KR20210029591A - 로봇 및 그 제어 방법 - Google Patents

Abstract

본 발명의 실시 예에 따른 로봇은, 사용자의 인증 정보를 통해 상기 사용자의 탑승을 인증하는 인증 인터페이스; 공간 내의 상기 로봇의 위치를 감지하기 위한 위치 감지기; 상기 공간 내의 적어도 하나의 구간 중, 상기 감지된 위치에 대응하는 제1 구간을 확인하고, 주행 속도를 달리하는 복수의 주행 모드들 중, 확인된 제1 구간에 대해 설정가능한 적어도 하나의 주행 모드를 인식하고, 상기 인증 정보에 기초하여, 상기 인식된 적어도 하나의 주행 모드 중 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하고, 설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 프로세서; 및 설정된 주행 모드에 대한 정보를 출력하는 디스플레이를 포함한다.

Description

로봇 및 그 제어 방법{ROBOT AND CONTROLLING METHOD THEREOF}

본 발명은 로봇 및 그 제어 방법에 관한 것으로서, 특히 자율 주행하는 로봇의 속도를 위치에 따라 제어하는 로봇 및 그 제어 방법에 관한 것이다.

최근 딥러닝(Deep Learning) 기술, 자율 주행 기술, 자동 제어 기술, 사물인터넷 등의 발전으로 로봇의 기능이 확대되고 있다.

각각의 기술을 구체적으로 설명하면, 딥러닝은 기계학습의 한 분야에 해당한다. 딥러닝은 프로그램에 미리 조건을 확인하고 명령을 설정해두는 방식이 아니라, 다양한 상황에 대해 프로그램이 유사한 판단을 내리도록 하는 기술이다. 따라서, 딥러닝에 따르면 컴퓨터가 인간의 뇌와 유사하게 사고할 수 있고, 방대한 양의 데이터 분석을 가능하게 한다.

자율 주행은 기계가 스스로 판단하여 이동하고, 장애물을 피할 수 있는 기술이다. 자율 주행 기술에 따르면 로봇은 센서를 통해 자율적으로 위치를 인식하여 이동하고 장애물을 피할 수 있게 된다.

자동 제어 기술은 기계에서 기계 상태를 검사한 계측 값을 제어 장치에 피드백하여 기계의 동작을 자동으로 제어하는 기술을 말한다. 따라서 사람의 조작 없는 제어가 가능하고, 목적하는 제어 대상을 목적하는 범위 내 즉, 목표 값에 이르도록 자동적으로 조절할 수 있다.

사물인터넷(Internet of Things)은 인터넷을 기반으로 모든 사물을 연결하여 사람과 사물, 사물과 사물 간의 정보를 상호 소통하는 지능형 기술 및 서비스를 말한다. 사물인터넷에 의해 인터넷에 연결된 기기들은 사람의 도움 없이 알아서 정보를 주고 받으며 자율적인 소통을 하게 된다.

이와 관련, 종래의 주행 로봇이 있는데, 이러한 주행 로봇은 사용자가 직접 조작하거나, 동행자 또는 직원이 끌어주어야 하기 때문에 속도 선택이나, 원하는 대로 이동하기 어려운 문제점이 있다

또한, 단순 속도 단계에 대한 설정만 할 수 있고, 상황 별 속도는 사용자가 직접 설정해야 하기 때문에 휠체어를 자주 타는 사람이 아닌 처음 타는 사람은 속도 별 체감 속도에 대한 인지를 할 수 없는 문제점이 있다.

본 발명은 특정 공간 내의 구역에 따라 속도를 달리하여 이동하는 로봇을 제공하는 것을 일 목적으로 한다.

또한, 본 발명은 사용자의 일정 또는 목적지까지 남은 시간을 계산하여 사용자에게 주행 모드를 제안하는 로봇의 제어 방법을 제공하는 것을 다른 목적으로 한다.

본 발명의 실시 예에 따른 로봇은, 사용자의 인증 정보를 통해 상기 사용자의 탑승을 인증하는 인증 인터페이스; 공간 내의 상기 로봇의 위치를 감지하기 위한 위치 감지기; 상기 공간 내의 적어도 하나의 구간 중, 상기 감지된 위치에 대응하는 제1 구간을 확인하고, 주행 속도를 달리하는 복수의 주행 모드들 중, 확인된 제1 구간에 대해 설정가능한 적어도 하나의 주행 모드를 인식하고, 상기 인증 정보에 기초하여, 상기 인식된 적어도 하나의 주행 모드 중 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하고, 설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 프로세서; 및 설정된 주행 모드에 대한 정보를 출력하는 디스플레이를 포함한다.

실시 예에 따라, 상기 프로세서는 상기 로봇의 주행 중 상기 위치 감지기로부터 감지되는 위치에 기초하여, 상기 로봇이 상기 제1 구간의 다음 구간인 제2 구간에 위치함을 인식하고, 상기 제2 구간 및 상기 인증 정보에 기초하여 상기 설정된 주행 모드를 유지 또는 변경할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 사용자의 목적지 도착 요구 시각, 상기 감지된 위치, 및 목적지에 기초하여 상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하고, 상기 목적지 도착 요구 시각에 대한 정보는 상기 인증 정보에 포함되거나 상기 로봇과 연결된 서버로부터 수신될 수 있다.

실시 예에 따라, 상기 프로세서는 상기 목적지 도착 요구 시각까지의 남은 시간에 대한 정보를 상기 디스플레이를 통해 표시할 수 있다.

실시 예에 따라, 상기 복수의 주행 모드들은 워킹 모드, 쇼핑 모드, 보딩 모드, 및 일반 모드 중 적어도 하나를 포함할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 미만인 경우, 상기 주행 모드를 보딩 모드로 설정하고, 상기 보딩 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 빠를 수 있다.

실시 예에 따라, 상기 프로세서는 상기 사용자의 동행자에 대한 정보가 수신된 경우, 또는 상기 인증 인터페이스를 통해 상기 동행자의 인증 정보가 획득된 경우, 상기 주행 모드를 워킹 모드로 설정하고, 상기 워킹 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 느릴 수 있다.

실시 예에 따라, 상기 공간은 공항을 포함하고, 상기 프로세서는 상기 위치 감지기를 통해 상기 로봇 및 상기 사용자가 상기 공항의 에어사이드(air-side)에 진입함을 감지하고, 상기 목적지 도착 요구 시각까지의 잔여 시간이 기 설정된 시간 이상인 경우, 상기 주행 모드를 상기 쇼핑 모드로 설정하고, 상기 쇼핑 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 느릴 수 있다.

실시 예에 따라, 상기 프로세서는 상기 쇼핑 모드의 설정 시, 기설정된 쇼핑 경로 또는 사용자에 의해 설정되는 쇼핑 경로를 추종하도록 상기 로봇의 주행을 제어할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 목적지 도착 요구 시각까지의 잔여 시간이 상기 기 설정된 시간 미만인 경우, 상기 주행 모드를 상기 보딩 모드로 전환할 수 있다.

실시 예에 따라, 상기 프로세서는 상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 이상인 경우, 상기 제1 구간에서 수행 가능한 적어도 하나의 액티비티에 대한 정보를 상기 디스플레이를 통해 출력할 수 있다.

본 발명의 실시 예에 따른 로봇의 제어 방법은, 사용자의 인증 정보를 통해 상기 사용자의 탑승을 인증하는 단계; 공간 내의 상기 로봇의 위치를 감지하는 단계; 상기 공간 내의 적어도 하나의 구간 중, 상기 감지된 위치에 대응하는 제1 구간을 확인하는 단계; 주행 속도를 달리하는 복수의 주행 모드들 중, 상기 확인된 제1 구간 및 상기 인증 정보에 기초하여 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계; 및 설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 단계를 포함한다.

전술한 바와 같은 구성을 갖는 본 발명에 따르면, 로봇을 처음 이용하는 사용자도 안전한 주행을 할 수 있는 이점이 있다.

또한 본 발명은, 사용자에게 목적지로 가는 경유 과정에서 다양한 경로를 제시하고, 해당 구역에서의 속도를 조절함으로써 효율적인 시간 운용을 할 수 있는 이점이 있다.

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 실시 예에 따른 로봇 시스템의 구조를 나타낸 시스템도이다.
도 5는 본 발명의 로봇의 구조 및 로봇과 연동되는 서버를 나타낸다.
도 6은 본 발명의 일 실시 예에 따른 로봇의 주행 모드를 나타낸다.
도 7은 본 발명의 일 실시 예에 따른 로봇의 제어 방법에 대한 순서도를 나타낸다.
도 8은 본 발명의 일 실시 예에 따른 제1 단계의 사용자의 탑승을 인증하는 과정을 나타낸다.
도 9는 본 발명의 일 실시 예에 따른 구역 별 주행 모드의 우선 순위를 나타낸다.
도 10은 본 발명의 일 실시 예에 따른 제2 단계의 워킹 모드를 제안하는 과정을 나타낸다.
도 11은 본 발명의 일 실시 예에 따른 제2 단계의 쇼핑 모드를 제안하는 과정을 나타낸다.
도 12는 본 발명의 일 실시 예에 따른 제2 단계의 보딩 모드를 제안하는 과정을 나타낸다.
도 13은 본 발명의 일 실시 예에 따라 디스플레이에 각종 정보를 나타내는 모습을 나타낸다.

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, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 발명의 일 실시 예에 따른 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 실시 예에 따른 로봇 시스템의 구조를 나타낸 시스템도이다.

도 4를 참조하면, 로봇 시스템은 로봇(100a), 서버(200a), 카메라(300), 및 이동 단말기(400)를 포함할 수 있다.

로봇(100a)은, 로봇이 배치된 공간 내에서 순찰, 안내, 청소, 방역, 운반 등의 다양한 역할을 수행할 수 있다.

로봇(100a)은 서버(200a) 또는 이동 단말기(400)와 신호를 송수신할 수 있다. 예를 들어, 로봇(100a)은 서버(200a)와 공간 내 상황 정보 등을 포함한 신호를 송수신할 수 있다. 또한, 로봇(100a)은 카메라(300)로부터 상기 공간의 각 구역들을 촬영한 영상 정보를 수신할 수 있다.

따라서, 로봇(100a)은 로봇(100a)이 촬영한 영상 정보 및 카메라(300)로부터 수신한 영상 정보를 종합하여 상기 공간의 상황을 모니터링 할 수 있다.

로봇(100a)은 사용자로부터 직접 명령을 수신할 수 있다. 예를 들어, 로봇(100a)에 구비된 디스플레이부를 터치하는 입력 또는 음성 입력 등을 통해 사용자로부터 명령을 직접 수신할 수 있다.

로봇(100a)은 사용자, 서버(200a), 또는 이동 단말기(400) 등으로부터 수신된 명령에 따라 순찰, 안내, 청소 등의 동작을 수행할 수 있다.

다음으로, 서버(200a)는 로봇(100a), 카메라(300), 및/또는 이동 단말기(400)로부터 정보를 수신할 수 있다. 서버(200a)는 각 장치들로부터 수신된 정보들을 통합하여 저장 및 관리할 수 있다. 서버(200a)는 저장된 정보들을 로봇(100a) 또는 이동 단말기(400)에 전송할 수 있다. 또한, 서버(200a)는 상기 공간에 배치된 복수의 로봇(100a)들 각각에 대한 명령 신호를 전송할 수 있다.

카메라(300)는 상기 공간 내에 설치된 카메라를 포함할 수 있다. 예를 들어, 카메라(300)는 상기 공간 내에 설치된 복수 개의 CCTV(closed circuit television) 카메라, 적외선 열감지 카메라 등을 모두 포함할 수 있다. 카메라(300)는 촬영된 영상을 서버(200a) 또는 로봇(100a)에 전송할 수 있다.

이동 단말기(400)는 서버(200a)와 데이터를 송수신할 수 있다. 예를 들어, 이동 단말기(400)는 서버(200a)로부터 상기 공간의 특성과 관련된 데이터, 상기 공간의 맵 데이터 등과 같은 다양한 데이터를 수신할 수 있다. 예컨대, 상기 서버(200a)가 공항과 관련된 서버인 경우, 이동 단말기(400)는 서버(200a)로부터 비행 시간 스케쥴, 공항 지도 등과 같은 공항 관련 데이터를 수신할 수 있다.

사용자는 이동 단말기(400)를 통해 원하는 정보를 서버(200a)로부터 수신하여 얻을 수 있다. 또한, 이동 단말기(400)는 서버(200a)로 사진이나 동영상, 메시지 등과 같은 데이터를 전송할 수 있다. 예를 들어, 사용자는 미아 사진을 서버(200a)로 전송하여 미아 접수를 하거나, 공간 내 청소가 필요한 구역의 사진을 카메라로 촬영하여 서버(200a)로 전송함으로써 해당 구역의 청소를 요청할 수 있다.

또한, 이동 단말기(400)는 로봇(100a)과 데이터를 송수신할 수 있다.

예를 들어, 이동 단말기(400)는 로봇(100a)을 호출하는 신호나 특정 동작을 수행하도록 명령하는 신호 또는 정보 요청 신호 등을 로봇(100a)으로 전송할 수 있다. 로봇(100a)은 이동 단말기(400)로부터 수신된 호출 신호에 응답하여 이동 단말기(400)의 위치로 이동하거나 명령 신호에 대응하는 동작을 수행할 수 있다. 또는 로봇(100a)은 정보 요청 신호에 대응하는 데이터를 각 사용자의 이동 단말기(400)로 전송할 수 있다.

도 5는 본 발명의 로봇(100a)의 구조 및 로봇(100a)과 연동되는 서버(200a)를 나타낸다.

도 5를 참조하면, 로봇(100a)은 서버(200a)와 연동되며, 로봇(100a)은 센싱부(140a), 프로세서(180a) 및 디스플레이부(150a)를 포함할 수 있다. 상술한 이동 단말기(400)는 모바일(400)과 동일한 용어로 사용된다.

서버(200a)는, 인증 정보를 이용하여 사용자를 목적지에 이동시키는 로봇(100a)의 탑승 시스템에 있어서, 상기 인증 정보를 상기 로봇(100a)과 송수신할 수 있으며, 이동 단말기는 모바일(400)로 표현될 수 있으며, 상기 로봇(100a)을 사용하기 위해 상기 서버(200a)와 연동하는 앱을 포함하고 상기 앱을 통해 상기 사용자의 사용 정보를 예약하며 대기 중인 로봇(100a)을 상기 앱을 통해 호출할 수 있다.

로봇(100a)은, 상기 인증 정보를 저장하고, 상기 모바일(400)의 호출이 있는 경우 상기 인증 정보를 통해 상기 사용자를 인증하며, 상기 사용 정보에 포함된 상기 사용자의 신체 사이즈에 따라 구조를 변형하고 상기 사용자를 탑승시켜 상기 목적지로 이동할 수 있다.

서버(200a)는, 상기 모바일(400)이 앱을 통해 상기 로봇(100a)을 호출하면, 상기 앱이 구동되는 위치를 확인하여 상기 로봇(100a)으로 전송할 수 있다. 이 경우, 모바일(400)은, 상기 서버(200a)에 접속되면 상기 사용자의 신체 사이즈와 상기 목적지를 이동하는 동안 사용할 편의 시설의 입력을 요청 받을 수 있다.

서버(200a)는, 사용자의 요청이 있는 경우, 앱과 연동되어 앱을 구동하는 사용자의 위치를 모바일(400)로부터 전송 받을 수 있고, 앱의 구동 위치를 로봇(100a)으로 전송하여, 로봇(100a)을 사용자가 있는 위치로 이동시킬 수 있다.

호출된 로봇(100a)이 사용자 앞에 있는 경우, 사용자는 자신이 예약한 로봇(100a)이 맞는지 확인을 하고, 기 부여 받은 바코드를 통해 로봇(100a)에 태깅을 하여 자신이 해당 로봇(100a)을 이용할 사용자라는 것을 인증 받을 수 있다.

로봇(100a)은, 사용자의 개인 정보를 이용하여 생성된 인증 정보와 상기 사용자에게 기 발행된 바코드의 인증 정보를 비교하여 상기 사용자를 인증하고, 상기 사용자의 인증이 불가한 경우, 사용자 인증을 다시 시도하라는 음성 안내를 할 수 있다.

실시 예에 따라, 상기 인증 정보는 사용자의 목적지 도착 요구 시각에 대한 정보를 더 포함할 수 있다. 일례로, 상기 목적지 도착 요구 시각에 대한 정보는 운송 수단의 보딩 시각이나 일정의 개시 시각 등을 포함할 수 있다.

센싱부(140a)는, 상기 사용자의 모바일(400)을 통해 상기 사용자의 탑승을 위한 인증을 수행하고, 로봇(100a)의 위치를 탐색하며, 공간 내 구간 별로 이동하는 주행 시간과 주행 속도를 감지하기 위한 적어도 하나의 센서를 포함할 수 있다.

예컨대 센싱부(140a)는, 인증 인터페이스와 위치 감지기를 포함할 수 있다. 또한 내부에 타이머와 같은 기능을 내장하여 각 구간에 진입하는 경우 각 구간의 주행 시간을 계산할 수 있다.

예컨대 인증 인터페이스는, 상기 사용자가 로봇(100a)의 사용 예약 시 상기 모바일(400) 등으로 기 발행된 인증 정보를 통해 상기 사용자를 인증할 수 있다. 서버(200a)는 사용자가 예약할 당시 사용자가 입력한 개인 정보를 바탕으로 인증 정보를 생성할 수 있으며, 인증 정보 또는 상기 인증 정보에 대응하는 인증 수단(예컨대 바코드 등)을 상기 사용자의 모바일(400) 등으로 전송할 수 있다.

인증 인터페이스는 상기 인증 정보 또는 인증 수단을 통해 사용자를 인증하는데, 여기서 모바일(400)로 전송된 인증 정보 또는 인증 수단은, 대기 중인 로봇(100a)을 호출하였을 때 해당 로봇(100a)을 사용할 수 있는 사용자를 확인하는 수단이 될 수 있다. 예컨대, 상기 인증 정보에 대응하는 인증 수단이 바코드인 경우, 인증 인터페이스는 바코드 인식기(바코드 인식 센서)를 포함할 수 있다.

로봇(100a)은 상기 인증 정보를 통해, 기 예약한 사용자가 로봇(100a)을 사용할 사용자라는 것을 인식할 수 있다.

위치 감지기는, 상기 로봇(100a)의 위치를 확인할 수 있다. 위치 감지기는, 라이다, GPS 수신기 등을 포함할 수 있으며, 서버(200a) 등으로부터 제공 받은 주행 맵을 통해 현재 위치를 인식할 수 있다.

위치 감지기는, 로봇(100a)의 후면, 측면, 하부 등에 설치될 수 있으며, 현재 로봇(100a)이 공간 내 어디에 위치해 있는지 파악할 수 있는 모든 수단을 포함할 수 있다.

프로세서(180a)는 상기 타이머를 통해 각 구간에 진입하는 시간을 체크하고, 해당 구간에서 경과된 시간을 사용자에게 알려주어, 다음 구간으로의 진입에 대한 알림을 제공할 수 있다.

상기 타이머는, 목적지 도착 요구 시각(예컨대, 운송 수단의 보딩 시각 등)으로부터 역산하고, 프로세서(180a)는 상기 역산 결과에 따라 현재 남은 시간을 디스플레이부(150a)에 표시할 수 있다.

프로세서(180a)는, 맵과 상기 위치를 비교하여 상기 공간 내 위치를 확인하고, 자동 모드 또는 수동 모드의 전환을 제공할 수 있으며, 상기 구간에 따라 이동하는 주행 속도를 달리하는 복수의 주행 모드를 선택하여 상기 로봇(100a)의 구동을 제어(예컨대, 로봇(100a)의 주행 모터를 제어)할 수 있다.

프로세서(180a)는, 위치 감지기로부터 현재 위치를 확인하고, 해당 위치를 서버(200a)로부터 기 저장 또는 실시간으로 제공받은 맵과 비교하여 공간 내 어느 구간에 있는지 알 수 있다. 해당 구간에서 필요한 경우 디스플레이부(150a)를 통해 자동 모드 또는 수동 모드의 전환 여부를 사용자에게 요청할 수 있다.

자동 모드는 자율로 주행하는 설정이고, 수동 모드는 팔걸이 등과 같은 사용자의 탑승 위치에서 조작이 가능한 위치에 배치된 속도 제어기를 통해 속도에 대한 가감을 조절할 수 있다.

상기 속도 제어기는 (+), (-)로 구성된 일반적인 조이스틱 형식의 버튼 식으로 구성되거나, 좌우로 속도를 가감할 수 있도록 조그 셔틀 형식으로도 설계될 수 있다.

프로세서(180a)는 각 구간에 따라 자동 모드에 대한 복수의 주행 모드를 제안할 수 있는데, 평소 일반 모드로 주행하다 해당 구간에 진입하는 경우 디스플레이부(150a)를 통해 추가적인 주행 모드를 제안할 수 있고, 사용자가 이를 선택하는 경우 해당 주행 모드로 주행이 가능하게 로봇(100a)을 제어할 수 있다. 주행 모드에 대해서는 이하 도 6에서 자세히 후술하기로 한다.

디스플레이부(150a)는, 센싱부(140a) 및 상기 프로세서(180a)의 주행 속도 또는 주행 모드를 포함하는 제어 상태를 출력하여 표시하고, 상기 사용자와의 인터페이스를 제공하여 상기 자동 모드 또는 수동 모드의 전환과 상기 주행 모드의 선택에 대한 입력을 제공 받을 수 있다.

디스플레이부(150a)는, 주행 중 사용자가 현재 위치, 로봇(100a)의 수동 조작 또는 목적지 확인 등을 할 수 있도록 사용자의 시선으로 화면을 보여줄 수 있으며, 시선 방향을 유지하기 위한 각도로 회전이 가능하게 설계될 수 있다. 디스플레이부(150a)는, 각 구간의 주행 시간과 목적지 도착 요구 시각까지의 남은 시간을 표시할 수 있다.

디스플레이부(150a)는, 맵과 비교하여 공간 내 어느 구간에 있는지 알려주며, 해당 구간에서 필요한 자동 모드를 사용자에게 제안할 수 있다.

도 6은 본 발명의 일 실시 예에 따른 로봇(100a)의 주행 모드를 나타낸다.

이하에서는 설명의 편의를 위해 로봇(100a)이 배치된 공간이 공항인 것으로 가정한다. 다만, 후술할 실시 예들이 공항에 배치되는 로봇(100a)에만 적용되는 것은 아니고, 다양한 공간에 배치된 로봇들에도 유사하게 적용될 수 있다.

이에 따르면, 후술할 보딩 시각은 사용자가 목적지에 도착해야 하는 시각, 즉 상기 목적지 도착 요구 시각에 해당할 수 있다.

도 6을 참조하면, 로봇(100a)은 자동 모드와 수동 모드로 주행할 수 있으며, 사용자의 선택에 의해 수동 모드로 전환되는 경우 조이스틱 또는 조그 셔틀 형식으로 조작이 될 수 있고, 일반적으로 자동 모드로 주행될 수 있다. 또한 자동 모드는 평소 일반 모드로 설정되어 있고, 각 구간에 진입하는 경우 해당 구간에 따라 복수의 주행 모드가 제안될 수 있다. 즉 복수의 주행 모드는 자동 모드에 포함되는 개념으로 이해될 수 있다.

예컨대, 프로세서(180a)는 상기 구간 및 상기 인증 정보에 기초하여 어느 하나의 주행 모드를 자동으로 설정할 수 있다. 예컨대, 프로세서(180a)는 상기 인증 정보에 포함된 목적지 도착 요구 시각과, 현재 위치와 목적지까지의 거리 또는 현재 위치로부터 목적지까지의 예상 소요 시간에 기초하여 상기 주행 모드를 설정할 수 있다.

또한, 프로세서(180a)는 로봇(100a)의 주행 중 상기 위치 감지기를 통해 로봇(100a)의 위치를 감지하고, 감지 결과에 따라 로봇(100a)이 다음 구간에 진입함을 인식할 수 있다. 이 경우, 프로세서(180a)는 상기 다음 구간 및 상기 인증 정보에 기초하여 주행 모드를 유지 또는 변경시킬 수 있다.

또는 프로세서(180a)는, 공간 내 구간에 따라 워킹 모드, 쇼핑 모드, 보딩 모드 및 일반 모드를 포함하는 복수의 주행 모드를 제안하여 사용자의 선택에 따라 주행 속도를 달리하여 구동을 제어할 수 있다.

표 1은 복수의 주행 모드에 대한 속도와 설명, 그리고 인식 방법을 나타낸다.

표 1을 참조하면, 일반 모드를 기준으로 쇼핑 모드와 워킹 모드는 속도가 느리고, 보딩 모드는 속도가 빠르다. 표 1에 대한 각 구간의 설명은 도 9의 제어 방법에서 같이 설명하기로 하고, 각 속도 모드에 대해 설명한다.

프로세서(180a)는, 상기 사용자의 탑승이 인증 되는 경우, 입력부나 디스플레이부(150a) 등을 통해 상기 사용자의 동행자에 대한 정보가 입력되거나, 상기 인증 인터페이스를 통해 상기 동행자의 인증 정보가 획득되면, 주행 모드를 워킹 모드로 자동 설정하거나 상기 디스플레이부(150a)를 통해 상기 사용자에게 워킹 모드를 제안할 수 있다.

워킹 모드는, 동행자가 있는 경우 동행자의 걸음 속도에 맞추어 로봇(100a)을 구동하는 방식을 말한다. 로봇(100a)에 탑승하는 사용자는, 영유아나 노인 또는 몸이 불편한 임산부나 장애인이 될 수 있다. 이 경우, 로봇(100a)의 구동은 사람의 걷는 속도로 제한할 수 있으며, 평균적이 걷는 속도보다 느리게 설정되어 동행자와 천천히 주행할 수 있다.

쇼핑 모드는 면세 구역과 같이 물품을 둘러보는데 시간이 소요되는 구간으로, 상기 프로세서(180a)는, 상기 사용자가 출국 심사를 거쳐 에어사이드(air-side)에 진입하는 경우 보딩 시각으로부터 기 설정된 시간 이상의 시간이 남으면 쇼핑 모드를 제안할 수 있다.

보딩 모드는, 보딩 시각으로부터 소정 시간 미만의 시간이 남은 경우, 또는 탑승 게이트를 통과하고 다른 액티비티를 하지 않는 경우, 보딩을 위해 서두를 수 있는 주행 모드를 말한다. 따라서 일반 모드보다는 속도가 빠르게 설정될 수 있으며, 탑승 게이트까지의 이동 시간을 고려하여 알람이 제공될 수 있다.

프로세서(180a)는, 보딩 시각으로부터 기 설정된 시간 미만의 시간이 남으면 적어도 1회 이상 상기 사용자에게 알람을 제공할 수 있다.

본 발명의 실시 예에 따라, 프로세서(180a)는 보딩 시각으로부터 15분 전이면 1차적으로 알람을 제공하고, 사용자가 아직 보딩이 되지 않은 경우 10분이 남는 경우 2차적으로 알람을 제공할 수 있으며, 보딩 시각으로부터 복수의 설정이 가능하다.

보딩 여부는 사용자가 로봇(100a)의 사용을 완료한 시간으로 추정하며, 목적지에 도착하여 사용 완료 여부를 사용자로부터 입력 받는 경우, 사용 완료 즉, 보딩 완료로 판단하여 알림 제공을 하지 않을 수 있다.

이 외에도, 프로세서(180a)는, 상기 구간에서의 남은 시간을 고려하여 상기 구간에서 수행할 수 있는 복수의 액티비티(activity)를 상기 디스플레이부(150a)를 통해 상기 사용자에게 제공할 수 있다.

액티비티의 제공은, 보딩 시각으로부터 기 설정된 시간 이상의 시간이 남는 경우, 컬쳐 투어, 면세 쇼핑, 라운지 휴식 등과 같이 각 구간에서 할 수 있는 활동과 소모 시간을 알려주어 사용자에게 편의를 제공할 수 있다.

이하는, 상술한 로봇(100a)을 이용하여 자율 주행 시 속도를 조절하는 로봇(100a)의 제어 방법에 대해 설명한다.

도 7은 본 발명의 일 실시 예에 따른 로봇(100a)의 제어 방법에 대한 순서도를 나타낸다.

도 7을 참조하면, 로봇(100a)의 제어 방법은, 사용자의 탑승을 인증하는 단계(S10), 주행 모드를 제안하는 단계(S20) 및 사용자의 선택에 따라 구동을 제어하는 단계(S30)를 포함할 수 있다.

사용자의 탑승을 인증하는 단계(S10)는, 사용자의 모바일(400)을 통해 이뤄질 수 있으며, 예약 시 발행된 바코드를 통해 인증하는 과정이다. 바코드 이외에도 QR 코드나 비밀번호 등으로 인증이 이뤄질 수 있다.

호출된 로봇(100a)이 사용자 앞에 있는 경우, 사용자는 자신이 예약한 로봇(100a)이 맞는지 확인을 하고, 기 부여 받은 바코드를 통해 로봇(100a)에 태깅을 하여 자신이 해당 로봇(100a)을 이용할 사용자라는 것을 인증 받을 수 있다.

로봇(100a)의 인증 인터페이스는, 사용자의 개인 정보를 이용하여 생성된 인증 정보와 상기 사용자에게 기 발행된 바코드의 인증 정보를 비교하여 상기 사용자를 인증할 수 있으며, 상기 사용자의 인증이 불가한 경우, 사용자 인증을 다시 시도하라는 음성 안내를 할 수 있다.

인증 인터페이스는, 상기 인증 정보를 저장하고, 상기 인증 정보를 통해 사용자를 인증하며, 인증 후 사용자를 탑승시켜 사용자가 원하는 탑승 게이트로 이동할 수 있다.

주행 모드를 제안하는 단계(S20)는, 위치에 따른 공항 내 구간을 확인하고, 디스플레이부(150a)를 통해 각 구간에 따라 주행 속도를 달리하는 복수의 주행 모드 중 적어도 어느 하나의 주행 모드를 제안하는 과정이다.

프로세서(180a)는, 공항 내 구간에 따라 워킹 모드, 쇼핑 모드, 보딩 모드 및 일반 모드를 포함하는 복수의 주행 모드를 제안하여 사용자의 선택에 따라 주행 속도를 달리하여 구동을 제어할 수 있다.

사용자의 선택에 따라 구동을 제어하는 단계(S30)는, 사용자에게 해당 구간에서 운행될 수 있는 주행 모드를 제안하는 과정이다.

평소에는 일반 모드로 설정되어 있어서, 사용자가 다른 모드로 주행하기 원하는 경우를 제외하고 일반 모드로 운행되며, 제안된 주행 모드를 선택하는 경우 선택된 주행 모드로 운행될 수 있다.

도 8은 본 발명의 일 실시 예에 따른 제1 단계의 사용자의 탑승을 인증하는 과정을 나타낸다.

도 8을 참조하면, 사용자는 모바일(400)의 앱으로 사용예약을 하고, 로봇(100a)을 호출하며, 기 발행된 바코드를 통해 인증 후 탑승을 할 수 있다. 기 저장된 사용자의 예약 정보는 항공사의 서버(200a)에 저장될 수 있으며, 이러한 연동 과정을 거쳐 인증이 이뤄질 수 있다.

로봇(100a)의 인증 인터페이스는, 상기 인증 정보를 저장하고, 상기 인증 정보를 통해 사용자를 인증하며, 인증 후 사용자를 탑승시켜 사용자가 원하는 탑승 게이트로 이동할 수 있다.

인증 인터페이스는 서버(200a)로부터 인증 정보를 제공받기 때문에, 사전에 로봇(100a)은 항공사 서버(200a)와 연동이 가능하게 제휴가 되어야 하며, 티켓팅을 통한 탑승 게이트와 같은 예약 정보도 서버(200a)로부터 제공받아야 목적지로의 자율 주행이 가능하다.

도 9는 본 발명의 일 실시 예에 따른 공항 내 구역 별 주행 모드의 우선 순위를 나타낸다.

도 9를 참조하면, 각 구역은 출국장을 시작으로, 본 발명의 실시 예에 따라, 항공사 카운터, 보안검색 및 출국 수속장, 면세 구역, 탑승구 입구, 탑승 게이트 또는 비행기 입구로 구분하여 각 주행 모드를 제안할 수 있다.

상술한 제2 단계는, 상기 로봇(100a)의 위치를 감지하는 단계; 상기 위치에 따른 공항 내 구간을 확인하는 단계; 및 상기 구간에 따라 워킹 모드, 쇼핑 모드, 보딩 모드 및 일반 모드 중 적어도 어느 하나의 주행 모드를 검색하는 단계를 포함할 수 있다.

위치 감지기는, 상기 로봇(100a)의 위치를 확인할 수 있다. 위치 감지기는, 라이다, GPS 등을 포함할 수 있으며, 서버(200a)로부터 제공 받은 주행 맵을 통해 현재 위치를 인식할 수 있다.

항공사 카운터에서는, 로봇(100a)의 인증 시 자동으로 탑승권 정보 또는 예약 정보를 서버(200a)로부터 받게 되고, 이를 통해 티켓팅 위치를 탐색할 수 있다. 로봇(100a)은, 카운터 위치에 대한 정보를 제공 받아 해당 카운터로 이동하게 된다.

본 발명의 실시 예에 따라, 워킹 모드와 일반 모드를 제공할 수 있다. 이와 관련 도 10을 통해 설명한다.

도 10은 본 발명의 일 실시 예에 따른 제2 단계의 워킹 모드를 제안하는 과정을 나타낸다.

도 10을 참조하면, 워킹 모드는, 사용자가 로봇(100a)에 탑승 후, 센싱부의 인증 인터페이스가 타인(동행자)의 인증 정보를 획득하거나, 입력부 또는 디스플레이부를 통해 사용자로부터 동행자에 대한 정보가 입력된 경우 설정 또는 제안될 수 있다. 일례로, 프로세서(180a)는 사용자의 인증 후, 로봇(100a) 근처에 타인(동행자)의 인증 수단(예컨대 스마트키(앱))으로부터 인증 정보가 획득된 경우 워킹 모드를 설정 또는 제안할 수 있다. 또는, 프로세서(180a)는 사용자가 로봇(100a)에 탑승 후, 입력부 또는 디스플레이부를 통해 동행자의 정보가 입력된 경우 워킹 모드를 설정 또는 제안할 수 있다.

워킹 모드는, 동행자가 있는 경우 동행자의 이동 속도에 대응하여 로봇(100a)의 주행 속도를 제어하는 방식을 말한다. 로봇(100a)에 탑승하는 사용자는, 영유아나 노인 또는 몸이 불편한 임산부나 장애인이 될 수 있다. 이 경우, 로봇(100a)의 구동은 사람의 걷는 속도로 제한할 수 있으며, 실시 예에 따라서는 평균적인 걷는 속도보다 느리게 설정되어 동행자와 천천히 주행할 수 있다.

보안검색 및 출국 수속장에서는, 항공사 카운터와 동일하나 티켓팅이 완료된 경우 이므로 로봇(100a)은 해당 탑승 게이트를 알 수 있고, 로봇(100a)은 이와 관련된 맵을 서버(200a)로부터 확인하여 워킹 모드 또는 일반 모드로 주행할 수 있다.

면세 구역에서는, 쇼핑을 할 수 있기 때문에 로봇(100a)이 사용자에게 쇼핑 모드를 제안할 수 있고, 이 경우 프로세서(180a)는 보딩 시각까지의 잔여 시간과 현재 로봇(100a)의 위치를 센싱하여 쇼핑 모드를 설정 또는 제안하게 된다. 이와 관련 도 11을 통해 설명한다.

도 11은 본 발명의 일 실시 예에 따른 제2 단계의 쇼핑 모드를 제안하는 과정을 나타낸다.

도 11을 참조하면, 본 발명의 실시 예에 따른 로봇(100a)의 프로세서(180a)는, 출국심사가 끝나고 에어사이드(Airside) 진입 게이트를 빠져나가면, 에어사이드(Airside) 진입 위치와 보딩 시각으로부터 쇼핑 모드를 설정 또는 제안할 수 있다.

쇼핑 모드를 설정 또는 제안하는 과정은, 상기 사용자가 출국 심사를 거쳐 상기 사용자와 로봇(100a)이 에어사이드(airside)에 진입하는 단계; 및 보딩 시각까지의 잔여 시간이 기 설정된 시간 이상인지 여부를 판단하는 단계를 포함하고, 상기 로봇(100a)이 에어사이드에 있고 상기 잔여 시간이 기 설정된 시간 이상의 시간이 남은 경우 이뤄질 수 있다.

예를 들어, 프로세서(180a)는 보딩 시각까지의 잔여 시간이 40분 이상 남은 경우 상기 쇼핑 모드를 자동으로 설정하거나 제안할 수 있다. 반면 프로세서(180a)는 보딩 시각까지의 잔여 시간이이 40분 미만인 경우 상기 쇼핑 모드를 자동으로 설정하지는 않으나, 사용자가 선택할 수 있도록 제안할 수는 있다. 위 과정에서, 사용자에 의해 쇼핑 모드가 선택되면, 프로세서(180a)는 기설정된 쇼핑 경로를 추종하도록 로봇(100a)의 주행을 제어하거나, 사용자가 원하는 쇼핑경로를 설정하기 위한 인터페이스를 디스플레이부를 통해 출력하고, 사용자에 의해 설정된 쇼핑 경로를 추종하도록 로봇(100a)의 주행을 제어할 수 있다.

예컨대, 프로세서(180a)는 보딩 시각까지의 잔여 시간이 소정 시간 미만인 경우, 즉 보딩 시각이 임박한 경우 주행 모드를 보딩 모드로 자동으로 전환하거나, 사용자로 하여금 주행 모드를 보딩 모드로 전환하도록 요청할 수 있다.

도 12는 본 발명의 일 실시 예에 따른 제2 단계의 보딩 모드를 제안하는 과정을 나타낸다.

도 12를 참조하면, 사용자의 위치와 보딩 시각까지의 잔여 시간을 기준으로, 다른 주행 모드들에 비해 주행 속도가 빠른 보딩 모드가 제안될 수 있다.

보딩 모드는, 상기 사용자가 보딩 구역에 진입하기 전인지 판단하는 단계; 및 보딩 시각까지의 잔여 시간이 기 설정된 시간 이하인지 판단하는 단계를 포함하고, 사용자가 보딩 전이고, 보딩 시각까지의 잔여 시간이 기 설정된 시간 이하인 경우 적어도 1회 이상 사용자에게 알람을 제공할 수 있다.

보딩 모드는, 보딩 시각/ 위치 기반으로, 탑승 위치로부터 소정 거리 이내에 소정 시간 이전(예컨대 10분 또는 15분 전)에 도착 할 수 있도록 적어도 1회의 알림을 하거나, 시간과 횟수를 조절하여 사용자에게 알림을 제공할 수 있다.

보딩 시각은, 항공사 카운터에서 탑승권을 받으면서 탑승 정보가 서버로부터 로봇(100a)에게 전달되기 때문에, 사용자의 임의 조절이 불가능할 수 있다.

프로세서(180a)는, 탑승구 입구에서, 면세 구역과 달리 보딩 모드를 시간과 관계 없이 자동으로 제안하고, 사용자에게 더 빠른 주행 속도를 제공하여 탑승을 유도할 수 있다.

프로세서(180a)는, 탑승 게이트 또는 비행기 입구에서 복수의 주행 모드들을 통해 로봇(100a)의 주행 속도를 제어할 수 있다.

또한, 로봇(100a)이 탑승 게이트 구역에 진입함에 따라 사용자의 사용이 완료될 수 있다. 이 경우, 로봇(100a)은 다음 사용자의 사용 전까지 대기할 수 있는 충전소로 이동이 가능하기 때문에, 주변의 충전스테이션을 검색할 수 있다.

로봇(100a)은, 서버(200a)에 저장된 맵과 사용자가 탑승하는 위치, 충전을 진행하는 충전스테이션의 위치를 저장하여 관리할 수 있다.

서버(200a)는 로봇(100a)과 통신을 하며, 근거리의 사용자나 충전스테이션의 위치를 제공할 수 있으며, 로봇(100a)은 전원의 방전을 판단하고 충전을 위해 스스로 주변의 충전스테이션으로 이동할 수 있다.

도 13은 본 발명의 일 실시 예에 따라 디스플레이에 각종 정보를 나타내는 모습을 나타낸다.

도 13을 참조하면, 디스플레이부(150a)는, 주행 중 사용자가 현재 위치, 로봇(100a)의 수동 조작 또는 목적지 확인 등을 할 수 있도록 사용자의 시선으로 화면을 보여줄 수 있으며, 시선 방향을 유지하기 위한 각도로 회전이 가능하게 설계될 수 있다. 디스플레이부(150a)는, 각 구간의 주행 시간과 보딩까지의 남은 시간을 표시할 수 있다.

디스플레이부(150a)는, 맵과 비교하여 사용자(로봇)가 공항 내 어느 구간에 있는지 알려주며, 해당 구간에서 필요한 자동 모드를 사용자에게 제안할 수 있다.

프로세서(180a)는, 상기 구간에서의 남은 시간을 고려하여 상기 구간에서 수행할 수 복수의 액티비티를 상기 디스플레이부(150a)를 통해 상기 사용자에게 제공할 수 있다. 액티비티의 제공은, 보딩 시각까지의 잔여 시간이 기설정된 시간 이상인 경우, 컬쳐 투어, 면세 쇼핑, 라운지 휴식 등과 같이 각 구간에서 할 수 있는 활동과 소모 시간을 알려주어 사용자에게 편의를 제공할 수 있다.

본 발명에 따르면, 로봇(100a)을 처음 사용하는 사람에게 조작에 대한 학습이나 두려움을 느끼지 않고 쉬운 컨트롤과 안전한 주행을 할 수 있도록 해주며, 공항에서 게이트까지 이동하거나 면세 구역이나 식음료 매장을 가고자 할 때, 찾아다니지 않아도 최적화된 길로 안내해 줄 수 있다.

또한, 본 발명에 따르면, 공간에서 각 상황 별 속도를 제안하고, 길 안내를 하며 주행함으로써 편의성을 제공하고, 쇼핑이나 이동을 자유롭게 독립적으로 이용할 수 있어 공간에서 시간 사용을 효율적으로 할 수 있는 이점이 있다.

또한, 본 발명에 따르면, 각 모드에 대해서는 상황에 맞게 제안하는 것을 디스플레이에서 눈으로 확인할 수 있고, 직접 선택할 수 있으며 시각 및 청각 안내로 제공하여 직관적으로 쉽게 사용할 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. 로봇에 있어서,
   사용자의 인증 정보를 통해 상기 사용자의 탑승을 인증하는 인증 인터페이스;
   공간 내의 상기 로봇의 위치를 감지하기 위한 위치 감지기;
   상기 공간 내의 적어도 하나의 구간 중, 상기 감지된 위치에 대응하는 제1 구간을 확인하고,
   주행 속도를 달리하는 복수의 주행 모드들 중, 확인된 제1 구간에 대해 설정가능한 적어도 하나의 주행 모드를 인식하고,
   상기 인증 정보에 기초하여, 상기 인식된 적어도 하나의 주행 모드 중 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하고,
   설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 프로세서; 및
   설정된 주행 모드에 대한 정보를 출력하는 디스플레이를 포함하는 로봇.
2. 제1항에 있어서,
   상기 프로세서는,
   상기 로봇의 주행 중 상기 위치 감지기로부터 감지되는 위치에 기초하여, 상기 로봇이 상기 제1 구간의 다음 구간인 제2 구간에 위치함을 인식하고,
   상기 제2 구간 및 상기 인증 정보에 기초하여 상기 설정된 주행 모드를 유지 또는 변경하는 로봇.
3. 제1항에 있어서,
   상기 프로세서는,
   상기 사용자의 목적지 도착 요구 시각, 상기 감지된 위치, 및 목적지에 기초하여 상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하고,
   상기 목적지 도착 요구 시각에 대한 정보는 상기 인증 정보에 포함되거나 상기 로봇과 연결된 서버로부터 수신되는 로봇.
4. 제3항에 있어서,
   상기 프로세서는,
   상기 목적지 도착 요구 시각까지의 남은 시간에 대한 정보를 상기 디스플레이를 통해 표시하는 로봇.
5. 제3항에 있어서,
   상기 복수의 주행 모드들은 워킹 모드, 쇼핑 모드, 보딩 모드, 및 일반 모드 중 적어도 하나를 포함하는 로봇.
6. 제5항에 있어서,
   상기 프로세서는,
   상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 미만인 경우, 상기 주행 모드를 보딩 모드로 설정하고,
   상기 보딩 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 빠른 로봇.
7. 제5항에 있어서,
   상기 프로세서는,
   상기 사용자의 동행자에 대한 정보가 수신된 경우, 또는 상기 인증 인터페이스를 통해 상기 동행자의 인증 정보가 획득된 경우, 상기 주행 모드를 워킹 모드로 설정하고,
   상기 워킹 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 느린 로봇.
8. 제5항에 있어서,
   상기 공간은 공항을 포함하고,
   상기 프로세서는,
   상기 위치 감지기를 통해 상기 로봇 및 상기 사용자가 상기 공항의 에어사이드(air-side)에 진입함을 감지하고,
   상기 목적지 도착 요구 시각까지의 잔여 시간이 기 설정된 시간 이상인 경우, 상기 주행 모드를 상기 쇼핑 모드로 설정하고,
   상기 쇼핑 모드의 주행 속도는 상기 일반 모드의 주행 속도보다 느린 로봇.
9. 제8항에 있어서,
   상기 프로세서는,
   상기 쇼핑 모드의 설정 시, 기설정된 쇼핑 경로 또는 사용자에 의해 설정되는 쇼핑 경로를 추종하도록 상기 로봇의 주행을 제어하는 로봇.
10. 제8항에 있어서,
    상기 프로세서는,
    상기 목적지 도착 요구 시각까지의 잔여 시간이 상기 기 설정된 시간 미만인 경우, 상기 주행 모드를 상기 보딩 모드로 전환하는 로봇.
11. 제3항에 있어서,
    상기 프로세서는,
    상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 이상인 경우, 상기 제1 구간에서 수행 가능한 적어도 하나의 액티비티에 대한 정보를 상기 디스플레이를 통해 출력하는 로봇.
12. 로봇의 제어 방법에 있어서,
    사용자의 인증 정보를 통해 상기 사용자의 탑승을 인증하는 단계;
    공간 내의 상기 로봇의 위치를 감지하는 단계;
    상기 공간 내의 적어도 하나의 구간 중, 상기 감지된 위치에 대응하는 제1 구간을 확인하는 단계;
    주행 속도를 달리하는 복수의 주행 모드들 중, 상기 확인된 제1 구간 및 상기 인증 정보에 기초하여 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계; 및
    설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 단계를 포함하는 로봇의 제어 방법.
13. 제12항에 있어서,
    상기 로봇의 주행 중 감지되는 위치에 기초하여, 상기 로봇이 상기 제1 구간의 다음 구간인 제2 구간에 위치함을 인식하는 단계; 및
    상기 제2 구간 및 상기 인증 정보에 기초하여 상기 설정된 주행 모드를 유지 또는 변경하는 단계를 더 포함하는 로봇의 제어 방법.
14. 제12항에 있어서,
    상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계는,
    상기 사용자의 목적지 도착 요구 시각, 상기 감지된 위치, 및 목적지에 기초하여 상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계이고,
    상기 목적지 도착 요구 시각에 대한 정보는 상기 인증 정보에 포함되거나 상기 로봇과 연결된 서버로부터 수신되는 로봇의 제어 방법.
15. 제 14 항에 있어서,
    상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계는,
    상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 미만인 경우, 상기 제1 구간에 대한 주행 모드를 기본 모드의 주행 속도보다 빠른 모드로 설정하는 로봇의 제어 방법.
16. 제14항에 있어서,
    상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계는,
    상기 사용자의 동행자에 대한 정보를 입력받거나, 상기 동행자의 인증 정보가 획득되는 경우, 상기 제1 구간에 대한 주행 모드를 기본 모드의 주행 속도보다 느린 모드로 설정하는 로봇의 제어 방법.
17. 제14항에 있어서,
    상기 공간은 공항을 포함하고,
    상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계는,
    상기 제1 구간이 상기 공항의 에어사이드(air-side)이고, 상기 목적지 도착 요구 시각까지의 잔여 시간이 기 설정된 시간 이상인 경우, 상기 제1 구간에 대한 주행 모드를 기본 모드의 주행 속도보다 느린 쇼핑 모드로 설정하고,
    설정된 주행 모드에 기초하여 상기 로봇의 주행을 제어하는 단계는,
    설정된 쇼핑 모드에 기초하여, 기설정된 쇼핑 경로 또는 사용자에 의해 설정되는 쇼핑 경로를 추종하도록 상기 로봇의 주행을 제어하는 로봇의 제어 방법.
18. 제14항에 있어서,
    상기 목적지 도착 요구 시각까지의 잔여 시간이 기설정된 시간 이상인 경우, 상기 제1 구간에서 수행 가능한 적어도 하나의 액티비티에 대한 정보를 출력하는 단계를 더 포함하는 로봇의 제어 방법.
19. 제12항에 있어서,
    상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계는,
    상기 복수의 주행 모드들 중 상기 확인된 제1 구간 및 상기 인증 정보에 기초하여 선택가능한 적어도 하나의 주행 모드에 대한 정보를 디스플레이를 통해 출력하는 단계;
    출력된 적어도 하나의 주행 모드 중 상기 어느 하나의 주행 모드의 선택 입력을 수신하는 단계; 및
    수신된 선택 입력에 기초하여 상기 어느 하나의 주행 모드를 상기 제1 구간에 대한 주행 모드로 설정하는 단계를 포함하는 로봇의 제어 방법.

Images