정 정보를 제1 조리 기기(900)에 먼저 전송하고, 그리고 나서 두번째 순서의 제2 설정 정보를 제2 조리 기기(700)에 전송할 수 있다.

더욱 구체적으로 인공지능 서버(100)의 프로세서는, 첫번째 순서의 제1 설정 정보를 제1 조리 기기(900)에 먼저 전송할 수 있다. 이 경우 제1 조리 기기(900)는 제1 설정 정보에 따른 조리 동작을 수행하고, 제1 설정 정보에 따른 조리 동작이 완료되면 동작 완료 정보를 인공지능 서버(100)에 전송할 수 있다.

한편 동작 완료 정보가 수신되면, 인공지능 서버(100)의 프로세서는 두번째 순서의 제2 설정 정보를 제2 조리 기기(700)에 전송할 수 있다. 이 경우 제2 조리 기기(700)는 제2 설정 정보에 따른 조리 동작을 수행할 수 있다.

이와 같은 동작을 사용자의 입장에서 설명하면, 사용자는 식재료를 제1 조리 기기(900)에 먼저 투입할 수 있다. 이 경우 제1 조리 기기(900)는 자동으로 제1 설정 정보에 따른 동작을 수행할 수 있다.

또한 제1 조리 기기(900)의 동작이 완료되면 사용자는 제1 조리 기기(900)에서 식재료를 꺼낸 후 제2 조리 기기(700)에 투입할 수 있다. 이 경우 제2 조리 기기(700)는 자동으로 제2 설정 정보에 따른 동작을 수행할 수 있다.

도 11은 본 발명의 실시 예에 따른, 냉장고 내 식재료에 대한 정보를 이용하여 텔레비전을 시청하는 사용자에게 요리를 추천하고, 레시피를 제공하는 방법을 설명하기 위한 도면이다.

인공지능 서버(100)의 프로세서는 냉장고(1000)로부터 냉장고 내 식재료에 대한 정보를 수신할 수 있다.

이 경우 인공지능 서버(100)의 프로세서는 냉장고 내 식재료 들을 이용하여 만드는 것이 가능한 제2 요리를 결정할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 냉장고의 저장 공간 내 식재료들 중 적어도 일부를 이용하는 레시피를 검색할 수 있다. 그리고 인공지능 서버(100)의 프로세서는 검색된 레시피를 통하여 완성되는 요리를 냉장고 내 식재료 들을 이용하여 만드는 것이 가능한 제2 요리로 결정할 수 있다.

한편 인공지능 서버(100)의 프로세서는 제2 요리에 대한 정보를 디스플레이 장치에 전송할 수 있다.

한편 디스플레이 장치(800)의 프로세서는 제2 요리에 대한 정보를 수신하고, 수신된 제2 요리에 대한 정보(1110)를 디스플레이 할 수 있다.

그리고 제2 요리에 대한 정보(1110)가 디스플레이 된 이후에 사용자로부터 요리 선택 입력(1120)이 수신되면, 디스플레이 장치(800)의 프로세서는 인공지능 서버(100)에 요리가 선택 되었다는 것을 나타내는 요리 선택 정보를 전송할 수 있다.

한편 제2 요리에 대한 정보가 전송된 이후 디스플레이 장치(800)로부터 요리 선택 정보가 수신되면, 인공지능 서버(100)의 프로세서는 제2 요리에 대응하는 제2 레시피를 디스플레이 장치(800)에 전송할 수 있다.

구체적으로, 인공지능 서버(100)의 프로세서는 냉장고 내 식재료들을 이용하여 제2 요리를 만들기 위한 제2 레시피를 검색하고, 검색된 제2 레시피를 디스플레이 장치(800)에 전송할 수 있다.

제2 레시피의 검색 방법에는 도 1 내지 10에서 설명한 레시피 검색 방법이 적용될 수 있으며, 또한 제2 레시피를 디스플레이 장치에 제공한 이후의 동작에는 도 1 내지 10에서 설명한 내용이 적용될 수 있다.

한편 인공지능 서버(100)의 프로세서는 사용자의 선호 요리에 대한 정보에 기초하여 제2 요리를 결정할 수도 있다. 이와 관련해서는 도 12를 참고하여 설명한다.

도 12는 본 발명의 실시 예에 따른 사용자의 선호 요리에 대한 정보를 획득하는 방법을 설명하기 위한 도면이다.

인공지능 서버(100)의 프로세서는 사용자의 선호 요리에 대한 정보를 획득할 수 있다.

구체적으로, 냉장고(1000)의 프로세서는 냉장고(1000)의 전방을 촬영하는 카메라(1210)를 이용하여 냉장고의 문을 개방하는 사용자를 결정할 수 있다. 또한 냉장고(1000)의 프로세서는 냉장고의 저장 공간에 위치하는 식재료들을 촬영하여 냉장고의 문을 개방한 사용자가 꺼낸 요리에 대한 정보를 획득할 수 있다.

그리고 냉장고(1000)의 프로세서는 냉장고의 문을 개방한 사용자 및 냉장고의 문을 개방한 사용자가 꺼낸 요리에 대한 정보를 메모리에 저장할 수 있다.

그리고 냉장고(1000)의 프로세서는 메모리에 누적된 정보를 이용하여 사용자의 선호 요리를 결정할 수 있다.

예를 들어 아빠가 치킨을 기 설정된 횟수 이상 꺼낸 경우, 냉장고(1000)의 프로세서는 아빠의 선호 요리를 치킨으로 결정할 수 있다.

다른 예를 들어 엄마가 스튜를 기 설정된 횟수 이상 꺼낸 경우, 냉장고(1000)의 프로세서는 엄마의 선호 요리를 스튜로 결정할 수 있다.

한편 인공지능 서버(100)의 프로세서는 영상을 시청하는 사용자의 사용자 정보를 디스플레이 장치(800)로부터 수신할 수 있다. 그리고 인공지능 서버(100)의 프로세서는 영상을 시청하는 사용자의 선호 요리에 대한 정보를 냉장고(1000)로부터 수신할 수 있다.

예를 들어 디스플레이 장치(800)에서 디스플레이 되는 영상을 아빠가 시청중인 경우, 인공지능 서버(100)의 프로세서는 냉장고(1000)로부터 아빠의 선호 요리에 대한 정보를 수신할 수 있다.

그리고 나서 인공지능 서버(100)의 프로세서는 영상을 시청하는 사용자의 선호 요리에 대한 정보를 이용하여 냉장고 내 식재료 들을 이용하여 만드는 것이 가능한 복수의 요리 중 제2 요리를 선택하고, 선택된 제2 요리에 대한 정보를 디스플레이 장치(100)에 전송할 수 있다.

구체적으로 인공지능 서버(100)의 프로세서는 냉장고의 저장 공간 내 식재료들 중 적어도 일부를 이용하는 레시피를 검색할 수 있다. 그리고 인공지능 서버(100)의 프로세서는 검색된 레시피를 통하여 완성되는 요리를 냉장고 내 식재료 들을 이용하여 만드는 것이 가능한 복수의 요리를 획득할 수 있다. 그리고 인공지능 서버(100)의 프로세서는 복수의 요리 중 사용자의 선호 요리에 해당하는 제2 요리를 선택할 수 있다. 그리고 나서 인공지능 서버(100)의 프로세서는 제2 요리에 대한 정보를 디스플레이 장치(800)에 전송할 수 있다.

본 발명에 따르면, 디스플레이 장치를 이용하여 영상을 시청하는 사용자가 영상 내 요리에 관심을 보이는 경우, 관심 요리에 대한 레시피를 디스플레이 장치를 통하여 사용자에게 제공할 수 있는 장점이 있다.

또한 본 발명에 따르면, 레시피가 냉장고 내 식재료에 기반하여 제공되기 때문에, 사용자가 당장 조리를 할 수 있도록 하는 레시피를 제공하는 장점이 있다.

또한 본 발명에 따르면, 냉장고 내 식재료를 이용하여 관심 요리를 만들 수 없는 경우 자동으로 주문을 수행함으로써, 사용자 편의성을 향상시킬 수 있는 장점이 있다.

또한 본 발명에 따르면, 사용자에게 레시피를 제공할 뿐만 아니라 레시피에 따라 조리 기기를 제어함으로써, 사용자가 매우 간편하게 조리를 수행하는 환경을 제공할 수 있다.

또한 본 발명에 따르면, 냉장고 내 식재료에 기반하여 사용자에게 요리를 추천하고 레시피를 제공함으로써, 사용자가 당장 조리를 할 수 있도록 하는 요리 및 레시피를 사용자에게 제공하는 장점이 있다.

다음은 인공지능 서버의 동작 방법을 설명한다.

본 발명의 실시 예에 따른 인공지능 서버의 동작 방법은, 디스플레이 장치에서 디스플레이 되는 영상을 상기 디스플레이 장치로부터 수신하는 단계, 상기 영상에 포함된 요리에 대한 정보를 획득하는 단계, 냉장고로부터 상기 냉장고 내 식재료들에 대한 정보를 수신하는 단계, 및, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 단계를 포함한다.

이 경우 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보는, 레시피를 포함하고, 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 단계는, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 상기 레시피를 검색하는 단계 및 상기 검색된 레시피를 상기 디스플레이 장치에 전송하는 단계를 포함할 수 있다.

이 경우 상기 영상은, 상기 영상을 시청하는 사용자의 레시피 요청에 따라 상기 디스플레이 장치로부터 수신될 수 있다.

이 경우 상기 디스플레이 장치로부터 상기 영상을 시청하는 사용자의 사용자 정보를 수신하는 단계를 더 포함하고, 상기 레시피를 검색하는 단계는, 상기 사용자 정보를 이용하여 상기 사용자의 성별 및 나이 중 적어도 하나에 대응하는 상기 레시피를 검색하는 단계를 포함할 수 있다.

한편 상기 식재료들에 대한 정보는, 상기 식재료들이 촬영된 영상 또는 상기 냉장고 내 존재하는 식재료들의 식별 정보일 수 있다.

한편 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 레시피가 검색되지 않으면, 부족한 식재료의 주문 명령을 식재료 제공 사업자 서버에 전송하는 단계를 더 포함할 수 있다.

한편 상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보를 수신하는 단계, 및, 상기 검색된 레시피에 기초하여 상기 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하는 단계를 더 포함할 수 있다.

한편 상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보가 수신하는 단계, 및, 상기 검색된 레시피에 포함되는 조리 순서에 기초하여 제1 조리 기기에 제1 설정 정보를 전송하고, 상기 제1 설정 정보가 전송된 이후에 제2 조리 기기에 제2 설정 정보를 전송하는 단계를 더 포함할 수 있다.

한편 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 결정하고, 상기 제2 요리에 대한 정보를 상기 디스플레이 장치에 전송하는 단계를 더 포함할 수 있다.

이 경우 상기 제2 요리에 대한 정보가 전송된 이후 상기 디스플레이 장치로부터 요리 선택 정보가 수신되면 상기 제2 요리에 대응하는 제2 레시피를 상기 디스플레이 장치에 전송하는 단계를 더 포함할 수 있다.

한편 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 결정하는 단계는, 상기 냉장고로부터 상기 영상을 시청하는 사용자의 선호 요리에 대한 정보를 수신하고, 상기 사용자의 선호 요리에 대한 정보를 이용하여 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 복수의 요리 중 상기 제2 요리를 선택하는 단계를 포함할 수 있다.

다음은 인공지능 시스템의 동작을 설명한다.

디스플레이 장치, 인공지능 서버 및 냉장고를 포함하는 인공지능 시스템에 있어서, 인공지능 시스템은 영상을 디스플레이 하고, 상기 영상을 시청하는 사용자의 레시피 요청이 수신되면 상기 디스플레이 되는 영상을 상기 인공지능 서버에 전송하는 디스플레이 장치, 저장 공간 내 식재료들에 대한 정보를 상기 인공지능 서버에 전송하는 냉장고, 및, 상기 디스플레이 되는 영상을 수신하고, 상기 수신된 영상에 포함된 요리에 대한 정보를 획득하고, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 인공지능 서버를 포함하고, 상기 디스플레이 장치는, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 디스플레이 한다.

이 경우 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보는, 레시피를 포함하고, 상기 인공지능 서버는, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 상기 레시피를 검색하고, 상기 검색된 레시피를 상기 디스플레이 장치에 전송하고, 상기 디스플레이 장치는 레시피를 수신하고 수신된 레시피를 디스플레이 할 수 있다.

이 경우 상기 디스플레이 장치는, 상기 디스플레이 되는 영상을 시청하는 사용자를 촬영하고, 상기 촬영된 영상을 이용하여 상기 사용자의 사용자 정보를 획득하고, 상기 획득된 사용자 정보를 상기 인공지능 서버에 전송하고, 상기 인공지능 서버는, 상기 사용자 정보를 이용하여 상기 사용자의 성별 및 나이 중 적어도 하나에 대응하는 상기 레시피를 검색할 수 있다.

한편 상기 인공지능 시스템은, 하나 이상의 조리 기기를 더 포함하고, 상기 디스플레이 장치는, 상기 수신된 레시피가 디스플레이 된 이후에 상기 사용자로부터 레시피 선택 입력이 수신되면 상기 인공지능 서버에 레시피 선택 정보를 전송하고, 상기 인공지능 서버는, 상기 레시피 선택 정보가 수신되면 상기 검색된 레시피에 기초하여 상기 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하고, 상기 요리를 만들기 위해 사용되는 조리기기는, 상기 설정 정보가 수신되면 상기 설정 정보에 따른 조리 동작을 수행할 수 있다.

한편 상기 인공지능 시스템은, 제1 조리 기기 및 제2 조리 기기를 더 포함하고, 상기 디스플레이 장치는, 상기 수신된 레시피가 디스플레이 된 이후에 상기 사용자로부터 레시피 선택 입력이 수신되면 상기 인공지능 서버에 레시피 선택 정보를 전송하고, 상기 인공지능 서버는, 상기 레시피 선택 정보가 수신되면 상기 검색된 레시피에 포함되는 조리 순서에 기초하여 제1 조리 기기에 제1 설정 정보를 전송하고, 상기 제1 설정 정보가 전송된 이후에 제2 조리 기기에 제2 설정 정보를 전송하고, 상기 제1 조리기기는, 상기 제1 설정 정보가 수신되면 상기 제1 설정 정보에 따른 조리 동작을 수행하고, 상기 제2 조리 기기는, 상기 제2 설정 정보가 수신되면 상기 제2 설정 정보에 따른 조리 동작을 수행할 수 있다.

한편 상기 인공지능 서버는, 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 획득하고, 상기 제2 요리에 대한 정보를 상기 디스플레이 장치에 전송하고, 상기 디스플레이 장치는, 상기 제2 요리에 대한 정보를 디스플레이 할 수 있다.

이 경우 상기 디스플레이 장치는, 상기 제2 요리에 대한 정보가 디스플레이된 이후에 상기 사용자로부터 요리 선택 입력이 수신되면 상기 인공지능 서버에 요리 선택 정보를 전송하고, 상기 인공지능 서버는, 상기 요리 선택 정보가 수신되면 상기 제2 요리에 대응하는 제2 레시피를 상기 디스플레이 장치에 전송하고, 상기 디스플레이 장치는, 상기 제2 레시피를 디스플레이 할 수 있다.

한편 상기 냉장고는, 상기 냉장고의 문을 개방한 사용자가 꺼낸 요리에 대한 정보를 이용하여 상기 사용자의 선호 요리에 대한 정보를 획득하고, 상기 사용자의 선호 요리에 대한 정보를 상기 인공지능 서버에 전송하고, 상기 인공지능 서버는, 상기 사용자의 선호 요리에 대한 정보를 이용하여 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 복수의 요리 중 상기 제2 요리를 선택할 수 있다.

도 13은 본 발명의 또 다른 실시 예에 따른, 인공지능 서버(100)를 제외한 인공지능 시스템을 설명하기 위한 도면이다.

인공지능 시스템(10)은 인공지능 서버를 포함하지 않는 대신, 제1 조리 기기(700), 제2 조리 기기(900), 디스플레이 장치(800) 및 냉장고(1000) 중 어느 하나가 도 1 내지 12에서 설명한 인공지능 서버의 동작을 수행할 수 있다.

이하에서는 디스플레이 장치(800)가 인공지능 서버의 동작을 수행하는 것으로 가정하고, 디스플레이 장치(800)의 동작을 간략히 설명한다.

디스플레이 장치 및 냉장고를 포함하는 인공지능 시스템에 있어서, 인공지능 시스템은 저장 공간 내 식재료들에 대한 정보를 디스플레이 장치에 전송하는 냉장고, 및 영상을 디스플레이 하고, 영상을 시청하는 사용자의 레시피 요청이 수신되면 디스플레이 되는 영상에 포함된 요리에 대한 정보를 획득하고, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 획득하여 디스플레이 하는 디스플레이 장치를 포함한다.

이 경우 디스플레이 장치는 영상을 시청하는 사용자의 레시피 요청이 수신되면 디스플레이 되는 영상에 포함된 요리에 대한 정보를 획득하고, 상기 저장 공간 내 식재료들을 이용하여 상기 요리를 만들기 위한 레시피를 검색하고, 상기 검색된 레시피를 디스플레이 할 수 있다.

이 경우 상기 디스플레이 장치는, 상기 디스플레이 되는 영상을 시청하는 사용자를 촬영하고, 상기 촬영된 영상을 이용하여 상기 사용자의 사용자 정보를 획득하고, 상기 사용자 정보를 이용하여 상기 사용자의 성별 및 나이 중 적어도 하나에 대응하는 상기 레시피를 검색할 수 있다.

한편 상기 인공지능 시스템은, 하나 이상의 조리 기기를 더 포함하고, 상기 디스플레이 장치는, 상기 검색된 레시피가 디스플레이 된 이후에 상기 사용자로부터 레시피 선택 입력이 수신되면 상기 검색된 레시피에 기초하여 상기 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하고, 상기 요리를 만들기 위해 사용되는 조리기기는, 상기 설정 정보가 수신되면 상기 설정 정보에 따른 조리 동작을 수행할 수 있다.

한편 상기 인공지능 시스템은, 제1 조리 기기 및 제2 조리 기기를 더 포함하고, 상기 디스플레이 장치는, 상기 검색된 레시피가 디스플레이 된 이후에 상기 사용자로부터 레시피 선택 입력이 수신되면 상기 검색된 레시피에 포함되는 조리 순서에 기초하여 제1 조리 기기에 제1 설정 정보를 전송하고, 상기 제1 설정 정보가 전송된 이후에 제2 조리 기기에 제2 설정 정보를 전송하고, 상기 제1 조리기기는, 상기 제1 설정 정보가 수신되면 상기 제1 설정 정보에 따른 조리 동작을 수행하고, 상기 제2 조리 기기는, 상기 제2 설정 정보가 수신되면 상기 제2 설정 정보에 따른 조리 동작을 수행할 수 있다.

한편 디스플레이 장치는, 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 획득하고, 상기 제2 요리에 대한 정보를 디스플레이 할 수 있다.

이 경우 상기 디스플레이 장치는, 상기 제2 요리에 대한 정보가 디스플레이된 이후에 상기 사용자로부터 요리 선택 입력이 수신되면 상기 제2 요리에 대응하는 제2 레시피를 디스플레이 할 수 있다.

한편 상기 냉장고는, 상기 냉장고의 문을 개방한 사용자가 꺼낸 요리에 대한 정보를 이용하여 상기 사용자의 선호 요리에 대한 정보를 획득하고, 상기 사용자의 선호 요리에 대한 정보를 디스플레이 장치에 전송하고, 상기 디스플레이 장치는, 상기 사용자의 선호 요리에 대한 정보를 이용하여 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 복수의 요리 중 상기 제2 요리를 선택할 수 있다.

전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 제어부(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

100: 인공지능 서버

Claims

디스플레이 장치 및 냉장고와 통신하는 통신부; 및
상기 디스플레이 장치에서 디스플레이 되는 영상이 상기 디스플레이 장치로부터 수신되면 상기 영상에 포함된 요리에 대한 정보를 획득하고, 상기 냉장고로부터 상기 냉장고 내 식재료들에 대한 정보를 수신하고, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 프로세서를 포함하는
인공지능 서버.
제 1항에 있어서,
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보는, 레시피를 포함하고,
상기 프로세서는,
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 상기 레시피를 검색하고, 상기 검색된 레시피를 상기 디스플레이 장치에 전송하는
인공지능 서버.
제 2항에 있어서,
상기 영상은,
상기 영상을 시청하는 사용자의 레시피 요청에 따라 상기 디스플레이 장치로부터 수신되는
인공지능 서버.
제 3항에 있어서,
상기 프로세서는,
상기 디스플레이 장치로부터 상기 영상을 시청하는 사용자의 사용자 정보를 수신하고, 상기 사용자 정보를 이용하여 상기 사용자의 성별 및 나이 중 적어도 하나에 대응하는 상기 레시피를 검색하는
인공지능 서버.
제 1항에 있어서,
상기 식재료들에 대한 정보는,
상기 식재료들이 촬영된 영상 또는 상기 냉장고 내 존재하는 식재료들의 식별 정보인
인공지능 서버.
제 2항에 있어서,
상기 프로세서는,
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 레시피가 검색되지 않으면, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 불가능하다는 정보를 상기 디스플레이 장치에 전송하는
인공지능 서버.
제 2항에 있어서,
상기 프로세서는,
상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보가 수신되면, 상기 검색된 레시피에 기초하여 상기 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하는
인공지능 서버.
제 2항에 있어서,
상기 프로세서는,
상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보가 수신되면, 상기 검색된 레시피에 포함되는 조리 순서에 기초하여 제1 조리 기기에 제1 설정 정보를 전송하고, 상기 제1 설정 정보가 전송된 이후에 제2 조리 기기에 제2 설정 정보를 전송하는
인공지능 서버.
제 2항에 있어서,
상기 프로세서는,
상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 결정하고, 상기 제2 요리에 대한 정보를 상기 디스플레이 장치에 전송하는
인공지능 서버.
제 9항에 있어서,
상기 프로세서는,
상기 제2 요리에 대한 정보가 전송된 이후 상기 디스플레이 장치로부터 요리 선택 정보가 수신되면 상기 제2 요리에 대응하는 제2 레시피를 상기 디스플레이 장치에 전송하는
인공지능 서버.
제 9항에 있어서,
상기 프로세서는,
상기 냉장고로부터 상기 영상을 시청하는 사용자의 선호 요리에 대한 정보를 수신하고, 상기 사용자의 선호 요리에 대한 정보를 이용하여 상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 복수의 요리 중 상기 제2 요리를 선택하는
인공지능 서버.
디스플레이 장치에서 디스플레이 되는 영상을 상기 디스플레이 장치로부터 수신하는 단계;
상기 영상에 포함된 요리에 대한 정보를 획득하는 단계;
냉장고로부터 상기 냉장고 내 식재료들에 대한 정보를 수신하는 단계; 및
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 단계를 포함하는
인공지능 서버의 동작 방법.
제 12항에 있어서,
상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보는, 레시피를 포함하고,
상기 요리를 만드는 것이 가능하다는 것을 나타내는 정보를 상기 디스플레이 장치에 전송하는 단계는,
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 상기 레시피를 검색하는 단계; 및
상기 검색된 레시피를 상기 디스플레이 장치에 전송하는 단계를 포함하는
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 영상은,
상기 영상을 시청하는 사용자의 레시피 요청에 따라 상기 디스플레이 장치로부터 수신되는
인공지능 서버의 동작 방법.
제 14항에 있어서,
상기 디스플레이 장치로부터 상기 영상을 시청하는 사용자의 사용자 정보를 수신하는 단계를 더 포함하고,
상기 레시피를 검색하는 단계는,
상기 사용자 정보를 이용하여 상기 사용자의 성별 및 나이 중 적어도 하나에 대응하는 상기 레시피를 검색하는 단계를 포함하는
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 식재료들에 대한 정보는,
상기 식재료들이 촬영된 영상 또는 상기 냉장고 내 존재하는 식재료들의 식별 정보인
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 냉장고 내 식재료들을 이용하여 상기 요리를 만들기 위한 레시피가 검색되지 않으면, 상기 냉장고 내 식재료들을 이용하여 상기 요리를 만드는 것이 불가능하다는 정보를 상기 디스플레이 장치에 전송하는 단계를 더 포함하는
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보를 수신하는 단계; 및
상기 검색된 레시피에 기초하여 상기 요리를 만들기 위해 사용되는 조리 기기에 조리 모드, 조리 온도 및 조리 시간 중 적어도 하나를 포함하는 설정 정보를 전송하는 단계를 더 포함하는
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 검색된 레시피가 상기 디스플레이 장치에 전송된 이후에 상기 디스플레이 장치로부터 레시피 선택 정보가 수신하는 단계; 및
상기 검색된 레시피에 포함되는 조리 순서에 기초하여 제1 조리 기기에 제1 설정 정보를 전송하고, 상기 제1 설정 정보가 전송된 이후에 제2 조리 기기에 제2 설정 정보를 전송하는 단계를 더 포함하는
인공지능 서버의 동작 방법.
제 13항에 있어서,
상기 냉장고 내 식재료들을 이용하여 만드는 것이 가능한 제2 요리를 결정하고, 상기 제2 요리에 대한 정보를 상기 디스플레이 장치에 전송하는 단계를 더 포함하는
인공지능 서버의 동작 방법.