KR20200087298A - 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템 - Google Patents

딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템 Download PDF

Info

Publication number
KR20200087298A
KR20200087298A KR1020180171458A KR20180171458A KR20200087298A KR 20200087298 A KR20200087298 A KR 20200087298A KR 1020180171458 A KR1020180171458 A KR 1020180171458A KR 20180171458 A KR20180171458 A KR 20180171458A KR 20200087298 A KR20200087298 A KR 20200087298A
Authority
KR
South Korea
Prior art keywords
learning
artificial intelligence
platform
deep learning
robots
Prior art date
Application number
KR1020180171458A
Other languages
English (en)
Inventor
성낙윤
유영선
Original Assignee
주식회사 라스테크
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 주식회사 라스테크 filed Critical 주식회사 라스테크
Priority to KR1020180171458A priority Critical patent/KR20200087298A/ko
Publication of KR20200087298A publication Critical patent/KR20200087298A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/063—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using electronic means

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 딥러닝을 기반으로 인공지능 학습이 가능한 클라우드 플랫폼에 저장된 학습된 딥러닝 네트워크를 제공받아 실시간으로 인공지능 추론이 가능한 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것이다. 본 발명은 저전력으로 인공처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공함으로서, 생산비용을 낮춰 가격적인 경쟁력을 높힐 수 있는 효과가 있다. 또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공함으로서, 실시간으로 인공지능 추론을 수행할 수 있는 효과가 있다.

Description

딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 {Artificial intelligence computing platform for Robots using learning cloud platform base on Deep learning}
본 발명은 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것으로, 보다 상세하게는 딥러닝을 기반으로 인공지능 학습이 가능한 클라우드 플랫폼에 저장된 학습된 딥러닝 네트워크를 제공받아 실시간으로 인공지능 추론이 가능한 로봇용 인공지능 컴퓨팅 플랫폼에 관한 것이다.
딥 러닝(deep learning) 심층학습은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상를 시도하는 기계학습(machine learning) 알고리즘의 집합으로 정의되며, 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야라고 볼 수 있다. 어떠한 데이터가 있을 때 이를 컴퓨터가 알아 들을 수 있는 형태로 표현하고 이를 학습에 적용하기 위해 많은 연구가 진행되고 있으며, 이러한 노력의 결과로 deep neural networks, convolutional deep neural networks, deep belief networks와 같은 다양한 딥 러닝 기법들이 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용되어 최첨단의 결과들을 보여주고 있다.
한국 등록특허 제 1787613호(이하 '선행문헌'이라 칭함)는 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템에 관한 것이다. 선행문헌은 자가 적응 기술과 딥 러닝 기반의 학습 기술을 결합하여, DNA 미션을 자가 조직하고 DNA 모델을 자가 구성하는 자가 적응 학습 엔진을 포함함으로써, 상황을 이해해서 스스로 미션을 파악하고 모델을 만들어 상황을 해결하는 인간 두뇌 메커니즘을 효과적으로 구현할 수 있다.
딥 러닝 플랫폼을 이용하는 자율주행이 가능한 인공지능 로봇의 경우, 객체인식 및 상황인식을 위한 인공지능 알고리즘의 수행은 높은 CPU와 GPU의 고사양을 요구하고 있다. 따라서 고사양의 하드웨어를 필요로 하며, 로봇의 생산 비용으로 짐에 따라 가격적인 경쟁력이 떨어지게 되고, 인공지능 로봇시장의 활성화에 걸림돌이 되고 있다.
한국 등록특허 제 1787613호(발명의 명칭 : 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템, 등록일 : 2017.10.12.)
본 발명은 위와 같은 문제점을 해결하기 위해 저전력으로 인공지능처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공하는데 그 목적이 있다.
또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공하는데 그 목적이 있다.
본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 있어서, 상기 학습 클라우드 플랫폼은 외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습데이터로 정제하는 데이터처리부, 상기 데이터처리부에 의해 정제된 학습용 데이터가 저장되는 데이터저장부, 상기 데이터베이스에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습을 위한 데이터 및 도메인 온톨로지를 기반으로 자가학습하는 자가학습부, 상기 자가학습에 의해 생성된 딥러닝 네트워크가 카테고리별로 분류되어 저장되는 데이터베이스부를 포함한다.
본 발명에 따른 상기 로봇용 인공지능 컴퓨터 플랫폼은 이기종의 프로세스와 적어도 하나의 센서 인터페이스를 구비하며, 임베디드 중앙처리장치를 내장하는 하드웨어플랫폼, 실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행하는 딥러닝 프레임워크, 상기 이기종의 프로세스와 실시간 병렬처리 및 상기 딥러닝 프레임워크를 지원하는 소프트웨어 프레임워크를 포함한다.
본 발명에 따른 상기 하드웨어플랫폼은 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치와 하드웨어 연산가속기를 사용하기 위한 슬롯을 구비한다.
본 발명에 따른 상기 로봇용 인공지능 컴퓨팅 플랫폼은 상기 데이터베이스에 저장된 딥러닝 네크워크 중 상기 로봇용 인공지능 컴퓨터 플랫폼은 상에서 필요로 하는 특정 딥러닝 네트워크를 제공받는다.
본 발명에 따른 상기 데이터저장부는 상기 로봇용 인공지능 컴퓨터 플랫폼으로부터 상기 실제환경에서 측정된 영상 및 센서데이터를 수집하여 상기 학습용 데이터로 저장한다.
본 발명은 저전력으로 인공처리가 가능한 로봇용 인공지능 컴퓨팅 플랫폼을 제공함으로서, 생산비용을 낮춰 가격적인 경쟁력을 높힐 수 있는 효과가 있다.
또한, 본 발명은 로봇서비스에 필요한 학습데이터의 수집하고, 학습된 딥러닝 네트워크를 로봇용 인공지능 컴퓨팅 플랫폼에 제공함으로서, 실시간으로 인공지능 추론을 수행할 수 있는 효과가 있다.
도 1은 본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
도 2는 본 발명에 따른 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
이하, 본 발명의 바람직한 실시 예에 대하여 첨부된 도면을 참조하여 상세히 설명하기로 한다. 본 발명의 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에 그 상세한 설명을 생략하기로 한다.
도 1은 본 발명에 따른 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다.
도 1을 참조하면, 딥러닝 기반의 학습 클라우드 플랫폼(100)은 데이터처리부(110)를 통해 외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습용 데이터로 정제한다. 외부로부터 수집되는 데이터는 world wide web(www)와 같이 인터넷에 존재하는 일반 텍스트 형태의 문서, 그림, 음성, 각종 자료들이 정규화된 데이터를 포함할 수 있다. 또한, 도메인에 대한 특성화 또는 일반화한 온톨로지(안내, 소셜, 물류 등) 데이터를 포함할 수 있다.
데이터처리부(110)는 외부로부터 수집된 데이터를 학습용 데이터로 정제된다. 데이터가 정제되는 전처리 과정은 데이터 내의 노이즈를 제거하고, 일관성 결여를 교정하며, 데이터를 일관성 있게 분류되는 과정 등이 포함될 수 있다.
데이터저장부(120)에는 데이터처리부(110)에 의해 정제된 학습용 데이터가 저장된다. 학습용 데이터는 데이터의 유형, 카테고리 등에 의해 분류되어 저장될 수 있다.
자가학습부(130)는 데이터저장부(120)에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습 데이터 및 도메인 온톨로지를 기반으로 학습된 딥러닝 네트워크(DNN : Deep learning Network)를 생성한다. 자가학습부(130)는 학습용 데이터와 도메인 온톨로지 및 자가학습을 위한 Gound truth 데이터를 기반으로 빅테이터의 자가학습(self-traing)을 실시한다. Gound truth 데이터는 Pascal2, Imagenet, Udacity 등의 웹사이트로부터 제공받을 수 있다.
데이터베이스부(140)에는 자가학습에 의해 생성된 안내상황, 안내객체, 물류, 소셜 등에 대한 딥러닝 네트워크(DNN)가 카테고리별로 분류되어 저장된다.
데이터베이스부(140)에 저장된 딥러닝 네트워크(DNN)는 로봇용 인공지능 컴퓨터 플랫폼에 제공될 수 있다. 도 1와 같이, 안내로봇서비스(200A),소셜로봇서비스(200B), 물류로봇서비스(200C)에는 로봇용 인공지능 컴퓨터 플랫폼이 내장되어 있으며, 각각의 로봇서비스는 서로 성질의 작업을 수행한다. 즉, 각각의 로봇서비스에 최적화된 딥러닝 네트워크도 서로 다르다고 볼 수 있다. 따라서 각각의 로봇서비스에 내장된 로봇용 인공지능 컴퓨팅 플랫폼은 데이터베이스(140)에 저장된 딥러닝 네크워크 중 최적화된 딥러닝 네트워크를 제공받아 구동된다.
각각의 로봇용 인공지능 컴퓨터 플랫폼에는 로봇에 구비된 촬영장치 및 센서장치릍 통해 실제환경에서 측정된 영상과 센서데이터가 기록된다. 따라서 딥러닝 기반의 학습 클라우드 플랫폼(100)은 로봇용 인공지능 컴퓨터 플랫폼(210)으로부터 실제환경에서 측정된 영상 및 센서데이터를 수집하여 학습용 데이터로 저장한다.
도 2는 본 발명에 따른 로봇용 컴퓨팅 플랫폼을 설명하기 위한 도면이다. 도 2를 참조하면 로봇용 컴퓨팅 플랫폼(210)은 임베디드 H/W플렛폼(211), 인공지능 S/W 프레임워크(212), 딥러닝 프레임워크(213)으로 구성될 수 있다.
임베디드 H/W플렛폼(211)은 이기종의 프로세스와 다양한 센서 인터페이스를 구비하며, 고성능의 임베디드 중앙처리장치(CPU)를 내장한다.
또한, 외부와 통신 가능하도록 확장된 통신 Interface를 구비하며, 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치(GPU)와 하드웨어 연산가속기(FPGA)를 사용하기 위한 MXM(Mobile PCI eXpress Module)슬롯을 구비한다.
인공지능 S/W 프레임워크(212)는 이기종의 프로세스와 실시간 병렬처리를 지원한다. 또한, 딥러닝 프레임워크(213)를 지원하기 위한 소프트웨어 프레임워크이다.
딥러닝 프레임워크(213)은 인공지능 S/W프레임워크(21) 상에서 로봇을 통해 실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행한다. 따라서 딥러닝 프레임워크(213)에는 딥러닝 기반의 학습 클라우드 플랫폼(100)에 저장된 딥러닝 네트워크(DNN) 중 로봇이 실제 사용되는데 최적화된 딥러닝 네트워크 모델 및 딥러닝 네트워크를 제공받아, 실시간으로 인공지능 추론이 구동된다.
100 : 학습 클라우드 플랫폼 110 : 데이터처리부
120 : 데이터저장부 130 : 자가학습부
140 : 데이터베이스 210 : 로봇용 인공지능 컴퓨터 플랫폼
211 : 하드웨어플랫폼 212 : 소프트웨어 프레임 워크
213 : 딥러닝 프레임워크

Claims (5)

  1. 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼에 있어서, 상기 학습 클라우드 플랫폼은
    외부로부터 데이터를 수집하여 로봇서비스에 필요한 학습데이터로 정제하는 데이터처리부;
    상기 데이터처리부에 의해 정제된 학습용 데이터가 저장되는 데이터저장부;
    상기 데이터베이스에 저장된 학습용 데이터와 외부로부터 제공받은 자가학습을 위한 데이터 및 도메인 온톨로지를 기반으로 자가학습하는 자가학습부; 및
    상기 자가학습에 의해 생성된 딥러닝 네트워크가 카테고리별로 분류되어 저장되는 데이터베이스부;를 포함하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
  2. 제1항에 있어서,
    상기 로봇용 인공지능 컴퓨터 플랫폼은
    이기종의 프로세스와 적어도 하나의 센서 인터페이스를 구비하며, 임베디드 중앙처리장치를 내장하는 하드웨어플랫폼;
    실제환경에서 측정된 영상 및 센서데이터를 기반으로 실시간으로 객체 인식 및 탐지와 추적하며, 상황인지의 인공지능 추론을 수행하는 딥러닝 프레임워크; 및
    상기 이기종의 프로세스와 실시간 병렬처리 및 상기 딥러닝 프레임워크를 지원하는 소프트웨어 프레임워크; 를 포함하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼
  3. 제2항에 있어서,
    상기 하드웨어플랫폼은 저전력으로 인공지능 처리가 가능하도록 그래픽처리장치와 하드웨어 연산가속기를 사용하기 위한 슬롯을 구비하고 있는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
  4. 제3항에 있어서,
    상기 로봇용 인공지능 컴퓨팅 플랫폼은 상기 데이터베이스에 저장된 딥러닝 네크워크 중 상기 로봇용 인공지능 컴퓨터 플랫폼은 상에서 필요로 하는 특정 딥러닝 네트워크를 제공받는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
  5. 제2항에 있어서,
    상기 데이터저장부는 상기 로봇용 인공지능 컴퓨터 플랫폼으로부터 상기 실제환경에서 측정된 영상 및 센서데이터를 수집하여 상기 학습용 데이터로 저장하는 것을 특징으로 하는 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼.
KR1020180171458A 2018-12-28 2018-12-28 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템 KR20200087298A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180171458A KR20200087298A (ko) 2018-12-28 2018-12-28 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180171458A KR20200087298A (ko) 2018-12-28 2018-12-28 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템

Publications (1)

Publication Number Publication Date
KR20200087298A true KR20200087298A (ko) 2020-07-21

Family

ID=71832743

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180171458A KR20200087298A (ko) 2018-12-28 2018-12-28 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템

Country Status (1)

Country Link
KR (1) KR20200087298A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112667793A (zh) * 2020-12-31 2021-04-16 徐波 一种基于dnn的人机交互方法、装置、系统、电子设备和存储介质
WO2022240274A1 (ko) * 2021-05-10 2022-11-17 삼성전자 주식회사 로봇 장치, 그 제어 방법, 및 프로그램이 기록된 기록매체

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101787613B1 (ko) 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101787613B1 (ko) 2017-01-20 2017-11-15 주식회사 더디엔에이시스템 딥 러닝 기반의 자가 적응 학습 기술을 이용한 인공지능 플랫폼 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112667793A (zh) * 2020-12-31 2021-04-16 徐波 一种基于dnn的人机交互方法、装置、系统、电子设备和存储介质
CN112667793B (zh) * 2020-12-31 2023-08-22 徐波 一种基于dnn的人机交互方法、装置、系统、电子设备和存储介质
WO2022240274A1 (ko) * 2021-05-10 2022-11-17 삼성전자 주식회사 로봇 장치, 그 제어 방법, 및 프로그램이 기록된 기록매체

Similar Documents

Publication Publication Date Title
Zhang et al. Empowering things with intelligence: a survey of the progress, challenges, and opportunities in artificial intelligence of things
US11373093B2 (en) Detecting and purifying adversarial inputs in deep learning computing systems
US11584020B2 (en) Human augmented cloud-based robotics intelligence framework and associated methods
Sarker AI-based modeling: techniques, applications and research issues towards automation, intelligent and smart systems
WO2021232832A1 (zh) 数据处理方法、联邦学习的训练方法及相关装置、设备
Thomason et al. Opportunistic active learning for grounding natural language descriptions
KR20210084025A (ko) 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼
EP3884426B1 (en) Action classification in video clips using attention-based neural networks
EP3920048A1 (en) Method and system for automated visual question answering
Freedman et al. Plan and activity recognition from a topic modeling perspective
Andreu-Perez et al. Artificial Intelligence and robotics
KR20200087298A (ko) 딥러닝 기반의 학습 클라우드 플랫폼을 이용하는 로봇용 인공지능 컴퓨팅 플랫폼 시스템
Wang et al. Face recognition in complex unconstrained environment with an enhanced wwn algorithm
Saranya et al. Deep CNN models for Driver Activity Recognition for Intelligent Vehicles
Tonga et al. A review on on device privacy and machine learning training
CN115115058A (zh) 模型训练方法、装置、设备及介质
Starczewski et al. A fuzzy SOM for understanding incomplete 3d faces
Mayorga et al. Autonomous control through the level of fatigue applied to the control of autonomous vehicles
Zeba et al. Advanced Topics in Machine Learning
Mittal et al. Comparative Analysis of Shallow Learning and Deep Learning
Neustein et al. AI, IoT, Big Data and Cloud Computing for Industry 4.0
US20200334530A1 (en) Differentiable neuromodulated plasticity for reinforcement learning and supervised learning tasks
Saini et al. Artificial intelligence inspired framework for preventing sexual violence at public toilets of educational institutions with the improvisation of gender recognition from gait sequences
Alzahrani et al. Piece-Wise Linear Chaotic Mapping-based Beluga Whale Optimization Algorithm-based Indoor Activity Monitoring for Elderly and Visually Impaired Persons
Kulkarni et al. TinyML using neural networks for resource-constrained devices

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E902 Notification of reason for refusal
E601 Decision to refuse application