KR20200127853A - The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same - Google Patents
The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same Download PDFInfo
- Publication number
- KR20200127853A KR20200127853A KR1020200027217A KR20200027217A KR20200127853A KR 20200127853 A KR20200127853 A KR 20200127853A KR 1020200027217 A KR1020200027217 A KR 1020200027217A KR 20200027217 A KR20200027217 A KR 20200027217A KR 20200127853 A KR20200127853 A KR 20200127853A
- Authority
- KR
- South Korea
- Prior art keywords
- determination model
- text
- information
- function determination
- model
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/04—Segmentation; Word boundary detection
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L15/18—Speech classification or search using natural language modelling
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
- G10L2015/081—Search algorithms, e.g. Baum-Welch or Viterbi
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/223—Execution procedure of a spoken command
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
- G10L2015/226—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics
- G10L2015/227—Procedures used during a speech recognition process, e.g. man-machine dialogue using non-speech characteristics of the speaker; Human-factor methodology
Abstract
Description
본 개시는 허브 디바이스 및 복수의 디바이스를 포함하는 멀티 디바이스 환경에서 사용자로부터 수신한 음성 입력에 포함되는 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스를 결정하고, 결정된 동작 수행 디바이스를 제어하는 허브 디바이스, 멀티 디바이스 시스템, 및 그 동작 방법에 관한 것이다. The present disclosure is a hub device that determines a device for performing an operation to perform an operation according to a user's intention included in a voice input received from a user in a multi-device environment including a hub device and a plurality of devices, and controls the device for performing the determined operation. , A multi-device system, and a method of operation thereof.
멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 음성 인식 기술이 발전함에 따라, 사용자는 디바이스에 음성(예를 들어, 발화)을 입력하고, 서비스 제공 에이전트를 통해 음성 입력에 따른 응답 메시지를 수신할 수 있게 되었다. With the development of multimedia technology and network technology, users can receive various services using devices. In particular, with the development of speech recognition technology, a user can input a voice (for example, speech) to a device and receive a response message according to the voice input through a service providing agent.
하지만, 복수의 디바이스를 포함하는 홈 네트워크 환경 등 멀티 디바이스 시스템에서, 사용자가 음성 입력 등을 통해 대화(interaction)하는 클라이언트 디바이스가 아닌, 다른 디바이스를 통해 서비스를 제공받고 싶은 경우, 서비스를 제공할 디바이스를 직접 선택해야 하는 번거로움이 있다. 특히, 복수의 디바이스 각각이 제공할 수 있는 서비스의 종류가 다르기 때문에, 사용자의 음성 입력에 포함된 의도를 파악하여 효과적으로 서비스를 제공할 수 있는 기술이 요구되고 있다. However, in a multi-device system such as a home network environment including a plurality of devices, when a user wants to receive a service through a device other than a client device that interacts through voice input, the device to provide the service There is a hassle of having to choose directly. In particular, since the types of services that can be provided by each of a plurality of devices are different, there is a demand for a technology capable of effectively providing a service by grasping an intention included in a user's voice input.
사용자의 음성 입력에 포함된 의도를 파악할 때, 인공지능(Artificial Intelligence, AI) 기술이 활용될 수 있으며, 룰(Rule) 기반의 자연어 이해 기술(Natural Language Understanding, NLU)이 활용될 수도 있다. 사용자의 음성 입력을 허브 디바이스(Hub device)를 통해 수신하는 경우, 허브 디바이스는 음성 입력을 통해 서비스를 제공할 디바이스를 직접 선택하지 못하고 별도의 음성 비서 서비스 제공 서버를 이용하여 디바이스를 제어해야 하므로, 사용자의 입장에서는 네트워크 사용 비용이 소비되고, 음성 비서 서비스 제공 서버를 통하므로 응답 속도가 느려지는 문제점이 있다. When determining the intention included in the user's voice input, artificial intelligence (AI) technology may be used, and rule-based natural language understanding technology (NLU) may be used. When a user's voice input is received through a hub device, the hub device cannot directly select a device to provide a service through the voice input and must control the device using a separate voice assistant service providing server. From the user's point of view, there is a problem in that network usage costs are consumed, and the response speed is slowed through the voice assistant service providing server.
본 개시는 허브 디바이스, 허브 디바이스 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템 및 그 동작 방법에 관한 것으로, 보다 구체적으로는 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 기초로 사용자의 의도에 따른 동작을 수행할 디바이스를 자동으로 결정하고, 결정된 디바이스에 따라 서비스를 수행하기 위하여 필요한 정보들을 제공하는 허브 디바이스, 멀티 디바이스 시스템, 및 그 동작 방법을 제공하는 것을 목적으로 한다. The present disclosure relates to a multi-device system including a hub device, a hub device, and a plurality of devices, and a method of operating the same, and more specifically, to receive a user's voice input, and based on the received voice input An object of the present invention is to provide a hub device, a multi-device system, and an operation method thereof that automatically determine a device to perform an operation and provide necessary information for performing a service according to the determined device.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 사용자의 음성 입력을 수신하는 단계; ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하는 단계; 디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 동작 수행 디바이스를 결정하는 단계; 상기 허브 디바이스와 연결된 복수의 디바이스 중, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하는 단계; 및 상기 확인된 디바이스에 상기 변환된 텍스트의 적어도 일부를 제공하는 단계를 포함하는, 허브 디바이스(Hub device)가 음성 입력에 기초하여 디바이스를 제어하는 방법을 제공한다.In order to solve the above technical problem, an embodiment of the present disclosure includes the steps of receiving a user's voice input; Converting the received speech input into text by performing Automatic Speech Recognition (ASR); Determining a device performing an operation based on the converted text using a device determination model; Identifying a device storing a function determination model corresponding to the determined operation performing device among a plurality of devices connected to the hub device; And providing at least a portion of the converted text to the identified device, by a hub device controlling a device based on a voice input.
예를 들어, 상기 디바이스 판단 모델은 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model may include a first natural language understanding model configured to analyze the converted text and determine a device to perform the operation based on the analysis result of the text.
예를 들어, 상기 기능 판단 모델은 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다.For example, the function determination model is a second natural language configured to analyze at least a portion of the text and obtain motion information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text. May include Natural Language Understanding.
예를 들어, 상기 방법은 복수의 디바이스 중 상기 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 상기 적어도 하나의 디바이스에 저장된 기능 판단 모델에 관한 정보를 획득하는 단계를 더 포함할 수 있다. For example, the method includes information on a function determination model stored in the at least one device from at least one device storing a function determination model used to determine a function for each of the plurality of devices among a plurality of devices. It may further include the step of obtaining.
예를 들어, 상기 디바이스를 확인하는 단계는 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하는 디바이스를 확인할 수 있다. For example, in the checking of the device, a device storing a function determination model corresponding to the determined operation performing device may be identified based on information on the acquired function determination model.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 복수의 디바이스, 음성 비서 서버, 및 IoT 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스; 사용자의 음성 입력을 수신하는 마이크; 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및 상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는 ASR(Automatic Speech Recognition)을 수행하여, 상기 마이크를 통해 수신된 음성 입력을 텍스트로 변환하고, 디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 상기 복수의 디바이스 중 동작 수행 디바이스를 결정하고, 기능 판단 디바이스 결정 모듈을 이용하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하고, 상기 확인된 디바이스에 상기 변환된 텍스트의 적어도 일부를 제공하도록 상기 통신 인터페이스를 제어하는, 허브 디바이스를 제공한다.In order to solve the above technical problem, an embodiment of the present disclosure includes a communication interface for performing data communication with at least one of a plurality of devices, a voice assistant server, and an IoT server; A microphone for receiving a user's voice input; A memory storing a program including one or more instructions; And a processor that executes one or more instructions of the program stored in the memory, wherein the processor performs Automatic Speech Recognition (ASR) to convert the voice input received through the microphone into text, and uses a device determination model. Thus, a device for performing an operation is determined among the plurality of devices based on the converted text, and a device storing a function determination model corresponding to the determined device for performing the operation is identified using a function determination device determination module. ), and controlling the communication interface to provide at least a portion of the converted text to the identified device.
예를 들어, 상기 디바이스 판단 모델은 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model may include a first natural language understanding model configured to analyze the converted text and determine a device to perform the operation based on the analysis result of the text.
예를 들어, 상기 기능 판단 모델은 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the function determination model is a second natural language configured to analyze at least a portion of the text and obtain motion information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text. May include Natural Language Understanding.
예를 들어, 상기 프로세서는 상기 복수의 디바이스 중 상기 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 상기 적어도 하나의 디바이스에 저장된 기능 판단 모델에 관한 정보를 획득하도록 상기 통신 인터페이스를 제어할 수 있다. For example, the processor may include a function determination model stored in the at least one device from at least one device storing a function determination model used to determine a function for each of the plurality of devices among the plurality of devices. The communication interface can be controlled to obtain information.
예를 들어, 상기 프로세서는 상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하는 디바이스를 확인할 수 있다. For example, the processor may identify a device that stores a function determination model corresponding to the determined operation performing device based on the information on the acquired function determination model.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 허브 디바이스에 의해 사용자의 음성 입력을 수신하는 단계; 상기 허브 디바이스의 메모리에 저장된 ASR 모듈에 관한 데이터를 이용하여 ASR을 수행함으로써, 수신된 음성 입력을 텍스트로 변환하는 단계; 상기 허브 디바이스의 상기 메모리에 저장된 디바이스 판단 모델에 관한 데이터를 이용하여, 상기 변환된 텍스트에 기초하여 상기 제1 디바이스를 동작 수행 디바이스로 결정하는 단계; 상기 허브 디바이스가 상기 제1 디바이스에 저장되어 있는 상기 기능 판단 모델에 관한 정보를 상기 제1 디바이스로부터 획득하는 단계; 및 상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 허브 디바이스가 상기 변환된 텍스트의 적어도 일부를 상기 제1 디바이스로 전송하는 단계를 포함하는, 허브 디바이스(Hub device) 및 기능 판단 모델을 저장하고 있는 제1 디바이스를 포함하는 시스템의 동작 방법을 제공한다. In order to solve the above technical problem, an embodiment of the present disclosure includes the steps of receiving a user's voice input by a hub device; Converting the received voice input into text by performing ASR using data on the ASR module stored in the memory of the hub device; Determining the first device as an operation performing device based on the converted text, using data on a device determination model stored in the memory of the hub device; Obtaining, by the hub device, information on the function determination model stored in the first device from the first device; And transmitting, by the hub device, at least a part of the converted text to the first device, based on the information on the obtained function determination model, storing a hub device and a function determination model. It provides a method of operating a system including a first device in operation.
예를 들어, 상기 디바이스 판단 모델은 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 상기 제1 디바이스를 동작 수행 디바이스로 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model is a first natural language understanding model configured to analyze the converted text and determine the first device among a plurality of devices as an operation performing device based on the analysis result of the text. ) Can be included.
예를 들어, 상기 기능 판단 모델은 상기 허브 디바이스로부터 수신한 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the function determination model analyzes at least a part of the text received from the hub device, and obtains operation information regarding an operation to be performed by the first device based on the analysis result of the at least part of the text. A second natural language understanding model configured to be included.
예를 들어, 상기 방법은 제1 디바이스가 상기 기능 판단 모델의 상기 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부의 분석 결과에 기초하여, 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 단계를 더 포함할 수 있다. For example, the method may include, by a first device, analyzing at least a part of the text using the second natural language understanding model of the function determination model, and based on the analysis result of the at least part of the text, the first device It may further include the step of obtaining operation information on the operation to be performed.
예를 들어, 상기 방법은 제1 디바이스가 상기 동작 정보에 기초하여 상기 제1 디바이스의 동작을 제어하기 위한 제어 명령을 생성하는 단계; 및 상기 제1 디바이스가 상기 제어 명령에 기초하여 상기 동작을 실행하는 단계를 더 포함할 수 있다. For example, the method may include generating, by a first device, a control command for controlling an operation of the first device based on the operation information; And executing, by the first device, the operation based on the control command.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 허브 디바이스(Hub device) 및 기능 판단 모델을 저장하고 있는 제1 디바이스를 포함하는 멀티 디바이스 시스템을 제공하고, 상기 허브 디바이스는 상기 제1 디바이스와 데이터 통신을 수행하는 통신 인터페이스; 사용자의 음성 입력을 수신하는 마이크; 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및 상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는 ASR(Automatic Speech Recognition)을 수행하여, 상기 마이크를 통해 수신된 음성 입력을 텍스트로 변환하고, 디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 상기 제1 디바이스를 동작 수행 디바이스로 결정하고, 상기 제1 디바이스에 저장되어 있는 상기 기능 판단 모델에 관한 정보를 상기 제1 디바이스로부터 획득하도록 상기 통신 인터페이스를 제어하고, 상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 변환된 텍스트의 적어도 일부를 상기 제1 디바이스로 전송하도록 상기 통신 인터페이스를 제어할 수 있다. In order to solve the above technical problem, an embodiment of the present disclosure provides a multi-device system including a hub device and a first device storing a function determination model, wherein the hub device includes the first A communication interface for performing data communication with the device; A microphone for receiving a user's voice input; A memory storing a program including one or more instructions; And a processor that executes one or more instructions of the program stored in the memory, wherein the processor performs Automatic Speech Recognition (ASR) to convert the voice input received through the microphone into text, and uses a device determination model. And controlling the communication interface to determine the first device as an operation performing device based on the converted text, and to obtain information on the function determination model stored in the first device from the first device, and , Based on the information on the obtained function determination model, the communication interface may be controlled to transmit at least a part of the converted text to the first device.
예를 들어, 상기 디바이스 판단 모델은, 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 상기 제1 디바이스를 동작 수행 디바이스로 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model is a first natural language understanding model configured to analyze the converted text and determine the first device among a plurality of devices as an operation performing device based on the analysis result of the text. Understanding).
예를 들어, 상기 제1 디바이스는 상기 허브 디바이스로부터 상기 텍스트의 적어도 일부를 수신하는 통신 인터페이스를 포함하고, 상기 기능 판단 모델은 수신한 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the first device includes a communication interface for receiving at least a portion of the text from the hub device, and the function determination model analyzes at least a portion of the received text, and A second natural language understanding model configured to obtain operation information on an operation to be performed by the first device based on the analysis result may be included.
예를 들어, 상기 제1 디바이스는 상기 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부의 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 프로세서를 더 포함할 수 있다. For example, the first device analyzes at least a part of the text by using the second natural language understanding model, and operation information regarding an operation to be performed by the first device based on the analysis result of the at least part of the text It may further include a processor that obtains.
예를 들어, 상기 제1 디바이스의 상기 프로세서는 상기 동작 정보에 기초하여 상기 제1 디바이스의 동작을 제어하기 위한 제어 명령을 생성하고, 상기 제어 명령에 기초하여 상기 동작을 실행하도록 상기 제1 디바이스의 적어도 하나의 구성 요소를 제어할 수 있다. For example, the processor of the first device generates a control command for controlling the operation of the first device based on the operation information, and executes the operation based on the control command. At least one component can be controlled.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 리스너 디바이스(listener device)로부터 음성 신호를 수신하는 단계; ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 신호를 텍스트로 변환하는 단계; 제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 상기 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 상기 텍스트에 대응하는 동작 수행 디바이스를 결정하는 단계; 상기 결정된 동작 수행 디바이스 및 상기 리스너 디바이스 중 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하는 단계; 및 상기 확인된 디바이스에 상기 텍스트의 적어도 일부를 제공하는 단계를 포함하는, 허브 디바이스가 디바이스를 제어하는 방법을 제공한다. In order to solve the above technical problem, an embodiment of the present disclosure includes the steps of receiving a voice signal from a listener device; Converting the received speech signal into text by performing Automatic Speech Recognition (ASR); Analyzing the text using a first natural language understanding model and determining a device performing an operation corresponding to the analyzed text using a device determination model; Identifying a device storing a function determination model corresponding to the determined operation performing device among the determined operation performing device and the listener device; And providing at least a portion of the text to the identified device.
예를 들어, 상기 디바이스 판단 모델은 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model may include a first natural language understanding model configured to analyze the converted text and determine a device to perform the operation based on the analysis result of the text.
예를 들어, 상기 기능 판단 모델은 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the function determination model is a second natural language configured to analyze at least a portion of the text and obtain motion information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text. May include Natural Language Understanding.
예를 들어, 상기 방법은 결정된 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 지 여부를 확인하는 단계를 더 포함할 수 있다. For example, the method may further include checking whether the determined device for performing the operation is the same as the listener device.
예를 들어, 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 것으로 확인된 경우, 상기 기능 판단 모델을 저장하고 있는 디바이스를 확인하는 단계는, 상기 리스너 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하는 단계; 및 상기 획득한 기능 판단 모델 정보에 기초하여, 상기 리스너 디바이스를 상기 기능 판단 모델을 저장하고 있는 디바이스로 결정하는 단계를 포함할 수 있다. For example, when it is determined that the operation performing device is the same as the listener device, the step of confirming the device storing the function determination model may include whether the listener device stores the function determination model in the internal memory. Obtaining function determination model information; And determining the listener device as a device storing the function determination model based on the acquired function determination model information.
예를 들어, 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일하지 않은 별개의 디바이스로 확인된 경우, 상기 기능 판단 모델을 저장하고 있는 디바이스를 확인하는 단계는, 상기 결정된 동작 수행 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하는 단계; 및 상기 획득한 기능 판단 모델 정보에 기초하여, 상기 동작 수행 디바이스가 기능 판단 모델을 저장하고 있는 디바이스인지 여부를 확인하는 단계를 포함할 수 있다. For example, when the operation performing device is identified as a separate device that is not the same as the listener device, the step of checking a device storing the function determination model may include the determined operation performing device function determination in the internal memory. Acquiring function determination model information regarding whether a model is being stored; And checking whether the operation performing device is a device storing the function determination model, based on the acquired function determination model information.
예를 들어, 상기 방법은 음성 비서 서버로부터 상기 디바이스 판단 모델의 업데이트 데이터를 수신하는 단계; 및 상기 수신된 업데이트 데이터를 이용하여, 상기 디바이스 판단 모델을 업데이트(update)하는 단계를 더 포함할 수 있다. For example, the method may include receiving update data of the device determination model from a voice assistant server; And updating the device determination model by using the received update data.
예를 들어, 상기 업데이트 데이터는 상기 동작 수행 디바이스 및 상기 리스너 디바이스 중 적어도 하나에 포함되는 기능 판단 모델의 업데이트 정보에 기초하여, 상기 텍스트로부터 업데이트된 기능을 판단하고, 상기 업데이트된 기능에 대응하는 상기 동작 수행 디바이스를 결정할 수 있도록 상기 디바이스 판단 모델을 갱신하는 데이터를 포함할 수 있다. For example, the update data determines an updated function from the text, based on update information of a function determination model included in at least one of the operation performing device and the listener device, and the updated function corresponding to the updated function. Data for updating the device determination model may be included to determine a device to perform an operation.
예를 들어, 상기 방법은 음성 비서 서버로부터 신규 디바이스의 디바이스 식별 정보, 디바이스 판단 모델의 저장 정보, 및 기능 판단 모델의 저장 정보 중 적어도 하나를 포함하는 상기 신규 디바이스의 디바이스 정보를 수신하는 단계; 및 상기 수신된 신규 디바이스의 디바이스 정보에 이용하여 상기 디바이스 판단 모델이 동작 수행 디바이스로서 결정할 수 있는 디바이스 후보에 상기 신규 디바이스를 추가함으로써, 상기 디바이스 판단 모델을 업데이트하는 단계를 더 포함할 수 있다. For example, the method includes receiving device information of the new device including at least one of device identification information of a new device, storage information of a device determination model, and storage information of a function determination model from a voice assistant server; And updating the device determination model by adding the new device to a device candidate that can be determined as an operation performing device by the device determination model using the received device information of the new device.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 리스너 디바이스를 포함하는 복수의 디바이스 및 음성 비서 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스; 상기 리스너 디바이스로부터 음성 신호를 수신하는 음성 신호 수신부; 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및 상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 상기 음성 신호를 텍스트로 변환하고, 제1 자연어 이해 모델을 이용하여 상기 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 상기 텍스트에 대응하는 동작 수행 디바이스를 결정하고, 상기 결정된 동작 수행 디바이스 및 상기 리스너 디바이스 중 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하고, 상기 통신 인터페이스를 이용하여, 상기 확인된 디바이스에 상기 텍스트의 적어도 일부를 전송하는, 허브 디바이스를 제공한다. In order to solve the above technical problem, an embodiment of the present disclosure provides a communication interface for performing data communication with at least one of a plurality of devices including a listener device and a voice assistant server; A voice signal receiver for receiving a voice signal from the listener device; A memory storing a program including one or more instructions; And a processor that executes one or more instructions of the program stored in the memory, wherein the processor performs Automatic Speech Recognition (ASR) to convert the received speech signal into text, and uses a first natural language understanding model. Analyzing the text, determining an operation performing device corresponding to the analyzed text using a device determination model, storing a function determination model corresponding to the determined operation performing device among the determined operation performing device and the listener device, and A hub device is provided for identifying a device in existence and transmitting at least a portion of the text to the identified device using the communication interface.
예를 들어, 상기 디바이스 판단 모델은 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the device determination model may include a first natural language understanding model configured to analyze the converted text and determine a device to perform the operation based on the analysis result of the text.
예를 들어, 상기 기능 판단 모델은 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함할 수 있다. For example, the function determination model is a second natural language configured to analyze at least a portion of the text and obtain motion information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text. May include Natural Language Understanding.
예를 들어, 상기 프로세서는 상기 결정된 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 지 여부를 확인할 수 있다. For example, the processor may check whether the determined device for performing the operation is the same as the listener device.
예를 들어, 상기 프로세서는 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 것으로 확인된 경우, 상기 리스너 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하고, 상기 획득한 기능 판단 모델 정보에 기초하여, 상기 리스너 디바이스를 상기 기능 판단 모델을 저장하고 있는 디바이스로 결정할 수 있다. For example, when it is determined that the operation performing device is the same as the listener device, the processor obtains function determination model information regarding whether the listener device stores a function determination model in an internal memory, and the acquired function Based on the determination model information, the listener device may be determined as a device storing the function determination model.
예를 들어, 상기 프로세서는 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일하지 않은 별개의 디바이스로 확인된 경우, 상기 결정된 동작 수행 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하고, 상기 획득된 기능 판단 모델 정보에 기초하여, 상기 동작 수행 디바이스가 기능 판단 모델을 저장하고 있는 디바이스인지 여부를 확인할 수 있다. For example, when the operation performing device is identified as a separate device that is not the same as the listener device, the processor may provide function determination model information regarding whether the determined operation performing device stores a function determination model in an internal memory. It may be acquired and, based on the acquired function determination model information, it may be determined whether the operation performing device is a device storing the function determination model.
예를 들어, 상기 프로세서는 상기 통신 인터페이스를 이용하여, 음성 비서 서버로부터 상기 디바이스 판단 모델의 업데이트 데이터를 수신하고, 상기 수신된 업데이트 데이터를 이용하여, 상기 디바이스 판단 모델을 업데이트(update)할 수 있다. For example, the processor may receive update data of the device determination model from a voice assistant server using the communication interface, and may update the device determination model using the received update data. .
예를 들어, 상기 업데이트 데이터는 상기 동작 수행 디바이스 및 상기 리스너 디바이스 중 적어도 하나에 포함되는 기능 판단 모델의 업데이트 정보에 기초하여, 상기 텍스트로부터 업데이트된 기능을 판단하고, 상기 업데이트된 기능에 대응하는 상기 동작 수행 디바이스를 결정할 수 있도록 상기 디바이스 판단 모델을 갱신하는 데이터를 포함할 수 있다. For example, the update data determines an updated function from the text, based on update information of a function determination model included in at least one of the operation performing device and the listener device, and the updated function corresponding to the updated function. Data for updating the device determination model may be included to determine a device to perform an operation.
예를 들어, 상기 프로세서는 상기 통신 인터페이스를 이용하여 음성 비서 서버로부터, 신규 디바이스의 디바이스 식별 정보, 디바이스 판단 모델의 저장 정보, 및 기능 판단 모델의 저장 정보 중 적어도 하나를 포함하는 상기 신규 디바이스의 디바이스 정보를 수신하고, 상기 수신된 신규 디바이스의 디바이스 정보에 이용하여 상기 디바이스 판단 모델이 동작 수행 디바이스로서 결정할 수 있는 디바이스 후보에 상기 신규 디바이스를 추가함으로써, 상기 디바이스 판단 모델을 업데이트할 수 있다. For example, the processor may include at least one of device identification information of a new device, storage information of a device determination model, and storage information of a function determination model from a voice assistant server using the communication interface. The device determination model may be updated by receiving information and adding the new device to a device candidate that can be determined as an operation performing device by the device determination model using the received device information of the new device.
본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 본 개시의 일 실시예에 따른 허브 디바이스, 음성 비서 서버, IoT 서버, 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템의 일부 구성 요소를 도시한 블록도이다.
도 2는 본 개시의 일 실시예에 따른 허브 디바이스의 구성 요소를 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 음성 비서 서버의 구성 요소를 도시한 블록도이다.
도 4는 본 개시의 일 실시예에 따른 IoT 서버의 구성 요소를 도시한 블록도이다.
도 5는 본 개시의 일 실시예에 따른 복수의 디바이스의 일부 구성 요소를 도시한 블록도이다.
도 6은 본 개시의 허브 디바이스가 음성 입력에 기초하여 디바이스를 제어하는 방법을 도시한 흐름도이다.
도 7은 본 개시의 허브 디바이스가 사용자의 음성 입력에 따른 텍스트의 적어도 일부를 허브 디바이스, 음성 비서 서버, 또는 동작 수행 디바이스 중 어느 하나에 제공하는 방법을 도시한 흐름도이다.
도 8은 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 및 동작 수행 디바이스의 동작 방법을 도시한 흐름도이다.
도 9는 본 개시의 허브 디바이스 및 동작 수행 디바이스의 동작 방법을 도시한 흐름도이다.
도 10은 본 개시의 허브 디바이스 및 동작 수행 디바이스의 동작 방법을 도시한 흐름도이다.
도 11은 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 써드파티 IoT 서버, 및 써드파티 디바이스 각각의 동작 방법을 도시한 흐름도이다.
도 12a는 본 개시의 허브 디바이스 및 복수의 디바이스의 동작을 도시한 개념도이다.
도 12b는 본 개시의 허브 디바이스 및 복수의 디바이스의 동작을 도시한 개념도이다.
도 13은 본 개시의 허브 디바이스가 리스너 디바이스(linster device)로부터 수신한 음성 신호에 기초하여 동작 수행 디바이스를 결정하고, 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스에 텍스트를 전송하는 방법을 도시한 흐름도이다.
도 14는 본 개시의 허브 디바이스가 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스에 텍스트를 전송하는 방법을 도시한 흐름도이다.
도 15는 본 개시의 허브 디바이스, 음성 비서 서버, 및 리스너 디바이스의 동작 방법을 도시한 흐름도이다.
도 16은 본 개시의 허브 디바이스, 음성 비서 서버, 리스너 디바이스, 및 동작 수행 디바이스의 동작 방법을 도시한 흐름도이다.
도 17은 본 개시의 동작 수행 디바이스가 기능 판단 모델의 업데이트하는 실시예를 도시한 도면이다.
도 18은 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 및 동작 수행 디바이스의 동작 방법을 도시한 흐름도이다.
도 19는 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 및 신규 디바이스의 동작 방법을 도시한 흐름도이다.
도 20은 허브 디바이스, 음성 비서 서버, 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템 환경을 도시한 도면이다.
도 21a 및 도 22b는 본 개시의 허브 디바이스 및 음성 비서 서버에서 실행 가능한 음성비서 모델의 실시예를 도시한 도면이다. The present disclosure may be easily understood by a combination of the following detailed description and the accompanying drawings, and reference numerals mean structural elements.
1 is a block diagram illustrating some components of a multi-device system including a hub device, a voice assistant server, an IoT server, and a plurality of devices according to an embodiment of the present disclosure.
2 is a block diagram illustrating components of a hub device according to an embodiment of the present disclosure.
3 is a block diagram showing components of a voice assistant server according to an embodiment of the present disclosure.
4 is a block diagram illustrating components of an IoT server according to an embodiment of the present disclosure.
5 is a block diagram illustrating some components of a plurality of devices according to an embodiment of the present disclosure.
6 is a flowchart illustrating a method of controlling a device based on a voice input by a hub device of the present disclosure.
7 is a flowchart illustrating a method of providing at least a part of text according to a user's voice input by the hub device of the present disclosure to any one of a hub device, a voice assistant server, or an operation performing device.
8 is a flowchart illustrating a method of operating a hub device, a voice assistant server, an IoT server, and an operation performing device according to the present disclosure.
9 is a flowchart illustrating a method of operating a hub device and an operation performing device according to the present disclosure.
10 is a flowchart illustrating a method of operating a hub device and an operation performing device according to the present disclosure.
11 is a flowchart illustrating a method of operating each of a hub device, a voice assistant server, an IoT server, a third-party IoT server, and a third-party device according to the present disclosure.
12A is a conceptual diagram illustrating an operation of a hub device and a plurality of devices according to the present disclosure.
12B is a conceptual diagram illustrating an operation of a hub device and a plurality of devices according to the present disclosure.
13 is a method in which a hub device of the present disclosure determines an operation performing device based on a voice signal received from a listener device, and transmits text to a device storing a function determination model corresponding to the operation performing device Is a flow chart showing.
14 is a flowchart illustrating a method of transmitting text to a device storing a function determination model corresponding to an operation performing device by the hub device of the present disclosure.
15 is a flowchart illustrating a method of operating a hub device, a voice assistant server, and a listener device according to the present disclosure.
16 is a flowchart illustrating a method of operating a hub device, a voice assistant server, a listener device, and an operation performing device according to the present disclosure.
17 is a diagram illustrating an embodiment in which an operation performing device of the present disclosure updates a function determination model.
18 is a flowchart illustrating a method of operating a hub device, a voice assistant server, an IoT server, and an operation performing device according to the present disclosure.
19 is a flowchart illustrating a method of operating a hub device, a voice assistant server, an IoT server, and a new device according to the present disclosure.
20 is a diagram illustrating a multi-device system environment including a hub device, a voice assistant server, and a plurality of devices.
21A and 22B are diagrams illustrating an embodiment of a voice assistant model executable in a hub device and a voice assistant server of the present disclosure.
본 명세서의 실시예들에서 사용되는 용어는 본 개시의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in the embodiments of the present specification have selected general terms that are currently widely used as possible while taking the functions of the present disclosure into consideration, but this may vary depending on the intention or precedent of a technician working in the field, the emergence of new technologies, etc. . In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning of the terms will be described in detail in the description of the corresponding embodiment. Therefore, the terms used in the present specification should be defined based on the meaning of the term and the contents of the present disclosure, not the name of a simple term.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 명세서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. Singular expressions may include plural expressions unless the context clearly indicates otherwise. Terms used herein, including technical or scientific terms, may have the same meaning as commonly understood by a person of ordinary skill in the technical field described herein.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When a part of the specification is said to "include" a certain component, it means that other components may be further included rather than excluding other components unless otherwise stated. In addition, terms such as "... unit" and "... module" described in the specification mean a unit that processes at least one function or operation, which is implemented as hardware or software, or as a combination of hardware and software. Can be.
본 명세서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 시스템"이라는 표현은, 그 시스템이 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.The expression "configured to (configured to)" used in this specification is, for example, "suitable for", "having the capacity to" depending on the situation. It can be used interchangeably with ", "designed to", "adapted to", "made to", or "capable of". The term "configured to (or set)" may not necessarily mean only "specifically designed to" in hardware. Instead, in some situations, the expression "a system configured to" may mean that the system "can" along with other devices or parts. For example, the phrase “a processor configured (or configured) to perform A, B, and C” means a dedicated processor (eg, an embedded processor) for performing the operation, or by executing one or more software programs stored in memory, It may mean a generic-purpose processor (eg, a CPU or an application processor) capable of performing corresponding operations.
본 명세서에서 '제1 자연어 이해 모델'은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. In the present specification, the'first natural language understanding model' is a model that is trained to analyze text converted from a voice input and determine a device for performing an operation based on the analysis result. The first natural language understanding model may determine an intent by interpreting the text, and may be used to determine an operation performing device based on the intent.
본 명세서에서 '제2 자연어 이해 모델'은 특정 디바이스와 관련된 텍스트를 분석하기 위하여 학습된 모델이다. 제2 자연어 이해 모델은 텍스트의 적어도 일부를 해석함으로써, 대응되는 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 학습된 모델일 수 있다. 제2 자연어 이해 모델의 저장 용량은 제1 자연어 이해 모델의 저장 용량에 비해 클 수 있다.In the present specification, the'second natural language understanding model' is a model learned to analyze text related to a specific device. The second natural language understanding model may be a model that is trained to obtain motion information about an operation to be performed by a corresponding device by analyzing at least a part of the text. The storage capacity of the second natural language understanding model may be larger than the storage capacity of the first natural language understanding model.
본 명세서에서 '인텐트'는 텍스트를 해석하여 판단되는 사용자의 의도를 나타내는 정보이다. 인텐트는 사용자의 발화 의도를 나타내는 정보로, 사용자가 요청한 동작 수행 디바이스의 동작을 나타내는 정보일 수 있다. 인텐트는 자연어 이해 모델(Natural Language Understanding, NLU) 모델을 이용하여 텍스트를 해석함으로써 결정될 수 있다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘"인 경우, 인텐트는 "컨텐트 재생"일 수 있다. 다른 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "에어컨 온도를 18°C로 내려줘"인 경우, 인텐트는 "온도 제어"일 수 있다. In this specification, the'intent' is information indicating the intention of the user determined by interpreting the text. The intent is information indicating the user's intention to speak, and may be information indicating the operation of the device performing the operation requested by the user. The intent may be determined by interpreting the text using a natural language understanding (NLU) model. For example, if the text converted from the user's voice input is "Play Movie Avengers on TV", the intent may be "Play content". For another example, when the text converted from the user's voice input is "Turn down the air conditioner temperature to 18 °C", the intent may be "temperature control".
인텐트는, 사용자의 발화 의도를 나타내는 정보(이하, 의도 정보)뿐 아니라, 사용자의 의도를 나타내는 정보에 대응하는 수치값을 포함할 수 있다. 수치값은, 텍스트가 특정 의도를 나타내는 정보와 관련될 확률을 나타낼 수 있다. 자연어 이해 모델을 이용하여 텍스트를 해석한 결과, 사용자의 의도를 나타내는 정보가 복수개 획득되는 경우, 각 의도 정보에 대응되는 수치값이 최대인 의도 정보가 인텐트로 결정될 수 있다. The intent may include not only information indicating the user's utterance intention (hereinafter, intention information), but also a numerical value corresponding to information indicating the user's intention. The numerical value may indicate the probability that the text is associated with information indicating a specific intent. When a plurality of pieces of information representing the user's intention are obtained as a result of analyzing the text using the natural language understanding model, intention information having a maximum numerical value corresponding to each intention information may be determined as the intent.
본 명세서에서, 디바이스의 '동작'은, 디바이스에서 특정 기능을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다. 동작은 예를 들어, 디바이스가 애플리케이션의 실행을 통해 수행하는 동영상 재생(play), 음악 재생, 이메일 작성, 날씨 정보 수신, 뉴스 정보 표시, 게임 실행 및 사진 촬영 등을 나타낼 수 있다. 다만, 동작이 전술한 예시로 한정되지는 않는다.In this specification, the'action' of the device may mean at least one action performed by the device by executing a specific function in the device. The operation may represent at least one action performed by the device by executing an application on the device. The operation may represent, for example, playing a video, playing music, writing an email, receiving weather information, displaying news information, executing a game, taking a picture, and the like performed by the device through execution of an application. However, the operation is not limited to the above-described example.
디바이스의 동작은 액션 플랜 관리 모듈에서 출력한 세부 동작에 관한 정보에 기초하여 수행될 수 있다. 디바이스는, 액션 플랜 관리 모듈에서 출력한 세부 동작에 대응하는 기능을 실행함으로써, 적어도 하나의 액션을 수행할 수 있다. 디바이스는, 세부 동작에 대응하는 기능을 실행하기 위한 명령어를 저장할 수 있으며, 세부 동작이 결정되면 세부 동작에 대응하는 명령어를 결정하여 명령어를 실행함으로써 특정 기능을 실행할 수 있다.The operation of the device may be performed based on information on detailed operations output from the action plan management module. The device may perform at least one action by executing a function corresponding to the detailed operation output from the action plan management module. The device may store a command for executing a function corresponding to a detailed operation, and when a detailed operation is determined, the device may execute a specific function by determining a command corresponding to the detailed operation and executing the command.
또한, 디바이스는 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 저장할 수 있다. 애플리케이션을 실행하기 위한 명령어는, 애플리케이션 자체를 실행하기 위한 명령어 및 애플리케이션을 구성하는 세부 기능을 실행하기 위한 명령어를 포함할 수 있다. 디바이스는 세부 동작이 결정되면 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 실행함으로써 애플리케이션을 실행하고, 세부 동작에 대응하는 애플리케이션의 세부 기능을 실행하기 위한 명령어를 실행함으로써 세부 기능을 실행할 수 있다.Also, the device may store a command for executing an application corresponding to a detailed operation. The instructions for executing the application may include instructions for executing the application itself and instructions for executing detailed functions constituting the application. When a detailed operation is determined, the device may execute an application by executing a command for executing an application corresponding to the detailed operation, and execute a detailed function by executing a command for executing a detailed function of the application corresponding to the detailed operation.
본 명세서에서 '동작 정보'는, 디바이스가 수행할 세부 동작들, 각 세부 동작들과 다른 세부 동작과의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 각 세부 동작과 다른 세부 동작과의 연관 관계는, 하나의 동작을 실행하기 위해서 그 동작을 실행하기 전에 필수적으로 실행되어야 할 다른 동작에 대한 정보를 포함한다. 예를 들어, 수행할 동작이 "음악 재생"인 경우, "전원 온(on)"은 "음악 재생" 동작 이전에 필수적으로 실행되어야 하는 다른 세부 동작이 될 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 동작 수행 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.In this specification,'action information' may be information related to detailed operations to be performed by the device, a relationship between each detailed operation and other detailed operations, and an execution order of the detailed operations. The association relationship between each detailed operation and another detailed operation includes information about another operation that must be executed before executing the operation in order to execute one operation. For example, when the operation to be performed is “music playback”, “power on” may be another detailed operation that must be essentially executed before the “music playback” operation. The operation information may include, for example, functions to be executed by the operation performing device in order to perform a specific operation, an execution order of functions, an input value required to execute the functions, and an output value output as a result of executing the functions. However, it is not limited thereto.
본 명세서에서 '동작 수행 디바이스'는 복수의 디바이스 중 텍스트로부터 획득된 인텐트에 기초하여 동작을 수행하도록 결정된 디바이스를 의미한다. 동작 수행 디바이스는 제1 자연어 이해 모델을 이용하여 텍스트를 분석하고, 분석된 결과에 기초하여 결정될 수 있다. 동작 수행 디바이스는 액션 플랜 관리 모듈로부터 출력된 세부 동작에 대응하는 기능을 실행함으로써, 적어도 하나의 액션을 수행할 수 있다. 동작 수행 디바이스는 동작 정보에 기초하여 동작을 수행할 수 있다. In this specification, the'action performing device' means a device determined to perform an operation based on an intent obtained from a text among a plurality of devices. The operation performing device may analyze the text using the first natural language understanding model, and may be determined based on the analyzed result. The operation performing device may perform at least one action by executing a function corresponding to the detailed operation output from the action plan management module. The operation performing device may perform an operation based on the operation information.
본 명세서에서 '액션 플랜 관리 모듈'은 동작 수행 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 모듈일 수 있다. 액션 플랜 관리 모듈은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. In the present specification, the'action plan management module' may be a module that manages operation information related to a detailed operation of a device in order to generate detailed operations to be performed by the operation performing device and an execution order of the detailed operations. The action plan management module may manage detailed operations of a device for each device type and operation information regarding a relationship between the detailed operations.
IoT 서버는, 복수의 디바이스 각각에 관한 디바이스 정보를 획득하고, 저장하고, 관리하는 서버이다. IoT 서버는 저장된 디바이스 정보를 활용하여 디바이스를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. IoT 서버는, 동작 정보에 기초하여 동작을 수행하도록 결정된 디바이스에 제어 명령을 전송할 수 있다. IoT 서버는 본 명세서에 기재된 '서버'와는 독립된 하드웨어 장치로 구성될 수 있지만, 이에 한정되는 것은 아니다. IoT 서버는 본 명세서의 '음성 비서 서버'의 일 구성 요소이거나, 또는 소프트웨어로 구분되도록 설계된 서버일 수 있다. The IoT server is a server that acquires, stores, and manages device information for each of a plurality of devices. The IoT server may obtain, determine, or generate a control command capable of controlling a device by using the stored device information. The IoT server may transmit a control command to a device determined to perform an operation based on the operation information. The IoT server may be configured as a hardware device independent from the'server' described herein, but is not limited thereto. The IoT server may be a component of the'voice assistant server' of the present specification, or a server designed to be classified by software.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.Hereinafter, exemplary embodiments of the present disclosure will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the embodiments. However, the present disclosure may be implemented in various different forms and is not limited to the exemplary embodiments described herein.
이하에서는 도면을 참조하여 본 개시의 실시예들을 상세하게 설명한다. Hereinafter, embodiments of the present disclosure will be described in detail with reference to the drawings.
도 1은 본 개시의 일 실시예에 따른 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)를 포함하는 멀티 디바이스 시스템의 일부 구성 요소를 도시한 블록도이다. 1 is a diagram illustrating some components of a multi-device system including a
도 1에 도시된 실시예에서는, 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000) 각각의 동작을 설명하기 위한 필수적인 구성 요소만 도시되었다. 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)가 포함하고 있는 구성이 도 1에 도시된 바와 같이 한정되는 것은 아니다. In the embodiment illustrated in FIG. 1, only essential components for describing operations of the
도 1의 화살표 상에 도시된 참조번호 S1 내지 S16은 네트워크를 통한 복수의 주체 간의 데이터 이동, 전송, 및 수신을 표시한다. S1 내지 S16에서 영문자 S에 붙은 숫자는 설명의 편의를 위한 것으로서, 데이터의 이동, 전송, 및 수신의 순서와는 관련이 없다. Reference numerals S1 to S16 shown on the arrows in FIG. 1 denote data movement, transmission, and reception between a plurality of subjects through a network. The numbers attached to the English letter S in S1 to S16 are for convenience of description, and are not related to the order of movement, transmission, and reception of data.
도 1을 참조하면, 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 통신을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. 허브 디바이스(1000) 및 복수의 디바이스(4000)는 음성 비서 서버(2000)와 연결될 수 있으며, 허브 디바이스(1000)은 음성 비서 서버(2000)를 통해 복수의 디바이스(4000)과 연결될 수 있다. 또한, 허브 디바이스(1000)와 복수의 디바이스(4000)는 IoT 서버(3000)와 연결될 수 있다. 다른 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000) 각각은 통신망을 통해 음성 비서 서버(2000)와 연결되고, 음성 비서 서버(2000)를 통해 IoT 서버(3000)와 연결될 수 있다. Referring to FIG. 1, a
허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.The
허브 디바이스(Hub device)(1000)는 사용자의 음성 입력을 수신하고, 수신된 음성 입력에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. 허브 디바이스(1000)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. The
복수의 디바이스(4000) 중 적어도 하나는 허브 디바이스(1000) 또는 IoT 서버(3000)의 제어 명령을 받아 특정 동작을 수행하는 동작 수행 디바이스일 수 있다. 복수의 디바이스(4000)는 허브 디바이스(1000)의 사용자와 동일한 사용자 계정(user account)으로 로그인되고, IoT 서버(3000)에 허브 디바이스(1000)의 사용자 계정으로 기 등록된 디바이스일 수 있다. At least one of the plurality of
복수의 디바이스(4000) 중 적어도 하나는 사용자로부터 음성 입력을 수신하는 리스너 디바이스일 수 있다. 리스너 디바이스는 사용자로부터 음성 입력을 수신하기만 하는 디바이스일 수 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 리스너 디바이스는 허브 디바이스(1000)로부터 제어 명령을 받아 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스일 수도 있다. At least one of the plurality of
복수의 디바이스(4000) 중 적어도 하나는, IoT 서버(3000)로부터 제어 명령을 수신하거나(S12, S14, S16), 또는 허브 디바이스(1000)로부터 음성 입력이 변환된 텍스트의 적어도 일부를 수신할 수 있다(S3, S5). 복수의 디바이스(4000) 중 적어도 하나는 허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하지 않고, IoT 서버(3000)로부터 제어 명령을 수신할 수도 있다(S12, S14, S16). At least one of the plurality of
허브 디바이스(1000)에는 사용자의 음성 입력에 기초하여 동작을 수행할 디바이스를 결정하는 디바이스 판단 모델(1330)을 포함할 수 있다. 디바이스 판단 모델(1330)은 사용자 계정에 따라 등록된 복수의 디바이스(4000) 중에서 동작 수행 디바이스를 결정할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 수신할 수 있다(S2). 허브 디바이스(1000)는 디바이스 판단 모델(1330)에 관한 데이터를 이용하여, 수신된 디바이스 정보에 기초하여 복수의 디바이스(4000) 중 사용자의 음성 입력에 따른 동작을 수행할 디바이스를 결정할 수 있다. The
허브 디바이스(1000)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300, 도 2 참조) 내에 저장되어 있거나, 동작 수행 디바이스 자체에 저장되어 있거나, 또는 음성 비서 서버(2000)의 메모리(2300, 도 3 참조) 내에 저장되어 있을 수 있다. 각 디바이스에 대응하는 기능 판단 모델은, 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. The function determination model corresponding to the operation performing device determined by the
허브 디바이스(1000)의 기능 판단 디바이스 결정 모듈(1340)은 메모리에 저장된 각 디바이스 별 기능 판단 모델에 관한 정보를 포함하는 데이터베이스(1360, 도 2 참조)를 이용하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000), 음성 비서 서버(2000), 및 동작 수행 디바이스 내부 중 어느 디바이스에 저장되어 있는지 여부를 확인(identify)할 수 있다. 데이터베이스(1360)는 허브 디바이스(1000)와 연관된 사용자의 계정에 등록되어 있는 복수의 디바이스(4000)에 대한 정보를 포함한다. 상세하게는, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 기능 판단 모델의 유무에 관한 정보, 복수의 디바이스(4000) 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 저장된 디바이스/서버 식별 정보, 저장된 디바이스/서버의 IP 주소(IP address), 또는 저장된 디바이스/서버의 MAC 주소(MAC address))에 관한 정보가 저장되어 있을 수 있다. 일 실시예에서, 기능 판단 디바이스 결정 모듈(1340)은 디바이스 판단 모델(1330)에 의해 출력된 동작 수행 디바이스의 디바이스 식별 정보에 따라 데이터베이스(1360)를 서치하고, 데이터베이스(1360)의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델의 저장 위치에 관한 정보를 획득할 수 있다.The function determination
허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)을 이용하여, 사용자의 음성 입력으로부터 변환된 텍스트의 적어도 일부를 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장되어 있는 것으로 확인된 디바이스에 전송할 수 있다. The
예를 들어, 허브 디바이스(1000)는, '온도 1도 올려줘'라는 사용자의 음성 입력을 수신하면, 디바이스 판단 모델(1330)을 통해 디바이스를 에어컨으로 결정한다. 이후, 기능 판단 디바이스 결정 모듈(1340)은 에어컨에 대응하는 기능 판단 모델은 에어컨에 저장되어 있는 것으로 확인하고, '온도 1도 올려줘'에 대응하는 텍스트를 에어컨으로 전송할 수 있다. 에어컨은, 저장하고 있는 에어컨에 대응하는 기능 판단 모델을 통해 수신한 텍스트를 분석하고, 텍스트 분석 결과를 이용하여 온도 제어 동작을 수행한다. 즉, 디바이스 판단 모델(1330)에 의해 동작 수행 디바이스가 '에어컨'인 제1 디바이스(4100)로 결정된 경우, 에어컨에 대응하는 기능 판단 모델은 제1 디바이스(4100) 자체에 저장되어 있으므로, 기능 판단 디바이스 결정 모듈(1340)은 텍스트의 적어도 일부를 제1 디바이스(4100)에 전송할 수 있다(S3). For example, when the
예를 들어, 허브 디바이스(1000)는, '채널 변경해줘'라는 사용자의 음성 입력을 수신하면, 디바이스 판단 모델(1330)을 통해 디바이스를 TV로 결정한다. 이후, 기능 판단 디바이스 결정 모듈(1340)은 TV에 대응하는 기능 판단 모델은 허브 디바이스(1000) 내에 저장되어 있는 것으로 확인하고, 저장되어 있는 TV에 대응하는 기능 판단 모델을 통해 '채널 변경해줘'에 대응하는 텍스트를 분석한다. 허브 디바이스(1000)는 텍스트 분석 결과를 이용하여 TV에서 수행해야 할 동작으로 채널 변경 동작을 결정하고, 채널 변경 동작에 대한 동작 정보를 TV에 전송한다. 즉, 디바이스 판단 모델(1330)에 의해 동작 수행 디바이스가 'TV'인 제2 디바이스(4200)로 결정된 경우, TV에 대응하는 기능 판단 모델은 허브 디바이스(1000)에 저장되어 있으므로, 기능 판단 디바이스 결정 모듈(1340)은 허브 디바이스(1000) 자체적으로 텍스트의 적어도 일부를 처리하도록 TV의 기능 판단 모델(1354)에 텍스트의 적어도 일부를 제공할 수 있다. For example, when the
예를 들어, 허브 디바이스(1000)는, '냄새 제거 모드 실행해줘'라는 사용자의 음성 입력을 수신하면, 디바이스 판단 모델(1330)을 통해 디바이스를 공기청정기로 결정한다. 이후, 기능 판단 디바이스 결정 모듈(1340)은 공기청정기에 대응하는 기능 판단 모델은 음성 비서 서버(2000)에 저장되어 있는 것으로 확인하고, '냄새 제거 모드 실행해줘'에 대응하는 텍스트를 음성 비서 서버(2000)로 전송할 수 있다. 음성 비서 서버(2000)는, 공기 청정기에 대응하는 기능 판단 모델을 통해 수신된 텍스트를 분석하고, 텍스트 분석 결과를 이용하여 공기청정기가 실행해야 할 동작으로 냄새 제거 모드 실행 동작을 결정한다. 음성 비서 서버(2000)는, 냄새 제거 모드 실행 동작에 대한 동작 정보를 공기청정기로 전송하는 데, 이 때, 냄새 제거 모드 실행 동작에 대한 동작 정보는 IoT 서버(3000)를 통해 전송될 수 있다. 즉, 디바이스 판단 모델(1330)에 의해 동작 수행 디바이스가 '공기청정기'인 제3 디바이스(4300)로 결정된 경우, 공기청정기에 대응하는 기능 판단 모델은 음성 비서 서버(2000)에 저장되어 있으므로, 기능 판단 디바이스 결정 모듈(1340)은 텍스트의 적어도 일부를 음성 비서 서버(2000)에 전송할 수 있다(S1).For example, when the
일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 대응하는 기능 판단 모델을 자체적으로 저장하고 있을 수 있다. 예를 들어, 허브 디바이스(1000)가 음성 비서 스피커인 경우, 허브 디바이스(1000)는 자체의 기능을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 스피커 기능 판단 모델(1352)을 저장할 수 있다. In an embodiment, the
허브 디바이스(1000)는 타 디바이스에 대응하는 기능 판단 모델을 저장할 수도 있다. 예를 들어, 허브 디바이스(1000)는 TV에 대응하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 TV 기능 판단 모델(1354)을 저장할 수도 있다. TV는 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 IoT 서버(3000)에 기 등록된 디바이스일 수 있다. The
스피커 기능 판단 모델(1352) 및 TV 기능 판단 모델(1354)은 각각 제2 자연어 이해 모델(1352a, 1354a) 및 액션 플랜 관리 모듈(1352b, 1354b)을 포함할 수 있다. 제2 자연어 이해 모델(1352a, 1354a) 및 액션 플랜 관리 모듈(1352b, 1354b)에 관해서는 도 2에서 상세하게 설명하기로 한다.The speaker
음성 비서 서버(2000)는 허브 디바이스(1000)로부터 수신된 텍스트에 기초하여, 사용자가 의도하는 동작을 수행할 동작 수행 디바이스를 결정할 수 있다. 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자 계정에 관한 정보를 수신할 수 있다(S1). 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자 계정 정보를 수신하면, 수신된 사용자 계정 정보에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 IoT 서버(3000)에 요청하는 쿼리(query)를 전송하고(S9), IoT 서버(3000)로부터 복수의 디바이스(4000)에 관한 디바이스 정보를 수신할 수 있다(S10). 디바이스 정보는, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 음성 비서 서버(2000)는 IoT 서버(3000)로부터 수신한 디바이스 정보를 허브 디바이스(1000)에 전송할 수 있다(S2). The
허브 디바이스(1000)의 구성 요소에 대해서는 도 2에서 상세하게 설명하기로 한다.Components of the
음성 비서 서버(2000)는 디바이스 판단 모델(2330) 및 복수의 기능 판단 모델(2342, 2344, 2346, 2348)을 포함할 수 있다. 음성 비서 서버(2000)는 디바이스 판단 모델(2330)을 이용하여, 복수의 기능 판단 모델(2342, 2344, 2346, 2348) 중 허브 디바이스(1000)로부터 수신된 텍스트의 적어도 일부에 대응하는 기능 판단 모델을 선택하고, 선택된 기능 판단 모델을 이용하여 동작 수행 디바이스가 동작을 수행하기 위한 동작 정보를 획득할 수 있다. 음성 비서 서버(2000)는 동작 정보를 IoT 서버(3000)에 전송할 수 있다(S9). The
음성 비서 서버(2000)의 구성 요소에 관해서는 도 3에서 상세하게 설명하기로 한다. The components of the
IoT 서버(3000)는 네트워크를 통해 연결되고, 허브 디바이스(1000)의 사용자 계정에 기 등록된 복수의 디바이스(4000)에 관한 정보를 저장할 수 있다. 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각으로부터 로그인된 사용자 계정 정보, 복수의 디바이스(4000)의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 및 복수의 디바이스(4000) 각각의 기능 수행 능력 정보(capability) 중 적어도 하나를 수신할 수 있다(S11, S13, S15). 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각의 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 상태 정보를 복수의 디바이스(4000)로부터 수신할 수도 있다(S11, S13, S15). IoT 서버(3000)는 복수의 디바이스(4000)로부터 수신된 디바이스 정보 및 디바이스의 상태 정보를 저장하고 있을 수 있다. The
IoT 서버(3000)는, 음성 비서 서버(2000)로부터 수신한 동작 정보에 기초하여, 동작 수행 디바이스가 판독하고, 실행할 수 있는 제어 명령을 생성할 수 있다. IoT 서버(3000)는 복수의 디바이스(4000) 중 동작 수행 디바이스로 결정된 디바이스에 제어 명령을 전송할 수 있다(S12, S14, S16). The
IoT 서버(3000)의 구성 요소에 대해서는 도 4에서 상세하게 설명하기로 한다. Components of the
도 1에 도시된 실시예에서, 복수의 디바이스(4000)는 제1 디바이스(4100), 제2 디바이스(4200), 및 제3 디바이스(4300)를 포함할 수 있다. 도 1에서 제1 디바이스(4100)는 에어컨이고, 제2 디바이스(4200)는 TV이고, 제3 디바이스(4300)는 공기청정기인 것으로 도시되어 있지만, 이에 한정되는 것은 아니다. 복수의 디바이스(4000)는 에어컨, TV, 공기청정기 뿐만 아니라, 로봇 청소기, 세탁기, 오븐, 전자레인지, 체중계, 냉장고, 전자 액자 등 가전 제품, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 등 모바일 디바이스를 포함할 수도 있다. In the embodiment shown in FIG. 1, the plurality of
복수의 디바이스(4000) 중 적어도 하나의 디바이스는 기능 판단 모델을 자체적으로 저장하고 있을 수 있다. 예를 들어 제1 디바이스(4100)의 메모리(4130)에는, 제1 디바이스(4100)가 사용자의 음성 입력으로부터 판단된 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하고, 동작 정보에 기초하여 제어 명령을 생성하기 위하여 이용되는 기능 판단 모델(4132)이 저장되어 있을 수 있다. At least one of the plurality of
복수의 디바이스(4000) 중 제2 디바이스(4200) 및 제3 디바이스(4300)는 각 디바이스에 대응하는 기능 판단 모델을 저장하지 않는다. Among the plurality of
복수의 디바이스(4000) 중 적어도 하나의 디바이스는 자체적으로 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 허브 디바이스(1000)에 전송할 수 있다(S4, S6, S8). At least one of the plurality of
복수의 디바이스(4000)는 허브 디바이스(1000), 음성 비서 서버(2000), 및 IoT 서버(3000)와 동일한 제조사에 의해 제조되지 않고, 허브 디바이스(1000), 음성 비서 서버(2000), 및 IoT 서버(3000)로부터 직접적인 제어를 받지 않는 써드파티 디바이스(3rd device)를 더 포함할 수도 있다. 써드파티 디바이스에 관해서는 도 11에서 상세하게 설명하기로 한다.The plurality of
도 2는 본 개시의 일 실시예에 따른 허브 디바이스(1000)의 구성 요소를 도시한 블록도이다.2 is a block diagram illustrating the components of the
허브 디바이스(Hub device)(1000)는 사용자의 음성 입력을 수신하고, 수신된 음성 입력에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. 허브 디바이스(1000)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. The
도 2를 참조하면, 허브 디바이스(1000)는 적어도 마이크(1100), 프로세서(1200), 메모리(1300) 및 통신 인터페이스(1400)를 포함하도록 구성될 수 있다. 허브 디바이스(1000)는 마이크(1100)를 통해 사용자로부터 음성 입력(예를 들어, 사용자의 발화)을 수신하고, 수신된 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는, 마이크(1100)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다. Referring to FIG. 2, the
그러나, 이에 한정되는 것은 아니고, 허브 디바이스(1000)는 리스너 디바이스로부터 음성 신호를 수신할 수 있다. However, the present invention is not limited thereto, and the
도면에는 도시되지 않았지만, 허브 디바이스(1000)는 지정된 음성 입력(예를 들어, '하이 빅스비', '오케이 구글'등과 같은 웨이크 업 입력)을 감지하는 기능 또는 일부 음성 입력으로부터 획득한 음성 신호를 전처리하는 기능을 갖는 음성 인식 모듈을 포함할 수 있다. Although not shown in the drawing, the
프로세서(1200)는 메모리(1300)에 저장된 프로그램의 하나 이상의 명령어들(instructions)을 실행할 수 있다. 프로세서(1200)는 산술, 로직 및 입출력 연산과 시그널 프로세싱을 수행하는 하드웨어 구성 요소로 구성될 수 있다. 프로세서(1200)는 예를 들어, 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나로 구성될 수 있으나, 이에 제한되는 것은 아니다. The
메모리(1300)에는 마이크(1100)를 통해 수신한 사용자의 음성 입력에 기초하여 복수의 디바이스(4000)를 제어하기 위한 명령어들(instruction)을 포함하는 프로그램이 저장될 수 있다. 메모리(1300)에는 프로세서(1200)가 판독할 수 있는 명령어들 및 프로그램 코드(program code)가 저장될 수 있다. 이하의 실시예에서, 프로세서(1200)는 메모리에 저장된 프로그램의 명령어들 또는 코드들을 실행함으로써 구현될 수 있다. A program including instructions for controlling the plurality of
메모리(1300)에는 ASR 모듈(1310)에 관한 데이터, NLG 모듈(1320)에 관한 데이터, 디바이스 판단 모델(1330)에 관한 데이터, 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터, 복수의 기능 판단 모델(1350) 및 데이터베이스(1360) 각각에 대응하는 데이터가 저장되어 있을 수 있다. The
메모리(1300)는 예를 들어, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The
프로세서(1200)는 메모리(1300)에 저장된 ASR 모듈(1310)에 대한 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행하고, 마이크(1100)를 통해 수신한 음성 신호를 텍스트(text)로 변환할 수 있다. The
그러나, 이에 한정되는 것은 아니다. 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 통해 리스너 디바이스로부터 음성 신호를 수신하고, ASR 모듈(1310)을 이용하여 ASR을 수행함으로써, 음성 신호를 텍스트로 변환할 수 있다. However, it is not limited thereto. In one embodiment, the
프로세서(1200)는 메모리(1300)에 저장된 디바이스 판단 모델(1330)에 관한 데이터를 이용하여, 변환된 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스(4000) 중 동작 수행 디바이스를 결정할 수 있다. 디바이스 판단 모델(1330)은 제1 자연어 이해 모델(1332)을 포함할 수 있다. 일 실시예에서, 프로세서(1200)는 디바이스 판단 모델(1330) 내에 포함된 제1 자연어 이해 모델(Natural Language Understanding; NLU)(1332)에 대한 데이터를 이용하여 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스(4000) 중 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스를 결정할 수 있다. The
제1 자연어 이해 모델은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. The first natural language understanding model is a model trained to analyze text converted from a speech input and determine a device for performing an operation based on the analysis result. The first natural language understanding model may determine an intent by interpreting the text, and may be used to determine an operation performing device based on the intent.
일 실시예에서, 프로세서(1200)는 메모리(1300)에 저장된 제1 자연어 이해 모델(1332)에 관한 데이터를 이용하여, 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 프로세서(1200)는, 추론된 단어의 의미를 제1 자연어 이해 모델(1332)에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 인텐트를 결정할 수 있다. In one embodiment, the
프로세서(1200)는 인텐트와 디바이스 간의 관련성을 판단하는 매칭 모델에 기초하여, 텍스트로부터 인식된 인텐트와 관련된 디바이스를 동작 수행 디바이스로 결정할 수 있다. 일 실시예에서, 매칭 모델은 메모리(1300)에 저장된 디바이스 판단 모델(1330)에 대한 데이터에 포함되고, 룰 베이스 시스템(rule-based system)을 통한 학습을 통해 획득될 수 있지만, 이에 한정되지는 않는다. The
일 실시예에서, 프로세서(1200)는 인텐트에 매칭 모델을 적용함으로써, 인텐트와 복수의 디바이스(4000, 도 1 참조) 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 디바이스를 최종 동작 수행 디바이스로 결정할 수 있다. 예를 들어, 인텐트가 제1 디바이스(4100, 도 1 참조) 및 제2 디바이스(4200, 도 1 참조)와 각각 관련되는 경우, 프로세서(1200)는 인텐트와 제1 디바이스(4100) 간의 관련성 정도를 나타내는 제1 수치값, 및 인텐트와 제2 디바이스(4200) 간의 관련성 정도를 나타내는 제2 수치값을 획득하고, 제1 수치값 및 제2 수치값 중 높은 수치값을 갖는 제1 디바이스(4100)를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
예를 들어, 허브 디바이스(1000)가 사용자로부터 "더우니까 설정 온도 2°C 내려줘~"라는 음성 입력을 수신하는 경우, 프로세서(1200)는 음성 입력을 텍스트로 변환하는 ASR을 수행하고, 제1 자연어 이해 모델(1332)에 관련된 데이터를 이용하여 변환된 텍스트를 분석함으로써, '설정 온도 조절'이라는 인텐트를 획득할 수 있다. 프로세서(1200)는 매칭 모델을 적용하여 '설정 온도 조절'의 인텐트와 에어컨인 제1 디바이스(4100) 간의 관련도를 나타내는 제1 수치값, '설정 온도 조절'의 인텐트와 TV인 제2 디바이스(4200) 간의 관련도를 나타내는 제2 수치값, 및 '설정 온도 조절'과 공기 청정기인 제3 디바이스(4300, 도 1 참조) 간의 관련도를 나타내는 제3 수치값을 각각 획득할 수 있다. 프로세서(1200)는 획득된 수치값 중 최대값인 제1 수치값을 통해 '설정 온도 조절'과 관련된 동작 수행 디바이스로서 제1 디바이스(4100)를 결정할 수 있다. For example, when the
다른 예에서, 허브 디바이스(1000)가 사용자로부터 "영화 어벤져스 틀어줘~"라는 음성 입력을 수행하는 경우, 프로세서(1200)는 음성 입력으로부터 변환된 텍스트를 분석하여, '컨텐트 재생(play)'이라는 인텐트를 획득할 수 있다. 프로세서(1200)는 매칭 모델을 이용하여 산출된 '컨텐트 재생'의 인텐트와 에어컨인 제1 디바이스(4100) 간의 관련도를 나타내는 제1 수치값, '컨텐트 재생'의 인텐트와 TV인 제2 디바이스(4200) 간의 관련도를 나타내는 제2 수치값, 및 '컨텐트 재생'의 인텐트와 공기 청정기인 제3 디바이스(4300) 간의 관련도를 나타내는 제3 수치값 중 최대값인 제2 수치값 정보에 기초하여, 제2 디바이스(4200)를 '컨텐트 재생'과 관련된 동작 수행 디바이스로 결정할 수 있다. In another example, when the
그러나, 전술한 예시로 한정되는 것은 아니고, 프로세서(1200)는 인텐트와 복수의 디바이스 간의 관련성 정도를 나타내는 수치값을 높은 순서로 나열하여, 미리 정해진 개수의 디바이스를 동작 수행 디바이스로 결정할 수도 있다. 일 실시예에서, 프로세서(1200)는 관련성 정도를 나타내는 수치값이 소정의 임계치 이상인 디바이스를 인텐트와 관련된 동작 수행 디바이스로 결정할 수 있다. 이 경우, 복수의 디바이스가 동작 수행 디바이스로 결정될 수 있다. However, it is not limited to the above-described example, and the
프로세서(1200)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 인텐트와 동작 수행 디바이스 간의 매칭 모델을 학습할 수 있으나, 이에 한정되는 것은 아니다. 프로세서(1200)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neural network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다. 프로세서(1200)가 이용하는 인공지능 모델들은 디바이스 판단 모델(1330) 내에 저장되어 있을 수 있다. The
허브 디바이스(1000)의 메모리(1300)에 저장되는 디바이스 판단 모델(1330)은, 허브 디바이스(1000)의 사용자 계정에 따라 등록된 복수의 디바이스(4000) 중에서 동작 수행 디바이스를 결정할 수 있다. 허브 디바이스(1000)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)로부터 복수의 디바이스(4000) 각각에 관한 디바이스 정보를 수신할 수 있다. 디바이스 정보는 예를 들어, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 프로세서(1200)는 메모리(1300)에 저장된 디바이스 판단 모델(1330)에 관한 데이터를 이용하여, 디바이스 정보에 기초하여 복수의 디바이스(4000) 중 인텐트에 따라 동작을 수행할 디바이스를 결정할 수 있다. The device determination model 1330 stored in the
일 실시예에서, 프로세서(1200)는 디바이스 판단 모델(1330)을 이용하여, 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정에 기 등록된 복수의 디바이스(4000) 각각과 인텐트의 관련도를 나타내는 수치값을 분석하고, 복수의 디바이스(4000) 각각과 인텐트 간의 관련도를 나타내는 수치값 중 최대값을 갖는 디바이스를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
디바이스 판단 모델(1330)은 허브 디바이스(1000)의 사용자와 동일한 사용자 계정으로 로그인하여 등록된 복수의 디바이스(4000) 만을 디바이스 후보(candidate)로 하여 동작 수행 디바이스를 결정하도록 구성되는바, 인텐트와의 관련도 판단을 위하여 프로세서(1200)에 의해 수행되는 연산량이 음성 비서 서버(2000)의 프로세서(2200)에 비해 감소되는 기술적 효과가 있다. 또한, 연산량의 감소로 인하여, 동작 수행 디바이스를 결정하는데 소요되는 프로세싱 시간이 감소되고, 따라서 응답 속도가 개선되는 효과도 있다. The device determination model 1330 is configured to determine the device performing the operation by logging in with the same user account as the user of the
일 실시예에서, 프로세서(1200)는 제1 자연어 이해 모델(1332)을 이용하여 텍스트로부터 디바이스의 명칭을 획득하고, 메모리(1300)에 저장된 디바이스 판단 모델(1330)에 관한 데이터를 이용하여, 디바이스의 명칭에 기초하여 동작 수행 디바이스를 결정할 수도 있다. 일 실시예에서, 프로세서(1200)는 제1 자연어 이해 모델(1332)를 이용하여 텍스트로부터 디바이스와 관련된 보통 명칭 및 디바이스의 설치 위치에 관한 단어 또는 구를 추출하고, 추출된 디바이스의 보통 명칭 및 설치 위치에 기초하여 동작 수행 디바이스를 결정할 수 있다. 예를 들어, 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 프로세서(1200)는 제1 자연어 이해 모델(1332)을 이용하여 텍스트를 단어 또는 구 단위로 파싱하고, 단어 또는 구를 기 저장된 단어 또는 구와 비교하여 'TV'라는 디바이스의 명칭을 인식할 수 있다. 프로세서(1200)는 허브 디바이스(1000)의 사용자 계정(account)과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 연결된 복수의 디바이스(4000) 중 TV인 제2 디바이스(4200)를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
일 실시예에서, 복수의 디바이스(4000) 중 어느 하나의 디바이스는 사용자로부터 음성 입력을 수신하는 리스너 디바이스이고, 프로세서(1200)는 디바이스 판단 모델(1330)을 이용하여 리스너 디바이스를 동작 수행 디바이스로 결정할 수 있다. 그러나, 이에 한정되는 것은 아니고, 프로세서(1200)는 디바이스 판단 모델(1330)을 이용하여, 복수의 디바이스(4000) 중 리스너 디바이스가 아닌 디바이스를 동작 수행 디바이스로 결정할 수도 있다.In one embodiment, any one of the plurality of
프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)로부터 디바이스 판단 모델(1330)의 업데이트 데이터를 수신할 수 있다. 일 실시예에서 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 업데이트된 최신 기능이 포함되거나, 또는 기존에 없었던 새로운 기능을 갖는 신규 디바이스가 사용자 계정에 추가될 수도 있다. 이 경우 허브 디바이스(1000)의 디바이스 판단 모델(1330)이 복수의 디바이스(4000)의 신규 기능을 판단하지 못하거나, 새롭게 추가된 신규 디바이스를 동작 수행 디바이스로서 결정하지 못하는 문제가 발생될 수 있다. 프로세서(1200)는 수신된 업데이트 데이터를 이용하여, 디바이스 판단 모델(1330)을 최신 버전으로 업데이트할 수 있다. 여기서, 최신 버전은 음성 비서 서버(2000)의 디바이스 판단 모델(2330, 도 3 참조)의 버전과 동일할 수 있다. The
디바이스 판단 모델(1330)의 업데이트 데이터는, 디바이스 판단 모델(1330)이 사용자 계정에 의해 연결된 복수의 디바이스(4000) 각각의 최신 업데이트된 기능에 관한 구체적인 동작 정보를 판단하고, 텍스트로부터 최신 업데이트된 기능을 수행하는 동작 수행 디바이스를 결정할 수 있도록 갱신된 데이터를 포함할 수 있다. 일 실시예에서, 디바이스 판단 모델(1330)의 업데이트 데이터는, 사용자 계정에 새롭게 추가된 신규 디바이스의 기능에 관한 정보를 포함할 수 있다. The update data of the device determination model 1330 is determined by the device determination model 1330 to determine specific operation information on the latest updated function of each of the plurality of
디바이스 판단 모델(1330)의 업데이트 실시예에 관해서는 도 17 및 도 18에 관한 설명 부분에서 상세하게 설명하기로 한다. An updated embodiment of the device determination model 1330 will be described in detail in the description of FIGS. 17 and 18.
프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)로부터 신규 디바이스의 디바이스 정보를 수신할 수 있다. 허브 디바이스(1000)의 프로세서(1200)가 음성 비서 서버(2000)로부터 획득하는 디바이스 정보는 예를 들어, 신규 디바이스의 디바이스 식별 정보(예를 들어, 디바이스 id), 신규 디바이스의 디바이스 판단 모델 저장 정보 및 기능 판단 모델의 저장 정보 중 적어도 하나를 포함할 수 있다. 신규 디바이스는, 음성 비서 서버(2000)의 사용자 계정에 등록이 예정된 등록 대상 디바이스일 수 있다. The
프로세서(1200)는 음성 비서 서버(2000)로부터 획득한 신규 디바이스의 디바이스 정보를 이용하여, 디바이스 판단 모델(1330)이 동작 수행 디바이스로서 결정할 수 있는 디바이스 후보에 신규 디바이스를 추가할 수 있다. 일 실시예에서, 프로세서(1200)는 디바이스 판단 모델(1330)이 신규 디바이스를 디바이스 후보에 포함시킴으로써, 텍스트로부터 동작 수행 디바이스를 결정할 수 있는 디바이스 판단 능력을 향상시킬 수 있다. The
신규 디바이스의 등록 실시예에 관해서는 도 19에 관한 설명 부분에서 상세하게 설명하기로 한다. An example of registering a new device will be described in detail in the description of FIG. 19.
NLG 모델(Natural Language Generator)(1320)은 허브 디바이스(1000)와 사용자 간의 대화 시 응답 메시지를 제공하는데 사용될 수 있다. 예를 들어, 프로세서(1200)는 NLG 모델(1320)을 이용하여 "TV에서 영화를 재생하겠습니다." 또는 "에어컨의 설정 온도를 2°C만큼 내리겠습니다."등 응답 메시지를 생성할 수 있다. The NLG model (Natural Language Generator) 1320 may be used to provide a response message during a conversation between the
NLG 모델(1320)은 프로세서(1200)에 의해 결정된 동작 수행 디바이스가 복수 개이거나, 또는 인텐트와의 관련성 정도가 유사하게 산출된 디바이스가 복수 개 존재하는 경우, 특정 동작 수행 디바이스를 결정하기 위한 질의 메시지를 생성하는데 이용되는 데이터를 저장할 수 있다. 일 실시예에서, 프로세서(1200)는 NLG 모델(1320)을 이용하여, 복수의 디바이스 후보 중 어느 하나의 동작 수행 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 질의 메시지는 복수의 디바이스 후보 중 어느 하나의 디바이스를 동작 수행 디바이스로 결정할 것인지에 관하여 사용자의 응답을 유도하는 메시지일 수 있다. The
기능 판단 디바이스 결정 모듈(1340)은 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장되어 있는 디바이스를 확인(identify)하고, 텍스트 전체 또는 텍스트의 적어도 일부를 전송할 대상 디바이스를 결정하는데 사용되는 모듈이다. 기능 판단 디바이스 결정 모듈(1340)은 각 디바이스 별 기능 판단 모델에 관한 정보를 포함하는 데이터베이스(1360)를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000), 음성 비서 서버(2000), 및 동작 수행 디바이스 내부 중 어느 디바이스에 저장되어 있는지 여부를 확인(identify)할 수 있다. 일 실시예에서, 허브 디바이스(1000)가 리스너 디바이스로부터 음성 신호를 수신하는 경우, 기능 판단 디바이스 결정 모듈(1340)은 데이터베이스(1035)를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000), 동작 수행 디바이스의 내부 메모리, 리스너 디바이스의 내부 메모리, 및 음성 비서 서버(2000) 중 어느 디바이스에 저장되어 있는지 여부를 확인할 수 있다. The function determination
데이터베이스(1360)에는 사용자의 계정에 따라 기 등록된 복수의 디바이스(4000) 각각의 기능 판단 모델의 저장 여부에 관한 정보, 복수의 디바이스(4000) 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보가 룩 업 테이블(Look-Up Table, LUT) 형태로 저장되어 있을 수 있다. 일 실시예에서, 기능 판단 디바이스 결정 모듈(1340)은 디바이스 판단 모델(1330)에 의해 출력된 동작 수행 디바이스의 디바이스 식별 정보에 따라 데이터베이스(1360) 내의 룩 업 테이블를 서치하고, 룩 업 테이블의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델의 저장 위치에 관한 정보를 획득할 수 있다.In the
일 실시예에서, 기능 판단 디바이스 결정 모듈(1340)은 텍스트의 전체 또는 텍스트의 적어도 일부를 전송할 대상 디바이스를 결정하는데 이용되는 데이터를 자체적으로 저장할 수도 있다. 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인할 수 있다. In an embodiment, the function determination
동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있거나, 동작 수행 디바이스 자체의 메모리 내에 저장되어 있거나, 또는 음성 비서 서버(2000)의 메모리(2300) 내에 저장되어 있을 수 있다. The function determination model corresponding to the operation performing device is stored in the
'동작 수행 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. 일 실시예에서, 허브 디바이스(1000)의 메모리(1300)에 저장된 기능 판단 모델(1352, 1354)는 사용자 계정(user account)과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 복수의 디바이스에 각각 대응할 수 있다. The'function determination model corresponding to an operation performing device' refers to a model used by the operation performing device to obtain detailed operations for performing an operation according to the determined function and operation information regarding a relationship between the detailed operations. In one embodiment, the
예를 들어, 제1 기능 판단 모델(1352)은 제1 디바이스(4100, 도 1 참조)가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 일 실시예에서, 제1 기능 판단 모델(1352)은 허브 디바이스(1000)의 기능에 따른 동작 정보를 획득하기 위하여 이용되는 모델일 수 있으나, 이에 한정되지 않는다. 마찬가지로, 제2 기능 판단 모델(1354)는 제2 디바이스(4200, 도 1 참조)가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다.For example, the first
기능 판단 모델(1352, 1354) 각각은, 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)(1352a, 1354a)을 포함할 수 있다. 기능 판단 모델(1352, 1354)은, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모듈(1352b, 1354b)을 포함할 수 있다. 액션 플랜 관리 모듈(1352b, 1354b)은, 디바이스 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. 액션 플랜 관리 모듈(1352b, 1354b)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.Each of the
허브 디바이스(1000)의 메모리(1300) 내에는 복수의 디바이스 각각에 관한 복수의 기능 판단 모델(1352, 1354)이 저장되어 있을 수 있다. A plurality of
전술한 바와 같이, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여 데이터베이스(1360)에 저장된 룩 업 테이블을 서치함으로써, 메모리(1300) 내에 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장되어 있는지 확인(identify)할 수 있다. 예를 들어, 동작 수행 디바이스가 제1 디바이스(4100)로 결정된 경우, 제1 디바이스(4100)에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있지 않을 수 있다. 이 경우, 프로세서(1200)는 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000) 내에 저장되어 있지 않음을 확인할 수 있다. 다른 예에서, 동작 수행 디바이스가 제2 디바이스(4200)인 경우, 제2 디바이스(4200)에 대응하는 기능 판단 모델(1354)은 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있을 수 있다. 이 경우, 프로세서(1200)는 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000) 내에 저장되어 있다는 것을 확인할 수 있다. As described above, the
프로세서(1200)가 동작 수행 디바이스에 대응되는 기능 판단 모델이 허브 디바이스(1000) 내에 저장되어 있음을 확인한 경우, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여, 허브 디바이스(1000) 내에 저장된 동작 수행 디바이스에 대응되는 기능 판단 모델에 텍스트의 적어도 일부를 제공할 수 있다. 예를 들어, 동작 수행 디바이스가 제2 디바이스(4200)인 경우, 제2 디바이스(4200)인 TV에 대응하는 기능 판단 모델(1354)는 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있고, 따라서 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)을 이용하여 텍스트의 적어도 일부를 TV 기능 판단 모델(1354)에 제공할 수 있다. When the
일 실시예에서, 프로세서(1200)는 텍스트 전체를 TV 기능 판단 모델(1354)에 전송하지 않을 수 있다. 예를 들어, 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 'TV에서'는 동작 수행 디바이스의 명칭을 특정한 것인바, TV 기능 판단 모델(1354)에는 불필요한 정보일 수 있다. 프로세서(1200)는 제1 자연어 이해 모델(1332)을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 TV 기능 판단 모델(1354)에 제공할 수 있다. In an embodiment, the
프로세서(1200)는 메모리(1300)에 저장된 동작 수행 디바이스에 대응하는 기능 판단 모델, 예를 들어 TV 기능 판단 모델(1354)의 제2 자연어 이해 모델(1354a)을 이용하여, 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득할 수 있다. 제2 자연어 이해 모델(1354a)은 특정 디바이스(예를 들어, TV)에 특화된 모델로서, 제1 자연어 이해 모델(1332)에 의해 결정된 동작 수행 디바이스에 해당되는 디바이스와 관련되며 텍스트에 대응하는 인텐트를 획득하도록 학습된 인공지능 모델일 수 있다. 또한, 제2 자연어 이해 모델(1354a)은 텍스트를 해석함으로써 사용자의 의도와 관련된 디바이스의 동작을 결정할 수 있도록 학습된 모델일 수 있다. 동작은, 디바이스에서 특정 기능을 실행함으로서, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다.The
일 실시예에서, 프로세서(1200)는 결정된 동작 수행 디바이스(예를 들어, TV)에 대응되는 TV 기능 판단 모델(1354)의 제2 자연어 이해 모델(1354a)을 이용하여 텍스트를 분석할 수 있다. 프로세서(1200)는 제2 자연어 이해 모델(1354a)을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 파악하고, 파악된 의미를 기 정의된 단어에 매칭시켜 인텐트 및 파라미터를 결정할 수 있다. 여기서,'파라미터'는 인텐트와 관련된 동작 수행 디바이스의 세부 동작 들을 결정하기 위한 변수(variable) 정보를 의미한다. 예를 들어, 기능 판단 모델(1354)에 전송된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 인텐트는 '컨텐트 재생'이고, 파라미터는 재생할 컨텐트에 관한 정보인 '어벤져스 영화'일 수 있다. In one embodiment, the
프로세서(1200)는 TV 기능 판단 모델(1354)의 액션 플랜 관리 모듈(1354b)을 이용하여, 인텐트 및 파라미터에 관련된 적어도 하나의 세부 동작에 대한 동작 정보를 획득할 수 있다. 액션 플랜 관리 모듈(1354b)은, 디바이스 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 프로세서(1200)는 액션 플랜 관리 모듈(1354b)을 이용함으로써, 인텐트 및 파라미터에 기초하여, 동작 수행 디바이스(예를 들어, TV)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)하고, 이를 통해 동작 정보를 획득할 수 있다. 동작 정보는, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 디바이스가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작과의 연관 관계 및 실행 순서에 관련된 정보를 포함할 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 동작 수행 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.The
프로세서(1200)는 동작 정보에 기초하여 동작 수행 디바이스를 제어할 수 있는 제어 명령을 생성할 수 있다. 제어 명령은, 동작 수행 디바이스가 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 동작 수행 디바이스가 판독하고, 실행할 수 있는 명령어를 의미한다. 프로세서(1200)는 생성된 제어 명령을 동작 수행 디바이스에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. The
일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 통해, 허브 디바이스(1000)의 사용자 계정과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 복수의 디바이스(4000)로부터 기능 판단 모델에 관한 정보를 획득할 수 있다. 기능 판단 모델에 관한 정보는 복수의 디바이스(4000) 각각이 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 포함할 수 있다. 도 1을 함께 참조하면, 도 1에 도시된 실시예에서 복수의 디바이스(4000) 중 제1 디바이스(4100)는 기능 판단 모델(4132)을 메모리(4130)에 저장하고 있지만, 제2 디바이스(4200) 및 제3 디바이스(4300)는 각각의 기능 판단 모델을 저장하고 있지 않다. 제1 디바이스(4100), 제2 디바이스(4200), 및 제3 디바이스(4300) 중 적어도 하나의 디바이스가 자체적으로 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 허브 디바이스(1000)에 전송하면(S4, S6, S8), 허브 디바이스(1000)는 통신 인터페이스(1400)를 통해 획득한 기능 판단 모델에 관한 정보를 프로세서(1200)에 제공할 수 있다. In one embodiment, the
일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 통해 음성 비서 서버(2000, 도 1 참조)로부터 복수의 디바이스(4000, 도 1 참조)의 기능 판단 모델에 관한 정보를 획득할 수도 있다. 복수의 디바이스(4000) 각각은 사용자가 id와 패스워드를 입력하는 로그인을 통해, 사용자의 계정에 등록되고, 사용자의 계정 정보 및 복수의 디바이스(4000) 각각의 디바이스 정보는 IoT 서버(3000)에 전송될 수 있다. 이 경우, 복수의 디바이스(4000) 각각이 자체적으로 디바이스 판단 모델을 저장하고 있는지 여부 및 기능 판단 모델을 저장하고 있는지 여부에 관한 정보도 함께 IoT 서버(3000)에 전송될 수 있다. IoT 서버(3000)는 사용자의 계정 정보에 등록된 복수의 디바이스(4000)에 관한 디바이스 정보, 디바이스 판단 모델에 관한 정보, 및 기능 판단 모델에 관한 정보를 음성 비서 서버(2000)에 전송할 수 있다. 음성 비서 서버(2000)는 복수의 디바이스(4000)에 관한 디바이스 정보, 디바이스 판단 모델에 관한 정보, 및 기능 판단 모델에 관한 정보를, 동일한 사용자 계정 정보를 갖는 허브 디바이스(1000)에 전송할 수 있다. 허브 디바이스(1000)는 복수의 디바이스(4000) 각각의 기능 판단 모델에 관한 정보를 룩 업 테이블 형태로 데이터베이스(1360)에 저장할 수 있다. In an embodiment, the
그러나, 이에 한정되는 것은 아니고, 허브 디바이스(1000)는 복수의 디바이스(4000) 중 적어도 하나의 디바이스로부터 기능 판단 모델에 관한 정보를 수신할 수도 있다. 일 실시예에서, 프로세서(1200)는 복수의 디바이스(4000) 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 기능 판단 모델에 관한 정보를 수신하도록 통신 인터페이스(1400)를 제어할 수 있다. 프로세서(1200)는 복수의 디바이스(4000)의 기능 판단 모델에 관한 정보를 수신할 때, 복수의 디바이스(4000) 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 수신하도록 통신 인터페이스(1400)를 제어할 수 있다. However, the present invention is not limited thereto, and the
프로세서(1200)는 수신된 기능 판단 모델에 관한 정보 및 디바이스 별 기능 판단 모델이 저장된 위치에 관한 정보를 데이터베이스(1360)에 저장할 수 있다. 일 실시예에서, 프로세서(1200)는 디바이스의 명칭 또는 식별 정보에 따라 기능 판단 모델을 저장하고 있는지 여부에 관한 정보 및 기능 판단 모델이 저장된 위치에 관한 정보를 룩 업 테이블 형태로 저장할 수 있다. The
프로세서(1200)는 데이터베이스(1360)에 저장된 룩 업 테이블을 서치함으로써, 각 디바이스의 기능 판단 모델에 관한 정보를 획득하고, 획득한 기능 판단 모델에 관한 정보에 기초하여, 동작 수행 디바이스에 대응되는 기능 판단 모델을 저장하고 있는 디바이스를 확인할 수 있다. 예를 들어, 텍스트에 기초하여 결정된 동작 수행 디바이스가 제1 디바이스(4100)인 경우, 프로세서(1200)는 제1 디바이스(4100)로부터 획득한 기능 판단 모델에 관한 정보에 기초하여, 제1 디바이스(4100)를 자체의 기능 판단 모델(4132, 도 1 참조)을 저장하고 있는 디바이스로 결정할 수 있다. 이 경우, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여, 제1 디바이스(4100)를 텍스트의 적어도 일부를 전송할 대상 디바이스로 결정할 수 있다. 프로세서(1200)는 텍스트의 적어도 일부를 제1 디바이스(4100)의 기능 판단 모델(4132)에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. The
일 실시예에서, 프로세서(1200)는 텍스트 중 동작 수행 디바이스의 명칭에 관한 일부를 분리하고, 나머지 텍스트의 일부만을 제1 디바이스(4100)에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. 예를 들어, 제1 디바이스(4100)가 에어컨이고, 텍스트가 "에어컨에서 설정 온도를 2°C 만큼 내려줘~"인 경우, 에어컨에 텍스트를 전송하면서 "에어컨에서"는 전송할 필요가 없다. 이 경우, 프로세서(1200)는 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 제1 디바이스(4100)의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 제1 디바이스(4100)에 제공할 수 있다. In an embodiment, the
프로세서(1200)가 획득한 기능 판단 모델에 관한 정보에 기초하여, 동작 수행 디바이스에 대응되는 기능 판단 모델을 저장하고 있는 디바이스를 확인한 결과, 동작 수행 디바이스에 기능 판단 모델이 저장되지 않음을 확인할 수 있다. 예를 들어, 동작 수행 디바이스가 제3 디바이스(4300)로 결정된 경우, 제3 디바이스(4300)에는 기능 판단 모델이 저장되어 있지 않다. 제3 디바이스(4300)에 대응하는 기능 판단 모델은 허브 디바이스(1000)에도 저장되어 있지 않다. 이 경우, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000) 및 복수의 디바이스(4000) 중 어디에도 저장되어 있지 않음을 확인할 수 있다. 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여, 텍스트의 적어도 일부를 전송할 대상 디바이스를 음성 비서 서버(2000)로 결정할 수 있다. 프로세서(1200)는 텍스트의 적어도 일부를 음성 비서 서버(2000)에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. Based on the information on the function determination model acquired by the
일 실시예에서, 기능 판단 디바이스 결정 모듈(1340)는 디바이스 판단 모델(1330)에 의해 결정된 동작 수행 디바이스가 리스너 디바이스와 동일한 지 여부를 확인하도록 구성될 수 있다. 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 통해 리스너 디바이스로부터 음성 신호를 수신할 때, 리스너 디바이스의 디바이스 식별 정보(예를 들어, 리스너 디바이스의 디바이스 id)를 함께 수신할 수 있다. 기능 판단 디바이스 결정 모듈(1340)은 리스너 디바이스의 디바이스 식별 정보로부터 리스너 디바이스의 기능 정보를 확인하고, 동작 수행 디바이스의 기능 정보와 비교함으로써, 리스너 디바이스와 동작 수행 디바이스 간의 동일 여부를 확인할 수 있다.In an embodiment, the function determination
동작 수행 디바이스가 리스너 디바이스와 동일한 것으로 확인된 경우, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여 리스너 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지를 확인할 수 있다. 리스너 디바이스의 내부 메모리에 저장된 기능 판단 모델이 동작 수행 디바이스에 대응하는 기능 판단 모델과 동일한 경우, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 리스너 디바이스의 내부 메모리에 기 저장된 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. 일 실시예에서, 프로세서(1200)는 텍스트 중 동작 수행 디바이스의 명칭에 관한 일부를 분리하고, 나머지 텍스트의 일부만을 리스너 디바이스에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. 예를 들어, 리스너 디바이스가 에어컨이고, 텍스트가 “에어컨에서 설정 온도를 20°C로 내려줘~”인 경우, 에어컨에 텍스트를 전송하면서 “에어컨에서”는 전송할 필요가 없다. 이 경우, 프로세서(1200)는 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 리스너 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 리스너 디바이스에 제공할 수 있다. When it is determined that the operation performing device is the same as the listener device, the
리스너 디바이스의 내부 메모리에 저장된 기능 판단 모델이 동작 수행 디바이스에 대응하는 기능 판단 모델과 동일하지 않은 경우, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)에 텍스트의 적어도 일부를 전송할 수 있다. If the function determination model stored in the internal memory of the listener device is not the same as the function determination model corresponding to the operation performing device, the
동작 수행 디바이스가 리스너 디바이스와 동일하지 않은, 별개의 디바이스로 확인된 경우, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)에 관한 데이터를 이용하여 동작 수행 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지를 확인할 수 있다. 동작 수행 디바이스의 내부 메모리에 기능 판단 모델이 저장된 경우, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 동작 수행 디바이스의 내부 메모리에 기 저장된 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. 일 실시예에서, 프로세서(1200)는 텍스트 중 동작 수행 디바이스의 명칭에 관한 일부를 분리하고, 나머지 텍스트의 일부만을 동작 수행 디바이스에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다.When the operation performing device is identified as a separate device that is not the same as the listener device, the
동작 수행 디바이스의 내부 메모리에 기능 판단 모델이 저장되지 않은 경우, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 텍스트의 적어도 일부를 음성 비서 서버(2000)에 전송할 수 있다. When the function determination model is not stored in the internal memory of the operation performing device, the
동작 수행 디바이스와 리스너 디바이스 간의 동일 여부를 확인하고, 동작 수행 디바이스, 리스너 디바이스, 및 음성 비서 서버 중 어느 하나의 디바이스에 텍스트의 적어도 일부를 전송하는 실시예에 대해서는 도 14에서 상세하게 설명하기로 한다. An embodiment of checking whether the operation performing device and the listener device are identical, and transmitting at least a part of the text to any one of the operation performing device, the listener device, and the voice assistant server will be described in detail in FIG. 14. .
통신 인터페이스(1400)는 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)와 데이터 통신을 수행할 수 있다. 통신 인터페이스(1400)는 예를 들어, 유선 랜, 무선 랜(Wireless LAN), 와이파이(Wi-Fi), 블루투스(Bluetooth), 지그비(zigbee), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association), BLE (Bluetooth Low Energy), NFC(Near Field Communication), 와이브로(Wireless Broadband Internet, Wibro), 와이맥스(World Interoperability for Microwave Access, WiMAX), SWAP(Shared Wireless Access Protocol), 와이기그(Wireless Gigabit Allicance, WiGig) 및 RF 통신을 포함하는 데이터 통신 방식 중 적어도 하나를 이용하여 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)와 데이터 통신을 수행할 수 있다.The
데이터베이스(1360)는 복수의 디바이스(4000) 각각의 식별 정보, 기능 판단 모델의 유무에 관한 정보, 복수의 디바이스(4000) 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 저장된 디바이스의 식별 정보, 저장된 디바이스의 IP 주소(IP address), 또는 저장된 디바이스의 MAC 주소(MAC address))에 관한 정보를 저장할 수 있다.The
도 2에서 데이터베이스(1360)는 메모리(1300)에 저장되어 있는 것으로 도시되었으나, 도시된 메모리(1300)와는 별개의 메모리에 저장되도록 구성될 수 있다.In FIG. 2, the
도 1 및 도 2에 도시된 실시예에서 허브 디바이스(1000)는, 허브 디바이스(1000)의 사용자와 동일한 사용자의 계정 정보로 로그인되고, 사용자의 계정 정보로 등록된 복수의 디바이스(4000)만을 디바이스 후보(candidate)로 하여 동작 수행 디바이스를 결정하는 디바이스 판단 모델(1330) 및 디바이스 판단 모델(1330)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델이 어느 디바이스에 저장되어 있는지를 확인(identify)하고, 확인된 디바이스에 텍스트의 적어도 일부를 전송하도록 결정하는 기능 판단 디바이스 결정 모듈(1340)을 포함할 수 있다. 허브 디바이스(1000)는 종래 음성 비서 서버(2000)에 포함된 모델들 중 일부를 포함하고, 이를 통해 동작 수행 디바이스를 결정하고, 동작 수행 디바이스의 동작을 제어하는바, 모든 과정에서 네트워크를 이용하여 음성 비서 서버(2000)를 거칠 필요가 없어지고, 따라서 네트워크 사용의 비용을 감소시키고, 서버 운영의 효율성이 증대되는 효과가 있다. 또한, 허브 디바이스(1000)의 사용자 계정을 통해 등록된 복수의 디바이스만을 디바이스 후보로 정하여 동작 수행 디바이스를 결정하는바, 연산량 및 프로세싱 시간이 감소되고, 응답 속도가 개선되는 효과가 있다. In the embodiment shown in FIGS. 1 and 2, the
도 3은 본 개시의 일 실시예에 따른 음성 비서 서버(2000)의 구성 요소를 도시한 블록도이다.3 is a block diagram illustrating components of a
음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자의 음성 입력이 변환된 텍스트를 수신하고, 수신된 텍스트에 기초하여 동작 수행 디바이스를 결정하고, 동작 수행 디바이스에 대응하는 기능 판단 모델을 이용하여 동작 정보를 획득하는 서버이다. The
도 3을 참조하면, 음성 비서 서버(2000)는 적어도 통신 인터페이스(2100), 프로세서(2200), 및 메모리(2300)를 포함할 수 있다. Referring to FIG. 3, the
음성 비서 서버(2000)의 통신 인터페이스(2100)는 IoT 서버(3000, 도 1 참조)와 데이터 통신을 수행함으로써, 복수의 디바이스(4000, 도 1 참조) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 복수의 디바이스(4000) 각각의 기능 판단 모델에 관한 정보를 IoT 서버(3000)로부터 수신할 수 있다. 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 허브 디바이스(1000)로부터 사용자 계정 정보를 수신하고, 수신된 사용자 계정 정보에 따라 등록된 복수의 디바이스(4000)에 관한 디바이스 정보와 기능 판단 모델에 관한 정보를 허브 디바이스(1000)에 전송할 수 있다.The communication interface 2100 of the
음성 비서 서버(2000)의 프로세서(2200) 및 메모리(2300)는 허브 디바이스(1000, 도 2 참조)의 프로세서(1200, 도 2 참조) 및 메모리(1300, 도 2 참조)와 동일하거나 유사한 기능을 수행할 수 있다. 따라서, 음성 비서 서버(2000)의 프로세서(2200) 및 메모리(2300)에 관하여 허브 디바이스(1000)의 프로세서(1200) 및 메모리(1300)에서 설명하였던 것과 중복되는 설명은 생략한다.The
음성 비서 서버(2000)의 메모리(2300)는 ASR 모듈(2310)에 관한 데이터, NLG 모듈(2320)에 관한 데이터, 디바이스 판단 모델(2330)에 관한 데이터, 및 복수의 기능 판단 모델(2340) 각각에 대응하는 데이터가 저장되어 있을 수 있다. 음성 비서 서버(2000)의 메모리(2300)는 허브 디바이스(1000)의 메모리(1300)에 저장되어 있는 복수의 기능 판단 모델(1350, 도 2 참조)에 관한 데이터와는 달리, 서로 다른 복수의 사용자 계정에 관한 복수의 디바이스에 대응하는 복수의 기능 판단 모델(2340)을 저장할 수 있다. 또한, 음성 비서 서버(2000)의 메모리(2300)에는 허브 디바이스(1000)의 메모리(1300)에 저장된 복수의 기능 판단 모델(1350) 보다 많은 타입의 디바이스에 관한 복수의 기능 판단 모델(2340)이 저장되어 있을 수 있다. 음성 비서 서버(2000)의 메모리(2300)에 저장된 복수의 기능 판단 모델(2340)의 전체 용량은 허브 디바이스(1000)의 메모리(1300)에 저장된 복수의 기능 판단 모델(1350)의 용량에 비해 클 수 있다. The
허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하는 경우, 음성 비서 서버(2000)의 통신 인터페이스(2100)는 수신된 텍스트의 적어도 일부를 프로세서(2200)에 전달하고, 프로세서(2200)는 메모리(2300)에 저장되어 있는 제1 자연어 이해 모델(2332)를 이용하여 텍스트의 적어도 일부를 분석할 수 있다. 프로세서(2200)는 메모리(2300)에 저장되어 있는 디바이스 판단 모델(2330)에 관한 데이터를 이용하여, 분석 결과에 기초하여 텍스트의 적어도 일부와 관련된 동작 수행 디바이스를 결정할 수 있다. 프로세서(2200)는 메모리(2300)에 저장된 복수의 기능 판단 모델 중 동작 수행 디바이스에 대응하는 기능 판단 모델을 선택하고, 선택된 기능 판단 모델을 이용하여 동작 수행 디바이스가 기능을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득할 수 있다. When receiving at least a part of the text from the
예를 들어, 동작 수행 디바이스가 공기 청정기인 제3 디바이스(4300)로 결정된 경우, 프로세서(2200)는 공기 청정기에 대응하는 기능 판단 모델(2346)의 제2 자연어 이해 모델(2346a)을 이용하여 텍스트의 적어도 일부를 분석하고, 액션 플랜 관리 모듈(2346b)을 이용하여 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)함으로써, 동작 정보를 획득할 수 있다. 이에 관한 구체적인 설명은 허브 디바이스(1000)에 관한 설명 부분과 동일한 바, 중복되는 설명은 생략한다. For example, when the operation performing device is determined to be the
음성 비서 서버(2000)는 허브 디바이스(1000)가 텍스트의 적어도 일부를 전송하는 경우에만, 텍스트의 적어도 일부와 관련된 동작 수행 디바이스를 결정하고, 동작 수행 디바이스가 동작을 수행하기 위한 동작 정보를 획득할 수 있다. 음성 비서 서버(2000)는 획득한 동작 정보를 통신 인터페이스(2100)를 통해 IoT 서버(3000)에 전송할 수 있다. The
음성 비서 서버(2000)는 복수의 디바이스(4000) 중 동작 수행 디바이스로부터 디바이스 식별 정보 및 기능 판단 모델의 업데이트 요청 정보를 수신할 수 있다. 기능 판단 모델의 업데이트 요청 정보는 동작 수행 디바이스의 메모리 내에 저장된 기능 판단 모델의 버전을 음성 비서 서버(2000)에 저장된 복수의 기능 판단 모델(2342, 2344, 2346, 2348) 중 동작 수행 디바이스에 대응하는 기능 판단 모델의 버전과 동기화(synchronization)하도록 요청하는 정보일 수 있다. 음성 비서 서버(2000)의 프로세서(2200)는 동작 수행 디바이스로부터 수신한 디바이스 식별 정보에 기초하여, 동작 수행 디바이스에 대응하는 기능 판단 모델을 식별하고, 식별된 기능 판단 모델의 버전 정보를 확인할 수 있다. 프로세서(2200)는 통신 인터페이스(2100)를 이용하여, 동작 수행 디바이스의 기능 판단 모델을 업데이트할 수 있는 업데이트 데이터를 동작 수행 디바이스에 전송할 수 있다. The
일 실시예에서, 프로세서(2200)는 동작 수행 디바이스가 IoT 서버(3000)로부터 제어 명령을 수신하는 경우, 기능 판단 모델을 업데이트할 수 있는 업데이트 데이터를 동작 수행 디바이스에 전송하도록 통신 인터페이스(2100)를 제어할 수 있다. In one embodiment, the
일 실시예에서, 프로세서(2200)는 허브 디바이스(1000)의 사용자 계정을 통해 연결된 복수의 디바이스(4000) 중 기능 판단 모델을 저장하고 있는 디바이스에 주기적으로 기능 판단 모델의 업데이트 데이터를 전송하도록 통신 인터페이스(2100)를 제어할 수 있다. 다른 실시예에서, 프로세서(2200)는 허브 디바이스(1000)의 사용자 계정을 통해 연결된 복수의 디바이스(4000) 중 기능 판단 모델을 저장하고 있는 디바이스에 애플리케이션 또는 펌웨어(firmware)를 업데이트할 수 있는 업데이트 데이터를 전송하는 경우, 기능 판단 모델의 업데이트 데이터를 함께 전송하도록 통신 인터페이스(2100)를 제어할 수 있다.In one embodiment, the
일 실시예에서, IoT 서버(3000)에 등록된 사용자 계정 정보에 신규 디바이스가 등록될 수 있다. 이 경우, 프로세서(2200)는 통신 인터페이스(2100)를 이용하여 IoT 서버(3000)로부터 사용자 계정 정보, 신규 디바이스를 포함하도록 갱신된 디바이스 리스트, 디바이스 리스트에 포함되는 디바이스 후보 각각에 관한 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 수신할 수 있다. 프로세서(2200)는 디바이스 판단 모델의 저장 정보에 기초하여, 사용자 계정에 따라 등록된 복수의 디바이스 중 디바이스 판단 모델을 저장하고 있는 디바이스를 확인하고, 확인된 디바이스를 허브 디바이스로 결정할 수 있다. 프로세서(2200)는 통신 인터페이스(2100)를 이용하여. 허브 디바이스에 신규 디바이스의 디바이스 식별 정보, 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 전송할 수 있다. 신규 디바이스의 등록 실시예에 대해서는 도 19에 관한 설명 부분에서 상세하게 설명하기로 한다. In an embodiment, a new device may be registered in user account information registered in the
도 4는 본 개시의 일 실시예에 따른 IoT 서버(3000)의 구성 요소를 도시한 블록도이다.4 is a block diagram illustrating components of an
IoT 서버(3000)는 복수의 디바이스(4000, 도 1 참조) 각각에 관한 디바이스 정보를 획득하고, 저장하고, 관리하는 서버이다. IoT 서버(3000)는 저장된 디바이스 정보를 활용하여 디바이스를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. 도 1에서는 IoT 서버(3000)가 음성 비서 서버(2000)와는 별개의 독립된 하드웨어 장치로 구성되는 것으로 도시되어 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, IoT 서버(3000)는 음성 비서 서버(2000, 도 1 참조)의 일 구성 요소이거나, 또는 소프트웨어로 구분되도록 설계된 서버일 수 있다. The
도 4를 참조하면, IoT 서버(3000)는 적어도 통신 인터페이스(3100), 프로세서(3200), 및 메모리(3300)을 포함할 수 있다. Referring to FIG. 4, the
IoT 서버(3000)는 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스와 네트워크를 통해 연결되고, 데이터를 수신 또는 전송할 수 있다. IoT 서버(3000)는 프로세서(3200)의 제어에 따라 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스로 메모리(3300)에 저장된 데이터를 전송할 수 있다. 또한 IoT 서버(3000)는 프로세서(3200)의 제어에 따라 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스로부터 데이터를 수신할 수 있다. The
일 실시예에서, 통신 인터페이스(3100)는 복수의 디바이스(4000, 도 1 참조) 각각으로부터 디바이스 식별 정보(예: 디바이스의 id 정보), 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 수신할 수 있다. 일 실시예에서, 통신 인터페이스(3100)는 복수의 디바이스(4000) 각각으로부터 사용자 계정 정보를 수신할 수 있다. 또한, 통신 인터페이스(3100)는 복수의 디바이스(4000)로부터 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 정보를 수신할 수도 있다. 통신 인터페이스(3100)는 수신된 디바이스 정보를 메모리(3300)에 제공할 수 있다.In one embodiment, the
메모리(3300)는 통신 인터페이스(3100)에 의해 수신된 디바이스 정보를 저장할 수 있다. 일 실시예에서, 메모리(3300)는 복수의 디바이스(4000)로부터 수신된 사용자 계정 정보에 따라 디바이스 정보를 분류하고, 분류된 디바이스 정보를 룩 업 테이블 형태로 저장할 수 있다. The
일 실시예에서, 통신 인터페이스(3100)는 음성 비서 서버(2000)로부터 사용자 계정 정보 및 사용자 계정 정보에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 요청하는 쿼리(query)를 수신할 수 있다. 프로세서(3200)는 수신된 쿼리에 응답하여, 사용자 계정에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 메모리(3300)로부터 획득하고, 획득한 디바이스 정보를 음성 비서 서버(2000)에 전송하도록 통신 인터페이스(3100)를 제어할 수 있다. In one embodiment, the
프로세서(3200)는, 음성 비서 서버(2000)로부터 수신한 동작 정보에 기초하여, 동작을 수행하도록 결정된 동작 수행 디바이스에 제어 명령을 전송하도록 통신 인터페이스(3100)를 제어할 수 있다. IoT 서버(3000)는 통신 인터페이스(3100)를 통해 제어 명령에 따른 동작 수행 결과를, 동작을 수행한 디바이스로부터 수신할 수 있다. The
도 5는 본 개시의 일 실시예에 따른 복수의 디바이스(4000)의 일부 구성 요소를 도시한 블록도이다.5 is a block diagram illustrating some components of a plurality of
복수의 디바이스(4000)는, 허브 디바이스(1000, 도 1 참조) 또는 IoT 서버(3000, 도 1 참조)에 의한 제어를 받는 피제어 디바이스일 수 있다. 일 실시예에서, 복수의 디바이스(4000)는 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 수신된 제어 명령에 기초하여 동작을 실행하는 익스큐터 디바이스(executor device)일 수 있다. The plurality of
도 5를 참조하면, 복수의 디바이스(4000)는 제1 디바이스(4100), 제2 디바이스(4200), 및 제3 디바이스(4300)를 포함할 수 있다. 도 5에 도시된 실시예에서, 제1 디바이스(4100)는 에어컨이고, 제2 디바이스(4200)는 TV이고, 제3 디바이스(4300)는 공기청정기인 것으로 도시되어 있지만, 이는 예시적인 것이고, 본 개시의 복수의 디바이스(4000)가 도 5에 도시된 바와 같이 한정되는 것은 아니다.Referring to FIG. 5, a plurality of
도 5에는 제1 디바이스(4100), 제2 디바이스(4200), 및 제3 디바이스(4300) 각각이 프로세서, 메모리, 및 통신 인터페이스만을 포함하고 있는 것으로 도시되었지만, 이는 설명의 편의를 위한 것이다. 도 5에서 복수의 디바이스(4000)가 제어 명령에 기초하여 동작을 실행하기 위한 각각의 구성 요소들은 생략되었다.In FIG. 5, each of the
복수의 디바이스(4000) 중 일부는 기능 판단 모델을 저장할 수 있다. 도 5에 도시된 실시예에서, 제1 디바이스(4100)는 통신 인터페이스(4110), 프로세서(4120), 및 메모리(4130)를 포함하고, 메모리(4130) 내에는 기능 판단 모델(4132)이 저장될 수 있다. 제1 디바이스(4100)에 저장된 기능 판단 모델(4132)은, 제1 디바이스(4100)가 동작을 실행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 기능 판단 모델(4132)은, 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 수신한 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 제1 디바이스(4100)가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 자연어 이해 모델(4134)을 포함할 수 있다. 기능 판단 모델(4132)은, 제1 디바이스(4100)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모듈(4136)을 포함할 수 있다. 액션 플랜 관리 모듈(4136)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 제1 디바이스(4100)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.Some of the plurality of
제2 디바이스(4200)는 통신 인터페이스(4210), 프로세서(4220), 및 메모리(4230)를 포함할 수 있다. 제3 디바이스(4300)는 통신 인터페이스(4310), 프로세서(4320), 및 메모리(4330)를 포함할 수 있다. 제2 디바이스(4200) 및 제3 디바이스(4300)는, 제1 디바이스(4100)와는 달리 기능 판단 모델을 저장하지 않는다. 제2 디바이스(4200) 및 제3 디바이스(4300)는 허브 디바이스(1000, 도 1 참조) 또는 IoT 서버(3000, 도 1 참조)로부터 텍스트의 적어도 일부를 수신하지 않는다. 제2 디바이스(4200) 및 제3 디바이스(4300)는 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 제어 명령을 수신하고, 수신된 제어 명령에 기초하여 동작을 실행할 수 있다. The
복수의 디바이스(4000)는 통신 인터페이스(4110, 4210, 4310)를 이용하여 각각의 사용자의 계정 정보, 디바이스 정보, 기능 판단 모델에 관한 정보를 IoT 서버(3000)에 전송할 수 있다. 일 실시예에서, 복수의 디바이스(4000)는 사용자가 로그인하면, 사용자의 계정 정보와 복수의 디바이스(4000) 각각이 자체적으로 디바이스 판단 모델을 저장하고 있는지 여부 및 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 IoT 서버(3000)에 전송할 수 있다. 디바이스 정보는 복수의 디바이스(4000)의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. The plurality of
일 실시예에서, 복수의 디바이스(4000)는 통신 인터페이스(4110, 4210, 4310)를 이용하여, 사용자의 계정 정보와 복수의 디바이스(4000) 각각이 자체적으로 디바이스 판단 모델을 저장하고 있는지 여부 및 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 허브 디바이스(1000, 도 1 참조)에 전송할 수도 있다. In one embodiment, the plurality of
복수의 디바이스(4000) 중 일부 디바이스는, 허브 디바이스(1000)와 다른 제조사에 의해 제조된 써드파티 디바이스(3rd party device)일 수 있다. 예를 들어, 제3 디바이스(4300)는 써드파트 디바이스일 수 있다. 제3 디바이스(4300)가 써드파티 디바이스인 경우, 제3 디바이스(4300)를 통해 써드파티 사용자 계정으로 써드파티 IoT 서버에 로그인하고, IoT 서버(3000)는 임시 계정을 이용하여 써드파티 IoT 서버에 접속하여 제3 디바이스(4300)의 디바이스 정보 및 기능 판단 모델에 관한 정보를 획득할 수 있다. 제3 디바이스(4300)가 동작 수행 디바이스로 결정된 경우, IoT 서버(3000)는 제어 명령을 제3 디바이스(4300)가 판독하고 실행할 수 있는 제어 명령으로 변환하고, 써드파티 IoT 서버에 전송할 수 있다. 써드파티 IoT 서버는 변환된 제어 명령을 제3 디바이스(4300)에 전송하고, 제3 디바이스(4300)는 수신된 제어 명령에 기초하여 동작을 실행할 수 있다. Some of the plurality of devices (4000), the device may be a
도 6은 본 개시의 일 실시예에 따른 허브 디바이스(1000)가 음성 입력에 기초하여 디바이스를 제어하는 방법을 도시한 흐름도이다. 6 is a flowchart illustrating a method of controlling a device by the
단계 S610에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신한다. 일 실시예에서, 허브 디바이스(1000)는 마이크(1100, 도 2 참조)를 통해 사용자로부터 음성 입력(예를 들어, 사용자의 발화)을 수신하고, 수신된 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는, 마이크(1100)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다.In step S610, the
단계 S620에서, 허브 디바이스(1000)는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환한다. 일 실시예에서, 허브 디바이스(1000)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다. 허브 디바이스(1000)가, 노이즈가 제거되지 않은 음향 신호를 수신하는 경우에는, 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.In step S620, the
단계 S630에서, 허브 디바이스(1000)는 제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 텍스트에 대응되는 동작 수행 디바이스를 결정한다. 일 실시예에서, 허브 디바이스(1000)는 디바이스 판단 모델 내에 포함된 제1 자연어 이해 모델을 이용하여 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스를 결정할 수 있다. 여기서, 복수의 디바이스는 허브 디바이스(1000)와 동일한 사용자 계정으로 로그인 되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 디바이스를 의미한다. 복수의 디바이스는 IoT 서버에 허브 디바이스(1000)와 동일한 사용자 계정으로 등록된 디바이스일 수 있다. In operation S630, the
제1 자연어 이해 모델은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. 허브 디바이스(1000)는 제1 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 허브 디바이스(1000)는, 추론된 단어의 의미를 제1 자연어 이해 모델에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 인텐트를 결정할 수 있다. The first natural language understanding model is a model trained to analyze text converted from a speech input and determine a device for performing an operation based on the analysis result. The first natural language understanding model may determine an intent by interpreting the text, and may be used to determine an operation performing device based on the intent. The
허브 디바이스(1000)는 인텐트와 디바이스 간의 관련성을 판단하는 매칭 모델에 기초하여, 텍스트로부터 인식된 인텐트와 관련된 디바이스를 동작 수행 디바이스로 결정할 수 있다. 일 실시예에서, 매칭 모델은 룰 베이스 시스템(rule-based system)을 통한 학습을 통해 획득될 수 있지만, 이에 한정되지는 않는다. The
일 실시예에서, 허브 디바이스(1000)는 인텐트에 매칭 모델을 적용함으로써, 인텐트와 복수의 디바이스 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 디바이스를 최종 동작 수행 디바이스로 결정할 수 있다. 예를 들어, 인텐트가 제1 디바이스 및 제2 디바이스와 각각 관련되는 경우, 허브 디바이스(1000)는 인텐트와 제1 디바이스 간의 관련성 정도를 나타내는 제1 수치값, 및 인텐트와 제2 디바이스 간의 관련성 정도를 나타내는 제2 수치값을 획득하고, 제1 수치값 및 제2 수치값 중 높은 수치값을 갖는 제1 디바이스를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
허브 디바이스(1000)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 인텐트와 동작 수행 디바이스 간의 매칭 모델을 학습할 수 있으나, 이에 한정되는 것은 아니다. 허브 디바이스(1000)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neural network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다. The
허브 디바이스(1000)의 메모리(1300, 도 2 참조)에 저장되는 디바이스 판단 모델(1330, 도 2 참조)은, 허브 디바이스(1000)의 사용자 계정에 따라 등록된 복수의 디바이스 중에서 동작 수행 디바이스를 결정할 수 있다. 일 실시예에서, 디바이스 판단 모델은 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 로그인함으로써 기 등록된 복수의 디바이스 각각과 인텐트의 관련도를 나타내는 수치값을 분석하고, 복수의 디바이스 각각과 인텐트 간의 관련도를 나타내는 수치값 중 최대값을 갖는 디바이스를 동작 수행 디바이스로 결정할 수 있다. The device determination model 1330 (see FIG. 2) stored in the
일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버(2000, 도 1 참조)로부터 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 디바이스 정보를 수신할 수 있다. 디바이스 정보는 예를 들어, 복수의 디바이스 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스 각각의 디바이스 타입, 복수의 디바이스 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 허브 디바이스(1000)는 수신된 디바이스 정보에 기초하여 복수의 디바이스 중 인텐트에 따라 동작을 수행할 디바이스를 결정할 수 있다. In an embodiment, the
단계 S640에서, 허브 디바이스(1000)는 복수의 디바이스 중 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify) 한다. In step S640, the
동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리 내에 저장되어 있거나, 동작 수행 디바이스 자체의 메모리 내에 저장되어 있거나, 또는 음성 비서 서버(2000, 도 1 참조)의 메모리 내에 저장되어 있을 수 있다. '동작 수행 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. The function determination model corresponding to the operation performing device may be stored in the memory of the
일 실시예에서, 허브 디바이스(1000)는 데이터베이스(1360, 도 2 참조) 내에 저장된 복수의 디바이스 각각의 기능 판단 모델의 저장 여부에 관한 정보, 복수의 디바이스 각각의 대응하는 기능 판단 모델이 저장된 위치에 관한 정보를 이용하여, 허브 디바이스의 메모리, 음성 비서 서버, 또는 동작 수행 디바이스 자체의 메모리 중 기능 판단 모델이 저장된 디바이스를 확인할 수 있다. 허브 디바이스(1000)는 복수의 디바이스 중, 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 기능 판단 모델에 관한 정보를 획득하고, 획득한 기능 판단 모델에 관한 정보를 데이터베이스(1360)에 저장할 수 있다. 허브 디바이스(1000)는 복수의 디바이스의 기능 판단 모델에 관한 정보를 수신할 때, 복수의 디바이스 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 수신할 수 있다. 데이터베이스(1360)에는 사용자의 계정에 따라 기 등록된 복수의 디바이스 각각의 기능 판단 모델의 저장 여부에 관한 정보, 복수의 디바이스 각각에 관한 기능 판단 모델이 저장된 위치에 관한 정보가 룩 업 테이블 형태로 저장될 수 있다. In one embodiment, the
일 실시예에서, 허브 디바이스(1000)은 단계 S630에서 결정된 동작 수행 디바이스의 디바이스 식별 정보를 획득하고, 디바이스 식별 정보에 따라 데이터베이스(1360) 내의 룩 업 테이블를 서치하고, 룩 업 테이블의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델의 저장 위치에 관한 정보를 획득할 수 있다. 전술한 방법으로 허브 디바이스(1000)는, 허브 디바이스(1000) 내부, 음성 비서 서버, 및 동작 수행 디바이스 자체의 메모리 중 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장되어 있는 디바이스를 확인할 수 있다.In one embodiment, the
단계 S650에서, 허브 디바이스(1000)는 확인된 디바이스에 텍스트의 적어도 일부를 제공한다. 예를 들어, 단계 S640에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000) 내에 저장되어 있음을 확인한 경우, 허브 디바이스(1000)는 텍스트의 적어도 일부를 허브 디바이스(1000) 내에 저장된 동작 수행 디바이스에 대응되는 기능 판단 모델에 텍스트의 적어도 일부를 제공할 수 있다. In step S650, the
예를 들어, 단계 S640에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 음성 비서 서버(2000)에 저장되어 있음을 확인한 경우, 허브 디바이스(1000)는 텍스트의 적어도 일부를 음성 비서 서버(2000)에 전송할 수 있다. For example, in step S640, when it is confirmed that the function determination model corresponding to the operation performing device is stored in the
예를 들어, 단계 S640에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스 자체의 메모리 내에 저장되어 있음을 확인한 경우, 허브 디바이스(1000)는 텍스트의 적어도 일부를 동작 수행 디바이스에 전송할 수 있다.For example, in operation S640, when it is confirmed that the function determination model corresponding to the operation performing device is stored in the memory of the operation performing device itself, the
일 실시예에서, 허브 디바이스(1000)는 확인된 디바이스에 텍스트의 전체를 제공하지 않고, 텍스트의 일부만을 제공할 수 있다. 예를 들어, 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 'TV에서'는 동작 수행 디바이스의 명칭을 특정한 것인바, TV 기능 판단 모델(1354)에는 불필요한 정보일 수 있다. 허브 디바이스(1000)는 제1 자연어 이해 모델(1332, 도 2 참조)을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 확인된 디바이스에 제공할 수 있다. In an embodiment, the
도 7은 본 개시의 허브 디바이스(1000)가 사용자의 음성 입력에 따른 텍스트의 적어도 일부를 허브 디바이스(1000), 음성 비서 서버(2000), 또는 동작 수행 디바이스(4000a) 중 어느 하나에 제공하는 방법을 도시한 흐름도이다. 도 7에 도시된 실시예는 도 6의 S640 및 S650을 구체화한 실시예이다. 도 7의 단계 S710 내지 단계 S730은 도 6의 단계 S640을 구체화한 실시예이고, 단계 S740 내지 단계 S760은 도 6의 단계 S650을 구체화한 실시예이다.7 is a method in which the
단계 S710은 도 6의 단계 S630가 수행된 이후에 수행된다. 단계 S710에서, 허브 디바이스(1000)는 복수의 디바이스 중 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 기능 판단 모델에 관한 정보를 획득한다. 일 실시예에서, 허브 디바이스(1000)는 통신 인터페이스(1400, 도 2 참조)를 이용하여, 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 기능 판단 모델에 관한 정보를 수신할 수 있다. '기능 판단 모델에 관한 정보'는 복수의 디바이스 각각이 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 기능 판단 모델을 자체적으로 저장하고 있는지 여부에 관한 정보를 의미한다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스로부터 기능 판단 모델에 관한 정보를 수신할 때, 복수의 디바이스 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 획득할 수 있다. Step S710 is performed after step S630 of FIG. 6 is performed. In step S710, the
허브 디바이스(1000)는 수신된 기능 판단 모델에 관한 정보 및 디바이스 별 기능 판단 모델이 저장된 위치에 관한 정보를 데이터베이스(1360, 도 2 참조)에 저장할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 디바이스의 명칭 또는 식별 정보에 따라 기능 판단 모델을 저장하고 있는지 여부에 관한 정보 및 기능 판단 모델이 저장된 위치에 관한 정보를 데이터베이스(1360)에 룩 업 테이블 형태로 저장할 수 있다. The
단계 S720에서, 허브 디바이스(1000)는 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스의 메모리에 저장되어 있는지 확인한다. '동작 수행 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델일 수 있다. In step S720, the
동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300, 도 2 참조) 내에 저장되어 있거나, 동작 수행 디바이스 자체의 메모리 내에 저장되어 있거나, 또는 음성 비서 서버 내에 저장되어 있을 수 있다.The function determination model corresponding to the operation performing device may be stored in the
일 실시예에서, 허브 디바이스(1000)는 데이터베이스(1360)에 저장된 룩 업 테이블을 서치함으로써, 각 디바이스의 기능 판단 모델에 관한 정보를 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 획득한 기능 판단 모델에 관한 정보에 기초하여, 동작 수행 디바이스에 대응되는 기능 판단 모델이 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있는지 여부를 확인할 수 있다. 다른 실시예에서, 허브 디바이스(1000)는 메모리(1300)에 액세스하여 메모리(1300)에 저장된 데이터를 스캔함으로써, 메모리(1300) 내에 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장되어 있는지 판단할 수 있다. In an embodiment, the
허브 디바이스(1000)의 메모리(1300) 내에는 복수의 디바이스 각각에 관한 복수의 기능 판단 모델이 저장되어 있을 수 있다. 일 실시예에서, 허브 디바이스(1000)의 메모리(1300)에는 사용자 계정(account)과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 복수의 디바이스에 각각 대응하는 복수의 기능 판단 모델이 저장되어 있을 수 있다.A plurality of function determination models for each of a plurality of devices may be stored in the
단계 S720에서 허브 디바이스(1000)가 메모리(1300) 내에 동작 수행 디바이스에 대응하는 기능 판단 모델이 없음을 확인하는 경우(단계 S730), 허브 디바이스(1000)는 기능 판단 모델에 관한 정보에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 메모리에 저장되어 있는지 여부를 확인한다. 일 실시예에서, 허브 디바이스(1000)는 데이터베이스(1360)에 저장되어 있는 룩 업 테이블을 서치함으로써, 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 자체 메모리 내에 저장되어 있는지 여부를 확인할 수 있다. 예를 들어, 텍스트에 기초하여 결정된 동작 수행 디바이스가 제1 디바이스인 경우, 허브 디바이스(1000)는 룩 업 테이블을 서치함으로써, 제1 디바이스가 자체적으로 기능 판단 모델을 저장하고 있는지에 관한 정보를 확인할 수 있다. In step S720, when the
일 실시예에서, 동작 수행 디바이스로 결정된 제1 디바이스의 메모리 내에는 기능 판단 모델이 저장되어 있지 않을 수 있다. 단계 S730에서, 허브 디바이스(1000)가 기능 판단 모델에 관한 정보에 기초하여, 동작 수행 디바이스에 기능 판단 모델이 저장되어 있지 않다고 판단한 경우(단계 S740), 허브 디바이스(1000)는 음성 비서 서버에 텍스트의 적어도 일부를 전송한다. 일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버에 저장된 동작 수행 디바이스에 대응하는 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. 이 경우, 허브 디바이스(1000)는 동작 수행 디바이스의 디바이스 식별 정보를 텍스트의 적어도 일부와 함께 전송할 수 있다. In an embodiment, the function determination model may not be stored in the memory of the first device determined as the device for performing the operation. In step S730, if the
단계 S720에서, 허브 디바이스(1000)가 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스의 메모리에 저장되어 있음을 확인한 경우(단계 S750), 허브 디바이스(1000)는 기 저장된 기능 판단 모델에 텍스트의 적어도 일부를 제공한다. 일 실시예에서, 허브 디바이스(1000)는 메모리(1300, 도 2 참조)에 기 저장된 복수의 기능 판단 모델 중 동작 수행 디바이스에 대응하는 기능 판단 모델을 선택하고, 선택된 기능 판단 모델에 텍스트의 적어도 일부를 제공할 수 있다. 예를 들어, 동작 수행 디바이스가 제2 디바이스인 경우, 허브 디바이스(1000)의 프로세서(1200)는 메모리(1300)에 기 저장된 제1 기능 판단 모델 및 제2 기능 판단 모델 중 제2 디바이스에 대응하는 제2 기능 판단 모델을 선택하고, 제2 기능 판단 모델에 텍스트의 적어도 일부를 제공할 수 있다. In step S720, when the
단계 S730에서, 허브 디바이스(1000)가 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스 자체의 메모리 내에 저장되어 있음을 확인한 경우(단계 S760), 허브 디바이스(1000)는 동작 수행 디바이스 내에 저장된 기능 판단 모델에 텍스트의 적어도 일부를 전송한다. In step S730, when the
단계 S740, 단계 S750, 및 단계 S760에서, 허브 디바이스(1000)는 텍스트의 전체를 전송하지 않고, 텍스트의 적어도 일부만을 전송할 수 있다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는 제1 자연어 이해 모델을 이용하여 텍스트를 단어 또는 구 단위로 파싱(parse) 하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 동작 수행 디바이스의 기능 판단 모델에 전송할 수 있다.In steps S740, S750, and S760, the
도 8은 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 동작 수행 디바이스(4000a)의 동작 방법을 도시한 흐름도이다.8 is a flowchart illustrating a method of operating the
도 8은 도 7에 도시된 ⓐ단계 이후에 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 동작 수행 디바이스(4000a)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 나타내는 흐름도이다. 도 7에 도시된 ⓐ단계는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 허브 디바이스의 메모리 및 동작 수행 디바이스(4000a) 자체의 메모리에도 저장되어 있지 않음이 확인된 상태를 나타낸다. 8 is an operation of each subject in a multi-device system environment including a
도 8을 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 및 기능 판단 디바이스 결정 모듈(1340)을 포함할 수 있다. 도 8에 도시된 실시예에서, 허브 디바이스(1000)는 기능 판단 모델을 저장하지 않거나, 또는 동작 디바이스에 대응하는 기능 판단 모델을 저장하지 않을 수 있다. Referring to FIG. 8, the
음성 비서 서버(2000)는 복수의 기능 판단 모델(2342, 2344, 2346)을 저장할 수 있다. 예를 들어, 음성 비서 서버(2000)에 저장된 제1 기능 판단 모델(2342)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 예를 들어, 제2 기능 판단 모델(2344)은 TV의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델이며, 제3 기능 판단 모델(2346)은 세탁기의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. The
도 8에 도시된 실시예에서, 동작 수행 디바이스(4000a)는 'TV'로 결정되고, TV에 대응하는 제2 기능 판단 모델(2344)은 음성 비서 서버(2000)에 저장되어 있을 수 있다. In the embodiment illustrated in FIG. 8, the
단계 S810에서, 허브 디바이스(1000)는 텍스트의 적어도 일부 및 동작 수행 디바이스(4000a)의 식별 정보를 음성 비서 서버(2000)에 전송한다. 허브 디바이스(1000)는 음성 입력으로부터 변환된 텍스트의 전체를 음성 비서 서버(2000)에 전송하지 않고, 텍스트의 적어도 일부를 전송할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 예를 들어, 동작 수행 디바이스(4000a)가 'TV'로 결정된 경우, "TV에서 영화 어벤져스 틀어줘~"라는 텍스트에서 'TV에서'는 동작 수행 디바이스(4000a)의 명칭 또는 보통 명칭을 특정한 것인바, 불필요한 정보일 수 있다. 또한, 허브 디바이스(1000)에서는 음성 비서 서버(2000)에 동작 수행 디바이스(4000a)의 식별 정보(예를 들어, 디바이스 id)를 전송하는바, 'TV에서'는 불필요한 정보이다. 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 제1 자연어 이해 모델(1332)을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 음성 비서 서버(2000)에 전송할 수 있다. In step S810, the
단계 S810에서, 허브 디바이스(1000)는 텍스트의 적어도 일부 및 동작 수행 디바이스(4000a)의 식별 정보를 수신하면서, 허브 디바이스(1000) 및 동작 수행 디바이스(4000a)의 사용자 계정 정보를 음성 비서 서버(2000)에 전송할 수 있다. In step S810, the
단계 S820에서, 음성 비서 서버(2000)는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델을 선택한다. 일 실시예에서, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 수신한 동작 수행 디바이스(4000a)의 식별 정보에 기초하여 동작 수행 디바이스(4000a)를 확인하고, 복수의 기능 판단 모델(2342, 2344, 2346) 중 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델을 선택할 수 있다. '동작 수행 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스(4000a)가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. 도 8에 도시된 실시예에서, 동작 수행 디바이스(4000a)가 TV인 경우, 음성 비서 서버(2000)는 메모리에 저장된 복수의 기능 판단 모델(2342, 2344, 2346) 중 TV가 기능, 예를 들어 영화를 플레이하는 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위한 제2 기능 판단 모델(2344)을 선택할 수 있다. In step S820, the
단계 S830에서, 음성 비서 서버(2000)는 선택된 기능 판단 모델의 자연어 이해 모델을 이용하여 텍스트를 해석하고, 분석 결과에 기초하여 인텐트(intent)를 결정한다. 음성 비서 서버(2000)는 제2 기능 판단 모델(2344)의 자연어 이해 모델(2344a)를 이용하여, 허브 디바이스(1000)로부터 수신한 텍스트의 적어도 일부를 분석할 수 있다. 자연어 이해 모델(2344a)은 특정 디바이스와 관련된 텍스트를 해석하기 위하여 학습된 인공지능 모델로서, 사용자가 의도하는 동작과 관련된 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 자연어 이해 모델(2344a)은 텍스트가 입력되면 특정 디바이스의 타입과 관련된 기능을 결정하도록 학습된 모델일 수 있다. In step S830, the
일 실시예에서, 음성 비서 서버(2000)는 자연어 이해 모델(2344a)을 이용하여 텍스트의 적어도 일부를 단어 또는 구 단위로 파싱(parse)하고, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론하고, 추론된 의미를 기 정의된 인텐트 및 파라미터에 매칭시켜 텍스트로부터 인텐트 및 파라미터를 획득할 수 있다. 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 동작 수행 디바이스(4000a)가 수행할 동작을 결정하는 데 사용될 수 있다. 파라미터(parameter)는 인텐트와 관련된 동작 수행 디바이스(4000a)의 세부 동작들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터는 인텐트에 대응하는 정보이며, 하나의 인텐트에 복수 종류의 파라미터가 대응될 수 있다. 예를 들어, 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 인텐트는 '동영상 컨텐트 플레이'이고, 파라미터는 '영화' 또는 '영화 어벤져스'일 수 있다.In one embodiment, the
일 실시예에서, 음성 비서 서버(2000)는 텍스트의 적어도 일부로부터 인텐트만을 결정할 수도 있다.In one embodiment, the
단계 S840에서, 음성 비서 서버(2000)는 인텐트에 기초하여 동작 수행 디바이스(4000a)가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 음성 비서 서버(2000)는 제2 기능 판단 모델(2344)의 액션 플랜 관리 모듈(2344b)를 이용하여, 인텐트 및 파라미터에 기초하여 동작 수행 디바이스(4000a)가 수행할 동작 정보를 플래닝(planning)한다. 액션 플랜 관리 모듈(2344b)은 인텐트 및 파라미터에 기초하여 동작 수행 디바이스(4000a)가 수행할 동작들을 해석할 수 있다. 액션 플랜 관리 모듈(2344b)은 기 저장된 디바이스 별 동작들 중 해석된 동작들과 관련된 세부 동작들을 선택하고, 선택된 세부 동작들의 실행 순서를 플래닝할 수 있다. 액션 플랜 관리 모듈(2344b)은 플래닝 결과를 이용하여 동작 수행 디바이스(4000a)가 수행할 세부 동작에 관한 동작 정보를 획득할 수 있다. 여기서 동작 정보는, 디바이스가 수행할 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서와 관련된 정보일 수 있다. 동작 정보는 예를 들어, 세부 동작들의 수행을 위하여 동작 수행 디바이스(4000a)가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다. In step S840, the
단계 S850에서, 음성 비서 서버(2000)는 획득된 동작 정보 및 동작 수행 디바이스(4000a)의 식별 정보를 IoT 서버(3000)에 전송한다. In step S850, the
단계 S860에서, IoT 서버(3000)는 동작 수행 디바이스(4000a)의 식별 정보 및 수신된 동작 정보에 기초하여 제어 명령(control command)을 획득한다. IoT 서버(3000)에는 복수의 디바이스에 대한 제어 명령 및 동작 정보가 저장된 데이터베이스를 포함할 수 있다. 일 실시예에서, IoT 서버(3000)는 데이터베이스(DB)에 기 저장된 복수의 디바이스에 관한 제어 명령들 중에서, 동작 수행 디바이스(4000a)의 식별 정보에 기초하여 동작 수행 디바이스(4000a)의 세부 동작들을 제어하기 위한 제어 명령을 선택할 수 있다. In step S860, the
제어 명령은 디바이스가 판독하고 실행할 수 있는 정보로서, 디바이스가 기능을 실행하여 동작 정보에 따른 세부 동작들을 실행 순서에 따라 순차적으로 실행하기 위한 명령어를 포함할 수 있다. The control command is information that the device can read and execute, and may include a command for the device to execute a function and sequentially execute detailed operations according to the operation information according to the execution order.
단계 S870에서, IoT 서버(3000)는 동작 수행 디바이스(4000a)의 식별 정보를 이용하여 동작 수행 디바이스(4000a)에 제어 명령을 전송한다. In step S870, the
단계 S880에서, 동작 수행 디바이스(4000a)는 수신된 제어 명령에 따라, 제어 명령에 대응하는 동작들을 실행한다. 예를 들어, 동작 수행 디바이스(4000a)는 제어 명령에 기초하여 영화를 플레이할 수 있다. In step S880, the
일 실시예에서, 동작 수행 디바이스(4000a)는 동작을 실행한 이후, 동작 실행 결과에 관한 정보를 IoT 서버(3000)에 전송할 수 있다.In an embodiment, after the
도 9는 본 개시의 허브 디바이스(1000) 및 동작 수행 디바이스(4000a)의 동작 방법을 도시한 흐름도이다.9 is a flowchart illustrating a method of operating the
도 9는 도 7에 도시된 ⓑ단계 이후에 허브 디바이스(1000) 및 동작 수행 디바이스(4000a)를 포함하는 멀티 디바이스 시스템에서 각 주체의 동작들을 나타내는 흐름도이다. 도 7에 도시된 ⓑ단계는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 허브 디바이스(1000)의 메모리 내에는 저장되어 있지 않고, 동작 수행 디바이스(4000a) 자체의 메모리에 저장되어 있음이 확인된 상태를 나타낸다. 도 9에는 음성 비서 서버(2000) 및 IoT 서버(3000)가 도시되지 않았지만, 멀티 디바이스 시스템이 음성 비서 서버(2000) 및 IoT 서버(3000)를 포함하지 않는다는 것을 의미하지는 않는다. 9 is a flowchart illustrating operations of each subject in a multi-device system including the
도 9를 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 및 기능 판단 디바이스 결정 모듈(1340)을 포함할 수 있다. 도 8에 도시된 실시예에서, 허브 디바이스(1000)는 기능 판단 모델을 저장하지 않거나, 또는 동작 디바이스에 대응하는 기능 판단 모델을 저장하지 않을 수 있다. Referring to FIG. 9, the
동작 수행 디바이스(4000a)는, 동작 수행 디바이스(4000a) 자체의 기능 판단 모델(4032)을 저장할 수 있다. 동작 수행 디바이스(4000a)의 메모리 내에는, 동작 수행 디바이스(4000a)가 자체적으로 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 사용자의 의도에 따른 동작을 수행하기 위하여 이용되는 기능 판단 모델(4032)이 저장되어 있을 수 있다. 예를 들어, 동작 수행 디바이스(4000a)가 '에어컨'인 경우, 동작 수행 디바이스(4000a)의 메모리 내에 저장된 기능 판단 모델(4032)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다.The
단계 S910에서, 허브 디바이스(1000)는 동작 수행 디바이스의 기능 판단 모델로 텍스트의 적어도 일부 및 텍스트 전송 알림 신호를 전송한다. 허브 디바이스(1000)는 음성 입력으로부터 변환된 텍스트의 전체를 동작 수행 디바이스(4000a)에 전송하지 않고, 텍스트의 적어도 일부를 전송할 수 있다. 예를 들어, "에어컨에서 온도를 2°C 만큼 내려줘~"라는 텍스트에서 '에어컨에서'는 동작 수행 디바이스(4000a)의 명칭 또는 보통 명칭을 특정한 것인바, 불필요한 정보일 수 있다. 또한, 동작 수행 디바이스(4000a) 자체가 에어컨이기 때문에 '에어컨에서'는 불필요한 정보이다. 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 제1 자연어 이해 모델(1332)을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 동작 수행 디바이스(4000a)에 전송할 수 있다.In step S910, the
일 실시예에서, 허브 디바이스(1000)는 텍스트 전송 알림 신호를 동작 수행 디바이스(4000a)에 전송할 수 있다. 텍스트 전송 알림 신호는, 동작 수행 디바이스(4000a)에게 텍스트가 전송됨을 알리는 신호이다. 동작 수행 디바이스(4000a)는 텍스트 전송 알림 신호를 수신하면, ASR 단계, 동작 수행 디바이스를 결정하는 단계, 및 기능 판단 모델을 선택하는 단계 등을 생략하고, 바로 기능 판단 모델(4032)로 텍스트의 적어도 일부를 제공하고, 기능 판단 모델(4032)을 이용하여 텍스트로부터 인텐트를 결정할 수 있다. In an embodiment, the
그러나 이에 한정되는 것은 아니고, 단계 S910에서, 허브 디바이스(1000)는 텍스트 전송 알림 신호를 동작 수행 디바이스(4000a)에 전송하지 않을 수도 있다. 이 경우, 동작 수행 디바이스(4000a)는 허브 디바이스(1000)로부터 텍스트의 적어도 일부가 수신되면, 수신된 텍스트의 적어도 일부를 기능 판단 모델(4032)에 제공하도록 미리 설정되어 있을 수 있다. 일 실시예에서, 동작 수행 디바이스(4000a)의 메모리 내에는 텍스트의 수신됨을 인식하고, 텍스트를 기능 판단 모델(4032)에 제공하도록 설정된 정책(policy)에 관한 데이터가 저장되어 있을 수 있다.However, the present invention is not limited thereto, and in step S910, the
단계 S920에서, 동작 수행 디바이스(4000a)는 자연어 이해 모델(4034)를 이용하여 텍스트를 해석함으로써, 인텐트(intent)를 결정한다. 일 실시예에서, 동작 수행 디바이스(4000a)는 기능 판단 모델(4032)의 자연어 이해 모델(4034)을 이용하여, 허브 디바이스(1000)로부터 수신한 텍스트의 적어도 일부를 분석할 수 있다. 자연어 이해 모델(4034)은 동작 수행 디바이스(4000a)와 관련된 텍스트를 해석하기 위하여 학습된 인공지능 모델로서, 사용자가 의도하는 동작과 관련된 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 자연어 이해 모델(4034)은 텍스트가 입력되면 특정 디바이스의 타입과 관련된 기능을 결정하도록 학습된 모델일 수 있다. In step S920, the
일 실시예에서, 동작 수행 디바이스(4000a)는 자연어 이해 모델(4034)을 이용하여 텍스트의 적어도 일부를 단어 또는 구 단위로 파싱(parse)하고, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론하고, 추론된 의미를 기 정의된 인텐트 및 파라미터에 매칭시켜 텍스트로부터 인텐트 및 파라미터를 획득할 수 있다. 인텐트는 텍스트에 포함된 사용자의 발화 의도를 나타내는 정보로서, 특정 동작 수행 디바이스(4000a)가 수행할 동작을 결정하는 데 사용될 수 있다. 파라미터(parameter)는 인텐트와 관련된 동작 수행 디바이스(4000a)의 세부 동작들을 결정하기 위한 변수(variable) 정보를 의미한다. 파라미터는 인텐트에 대응하는 정보이며, 하나의 인텐트에 복수 종류의 파라미터가 대응될 수 있다. 예를 들어, 텍스트가 "에어컨에서 온도를 2°C 만큼 내려줘"인 경우, 인텐트는 '설정 온도 제어' 또는 '설정 온도 다운'이고, 파라미터는 '2°C'일 수 있다.In one embodiment, the
일 실시예에서, 동작 수행 디바이스(4000a)는 텍스트의 적어도 일부로부터 인텐트만을 결정할 수도 있다.In an embodiment, the
단계 S930에서, 동작 수행 디바이스(4000a)는 인텐트에 기초하여, 동작 수행 디바이스(4000a)가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 동작 수행 디바이스(4000a)는 기능 판단 모델(4032)의 액션 플랜 관리 모듈(4036)를 이용하여, 인텐트 및 파라미터에 기초하여 동작 수행 디바이스(4000a)가 수행할 동작 정보를 플래닝(planning)한다. 액션 플랜 관리 모듈(4036)은 인텐트 및 파라미터에 기초하여 동작 수행 디바이스(4000a)가 수행할 동작들을 해석할 수 있다. 액션 플랜 관리 모듈(4036)은 기 저장된 디바이스 별 동작들 중 해석된 동작들과 관련된 세부 동작들을 선택하고, 선택된 세부 동작들의 실행 순서를 플래닝할 수 있다. 액션 플랜 관리 모듈(4036)은 플래닝 결과를 이용하여 동작 수행 디바이스(4000a)가 수행할 세부 동작에 관한 동작 정보를 획득할 수 있다. 여기서 동작 정보는, 디바이스가 수행할 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서와 관련된 정보일 수 있다. 동작 정보는 예를 들어, 세부 동작들의 수행을 위하여 동작 수행 디바이스(4000a)가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다. In step S930, the
단계 S940에서, 동작 수행 디바이스(4000a)는 동작 정보에 기초하여 제어 명령(control command)을 획득한다. 일 실시예에서, 동작 수행 디바이스(4000a)의 메모리 내에는, 서로 다른 복수의 동작 정보 각각에 대응하는 복수의 제어 명령이 저장되어 있을 수 있다. 일 실시예에서, 동작 수행 디바이스(4000a)는 메모리 내에 기 저장된 복수의 제어 명령들 중에서, 동작 정보에 따른 세부 동작들을 제어하기 위한 제어 명령을 선택할 수 있다. 제어 명령은 동작 수행 디바이스(4000a)가 판독하고 실행할 수 있는 정보로서, 동작 수행 디바이스(4000a)가 기능을 실행하여 동작 정보에 따른 세부 동작들을 실행 순서에 따라 순차적으로 실행하기 위한 명령어를 포함할 수 있다. In step S940, the
단계 S950에서, 동작 수행 디바이스(4000a)는 제어 명령에 따라, 제어 명령에 대응하는 동작들을 실행한다. 예를 들어, 동작 수행 디바이스(4000a)는 제어 명령에 기초하여 설정 온도를 2°C 만큼 다운시킬 수 있다. In step S950, the
도 10은 본 개시의 허브 디바이스(1000) 및 동작 수행 디바이스(4000a)의 동작 방법을 도시한 흐름도이다.10 is a flowchart illustrating a method of operating the
도 10은 도 7에 도시된 ⓒ단계 이후에 허브 디바이스(1000) 및 동작 수행 디바이스(4000a)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 나타내는 흐름도이다. 도 7에 도시된 ⓒ단계는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 허브 디바이스의 메모리 내에 저장되어 있음이 확인된 상태를 나타낸다. 도 10에는 음성 비서 서버(2000) 및 IoT 서버(3000)가 도시되지 않았지만, 멀티 디바이스 시스템이 음성 비서 서버(2000) 및 IoT 서버(3000)를 포함하지 않는다는 것을 의미하지는 않는다. 10 is a flowchart illustrating operations of each subject in a multi-device system environment including the
도 10을 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 기능 판단 디바이스 결정 모듈(1340), 제1 기능 판단 모델(1352) 및 제2 기능 판단 모델(1354)을 포함할 수 있다. 도 10에 도시된 실시예에서, 허브 디바이스(1000)는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델을 저장하고 있다. 예를 들어, 동작 수행 디바이스(4000a)가 TV인 경우, 허브 디바이스(1000)는 TV에 대응하는 제2 기능 판단 모델(1354)을 메모리 내에 저장하고 있을 수 있다. 제2 기능 판단 모델(1354)은 TV의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. Referring to FIG. 10, the
단계 S1010에서 허브 디바이스(1000)는, 허브 디바이스(1000) 내에 기 저장된 기능 판단 모델(1352, 1354) 중 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델을 선택한다. 일 실시예에서, 동작 수행 디바이스(4000a)가 TV로 결정된 경우, 허브 디바이스(1000)는 복수의 기능 판단 모델(1352, 1354) 중 TV에 대응하는 제2 기능 판단 모델(1354)을 선택할 수 있다. In step S1010, the
단계 S1020에서, 허브 디바이스(1000)는 선택된 기능 판단 모델에 텍스트의 적어도 일부를 제공한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 메모리 내에 저장된 제2 기능 판단 모델(1354)에 텍스트의 적어도 일부를 제공할 수 있다. 이 경우, 프로세서(1200)는 텍스트의 전체를 제2 기능 판단 모델(1354)에 제공하지 않고, 텍스트의 적어도 일부를 제공할 수 있다. 예를 들어, 동작 수행 디바이스(4000a)가 'TV'로 결정된 경우, "TV에서 영화 어벤져스 틀어줘~"라는 텍스트에서 'TV에서'는 동작 수행 디바이스(4000a)의 명칭 또는 보통 명칭을 특정한 것인바, 불필요한 정보일 수 있다. 또한, 제2 기능 판단 모델(1354)은 TV에 대응하는 기능 판단 모델이므로, 제2 기능 판단 모델(1354)에 있어서 'TV에서'는 불필요한 정보이다. 프로세서(1200)는 제1 자연어 이해 모델(1332)을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 제2 기능 판단 모델(1354)에 제공할 수 있다. In step S1020, the
단계 S1030에서, 허브 디바이스(1000)는 선택된 기능 판단 모델의 제2 자연어 이해 모델을 이용하여 텍스트의 적어도 일부를 해석함으로써, 인텐트(intent)를 결정한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 제2 기능 판단 모델(1354)의 제2 자연어 이해 모델(1354a)을 이용하여, 텍스트의 적어도 일부를 분석할 수 있다. 제2 자연어 이해 모델(1354a)은 특정 디바이스에 특화된 모델로서, 제1 자연어 이해 모델(1332)에 의해 결정된 동작 수행 디바이스(4000a)에 해당되는 디바이스와 관련되며 텍스트의 적어도 일부에 대응하는 인텐트를 획득하도록 학습된 인공지능 모델일 수 있다. 또한, 제2 자연어 이해 모델(1354a)은 텍스트를 해석함으로써 사용자의 의도와 관련된 디바이스의 동작을 결정할 수 있도록 학습된 모델일 수 있다. In step S1030, the
일 실시예에서, 프로세서(1200)는 제2 자연어 이해 모델(1354a)을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 파악하고, 파악된 의미를 기 정의된 단어에 매칭시켜 인텐트 및 파라미터를 결정할 수 있다. 여기서,‘파라미터’는 인텐트와 관련된 타겟 디바이스의 세부 동작 들을 결정하기 위한 변수(variable) 정보를 의미한다. 인텐트 및 파라미터와 관련된 설명은 도 7에서의 설명과 동일하므로, 중복되는 설명은 생략하기로 한다.In one embodiment, the
일 실시예에서, 프로세서(1200)는 제2 자연어 이해 모델(1354a)을 이용하여, 텍스트의 적어도 일부로부터 인텐트만을 결정할 수도 있다. In an embodiment, the
단계 S1040에서, 허브 디바이스(1000)는 인텐트에 기초하여, 동작 수행 디바이스(4000a)가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 제2 기능 판단 모델(1354)의 액션 플랜 관리 모듈(1354b)을 이용하여, 인텐트 및 파라미터에 관련된 적어도 하나의 세부 동작에 관한 동작 정보를 획득할 수 있다. 액션 플랜 관리 모듈(1354b)은, 동작 수행 디바이스(4000a)의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 허브 디바이스(1000)의 프로세서(1200)는 액션 플랜 관리 모듈(1354b)을 이용함으로써, 인텐트 및 파라미터에 기초하여 동작 수행 디바이스(4000a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)하고, 이를 통해 동작 정보를 획득할 수 있다. In step S1040, the
동작 정보는, 동작 수행 디바이스(4000a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 동작 수행 디바이스(4000a)가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작과의 연관 관계 및 실행 순서에 관련된 정보를 포함할 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 동작 수행 디바이스(4000a)가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.The operation information may be information related to detailed operations to be performed by the
단계 S1050에서, 허브 디바이스(1000)는 동작 정보에 기초하여 제어 명령을 생성한다. 제어 명령은, 동작 수행 디바이스(4000a)가 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 동작 수행 디바이스(4000a)가 판독하고, 실행할 수 있는 명령어를 의미한다.In step S1050, the
도 10에 도시된 실시예는 도 9와는 달리, 인텐트를 결정하고(단계 1030), 동작 정보를 획득하고(단계 S1040), 제어 명령을 생성하는(단계 S1050) 단계들이 허브 디바이스(1000)에 의해 수행된다. 도 9 및 도 10을 함께 참조하면, 인텐트를 결정하고, 동작 정보를 획득하고, 제어 명령을 생성하는 단계들은, 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 허브 디바이스(1000) 또는 동작 수행 디바이스(4000a) 중 어느 디바이스에 저장되어 있는지에 따라 수행되는 주체가 달라진다.In the embodiment shown in FIG. 10, unlike FIG. 9, steps of determining an intent (step 1030), obtaining operation information (step S1040), and generating a control command (step S1050) are performed in the
단계 S1060에서, 허브 디바이스(1000)는 동작 수행 디바이스(4000a)의 식별 정보를 이용하여, 동작 수행 디바이스(4000a)에 제어 명령을 전송한다. 일 실시예에서, 허브 디바이스(1000)는 네트워크를 통해 연결되고, 동일한 사용자 계정으로 기 등록된 복수의 디바이스 중 동작 수행 디바이스(4000a)의 식별 정보를 이용하여 동작 수행 디바이스(4000a)를 식별하고, 식별된 동작 수행 디바이스(4000a)에 제어 명령을 전송할 수 있다.In step S1060, the
단계 S1070에서, 동작 수행 디바이스(4000a)는 수신된 제어 명령에 따라, 동작을 실행한다. In step S1070, the
도 11은 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 써드파티 IoT 서버(5000), 및 써드파티 디바이스(5100) 각각의 동작 방법을 도시한 흐름도이다. 11 is a flowchart illustrating an operation method of each of the
도 11은 도 7에 도시된 ⓐ단계 이후에 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 써드파티 IoT 서버(5000), 및 써드파티 디바이스(5100)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 나타내는 흐름도이다. 도 7에 도시된 ⓐ단계는 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 허브 디바이스의 메모리 및 동작 수행 디바이스(4000a) 자체의 메모리에도 저장되어 있지 않음이 확인된 상태를 나타낸다. 11 is a multi-function device including a
도 11을 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 및 기능 판단 디바이스 결정 모듈(1340)을 포함할 수 있다. 도 11에 도시된 실시예에서, 허브 디바이스(1000)는 기능 판단 모델을 저장하지 않거나, 또는 동작 디바이스에 대응하는 기능 판단 모델을 저장하지 않을 수 있다. Referring to FIG. 11, the
음성 비서 서버(2000)는 복수의 기능 판단 모델(2342, 2344, 2348)을 저장할 수 있다. 음성 비서 서버(2000)는 써드파티 기능 판단 모델(2348)을 저장할 수 있다.The
써드파티 디바이스(3rd party device)(5100)는, 허브 디바이스(1000)를 제조한 회사, 계열 회사 및 기술 제휴를 하고 있는 회사 이외의 다른 제조사에 의해 제조된 디바이스를 의미한다. 일 실시예에서, 써드파티 디바이스(5100)의 사용자가 허브 디바이스(1000)의 사용자와 동일한 경우, 사용자가 허브 디바이스(1000)에 로그인하는 사용자 계정을 이용하여 써드파티 디바이스(5100)를 등록함으로써, 써드파티 기능 판단 모델(2348)이 음성 비서 서버(2000)에 저장될 수 있다. 예를 들어, 사용자가 써드파티 디바이스(5100)를 등록할 때 허브 디바이스(1000)의 사용자 계정으로 로그인하여 등록하는 경우, 써드파티 IoT 서버(5000)는 IoT 서버(3000)의 서버의 접근 권한을 인정하고, IoT 서버(3000)는 써드파티 IoT 서버(5000)에 접속하여 써드파티 디바이스(5100)의 복수의 기능에 따른 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 기능 판단 모델(2348)을 요청할 수 있다. 써드파티 디바이스(5100)를 IoT 서버(3000)에 등록하기 위한 방법으로는 공개 인증(Open Authorization, oAuth) 방식이 사용될 수 있다. 써드파티 IoT 서버(5000)는 요청에 따라 써드파티 기능 판단 모델(2348)의 데이터를 IoT 서버(3000)에 제공하고, IoT 서버(3000)는 음성 비서 서버(2000)에 써드파티 기능 판단 모델(2348)을 제공할 수 있다. Third-party devices (3 rd party device) (5100 ) , it means a device manufactured by a different manufacturer than one company, affiliated companies and the companies that manufacture the technology alliance hub device (1000). In one embodiment, when the user of the third-party device 5100 is the same as the user of the
써드파티 IoT 서버(5000)는 써드파티 디바이스(5100)의 디바이스 식별 정보, 써드파티 디바이스(5100)의 디바이스 타입, 기능 수행 능력(capability) 정보, 위치 정보 및 상태 정보 중 적어도 하나를 저장하고, 관리하는 서버이다. 써드파티 IoT 서버(5000)는 써드파티 디바이스(5100)의 디바이스 정보를 활용하여 써드파티 디바이스(5100)를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. 써드파티 IoT 서버(5000)는, 동작 정보에 기초하여 동작을 수행하도록 결정된 써드파티 디바이스(5100)에 제2 제어 명령을 전송할 수 있다. 써드파티 IoT 서버(5000)는 써드파티 디바이스(5100)를 제조한 제조사에 의해 운영될 수 있으나, 이에 한정되는 것은 아니다.The third-
도 11에 도시된 실시예에서, 동작 수행 디바이스는 써드파티 디바이스(5100)로 결정될 수 있다. In the embodiment illustrated in FIG. 11, the device for performing the operation may be determined as a third-party device 5100.
단계 S1110에서, 허브 디바이스(1000)는 텍스트의 적어도 일부 및 써드파티 디바이스의 식별 정보를 음성 비서 서버에 전송한다. 단계 S1110은 써드파티 디바이스의 식별 정보, 예를 들어 써드파티 디바이스의 디바이스 id를 음성 비서 서버(2000)에 전송하는 것을 제외하고는 도 8의 단계 S810과 동일한바, 중복되는 설명은 생략한다.In step S1110, the
단계 S1120에서, 음성 비서 서버(2000)는 수신된 써드파티 디바이스의 식별 정보를 이용하여, 써드파티 디바이스에 대응하는 기능 판단 모델을 선택한다. 일 실시예에서, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 수신한 써드파티 디바이스(5100)의 식별 정보에 기초하여 써드파티 디바이스(5100)를 확인하고, 복수의 기능 판단 모델(2342, 2344, 2348) 중 써드파티 디바이스(5100)에 대응하는 써드파티 기능 판단 모델(2348)을 선택할 수 있다. In step S1120, the
단계 S1130에서, 음성 비서 서버(2000)는 써드파티 기능 판단 모델(2348)의 자연어 이해 모델(2348a)을 이용하여 텍스트를 분석하고, 분석 결과에 기초하여 인텐트(intent)를 결정한다. 단계 S1130은 써드파티 기능 판단 모델(2348)의 자연어 이해 모델(2348a)을 이용한다는 점을 제외하고는 도 8의 단계 S830과 동일한바, 중복되는 설명은 생략한다.In step S1130, the
단계 S1140에서, 음성 비서 서버(2000)는 인텐트에 기초하여 써드파티 디바이스(5100)가 수행할 동작에 관한 동작 정보를 획득한다. 단계 S1140은 써드파티 디바이스(5100)가 수행할 동작에 관한 정보를 획득하는 것을 제외하고는 도 8의 단계 S840과 동일한바, 중복되는 설명은 생략한다.In step S1140, the
단계 S1142에서, 음성 비서 서버(2000)는 써드파티 디바이스(5100)의 식별 정보(예를 들어, 써드파티 디바이스의 디바이스 id) 및 동작 정보를 IoT 서버(3000)에 전송한다. In step S1142, the
단계 S1150에서, IoT 서버(3000)는 써드파티 디바이스(5100)의 식별 정보 및 수신된 동작 정보에 기초하여 제1 제어 명령을 획득한다. IoT 서버(3000)는 써드파티 디바이스(5100)에 대한 동작 정보와 동작 정보에 따른 제어 명령이 저장된 데이터베이스를 포함할 수 있다. IoT 서버(3000)는 전술한 써드파티 디바이스(5100)의 등록 방법을 통해 써드파티 IoT 서버(5000)로부터 써드파티 디바이스(5100)의 동작 정보를 획득하고, 획득된 동작 정보를 데이터베이스에 저장할 수 있다. 일 실시예에서, IoT 서버(3000)는 써드파티 디바이스(5100)의 식별 정보에 기초하여 써드파티 디바이스(5100)를 식별하고, 써드파티 디바이스(5100)의 동작 정보를 이용하여 제1 제어 명령을 생성할 수 있다. In step S1150, the
제1 제어 명령은 써드파티 디바이스가 기능을 실행하여 동작 정보에 따른 세부 동작들을 실행 순서에 따라 순차적으로 실행하기 위한 명령어들을 포함할 수 있다. 일 실시예에서, 제1 제어 명령은 써드파티 디바이스(5100)에 의해 판독되지 않을 수도 있다. The first control command may include commands for a third-party device to execute a function and sequentially execute detailed operations according to operation information according to an execution order. In one embodiment, the first control command may not be read by the third-party device 5100.
단계 S1152에서, IoT 서버(3000)는 써드파티 디바이스(5100)의 식별 정보 및 제1 제어 명령을 써드파티 IoT 서버(5000)에 전송한다.In step S1152, the
단계 S1160에서, 써드파티 IoT 서버(5000)는 제1 제어 명령을 써드파티 디바이스(5100)가 판독하고, 실행할 수 있는 제2 제어 명령으로 변환한다. 써드파티 IoT 서버(5000)는 수신된 써드파티 디바이스(5100)의 식별 정보를 이용하여 제1 제어 명령을 써드파티 디바이스(5100)가 판독할 수 있고, 실행할 수 있는 제2 제어 명령으로 변환할 수 있다. In step S1160, the third-
단계 S1162에서, 써드파티 IoT 서버(5000)는 써드파티 디바이스(5100)의 식별 정보를 이용하여 제2 제어 명령을 써드파티 디바이스(5100)에 전송한다.In step S1162, the third-
단계 S1170에서, 써드파티 디바이스(5100)는 수신된 제2 제어 명령에 따라, 제2 제어 명령에 대응하는 동작들을 실행한다.In step S1170, the third-party device 5100 executes operations corresponding to the second control command according to the received second control command.
도 12a는 본 개시의 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)의 동작을 도시한 개념도이다. 12A is a conceptual diagram illustrating operations of the
도 12a는, 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a) 각각의 동작을 설명하기 위한 필수적인 구성 요소를 도시한 블록도를 포함한다. 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)가 포함하고 있는 구성이 도 12a에 도시된 바와 같이 한정되는 것은 아니다. 12A includes a block diagram showing essential components for describing the operation of the
도 12a의 화살표는 허브 디바이스(1000)와 제1 디바이스(4100a) 간의 음성 신호 및 텍스트를 포함하는 데이터의 이동, 전송, 및 수신을 표시한다. 원문자 안의 숫자는 각 동작이 수행되는 순서를 의미한다. Arrows in FIG. 12A indicate movement, transmission, and reception of data including voice signals and text between the
도 12a를 참조하면, 허브 디바이스(1000)와 복수의 디바이스(4100a, 4200a)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 데이터 통신을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4100a, 4200a)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)는 음성 비서 서버(2000, 도 3 참조)와 연결될 수 있으며, 허브 디바이스(1000)는 음성 비서 서버(2000)를 통해 복수의 디바이스(4100a, 4200a)와 연결될 수 있다. Referring to FIG. 12A, the
허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.The
허브 디바이스(1000)는 음성 신호를 수신하고, 수신된 음성 신호에 기초하여 복수의 디바이스(4100a, 4200a) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. The
복수의 디바이스(4100a, 4200a)는 허브 디바이스(1000)의 사용자와 동일한 사용자 계정(user account)으로 로그인되고, IoT 서버(3000)에 허브 디바이스(1000)의 사용자 계정으로 기 등록된 디바이스일 수 있다. The plurality of
복수의 디바이스(4100a, 4200a) 중 적어도 하나는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. 도 12a에 도시된 실시예에서, 제1 디바이스(4100a)는 발화로 구성된 음성 입력을 사용자로부터 수신하는 리스너 디바이스일 수 있다. 리스너 디바이스는 사용자로부터 음성 입력을 수신하기만 하는 디바이스일 수 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 리스너 디바이스는, 허브 디바이스(1000)로부터 제어 명령을 받아 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스일 수도 있다. 일 실시예에서 리스너 디바이스는, 리스너 디바이스가 수행하는 기능과 관련된 음성 입력을 사용자로부터 수신할 수 있다. 예를 들어, 제1 디바이스(4100a)는 에어컨이고, 제1 디바이스(4100a)는 마이크(4140)를 통해 사용자로부터 "에어컨 온도를 20℃로 내려줘"와 같은 음성 입력을 수신할 수 있다. At least one of the plurality of
제1 디바이스(4100a)는 리스너 디바이스로서, 사용자로부터 수신한 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 제1 디바이스(4100a)는 마이크(4140)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다. The
제1 디바이스(4100a)는 음성 신호를 허브 디바이스(1000)에 전송할 수 있다(단계 ①).The
허브 디바이스(1000)는 제1 디바이스(4100a)로부터 음성 신호를 수신하고, 메모리에 기 저장된 ASR 모듈(1310)의 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행함으로써, 음성 신호를 텍스트로 변환할 수 있다(단계 ②). The
허브 디바이스(1000)의 메모리(1300, 도 2 참조)에는 텍스트를 해석함으로써, 텍스트로부터 인텐트를 검출하고, 검출된 인텐트에 대응하는 동작을 수행하는 디바이스를 결정하는 디바이스 판단 모델(1330)을 포함할 수 있다. 디바이스 판단 모델(1330)은 사용자 계정에 따라 등록된 복수의 디바이스(4100a, 4200a) 중에서 동작 수행 디바이스를 결정할 수 있다. 허브 디바이스(1000)는 디바이스 판단 모델(1330)에 포함되는 제1 자연어 이해 모델(1332)의 데이터를 이용하여 텍스트를 해석함으로써, 텍스트로부터 인텐트를 검출할 수 있다. 제1 자연어 이해 모델(1332)은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용되는 모델이다. 허브 디바이스(1000)는 디바이스 판단 모델(1330)의 데이터를 이용하여 인텐트에 대응하는 동작을 수행하는 동작 수행 디바이스를 리스너 디바이스인 제1 디바이스(4100a)로 결정할 수 있다(단계 ③). In the
허브 디바이스(1000)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300) 내에 저장되어 있거나, 동작 수행 디바이스로 결정된 제1 디바이스(4100a) 자체에 저장되어 있거나, 또는 음성 비서 서버(2000)의 메모리(2300, 도 3 참조) 내에 저장되어 있을 수 있다. 각 디바이스에 대응하는 기능 판단 모델은, 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델이다.The function determination model corresponding to the operation performing device determined by the
허브 디바이스(1000)는 복수의 디바이스(4100a, 4200a) 중 적어도 하나의 디바이스에 대응하는 기능 판단 모델을 자체적으로 저장하고 있을 수 있다. 예를 들어, 허브 디바이스(1000)가 음성 비서 스피커인 경우, 허브 디바이스(1000)는 음성 비서 스피커의 기능을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 스피커 기능 판단 모델(1352)을 저장할 수 있다. The
허브 디바이스(1000)는 타 디바이스에 대응하는 기능 판단 모델을 저장할 수도 있다. 예를 들어, 허브 디바이스(1000)는 냉장고에 대응하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 냉장고 기능 판단 모델(1356)을 저장할 수도 있다. 냉장고는 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 IoT 서버(3000)에 기 등록된 디바이스일 수 있다. The
스피커 기능 판단 모델(1352) 및 냉장고 기능 판단 모델(1356)은 각각 제2 자연어 이해 모델(1352a, 1356a) 및 액션 플랜 관리 모듈(1352b, 1356b)을 포함할 수 있다. 도 12a에 도시된 실시예에서, 허브 디바이스(1000)는 스피커에 관한 제2 자연어 이해 모델(1352a) 및 액션 플랜 관리 모듈(1352b)을 포함하고, 냉장고에 관한 제2 자연어 이해 모델(1356a) 및 액션 플랜 관리 모듈(1356b)을 포함하는데, 디바이스 종류가 TV에서 냉장고로 변경된 것을 제외하면, 도 2에 도시된 스피커 기능 판단 모델(1352) 및 TV 기능 판단 모델(1354)에 각각 포함된 제2 자연어 이해 모델(1352a, 1354a) 및 액션 플랜 관리 모듈(1352b, 1354b)와 동일한 바, 중복되는 설명은 생략한다. The speaker
허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)의 데이터를 이용하여, 동작 수행 디바이스로 결정된 제1 디바이스(4100a)에 대응하는 기능 판단 모델(4132)이 저장된 디바이스를 확인할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4100a, 4200a) 각각으로부터 기능 판단 모델에 관한 정보를 획득할 수 있다. ‘기능 판단 모델에 관한 정보’는 복수의 디바이스(4100a, 4200a) 각각이 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 기능 판단 모델을 자체적으로 저장하고 있는지 여부에 관한 정보를 의미한다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4100a, 4200a)로부터 기능 판단 모델에 관한 정보를 수신할 때, 복수의 디바이스 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 획득할 수 있다. The
다른 실시예에서, 허브 디바이스(1000)는 메모리에 저장된 각 디바이스 별 기능 판단 모델에 관한 정보를 포함하는 데이터베이스(1360, 도 2 참조)를 이용하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000), 제1 디바이스(4100a), 제2 디바이스(4200a), 및 음성 비서 서버(2000) 중 어느 디바이스에 저장되어 있는지 여부를 확인(identify)할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)의 데이터를 이용하여, 동작 수행 디바이스로 결정된 제1 디바이스(4100a)의 디바이스 식별 정보에 따라 데이터베이스(1360)를 서치하고, 데이터베이스(1035)의 서치 결과에 기초하여 제1 디바이스(4100a)에 대응하는 기능 판단 모델(4132)의 저장 위치에 관한 정보를 획득할 수 있다. In another embodiment, the
허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)을 이용하여, 텍스트의 적어도 일부를 동작 수행 디바이스에 대응하는 기능 판단 모델(4132)이 저장되어 있는 것으로 확인된 제1 디바이스(4100a)에 전송할 수 있다 (단계 ④). The
제1 디바이스(4100a)는 허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하고, 메모리(1140) 내에 기 저장된 기능 판단 모델(4132)을 이용하여 텍스트의 적어도 일부를 해석할 수 있다. 일 실시예에서, 제1 디바이스(4100a)는 기능 판단 모델(4132)에 포함된 자연어 이해 모델(4134)을 이용하여 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 제1 디바이스(4100a)가 수행할 동작에 관한 동작 정보를 획득할 수 있다. 기능 판단 모델(4132)은, 제1 디바이스(4100a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모듈(4136)을 포함할 수 있다. 액션 플랜 관리 모듈(4136)은, 제1 디바이스(4100a)가 실행하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. 액션 플랜 관리 모듈(4136)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 제1 디바이스(4100a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다. 제1 디바이스(4100a)는 기능 판단 모델(4132)에 의한 텍스트의 적어도 일부에 관한 분석 결과에 기초하여 세부 동작들 및 세부 동작들의 실행 순서를 플래닝하고, 플래닝 결과에 기초하여 동작을 실행할 수 있다 (단계 ⑤).The
그러나, 본 개시의 제1 디바이스(4100a)가 허브 디바이스(1000)로부터 수신된 텍스트의 적어도 일부에 기초하여 동작을 수행하는 것으로 한정되는 것은 아니다. 다른 실시예에서, 제1 디바이스(4100a)는 마이크(4140)를 이용하여 사용자로부터 음성 입력을 수신하고, ASR 모델(4138)을 이용하여 수신된 음성 입력을 텍스트로 변환하고, 기능 판단 모델(4132)를 이용하여 텍스트를 해석함으로써, 텍스트에 대응하는 동작을 실행할 수도 있다. 즉, 제1 디바이스(4100a)는 허브 디바이스(1000)의 관여 없이도 독립적으로 동작을 실행할 수도 있다. However, the
도 12a에 도시된 실시예는, 사용자로부터 음성 입력을 수신하는 리스너 디바이스인 제1 디바이스(4100a)와, 허브 디바이스(1000)를 통해 음성 입력과 관련된 동작을 수행할 동작 수행 디바이스가 동일한 디바이스인 실시예에 관한 것이다. 예를 들어, 제1 디바이스(4100a)가 사용자로부터 "에어컨 온도를 20℃로 내려줘~"라는 음성 입력을 수신하면, 허브 디바이스(1000)는 리스너 디바이스인 제1 디바이스(4100a)로부터 사용자의 음성 입력을 수신하고, 에어컨인 제1 디바이스(4100a)를 음성 입력과 관련된 동작 수행 디바이스로서 결정할 수 있다. 제1 디바이스(4100a)는 허브 디바이스(1000)로부터 음성 입력과 관련된 텍스트를 수신하고, 텍스트에 기초하여 에어컨 온도 조절 동작을 실행할 수 있다. In the embodiment shown in FIG. 12A, a
도 12a에서와는 달리, 리스너 디바이스와 동작 수행 디바이스가 서로 다른 디바이스일 수 있는데, 이에 대해서는 도 12b에서 설명하기로 한다. Unlike in FIG. 12A, the listener device and the operation performing device may be different devices, which will be described with reference to FIG. 12B.
도 12b는 본 개시의 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)의 동작을 도시한 개념도이다. 12B is a conceptual diagram illustrating operations of the
도 12b는, 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a) 각각의 동작을 설명하기 위한 필수적인 구성 요소를 도시한 블록도를 포함한다. 허브 디바이스(1000) 및 복수의 디바이스(4100a, 4200a)가 포함하고 있는 구성 중 도 12a에 도시된 구성과 동일한 구성에 관하여, 중복되는 설명은 생략한다.12B includes a block diagram showing essential components for describing the operation of the
도 12b를 참조하면, 제2 디바이스(4200a)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스일 수 있다. 일 실시예에서, 제2 디바이스(4200a)는 리스너 디바이스이지만, 허브 디바이스(1000)로부터 제어 명령을 받거나, 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스는 아닐 수 있다. 도 12b에 도시된 실시예에서, 제2 디바이스(4200a)는 TV인데, 마이크(4240)를 통해 "에어컨 온도를 20℃로 내려줘"와 같이 TV와는 관련되지 않은 음성 입력을 수신할 수 있다. Referring to FIG. 12B, the
제2 디바이스(4200a)는 마이크(4240)를 통해 수신된 음성 입력로부터 음성 신호를 획득하고, 음성 신호를 허브 디바이스(1000)에 전송할 수 있다 (단계 ①). The
허브 디바이스(1000)는 제2 디바이스(4200a)로부터 음성 신호를 수신하고, 메모리에 기 저장된 ASR 모듈(1310)의 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행함으로써, 음성 신호를 텍스트로 변환할 수 있다(단계 ②). The
허브 디바이스(1000) 제1 자연어 이해 모델(1332)을 이용하여 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 디바이스 판단 모델(1330)의 데이터를 이용하여 인텐트와 관련된 동작 수행 디바이스를 결정할 수 있다 (단계 ③). 도 12b에 도시된 실시예에서, 허브 디바이스(1000)는 디바이스 판단 모델(1330)의 데이터를 이용하여 인텐트에 대응하는 동작을 수행하는 동작 수행 디바이스를 제1 디바이스(4100a)로 결정할 수 있다. 제1 디바이스(4100a)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스와는 다른 디바이스일 수 있다. 예를 들어, 제1 디바이스(4100a)는 에어컨일 수 있다.The
허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)의 데이터를 이용하여, 동작 수행 디바이스로 결정된 제1 디바이스(4100a)에 대응하는 기능 판단 모델(4132)이 저장된 디바이스를 확인하고, 확인된 제1 디바이스(4100a)에 텍스트의 적어도 일부를 전송할 수 있다 (단계 ④). The
제1 디바이스(4100a)는 허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하고, 기능 판단 모델(4132)을 이용하여 텍스트의 적어도 일부에 관한 분석하고, 분석 결과에 기초하여 세부 동작들 및 세부 동작들의 실행 순서를 플래닝하고, 플래닝 결과에 기초하여 동작을 실행할 수 있다 (단계 ⑤).The
제2 디바이스(4200a)의 메모리(4230)에는 제2 디바이스(4200a)의 기능과 관련된 세부 동작들 및 세부 동작들의 실행 순서와 관련된 정보를 해석할 수 있는 기능 판단 모델(4232)이 저장되어 있는바, 제1 디바이스(4100a)의 동작과 관련된 텍스트를 해석할 수 없다. 도 12b에 도시된 실시예에서, 제2 디바이스(4200a)는 TV이고, 메모리(4230)에는 TV에 대응하는 기능 판단 모델(4232)이 저장되어 있는바, "에어컨 온도를 20℃로 내려줘~"라는 음성 입력을 해석할 수 없다. 이 경우, 리스너 디바이스인 제2 디바이스(4200a)는 사용자로부터 수신한 음성 입력을 허브 디바이스(1000)에 전송하고, 허브 디바이스(1000)는 동작 수행 디바이스로 결정된 제1 디바이스(4100a)에 동작 수행과 관련된 텍스트를 전송할 수 있다. 제1 디바이스(4100a)는 허브 디바이스(1000)로부터 수신한 텍스트에 기초하여 에어컨 온도 조절 동작을 실행할 수 있다. The
도 12a 및 도 12b에 도시된 실시예를 참조하면, 사용자는 디바이스로부터 실행하고자 하는 동작에 관한 음성 명령을 특정 기능과 관련된 동작을 수행하는 특정 디바이스에 하지 않고, 사용자 계정을 통해 유무선 통신 네트워크로 연결된 복수의 디바이스(4100a, 4200a) 중 어느 하나에 음성 명령을 할 수 있다. 예를 들어, 사용자가 "에어컨 온도를 20℃로 내려줘~"라는 음성 명령을 하는 경우, '냉방 온도 설정'과 관련된 기능을 수행하는 에어컨에 음성 명령을 할 수 있지만, 에어컨과는 전혀 관계없는 TV에 냉방 온도 조절과 관련된 음성 명령을 할 수도 있다. 복수의 디바이스(4100a, 4200a) 중 사용자로부터 음성 입력을 수신한 리스너 디바이스는 허브 디바이스(1000)에 음성 입력을 전송하고, 허브 디바이스(1000)는 음성 입력에 포함되는 사용자의 발화 의도에 대응하는 동작 수행 디바이스를 결정하고, 동작 수행 디바이스가 동작을 실행하도록 제어할 수 있다. 12A and 12B, a user does not send a voice command for an operation to be executed from a device to a specific device that performs an operation related to a specific function, but is connected to a wired/wireless communication network through a user account. A voice command may be given to any one of the plurality of
도 12a 및 도 12b에 도시된 실시예에서는, 사용자가 음성 명령을 하는데 있어서 복수의 디바이스(4100a, 4200a) 중 기능과 관련된 특정 디바이스를 직접 지정하여 명령할 필요없이, 기능과 관련된 동작을 실행할 동작 수행 디바이스가 자동으로 결정되는바, 사용자 편의성이 향상될 수 있다. 또한, 허브 디바이스(1000)가 동작 수행 디바이스를 결정하는데 있어서 음성 비서 서버(2000) 등 외부 서버의 개입없이 동작되는바, 네트워크를 이용할 필요가 없고, 따라서 네트워크 사용 비용을 절감할 수 있다. In the embodiment shown in FIGS. 12A and 12B, when a user performs a voice command, an operation to execute an operation related to a function is performed without the need to directly designate and command a specific device related to a function among a plurality of
도 13은 본 개시의 허브 디바이스(1000)가 리스너 디바이스(linster device)로부터 수신한 음성 신호에 기초하여 동작 수행 디바이스를 결정하고, 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스에 텍스트를 전송하는 방법을 도시한 흐름도이다.13 illustrates a
단계 S1310에서, 허브 디바이스(1000)는 리스너 디바이스(listener device)로부터 음성 신호를 수신한다. 리스너 디바이스는 허브 디바이스(1000)의 사용자 계정(user account)과 동일한 사용자 계정을 통해 로그인되고, IoT 서버(3000)에 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 기 등록된 복수의 디바이스 중 어느 하나일 수 있다. 리스너 디바이스는 허브 디바이스(1000)와 유선 또는 무선 통신 네트워크로 연결될 수 있다. 리스너 디바이스는 사용자로부터 음성 입력을 수신하기만 하는 디바이스일 수 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 리스너 디바이스는, 허브 디바이스(1000)로부터 제어 명령을 받아 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스일 수도 있다. In step S1310, the
일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 통신 인터페이스(1400, 도 2 참조)를 통해 리스너 디바이스로부터 음성 신호를 수신할 수 있다. In an embodiment, the processor 1200 (see FIG. 2) of the
단계 S1320에서, 허브 디바이스(1000)는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 신호를 텍스트로 변환한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여, 리스너 디바이스로부터 수신한 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다. 허브 디바이스(1000)가 리스너 디바이스로부터 노이즈가 제거되지 않은 음향 신호를 수신하는 경우에는, 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.In step S1320, the
단계 S1330에서, 허브 디바이스(1000)는 제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 텍스트에 대응되는 동작 수행 디바이스를 결정한다. 단계 S1330은 동작 수행 디바이스로 결정될 수 있는 디바이스 후보 중에 리스너 디바이스도 포함된다는 점을 제외하고는, 도 6에 도시된 단계 S630과 동일한 바, 중복되는 설명은 생략한다. In operation S1330, the
단계 S1340에서, 허브 디바이스(1000)는 동작 수행 디바이스 및 리스너 디바이스 중 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)한다. 허브 디바이스(1000)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300, 도 2 참조) 내에 저장되어 있거나, 동작 수행 디바이스의 내부 메모리에 자체적으로 저장되어 있거나, 또는 음성 비서 서버(2000)의 메모리(2300, 도 3 참조) 내에 저장되어 있을 수 있다. 결정된 동작 수행 디바이스와 리스너 디바이스가 동일 디바이스가 아닌 경우, 동작 수행 디바이스에 대응하는 기능 판단 모델은 리스너 디바이스에 저장되어 있을 수도 있다. 동작 수행 디바이스에 대응하는 기능 판단 모델은, 동작 수행 디바이스로 결정된 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델이다.In operation S1340, the
일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 기능 판단 디바이스 결정 모듈(1340, 도 2 참조)의 프로그램 코드 또는 데이터를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 저장된 디바이스를 확인할 수 있다. 일 실시예에서 허브 디바이스(1000)는, 허브 디바이스(1000)와 유선 또는 무선 통신 네트워크로 연결되고, 허브 디바이스(1000)와 동일한 사용자 계정을 통해 로그인된 복수의 디바이스 각각으로부터 기능 판단 모델의 저장 정보를 획득할 수 있다. '기능 판단 모델의 저장 정보'는 복수의 디바이스 각각이 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 기능 판단 모델을 자체적으로 저장하고 있는지 여부에 관한 정보를 의미한다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스로부터 기능 판단 모델에 관한 정보를 수신할 때, 복수의 디바이스 각각에 관한 기능 판단 모델이 저장된 위치(예를 들어, 디바이스 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 획득할 수 있다. 동작 수행 디바이스와 리스너 디바이스가 동일하지 않은 경우, 허브 디바이스(1000)는 리스너 디바이스로부터 기능 판단 모델에 관한 정보를 수신하고, 수신된 기능 판단 모델에 관한 정보에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있는지 확인할 수도 있다. In one embodiment, the
다른 실시예에서, 허브 디바이스(1000)는 메모리(1300, 도 2 참조)에 저장된 각 디바이스 별 기능 판단 모델에 관한 정보를 포함하는 데이터베이스(1360, 도 2 참조)를 이용하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 허브 디바이스(1000), 동작 수행 디바이스, 및 음성 비서 서버(2000) 중 어느 디바이스에 저장되어 있는지 여부를 확인(identify)할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 기능 판단 디바이스 결정 모듈(1340)의 프로그램 코드 또는 데이터를 이용하여, 동작 수행 디바이스의 디바이스 식별 정보에 따라 데이터베이스(1360)를 서치하고, 데이터베이스(1360)의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델의 저장 위치에 관한 정보를 획득할 수 있다. 동작 수행 디바이스와 리스너 디바이스가 동일한 디바이스가 아닌 경우, 허브 디바이스(1000)는 데이터베이스(1360)에서 리스너 디바이스의 식별 정보를 서치하고, 데이터베이스(1360)의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있는지 확인할 수도 있다.In another embodiment, the
단계 S1340의 구체적인 실시예에 대해서는 도 14에서 상세하게 설명하기로 한다. A specific embodiment of step S1340 will be described in detail with reference to FIG. 14.
단계 S1350에서, 허브 디바이스(1000)는 확인된 디바이스에 텍스트의 적어도 일부를 제공한다. 허브 디바이스(1000)는 통신 인터페이스(1400, 도 2 참조)를 이용하여, 확인된 디바이스에 텍스트의 적어도 일부를 전송할 수 있다. 예를 들어, 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 내부 메모리에 저장되어 있는 것으로 확인된 경우, 허브 디바이스(1000)는 통신 인터페이스(1400)를 이용하여 동작 수행 디바이스에 텍스트의 적어도 일부를 전송할 수 있다. 리스너 디바이스와 동작 수행 디바이스가 동일한 경우, 허브 디바이스(1000)는 리스너 디바이스에 텍스트의 적어도 일부를 전송할 수 있다. 다른 예를 들어, 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스 및 동작 수행 디바이스에 저장되어 있지 않고, 음성 비서 서버(2000)의 메모리(2300, 도 3 참조)에 저장되어 있는 것으로 확인된 경우, 허브 디바이스(1000)는 통신 인터페이스(1400)를 이용하여 음성 비서 서버(2000)에 텍스트의 적어도 일부를 전송할 수 있다.In step S1350, the
일 실시예에서, 허브 디바이스(1000)는 텍스트 중 동작 수행 디바이스의 명칭에 관한 일부를 분리하고, 나머지 텍스트의 일부만을 확인된 디바이스에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. 예를 들어, 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하는 것으로 확인된 디바이스가 '에어컨'이고, 텍스트가 "에어컨에서 설정 온도를 20°C로 내려줘~"인 경우, 에어컨에 텍스트를 전송하면서 텍스트 중 '에어컨에서'는 전송할 필요가 없다. 이 경우, 허브 디바이스(1000)는 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 디바이스(예를 들어, 에어컨)에 제공할 수 있다.In an embodiment, the
도 14는 본 개시의 허브 디바이스(1000)가 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스에 텍스트를 전송하는 방법을 도시한 흐름도이다. 도 14에 도시된 실시예는 도 13의 단계 S1340 및 단계 S1350을 구체화한 실시예이다. 도 14에 도시된 단계 S1410 내지 단계 S1450은 도 13에 도시된 단계 S1340을 구체화한 실시예이고, 단계 S1460 내지 단계 S1480은 도 13에 도시된 단계 S1350을 구체화한 실시예이다.14 is a flowchart illustrating a method of transmitting text to a device storing a function determination model corresponding to an operation performing device by the
단계 S1410은 도 13의 단계 S1330이 수행된 이후에 수행된다. 단계 S1410에서, 허브 디바이스(1000)는 리스너 디바이스와 결정된 동작 수행 디바이스가 동일한 디바이스인지 확인(identify)한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는 단계 S1330(도 13 참조)에서 결정된 동작 수행 디바이스의 디바이스 식별 정보(예를 들어, 디바이스 id) 및 리스너 디바이스의 디바이스 식별 정보를 각각 획득한 이후, 획득된 동작 수행 디바이스의 식별 정보와 리스너 디바이스의 식별 정보를 비교함으로써, 동일 여부를 확인할 수 있다.Step S1410 is performed after step S1330 of FIG. 13 is performed. In step S1410, the
단계 S1410에서 리스너 디바이스와 동작 수행 디바이스가 동일한 디바이스로 확인된 경우(YES), 허브 디바이스(1000)는 리스너 디바이스로부터 기능 판단 모델의 저장 정보를 획득한다 (단계 S1420). 일 실시예에서, 허브 디바이스(1000)는 통신 인터페이스(1400, 도 2 참조)를 이용하여 리스너 디바이스로부터 기능 판단 모델의 저장 정보를 수신할 수 있다. 기능 판단 모델의 저장 정보는, 리스너 디바이스가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 기능 판단 모델을 내부 메모리에 자체적으로 저장하고 있는지 여부에 관한 정보를 의미한다. 일 실시예에서, 허브 디바이스(1000)는 리스너 디바이스로부터 기능 판단 모델에 관한 정보를 수신할 때, 기능 판단 모델이 저장된 위치(예를 들어, 리스너 디바이스의 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 획득할 수 있다. When it is confirmed in step S1410 that the listener device and the operation performing device are the same device (YES), the
단계 S1430에서, 허브 디바이스(1000)는 리스너 디바이스의 기능 판단 모델의 저장 정보에 기초하여, 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있는지 확인한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 기능 판단 디바이스 결정 모듈(1340, 도 2 참조)의 프로그램 코드 또는 데이터를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이의 내부 메모리에 저장되어 있는지 여부를 확인할 수 있다. 일 실시예에서, 프로세서(1200)는 획득된 리스너 디바이스의 기능 판단 모델 저장 정보에 기초하여, 리스너 디바이스의 내부 메모리에 저장된 기능 판단 모델이 동작 수행 디바이스에 대응하는 기능 판단 모델과 동일한지 여부를 확인할 수 있다. In step S1430, the
다른 실시예에서, 프로세서(1200)는 복수의 디바이스 별 기능 판단 모델에 관한 정보를 저장하고 있는 데이터베이스(1360, 도 2 참조)를 이용하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있는지 확인할 수 있다. 일 실시예에서, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)의 프로그램 코드 또는 데이터를 이용하여, 리스너 디바이스의 디바이스 식별 정보에 따라 데이터베이스(1360)를 서치하고, 데이터베이스(1360)의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스에 저장되어 있는지에 관한 정보를 획득할 수 있다. In another embodiment, the
단계 S1430에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있는 것으로 확인된 경우(YES), 허브 디바이스(1000)는 리스너 디바이스에 텍스트의 적어도 일부를 전송한다 (단계 S1460). 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 리스너 디바이스의 내부 메모리에 기 저장된 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. When it is confirmed in step S1430 that the function determination model corresponding to the operation performing device is stored in the internal memory of the listener device (YES), the
단계 S1430에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 리스너 디바이스의 내부 메모리에 저장되어 있지 않은 것으로 확인된 경우(NO), 허브 디바이스(1000)는 음성 비서 서버(2000)에 텍스트의 적어도 일부를 전송한다 (단계 S1480). 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)의 메모리(1300, 도 3 참조)에 기 저장된 복수의 기능 판단 모델(2342, 2344, 2346, 2348) 중 동작 수행 디바이스에 대응하는 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. In step S1430, when it is determined that the function determination model corresponding to the operation performing device is not stored in the internal memory of the listener device (NO), the
단계 S1460 및 단계 S1480에서, 프로세서(1200)는 텍스트의 전체를 전송하지 않고, 텍스트의 적어도 일부만을 전송할 수 있는데, 구체적인 실시예는 도 13에서 설명한 것과 동일하므로, 중복되는 설명은 생략한다. In steps S1460 and S1480, the
단계 S1410에서 리스너 디바이스와 동작 수행 디바이스가 서로 다른 디바이스로 확인된 경우(NO), 허브 디바이스(1000)는 동작 수행 디바이스로부터 기능 판단 모델의 저장 정보를 획득한다 (단계 S1440). 일 실시예에서, 허브 디바이스(1000)는 통신 인터페이스(1400, 도 2 참조)를 이용하여 동작 수행 디바이스로부터 기능 판단 모델의 저장 정보를 수신할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 동작 수행 디바이스로부터 기능 판단 모델에 관한 정보를 수신할 때, 기능 판단 모델이 저장된 위치(예를 들어, 동작 수행 디바이스의 식별 정보, IP 주소(IP address), 또는 MAC 주소(MAC address))에 관한 정보를 함께 획득할 수 있다. When it is determined in step S1410 that the listener device and the operation performing device are different devices (NO), the
단계 S1450에서, 허브 디바이스(1000)는 기능 판단 모델이 동작 수행 디바이스의 내부 메모리에 저장되어 있는지 확인한다. 일 실시예에서, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)의 프로그램 코드 또는 데이터를 이용하여, 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이의 내부 메모리에 저장되어 있는지 여부를 확인할 수 있다. 다른 실시예에서, 프로세서(1200)는 복수의 디바이스 별 기능 판단 모델에 관한 정보를 저장하고 있는 데이터베이스(1360)를 이용하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 내부 메모리에 저장되어 있는지 확인할 수 있다. 일 실시예에서, 프로세서(1200)는 기능 판단 디바이스 결정 모듈(1340)의 프로그램 코드 또는 데이터를 이용하여, 동작 수행 디바이스의 디바이스 식별 정보에 따라 데이터베이스(1360)를 서치하고, 데이터베이스(1360)의 서치 결과에 기초하여 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 내부 메모리에 자체적으로 저장되어 있는지에 관한 정보를 획득할 수 있다. In step S1450, the
단계 S1450에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스의 내부 메모리에 자체적으로 저장되어 있는 것으로 확인된 경우(YES), 허브 디바이스(1000)는 텍스트의 적어도 일부를 동작 수행 디바이스에 전송한다 (단계 S1470). 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 이용하여, 동작 수행 디바이스의 내부 메모리에 기 저장된 기능 판단 모델에 텍스트의 적어도 일부를 전송할 수 있다. In step S1450, when it is confirmed that the function determination model corresponding to the operation performing device is stored in the internal memory of the operation performing device (YES), the
단계 S1450에서 동작 수행 디바이스에 대응하는 기능 판단 모델이 동작 수행 디바이스에 저장되지 않은 것으로 확인된 경우(NO), 허브 디바이스(1000)는 텍스트의 적어도 일부를 음성 비서 서버(2000)에 전송한다 (단계 S1480). If it is determined in step S1450 that the function determination model corresponding to the operation performing device is not stored in the operation performing device (NO), the
도 15는 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), 및 리스너 디바이스(4000b)의 동작 방법을 도시한 흐름도이다. 도 15에 도시된 실시예는 허브 디바이스(1000)를 통한 자연어 해석을 통해 리스너 디바이스(4000b)가 동작 수행 디바이스로 결정된 경우의 실시예이다. 15 is a flowchart illustrating a method of operating the
도 15를 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 기능 판단 디바이스 결정 모듈(1340), 및 복수의 기능 판단 모델(1352, 1354, 1356)을 포함할 수 있다. 그러나, 이에 한정되는 것은 아니고, 허브 디바이스(1000)는 기능 판단 모델을 저장하지 않거나, 또는 동작 디바이스에 대응하는 기능 판단 모델을 저장하지 않을 수 있다. Referring to FIG. 15, the
음성 비서 서버(2000)는 복수의 기능 판단 모델(2342, 2344, 2346)을 저장할 수 있다. 예를 들어, 음성 비서 서버(2000)에 저장된 제1 기능 판단 모델(2342)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 예를 들어, 제2 기능 판단 모델(2344)은 TV의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델이며, 제3 기능 판단 모델(2346)은 세탁기의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다.The
리스너 디바이스(4000b)는 사용자로부터 음성 입력을 수신하는 디바이스이다. 그러나, 이에 한정되는 것은 아니고, 일 실시예에서 리스너 디바이스(4000b)는 허브 디바이스(1000)로부터 제어 명령을 받아 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스일 수도 있다. 도 15에 도시된 실시예에서, 리스너 디바이스(4000b)는 기능 판단 모델(4032b), ASR 모듈(4038b), 마이크(4040b)를 포함할 수 있다. 기능 판단 모델(4032b)은 자연어 이해 모델(4034b) 및 액션 플랜 관리 모듈(4036b)을 포함할 수 있다. The listener device 4000b is a device that receives a voice input from a user. However, the present invention is not limited thereto, and in an embodiment, the listener device 4000b may be an operation performing device that receives a control command from the
단계 S1510에서, 리스너 디바이스(4000b)는 사용자로부터 음성 입력을 수신한다. 일 실시예에서 리스너 디바이스(4000b)는, 마이크(4040b)를 통해 리스너 디바이스(4000b)가 수행하는 기능과 관련된 음성 입력을 사용자로부터 수신할 수 있다. 예를 들어, 리스너 디바이스(4000b)는 에어컨인 경우, 리스너 디바이스(4000b)는 마이크(4040b)를 통해 사용자로부터 "에어컨 온도를 20℃로 내려줘"와 같은 음성 입력을 수신할 수 있다.In step S1510, the listener device 4000b receives a voice input from the user. In an embodiment, the listener device 4000b may receive a voice input related to a function performed by the listener device 4000b from a user through the
일 실시예에서, 리스너 디바이스(4000b)는 사용자로부터 수신한 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 리스너 디바이스(4000b)는 마이크(4040b)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다. In an embodiment, the listener device 4000b may obtain a voice signal from a voice input received from a user. In an embodiment, the listener device 4000b converts the sound received through the
단계 S1520에서 리스너 디바이스(4000b)는, 리스너 디바이스(4000b)의 메모리에 디바이스 판단 모델이 저장되어 있는지 확인한다. 일 실시예에서, 리스너 디바이스(4000b)는 메모리를 스캔함으로써 디바이스 판단 모델에 해당되는 프로그램 코드 또는 데이터가 저장되어 있는지 확인할 수 있다. 그러나, 이에 한정되는 것은 아니고, 리스너 디바이스(4000b)는 디바이스 식별 정보(예를 들어, 디바이스 id)를 기초로 디바이스의 사양(spec)에 관한 정보를 획득하고, 디바이스 사양 정보를 이용하여 리스너 디바이스(4000b)의 내부 메모리에 디바이스 판단 모델이 저장되어 있는지 여부를 확인할 수 있다.In step S1520, the listener device 4000b checks whether the device determination model is stored in the memory of the listener device 4000b. In an embodiment, the listener device 4000b may check whether a program code or data corresponding to a device determination model is stored by scanning a memory. However, the present invention is not limited thereto, and the listener device 4000b acquires information about the device specification based on device identification information (eg, device id), and uses the device specification information to obtain the listener device ( It is possible to check whether the device determination model is stored in the internal memory of 4000b).
리스너 디바이스(4000b)의 메모리에 디바이스 판단 모델이 저장되지 않은 것으로 확인된 경우(NO), 리스너 디바이스(4000b)는 허브 디바이스(1000)에 음성 신호를 전송한다 (단계 S1522).When it is confirmed that the device determination model is not stored in the memory of the listener device 4000b (NO), the listener device 4000b transmits a voice signal to the hub device 1000 (step S1522).
리스너 디바이스(4000b)의 메모리에 디바이스 판단 모델이 저장되어 있는 것으로 확인된 경우(YES), 리스너 디바이스(4000b)는 ASR을 수행하여, 음성 신호를 텍스트로 변환한다 (단계 S1530). 리스너 디바이스(4000b)는 ASR 모듈(4038b)을 이용하여 ASR을 수행함으로써, 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 리스너 디바이스(4000b)가, 노이즈가 제거되지 않은 음향 신호를 수신하는 경우에는, 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.When it is confirmed that the device determination model is stored in the memory of the listener device 4000b (YES), the listener device 4000b performs ASR to convert the voice signal into text (step S1530). The listener device 4000b may perform ASR using the
단계 S1540에서, 리스너 디바이스(4000b)는 디바이스 판단 모델을 이용하여 텍스트를 해석함으로써, 리스너 디바이스(4000b)를 동작 수행 디바이스로 결정한다. 일 실시예에서, 리스너 디바이스(4000b)에 포함되는 디바이스 판단 모델은 자연어 이해 모델을 포함하고, 리스너 디바이스(4000b)는 자연어 이해 모델을 이용하여 텍스트를 해석함으로써, 리스너 디바이스(4000b)를 동작 수행 디바이스로 결정할 수 있다. 예를 들어, 음성 신호로부터 변환된 텍스트가 "에어컨 온도를 20℃로 내려줘"인 경우, 리스너 디바이스(4000b)는 자연어 이해 모델을 이용하여 텍스트를 해석함으로써, 에어컨인 리스너 디바이스(4000b)를 동작 수행 디바이스로 결정할 수 있다. In step S1540, the listener device 4000b analyzes the text using the device determination model to determine the listener device 4000b as an operation performing device. In one embodiment, the device determination model included in the listener device 4000b includes a natural language understanding model, and the listener device 4000b interprets the text using the natural language understanding model, thereby operating the listener device 4000b. Can be determined by For example, when the text converted from the voice signal is "Take the air conditioner temperature down to 20℃", the listener device 4000b operates the listener device 4000b, which is an air conditioner, by analyzing the text using a natural language understanding model. It can be determined by the execution device.
단계 S1550에서, 리스너 디바이스(4000b)는 텍스트를 기능 판단 모델(4030)에 제공한다. 예를 들어, 기능 판단 모델(4032)은 에어컨에 관한 기능 판단 모델로서, 에어컨이 기능에 따른 동작을 실행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 기능 판단 모델(4032)은, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 리스너 디바이스(4000b)가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 자연어 이해 모델(4034b)을 포함할 수 있다. 기능 판단 모델(4032b)은, 리스너 디바이스(4000b)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모듈(4036b)을 포함할 수 있다. 액션 플랜 관리 모듈(4036b)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 리스너 디바이스(4000b)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다. In step S1550, the listener device 4000b provides the text to the function determination model 4030. For example, the
일 실시예에서, 리스너 디바이스(4000b)는 "에어컨 온도를 20℃로 내려줘”의 텍스트를 에어컨에 관한 기능 판단 모델(4032b)에 제공하고, 자연어 이해 모델(4034b)을 이용하여 텍스트를 해석함으로써 에어컨이 수행할 동작 정보, 예를 들어 '설정 온도 내림'에 관한 동작에 관한 정보를 획득하고, 액션 플랜 관리 모듈(4036b)을 이용하여 '설정 온도 내림'에 관한 동작을 수행하기 위한 세부 동작들 및 세부 동작들의 실행 순서를 플래닝할 수 있다. In one embodiment, the listener device 4000b provides the text of "Reduce the air conditioner temperature to 20°C" to the function determination model 4032b regarding the air conditioner, and interprets the text using the natural
단계 S1522에서, 허브 디바이스(1000)는 리스너 디바이스(4000b)로부터 음성 신호를 수신한다.In step S1522, the
단계 S1560에서, 허브 디바이스(1000)는 ASR을 수행하여, 음성 신호를 텍스트로 변환한다. 허브 디바이스(1000)가 ASR을 수행하는 구체적인 방법은 도 6의 단계 S620에서 설명한 방법과 동일하므로, 중복되는 설명은 생략한다.In step S1560, the
단계 S1570에서, 허브 디바이스(1000)는 제1 자연어 이해 모델(1332)을 이용하여 텍스트를 해석하고, 디바이스 판단 모델(1330)을 이용하여 리스너 디바이스(4000b)를 텍스트와 관련된 동작 수행 디바이스로 결정한다. 예를 들어, 허브 디바이스(1000)는 제1 자연어 이해 모델(1332)을 이용하여 "에어컨 온도를 20℃로 내려줘"의 텍스트를 해석함으로써, '에어컨의 설정 온도 내림'이라는 인텐트를 획득하고, 디바이스 판단 모델(1330)을 이용하여 획득한 인텐트에 기초하여 에어컨인 리스너 디바이스(4000b)를 동작 수행 디바이스로 결정할 수 있다. 허브 디바이스(1000)가 동작 수행 디바이스를 결정하는 구체적인 방법은 도 6의 단계 S630에서 설명한 방법과 동일하므로, 중복되는 설명은 생략한다. In step S1570, the
단계 S1580에서, 허브 디바이스(1000)는 리스너 디바이스(4000b)에 기능 판단 모델이 저장되어 있는지 확인한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 리스너 디바이스(4000b)로부터 획득한 기능 판단 모델의 저장 정보에 기초하여, 리스너 디바이스(4000b)에 대응하는 기능 판단 모델이 리스너 디바이스(4000b)의 내부 메모리에 저장되어 있는지 확인한다. 다른 실시예에서, 프로세서(1200)는 복수의 디바이스 별 기능 판단 모델에 관한 정보를 저장하고 있는 데이터베이스(1360, 도 2 참조)를 이용하여 리스너 디바이스(4000b)에 대응하는 기능 판단 모델이 리스너 디바이스(4000b)의 내부 메모리에 저장되어 있는지 확인할 수 있다. 리스너 디바이스(4000b)에 대응하는 기능 판단 모델이 리스너 디바이스(4000b)의 내부 메모리에 저장되어 있는지 확인하는 구체적인 방법은 도 14의 단계 S1430에서 설명한 방법과 동일하므로, 중복되는 설명은 생략한다.In step S1580, the
단계 S1580에서 리스너 디바이스(4000b)에 기능 판단 모델이 저장되어 있는 것으로 확인된 경우(YES), 허브 디바이스(1000)는 텍스트를 리스너 디바이스(4000b)의 기능 판단 모델에 전송한다 (단계 S1592).When it is confirmed in step S1580 that the function determination model is stored in the listener device 4000b (YES), the
단계 S1580에서 리스너 디바이스(4000b)에 기능 판단 모델이 저장되지 않은 것으로 확인된 경우(NO), 허브 디바이스(1000)는 텍스트를 음성 비서 서버(2000)의 리스너 디바이스(4000b)에 대응하는 기능 판단 모델에 전송한다 (단계 S1594). 예를 들어, 리스너 디바이스(4000b)가 에어컨이고, 리스너 디바이스(4000b)의 내부 메모리에 에어컨에 관한 기능 판단 모델이 저장되지 않은 것으로 확인된 경우, 허브 디바이스(1000)는 텍스트를 음성 비서 서버(2000)의 메모리(2300, 도 3 참조)에 기 저장된 복수의 기능 판단 모델(2342, 2344, 2346) 중 에어컨에 관한 기능 판단 모델인 제1 기능 판단 모델(2342)에 전송할 수 있다. If it is determined in step S1580 that the function determination model is not stored in the listener device 4000b (NO), the
일 실시예에서, 리스너 디바이스(4000b)에 의해 수행되는 단계 S1530 내지 단계 S1550과 허브 디바이스(1000)에 의해 수행되는 단계 S1560 내지 단계 S1594는 별개의 수행 주체를 통해 각각 병렬적으로 수행될 수 있다. 또한, 리스너 디바이스(4000b)에 의해 수행되는 단계 S1530 내지 단계 S1550은 허브 디바이스(1000)에 의해 수행되는 단계 S1560 내지 단계 S1594와 관계없이 독립적으로 수행될 수 있다. 즉, 리스너 디바이스(4000b)는 허브 디바이스(1000)에 의해 동작 수행 디바이스로 결정되어 텍스트의 적어도 일부를 전송받을 수 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 리스너 디바이스(4000b)는 자체적으로 사용자의 음성 입력을 해석함으로써 동작 수행 디바이스를 결정하고, 기능 판단 모델(4032b)에 텍스트의 적어도 일부를 제공할 수도 있다. In an embodiment, steps S1530 to S1550 performed by the listener device 4000b and steps S1560 to S1594 performed by the
도 16은 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), 동작 수행 디바이스(4000a), 및 리스너 디바이스(4000b)의 동작 방법을 도시한 흐름도이다. 도 16에 도시된 실시예는 리스너 디바이스(4000b)와 동작 수행 디바이스(4000a) 서로 다른 별개의 디바이스인 경우의 실시예이다. 예를 들어, 리스너 디바이스(4000b)는 TV이고, 동작 수행 디바이스(4000a)는 에어컨일 수 있다. 16 is a flowchart illustrating a method of operating the
도 16을 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 기능 판단 디바이스 결정 모듈(1340), 및 복수의 기능 판단 모델(1352, 1354, 1356)을 포함할 수 있다. Referring to FIG. 16, the
음성 비서 서버(2000)는 복수의 기능 판단 모델(2342, 2344, 2346)을 저장할 수 있다. The
도 16에 도시된 허브 디바이스(1000) 및 음성 비서 서버(2000)는 도 15에 도시된 허브 디바이스(1000) 및 음성 비서 서버(2000)와 각각 동일하므로, 중복되는 설명은 생략한다. Since the
도 16에 도시된 리스너 디바이스(4000b)는 도 15의 경우와는 달리, 마이크(4040b)만을 포함할 수 있다. 리스너 디바이스(4000b)는 마이크(4040b)를 통해 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 허브 디바이스(1000)에 전송할 수 있다. 일 실시예에서, 리스너 디바이스(4000b)는 사용자의 음성 입력이 수신되면, 허브 디바이스(1000)에 음성 입력을 전송하는 동작을 수행하도록 미리 설정될 수 있다.Unlike the case of FIG. 15, the listener device 4000b illustrated in FIG. 16 may include only the
동작 수행 디바이스(4000a)는 자체의 기능 판단 모델(4032)을 저장할 수 있다. 동작 수행 디바이스(4000a)의 메모리 내에는, 동작 수행 디바이스(4000a)가 자체적으로 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 사용자의 의도에 따른 동작을 수행하기 위하여 이용되는 기능 판단 모델(4032)이 저장되어 있을 수 있다. 예를 들어, 동작 수행 디바이스(4000a)가 ‘에어컨’인 경우, 동작 수행 디바이스(4000a)의 메모리 내에 저장된 기능 판단 모델(4032)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다.The
단계 S1610에서, 리스너 디바이스(4000b)는 사용자로부터 음성 입력을 수신한다. 단계 S1610은 도 15의 단계 S1510과 동일하므로 중복되는 설명은 생략한다.In step S1610, the listener device 4000b receives a voice input from the user. Since step S1610 is the same as step S1510 of FIG. 15, a duplicate description will be omitted.
단계 S1620에서, 리스너 디바이스(4000b)는 사용자 계정(user account)에 기 등록된 복수의 디바이스 중 디바이스 판단 모델(1330)을 포함하는 디바이스를 허브 디바이스(1000)로 결정한다. 일 실시예에서, 리스너 디바이스(4000b)는 유선 또는 무선 통신 네트워크를 통해 연결되고, 동일한 사용자 계정으로 로그인된 복수의 디바이스로부터 디바이스 판단 모델 정보를 획득하고, 획득된 디바이스 판단 모델 정보에 기초하여 디바이스 판단 모델(1330)을 저장하고 있는 디바이스를 허브 디바이스(1000)로 결정할 수 있다. 디바이스 판단 모델 정보는, 예를 들어 복수의 디바이스 각각의 디바이스 판단 모델 유무에 관한 정보, 디바이스 판단 모델이 저장된 디바이스/서버의 식별 정보, 저장된 디바이스/서버의 IP 주소(IP address), 또는 저장된 디바이스/서버의 MAC 주소(MAC address))에 관한 정보 중 적어도 하나를 포함할 수 있다. In step S1620, the listener device 4000b determines a device including the device determination model 1330 among a plurality of devices previously registered in a user account as the
단계 S1630에서, 리스너 디바이스(4000b)는 허브 디바이스(1000)에 음성 신호를 전송한다. In step S1630, the listener device 4000b transmits a voice signal to the
단계 S1640에서, 허브 디바이스(1000)는 ASR을 수행하여, 음성 신호를 텍스트로 변환한다.In step S1640, the
단계 S1650에서, 허브 디바이스(1000)는 제1 자연어 이해 모델(1332)을 이용하여 텍스트를 해석하고, 디바이스 판단 모델(1330)을 이용하여 텍스트와 관련된 동작 수행 디바이스를 결정한다. In step S1650, the
단계 S1640 및 단계 S1650은 도 6의 단계 S620 및 단계 S630과 각각 동일하므로, 중복되는 설명은 생략한다.Step S1640 and step S1650 are the same as steps S620 and S630 of FIG. 6, respectively, and thus redundant descriptions are omitted.
단계 S1660에서, 허브 디바이스(1000)는 동작 수행 디바이스에 기능 판단 모델이 저장되어 있는지 확인한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 동작 수행 디바이스(4000a)로부터 획득한 기능 판단 모델의 저장 정보에 기초하여, 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델(4032)이 동작 수행 디바이스(4000a)의 내부 메모리에 저장되어 있는지 확인한다. 다른 실시예에서, 프로세서(1200)는 복수의 디바이스 별 기능 판단 모델에 관한 정보를 저장하고 있는 데이터베이스(1360, 도 2 참조)를 이용하여 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 동작 수행 디바이스(4000a)의 내부 메모리에 저장되어 있는지 확인할 수 있다. 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델이 동작 수행 디바이스(4000a)의 내부 메모리에 저장되어 있는지 확인하는 구체적인 방법은 도 14의 단계 S1450에서 설명한 방법과 동일하므로, 중복되는 설명은 생략한다.In step S1660, the
단계 S1660에서 동작 수행 디바이스(4000a)에 기능 판단 모델(4032)이 저장된 것으로 확인된 경우(YES), 허브 디바이스(1000)는 텍스트를 동작 수행 디바이스(4000a)에 전송한다 (단계 S1672). 예를 들어, 동작 수행 디바이스(4000a)가 에어컨이고, 동작 수행 디바이스(4000a)의 메모리에 저장된 기능 판단 모델(4032)이 에어컨에 관한 동작 정보를 획득하기 위한 모델로 확인된 경우, 허브 디바이스(1000)는 동작 수행 디바이스(4000a)에 저장된 기능 판단 모델(4032)에 텍스트의 적어도 일부를 전송할 수 있다. If it is confirmed that the
단계 S1660에서 동작 수행 디바이스(4000a)에 기능 판단 모델이 저장되지 않은 것으로 확인된 경우(NO), 허브 디바이스(1000)는 텍스트를 음성 비서 서버(2000)에 전송한다 (단계 S1674). 예를 들어, 동작 수행 디바이스(4000a)가 에어컨이지만, 동작 수행 디바이스(4000a)의 메모리에 저장된 기능 판단 모델(4032)이 TV에 관한 동작 정보를 획득하기 위한 모델인 것으로 확인된 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 저장된 복수의 기능 판단 모델(2342, 2344, 2346) 중 에어컨에 관한 동작 정보를 획득하기 위한 제1 기능 판단 모델(2342)에 텍스트의 적어도 일부를 전송할 수 있다. If it is determined in step S1660 that the function determination model is not stored in the
도 17은 본 개시의 동작 수행 디바이스(4000a)가 기능 판단 모델의 업데이트하는 실시예를 도시한 도면이다.17 is a diagram illustrating an example in which the
도 17을 참조하면, 음성 비서 서버(2000)는 디바이스 판단 모델(2330), 및 복수의 기능 판단 모델(2342, 2344, 2346)을 포함할 수 있다. 동작 수행 디바이스(4000a)는 기능 판단 모델(4032)을 포함하고, 기능 판단 모델(4032)은 자연어 이해 모델(4034) 및 액션 플랜 관리 모듈(4036)을 포함할 수 있다. Referring to FIG. 17, the
음성 비서 서버(2000)에 포함되는 디바이스 판단 모델(2330)은 최신 디바이스 또는 최신 기능에 관한 음성 입력을 해석함으로써, 동작 수행 디바이스(4000a)를 결정하도록 구성된 최신 버전의 모델일 수 있다. 음성 비서 서버(2000)에 포함되는 복수의 기능 판단 모델(2342, 2344, 2346)은 예를 들어, 에어컨, 냉장고, 및 TV에 관한 최신 기능에 대한 음성 입력을 해석하고, 해석 결과 동작 정보를 생성하도록 구성된 최신 버전의 모델일 수 있다.The
동작 수행 디바이스(4000a)에 포함되는 기능 판단 모델(4032)은 음성 입력으로부터 변환된 텍스트를 해석함으로써, 특정 기능을 수행하는 동작 정보를 생성하도록 구성된 모델로서, 한정된 개수의 기능에 관한 텍스트만을 해석할 수 있도록 학습된 자연어 이해 모델(4034) 및 자연어 이해 모델(4034)을 통해 해석된 텍스트로부터 동작 정보를 생성하도록 학습된 액션 플랜 관리 모듈(4036)을 포함할 수 있다. 일 실시예에서, 동작 수행 디바이스(4000a)에 포함되는 기능 판단 모델(4032)은 최신 버전이 아니어서 최신 기능에 관한 텍스트는 해석할 수 없고, 최신 기능에 관한 동작 정보를 생성할 수 없다. 최신 기능에 관한 텍스트가 수신되는 경우, 기능 판단 모델(4032)은 자연어 이해 모델(4034)을 이용하더라도 텍스트를 해석할 수 없고, 기능을 판단할 수 없는바, 액션 플랜 관리 모듈(4036)을 이용하더라도 동작 정보를 생성할 수도 없다. 이 경우, 동작 수행 디바이스(4000a)는 기능 판단 불가 상태가 된다. The
단계 S1710에서, 동작 수행 디바이스(4000a)는 디바이스 정보 및 기능 판단 모델의 업데이트 요청 정보를 음성 비서 서버(2000)에 전송한다. 기능 판단 모델의 업데이트 요청 정보는 동작 수행 디바이스(4000a)의 메모리 내에 저장된 기능 판단 모델(4032)의 버전을 음성 비서 서버(2000)에 저장된 복수의 기능 판단 모델(2342, 2344, 2346) 중 동작 수행 디바이스(4000a)에 대응하는 기능 판단 모델의 버전과 동기화(synchronization)하도록 요청하는 정보일 수 있다. In step S1710, the
일 실시예에서, 동작 수행 디바이스(4000a)는 일정 시간 간격, 일정 날짜 등에 따라 주기적으로 기능 판단 모델의 업데이트 요청 정보를 음성 비서 서버(2000)에 전송할 수 있다. 그러나, 이에 한정되는 것은 아니고, 동작 수행 디바이스(4000a)는 애플리케이션(application) 또는 펌웨어(firmware)를 업데이트할 때, 기능 판단 모델의 업데이트 요청 정보를 음성 비서 서버(2000)에 전송할 수 있다. 다른 실시예에서, 동작 수행 디바이스(4000a)는 IoT 서버(3000)로부터 제어 명령을 수신하는 경우, 기능 판단 모델의 업데이트 요청 정보를 음성 비서 서버(2000)에 전송할 수 있다. In an embodiment, the
단계 S1720에서, 음성 비서 서버(2000)는 최신 버전의 기능 판단 모델의 업데이트 데이터를 전송한다. In step S1720, the
단계 S1730에서, 동작 수행 디바이스(4000a)는 업데이트 데이터를 이용하여 기능 판단 모델을 최신 버전으로 업데이트한다. 일 실시예에서, 동작 수행 디바이스(4000a)는 음성 비서 서버(2000)로부터 수신한 최신 버전의 기능 판단 모델에 관한 데이터를 이용하여 기존 저장되어 있던 기능 판단 모델(4032)을 덮어쓰기(overwrite) 방식으로 업데이트할 수 있다. 동작 수행 디바이스(4000a)는 기능 판단 모델(4032)의 업데이트를 통해 추가, 수정, 또는 삭제된 최신 기능에 관한 텍스트를 해석하고, 해석 결과에 따라 동작 정보를 생성할 수 있도록 학습(training)을 수행할 수 있다. In step S1730, the
단계 S1740에서, 음성 비서 서버(2000)는 디바이스 판단 모델(2330)을 업데이트한다. 일 실시예에서, 음성 비서 서버(2000)는 최신 기능과 관련된 텍스트를 해석하여, 최신 기능에 관한 동작을 수행할 디바이스를 판단하는 경우, 동작 수행 디바이스(4000a)도 디바이스 후보에 포함할 수 있도록 디바이스 판단 모델(2330)을 업데이트할 수 있다. In step S1740, the
도 17에 도시된 실시예는, 동작 수행 디바이스(4000a)의 내부 메모리에 자체적으로 저장된 기능 판단 모델(4032)을 음성 비서 서버(2000)의 최신 기능 판단 모델과 동기화(synchronization)함으로써, 사용자가 최신 기능을 실행시키기 위하여 발화하는 경우, 통신 네트워크를 이용하여 음성 비서 서버(2000)에 접속하지 않더라도 동작 수행 디바이스(4000a)의 자체 기능 판단 모델(4032)을 통해 동작을 수행할 수 있는바, 네트워크 사용의 비용을 절감할 수 있고, 서버 운영의 효율성이 증대되는 효과가 있다. In the embodiment shown in FIG. 17, by synchronizing the
도 18은 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 동작 수행 디바이스(4000a)의 동작 방법을 도시한 흐름도이다. 도 18은 동작 수행 디바이스(4000a)가 IoT 서버(3000)로부터 제어 명령을 수신하는 경우 기능 판단 모델(4032)을 최신 버전으로 업데이트하는 실시예에 관하여 도시한 도면이다.18 is a flowchart illustrating a method of operating the
도 18을 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 기능 판단 디바이스 결정 모듈(1340), 및 복수의 기능 판단 모델(1352, 1354, 1356)을 포함할 수 있다. Referring to FIG. 18, the
동작 수행 디바이스(4000a)는 기능 판단 모델(4032)을 포함하고, 기능 판단 모델(4032)은 자연어 이해 모델(4034) 및 액션 플랜 관리 모듈(4036)을 포함할 수 있다. The
도 18에 도시된 허브 디바이스(1000), 및 동작 수행 디바이스(4000a)는 도 16에 도시된 허브 디바이스(1000), 및 동작 수행 디바이스(4000a)와 각각 동일하므로, 중복되는 설명은 생략한다. Since the
음성 비서 서버(2000)는 디바이스 판단 모델(2330) 및 복수의 기능 판단 모델(2342, 2344, 2346)을 포함할 수 있다. 디바이스 판단 모델(2330)은 도 3에 도시된 디바이스 판단 모델(2330)과 동일하므로 중복되는 설명은 생략한다.The
단계 S1810에서, IoT 서버(3000)는 동작 수행 디바이스(4000a)에 제어 명령을 전송한다. In step S1810, the
단계 S1820에서, 동작 수행 디바이스(4000a)는 제어 명령에 대응되는 동작 정보가 기능 판단 모델(4032) 내에 포함되어 있는지 확인한다. 일 실시예에서, 동작 수행 디바이스(4000a)는 IoT 서버(3000)로부터 수신한 제어 명령에 따른 동작들을 수행하기 위한 기능에 관한 정보가 기능 판단 모델(4032) 내에 포함되어 있는지를 확인할 수 있다. 예를 들어, 동작 수행 디바이스(4000a)가 에어컨인 경우, 제습 모드에 관한 제어 명령이 수신되면, 동작 수행 디바이스(4000a)는 제습 모드를 동작할 수 있는 제습 기능에 관한 세부 동작들 및 세부 동작들의 실행 순서에 관한 정보가 기능 판단 모델(4032)에 저장되어 있는지 확인할 수 있다. In step S1820, the
단계 S1820에서 제어 명령에 대응하는 동작에 관한 정보가 기능 판단 모델(4032)에 저장되어 있다고 확인된 경우(YES), 동작 수행 디바이스(4000a)는 제어 명령에 따라 동작들을 실행한다 (단계 S1830). When it is confirmed in step S1820 that information on the operation corresponding to the control command is stored in the function determination model 4032 (YES), the
단계 S1820에서 제어 명령에 대응하는 동작에 관한 정보가 기능 판단 모델(4032)에 저장되지 않은 것으로 확인된 경우(NO), 동작 수행 디바이스(4000a)는 디바이스 정보 및 기능 판단 모델(4032)의 업데이트 요청 정보를 음성 비서 서버(2000)에 전송한다 (단계 S1840). 디바이스 정보는 예를 들어, 동작 수행 디바이스(4000a)의 디바이스 식별 정보(예를 들어, 디바이스 id), 동작 수행 디바이스(4000a)의 기능 판단 모델(4032)의 저장 정보, 및 기능 판단 모델(4032)의 버전 정보 중 적어도 하나를 포함할 수 있다. 기능 판단 모델(4032)의 버전 정보는, 기능 판단 모델(4032)을 이용하여 식별할 수 있는 기능의 속성, 타입, 또는 기능의 개수에 관한 정보를 포함할 수 있다. When it is determined in step S1820 that information on the operation corresponding to the control command is not stored in the function determination model 4032 (NO), the
단계 S1842에서, 음성 비서 서버(2000)는 최신 버전의 기능 판단 모델의 업데이트 데이터를 동작 수행 디바이스(4000a)에 전송한다. In step S1842, the
단계 S1850에서, 동작 수행 디바이스(4000a)는 업데이트 데이터를 이용하여 기능 판단 모델(4032)를 최신 버전으로 업데이트한다. 단계 S1850은 도 17의 단계 S1730과 동일하므로, 중복되는 설명은 생략한다.In step S1850, the
단계 S1860에서, 동작 수행 디바이스(4000a)는 기능 판단 모델(4032)의 업데이트 정보를 음성 비서 서버(2000)에 전송한다. 일 실시예에서, 동작 수행 디바이스(4000a)는 업데이트 후의 기능 판단 모델(4032)의 버전, 업데이트 후의 기능 판단 모델(4032)을 이용하여 식별할 수 있는 기능의 속성, 타입, 및 기능의 개수에 관한 정보 중 적어도 하나를 음성 비서 서버(2000)에 전송할 수 있다. In step S1860, the
단계 S1870에서, 음성 비서 서버(2000)는 동작 수행 디바이스의 기능 판단 모델(4032)의 업데이트 정보에 기초하여, 디바이스 판단 모델(2330)을 업데이트한다. 일 실시예에서, 음성 비서 서버(2000)는 동작 수행 디바이스(4000a)로부터 수신한 기능 판단 모델(4032)의 업데이트된 버전 정보, 업데이트된 기능 판단 모델(4032)을 이용하여 식별할 수 있는 기능의 속성, 타입, 기능의 개수에 관한 정보 중 적어도 하나에 기초하여, 최신 기능에 관한 동작을 수행할 디바이스를 판단하기 위한 디바이스 후보 리스트에 동작 수행 디바이스(4000a)를 포함하도록 디바이스 판단 모델(2330)을 업데이트할 수 있다. In step S1870, the
단계 S1880에서, 음성 비서 서버(2000)는 디바이스 판단 모델(2330)의 업데이트 데이터를 허브 디바이스(1000)에 전송한다.In step S1880, the
단계 S1890에서, 허브 디바이스(1000)는 수신된 업데이터 데이터에 기초하여, 디바이스 판단 모델(1330)을 업데이트한다. 허브 디바이스(1000)의 디바이스 판단 모델(1330)을 업데이트함으로써, 디바이스 판단 모델(1330)은 음성 비서 서버(2000)의 디바이스 판단 모델(2330)과 동기화될 수 있다. 따라서 최신 기능과 관련된 사용자의 음성 입력이 허브 디바이스(1000)를 통해 수신되는 경우, 허브 디바이스(1000)는 통신 네트워크를 이용하여 음성 비서 서버(2000)에 접속하지 않고, 내부 메모리(1300, 도 2 참조)에 자체적으로 저장된 디바이스 판단 모델(1330)을 이용하여 동작 수행 디바이스(4000a)를 판단할 수 있는바, 네트워크 사용 비용을 절감하고, 프로세싱 시간을 감소시킬 수 있으며, 이에 따라 응답 속도가 개선되는 효과가 있다. In step S1890, the
도 19는 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 신규 디바이스(4000c)의 동작 방법을 도시한 흐름도이다.19 is a flowchart illustrating a method of operating the
도 19를 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), 디바이스 판단 모델(1330), 및 기능 판단 디바이스 결정 모듈(1340)을 포함할 수 있다. Referring to FIG. 19, the
음성 비서 서버(2000)는 디바이스 판단 모델(2330) 및 복수의 기능 판단 모델(2342, 2344, 2346)을 포함할 수 있다. 디바이스 판단 모델(2330)은 도 3에 도시된 디바이스 판단 모델(2330)과 동일하므로 중복되는 설명은 생략한다.The
신규 디바이스(4000c)는, 허브 디바이스(1000)의 사용자 계정(user account)와 동일한 사용자 계정으로 로그인되고, 음성 비서 서버(2000)의 사용자 계정에 등록이 예정된 등록 대상 디바이스이다. 신규 디바이스(4000c)는 유선 또는 무선 통신 네트워크를 통해 허브 디바이스(1000), 음성 비서 서버(2000), 및 IoT 서버(3000)와 연결될 수 있다. The new device 4000c is a registration target device that is logged in with the same user account as the user account of the
도 19에 도시된 실시예에서, 신규 디바이스(4000c)의 메모리 내에는, 신규 디바이스(4000c)가 자체적으로 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 사용자의 의도에 따른 동작을 수행하기 위하여 이용되는 기능 판단 모델(4032c)이 저장되어 있을 수 있다. 예를 들어, 신규 디바이스(4000c)가 ‘공기 청정기’인 경우, 신규 디바이스(4000c)의 메모리 내에 저장된 기능 판단 모델(4032c)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 기능 판단 모델(4032c)은 자연어 이해 모델(4034c) 및 액션 플랜 관리 모듈(4036c)을 포함할 수 있다. In the embodiment shown in FIG. 19, in the memory of the new device 4000c, the new device 4000c analyzes text by itself, and is used to perform an operation according to the user's intention based on the analysis result of the text. A function determination model 4032c may be stored. For example, when the new device 4000c is an'air purifier', the function determination model 4032c stored in the memory of the new device 4000c determines the function of the air conditioner, and detailed operations and detailed operations related to the determined function are performed. It may be a model used to obtain motion information about a relationship between motions. The function determination model 4032c may include a natural
그러나, 이에 한정되는 것은 아니고, 신규 디바이스(4000c)는 기능 판단 모델(4032c)을 포함하지 않을 수도 있다. 다른 실시예에서, 신규 디바이스(4000c)는 디바이스 판단 모델을 포함할 수도 있다. However, the present invention is not limited thereto, and the new device 4000c may not include the function determination model 4032c. In another embodiment, the new device 4000c may include a device determination model.
단계 S1910에서, 신규 디바이스(4000c)는 로그인을 통해 사용자의 계정 정보를 획득한다. 사용자의 계정 정보는, 사용자 id 및 비밀번호를 포함한다. 획득된 사용자의 계정 정보는 허브 디바이스(1000)의 사용자 계정 정보와 동일할 수 있다. In step S1910, the new device 4000c acquires the user's account information through login. The user's account information includes a user ID and password. The acquired user account information may be the same as the user account information of the
단계 S1920에서, 허브 디바이스(1000)는 디바이스 식별 정보 및 디바이스 판단 모델(1330)의 판단 능력 정보를 IoT 서버(3000)에 제공한다. '디바이스 판단 능력 정보(device determination capability information)'는 허브 디바이스(1000)가 디바이스 판단 모델(1330)에 포함되는 제1 자연어 이해 모델(1332)을 이용하여 텍스트를 해석하고, 디바이스 판단 모델(1330)을 이용하여 텍스트의 해석 결과에 따른 동작을 수행할 디바이스를 결정할 수 있는 능력에 관한 정보를 의미한다. 능력 정보는 디바이스 판단 모델(1330)이 동작 수행 디바이스를 결정하기 위한 디바이스 후보에 관한 정보를 포함할 수 있다. 예를 들어, 허브 디바이스(1000)의 디바이스 판단 모델(1330)은 에어컨, TV, 및 냉장고와 관련된 텍스트만을 해석하고, 해석 결과 동작 수행 디바이스로서 에어컨, TV, 및 냉장고 중 어느 하나의 디바이스만을 결정하도록 학습된 모델일 수 있다. 이 경우, 디바이스 후보는 '에어컨, TV, 냉장고'일 수 있다. In step S1920, the
단계 S1930에서, 신규 디바이스(4000c)는 사용자의 계정 정보, 신규 디바이스(4000c)의 식별 정보(예를 들어, 디바이스 id), 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 IoT 서버(3000)에 제공한다. '디바이스 판단 모델의 저장 정보'는, 신규 디바이스(4000c)가 내부 메모리에 자체적으로 동작 수행 디바이스를 결정할 수 있는 디바이스 판단 모델을 저장하고 있는지에 관한 정보를 의미한다. '기능 판단 모델의 저장 정보'는 신규 디바이스(4000c)가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 기능 판단 모델을 내부 메모리에 자체적으로 저장하고 있는지 여부에 관한 정보를 의미한다. 기능 판단 모델의 저장 정보는 신규 디바이스(4000c)에 대응하는 기능 판단 모델 뿐만 아니라, 신규 디바이스(4000c)가 아닌 다른 디바이스에 대응하는 기능 판단 모델의 저장 여부에 관한 정보를 포함할 수 있다. In step S1930, the new device 4000c provides storage information of the user's account information, identification information of the new device 4000c (eg, device id), a device determination model and a function determination model to the
단계 S1940에서, IoT 서버(3000)는 사용자 계정에 해당되는 디바이스 리스트에 신규 디바이스(4000c)를 추가한다. IoT 서버(3000)는 사용자 계정 별로 등록된 디바이스 리스트에 신규 디바이스(4000c)의 디바이스 식별 정보, 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 저장할 수 있다. 단계 S1940은 신규 디바이스(4000c)를 등록하는 단계일 수 있다. 단계 S1940이 수행되면, 신규 디바이스(4000c)는 등록 디바이스로 된다. In step S1940, the
단계 S1950에서, IoT 서버(3000)는 사용자 계정, 디바이스 리스트, 디바이스 리스트에 포함되는 디바이스 후보 각각에 관한 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 음성 비서 서버(2000)에 제공한다. In step S1950, the
단계 S1960에서, 음성 비서 서버(2000)는 사용자 계정 내에 등록된 복수의 디바이스 중 디바이스 판단 모델이 저장된 디바이스를 허브 디바이스(1000)로 결정한다. 일 실시예에서, 음성 비서 서버(2000)는 IoT 서버(3000)로부터 획득한 사용자 계정에 따라 등록된 복수의 디바이스 각각에 관한 디바이스 판단 모델 저장 정보에 기초하여, 디바이스 판단 모델을 저장하고 있는 디바이스를 식별하고, 식별된 디바이스를 허브 디바이스(1000)로 결정할 수 있다. In step S1960, the
단계 S1970에서, 음성 비서 서버(2000)는 신규 디바이스(4000c)의 디바이스 식별 정보, 디바이스 판단 모델 및 기능 판단 모델의 저장 정보를 허브 디바이스(1000)에 전송한다.In step S1970, the
단계 S1980에서, 허브 디바이스(1000)는 디바이스 판단 모델(1330)이 동작 수행 디바이스로 판단할 수 있는 디바이스 후보에 신규 디바이스(4000c)를 추가하기 위하여, 디바이스 판단 모델(1330)을 업데이트한다. 업데이트를 통해 디바이스 판단 모델(1330)은 제1 자연어 이해 모델(1332)을 이용하여 신규 디바이스(4000c)과 관련된 텍스트를 해석할 수 있고, 해석 결과 디바이스 판단 모델(1330)은 신규 디바이스(4000c)를 동작 수행 디바이스로 결정할 수 있다. In step S1980, the
예를 들어, 신규 디바이스(4000c)가 공기 청정기인 경우, 디바이스 판단 모델(1330)을 업데이트하기 전에는 "미세 먼지 정화 모드 동작해줘~"와 같은 텍스트를 해석하지 못하고, 동작 수행 디바이스를 결정하지 못하여 'fail' 메시지를 출력할 수 밖에 없었다. 디바이스 판단 모델(1330)의 업데이트를 통해 신규 디바이스(4000c)를 디바이스 후보에 추가한 경우, 업데이트된 제1 자연어 이해 모델(1332)을 이용하여 "미세 먼지 정화 모드 동작해줘~"의 텍스트를 해석하고, 디바이스 판단 모델(1330)은 텍스트의 해석 결과에 기초하여 신규 디바이스(4000c)인 공기 청정기를 동작 수행 디바이스로 결정할 수 있다. For example, when the new device 4000c is an air purifier, text such as "Operate the fine dust purification mode" cannot be interpreted before updating the device determination model 1330, and the device to perform the operation cannot be determined. I had to print out'fail' message. When the new device 4000c is added to the device candidate through the update of the device determination model 1330, the text of "Operate the fine dust purification mode" is analyzed using the updated first natural language understanding model 1332 , The device determination model 1330 may determine the air purifier, which is the new device 4000c, as an operation performing device based on the analysis result of the text.
도 20은 허브 디바이스(1000), 복수의 디바이스(4000) 및 음성 비서 서버(2000)를 포함하는 네트워크 환경을 도시한 도면이다.20 is a diagram illustrating a network environment including a
도 20을 참조하면, 허브 디바이스(1000), 복수의 디바이스(4000), 음성 비서 서버(2000), 및 IoT 서버(3000)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 통신을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. Referring to FIG. 20, a
허브 디바이스(1000) 및 복수의 디바이스(4000)는 음성 비서 서버(2000)와 연결될 수 있으며, 허브 디바이스(1000)은 서버를 통해 복수의 디바이스(4000)과 연결될 수 있다. 또한, 허브 디바이스(1000)와 복수의 디바이스(4000)는 IoT 서버(3000)와 연결될 수 있다. 다른 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000) 각각은 통신망을 통해 음성 비서 서버(2000)와 연결되고, 음성 비서 서버(2000)를 통해 외부의 IoT 서버(3000)와 연결될 수 있다. 또 다른 실시예에서, 허브 디바이스(1000)복수의 디바이스(4000)허브 디바이스(1000)는 복수의 디바이스(4000)와 연결될 수 있으며, 허브 디바이스(1000)는 근접하여 위치하는 하나 또는 복수 개의 엑세스 포인트(Access point)를 통해 복수의 디바이스(4000)와 연결될 수 있다. 또한, 허브 디바이스(1000)는 음성 비서 서버(2000) 또는 IoT 서버(3000)와 연결된 상태를 유지하면서, 복수의 디바이스(4000)와 연결될 수 있다.The
허브 디바이스(1000), 복수의 디바이스(4000), 음성 비서 서버(2000) 및 IoT 서버(3000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다. The
일 실시예에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신할 수 있다. 복수의 디바이스(4000) 중 적어도 하나는, 음성 비서 서버(2000) 및/또는 IoT 서버(3000)의 제어 명령을 받아 특정 동작을 수행하는 타겟 디바이스일 수 있다. 복수의 디바이스(4000) 중 적어도 하나는, 허브 디바이스(1000)가 수신한 사용자의 음성 입력에 기반하여, 특정 동작을 수행하도록 제어될 수 있다. 일 실시예에서, 복수의 디바이스(4000) 중 적어도 하나는, 음성 비서 서버(2000) 및/또는 IoT 서버(3000)로부터 제어 명령을 받지 않고, 허브 디바이스(1000)로부터 제어 명령을 수신할 수 있다.In an embodiment, the
허브 디바이스(1000)는 사용자로부터 음성 입력(예를 들어, 발화)을 수신할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 ASR 모델을 포함할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 제한적인 기능을 갖는 ASR 모델을 포함할 수 있다. 예를 들어, 허브 디바이스(1000)는 지정된 음성 입력(예를 들어, '하이 빅스비', '오케이 구글'등과 같은 웨이크 업 입력)을 감지하는 기능 또는 일부 음성 입력으로부터 획득한 음성 신호를 전처리하는 기능을 갖는 ASR 모델을 포함할 수 있다. 도 20에서, 허브 디바이스(1000)는 인공지능 스피커(AI speaker)로 도시되었지만, 이에 한정되는 것은 아니다. 일 실시예에서, 복수의 디바이스(4000) 중 어느 하나의 디바이스가 허브 디바이스(1000)일 수 있다. 또한, 허브 디바이스(1000)는 제1 자연어 이해 모델, 제2 자연어 이해 모델 및 자연어 생성 모델을 포함할 수 있다. 이 경우, 허브 디바이스(1000)는 마이크를 통해 사용자의 음성 입력을 수신하거나, 복수의 디바이스(4000) 중 적어도 하나의 디바이스로부터 사용자의 음성 입력을 수신할 수 있다. 허브 디바이스(1000)는, 사용자의 음성 입력이 수신되면 ASR 모델, 제1 자연어 이해 모델, 제2 자연어 이해 모델 및 자연어 생성 모델을 통해 사용자의 음성 입력을 처리하고, 사용자의 음성 입력에 대응하는 응답을 제공할 수 있다.The
허브 디바이스(1000)는 수신된 음성 신호에 기초하여, 사용자가 의도하는 동작을 수행할 타겟 디바이스의 타입(type)을 결정할 수 있다. 허브 디바이스(1000)는 아날로그 신호인 음성 신호를 수신하고, ASR(Automatic Speech Recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 허브 디바이스(1000)는 제1 자연어 이해(Natural Language Understanding, NLU) 모델을 이용하여 변환된 텍스트를 해석하고, 해석 결과에 기초하여 타겟 디바이스를 결정할 수 있다. 허브 디바이스(1000)는 복수의 디바이스(4000) 중 적어도 하나를 타겟 디바이스로 결정할 수 있다. 허브 디바이스(1000)는, 저장하고 있는 복수의 제2 자연어 이해 모델 중에 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 선택할 수 있다. 허브 디바이스(1000)는 선택된 제2 자연어 이해 모델을 이용하여 사용자가 요청한 타겟 디바이스에서 수행하고자 하는 동작을 판단할 수 있다. 허브 디바이스(1000)는, 저장하고 있는 복수의 제2 자연어 이해 모델 중 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델이 없다고 판단되면, 변환된 텍스트 중 적어도 일부를 음성 비서 서버(2000) 또는 복수의 디바이스(4000) 중 적어도 하나로 전송할 수 있다. 허브 디바이스(1000)는 결정된 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스에 판단된 동작에 대한 정보를 전달한다.The
허브 디바이스(1000)는 IoT 서버(3000)로부터 복수의 디바이스(4000)의 정보를 수신할 수 있다. 허브 디바이스(1000)는 수신한 복수의 디바이스(4000) 의 정보를 이용하여 타겟 디바이스를 결정할 수 있다. 또한, 허브 디바이스(1000)는, IoT 서버(3000)을 판단된 동작에 대한 정보를 전달하기 위한 중계 서버로 이용하여, 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스를 제어할 수 있다. The
허브 디바이스(1000)는 마이크를 통해 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 음성 비서 서버(2000)에 전송할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 수신된 음성 입력으로부터 음성 신호를 획득하고, 음성 신호를 음성 비서 서버(2000)에게 전송할 수 있다.The
도 20에 도시된 실시예에서, 복수의 디바이스(4000)는 에어컨(4100), TV(4200), 세탁기(4300), 및 냉장고(4400)를 포함하지만, 이에 한정되지 않는다. 예를 들어, 복수의 디바이스(4000)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 복수의 디바이스(4000)는 가전 제품(home appliance)일 수 있다. 가전 제품은, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), 홈 오토매이션 컨트롤 패널(home automation control panel), 보안 컨트롤 패널(security control panel), 게임 콘솔, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.In the embodiment illustrated in FIG. 20, the plurality of
음성 비서 서버(2000)는 수신된 음성 신호에 기초하여, 사용자가 의도하는 동작을 수행할 타겟 디바이스의 타입(type)을 결정할 수 있다. 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 아날로그 신호인 음성 신호를 수신하고, ASR(Automatic Speech Recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 음성 비서 서버(2000)는 제1 자연어 이해(Natural Language Understanding, NLU) 모델을 이용하여 변환된 텍스트를 해석하고, 해석 결과에 기초하여 타겟 디바이스를 결정할 수 있다. 또한, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 텍스트의 적어도 일부 및 허브 디바이스(1000)에서 결정한 타겟 디바이스에 대한 정보를 수신할 수 있다. 이 경우, 허브 디바이스(1000)는 허브 디바이스(1000)의 ASR 모델 및 제1 자연어 이해 모델을 이용하여 사용자 음성 신호를 텍스트로 변환하고, 변환된 텍스트를 해석하여 타겟 디바이스를 결정한다. 또한, 허브 디바이스(1000)는 변환된 텍스트의 적어도 일부와 결정된 타겟 디바이스에 대한 정보를 음성 비서 서버(2000)로 전송한다.The
음성 비서 서버(2000)는, 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 이용하여 사용자가 요청한 타겟 디바이스에서 수행하고자 하는 동작을 판단할 수 있다. 음성 비서 서버(2000)는 IoT 서버(3000)로부터 복수의 디바이스(4000)의 정보를 수신할 수 있다. 음성 비서 서버(2000)는 수신한 복수의 디바이스(4000) 의 정보를 이용하여 타겟 디바이스를 결정할 수 있다. 또한, 음성 비서 서버(2000)는, IoT 서버(3000)을 판단된 동작에 대한 정보를 전달하기 위한 중계 서버로 이용하여 IoT 서버(3000), 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스를 제어할 수 있다. IoT 서버(3000)는 네트워크를 통해 연결된 기등록된 복수의 디바이스(4000)에 관한 정보를 저장할 수 있다. 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000)의 식별 정보(예: 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 및 복수의 디바이스(4000) 각각의 기능 수행 능력 정보(capability) 중 적어도 하나를 저장할 수 있다.The
일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각의 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 상태 정보를 저장할 수도 있다. IoT 서버(3000)는, 판단된 동작을 실행하기 위한 제어 명령을 복수의 디바이스(4000) 중 타겟 디바이스로 전송할 수 있다. IoT 서버(3000)는, 음성 비서 서버(2000)로부터 결정된 타겟 디바이스에 대한 정보 및 판단된 동작에 대한 정보를 수신하고, 수신한 정보에 기반하여 타겟 디바이스로 제어 명령을 전송할 수 있다.In an embodiment, the
도 21a 및 도 21b는 본 개시의 허브 디바이스(1000) 및 음성 비서 서버(2000)에서 실행 가능한 음성비서 모델(200)의 실시예를 도시한 도면이다. 21A and 21B are diagrams illustrating an embodiment of a
도 21a 및 도 21b를 참조하면, 음성비서 모델(200)은, 소프트웨어로 구현된다. 음성비서 모델(200)은 사용자의 음성 입력으로부터 사용자의 의도를 결정하고, 사용자의 의도와 관련된 타겟 디바이스를 제어하도록 구성될 수 있다. 음성비서 모델(200)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 학습 등을 통해 기존 모델을 새로운 모델로 갱신하도록 구성된 제1 어시스턴트 모델(200a), 및 추가된 디바이스에 대응하는 모델을 기존 모델에 추가하도록 구성된 제2 어시스턴트 모델(200b)을 포함할 수 있다.21A and 21B, the
제1 어시스턴트 모델 (200a)은, 사용자 음성 입력을 분석하여 사용자 의도와 관련된 타겟 디바이스를 결정하는 모델이다. 제1 어시스턴트 모델(200a)은, ASR 모델(202), NLG 모델(204), 제1 자연어 이해 모델(300a), 및 디바이스 판단 모델(310)을 포함할 수 있다. 일 실시예에서, 디바이스 판단 모델(310)은 제1 자연어 이해 모델(300a)을 포함하도록 구성될 수 있다. 또 다른 실시예에서, 디바이스 판단 모델(310)과 제1 자연어 이해 모델(300a)을 별도의 구성 요소로 구성될 수 있다.The
디바이스 판단 모델(310)은 제1 자연어 이해 모델(300a)의 분석 결과를 이용하여 타겟 디바이스를 결정하는 동작을 수행하기 위한 모델이다. 디바이스 판단 모델(310)은 복수 개의 세부 모델을 포함할 수 있으며, 복수 개의 세부 모델 중 하나가 제1 자연어 이해 모델(300a)일 수 있다. 제1 자연어 이해 모델(300a) 또는 디바이스 판단 모델(310)은 인공지능 모델일 수 있다.The
제1 어시스턴트 모델(200a)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 적어도 디바이스 판단 모델(310) 및 제1 자연어 이해 모델(300a)을 학습을 통해 갱신할 수 있다. 여기서 학습은, 기존 디바이스 판단 모델 및 제1 자연어 이해 모델을 학습하는 데 사용된 학습 데이터와 추가된 디바이스와 관련된 추가 학습 데이터를 모두 이용하여 학습하는 것을 의미할 수 있다. 또한, 학습은, 추가된 디바이스와 관련된 추가 학습 데이터만을 이용하여 디바이스 판단 모델 및 제1 자연어 이해 모델을 갱신하는 것을 의미할 수 있다.When a device controlled through the
제2 어시스턴트 모델(200b)은, 특정 디바이스에 특화된 모델로, 특정 디바이스가 수행할 수 있는복수의 동작 중에 사용자의 음성 입력에 대응하는 타겟 디바이스가 수행할 동작을 결정하는 모델이다. 도 21a에서 제2 어시스턴트 모델(200b)은, 복수의 제2 자연어 이해 모델(300b), NLG 모델(206), 및 액션 플랜 관리 모듈(210)을 포함할 수 있다. 복수의 자연어 이해 모델(300b)은 서로 다른 복수의 디바이스에 각각 대응될 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 룰 베이스 시스템(rule based system)으로 구현되는 모델일 수 있다. 일 실시예에서, 제2 자연어 이해 모델, NLG 모델, 및 액션 플랜 관리 모델은 인공지능 모델일 수 있다. 복수의 제2 자연어 이해 모델 각각은 복수의 기능 판단 모델 각각의 일부로 구성될 수 있다.The
제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 자연어 이해 모델을 추가하도록 구성될 수 있다. 즉, 제2 어시스턴트 모델(200b)은, 기존 복수의 제2 자연어 이해 모델(300b)에 추가된 디바이스에 대응하는 제2 자연어 이해 모델을 더 포함되도록 구성될 수 있다. 이 경우, 제2 어시스턴트 모델(200b)은, 제1 어시스턴트 모델(200a)을 통해 결정된 타겟 디바이스에 대한 정보를 이용하여, 추가된 제2 자연어 이해 모델을 포함하는 복수의 제2 자연어 이해 모델 중, 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 선택하도록 구성될 수 있다. When a device controlled through the
도 21b를 참조하면, 제2 어시스턴트 모델(200b)은, 복수의 액션 플랜 관리 모델과 복수의 NLG 모델을 포함할 수 있다. 도 21b에서, 제2 어시스턴트 모델(200b)에 포함된 복수의 제2 자연어 이해 모델 각각은 도2a의 제2 자연어 이해 모델(300b)에 대응되고, 제2 어시스턴트 모델(200b)에 포함된 복수의 NLG 모델 각각은 도2a의 NLG 모델(206)에 대응되며, 제2 어시스턴트 모델(200b)에 포함된 복수의 액션 플랜 관리 모델 각각은 도2a의 액션 플랜 관리 모듈(210)에 대응될 수 있다.Referring to FIG. 21B, the
도 21b에서, 복수의 액션 플랜 관리 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 또한, 복수의 NLG 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 다른 실시예에서, 하나의 NLG 모델이 복수의 제2 자연어 이해 모델에 대응될 수 있으며, 하나의 액션 플랜 관리 모델이 복수의 제2 자연어 이해 모델에 대응되도록 구성될 수 있다.In FIG. 21B, each of the plurality of action plan management models may be configured to correspond to each of the plurality of second natural language understanding models. In addition, each of the plurality of NLG models may be configured to correspond to each of the plurality of second natural language understanding models. In another embodiment, one NLG model may correspond to a plurality of second natural language understanding models, and one action plan management model may be configured to correspond to a plurality of second natural language understanding models.
도 21b에서, 제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델을 추가하도록 구성될 수 있다.In FIG. 21B, when a device controlled through the
도 21b에서, 제1 자연어 이해 모델(300a)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 새로운 모델로 갱신되도록 구성될 수 있다. 또한, 디바이스 판단 모델(310)이 제1 자연어 이해 모델(300a)을 포함하도록 구성된 경우, 디바이스 판단 모델(310)은 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 기존 모델 전체가 새로운 모델로 갱신되도록 구성될 수 있다. 제1 자연어 이해 모델(300a) 또는 디바이스 판단 모델(310)은 인공지능 모델일 수 있다. 여기서 학습은, 기존 디바이스 판단 모델 및 제1 자연어 이해 모델을 학습하는 데 사용된 학습 데이터와 추가된 디바이스와 관련된 추가 학습 데이터를 모두 이용하여 학습하는 것을 의미할 수 있다. 또한, 학습은, 추가된 디바이스와 관련된 추가 학습 데이터만을 이용하여 디바이스 판단 모델 및 제1 자연어 이해 모델을 갱신하는 것을 의미할 수 있다.In FIG. 21B, when a device controlled through the
도 21b에서, 제2 어시스턴트 모델(200b)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 추가된 디바이스에 대응하는 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델을 기존 모델에 추가함으로써 업데이트될 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 룰 베이스 시스템(rule based system)으로 구현되는 모델일 수 있다.In FIG. 21B, the
도 21b의 일 실시예에서, 제2 자연어 이해 모델, NLG 모델, 및 액션 플랜 관리 모델은 인공지능 모델일 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 각각 대응하는 디바이스에 따라 하나의 모듈로 관리될 수 있다. 이 경우, 제2 어시스턴트 모델(200-b)는 복수의 디바이스에 각각 대응하는 복수의 제2 어시스턴트 모델(200b-1, 200b-2, 200b-3)을 포함할 수 있다. 예를 들면, TV에 대응하는 제2 자연어 이해 모델, TV에 대응하는 NLG 모델 및 TV에 대응하는 액션 플랜 관리 모델은 TV에 대응하는 제2 어시스턴트 모델(200b-1)로 관리될 수 있다. 또한, 스피커에 대응하는 제2 자연어 이해 모델, 스피커에 대응하는 NLG 모델 및 스피커에 대응하는 액션 플랜 관리 모델은 스피커에 대응하는 제2 어시스턴트 모델(200b-2)로 관리될 수 있다. 또한, 냉장고에 대응하는 제2 자연어 이해 모델, 냉장고에 대응하는 NLG 모델 및 냉장고에 대응하는 액션 플랜 관리 모델은 냉장고에 대응하는 제2 어시스턴트 모델(200b-3)로 관리될 수 있다.In the embodiment of FIG. 21B, the second natural language understanding model, the NLG model, and the action plan management model may be an artificial intelligence model. The second natural language understanding model, the NLG model, and the action plan management model may be managed as one module according to each corresponding device. In this case, the second assistant model 200-b may include a plurality of second
제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 추가하도록 구성될 수 있다. 즉, 제2 어시스턴트 모델(200b)은, 기존 복수의 제2 어시스턴트 모델(200b-1~3)에 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 더 포함되도록 구성될 수 있다. 이 경우, 제2 어시스턴트 모델(200b)은, 제1 어시스턴트 모델(200a)을 통해 결정된 타겟 디바이스에 대한 정보를 이용하여, 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 포함하는 복수의 제2 어시스턴트 모델 중, 결정된 타겟 디바이스에 대응하는 제2 어시스턴트 모델을 선택하도록 구성될 수 있다.When a device controlled through the
본 명세서에서 설명된 허브 디바이스(1000), 음성 비서 서버(2000), 및 복수의 디바이스(4000)에 의해 실행되는 프로그램은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 프로그램은 컴퓨터로 읽을 수 있는 명령어들을 수행할 수 있는 모든 시스템에 의해 수행될 수 있다. Programs executed by the
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령어(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. Software may include a computer program, code, instructions, or a combination of one or more of them, and configure the processing unit to operate as desired or process it independently or collectively. You can command the device.
소프트웨어는, 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 컴퓨터 프로그램으로 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체로는, 예를 들어 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다. The software may be implemented as a computer program including instructions stored in a computer-readable storage media. The computer-readable recording medium includes, for example, a magnetic storage medium (e.g., read-only memory (ROM), random-access memory (RAM), floppy disk, hard disk, etc.) and optical reading medium (e.g., CD-ROM (CD-ROM) and DVD (Digital Versatile Disc)). The computer-readable recording medium is distributed over network-connected computer systems, so that computer-readable codes can be stored and executed in a distributed manner. The medium is readable by a computer, stored in memory, and executed on a processor.
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. The computer-readable storage medium may be provided in the form of a non-transitory storage medium. Here,'non-transient' means that the storage medium does not contain a signal and is tangible, but does not distinguish between semi-permanent or temporary storage of data in the storage medium.
또한, 본 명세서에 개시된 실시예들에 따른 프로그램은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.In addition, a program according to the embodiments disclosed in the present specification may be included in a computer program product and provided. Computer program products can be traded between sellers and buyers as commodities.
컴퓨터 프로그램 제품은 소프트웨어 프로그램, 소프트웨어 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 디바이스의 제조사 또는 전자 마켓(예를 들어, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션(downloadable application))을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 소프트웨어 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.The computer program product may include a software program and a computer-readable storage medium storing the software program. For example, a computer program product is a product (for example, a downloadable application) in the form of a software program that is electronically distributed through a device manufacturer or an electronic market (eg, Google Play Store, App Store). It may include. For electronic distribution, at least a part of the software program may be stored in a storage medium or may be temporarily generated. In this case, the storage medium may be a server of a manufacturer, a server of an electronic market, or a storage medium of a relay server temporarily storing a software program.
컴퓨터 프로그램 제품은, 서버 및 디바이스로 구성되는 시스템에서, 서버의 저장매체 또는 디바이스의 저장매체를 포함할 수 있다. 또는, 서버 또는 디바이스와 통신 연결되는 제3의 디바이스(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3의 디바이스의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 디바이스 또는 제3 디바이스로 전송되거나, 제3 디바이스로부터 디바이스로 전송되는 소프트웨어 프로그램 자체를 포함할 수 있다.The computer program product may include a storage medium of a server or a storage medium of a device in a system composed of a server and a device. Alternatively, when there is a server or a third device (eg, a smartphone) that is communicatively connected to the device, the computer program product may include a storage medium of the third device. Alternatively, the computer program product may include a software program itself transmitted from a server to a device or a third device, or transmitted from a third device to the device.
이 경우, 서버, 디바이스 및 제3 디바이스 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 디바이스 및 제3 디바이스 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.In this case, one of the server, the device and the third device may execute the computer program product to perform the method according to the disclosed embodiments. Alternatively, two or more of a server, a device, and a third device may execute a computer program product to distribute and implement the method according to the disclosed embodiments.
예를 들면, 서버(예로, IoT 서버 또는 음성 비서 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 디바이스가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다. For example, a server (eg, an IoT server or a voice assistant server) may execute a computer program product stored in the server to control a device communicating with the server to perform the method according to the disclosed embodiments.
또 다른 예로, 제3 디바이스가 컴퓨터 프로그램 제품을 실행하여, 제3 디바이스와 통신 연결된 디바이스가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다. As another example, a third device may execute a computer program product, and a device connected in communication with the third device may be controlled to perform a method according to the disclosed embodiment.
제3 디바이스가 컴퓨터 프로그램 제품을 실행하는 경우, 제3 디바이스는 서버로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제3 디바이스는 프리로드된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.When the third device executes the computer program product, the third device may download the computer program product from the server and execute the downloaded computer program product. Alternatively, the third device may execute the computer program product provided in a preloaded state to perform the method according to the disclosed embodiments.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 컴퓨터 시스템 또는 모듈 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description by those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a computer system or module described are combined or combined in a form different from the described method, or other components or equivalents Even if substituted or substituted by, appropriate results can be achieved.
Claims (38)
사용자의 음성 입력을 수신하는 단계;
ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환하는 단계;
디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 동작 수행 디바이스를 결정하는 단계;
상기 허브 디바이스와 연결된 복수의 디바이스 중, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하는 단계; 및
상기 확인된 디바이스에 상기 변환된 텍스트의 적어도 일부를 제공하는 단계;
를 포함하는, 방법.
In the method for controlling a device by a hub device based on a voice input,
Receiving a user's voice input;
Converting the received speech input into text by performing Automatic Speech Recognition (ASR);
Determining a device performing an operation based on the converted text using a device determination model;
Identifying a device storing a function determination model corresponding to the determined operation performing device among a plurality of devices connected to the hub device; And
Providing at least a portion of the converted text to the identified device;
Containing, method.
상기 디바이스 판단 모델은, 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 1,
The device determination model includes a first natural language understanding model configured to analyze the converted text and determine a device to perform the operation based on an analysis result of the text.
상기 기능 판단 모델은, 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 1,
The function determination model is a second natural language understanding model configured to analyze at least a portion of the text and obtain operation information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text ( Natural Language Understanding).
상기 복수의 디바이스 중 상기 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 상기 적어도 하나의 디바이스에 저장된 기능 판단 모델에 관한 정보를 획득하는 단계;
를 더 포함하는, 방법.
The method of claim 1,
Acquiring information on a function determination model stored in the at least one device, from at least one device storing a function determination model used to determine a function of each of the plurality of devices among the plurality of devices;
The method further comprising.
상기 디바이스를 확인하는 단계는, 상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하는 디바이스를 확인하는, 방법.
The method of claim 4,
The checking of the device includes: identifying a device that stores a function determination model corresponding to the determined operation performing device based on information on the obtained function determination model.
복수의 디바이스, 음성 비서 서버, 및 IoT 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스;
사용자의 음성 입력을 수신하는 마이크;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
ASR(Automatic Speech Recognition)을 수행하여, 상기 마이크를 통해 수신된 음성 입력을 텍스트로 변환하고,
디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 상기 복수의 디바이스 중 동작 수행 디바이스를 결정하고,
기능 판단 디바이스 결정 모듈을 이용하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하고,
상기 확인된 디바이스에 상기 변환된 텍스트의 적어도 일부를 제공하도록 상기 통신 인터페이스를 제어하는, 허브 디바이스.
In a hub device that controls a device based on a voice input,
A communication interface for performing data communication with at least one of a plurality of devices, a voice assistant server, and an IoT server;
A microphone for receiving a user's voice input;
A memory storing a program including one or more instructions; And
A processor that executes one or more instructions of a program stored in the memory;
Including,
The processor,
Perform ASR (Automatic Speech Recognition) to convert the voice input received through the microphone into text,
Using a device determination model, determining a device performing an operation among the plurality of devices based on the converted text,
Using a function determination device determination module, identify a device storing a function determination model corresponding to the determined operation performing device, and
Controlling the communication interface to provide at least a portion of the translated text to the identified device.
상기 디바이스 판단 모델은, 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 허브 디바이스.
The method of claim 6,
The device determination model includes a first natural language understanding model configured to analyze the converted text and determine a device performing the operation based on an analysis result of the text.
상기 기능 판단 모델은, 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 허브 디바이스.
The method of claim 6,
The function determination model is a second natural language understanding model configured to analyze at least a portion of the text and obtain operation information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text ( Natural Language Understanding).
상기 프로세서는, 상기 복수의 디바이스 중 상기 복수의 디바이스 각각에 관한 기능을 판단하는데 이용되는 기능 판단 모델을 저장하고 있는 적어도 하나의 디바이스로부터, 상기 적어도 하나의 디바이스에 저장된 기능 판단 모델에 관한 정보를 획득하도록 상기 통신 인터페이스를 제어하는, 허브 디바이스.
The method of claim 6,
The processor obtains information on a function determination model stored in the at least one device from at least one device that stores a function determination model used to determine a function of each of the plurality of devices among the plurality of devices. Controlling the communication interface to be performed.
상기 프로세서는, 상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하는 디바이스를 확인하는, 허브 디바이스.
The method of claim 9,
The processor, based on the information on the acquired function determination model, identifies a device that stores a function determination model corresponding to the determined operation performing device.
상기 허브 디바이스에 의해 사용자의 음성 입력을 수신하는 단계;
상기 허브 디바이스의 메모리에 저장된 ASR 모듈에 관한 데이터를 이용하여 ASR을 수행함으로써, 수신된 음성 입력을 텍스트로 변환하는 단계;
상기 허브 디바이스의 상기 메모리에 저장된 디바이스 판단 모델에 관한 데이터를 이용하여, 상기 변환된 텍스트에 기초하여 상기 제1 디바이스를 동작 수행 디바이스로 결정하는 단계;
상기 허브 디바이스가 상기 제1 디바이스에 저장되어 있는 상기 기능 판단 모델에 관한 정보를 상기 제1 디바이스로부터 획득하는 단계; 및
상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 허브 디바이스가 상기 변환된 텍스트의 적어도 일부를 상기 제1 디바이스로 전송하는 단계;
를 포함하는, 방법.
In the operating method of a system including a hub device and a first device storing a function determination model,
Receiving a user's voice input by the hub device;
Converting the received voice input into text by performing ASR using data on the ASR module stored in the memory of the hub device;
Determining the first device as an operation performing device based on the converted text, using data on a device determination model stored in the memory of the hub device;
Obtaining, by the hub device, information on the function determination model stored in the first device from the first device; And
Transmitting, by the hub device, at least a part of the converted text to the first device, based on the information on the obtained function determination model;
Containing, method.
상기 디바이스 판단 모델은, 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 상기 제1 디바이스를 동작 수행 디바이스로 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 11,
The device determination model includes a first natural language understanding model configured to analyze the converted text and determine the first device among a plurality of devices as an operation performing device based on the analysis result of the text. How to.
상기 기능 판단 모델은, 상기 허브 디바이스로부터 수신한 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 11,
The function determination model is configured to analyze at least a part of the text received from the hub device, and obtain operation information regarding an operation to be performed by the first device based on an analysis result of the at least part of the text. 2 Methods, including Natural Language Understanding.
상기 제1 디바이스가 상기 기능 판단 모델의 상기 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부의 분석 결과에 기초하여, 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 단계;
를 더 포함하는, 방법.
The method of claim 13,
The first device analyzes at least a part of the text using the second natural language understanding model of the function determination model, and based on the analysis result of the at least part of the text, an operation to be performed by the first device Obtaining motion information;
The method further comprising.
상기 제1 디바이스가 상기 동작 정보에 기초하여 상기 제1 디바이스의 동작을 제어하기 위한 제어 명령을 생성하는 단계; 및
상기 제1 디바이스가 상기 제어 명령에 기초하여 상기 동작을 실행하는 단계;
를 더 포함하는, 방법.
The method of claim 14,
Generating, by the first device, a control command for controlling an operation of the first device based on the operation information; And
Executing, by the first device, the operation based on the control command;
The method further comprising.
상기 허브 디바이스는,
상기 제1 디바이스와 데이터 통신을 수행하는 통신 인터페이스;
사용자의 음성 입력을 수신하는 마이크;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
ASR(Automatic Speech Recognition)을 수행하여, 상기 마이크를 통해 수신된 음성 입력을 텍스트로 변환하고,
디바이스 판단 모델을 이용하여, 상기 변환된 텍스트에 기초하여 상기 제1 디바이스를 동작 수행 디바이스로 결정하고,
상기 제1 디바이스에 저장되어 있는 상기 기능 판단 모델에 관한 정보를 상기 제1 디바이스로부터 획득하도록 상기 통신 인터페이스를 제어하고,
상기 획득된 기능 판단 모델에 관한 정보에 기초하여, 상기 변환된 텍스트의 적어도 일부를 상기 제1 디바이스로 전송하도록 상기 통신 인터페이스를 제어하는, 멀티 디바이스 시스템.
A multi-device system including a hub device and a first device storing a function determination model,
The hub device,
A communication interface for performing data communication with the first device;
A microphone for receiving a user's voice input;
A memory storing a program including one or more instructions; And
A processor that executes one or more instructions of a program stored in the memory;
Including,
The processor,
Perform ASR (Automatic Speech Recognition) to convert the voice input received through the microphone into text,
Using a device determination model, determining the first device as an operation performing device based on the converted text,
Controlling the communication interface to obtain information on the function determination model stored in the first device from the first device,
Controlling the communication interface to transmit at least a part of the converted text to the first device based on the information on the obtained function determination model.
상기 디바이스 판단 모델은, 상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 상기 제1 디바이스를 동작 수행 디바이스로 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 멀티 디바이스 시스템.
The method of claim 16,
The device determination model includes a first natural language understanding model configured to analyze the converted text and determine the first device among a plurality of devices as an operation performing device based on the analysis result of the text. That, a multi-device system.
상기 제1 디바이스는 상기 허브 디바이스로부터 상기 텍스트의 적어도 일부를 수신하는 통신 인터페이스; 를 포함하고,
상기 기능 판단 모델은, 수신한 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 멀티 디바이스 시스템.
The method of claim 16,
The first device comprises: a communication interface for receiving at least a portion of the text from the hub device; Including,
The function determination model is a second natural language understanding model configured to analyze at least a part of the received text and obtain operation information regarding an operation to be performed by the first device based on an analysis result of the at least part of the text (Natural Language Understanding), including a multi-device system.
상기 제1 디바이스는,
상기 제2 자연어 이해 모델을 이용하여 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부의 분석 결과에 기초하여 상기 제1 디바이스가 수행할 동작에 관한 동작 정보를 획득하는 프로세서;
를 더 포함하는, 멀티 디바이스 시스템.
The method of claim 18,
The first device,
A processor that analyzes at least a portion of the text using the second natural language understanding model, and obtains operation information regarding an operation to be performed by the first device based on a result of the analysis of the at least part of the text;
Further comprising, a multi-device system.
상기 제1 디바이스의 상기 프로세서는, 상기 동작 정보에 기초하여 상기 제1 디바이스의 동작을 제어하기 위한 제어 명령을 생성하고, 상기 제어 명령에 기초하여 상기 동작을 실행하도록 상기 제1 디바이스의 적어도 하나의 구성 요소를 제어하는, 멀티 디바이스 시스템.
The method of claim 19,
The processor of the first device generates a control command for controlling an operation of the first device based on the operation information, and executes the operation based on the control command at least one of the first device. A multi-device system that controls components.
리스너 디바이스(listener device)로부터 음성 신호를 수신하는 단계;
ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 신호를 텍스트로 변환하는 단계;
제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 상기 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 상기 텍스트에 대응하는 동작 수행 디바이스를 결정하는 단계;
상기 결정된 동작 수행 디바이스 및 상기 리스너 디바이스 중 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하는 단계; 및
상기 확인된 디바이스에 상기 텍스트의 적어도 일부를 제공하는 단계;
를 포함하는, 방법.
In the method for controlling a device by a hub device,
Receiving a voice signal from a listener device;
Converting the received speech signal into text by performing Automatic Speech Recognition (ASR);
Analyzing the text using a first natural language understanding model and determining a device performing an operation corresponding to the analyzed text using a device determination model;
Identifying a device storing a function determination model corresponding to the determined operation performing device among the determined operation performing device and the listener device; And
Providing at least a portion of the text to the identified device;
Containing, method.
상기 디바이스 판단 모델은,
상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 21,
The device determination model,
And a first Natural Language Understanding model configured to analyze the converted text and determine a device performing the operation based on a result of the analysis of the text.
상기 기능 판단 모델은, 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 방법.
The method of claim 21,
The function determination model is a second natural language understanding model configured to analyze at least a portion of the text and obtain operation information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text ( Natural Language Understanding).
결정된 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 지 여부를 확인하는 단계;
를 더 포함하는, 방법.
The method of claim 21,
Checking whether the determined device for performing the operation is the same as the listener device;
The method further comprising.
상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 것으로 확인된 경우, 상기 기능 판단 모델을 저장하고 있는 디바이스를 확인하는 단계는,
상기 리스너 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하는 단계; 및
상기 획득한 기능 판단 모델 정보에 기초하여, 상기 리스너 디바이스를 상기 기능 판단 모델을 저장하고 있는 디바이스로 결정하는 단계;
를 포함하는, 방법.
The method of claim 24,
When it is determined that the operation performing device is the same as the listener device, the step of checking a device storing the function determination model,
Acquiring function determination model information regarding whether the listener device stores a function determination model in an internal memory; And
Determining the listener device as a device storing the function determination model based on the obtained function determination model information;
Containing, method.
상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일하지 않은 별개의 디바이스로 확인된 경우, 상기 기능 판단 모델을 저장하고 있는 디바이스를 확인하는 단계는,
상기 결정된 동작 수행 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하는 단계; 및
상기 획득한 기능 판단 모델 정보에 기초하여, 상기 동작 수행 디바이스가 기능 판단 모델을 저장하고 있는 디바이스인지 여부를 확인하는 단계;
를 포함하는, 방법.
The method of claim 24,
When the operation performing device is identified as a separate device that is not the same as the listener device, verifying a device storing the function determination model,
Acquiring function determination model information regarding whether the determined operation performing device stores a function determination model in an internal memory; And
Checking whether the operation performing device is a device storing a function determination model based on the obtained function determination model information;
Containing, method.
음성 비서 서버로부터 상기 디바이스 판단 모델의 업데이트 데이터를 수신하는 단계; 및
상기 수신된 업데이트 데이터를 이용하여, 상기 디바이스 판단 모델을 업데이트(update)하는 단계;
를 더 포함하는 방법.
The method of claim 21,
Receiving update data of the device determination model from a voice assistant server; And
Updating the device determination model by using the received update data;
How to further include.
상기 업데이트 데이터는 상기 동작 수행 디바이스 및 상기 리스너 디바이스 중 적어도 하나에 포함되는 기능 판단 모델의 업데이트 정보에 기초하여, 상기 텍스트로부터 업데이트된 기능을 판단하고, 상기 업데이트된 기능에 대응하는 상기 동작 수행 디바이스를 결정할 수 있도록 상기 디바이스 판단 모델을 갱신하는 데이터를 포함하는, 방법.
The method of claim 27,
The update data determines an updated function from the text based on update information of a function determination model included in at least one of the operation performing device and the listener device, and determines the operation performing device corresponding to the updated function. And data for updating the device determination model to enable determination.
음성 비서 서버로부터, 신규 디바이스의 디바이스 식별 정보, 디바이스 판단 모델의 저장 정보, 및 기능 판단 모델의 저장 정보 중 적어도 하나를 포함하는 상기 신규 디바이스의 디바이스 정보를 수신하는 단계; 및
상기 수신된 신규 디바이스의 디바이스 정보에 이용하여 상기 디바이스 판단 모델이 동작 수행 디바이스로서 결정할 수 있는 디바이스 후보에 상기 신규 디바이스를 추가함으로써, 상기 디바이스 판단 모델을 업데이트하는 단계;
를 더 포함하는, 방법.
The method of claim 21,
Receiving device information of the new device including at least one of device identification information of a new device, storage information of a device determination model, and storage information of a function determination model, from a voice assistant server; And
Updating the device determination model by adding the new device to a device candidate that can be determined as an operation performing device by the device determination model using the received device information of the new device;
The method further comprising.
리스너 디바이스를 포함하는 복수의 디바이스 및 음성 비서 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스;
상기 리스너 디바이스로부터 음성 신호를 수신하는 음성 신호 수신부;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
ASR(Automatic Speech Recognition)을 수행하여, 수신된 상기 음성 신호를 텍스트로 변환하고,
제1 자연어 이해 모델을 이용하여 상기 텍스트를 분석하고, 디바이스 판단 모델을 이용하여 분석된 상기 텍스트에 대응하는 동작 수행 디바이스를 결정하고,
상기 결정된 동작 수행 디바이스 및 상기 리스너 디바이스 중 상기 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델을 저장하고 있는 디바이스를 확인(identify)하고,
상기 통신 인터페이스를 이용하여, 상기 확인된 디바이스에 상기 텍스트의 적어도 일부를 전송하는, 허브 디바이스.
In a hub device for controlling a device,
A communication interface for performing data communication with at least one of a plurality of devices including a listener device and a voice assistant server;
A voice signal receiver for receiving a voice signal from the listener device;
A memory storing a program including one or more instructions; And
A processor that executes one or more instructions of a program stored in the memory;
Including,
The processor,
By performing ASR (Automatic Speech Recognition), converting the received speech signal into text,
Analyzing the text using a first natural language understanding model, determining a device for performing an operation corresponding to the analyzed text using a device determination model,
Identify a device storing a function determination model corresponding to the determined operation performing device among the determined operation performing device and the listener device,
Using the communication interface to transmit at least a portion of the text to the identified device.
상기 디바이스 판단 모델은,
상기 변환된 텍스트를 분석하고, 상기 텍스트의 분석 결과에 기초하여 상기 동작 수행 디바이스를 결정하도록 구성된 제1 자연어 이해 모델(Natural Language Understanding)을 포함하는, 허브 디바이스.
The method of claim 30,
The device determination model,
And a first Natural Language Understanding model configured to analyze the converted text and determine a device performing the operation based on a result of the analysis of the text.
상기 기능 판단 모델은, 상기 텍스트의 적어도 일부를 분석하고, 상기 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 상기 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)을 포함하는, 허브 디바이스.
The method of claim 30,
The function determination model is a second natural language understanding model configured to analyze at least a portion of the text and obtain operation information on an operation to be performed by the determined operation performing device based on an analysis result of the at least part of the text ( Natural Language Understanding).
상기 프로세서는,
상기 결정된 상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 지 여부를 확인하는, 허브 디바이스.
The method of claim 30,
The processor,
The hub device to check whether the determined operation performing device is the same as the listener device.
상기 프로세서는,
상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일한 것으로 확인된 경우, 상기 리스너 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하고, 상기 획득한 기능 판단 모델 정보에 기초하여, 상기 리스너 디바이스를 상기 기능 판단 모델을 저장하고 있는 디바이스로 결정하는, 허브 디바이스.
The method of claim 33,
The processor,
When it is determined that the operation performing device is the same as the listener device, obtaining function determination model information regarding whether the listener device stores a function determination model in an internal memory, and based on the obtained function determination model information, A hub device for determining the listener device as a device storing the function determination model.
상기 프로세서는,
상기 동작 수행 디바이스가 상기 리스너 디바이스와 동일하지 않은 별개의 디바이스로 확인된 경우, 상기 결정된 동작 수행 디바이스가 내부 메모리에 기능 판단 모델을 저장하고 있는지에 관한 기능 판단 모델 정보를 획득하고, 상기 획득된 기능 판단 모델 정보에 기초하여, 상기 동작 수행 디바이스가 기능 판단 모델을 저장하고 있는 디바이스인지 여부를 확인하는, 허브 디바이스.
The method of claim 33,
The processor,
When the operation performing device is identified as a separate device that is not the same as the listener device, function determination model information regarding whether the determined operation performing device stores a function determination model in an internal memory is obtained, and the acquired function A hub device for determining whether the operation performing device is a device storing a function determination model based on determination model information.
상기 프로세서는,
상기 통신 인터페이스를 이용하여, 음성 비서 서버로부터 상기 디바이스 판단 모델의 업데이트 데이터를 수신하고,
상기 수신된 업데이트 데이터를 이용하여, 상기 디바이스 판단 모델을 업데이트(update)하는, 허브 디바이스.
The method of claim 30,
The processor,
Using the communication interface, receiving update data of the device determination model from a voice assistant server,
The hub device for updating the device determination model by using the received update data.
상기 업데이트 데이터는 상기 동작 수행 디바이스 및 상기 리스너 디바이스 중 적어도 하나에 포함되는 기능 판단 모델의 업데이트 정보에 기초하여, 상기 텍스트로부터 업데이트된 기능을 판단하고, 상기 업데이트된 기능에 대응하는 상기 동작 수행 디바이스를 결정할 수 있도록 상기 디바이스 판단 모델을 갱신하는 데이터를 포함하는, 허브 디바이스.
The method of claim 36,
The update data determines an updated function from the text based on update information of a function determination model included in at least one of the operation performing device and the listener device, and determines the operation performing device corresponding to the updated function. The hub device comprising data for updating the device determination model to enable determination.
상기 프로세서는,
상기 통신 인터페이스를 이용하여 음성 비서 서버로부터, 신규 디바이스의 디바이스 식별 정보, 디바이스 판단 모델의 저장 정보, 및 기능 판단 모델의 저장 정보 중 적어도 하나를 포함하는 상기 신규 디바이스의 디바이스 정보를 수신하고,
상기 수신된 신규 디바이스의 디바이스 정보에 이용하여 상기 디바이스 판단 모델이 동작 수행 디바이스로서 결정할 수 있는 디바이스 후보에 상기 신규 디바이스를 추가함으로써, 상기 디바이스 판단 모델을 업데이트하는, 허브 디바이스. The method of claim 30,
The processor,
Receive device information of the new device including at least one of device identification information of a new device, storage information of a device determination model, and storage information of a function determination model, from a voice assistant server using the communication interface,
The hub device, wherein the device determination model is updated by adding the new device to a device candidate that can be determined as an operation performing device by the device determination model using the received device information of the new device.
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202080031822.XA CN113748458A (en) | 2019-05-02 | 2020-04-29 | Hub device, multi-device system including hub device and plurality of devices, and operating method thereof |
PCT/KR2020/005704 WO2020222539A1 (en) | 2019-05-02 | 2020-04-29 | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same |
EP20172271.7A EP3734597A1 (en) | 2019-05-02 | 2020-04-30 | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same |
US16/864,635 US10964327B2 (en) | 2019-05-02 | 2020-05-01 | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same |
US17/184,917 US11721343B2 (en) | 2019-05-02 | 2021-02-25 | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same |
US18/336,652 US20230335137A1 (en) | 2019-05-02 | 2023-06-16 | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same |
Applications Claiming Priority (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20190051824 | 2019-05-02 | ||
KR1020190051824 | 2019-05-02 | ||
US201962862201P | 2019-06-17 | 2019-06-17 | |
US62/862,201 | 2019-06-17 | ||
US201962905707P | 2019-09-25 | 2019-09-25 | |
US62/905,707 | 2019-09-25 | ||
KR1020190123310A KR20200127823A (en) | 2019-05-02 | 2019-10-04 | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same |
KR1020190123310 | 2019-10-04 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20200127853A true KR20200127853A (en) | 2020-11-11 |
Family
ID=73451372
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190123310A KR20200127823A (en) | 2019-05-02 | 2019-10-04 | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same |
KR1020200027217A KR20200127853A (en) | 2019-05-02 | 2020-03-04 | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190123310A KR20200127823A (en) | 2019-05-02 | 2019-10-04 | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same |
Country Status (2)
Country | Link |
---|---|
KR (2) | KR20200127823A (en) |
CN (1) | CN113748458A (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI820985B (en) * | 2022-10-28 | 2023-11-01 | 犀動智能科技股份有限公司 | Internet of things equipment integrated control system and Internet of things equipment integrated control method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6282516B2 (en) * | 2014-04-08 | 2018-02-21 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | Multi-device voice operation system, voice operation method, and program |
US10031722B1 (en) * | 2015-03-17 | 2018-07-24 | Amazon Technologies, Inc. | Grouping devices for voice control |
KR20180022021A (en) * | 2016-08-23 | 2018-03-06 | 삼성전자주식회사 | Method and electronic device for recognizing voice |
KR102481881B1 (en) * | 2016-09-07 | 2022-12-27 | 삼성전자주식회사 | Server and method for controlling external device |
US10127908B1 (en) * | 2016-11-11 | 2018-11-13 | Amazon Technologies, Inc. | Connected accessory for a voice-controlled device |
US10546583B2 (en) * | 2017-08-30 | 2020-01-28 | Amazon Technologies, Inc. | Context-based device arbitration |
KR102347208B1 (en) * | 2017-09-07 | 2022-01-05 | 삼성전자주식회사 | Method for performing task using external device and electronic device, server and recording medium supporting the same |
-
2019
- 2019-10-04 KR KR1020190123310A patent/KR20200127823A/en unknown
-
2020
- 2020-03-04 KR KR1020200027217A patent/KR20200127853A/en unknown
- 2020-04-29 CN CN202080031822.XA patent/CN113748458A/en active Pending
Also Published As
Publication number | Publication date |
---|---|
KR20200127823A (en) | 2020-11-11 |
CN113748458A (en) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3734597A1 (en) | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same | |
KR102429436B1 (en) | Server for seleting a target device according to a voice input, and controlling the selected target device, and method for operating the same | |
US20230100423A1 (en) | Crowdsourced on-boarding of digital assistant operations | |
US11682380B2 (en) | Systems and methods for crowdsourced actions and commands | |
EP3734596B1 (en) | Determining target device based on speech input of user and controlling target device | |
US10748531B2 (en) | Management layer for multiple intelligent personal assistant services | |
US20180366108A1 (en) | Crowdsourced training for commands matching | |
US20180366113A1 (en) | Robust replay of digital assistant operations | |
US20230419969A1 (en) | Speech-to-text system | |
KR20200127853A (en) | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same | |
US11532308B2 (en) | Speech-to-text system | |
CN114514575A (en) | Hub device, multi-device system including hub device and plurality of devices, and operation method of hub device and multi-device system | |
US10847135B2 (en) | Sharing commands and command groups across digital assistant operations | |
WO2019083604A1 (en) | Sharing commands and command groups across digital assistant operations | |
KR102487078B1 (en) | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same | |
US20240021205A1 (en) | Systems and methods for managing multiple voice assistant services based on voice input | |
US10546069B2 (en) | Natural language processing system | |
WO2019083603A1 (en) | Robust replay of digital assistant operations | |
WO2020018826A1 (en) | Systems and methods for crowdsourced actions and commands | |
WO2019083602A1 (en) | Crowdsourced training for commands matching |