KR20210023367A - 로봇 및 그의 제어 방법 - Google Patents

로봇 및 그의 제어 방법 Download PDF

Info

Publication number
KR20210023367A
KR20210023367A KR1020190103470A KR20190103470A KR20210023367A KR 20210023367 A KR20210023367 A KR 20210023367A KR 1020190103470 A KR1020190103470 A KR 1020190103470A KR 20190103470 A KR20190103470 A KR 20190103470A KR 20210023367 A KR20210023367 A KR 20210023367A
Authority
KR
South Korea
Prior art keywords
robot
unit
biometric information
user
processor
Prior art date
Application number
KR1020190103470A
Other languages
English (en)
Inventor
이준원
고려옥
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190103470A priority Critical patent/KR20210023367A/ko
Priority to US16/737,610 priority patent/US11478925B2/en
Publication of KR20210023367A publication Critical patent/KR20210023367A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • B25J11/009—Nursing, e.g. carrying sick persons, pushing wheelchairs, distributing drugs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4884—Other medical applications inducing physiological or psychological stress, e.g. applications for stress testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/0005—Manipulators having means for high-level communication with users, e.g. speech generator, face recognition means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1628—Programme controls characterised by the control loop
    • B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Robotics (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Automation & Control Theory (AREA)
  • Developmental Disabilities (AREA)
  • Social Psychology (AREA)
  • Hospice & Palliative Care (AREA)
  • Optics & Photonics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Psychology (AREA)

Abstract

본 발명의 실시 예에 따른 로봇은, 내부에 배터리가 구비되는 바디부, 상기 바디부의 전방 또는 상방에 연결되는 헤드부, 상기 헤드부의 일 측에 형성되고, 고정부 및 상기 고정부의 하부에 배치되는 회동부를 포함하는 마우스부, 상기 회동부를 상하로 회동시키는 마우스 구동부, 상기 마우스부의 내측에 배치되고, 상기 회동부의 하측 회동 시 외부로 노출되는 생체정보 센서, 및 상기 생체정보 센서를 통해 사용자의 건강상태 정보를 획득하는 프로세서를 포함한다.

Description

로봇 및 그의 제어 방법{ROBOT AND METHOD FOR CONTROLLING SAME}
본 발명은 로봇에 관한 것으로서, 특히 사용자의 건강 상태를 모니터링하여 효과적인 건강 관리를 도모할 수 있는 로봇 및 그의 제어 방법에 관한 것이다.
공장 자동화의 일 부분을 담당하기 위해, 로봇은 산업용으로 개발되어 왔다. 최근에는 로봇을 응용한 분야가 더욱 확대되고 있는바, 의료용 로봇과 우주 항공용 로봇뿐만 아니라 일상 생활에서 사용될 수 있는 로봇도 개발되고 있다.
특히 강아지 등과 같은 펫(pet)의 모습을 본딴 펫 로봇은 사용자에게 정서적 만족감을 제공할 수 있다. 이러한 펫 로봇은 실제 펫과 유사하게 동작하고 사운드를 출력할 수 있다. 펫 로봇은 먹이를 주거나 배설물을 치울 필요가 없으므로 바쁜 현대인들에게 실제 펫과 같은 정서적인 만족감을 제공하면서도 번거로움이나 부담감을 경감시킬 수 있다.
본 발명이 해결하고자 하는 과제는, 사용자의 건강 상태를 모니터링하여, 사용자의 건강 관리를 보조할 수 있는 로봇을 제공하는 것이다.
본 발명이 해결하고자 하는 다른 과제는, 사용자의 생체정보를 보다 안정적으로 획득할 수 있는 로봇을 제공하는 것이다.
본 발명의 실시 예에 따른 로봇은, 내부에 배터리가 구비되는 바디부, 상기 바디부의 전방 또는 상방에 연결되는 헤드부, 상기 헤드부의 일 측에 형성되고, 고정부 및 상기 고정부의 하부에 배치되는 회동부를 포함하는 마우스부, 상기 회동부를 상하로 회동시키는 마우스 구동부, 상기 마우스부의 내측에 배치되고, 상기 회동부의 하측 회동 시 외부로 노출되는 생체정보 센서, 및 상기 생체정보 센서를 통해 사용자의 건강상태 정보를 획득하는 프로세서를 포함한다.
실시 예에 따라, 상기 로봇은 상기 헤드부에 구비되는 제1 근접센서를 더 포함하고, 상기 프로세서는 상기 제1 근접센서를 통해 상기 사용자의 신체 일부의 근접이 감지된 경우, 상기 회동부를 하측으로 소정 각도 회동시키도록 상기 마우스 구동부를 제어할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 생체정보 센서를 통해, 상기 사용자의 신체 일부의 접촉을 감지하고, 상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어할 수 있다.
실시 예에 따라, 상기 로봇은 상기 고정부의 하측에 구비되는 제2 근접센서를 더 포함하고, 상기 프로세서는 상기 회동부의 상측 회동 중 상기 제2 근접센서의 센싱값이 기준값 미만인 경우 상기 마우스 구동부의 구동을 중지할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 생체정보 센서를 통해, 상기 사용자의 생체 신호를 기설정된 시간 동안 획득하고, 획득된 생체 신호에 기초하여 상기 사용자의 생체정보를 획득하고, 획득된 생체정보에 기초하여 상기 건강상태 정보를 획득할 수 있다.
상기 생체정보는 심박, 맥박 특성, 체온, 스트레스, 및 산소 포화도 중 적어도 하나를 포함할 수 있다.
실시 예에 따라, 상기 프로세서는 생체정보로부터 건강상태 정보를 제공하도록 머신 러닝 기반으로 학습된 학습 모델을 통해, 상기 획득된 생체정보에 대응하는 상기 건강상태 정보를 획득할 수 있다.
실시 예에 따라, 상기 로봇은 서버와 연결하기 위한 통신부를 더 포함하고, 상기 프로세서는 상기 생체 신호 또는 상기 생체정보를 상기 서버로 전송하도록 상기 통신부를 제어하고, 상기 서버로부터, 상기 생체 신호 또는 상기 생체정보에 대응하는 상기 건강상태 정보를 수신할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 생체 신호의 획득 후, 상기 회동부를 하측으로 회동시키도록 상기 마우스 구동부를 제어할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 제1 근접센서를 통해 상기 사용자의 신체가 기준 거리 이상 이격됨을 감지하고, 상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 제2 근접센서를 통해, 상기 사용자의 신체 일부가 상기 마우스부 내로 투입됨을 감지하고, 상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어할 수 있다.
실시 예에 따라, 상기 프로세서는 상기 건강상태 정보에 기초하여 산책 주기, 시간, 및 거리 중 적어도 하나를 설정하고, 설정된 산책 주기에 기초하여 산책을 유도하는 메시지를 출력하도록 출력부를 제어하고, 설정된 시간 및 거리 중 적어도 하나에 기초하여 이동부를 제어할 수 있다.
본 발명의 실시 예에 따른 로봇의 제어 방법은, 사용자의 신체 일부의 근접을 감지하는 단계, 상기 근접이 감지된 경우, 생체정보 센서를 외부로 노출시키는 단계, 상기 생체정보 센서에 상기 사용자의 신체가 접촉됨에 따라, 상기 사용자의 생체정보를 획득하는 단계, 획득된 생체정보에 기초한 건강상태 정보를 획득하는 단계, 및 획득된 건강상태 정보에 기초한 건강관리 보조 기능을 제공하는 단계를 포함한다.
본 발명의 실시 예에 따르면, 로봇은 사용자의 건강상태 정보를 획득하고, 획득된 건강상태 정보에 기초하여 사용자의 건강 관리를 위한 다양한 보조 기능을 제공할 수 있다. 즉, 로봇은 펫이 제공하는 정서적 만족감 외에도, 건강 관리를 위한 추가적인 기능을 제공함으로써 높은 활용성을 제공할 수 있다.
또한, 로봇은 생체정보 센서가 사용되지 않을 때에는 외부로의 노출을 최소화함으로써 생체정보 센서의 오염이나 손상을 최소화할 수 있다. 뿐만 아니라, 로봇은 생체정보 센서에 접촉되는 사용자의 신체를 효과적으로 고정시킴으로써, 정확한 생체정보의 획득을 가능하게 한다.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.
도 5는 본 발명의 실시 예에 따른 로봇의 사시도이다.
도 6은 도 5에 도시된 로봇의 마우스(mouth)의 구동 및 마우스 내에 구비된 센서들과 관련된 설명을 위한 도면이다.
도 7은 본 발명의 실시 예에 따른 로봇의 제어 방법을 설명하기 위한 플로우차트이다.
도 8은 본 발명의 실시 예에 따른 로봇이 사용자로부터 생체정보를 획득하기 위한 구체적인 제어 동작의 예를 설명하기 위한 플로우차트이다.
도 9 내지 도 11은 도 8에 도시된 로봇의 제어 동작에 따른 예시도들이다.
도 12는 로봇에 의해 획득된 생체정보가 사용자의 단말기를 통해 제공되는 예를 나타낸 도면이다.
도 13은 로봇이 사용자의 건강관리를 보조하기 위해 수행하는 동작의 일례를 보여주는 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명한다. 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, AI 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 시스템을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
도 4는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.
도 4를 참조하면, 로봇(100a)은 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 구동부(160), 메모리(170), 및 프로세서(180)를 포함할 수 있다. 도 4에 도시된 구성들은 설명의 편의를 위한 일례로서, 로봇(100a)은 도 4에 도시된 구성들보다 많거나 적은 구성들을 포함할 수 있다.
한편, 도 1의 AI 장치(100)와 관련된 내용은 본 발명의 로봇(100a)에도 유사하게 적용되는 바, 도 1에서 상술한 내용과 중복되는 내용은 생략한다.
통신부(110)는 로봇(100a)을 네트워크를 통해 서버, 이동 단말기, 다른 로봇 등과 연결하기 위한 통신 모듈들을 포함할 수 있다. 상기 통신 모듈들 각각은 도 1에서 상술한 통신 기술 중 어느 하나를 지원할 수 있다.
예컨대, 로봇(100a)은 공유기 등의 액세스 포인트를 통해 네트워크와 연결될 수 있다. 이에 따라, 로봇(100a)은 입력부(120)나 센싱부(140) 등을 통해 획득되는 각종 정보를, 상기 네트워크를 통해 서버나 이동 단말기로 제공할 수 있다. 또한, 로봇(100a)은 상기 서버나 이동 단말기로부터 정보나 데이터, 명령 등을 수신할 수 있다.
입력부(120)는 다양한 종류의 데이터를 획득하는 적어도 하나의 입력 수단을 포함할 수 있다. 예컨대, 상기 적어도 하나의 입력 수단은 버튼이나 다이얼 등의 물리 입력 수단, 터치 패드나 터치 패널과 같은 터치 입력부, 사용자의 음성이나 로봇(100a) 주변의 소리 등을 수신하는 마이크로폰 등을 포함할 수 있다. 사용자는 입력부(120)를 통해 각종 요청이나 명령을 로봇(100a)으로 입력할 수 있다.
센싱부(140)는 로봇(100a) 주변의 다양한 정보를 센싱하는 적어도 하나의 센서를 포함할 수 있다.
예컨대, 센싱부(140)는 로봇(100a) 주변의 영상을 획득하기 위한 카메라(142), 및 로봇(100a) 주변의 음성을 획득하기 위한 마이크로폰(144)을 포함할 수 있다.
또한, 센싱부(140)는 사용자의 생체정보를 획득하기 위한 생체정보 센서(146)를 더 포함할 수 있다.
상기 생체정보 센서(146)는 사용자의 심박수, 맥박 특성(규칙성, 세기 등), 체온, 스트레스, 산소포화도 등의 다양한 생체정보와 관련된 생체 신호를 획득하기 위한 적어도 하나의 센서를 포함할 수 있다. 예컨대 상기 생체정보 센서(146)는 광혈류측정법(photoplethysmography) 등에 기초하여 생체 신호를 획득하는 다양한 종류의 센서를 포함할 수 있다.
프로세서(180)는 생체정보 센서(146)를 통해 획득된 생체 신호로부터 상기 생체정보를 획득할 수 있다. 또한, 프로세서(180)는 획득된 생체정보에 기초하여, 사용자의 건강상태 정보를 획득할 수 있다. 실시 예에 따라, 프로세서(180)는 획득된 생체정보(또는 생체 신호)를 통신부(110)를 통해 서버로 전송하고, 서버로부터 상기 건강상태 정보를 획득할 수도 있다.
실시 예에 따라, 센싱부(140)는 사용자의 신체 일부의 근접 여부를 감지하는 근접 센서(148)를 더 포함할 수 있다. 본 실시 예에서, 생체정보 센서(146)는 로봇(100a)의 일부 위치에 숨겨진 상태로 구비되고, 근접 센서(148)에 의해 상기 신체 일부의 근접이 감지됨에 따라 외부로 노출될 수 있다.
생체정보 센서(146)와 근접 센서(148)의 배치와 관련된 실시 예에 대해서는 추후 도 5 내지 도 6을 통해 설명하기로 한다.
실시 예에 따라, 센싱부(140)는 로봇(100a)이 배치된 공간의 밝기를 감지하는 조도 센서, 로봇(100a)의 회전각이나 기울기 등을 감지하는 자이로 센서 등의 다양한 센서들을 포함할 수 있다.
출력부(150)는 로봇(100a)의 동작이나 상태, 로봇(100a)에서 실행되는 각종 서비스, 프로그램, 애플리케이션 등과 관련된 각종 정보 또는 콘텐츠를 출력할 수 있다. 예컨대 출력부(150)는 디스플레이(152) 및 스피커(154) 등을 포함할 수 있다.
디스플레이(152)는 상술한 각종 정보, 메시지, 또는 콘텐츠를 그래픽 형태로 출력할 수 있다. 실시 예에 따라, 디스플레이(152)는 터치 입력부와 함께 터치 스크린으로 구현될 수도 있다.
스피커(154)는 상기 각종 정보, 메시지, 또는 콘텐츠를 음성이나 음향 형태로 출력할 수 있다.
구동부(160)는 로봇(100a)의 이동, 로봇(100a)의 소정 파트들의 움직임(회전, 틸팅 등)과 관련된 적어도 하나의 구성을 포함할 수 있다.
예컨대, 구동부(160)는 레그(leg) 구동부(162), 헤드(head) 구동부(164), 및 마우스(mouth) 구동부(166)를 포함할 수 있다. 각 구동부(162, 164, 166)는 상기 이동 또는 움직임을 위한 적어도 하나의 모터를 포함할 수 있다.
구동부(160)는 로봇(100a)의 이동(주행 등)을 위한 적어도 하나의 모터를 구비하는 이동부를 포함할 수 있다. 본 명세서에서는 상기 이동부의 예로서 레그 구동부(162)를 도시하였으나, 로봇(100a)이 레그부(102) 대신 다른 이동 구조(휠 등)를 구비하는 경우, 구동부는 레그 구동부(162)가 아닌 다른 형태의 이동부를 포함할 수도 있다.
레그 구동부(162)는 로봇(100a)의 레그부(102; 도 5 참조)에 형성된 적어도 하나의 관절을 회전시키는 구동력을 제공함으로써 로봇(100a)의 이동을 가능하게 한다.
헤드 구동부(164)는, 로봇(100a)의 헤드부(103; 도 5 참조)의 회전이나 틸팅을 위한 구성에 해당한다.
마우스 구동부(166)는, 로봇(100a)의 마우스부(104)의 개폐를 위한 구성에 해당한다. 도 5 내지 도 6에서 후술할 바와 같이, 마우스 구동부(166)는 마우스부(104)의 회동부(아래턱에 대응)를 상측 또는 하측으로 회동시킴으로써, 마우스부(104)의 개폐를 가능하게 한다.
주행부(160)는 로봇(100a)의 이동(주행)을 위한 것으로서, 예컨대 주행 모터를 포함할 수 있다. 상기 주행 모터는 로봇(100a)의 하부에 구비된 적어도 하나의 휠과 연결되어, 로봇(100a)의 주행을 위한 구동력을 상기 적어도 하나의 휠로 제공할 수 있다. 예컨대, 주행부(160)는 적어도 하나의 주행모터를 구비할 수 있고, 프로세서(180)는 상기 적어도 하나의 주행모터를 제어하여 로봇(100a)의 주행 방향 및/또는 주행 속도를 조절할 수 있다.
메모리(170)는 로봇(100a)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(120)를 통해 획득된 입력이나 센싱부(140)를 통해 획득되는 정보에 기초한 동작을 수행하기 위한 데이터 등의 각종 데이터가 저장될 수 있다.
또한, 메모리(170)에는 프로세서(180)에 포함된 적어도 하나의 프로세서나 컨트롤러에 의해 실행되는 소프트웨어 모듈이나 애플리케이션 등의 프로그램 데이터가 저장될 수 있다.
이러한 메모리(170)는 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기를 포함할 수 있다.
프로세서(180)는 로봇(100a)의 동작을 제어하는 적어도 하나의 프로세서나 컨트롤러 등을 포함할 수 있다. 구체적으로, 프로세서(180)는 적어도 하나의 CPU, AP(application processor), 마이크로컴퓨터(또는 마이컴), 집적 회로, ASIC(application specific integrated circuit) 등을 포함할 수 있다.
도 5는 본 발명의 실시 예에 따른 로봇의 사시도이다. 도 6은 도 5에 도시된 로봇의 마우스(mouth)의 구동 및 마우스 내에 구비된 센서들과 관련된 설명을 위한 도면이다.
도 5를 참조하면, 본 발명의 실시 예에 따른 로봇(100a)은 펫(pet)의 형상을 갖는 로봇으로 구현될 수 있다. 도 5에는 강아지 형상의 로봇(100a)이 예시적으로 도시되어 있으나, 로봇(100a)의 형상이 이에 한정되는 것은 아니다.
예컨대, 로봇(100a)은 바디부(101), 레그부(102), 및 헤드부(103)를 포함할 수 있으나, 상기 구성의 종류나 수는 로봇(100a)의 형상에 따라 다양하게 변경될 수 있다.
바디부(101)는 펫의 몸통에 대응할 수 있다. 예컨대, 바디부(101) 내에는 로봇(100a)의 구동을 위한 구성들, 예컨대 도 4에 도시된 제어 구성들 중 적어도 일부가 장착된 PCB, 전력을 제공하는 배터리 등이 구비될 수 있다. 실시 예에 따라, 디스플레이(152)는 로봇(100a)의 바디부(101)에 탈착가능한 넥밴드 형태로 구현될 수 있으나, 반드시 그러한 것은 아니다.
레그부(102)는 펫의 다리에 대응하는 구성으로서, 바디부(101)에 연결되어 로봇(100a)의 이동을 가능하게 한다.
예컨대, 레그부(102)는 복수의 레그들을 포함할 수 있고, 복수의 레그들 각각은 다리, 발, 및 이들에 연결되는 관절 각각에 대응하는 구성을 포함할 수 있다. 도 4에서 상술한 레그 구동부(162)는 상기 관절에 대응하는 구성의 회동을 위한 적어도 하나의 모터를 포함하고, 레그 구동부(162)의 구동에 따라 로봇(100a)이 이동하거나 움직일 수 있다.
헤드부(103)는 펫의 머리에 대응하는 구성으로서, 바디부(101)의 전방 또는 상방에 연결될 수 있다. 도 4에서 상술한 헤드 구동부(164)는 헤드부(103)의 회전이나 틸팅 등을 위한 적어도 하나의 모터를 포함하고, 헤드 구동부(164)의 구동에 따라 헤드부(103)가 움직일 수 있다.
한편, 헤드부(103)에는 카메라(142), 생체정보 센서(146), 근접센서(148) 등 센싱부(140)에 포함된 구성들 중 적어도 일부가 구비될 수 있다. 예컨대, 카메라(142)는 펫의 눈에 대응하는 위치에 배치될 수 있으나, 반드시 그러한 것은 아니다.
도 5 내지 도 6을 참조하면, 헤드부(103)의 일 측에는 펫의 입에 대응하는 마우스부(104)가 형성될 수 있다. 예컨대, 마우스부(104)는 헤드부(103)에 형성되는 고정부(예컨대 펫의 위턱)와, 상기 고정부의 하측에 배치되고 상하로 회동 가능한 회동부(예컨대 펫의 아래턱)를 포함할 수 있다.
마우스 구동부(166)는 마우스부(104)의 개폐(예컨대 회동부의 상하 회동)를 위한 모터를 포함할 수 있다. 구체적으로, 마우스 구동부(166)는 헤드부(103)의 내부에 구비되고, 마우스부(104)의 회동부와 연결될 수 있다. 마우스 구동부(166)가 구동함에 따라 상기 회동부가 상측 또는 하측으로 회동할 수 있다. 회동부가 상측으로 회동하는 경우 마우스부(104)가 닫힐 수 있고, 회동부가 하측으로 회동하는 경우 마우스부(104)가 열릴 수 있다.
마우스부(104)의 내측에는 생체정보 센서(146)가 구비될 수 있다. 예컨대 생체정보 센서(146)는 회동부의 상측, 또는 펫의 혀에 대응하는 위치에 배치될 수 있다. 이에 따라, 생체정보 센서(146)는 마우스부(104)가 닫힌 상태에서는 외부로 노출되지 않을 수 있으므로, 외부 요인에 의한 오염이나 손상 위험이 최소화될 수 있다.
한편, 근접 센서(148)는 로봇(100a)의 코에 대응하는 위치에 구비된 제1 근접 센서(148a)와, 마우스부(104)에 구비된 제2 근접 센서(148b)를 포함할 수 있다. 예컨대, 제2 근접 센서(148b)는 마우스부(104)의 고정부의 하측 또는 펫의 입천장에 대응하는 위치에 구비될 수 있다. 상기 근접 센서(148)는 적외선 센서 등의 광 센서로 구현되어 오브젝트와의 거리를 감지할 수 있다.
제1 근접 센서(148a)는 사용자의 신체 일부가 마우스부(104)로 근접함을 감지할 수 있다. 예컨대, 사용자의 건강상태 모니터링 기능이 실행된 경우, 프로세서(180)는 제1 근접 센서(148a)의 감지 결과에 기초하여, 마우스 구동부(166)를 구동시켜 마우스부(104)를 개방시킬 수 있다. 마우스부(104)가 개방됨에 따라, 사용자의 신체 일부(예컨대 손가락)가 생체정보 센서(146)에 접촉될 수 있다.
상기 신체 일부가 생체정보 센서(146)에 접촉됨이 감지되면, 프로세서(180)는 마우스 구동부(166)를 구동시켜 마우스부(104)의 회동부를 상측으로 회동시킬 수 있다. 제2 근접 센서(148b)는 상기 회동부의 상측 회동 시 사용자의 신체 일부가 소정 거리 이내로 근접함을 감지할 수 있다. 프로세서(180)는 제2 근접 센서(148b)의 감지 결과에 기초하여 마우스 구동부(166)의 구동을 중지함으로써, 사용자의 신체 일부를 마우스부(104) 내에 고정시켜 정확한 생체 신호의 획득을 가능하게 한다. 이에 대해서는 추후 도 8 등을 통해 보다 상세히 설명한다.
도 7은 본 발명의 실시 예에 따른 로봇의 제어 방법을 설명하기 위한 플로우차트이다.
도 7을 참조하면, 로봇(100a)은 사용자의 신체 일부의 근접을 감지할 수 있다(S100).
예컨대, 로봇(100a)은 입력부(120) 등을 통해 수신된 요청에 응답하여, 건강상태 모니터링 기능을 실행할 수 있다.
상기 건강상태 모니터링 기능이 실행됨에 따라, 사용자는 생체정보 센서(146)에 신체 일부(예컨대 손가락)를 접촉시키기 위해, 로봇(100a)으로 근접할 수 있다.
프로세서(180)는 근접 센서(148; 예컨대 제1 근접 센서(148a))를 통해 사용자의 상기 신체 일부의 근접 여부를 감지할 수 있다.
로봇(100a)은 상기 신체 일부의 근접이 감지되면, 생체정보 센서(146)를 외부로 노출시킬 수 있다(S110).
프로세서(180)는 제1 근접 센서(148a)를 통해 신체 일부의 근접이 감지되면, 상기 신체 일부와 생체정보 센서(146)의 접촉을 위해 생체정보 센서(146)를 외부로 노출시키도록 구동부(160)를 제어할 수 있다.
로봇(100a)은 생체정보 센서(146)에 사용자의 신체가 접촉됨에 따라, 사용자의 생체정보를 획득할 수 있다(S120).
생체정보 센서(146)가 외부로 노출됨에 따라, 사용자는 신체 일부를 생체정보 센서(146)에 접촉시킬 수 있다.
상기 사용자의 신체가 생체정보 센서(146)에 접촉됨에 따라, 프로세서(180)는 상기 생체정보 센서(146)를 통해 사용자의 생체정보와 관련된 생체 신호를 획득할 수 있다.
프로세서(180)는 획득된 생체 신호에 기초하여 생체정보를 획득할 수 있다. 상술한 바와 같이, 상기 생체정보는 심박수, 맥박 특성, 체온, 스트레스, 산소 포화도 등의 적어도 하나의 세부 정보 각각에 대한 값(데이터)를 포함할 수 있다.
로봇(100a)은 획득된 생체정보에 기초하여, 사용자의 건강상태 정보를 획득할 수 있다(S130).
프로세서(180)는 획득된 생체정보로부터 사용자의 건강상태 정보를 획득할 수 있다.
예컨대, 프로세서(180)는 건강상태 정보의 획득과 관련된 알고리즘을 이용하여, 생체정보에 포함된 세부 정보 각각의 값(데이터)에 대응하는 건강상태 정보를 획득할 수 있다.
실시 예에 따라, 프로세서(180)는 상기 생체정보에 포함된 세부 정보 각각의 값으로부터 건강상태 정보를 제공하도록 학습된 학습 모델을 통해, 상기 건강상태 정보를 획득할 수도 있다. 예컨대, 상기 학습 모델은 머신 러닝 기반으로 학습된 인공신경망을 포함할 수 있다.
실시 예에 따라, 프로세서(180)는 획득된 생체정보(또는 생체 신호)를 서버로 전송하도록 통신부(110)를 제어할 수 있다. 서버는 로봇(100a)으로부터 수신한 생체정보에 대응하는 건강상태 정보를 생성할 수 있다. 프로세서(180)는 상기 서버로부터 상기 생성된 건강상태 정보를 수신함으로써, 상기 건강상태 정보를 획득할 수 있다.
로봇(100a)은 획득된 건강상태 정보에 기초한 건강관리 보조 기능을 제공할 수 있다(S140).
프로세서(180)는 획득된 건강상태 정보에 기초하여, 사용자의 건강관리를 위한 기능을 수행하도록 로봇(100a)의 구성들을 제어할 수 있다.
예컨대, 프로세서(180)는 상기 건강상태 정보에 기초하여, 사용자의 운동(조깅, 산책 등)을 유도하는 메시지를 출력부(150)를 통해 출력할 수 있다. 프로세서(180)는 레그 구동부(162)를 제어하여 로봇(100a)을 기설정된 거리 또는 기설정된 시간 동안 이동시킴으로써, 사용자가 로봇(100a)을 따라 걷거나 뛰는 등의 운동을 수행하도록 유도할 수 있다. 한편, 상기 기설정된 거리나 시간, 운동 주기 등은 상기 사용자의 건강상태 정보에 기초하여 변경 설정될 수 있다.
또한, 프로세서(180)는 사용자의 운동 거리나 시간 등의 건강관리 이력을 누적 기록하고, 기록된 건강관리 이력에 기초한 가이드를 제공하는 등 다양한 건강관리 보조 기능을 제공할 수 있다.
이하, 도 8 내지 도 13을 통해, 도 5 내지 도 6에 도시된 예시적인 구조를 갖는 로봇(100a)에 도 7의 실시 예가 적용되는 케이스를 보다 상세히 설명한다.
도 8은 본 발명의 실시 예에 따른 로봇이 사용자로부터 생체정보를 획득하기 위한 구체적인 제어 동작의 예를 설명하기 위한 플로우차트이다. 도 9 내지 도 11은 도 8에 도시된 로봇의 제어 동작에 따른 예시도들이다.
도 8을 참조하면, 로봇(100a)은 사용자의 신체 일부의 근접이 감지된 경우(S200), 로봇의 마우스부(104) 내에 구비된 생체정보 센서(146)가 외부로 노출되도록 마우스 구동부(166)를 제어할 수 있다(S210).
도 7의 S100 단계에서 상술한 바와 같이, 프로세서(180)는 근접센서(148)를 통해 상기 신체 일부의 근접을 감지할 수 있다.
이 경우, 프로세서(180)는 마우스부(104)가 개방되도록 마우스 구동부(166)를 제어할 수 있다. 마우스 구동부(166)는 마우스부(104)의 회동부(아래턱에 대응)를 하측으로 소정 각도 회동시켜, 마우스부(104)를 개방시킬 수 있다.
마우스부(104)가 개방됨에 따라, 구강 내에 구비된 생체정보 센서(146)가 외부로 노출될 수 있다.
이와 관련하여 도 9 내지 도 10을 참조하면, 프로세서(180)는 근접센서(148)를 통해 사용자의 손가락(900)이 근접함을 감지할 수 있다. 실시 예에 따라, 프로세서(180)는 카메라(142)를 통해 획득되는 영상으로부터 상기 손가락(900)이 근접함을 감지할 수도 있다.
프로세서(180)는 감지 결과에 기초하여 마우스부(104)의 회동부를 하측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다. 상기 회동부가 하측으로 회동됨에 따라, 회동부의 상면에 배치된 생체정보 센서(146)가 외부로 노출될 수 있다.
다시 도 8을 설명한다.
로봇(100a)은 생체정보 센서(146)에 사용자의 신체가 접촉됨을 감지하고(S220), 마우스부(104)의 회동부(아래턱)을 소정 각도 상측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다(S230).
도 11을 함께 참조하면, 마우스부(104)가 개방되어 생체정보 센서(146)가 외부로 노출된 경우, 사용자는 신체 일부(예컨대 손가락(900))를 마우스부(104) 내로 삽입하여 생체정보 센서(146)와 접촉시킬 수 있다.
프로세서(180)는 생체정보 센서(146)를 통해, 상기 사용자의 신체가 접촉됨을 감지할 수 있다. 실시 예에 따라, 프로세서(180)는 마우스부(104) 내에 구비된 제2 근접센서(148b; 도 6 참조)를 통해, 상기 사용자의 신체가 생체정보 센서(146)와 접촉되기 위해 마우스부(104) 내로 삽입됨을 감지할 수도 있다.
사용자의 신체가 생체정보 센서(146)와 접촉됨이 감지되면, 프로세서(180)는 마우스부(104)의 회동부를 소정 각도 상측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다.
상기 회동부가 상측으로 회동됨에 따라, 마우스부(104)로 삽입된 신체(예컨대 손가락(900))가 마우스부(104)의 고정부와 회동부 사이에서 안정적으로 고정될 수 있다. 이에 따라, 생체정보 센서(146)와 접촉된 사용자의 신체의 움직임이 최소화되므로, 생체정보 센서(146)에 의해 보다 정확한 생체 신호(1100)의 획득이 가능해질 수 있다.
한편, 상기 회동부가 상측으로 지속적으로 회동되는 경우, 사용자의 신체가 마우스부(104)에 끼임에 따라 사용자가 고통을 느낄 수 있다. 이를 방지하기 위해, 프로세서(180)는 상기 회동부의 상측 회동 중, 제2 근접센서(148b)를 통해 획득되는 센싱값이 기준값 미만인 경우, 마우스 구동부(166)의 구동을 중지할 수 있다. 이에 따라, 마우스부(104)는 투입된 사용자의 신체에 기초하여 소정 각도 열린 상태를 유지할 수 있다.
다시 도 8을 설명한다.
로봇(100a)은 생체정보 센서(146)를 통해 사용자의 생체정보를 획득할 수 있다(S240). 로봇(100a)은 생체정보의 획득 후, 상기 회동부(아래턱)를 소정 각도 하측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다(S250).
도 11을 함께 참조하면, 프로세서(180)는 생체정보 센서(146)를 통해 소정 시간 동안의 생체 신호(1100)를 수신하고, 수신된 생체 신호(1100)에 기초하여 생체정보를 획득할 수 있다.
실시 예에 따라, 프로세서(180)는 획득된 생체정보를 디스플레이(152)를 통해 출력할 수도 있다.
프로세서(180)는 생체정보(또는 생체 신호)의 획득 후, 회동부를 소정 각도 하측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다. 회동부가 하측으로 회동됨에 따라, 생체정보 센서(146)에 접촉된 신체의 고정이 해제되고, 사용자의 신체가 마우스부(104) 외부로 이동될 수 있다.
다시 도 8을 설명한다.
실시 예에 따라, 로봇(100a)은 사용자의 신체 일부가 기준 거리 이상 이격됨을 감지하고(S260), 로봇(100a)의 회동부(아래턱)를 상측으로 회동시키도록 마우스 구동부(166)를 제어할 수 있다(S260).
프로세서(180)는 제1 근접센서(148a) 및/또는 제2 근접센서(148b)를 통해, 사용자의 신체 일부가 기준 거리 이상 이격됨을 감지하고, 상기 회동부를 상측으로 회동시켜 마우스부(104)를 닫을 수 있다. 마우스부(104)가 닫힘에 따라, 생체정보 센서(146)는 외부로 노출되지 않을 수 있다.
도 12는 로봇에 의해 획득된 생체정보가 사용자의 단말기를 통해 제공되는 예를 나타낸 도면이다.
도 12를 참조하면, 로봇(100a)의 프로세서(180)는 획득된 생체정보를 사용자의 단말기(100d)로 전송할 수 있다. 예컨대, 프로세서(180)는 실시간으로 획득되는 생체정보를 단말기(100d)로 전송할 수 있다.
단말기(100d)의 프로세서는 수신된 생체정보를 포함하는 화면(1200)을 디스플레이를 통해 표시함으로써, 사용자에게 상기 생체정보를 실시간으로 제공할 수 있다.
실시 예에 따라, 프로세서(180)는 상기 생체정보에 기초하여 획득되는 건강상태 정보를 상기 단말기(100d)로 전송할 수도 있다.
도 13은 로봇이 사용자의 건강관리를 보조하기 위해 수행하는 동작의 일례를 보여주는 도면이다.
도 7의 S130 단계 내지 S140 단계에서 상술한 바와 같이, 로봇(100a)은 상기 획득된 생체정보에 기초하여 사용자의 건강상태 정보를 획득할 수 있다. 프로세서(180)는 획득된 건강상태 정보에 기초하여, 사용자의 건강관리를 위한 보조 기능을 제공할 수 있다.
상기 보조 기능과 관련된 일례로, 로봇(100a)은 사용자의 건강상태 향상을 위한 산책 유도 기능을 수행할 수 있다.
상기 산책 유도 기능의 일례를 설명하면, 프로세서(180)는 사용자의 건강상태 정보에 기초하여, 산책 주기, 시간, 및 거리 중 적어도 하나를 설정할 수 있다.
프로세서(180)는 설정된 산책 주기의 도달 시, 스피커(154) 등을 통해 산책 유도 메시지(1300)를 출력할 수 있다. 사용자는 출력된 산책 유도 메시지(1300)에 기초하여, 로봇(100a)과 함께 산책을 위해 외출할 수 있다.
프로세서(180)는 로봇(100a)이 외부로 이동됨이 감지되면, 레그 구동부(162)를 제어하여 로봇(100a)을 이동시킬 수 있다. 사용자는 이동하는 로봇(100a)을 따라 걷거나 달림으로써, 산책을 수행할 수 있다.
프로세서(180)는 설정된 시간 및/또는 거리에 기초하여 로봇(100a)을 이동시킴으로써 사용자의 산책을 보조할 수 있다.
프로세서(180)는 산책 보조 기능의 수행에 따른 운동 이력을 누적적으로 생성 및 저장함으로써, 사용자의 건강관리와 관련된 정보를 획득할 수 있다. 상기 획득된 정보는 추후 사용자의 건강상태 확인 등에 이용될 수 있다.
본 발명의 실시 예에 따르면, 로봇(100a)은 생체정보 센서(146)를 통해 사용자의 건강상태 정보를 획득하고, 획득된 건강상태 정보에 기초하여 사용자의 건강 관리를 위한 다양한 보조 기능을 제공할 수 있다. 즉, 로봇(100a)은 펫이 제공하는 정서적 만족감 외에도, 건강 관리를 위한 추가적인 기능을 제공함으로써 높은 활용성을 제공할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (19)

  1. 내부에 배터리가 구비되는 바디부;
    상기 바디부의 전방 또는 상방에 연결되는 헤드부;
    상기 헤드부의 일 측에 형성되고, 고정부 및 상기 고정부의 하부에 배치되는 회동부를 포함하는 마우스부;
    상기 회동부를 상하로 회동시키는 마우스 구동부;
    상기 마우스부의 내측에 배치되고, 상기 회동부의 하측 회동 시 외부로 노출되는 생체정보 센서; 및
    상기 생체정보 센서를 통해 사용자의 건강상태 정보를 획득하는 프로세서를 포함하는 로봇.
  2. 제1항에 있어서,
    상기 헤드부에 구비되는 제1 근접센서를 더 포함하고,
    상기 프로세서는,
    상기 제1 근접센서를 통해 상기 사용자의 신체 일부의 근접이 감지된 경우, 상기 회동부를 하측으로 소정 각도 회동시키도록 상기 마우스 구동부를 제어하는 로봇.
  3. 제2항에 있어서,
    상기 프로세서는,
    상기 생체정보 센서를 통해, 상기 사용자의 신체 일부의 접촉을 감지하고,
    상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어하는 로봇.
  4. 제3항에 있어서,
    상기 고정부의 하측에 구비되는 제2 근접센서를 더 포함하고,
    상기 프로세서는,
    상기 회동부의 상측 회동 중 상기 제2 근접센서의 센싱값이 기준값 미만인 경우 상기 마우스 구동부의 구동을 중지하는 로봇.
  5. 제3항에 있어서,
    상기 프로세서는,
    상기 생체정보 센서를 통해, 상기 사용자의 생체 신호를 기설정된 시간 동안 획득하고,
    획득된 생체 신호에 기초하여 상기 사용자의 생체정보를 획득하고,
    획득된 생체정보에 기초하여 상기 건강상태 정보를 획득하는 로봇.
  6. 제5항에 있어서,
    상기 생체정보는 심박, 맥박 특성, 체온, 스트레스, 및 산소 포화도 중 적어도 하나를 포함하는 로봇.
  7. 제5항에 있어서,
    상기 프로세서는,
    생체정보로부터 건강상태 정보를 제공하도록 머신 러닝 기반으로 학습된 학습 모델을 통해, 상기 획득된 생체정보에 대응하는 상기 건강상태 정보를 획득하는 로봇.
  8. 제5항에 있어서,
    서버와 연결하기 위한 통신부를 더 포함하고,
    상기 프로세서는,
    상기 생체 신호 또는 상기 생체정보를 상기 서버로 전송하도록 상기 통신부를 제어하고,
    상기 서버로부터, 상기 생체 신호 또는 상기 생체정보에 대응하는 상기 건강상태 정보를 수신하는 로봇.
  9. 제5항에 있어서,
    상기 프로세서는,
    상기 생체 신호의 획득 후, 상기 회동부를 하측으로 회동시키도록 상기 마우스 구동부를 제어하는 로봇.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 제1 근접센서를 통해 상기 사용자의 신체가 기준 거리 이상 이격됨을 감지하고,
    상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어하는 로봇.
  11. 제2항에 있어서,
    상기 고정부의 하측에 구비되는 제2 근접센서를 더 포함하고,
    상기 프로세서는,
    상기 제2 근접센서를 통해, 상기 사용자의 신체 일부가 상기 마우스부 내로 투입됨을 감지하고, 상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어하는 로봇.
  12. 제1항에 있어서,
    상기 프로세서는,
    상기 건강상태 정보에 기초하여 산책 주기, 시간, 및 거리 중 적어도 하나를 설정하고,
    설정된 산책 주기에 기초하여 산책을 유도하는 메시지를 출력하도록 출력부를 제어하고,
    설정된 시간 및 거리 중 적어도 하나에 기초하여 이동부를 제어하는 로봇.
  13. 사용자의 신체 일부의 근접을 감지하는 단계;
    상기 근접이 감지된 경우, 생체정보 센서를 외부로 노출시키는 단계;
    상기 생체정보 센서에 상기 사용자의 신체가 접촉됨에 따라, 상기 사용자의 생체정보를 획득하는 단계;
    획득된 생체정보에 기초한 건강상태 정보를 획득하는 단계; 및
    획득된 건강상태 정보에 기초한 건강관리 보조 기능을 제공하는 단계를 포함하는 로봇의 제어 방법.
  14. 제13항에 있어서,
    상기 생체정보 센서를 외부로 노출시키는 단계는,
    상기 생체정보 센서가 내측에 구비된 마우스부의 회동부를 하측으로 회동시키도록 마우스 구동부를 제어하는 단계를 포함하는 로봇의 제어 방법.
  15. 제14항에 있어서,
    상기 사용자의 생체정보를 획득하는 단계는,
    상기 생체정보 센서에 상기 사용자의 신체가 접촉됨을 감지하는 단계; 및
    상기 회동부를 상측으로 회동시키도록 상기 마우스 구동부를 제어하는 단계를 포함하는 로봇의 제어 방법.
  16. 제15항에 있어서,
    상기 회동부를 상측으로 회동시키는 단계는,
    상기 마우스부에 구비된 근접센서로부터 획득되는 센싱값이 기준값 미만인 경우, 상기 마우스 구동부의 구동을 중지하는 단계를 더 포함하는 로봇의 제어 방법.
  17. 제15항에 있어서,
    상기 생체정보를 획득하는 단계는,
    상기 생체정보 센서를 통해, 상기 사용자의 생체 신호를 기설정된 시간 동안 획득하는 단계; 및
    획득된 생체 신호에 기초하여 상기 생체정보를 획득하는 단계를 더 포함하는 로봇의 제어 방법.
  18. 제17항에 있어서,
    상기 생체정보를 획득하는 단계는,
    상기 생체 신호의 획득 후, 상기 회동부를 하측으로 회동시키도록 상기 마우스 구동부를 제어하는 단계를 더 포함하는 로봇의 제어 방법.
  19. 제13항에 있어서,
    상기 건강관리 보조 기능을 제공하는 단계는,
    상기 건강상태 정보에 기초하여 산책 주기, 시간, 및 거리 중 적어도 하나를 설정하는 단계;
    설정된 산책 주기에 기초하여 산책을 유도하는 메시지를 출력하는 단계; 및
    설정된 시간 및 거리 중 적어도 하나에 기초하여 상기 로봇이 이동하도록 제어하는 단계를 포함하는 로봇의 제어 방법.
KR1020190103470A 2019-08-23 2019-08-23 로봇 및 그의 제어 방법 KR20210023367A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190103470A KR20210023367A (ko) 2019-08-23 2019-08-23 로봇 및 그의 제어 방법
US16/737,610 US11478925B2 (en) 2019-08-23 2020-01-08 Robot and method for controlling same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190103470A KR20210023367A (ko) 2019-08-23 2019-08-23 로봇 및 그의 제어 방법

Publications (1)

Publication Number Publication Date
KR20210023367A true KR20210023367A (ko) 2021-03-04

Family

ID=74645481

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190103470A KR20210023367A (ko) 2019-08-23 2019-08-23 로봇 및 그의 제어 방법

Country Status (2)

Country Link
US (1) US11478925B2 (ko)
KR (1) KR20210023367A (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9314924B1 (en) * 2013-06-14 2016-04-19 Brain Corporation Predictive robotic controller apparatus and methods
US20220355485A1 (en) * 2021-05-05 2022-11-10 Sanctuary Cognitive Systems Corporation Robots, tele-operation systems, and methods of operating the same

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6895305B2 (en) * 2001-02-27 2005-05-17 Anthrotronix, Inc. Robotic apparatus and wireless communication system
US20140254896A1 (en) * 2011-07-18 2014-09-11 Tiger T G Zhou Unmanned drone, robot system for delivering mail, goods, humanoid security, crisis negotiation, mobile payments, smart humanoid mailbox and wearable personal exoskeleton heavy load flying machine
US8918209B2 (en) * 2010-05-20 2014-12-23 Irobot Corporation Mobile human interface robot
US9552056B1 (en) * 2011-08-27 2017-01-24 Fellow Robots, Inc. Gesture enabled telepresence robot and system
US8830057B1 (en) * 2012-02-09 2014-09-09 Google Inc. Systems and methods for using robots to monitor environmental conditions in an environment
EP3538329A4 (en) * 2016-11-10 2020-08-19 Warner Bros. Entertainment Inc. SOCIAL ROBOT WITH ENVIRONMENTAL CONTROL FUNCTION
JP6841167B2 (ja) * 2017-06-14 2021-03-10 トヨタ自動車株式会社 コミュニケーション装置、コミュニケーションロボットおよびコミュニケーション制御プログラム
US10762414B1 (en) * 2018-04-19 2020-09-01 Kinoo, Inc. Systems and methods for sharing an artificial intelligence personality
US10946528B2 (en) * 2018-06-01 2021-03-16 Irepa International, LLC Autonomous companion mobile robot and system
WO2020023590A1 (en) * 2018-07-24 2020-01-30 Newton Howard Intelligent reasoning framework for user intent extraction
US20210001077A1 (en) * 2019-04-19 2021-01-07 Tombot, Inc. Method and system for operating a robotic device

Also Published As

Publication number Publication date
US11478925B2 (en) 2022-10-25
US20210053213A1 (en) 2021-02-25

Similar Documents

Publication Publication Date Title
KR20190100090A (ko) 로봇 및 그를 이용한 무드 인식 방법
US11029803B2 (en) Robot
KR20210041703A (ko) 이동식 침대 로봇
US20210046831A1 (en) Charging system for robot and control method thereof
KR102288658B1 (ko) 로봇 및 그의 제어 방법
US20230266767A1 (en) Information processing apparatus, information processing method, and program
KR20210020312A (ko) 로봇 및 그의 제어 방법
KR102282104B1 (ko) 로봇
US20210208595A1 (en) User recognition-based stroller robot and method for controlling the same
KR20190096875A (ko) 로봇 및 그의 제어 방법
KR20210020585A (ko) 로봇의 탑승 시스템 및 그 제어 방법
KR20190104943A (ko) 로봇 시스템 및 그 제어 방법
US11478925B2 (en) Robot and method for controlling same
US11938625B2 (en) Information processing apparatus, information processing method, and program
KR20210056603A (ko) 로봇 및 그의 제어 방법
US20210094167A1 (en) Apparatus connected to robot, and robot system including the robot and the apparatus
US20200001459A1 (en) Robot system and control method of the same
KR20210056172A (ko) 로봇
KR20210029591A (ko) 로봇 및 그 제어 방법
KR102314385B1 (ko) 로봇 및 그의 제어 방법
US11172788B2 (en) Ladle and robot having the same
US20210023440A1 (en) Terminal connected to action robot and operating method thereof
KR20210009991A (ko) 액션 로봇 및 그의 동작 방법
KR20240066697A (ko) 인공 지능 장치 및 그의 연동기기 업데이트 방법
KR20210078800A (ko) 액션 로봇