KR20210044463A

KR20210044463A - 로봇 및 로봇에 의해 영역을 식별하기 위한 방법

Info

Publication number: KR20210044463A
Application number: KR1020190127643A
Authority: KR
Inventors: 이학주
Original assignee: 엘지전자 주식회사
Priority date: 2019-10-15
Filing date: 2019-10-15
Publication date: 2021-04-23

Abstract

로봇 및 로봇에 의해 영역을 식별하기 위한 방법이 개시된다. 본 발명의 일 실시예에 따른 로봇은 공간의 바닥에 배치된 도트 코드를 식별하기 위한 광학 센서, 및 상기 광학 센서에 의해 식별된 도트 코드에 기초하여 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하고, 설정된 가상 벽에 의해 형성되는 영역을 식별하고, 그리고 상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하도록 구성되는 프로세서를 포함하고, 상기 도트 코드는 상기 기준 선을 나타내는 적어도 2개의 기준 도트들을 포함할 수 있다. 본 발명의 실시예들은 사물 인터넷을 위해 연결된 5G 환경에서 인공 지능 알고리즘 및/또는 머신 러닝 알고리즘을 실행하여 구현될 수 있다.

Description

로봇 및 로봇에 의해 영역을 식별하기 위한 방법{ROBOT AND METHOD FOR IDENTIFYING AREAS BY THE ROBOT}

본 발명은 로봇에 관한 것으로, 보다 상세하게는 공간 내의 영역들을 자동으로 인식하여 분류할 수 있는 로봇에 관한 것이다.

최근 들어 일상 생활에서 편리하게 사용할 수 있는 다양한 로봇이 개발되고 있다. 이와 같은 로봇은 가정, 학교 및 공공장소 등에서 사람의 일상 생활을 돕는데 사용되고 있다. 안내 로봇, 배송 로봇, 청소 로봇 등과 같은 이동 로봇은 사용자의 조작 없이도 자율적으로 주행하면서 작업을 수행한다.

이동 로봇이 작업을 수행함에 있어 공간의 영역을 논리적으로 구분할 필요가 있다. 예를 들어, 청소 로봇이 공간 내의 영역들(예: 안방, 거실, 침실, 회의실, 로비 등)을 논리적으로 인식하여 분류할 필요가 있다.

사용자가 애플리케이션을 사용함으로써 공간의 맵 상에 인위적으로 청소 구역을 설정할 수 있다. 하지만, 사용자가 애플리케이션을 통해 청소 구역을 설정하는 것은 사용자 편의성 측면에서 한계가 있다.

로봇 청소기를 작업영역의 천정에 설치된 위치인식마크의 아래에 위치시키고, 특정번호를 작업영역의 식별번호로 로봇 청소기에 기억시키는 작업영역 설정방법이 관련 분야에 개시되어 있다. 하지만, 사용자 편의성을 보다 개선할 필요가 있다.

대한민국 공개특허공보 제10-2003-0080583호

본 발명의 실시예들은 로봇이 공간 내의 영역들을 자동으로 인식하여 분류할 수 있는 방안들을 제공한다.

본 발명의 실시예들은 로봇이 각각의 영역별로 특화된 동작들을 수행할 수 있게 하는 방안들을 제공한다.

본 발명의 실시예들은 공간 내에서 주행 중인 로봇이 자신의 위치 또는 방향을 효과적으로 보정할 수 있는 방안들을 제공한다.

본 발명의 실시예는 이상에서 언급한 과제에 한정되지 않으며, 언급되지 않은 본 발명의 다른 목적 및 장점들은 하기의 설명에 의해서 이해될 수 있고, 본 발명의 실시예에 의해 보다 분명하게 이해될 것이다. 또한, 본 발명의 목적 및 장점들은 특허청구범위에 나타낸 수단 및 그 조합에 의해 실현될 수 있음을 알 수 있을 것이다.

본 발명의 일 실시예에 따른 로봇은, 공간의 바닥에 배치된 도트 코드를 식별하기 위한 광학 센서, 및 상기 광학 센서에 의해 식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하고, 설정된 가상 벽에 의해 형성되는 영역을 식별하고, 그리고 상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하도록 구성되는 프로세서를 포함할 수 있다. 상기 도트 코드는 상기 기준 선을 나타내는 적어도 2개의 기준 도트들을 포함할 수 있다.

상기 프로세서는, 상기 기준 선을 따라 가상 선을 연장하고, 연장된 가상 선을 상기 공간의 맵 상의 구조물들 또는 다른 가상 선에 의해 제한하며, 그리고 제한된 가상 선에 기초하여 상기 가상 벽을 설정할 수 있다.

본 발명의 일 실시예에 따른 로봇은, 상기 로봇을 이동시키는 구동부를 더 포함할 수 있다. 상기 프로세서는, 상기 설정된 가상 벽을 확인하기 위해, 상기 기준 선을 따라 이동하도록 상기 구동부를 제어할 수 있다.

상기 도트 코드는 상기 영역의 진입로에 배치될 수 있다.

상기 속성 정보는 상기 영역의 식별 정보, 상기 영역에서의 상기 로봇의 설정 정보, 또는 상기 영역에서의 상기 로봇의 작업 정보 중 적어도 하나를 포함할 수 있다.

상기 프로세서는, 작업 명령을 수신하고, 수신된 작업 명령이 상기 영역의 식별 정보를 포함하는지 여부를 결정하고, 그리고 상기 수신된 작업 명령이 상기 영역의 식별 정보를 포함한다는 결정에 대한 응답으로, 상기 로봇으로 하여금, 상기 설정 정보 또는 상기 작업 정보 중 적어도 하나에 기초하여 동작하게 할 수 있다.

상기 도트 코드는 일 그룹의 동일한 도트 코드들로 구성될 수 있다.

상기 그룹 내의 도트 코드들은 상기 기준 선을 나타내도록 배열될 수 있다.

상기 프로세서는, 상기 식별된 도트 코드의 패턴 정보에 대응하는 좌표에 기초하여 상기 로봇의 위치를 보정할 수 있다.

상기 적어도 2개의 기준 도트들은 상기 기준 선의 방향을 나타내도록 배열될 수 있다. 상기 프로세서는, 상기 도트 코드가 식별된 방향과 상기 기준 선의 방향 사이의 각도에 기초하여 상기 로봇의 방향을 보정할 수 있다.

본 발명의 다른 실시예에 따른 로봇에 의한 영역 식별 방법은, 공간의 바닥에 배치된 도트 코드를 식별하는 단계, 식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하는 단계, 설정된 가상 벽에 의해 형성되는 영역을 식별하는 단계 및상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하는 단계를 포함할 수 있다. 상기 도트 코드는 상기 기준 선을 나타내는 적어도 2개의 기준 도트들을 포함할 수 있다.

본 발명의 다른 실시예에 따른 로봇 시스템은, 공간의 바닥에 배치된 복수의 상이한 도트 코드들, 및 상기 공간에서 작업을 수행하기 위한 적어도 하나의 로봇을 포함할 수 있다. 상기 적어도 하나의 로봇은, 상기 복수의 도트 코드들 중 어느 하나의 도트 코드를 식별하고, 식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하고, 설정된 가상 벽에 의해 형성되는 영역을 식별하며, 그리고 상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하도록 구성될 수 있다. 상기 도트 코드들 각각은 기준 선을 나타내도록 배열된 적어도 2개의 기준 도트들을 포함할 수 있다.

본 발명의 실시예들에 따르면, 사용자가 영역의 진입로에 도트 코드를 부착하면, 로봇이 공간 내의 영역들을 자동으로 식별할 수 있으므로 사용자 편의성이 개선될 수 있다.

본 발명의 실시예들에 따르면, 로봇이 영역별로 특화된 동작들을 수행할 수 있어 사용자의 편의성이 개선될 수 있다.

본 발명의 실시예들에 따르면, 로봇이 자신의 위치 또는 방향을 효과적으로 보정할 수 있다.

본 발명의 효과들은 이상에서 언급한 효과들로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 청구범위의 기재로부터 통상의 기술자에게 명확히 이해될 수 있을 것이다.

도 1은 본 발명의 일 실시예에 따른 로봇 시스템을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 로봇의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 도트 코드의 배치 및 영역 식별 방법을 예시한 도면이다.
도 4는 본 발명의 일 실시예에 따른 도트 코드를 도시한 예시도이다.
도 5는 도 4의 도트 코드를 설명하기 위한 도면이다.
도 6 및 도 7은 다른 실시예에 따른 도트 코드를 도시한 예시도이다.
도 8 내지 도 10은 본 발명의 일 실시예에 따른 일 그룹의 도트 코드를 도시한 예시도이다.
도 11은 본 발명의 일 실시예에 따른 로봇이 자신의 위치 및 방향을 보정하는 것을 설명하기 위한 도면이다.
도 12는 본 발명의 일 실시예에 따른 영역 식별 방법을 도시한 순서도이다.
도 13은 본 발명의 일 실시예에 따른 로봇의 동작 방법을 도시한 순서도이다.
도 14는 본 발명의 다른 실시예에 따론 로봇 시스템을 도시한 도면이다.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

자율 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 실시예에 따른 로봇 시스템을 도시한 도면이다. 도 1을 참조하면, 본 발명의 일 실시예에 따른 로봇 시스템은 하나 이상의 로봇(110) 및 서버(120)를 포함할 수 있고, 선택적으로 단말기(130)를 더 포함할 수 있다.

하나 이상의 로봇(110), 서버(120) 및 단말기(130)는 네트워크(140)를 통해 서로 연결될 수 있다. 하나 이상의 로봇(110), 서버(120) 및 단말기(130)는 기지국을 통해 서로 통신할 수도 있지만, 기지국을 통하지 않고 서로 직접 통신할 수도 있다.

하나 이상의 로봇(110)은 공간에서 작업을 수행하고 해당 작업과 연관된 정보 또는 데이터를 서버(120)에 제공할 수 있다. 로봇의 작업 공간은 실내 또는 실외일 수 있다. 로봇은 벽이나 기둥 등에 의해 미리 정의된 공간에서 동작할 수 있다. 이 경우 로봇의 작업 공간은 설계 목적, 로봇의 작업 속성, 로봇의 이동성 및 기타 다양한 요인에 따라 다양하게 정의될 수 있다. 로봇은 미리 정의되지 않은 개방된 공간에서 동작할 수도 있다. 로봇은 주변 환경을 센싱하여 스스로 작업 공간을 결정할 수도 있다.

하나 이상의 로봇(110)은 자신의 상태 정보 또는 데이터를 서버(120)에 제공할 수 있다. 로봇(110)의 상태 정보는 로봇(110)의 위치, 배터리 레벨, 부품의 내구도, 소모품의 교체 주기 등에 관한 정보를 포함할 수 있다.

서버(120)는 하나 이상의 로봇(110)으로부터 제공되는 정보 또는 데이터에 기초하여 다양한 분석을 수행할 수 있고, 그러한 분석 결과에 기초하여 로봇 시스템 전반의 동작을 제어할 수 있다. 일 양상에서, 서버(120)는 분석 결과에 기초하여 로봇(110)의 구동을 직접 제어할 수 있다. 다른 양상에서, 서버(120)는 분석 결과로부터 유용한 정보 또는 데이터를 도출하여 출력할 수 있다. 또 다른 양상에서, 서버(120)는 도출된 정보 또는 데이터를 이용하여 로봇 시스템 내 파라미터들을 조정할 수 있다. 서버(120)는 단일 서버로 구현될 수 있지만, 복수의 서버 세트, 클라우드 서버 또는 이들의 조합 등으로 구현될 수도 있다.

단말기(130)는 서버(120)의 역할을 분담할 수 있다. 일 양상에서, 단말기(130)는 하나 이상의 로봇(110)으로부터 정보 또는 데이터를 획득하여 서버(120)에 제공하거나, 서버(120)로부터 정보 또는 데이터를 획득하여 하나 이상의 로봇(110)에 제공할 수 있다. 다른 양상에서, 단말기(130)는 서버(120)에 의해 수행될 분석의 적어도 일부를 담당할 수 있고, 그러한 분석 결과를 서버(120)에 제공할 수도 있다. 또 다른 양상에서, 단말기(130)는 서버(120)로부터 분석 결과, 정보 또는 데이터를 제공받아 이를 단지 출력할 수도 있다.

단말기(130)가 서버(120)의 역할을 대신할 수도 있다. 복수의 로봇(110) 중 적어도 하나의 로봇이 서버(120)의 역할을 대신할 수도 있다. 이 경우 복수의 로봇(110)은 서로 통신가능하게 연결될 수 있다.

단말기(130)는 로봇(110) 및 서버(120)와 통신할 수 있는 다양한 전자 디바이스들을 포함할 수 있다. 예를 들어, 단말기(130)는 휴대폰, 스마트 폰(smart phone), 노트북 컴퓨터(laptop computer), 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 슬레이트 PC(slate PC), 태블릿 PC(tablet PC), 울트라북(ultrabook), 웨어러블 디바이스(wearable device)(예를 들어, 워치형 단말기(smartwatch), 글래스형 단말기(smart glass), HMD(head mounted display)), 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 청소기, 공기조화기, 데스크탑 컴퓨터, 프로젝터, 디지털 사이니지(Digital Signage)와 같은 고정형 디바이스 및 이동 가능한 디바이스 등으로 구현될 수 있다.

네트워크(140)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 이러한 네트워크(140)는 예컨대 LANs(local area networks), WANs(wide area networks), MANs(metropolitan area networks), ISDNs(integrated service digital networks) 등의 유선 네트워크나, 무선 LANs, CDMA, WCDMA, LTE, LTE-A, 5G, 블루투스, 위성 통신 등의 무선 통신 네트워크를 망라할 수 있으나, 이에 한정되는 것은 아니다.

네트워크(140)는 허브, 브리지, 라우터, 스위치 및 게이트웨이와 같은 네트워크 요소들의 연결을 포함할 수 있다. 네트워크(140)는 인터넷과 같은 공용 네트워크 및 안전한 기업 사설 네트워크와 같은 사설 네트워크를 비롯한 하나 이상의 연결된 네트워크들, 예컨대 다중 네트워크 환경을 포함할 수 있다. 네트워크(140)로의 액세스는 하나 이상의 유선 또는 무선 액세스 네트워크들을 통해 제공될 수 있다. 더 나아가 네트워크(140)는 사물 등 분산된 구성요소들 간에 정보를 주고 받아 처리하는 각종 사물 지능 통신(IoT(internet of things), IoE(internet of everything), IoST(internet of small things) 등) 및/또는 5G 통신을 지원할 수 있다.

로봇(110)이 작업을 수행함에 있어 공간의 영역을 논리적으로 구분할 필요가 있다. 예를 들어, 로봇(110)이 공간 내의 영역들(예: 안방, 거실, 침실, 서재, 회의실, 로비 등)을 논리적으로 인식하여 분류할 필요가 있다.

본 발명의 실시예들은 로봇(110)이 바닥에 배치된 도트 코드를 식별함으로써 공간 내의 영역들을 자동으로 인식 및 분류할 수 있는 방안들을 제공하고자 한다.

도 2는 본 발명의 일 실시예에 따른 로봇의 구성을 도시한 블록도이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 로봇(200)은 통신부(210), 입력부(220), 센싱부(230), 구동부(240), 출력부(250), 프로세서(270) 및 저장부(280)를 포함할 수 있다. 센싱부(230)는 광학 센서(235)를 포함할 수 있다. 로봇(200)은 인공 지능 및/또는 머신 러닝에 관한 동작을 수행하기 위해 러닝 프로세서(260)를 더 포함할 수 있다.

통신부(210)는 유무선 통신 기술을 이용하여 서버(120) 또는 단말기(130) 등의 외부 장치들과 정보 또는 데이터를 송수신할 수 있다. 통신부(210)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다. 통신부(210)는 수신기, 송신기 또는 송수신기 등 데이터 송수신을 위한 통신기를 포함할 수 있다.

통신부(210)는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), CDMA2000(Code Division Multi Access 2000), EV-DO(Enhanced Voice-Data Optimized or Enhanced Voice-Data Only), WCDMA(Wideband CDMA), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), LTE(Long Term Evolution), LTE-A(Long Term Evolution-Advanced), WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication), 가시광 통신(Visible Lignt Communication), Li-Fi(Light Fidelity) 등과 같은 통신 기술을 이용할 수 있다.

통신부(210)는 5G 통신 네트워크를 이용할 수 있다. 통신부(210)는 eMBB(Enhanced Mobile Broadband), URLLC(Ultra-reliable and low latency communications) 및 mMTC(Massive Machine-type communications) 중 적어도 하나의 서비스를 이용하여 서버(120) 및 단말기(130) 등의 외부 장치들과 통신할 수 있다.

eMBB(Enhanced Mobile Broadband)는 모바일 브로드밴드 서비스이다. eMBB에 의해 멀티미디어 콘텐츠, 무선데이터 액세스 등이 제공된다. 폭발적으로 증가하는 모바일 트래픽을 수용하기 위한 핫스팟(hot spot)과 광대역 커버리지 등 보다 향상된 모바일 서비스가 eMBB를 통해 제공될 수 있다. 핫스팟을 통해 사용자 이동성이 작고 밀도가 높은 지역으로 대용량 트래픽이 수용될 수 있다. 광대역 커버리지를 통해 넓고 안정적인 무선 환경과 사용자 이동성이 보장될 수 있다.

URLLC(Ultra-reliable and low latency communications) 서비스는 데이터 송수신의 신뢰성과 전송 지연 측면에서 기존 LTE 보다 훨씬 엄격한 요구사항을 정의한다. 이러한 서비스에 의해, 산업 현장의 생산 프로세스 자동화, 원격 진료, 원격 수술, 운송, 안전 등을 위한 5G 서비스가 제공될 수 있다.

mMTC(Massive Machine-type communications)는 비교적 작은 양의 데이터 전송이 요구되는 전송지연에 민감하지 않은 서비스이다. mMTC에 의해 기존보다 훨씬 더 많은 수의 단말들이 동시에 무선 액세스 네트워크에 접속할 수 있다.

통신부(210)는 서버(120), 단말기(130) 또는 다른 로봇으로부터 도트 코드 정보를 수신할 수 있다. 본 개시에서, 도트 코드 정보는 공간 내에 배치된 복수의 도트 코드에 대한 정보를 나타낸다. 도트 코드 정보는 각각의 도트 코드에 대응하는 글로벌 좌표, 각각의 도트 코드가 나타내는 기준 방향의 방위각 및 각각의 도트 코드에 대응하는 속성 정보를 포함할 수 있다. 속성 정보는 해당 도트 코드에 의해 식별된 영역의 식별 정보, 해당 영역에서의 로봇의 설정 정보 및 해당 영역에서의 로봇의 작업 정보 중 적어도 하나를 포함할 수 있다. 통신부(210)는 수신된 도트 코드 정보를 프로세서(270)에 제공할 수 있다. 도트 코드 정보는 저장부(280)에 저장될 수 있다.

입력부(220)는 다양한 종류의 데이터를 획득할 수 있다. 입력부(220)는 정지영상(이미지) 또는 동영상을 포함하는 영상 신호를 획득하기 위한 적어도 하나의 카메라, 오디오 신호를 획득하기 위한 마이크로폰 및 사용자로부터 정보를 입력 받기 위한 사용자 인터페이스 등을 포함할 수 있다.

실시예에서, 입력부(220)는 사용자 인터페이스를 통해 전술한 도트 코드 정보를 입력받을 수 있다. 즉, 도트 코드 정보는 입력부(220)를 통해 사용자로부터 입력될 수도 있다.

입력부(220)는 인공 신경망을 학습시키기 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(220)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(270) 또는 러닝 프로세서(260)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

센싱부(230)는 광학 센서(235)를 포함한다. 광학 센서(235)는 공간의 바닥에 배치된 도트 코드를 식별하고, 식별된 도트 코드를 프로세서(270)에 제공한다. 광학 센서(235)는 광학 식별(OID; Optical Identification) 센서, 적외선 광학 센서 등 도트 코드를 식별할 수 있는 다양한 센서들을 포함할 수 있다. 광학 센서(235)는 공간의 바닥에 배치된 도트 코드를 식별할 수 있는 적절한 위치에 배치될 수 있다. 실시예에서, 광학 센서(235)는 로봇(200)의 저면의 중심부에 배치될 수 있다.

센싱부(230)는 기타 다양한 센서들을 이용하여 로봇(200)의 내부 정보, 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다. 센싱부(230)는 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, 근접 센서, RGB 센서, 조도 센서, 습도 센서, 지문 인식 센서, 초음파 센서, 마이크로폰, 라이다, 레이더 및 이들의 임의의 조합들 등을 포함할 수 있다. 센싱부(230)에 의해 획득되는 센서 데이터는 로봇(200)의 자율 주행을 위해 사용될 수 있다.

구동부(240)는 로봇(200)을 물리적으로 구동한다. 구동부(240)는 프로세서(270)로부터의 제어 신호에 따라 동작하는 액츄에이터 또는 모터를 포함할 수 있다. 구동부(240)는 액츄에이터 또는 모터에 의해 동작하는 휠, 브레이크, 프로펠러 등을 포함할 수 있다.

출력부(250)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. 출력부(250)는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커 및 촉각 정보를 출력하는 햅틱 모듈 등을 포함할 수 있다.

저장부(280)는 로봇(200)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 저장부(280)는 통신부(210)에 의해 수신된 정보 또는 데이터, 입력부(220)에 의해 획득된 입력 정보, 입력 데이터, 학습 데이터, 학습 모델, 및 학습 히스토리 등을 저장할 수 있다. 저장부(280)는 RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들 또는 하드디스크 등을 포함할 수 있다.

실시예에서, 저장부(280)는 통신부(210) 또는 입력부(220)로부터 수신된 도트 코드 정보 등을 저장할 수 있다. 전술한 바와 같이, 도트 코드 정보는 각각의 도트 코드에 대응하는 글로벌 좌표, 각각의 도트 코드가 나타내는 기준 방향의 방위각 및 각각의 도트 코드에 대응하는 속성 정보를 포함할 수 있다. 전술한 바와 같이, 속성 정보는 해당 도트 코드에 의해 식별된 영역의 식별 정보, 해당 영역에서의 로봇의 설정 정보 및 해당 영역에서의 로봇의 작업 정보 중 적어도 하나를 포함할 수 있다. 도트 코드 정보는 서버(120) 또는 단말기(130) 등으로부터 미리 수집되어 저장부(280)에 저장될 수 있고, 주기적으로 업데이트될 수 있다.

프로세서(270)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, 로봇(200)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(270)는 로봇(200)의 구성요소들을 제어하여 결정된 동작을 수행할 수 있다.

프로세서(270)는 러닝 프로세서(260) 또는 저장부(280)의 정보 또는 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 로봇(200)의 구성요소들을 제어할 수 있다. 프로세서(270)는 결정된 동작을 수행하기 위해 서버(120) 및 단말기(130) 등의 외부 장치와의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 송신할 수 있다.

프로세서(270)는 저장부(280)에 저장된 응용 프로그램을 구동하기 위하여, 로봇(200)의 구성요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(270)는 상기 응용 프로그램의 구동을 위하여, 로봇(200)에 포함된 구성요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

프로세서(270)는, 예를 들어, 모바일 프로세서(Mobile Processor), 애플리케이션 프로세서(Application Processor; AP), 마이크로프로세서, 중앙처리장치(Central Processing Unit; CPU), 그래픽 프로세싱 유닛(Graphic Processing Unit; GPU), 신경 프로세싱 유닛(Neural Processing Unit; NPU), 프로세서 코어, 멀티프로세서, 주문형 집적회로(Application-Specific Integrated Circuit; ASIC), 또는 필드 프로그래머블 게이트 어레이(Field Programmable Gate Array; FPGA) 중 하나 이상을 포함할 수 있으나, 이에 한정되는 것은 아니다.

프로세서(270)는 센싱부(230)로부터 수신되는 센싱 데이터에 기초하여 공간의 맵을 생성할 수 있다. 공간의 맵은 공간 내의 구조물들(예: 벽, 기둥 등) 및 장애물들을 표시할 수 있다. 프로세서(270)는 생성된 공간의 맵을 저장부(280)에 저장할 수 있다.

프로세서(270)는 광학 센서(235)에 의해 식별된 도트 코드의 기준 선을 따라 공간의 맵 상에 가상 벽을 설정할 수 있다. 이를 위해, 프로세서(270)는 식별된 도트 코드의 기준 선을 따라 가상 선을 연장할 수 있다. 프로세서(270)는 연장된 가상 선을 공간의 맵 상의 구조물들(예: 벽) 또는 다른 가상 선에 의해 제한하고, 제한된 가상 선에 기초하여 가상 벽을 설정할 수 있다. 실시예에서, 프로세서(270)는, 로봇(200)이 기준 선을 따라 이동하여 설정된 가상 벽을 확인할 수 있도록, 구동부(240)를 제어할 수도 있다. 도트 코드의 기준 선을 판독하는 것에 대한 설명은 도 4 내지 도 10을 참조하여 후술될 것이다.

프로세서(270)는 설정된 가상 벽에 의해 형성되는 영역을 식별하고, 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 식별된 영역에 할당할 수 있다. 이러한 할당을 위해, 프로세서(270)는 저장부(280)에 저장된, 각각의 도트 코드에 대응하는 속성 정보를 참조할 수 있다. 프로세서(270)는 이러한 할당 정보를 저장부(280)에 저장할 수 있다. 도트 코드의 패턴 정보를 판독하는 것에 대한 설명은 도 4 내지 도 10을 참조하여 후술될 것이다.

속성 정보는 대응하는 영역의 고유 정보를 나타낼 수 있다. 속성 정보는 대응하는 영역의 식별 정보, 해당 영역에서의 로봇(200)의 설정 정보 또는 해당 영역에서의 로봇(200)의 작업 정보 중 적어도 하나를 포함할 수 있다. 실시예에서, 식별 정보는 "거실", "아이의 방", "서재", "회의실" 등 해당 영역을 논리적 또는 기능적 이름을 나타내는 정보를 포함할 수 있다. 설정 정보는 "무음 모드", "절전 모드" 등 해당 영역에서의 로봇(200)의 설정에 관한 정보를 포함할 수 있다. 작업 정보는 해당 영역에 특화된 로봇(200)의 작업 정보를 포함할 수 있다. 예를 들어, 작업 정보는 해당 영역에서 금지되는 작업에 대한 정보(예: 아기 방의 청소 금지), 작업이 허용되는 시간, 해당 영역에서 로봇(200)에 의해 제어가능한 전자 기기(예: TV, 스피커, 조명기기 등)에 관한 정보를 포함할 수 있다.

공간 내 영역들에 속성 정보가 할당된 후, 프로세서(270)는 통신부(210) 또는 입력부(220)로부터 수신되는 작업 명령에 특정 영역의 식별 정보가 포함되어 있는지 여부를 결정할 수 있다. 수신된 작업 명령이 특정 영역의 식별 정보를 포함하면, 프로세서(270)는 해당 영역에 할당된 설정 정보 또는 작업 정보 중 적어도 하나에 기초하여 로봇(200)의 동작을 제어할 수 있다.

부가적으로, 프로세서(270)는 식별된 도트 코드의 패턴 정보에 대응하는 글로벌 좌표를 로봇(200)의 위치로서 결정할 수 있다. 이러한 결정을 위해, 프로세서(270)는 저장부(280)에 저장된, 각각의 도트 코드에 대응하는 글로벌 좌표를 참조할 수 있다.

또한, 프로세서(270)는 식별된 도트 코드의 기준 방향을 판독하고, 도트 코드가 식별된 방향과 기준 방향 사이의 각도에 기초하여 로봇(200)의 방향을 결정할 수 있다. 이러한 결정을 위해, 프로세서(270)는 저장부(280)에 저장된, 각각의 도트 코드가 나타내는 기준 방향의 방위각을 참조할 수 있다.

이하에서, 도 3 내지 도 10을 참조하여 로봇(200)에 의한 영역의 식별을 위해 사용되는 도트 코드가 상세히 설명된다.

도 3은 본 발명의 일 실시예에 따른 도트 코드의 배치 및 영역 식별 방법을 예시한 도면이다. 도 4는 본 발명의 일 실시예에 따른 도트 코드를 도시한 예시도이고, 도 5는 도 4의 도트 코드를 설명하기 위한 도면이다.

도트 코드(dot code)는 미세한 도트들의 배열을 나타낸다. 각각의 도트는 육안으로 식별되지 않을 수 있다. 도트 코드는 도트들이 배열된 패턴에 의해 다른 도트 코드와 구별될 수 있다. 상이한 도트 코드들은 상이한 정보와 각각 연관될 수 있다. 도트 코드는 도트 코드 생성 알고리즘에 의해 복수의 도트들을 소정의 규칙에 따라 배열함으로써 생성될 수 있다. 생성된 도트 코드는 종이 등에 인쇄되어 디지털 종이, 전자 종이 또는 종이 반도체 등으로 구현될 수 있다. 도트 코드의 도트들은 탄소 잉크 또는 적외선 흡수 잉크를 이용하여 형성될 수 있다.

도 3을 참조하면, 실시예의 공간(300)은 물리적 또는 기능적으로 복수의 영역들(A, B, C, D, E, F)로 구분될 수 있다. 종이 등에 인쇄된 도트 코드들(310a, 310b, 310c, 310d, 310e, 310f)은 공간(300)의 바닥에 배치될 수 있다. 도트 코드들(310a, 310b, 310c, 310d, 310e, 310f)은 복수의 영역들(A, B, C, D, E, F)과 연관될 수 있는 위치에 각각 배치될 수 있다. 도트 코드들(310a, 310b, 310c, 310d, 310e, 310f)은 영역들(A, B, C, D, E, F)의 경계를 한정할 수 있는 적절한 위치에 배치될 수 있다.

실시예에서, 도트 코드들(310c, 310d, 310e, 310f)은 대응하는 영역들(C, D, E, F)의 진입로(예: 문턱 또는 문지방 등)에 각각 배치될 수 있다. 예를 들어, 도 3에 도시된 바와 같이, 도트 코드(310e)는 영역(E)의 벽들(W) 사이의 바닥에 배치될 수 있다. 도트 코드(310e)에 의해 표시되는 기준 선에 기초하여 벽들(W) 사이에 가상 벽(320e)이 설정될 수 있다. 상대적으로 개방된 영역과 연관되는 도트 코드들(310a, 310b)은 영역들(A, B)의 경계를 한정할 수 있는 적절한 위치에 배치될 수 있다.

공간(300)의 맵은 도 3에 도시된 벽이나 장애물을 표시할 수 있지만, 로봇(200)은 기본적으로 영역들(A, B, C, D, E, F)을 개방된 하나의 공간으로 인식하므로, 영역들(A, B, C, D, E, F)의 경계를 명확히 구별하지는 못한다.

실시예에서, 식별된 도트 코드에 대응하는 속성 정보가 식별된 영역에 할당될 수 있다. 예로서, 도트 코드(310a)에 대응하는 속성 정보가 영역(A)에 할당될 수 있고, 도트 코드(310e)에 대응하는 속성 정보가 영역(E)에 할당될 수 있다. 다른 도트 코드들(310b, 310c, 310d, 310f)에 대응하는 속성 정보 또한 대응하는 영역들(B, C, D, F)에 각각 할당될 수 있다. 각각의 도트 코드(310a, 310b, 310c, 310d, 310e, 310f)에 대응하는 속성 정보는 도트 코드 정보로서 저장부(280)에 미리 저장될 수 있다.

공간(300)이 직교 좌표계에 매핑되면, 도트 코드들(310a, 310b, 310c, 310d, 310e, 310f) 각각은 대응하는 2차원 글로벌 좌표 (x,y)와 연관될 수 있다. 각각의 도트 코드(310a, 310b, 310c, 310d, 310e, 310f)에 대응하는 글로벌 좌표는 도트 코드 정보로서 저장부(280)에 저장될 수 있다.

도 4를 참조하면, 실시예의 도트 코드(400)는 가상의 격자선들(410) 및 복수의 도트들을 포함할 수 있다. 복수의 도트들은 기준 도트들(420) 및 정보 도트들(430)을 포함할 수 있다. 기준 도트들(420)은 도트 코드(400)의 기준 선 또는 기준 방향을 나타내기 위한 도트들일 수 있고, 정보 도트들(430)은 도트 코드(400)의 패턴 정보를 나타내기 위한 도트들일 수 있다. 도 4는 25개의 도트들을 포함하는 도트 코드(400)를 예시하지만, 도트 코드(400)의 도트들의 수, 격자의 개수 및 크기 등은 다양하게 선택될 수 있다.

실시예에서, 기준 도트들(420)은 가상의 격자선들(410)의 교점에 위치하는 도트들을 나타낼 수 있다. 기준 도트들(420)은 도트 코드(400)의 기준 선 및 또는 기준 방향을 나타낼 수 있다. 기준 선은 기준 도트들(420)을 연결한 직선을 나타낼 수 있고, 기준 방향은 기준 선의 방향을 나타낼 수 있다.

도 5의 (a)를 참조하면, 도트 코드(400)의 2개의 기준 도트들(420)을 연결한 선이 도트 코드(400)의 기준 선일 수 있다. 이러한 기준 선은 위에서 아래를 향하는 제1 방향 또는 아래에서 위를 향하는 제2 방향 중 어느 한 방향을 나타낼 수 있다. 실시예에서, 기준 방향은 기준 도트들(420)의 중심으로부터의 거리들(ra, rb)에 기초하여 결정될 수 있다. 도 5에서 중심으로부터 거리가 더 먼(즉, 가장자리에 더 가까운) 상부 기준 도트(420)를 향하는 방향(즉, 제2 방향)이 기준 방향(R)으로 결정될 수 있다. 도 5는 기준 도트들(420)이 수직 방향으로 배열되는 것을 도시하지만, 기준 도트들(420)은 수평 방향 또는 대각선 방향을 나타내도록 배열될 수도 있다. 또한, 기준 도트들(420)은 도트 코드(400)의 중앙뿐만 아니라 가장자리에 배열될 수도 있다.

실시예에서, 정보 도트들(430)은 가상의 격자선들(410)의 교점으로부터 소정 거리 이격된 도트들을 나타낼 수 있다. 각각의 정보 도트(430)는 가상의 격자선들(410)의 교점에 대한 자신의 위치에 기초하여 도트 값을 가질 수 있다.

도 5의 (b)를 참조하면, 정보 도트(430)는 가상의 격자선(410)의 교점과의 관계에 따라 4가지 위치에 존재할 수 있다. 교점 우측에 위치하는 경우 정보 도트(430)의 도트 값은 "0" 또는 이진수 "00"일 수 있고, 교점 상단에 위치하는 경우 정보 도트(430)의 도트 값은 "1" 또는 이진수 "01"일 수 있다. 교점 좌측에 위치하는 경우 정보 도트(430)의 도트 값은 "2" 또는 이진수 "10"일 수 있고, 교점 하단에 위치하는 경우 정보 도트(430)의 도트 값은 "3" 또는 이진수 "11"일 수 있다. 정보 도트(430)들의 도트 값들에 의해 도트 코드(400)의 패턴 정보가 결정될 수 있다. 다른 실시예에서, 정보 도트(430)는 가상의 격자선(410)의 방향뿐만 아니라 그 대각선 방향으로도 형성될 수 있다. 이 경우 정보 도트(430)는 더 다양한 도트 값을 가질 수 있다.

도 6 및 도 7은 다른 실시예에 따른 도트 코드를 도시한 예시도이다.

도 6을 참조하면, 실시예의 도트 코드(600)는 가상의 격자선들(610) 및 복수의 도트들을 포함할 수 있다. 복수의 도트들은 기준 도트들(620) 및 정보 도트들(630)을 포함할 수 있다. 기준 도트들(620)은 도트 코드(600)의 기준 선 또는 기준 방향을 나타내기 위한 도트들일 수 있고, 정보 도트들(630)은 도트 코드(600)의 패턴 정보를 나타내기 위한 도트들일 수 있다.

실시예에서, 기준 도트들(620) 중 적어도 하나의 기준 도트는 가상의 격자선들(610)의 교점에 위치하지 않을 수 있다. 예로서, 도 6에서 상부 기준 도트(620)는 가상의 격자선들(610)의 교점으로부터 이격되어 있다. 정보 도트들(630)과의 구별을 위해, 상부 기준 도트(620)가 교점으로부터 이격되는 거리는 정보 도트들(630)이 교점으로부터 이격되는 거리와 상이할 수 있다. 예를 들어, 도 6에 도시된 바와 같이, 상부 기준 도트(620)는 정보 도트들(630)보다 교점으로부터 더 많이 이격되어 있다.

도트 코드(600)의 2개의 기준 도트들(620)을 연결한 선이 도트 코드(600)의 기준 선일 수 있다. 이러한 기준 선은 위에서 아래를 향하는 제1 방향 또는 아래에서 위를 향하는 제2 방향 중 어느 한 방향을 나타낼 수 있다. 도 6에서 교점으로부터 이격된 상부 기준 도트(620)를 향하는 방향이 기준 방향(R)으로 결정될 수 있다.

도 7을 참조하면, 실시예의 도트 코드(700)는 가상의 격자선들(710) 및 복수의 도트들을 포함할 수 있다. 복수의 도트들은 기준 도트들(720) 및 정보 도트들(730)을 포함할 수 있다. 기준 도트들(720)은 도트 코드(700)의 기준 선 또는 기준 방향을 나타내기 위한 도트들일 수 있고, 정보 도트들(730)은 도트 코드(700)의 패턴 정보를 나타내기 위한 도트들일 수 있다.

실시예에서, 기준 도트들(720)은 가상의 격자선들(710)의 교점에 위치하는 도트들을 나타낼 수 있고, 기준 도트들(720)은 기준 방향을 나타내는 부호(sign)를 형성하도록 배열될 수 있다. 예를 들어, 도 7에서 기준 도트들(720)은 선으로 연결되어 화살표 부호를 나타낼 수 있다. 기준 도트들(720)에 의해 표시되는 방향이 기준 방향으로 결정될 수 있다. 도 7은 화살표 부호를 예시하지만, 방향을 나타낼 수 있는 다양한 부호들이 사용될 수 있다.

전술한 실시예들에서는 도트들과 교점과의 관계에 기초하여 기준 도트들과 정보 도트들이 구별된다. 하지만, 기준 도트들과 정보 도트들을 구별하기 위한 기타 다양한 아이디어들이 적용될 수 있다.

실시예에서, 기준 도트들과 정보 도트들은 도트의 형태 및/또는 크기에 따라 구별될 수 있다. 도트의 형태는 원형, 타원형, 다각형, 직선 등 다양한 형태를 포함할 수 있다. 예로서, 기준 도트들은 사각형 도트들일 수 있고, 정보 도트들은 원형 도트들일 수 있다. 다른 예로서, 기준 도트들은 정보 도트들보다 직경이 큰 도트들일 수 있다.

도 4 내지 도 7의 도트 코드는 단일 도트 코드이다. 하지만, 통상적으로 도트 코드의 크기는 매우 작기 때문에, 인식률을 높이기 위해 일 그룹의 도트 코드들이 반복 사용될 수 있다.

도 8 내지 도 10은 본 발명의 일 실시예에 따른 일 그룹의 도트 코드를 도시한 예시도이다.

도 8을 참조하면, 실시예의 도트 코드(800)는 일 그룹의 도트 코드들(810)을 포함할 수 있다. 그룹 내의 도트 코드들(810)의 도트 패턴은 모두 동일할 수 있다. 즉, 도트 코드들(810)의 그룹은 동일한 속성 정보 및 글로벌 좌표와 연관될 수 있다. 그룹 내의 도트 코드들(810) 중 어느 하나만 로봇(200)에 의해 식별되면되기 때문에 인식률이 개선될 수 있다. 도 8은 9개의 도트 코드들(810)로 구성된 그룹을 도시하지만, 그룹을 형성하는 도트 코드들의 수는 다양하게 선택될 수 있다.

도트 코드들(810)의 그룹의 기준 방향은 도트 코드들(810) 각각의 기준 방향에 의해 결정될 수 있다. 이 경우, 도트 코드들(810)은 동일한 기준 방향을 나타내도록 배열되어야 한다. 도트 코드들(810) 각각은 적어도 2개의 기준 도트들(815)을 포함할 수 있다. 앞서 설명한 바와 같이, 2개의 기준 도트들(815)에 의해 도트 코드들(810) 각각의 기준 방향(r)이 결정될 수 있다. 도 8은 그룹 내의 도트 코드들(810)이 소정 간격으로 정렬되는 것을 예시하지만, 동일한 기준 방향을 나타내기만 한다면, 도트 코드들(810)은 자유롭게 배열될 수 있다.

도 9를 참조하면, 실시예의 도트 코드(900)는 일 그룹의 도트 코드들(910)을 포함할 수 있다. 그룹 내의 도트 코드들(910)의 도트 패턴은 모두 동일할 수 있다. 즉, 도트 코드들(910)의 그룹은 동일한 속성 정보 및 글로벌 좌표와 연관될 수 있다.

그룹 내의 도트 코드들(910) 각각은 하나의 기준 도트(915)를 포함할 수 있다. 기준 도트(915)는 도트 코드들(910)을 정렬하기 위한 기준이 될 수 있다. 실시예에서, 그룹 내의 도트 코드들(910)은 소정 간격으로 배열될 수 있고, 배열된 도트 코드들(910) 중 어느 하나가 기준 방향을 나타내기 위해 돌출될 수 있다. 예를 들어, 도 9에서 상부 중앙의 도트 코드(910)는 상측으로 돌출될 수 있고, 돌출된 방향이 기준 방향을 나타낼 수 있다. 다른 예로서, 우측 중앙의 도트 코드(910)가 우측으로 돌출되면, 기준 방향은 우측을 향하는 방향일 것이다. 좌측 하부의 도트 코드(910)가 대각선 방향으로 돌출되면, 기준 방향은 좌측 하부를 향하는 대각선 방향일 것이다.

도 10을 참조하면, 실시예의 도트 코드(1000)는 일 그룹의 도트 코드들(1010)을 포함할 수 있다. 그룹 내의 도트 코드들(1010)의 도트 패턴은 모두 동일할 수 있다. 즉, 도트 코드들(1010)의 그룹은 동일한 속성 정보 및 글로벌 좌표와 연관될 수 있다.

그룹 내의 도트 코드들(1010) 각각은 하나의 기준 도트(1015)를 포함할 수 있다. 기준 도트(1015)는 도트 코드들(1010)을 배열하기 위한 기준이 될 수 있다. 실시예에서, 그룹 내의 도트 코드들(1010)은 기준 방향을 나타내는 부호를 형성하도록 배열될 수 있다. 예를 들어, 도 10에서 도트 코드들(1010)의 기준 도트들(1015)은 선으로 연결되어 화살표 부호를 나타낼 수 있다. 기준 도트들(1015)에 의해 표시되는 방향이 기준 방향으로 결정될 수 있다. 도 10은 화살표 부호를 예시하지만, 방향을 나타낼 수 있는 다양한 부호들이 사용될 수 있다.

실시예에서, 전술한 도트 코드는 로봇(200)이 공간 내의 영역들을 자동으로 식별하여 분류하는데 사용될 수 있다. 로봇(200)은 바닥에 부착된 도트 코드를 판독하여 패턴 정보 및 기준 선을 결정할 수 있다. 로봇(200)은 식별된 도트 코드의 기준 선을 따라 가상 벽을 설정할 수 있다. 로봇(200)은 설정된 가상 벽에 의해 형성되는 영역을 식별하고, 식별된 영역에 도트 코드의 패턴 정보에 대응하는 속성 정보를 할당할 수 있다. 이러한 실시예에 의하면, 사용자는 특정 영역의 진입로에 도트 코드를 부착하고 속성 정보를 설정하기만 하면, 로봇(200)이 이러한 도트 코드와 연관된 영역을 자동으로 인식하여 속성 정보를 할당할 수 있다.

도 11은 본 발명의 일 실시예에 따른 로봇이 자신의 위치 및 방향을 보정하는 것을 설명하기 위한 도면이다.

다른 실시예에서, 전술한 도트 코드는 로봇(200)의 현재 위치 및 방향을 보정하는데 사용될 수도 있다. 예로서, 주행 중인 로봇(200)은 식별된 도트 코드에 기초하여 자신의 현재 위치 및 방향을 보정할 수 있다.

도 11을 참조하면, 주행 중인 로봇(1150)은 도트 코드(1130)를 식별할 수 있다. 도 11의 로봇(1150)은 도 2의 로봇(200)과 실질적으로 동일한 구성을 가질 수 있다.

로봇(1150)은 식별된 도트 코드(1130)에 대응하는 글로벌 좌표를 자신의 위치로서 결정할 수 있다. 또한, 도 11에 도시된 바와 같이, 로봇(1150)은 도트 코드(1130)가 식별된 방향(M)과 도트 코드(1130)의 기준 방향(R) 간의 각도(θ)에 기초하여 자신의 방향을 결정할 수 있다. 도트 코드(1130)가 식별된 방향은 도트 코드(1130) 상에서 로봇(1150)이 이동한 방향을 나타낼 수 있다. 로봇(1150)은 자신의 방향을 결정하기 위해 저장부(280)로부터 도트 코드(1130)의 기준 방향(R)의 방위각을 참조할 수 있다. 예를 들어, 도트 코드(1130)이 기준 방향(R)의 방위각이 x축으로부터 90°이면, 로봇(1150)의 방향은 x축으로부터 (90-θ)°로 결정될 수 있다.

도 12는 본 발명의 일 실시예에 따른 영역 식별 방법을 도시한 순서도이다. 도 12에 도시된 방법은 도 2의 로봇(200)에 의해 수행될 수 있다.

단계 S1210에서, 로봇(200)은 공간의 바닥에 배치된 도트 코드를 식별한다. 도트 코드들은 공간 내의 영역들의 진입로에 배치될 수 있다. 로봇(200)은 광학 센서(235)를 통해 도트 코드를 식별할 수 있다.

단계 S1220에서, 로봇(200)은 식별된 도트 코드에 기초하여 기준 선을 따라 공간의 맵에 가상 벽을 설정한다. 전술한 바와 같이, 로봇(200)은 식별된 도트 코드를 판독하여 기준 선 또는 기준 방향을 결정할 수 있다. 실시예에서, 로봇(200)은 식별된 도트 코드의 기준 선 또는 기준 방향을 따라 가상 선을 연장하고, 벽과 같은 공간 내 구조물 또는 다른 가상 선에 의해 가상 선을 제한하여 가상 벽을 설정할 수 있다. 예로서, 도 3을 참조하면, 도트 코드(310e)의 기준 선은 수평 방향을 나타낼 수 있고, 로봇(200)은 식별된 도트 코드(310e)의 기준 선을 따라 벽들(W)에 의해 제한된 가상 벽(320e)을 설정할 수 있다.

단계 S1230에서, 로봇(200)은 설정된 가상 벽에 의해 형성되는 영역을 식별한다. 예로서, 도 3에서 로봇(200)은 설정된 가상 벽(320e)에 의해 형성되는 폐영역(E)을 식별할 수 있다.

단계 S1240에서, 로봇(200)은 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 식별된 영역에 할당한다.

속성 정보는 대응하는 영역의 고유 정보를 나타낼 수 있다. 속성 정보는 대응하는 영역의 식별 정보, 해당 영역에서의 로봇(200)의 설정 정보 또는 해당 영역에서의 로봇(200)의 작업 정보 중 적어도 하나를 포함할 수 있다. 예를 들어, 도 3에서, 로봇(200)은 도트 코드(310e)의 패턴 정보에 대응하는 속성 정보를 식별된 영역(E)에 할당할 수 있다.

실시예에서, 영역(E)의 식별 정보는 "거실", "아이의 방", "서재", "회의실" 등을 포함할 수 있다. 영역(E)에서의 설정 정보는 "무음 모드", "절전 모드" 등 로봇(200)의 설정에 관한 정보를 포함할 수 있다. 영역(E)에서의 작업 정보는 영역(E)에 특화된 로봇(200)의 작업 정보를 포함할 수 있다. 예를 들어, 작업 정보는 영역(E)에서 금지되는 작업에 대한 정보(예: 청소 금지), 영역(E)에서 로봇(200)에 의해 수행될 수 있는 고유한 작업(예: 모닝콜 서비스), 영역(E)에서 로봇(200)에 의해 제어가능한 전자 기기(예: TV, 스피커, 조명기기 등)에 관한 정보 등 포함할 수 있다.

단계 S1250에서, 로봇(200)은 이러한 할당 정보를 저장부(280)에 저장한다.

도 13은 본 발명의 일 실시예에 따른 로봇의 동작 방법을 도시한 순서도이다. 도 13에 도시된 방법은 도 2의 로봇(200)에 의해 수행될 수 있다. 도 13의 방법은 도 12의 방법에 의해 특정 영역에 속성 정보가 할당되는 것을 전제로 한다.

단계 S1310에서, 로봇(200)은 사용자로부터 통신부(210) 또는 입력부(220)를 통해 작업 명령을 수신한다. 실시예에서, 작업 명령은 단말기(130)로부터 통신부(210)를 통해 수신될 수 있다. 다른 실시예에서, 작업 명령은 입력부(220)를 통해 사용자로부터 수신될 수도 있다.

단계 S1320에서, 로봇(200)은 수신된 작업 명령이 특정 영역의 식별 정보를 포함하는지 여부를 확인한다. 실시예에서, 작업 명령이 특정 영역의 식별 정보를 포함하는 것은 식별 정보를 명시적으로 포함하는 것을 포함할 수 있다(예: 작업 명령에 "서재"가 직접 지정된 경우). 다른 실시예에서, 작업 명령이 특정 영역의 식별 정보를 포함하는 것은 식별 정보를 간접적으로 포함하는 것까지 포함할 수 있다(예: 작업 명령에 "공간 전체"가 지정되어 실질적으로 "서재"가 포함된 경우).

수신된 작업 명령이 특정 영역의 식별 정보를 포함하면, 단계 S1330에서, 로봇(200)은 특정 영역에 대한 설정 정보 또는 작업 정보에 따라 동작한다. 예로서, 로봇(200)은 "서재"에서는 "무음 모드"로 동작할 수 있다. 다른 예로서, 로봇(200)은 "전체 공간"에 대해 청소 명령에 대해 "서재"에 대해서는 청소를 수행하지 않을 수 있다.

수신된 작업 명령이 특정 영역의 식별 정보를 포함하지 않으면, 단계 S1340에서, 로봇(200)은 통상적인 방식으로 작업 명령에 따라 동작을 수행한다.

한편, 도 2를 다시 참조하면, 실시예에서, 로봇(200)은 인공 지능 및/또는 머신 러닝에 관한 동작을 수행하기 위해 러닝 프로세서(260)를 더 포함할 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)을 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.

러닝 프로세서(260)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.

러닝 프로세서(260)는 도트 코드들의 기준 도트들 및 정보 도트들의 다양한 패턴들을 학습 데이터로서 사용하여 인공 신경망을 학습시킬 수 있다.

실시예에서, 러닝 프로세서(260)는 도트 코드들의 기준 코드들과 정보 코드들의 다양한 패턴들을 학습 데이터로서 사용하여 그에 대응하는 도트 코드가 나타내는 기준 선 또는 기준 방향을 출력하도록 인공 신경망을 학습시킬 수 있다.

실시예예서, 러닝 프로세서(260)는 식별되는 도트 코드들을 상기 인공 신경망에 기반한 학습 모델에 대한 입력 데이터로 사용하여 해당 도트 코드가 나타내는 기준 선 또는 기준 방향을 결정할 수 있다.

러닝 프로세서(260)는 도 14의 AI 서버(1420)의 러닝 프로세서(1425)와 함께 인공 지능 및/또는 머신 러닝 프로세싱을 수행할 수 있다. 러닝 프로세서(260)는 로봇(200)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(260)는 저장부(280), 로봇(200)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

도 14는 본 발명의 또 다른 실시예에 따른 로봇 시스템을 도시한 도면이다. 실시예에서, 로봇 시스템은 인공 지능 및/또는 머신 러닝이 가능한 AI 시스템으로서 구현될 수 있다. 도 14를 참조하면, 본 발명의 다른 실시예에 따른 로봇 시스템은 AI 장치(1410) 및 AI 서버(1420)를 포함할 수 있다.

실시예에서, AI 장치(1410)는 도 1의 로봇(110), 서버(120), 단말기(130) 또는 도 2의 로봇(200)일 수 있다. AI 서버(1420)는 도 1의 서버(120) 일 수 있다.

AI 서버(1420)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 나타낼 수 있다. AI 서버(1420)는 복수의 서버들로 구성되어 분산 처리를 수행할 수 있다. AI 서버(1420)는 AI 장치(1410)의 일부의 구성으로 포함되어, 인공 지능 및/또는 머신 러닝 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(1420)는 통신부(1421), 메모리(1422), 러닝 프로세서(1425) 및 프로세서(1426) 등을 포함할 수 있다.

통신부(1421)는 AI 장치(1410) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(1422)는 모델 저장부(1423)를 포함할 수 있다. 모델 저장부(1423)는 러닝 프로세서(1425)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 1423a)을 저장할 수 있다.

러닝 프로세서(1425)는 학습 데이터를 이용하여 인공 신경망(1423a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(1420)에 탑재된 상태에서 이용되거나, AI 장치(1410) 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(1422)에 저장될 수 있다.

프로세서(1426)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

이상 설명된 본 발명에 따른 실시예는 컴퓨터 상에서 다양한 구성요소를 통하여 실행될 수 있는 컴퓨터 프로그램의 형태로 구현될 수 있으며, 이와 같은 컴퓨터 프로그램은 컴퓨터로 판독 가능한 매체에 기록될 수 있다. 이때, 매체는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다.

한편, 상기 컴퓨터 프로그램은 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 프로그램의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함될 수 있다.

본 발명의 명세서(특히 특허청구범위에서)에서 "상기"의 용어 및 이와 유사한 지시 용어의 사용은 단수 및 복수 모두에 해당하는 것일 수 있다. 또한, 본 발명에서 범위(range)를 기재한 경우 상기 범위에 속하는 개별적인 값을 적용한 발명을 포함하는 것으로서(이에 반하는 기재가 없다면), 발명의 상세한 설명에 상기 범위를 구성하는 각 개별적인 값을 기재한 것과 같다.

본 발명에 따른 방법을 구성하는 단계들에 대하여 명백하게 순서를 기재하거나 반하는 기재가 없다면, 상기 단계들은 적당한 순서로 행해질 수 있다. 반드시 상기 단계들의 기재 순서에 따라 본 발명이 한정되는 것은 아니다. 본 발명에서 모든 예들 또는 예시적인 용어(예들 들어, 등등)의 사용은 단순히 본 발명을 상세히 설명하기 위한 것으로서 특허청구범위에 의해 한정되지 않는 이상 상기 예들 또는 예시적인 용어로 인해 본 발명의 범위가 한정되는 것은 아니다. 또한, 당업자는 다양한 수정, 조합 및 변경이 부가된 특허청구범위 또는 그 균등물의 범주 내에서 설계 조건 및 팩터에 따라 구성될 수 있음을 알 수 있다.

따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.

110, 200: 로봇 120: 서버
130: 단말기 140: 네트워크
210: 통신부 220: 입력부
230: 센싱부 235: 광학 센서
240: 구동부 250: 출력부
260: 러닝 프로세서 270: 프로세서
280: 저장부

Claims

로봇으로서,
공간의 바닥에 배치된 도트 코드를 식별하기 위한 광학 센서; 및
상기 광학 센서에 의해 식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하고, 설정된 가상 벽에 의해 형성되는 영역을 식별하고, 그리고 상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하도록 구성되는 프로세서를 포함하고,
상기 도트 코드는 상기 기준 선을 나타내는 적어도 2개의 기준 도트들을 포함하는, 로봇.
제1항에 있어서,
상기 프로세서는,
상기 기준 선을 따라 가상 선을 연장하고,
연장된 가상 선을 상기 공간의 맵 상의 구조물들 또는 다른 가상 선에 의해 제한하며; 그리고
제한된 가상 선에 기초하여 상기 가상 벽을 설정하는, 로봇.
제2항에 있어서,
상기 로봇을 이동시키기 위한 구동부를 더 포함하고,
상기 프로세서는,
상기 설정된 가상 벽을 확인하기 위해, 상기 기준 선을 따라 이동하도록 상기 구동부를 제어하는, 로봇.
제1항에 있어서,
상기 도트 코드는 상기 영역의 진입로에 배치되는, 로봇.
제1항에 있어서,
상기 속성 정보는 상기 영역의 식별 정보, 상기 영역에서의 상기 로봇의 설정 정보, 또는 상기 영역에서의 상기 로봇의 작업 정보 중 적어도 하나를 포함하는, 로봇.
제5항에 있어서,
상기 프로세서는,
작업 명령을 수신하고,
수신된 작업 명령이 상기 영역의 식별 정보를 포함하는지 여부를 결정하고, 그리고
상기 수신된 작업 명령이 상기 영역의 식별 정보를 포함한다는 결정에 대한 응답으로, 상기 로봇으로 하여금, 상기 설정 정보 또는 상기 작업 정보 중 적어도 하나에 기초하여 동작하게 하는, 로봇.
제1항에 있어서,
상기 도트 코드는 일 그룹의 동일한 도트 코드들로 구성되는, 로봇.
제7항에 있어서,
상기 그룹 내의 도트 코드들은 상기 기준 선을 나타내도록 배열되는, 방법.
제1항에 있어서,
상기 프로세서는, 상기 식별된 도트 코드의 패턴 정보에 대응하는 좌표에 기초하여 상기 로봇의 위치를 보정하는, 로봇.
제1항에 있어서,
상기 적어도 2개의 기준 도트들은 상기 기준 선의 방향을 나타내도록 배열되고,
상기 프로세서는, 상기 도트 코드가 식별된 방향과 상기 기준 선의 방향 사이의 각도에 기초하여 상기 로봇의 방향을 보정하는, 로봇.
로봇에 의한 영역 식별 방법으로서,
공간의 바닥에 배치된 도트 코드를 식별하는 단계;
식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하는 단계;
설정된 가상 벽에 의해 형성되는 영역을 식별하는 단계; 및
상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하는 단계를 포함하고,
상기 도트 코드는 상기 기준 선을 나타내는 적어도 2개의 기준 도트들을 포함하는, 방법.
제11항에 있어서,
상기 가상 벽을 설정하는 단계는,
상기 기준 선을 따라 가상 선을 연장하는 단계;
연장된 가상 선을 상기 공간의 맵 상의 구조물들 또는 다른 가상 선에 의해 제한하는 단계; 및
제한된 가상 선에 기초하여 상기 가상 벽을 설정하는 단계를 포함하는, 방법.
제12항에 있어서,
상기 가상 벽을 설정하는 단계는,
상기 설정된 가상 벽을 확인하기 위해 상기 기준 선을 따라 이동하는 단계를 더 포함하는, 방법.
제11항에 있어서,
상기 속성 정보는 상기 영역의 식별 정보, 상기 영역에서의 상기 로봇의 설정 정보 또는 상기 영역에서의 상기 로봇의 작업 정보 중 적어도 하나를 포함하는, 방법.
제14항에 있어서,
작업 명령을 수신하는 단계;
수신된 작업 명령이 상기 영역의 식별 정보를 포함하는지 여부를 결정하는 단계; 및
상기 수신된 작업 명령이 상기 영역의 식별 정보를 포함한다는 결정에 대한 응답으로, 상기 설정 정보 또는 상기 작업 정보 중 적어도 하나에 기초하여 동작하는 단계를 더 포함하는, 방법.
로봇 시스템으로서,
공간의 바닥에 배치된 복수의 상이한 도트 코드들; 및
상기 공간에서 작업을 수행하기 위한 적어도 하나의 로봇을 포함하고,
상기 적어도 하나의 로봇은,
상기 복수의 도트 코드들 중 어느 하나의 도트 코드를 식별하고,
식별된 도트 코드의 기준 선을 따라 상기 공간의 맵에 가상 벽을 설정하고,
설정된 가상 벽에 의해 형성되는 영역을 식별하며, 그리고
상기 식별된 도트 코드의 패턴 정보에 대응하는 속성 정보를 상기 식별된 영역에 할당하도록 구성되고,
상기 도트 코드들 각각은 기준 선을 나타내도록 배열된 적어도 2개의 기준 도트들을 포함하는, 로봇 시스템.
제16항에 있어서,
상기 적어도 하나의 로봇은,
상기 기준 선을 따라 가상 선을 연장하고,
연장된 가상 선을 상기 공간의 맵 상의 구조물들 또는 다른 가상 선에 의해 제한하고, 그리고
제한된 가상 선에 기초하여 상기 가상 벽을 설정하는, 로봇 시스템.
제17항에 있어서,
상기 적어도 하나의 로봇은,
상기 설정된 가상 벽을 확인하기 위해 상기 기준 선을 따라 이동하는, 로봇 시스템.
제16항에 있어서,
상기 속성 정보는 영역의 식별 정보, 상기 영역에서의 상기 로봇의 설정 정보 또는 상기 영역에서의 상기 로봇의 작업 정보 중 적어도 하나를 포함하는, 로봇 시스템.
제19항에 있어서,
상기 적어도 하나의 로봇은,
작업 명령을 수신하고,
수신된 작업 명령이 상기 영역의 식별 정보를 포함하는지 여부를 결정하고, 그리고
상기 수신된 작업 명령이 상기 영역의 식별 정보를 포함한다는 결정에 대한 응답으로, 상기 설정 정보 또는 상기 작업 정보 중 적어도 하나에 기초하여 동작하는, 로봇 시스템.