KR20210053150A - The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same - Google Patents
The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same Download PDFInfo
- Publication number
- KR20210053150A KR20210053150A KR1020200065181A KR20200065181A KR20210053150A KR 20210053150 A KR20210053150 A KR 20210053150A KR 1020200065181 A KR1020200065181 A KR 1020200065181A KR 20200065181 A KR20200065181 A KR 20200065181A KR 20210053150 A KR20210053150 A KR 20210053150A
- Authority
- KR
- South Korea
- Prior art keywords
- information
- hub device
- determination model
- hub
- function determination
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/28—Constructional details of speech recognition systems
- G10L15/30—Distributed recognition, e.g. in client-server systems, for mobile phones or network applications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Telephonic Communication Services (AREA)
Abstract
Description
본 개시는 허브 디바이스 및 복수의 디바이스를 포함하는 멀티 디바이스 환경에서 사용자로부터 수신한 음성 입력에 포함되는 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스를 결정하기 위한 인공 지능 모델 및 결정된 동작 수행 디바이스가 수행하는 동작을 제어하는 인공 지능 모델을 포함하는 허브 디바이스, 멀티 디바이스 시스템, 및 그 동작 방법에 관한 것이다. The present disclosure provides an artificial intelligence model for determining an operation performing device to perform an operation according to a user's intention included in a voice input received from a user in a multi-device environment including a hub device and a plurality of devices, and a device performing the determined operation. The present invention relates to a hub device including an artificial intelligence model for controlling an operation to be performed, a multi-device system, and an operation method thereof.
멀티 미디어 기술 및 네트워크 기술이 발전함에 따라, 사용자는 디바이스를 이용하여 다양한 서비스를 제공받을 수 있게 되었다. 특히, 음성 인식 기술이 발전함에 따라, 사용자는 디바이스에 음성(예를 들어, 발화)을 입력하고, 서비스 제공 에이전트를 통해 음성 입력에 따른 응답 메시지를 수신할 수 있게 되었다. With the development of multimedia technology and network technology, users can receive various services using devices. In particular, with the development of voice recognition technology, a user can input a voice (eg, speech) to a device and receive a response message according to the voice input through a service providing agent.
하지만, 복수의 디바이스를 포함하는 홈 네트워크 환경 등 멀티 디바이스 시스템에서, 사용자가 음성 입력 등을 통해 대화(interaction)하는 클라이언트 디바이스가 아닌, 다른 디바이스를 통해 서비스를 제공받고 싶은 경우, 서비스를 제공할 디바이스를 직접 선택해야 하는 번거로움이 있다. 특히, 복수의 디바이스 각각이 제공할 수 있는 서비스의 종류가 다르기 때문에, 사용자의 음성 입력에 포함된 의도를 파악하여 효과적으로 서비스를 제공할 수 있는 기술이 요구되고 있다. However, in a multi-device system such as a home network environment including a plurality of devices, when a user wants to receive a service through a device other than a client device that interacts through voice input, the device to provide the service There is a hassle of having to choose directly. In particular, since the types of services that can be provided by each of a plurality of devices are different, there is a demand for a technology capable of effectively providing a service by grasping an intention included in a user's voice input.
사용자의 음성 입력에 포함된 의도를 파악할 때, 인공지능(Artificial Intelligence, AI) 기술이 활용될 수 있으며, 룰(Rule) 기반의 자연어 이해 기술(Natural Language Understanding, NLU)이 활용될 수도 있다. 사용자의 음성 입력을 허브 디바이스(Hub device)를 통해 수신하는 경우, 허브 디바이스는 음성 입력을 통해 서비스를 제공할 디바이스를 직접 선택하지 못하고 별도의 음성 비서 서비스 제공 서버를 이용하여 디바이스를 제어해야 하므로, 사용자의 입장에서는 네트워크 사용 비용이 소비되고, 음성 비서 서비스 제공 서버를 통하므로 응답 속도가 느려지는 문제점이 있다. 상기 문제점을 해결하기 위하여, 허브 디바이스는 음성 입력에 기초하여 서비스를 제공할 디바이스를 제어하는 음성 비서 모델을 내부 메모리에 저장하는 온 디바이스(On device) 모델 방식을 고려할 수 있다. 그러나, 온 디바이스 모델 방식을 구현함에 있어서, 허브 디바이스의 내부 메모리 용량, RAM(Random Access Memory) 잔여 용량, 또는 프로세싱 속도 등에 따라 음성 비서 모델을 저장하지 못할 수도 있다. When grasping the intention included in the user's voice input, artificial intelligence (AI) technology may be used, and rule-based natural language understanding technology (NLU) may be used. When a user's voice input is received through a hub device, the hub device cannot directly select a device to provide a service through voice input and must control the device using a separate voice assistant service providing server. From the user's point of view, there is a problem in that network usage costs are consumed, and response speed is slowed down because the voice assistant service providing server is used. In order to solve the above problem, the hub device may consider an on device model method in which a voice assistant model that controls a device to provide a service based on a voice input is stored in an internal memory. However, in implementing the on-device model method, it may not be possible to store the voice assistant model depending on the internal memory capacity of the hub device, the remaining capacity of the RAM (Random Access Memory), or the processing speed.
본 개시는 허브 디바이스, 허브 디바이스 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템 및 그 동작 방법에 관한 것으로, 보다 구체적으로는 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 기초로 사용자의 의도에 따른 동작을 수행할 디바이스를 자동으로 결정하는 음성 비서 모델 및 결정된 디바이스에 따라 서비스를 수행하기 위하여 필요한 정보들을 제공하는 음성 비서 모델 중 적어도 일부를 허브 디바이스의 내부 메모리에 저장하는 허브 디바이스, 멀티 디바이스 시스템, 및 그 동작 방법을 제공하는 것을 목적으로 한다. The present disclosure relates to a multi-device system including a hub device, a hub device, and a plurality of devices, and a method of operating the same, and more specifically, to receive a user's voice input, and according to the user's intention based on the received voice input. A hub device, a multi-device system, which stores at least some of a voice assistant model that automatically determines a device to perform an operation and a voice assistant model that provides necessary information to perform a service according to the determined device in the internal memory of the hub device, And an operation method thereof.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 허브 디바이스(Hub device)와 연결되는 신규 디바이스에 대한 정보를 수신하는 단계, 상기 신규 디바이스에 대한 정보를 수신함에 따라, 음성 비서 서버에, 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 요청하는 단계, 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하여 저장하는 단계, 상기 음성 비서 서버에, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하는 단계, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하고, 수신된 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계, 및 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 저장하는 단계를 포함하는, 허브 디바이스가 디바이스를 제어하는 음성 비서 모델을 저장하는 방법을 제공한다.In order to solve the above-described technical problem, an embodiment of the present disclosure includes the steps of receiving information on a new device connected to a hub device, and in response to receiving the information on the new device, the voice assistant server , Requesting an update of a device determination model stored in the hub device, receiving and storing the updated device determination model from the voice assistant server, a function determination model corresponding to the new device in the voice assistant server Requesting information of, receiving information on a function determination model corresponding to the new device from the voice assistant server, and determining whether to store the function determination model in the hub device based on the received information And storing the function determination model corresponding to the new device when it is determined to store the function determination model in the hub device. do.
예를 들어, 상기 방법은 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신하는 단계를 더 포함할 수 있다. For example, when it is determined not to store the function determination model in the hub device, the method may further include receiving access information for a function determination model corresponding to the new device.
예를 들어, 상기 액세스 정보는 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다.For example, the access information may include identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and in the voice assistant server. It may include at least one of API information (Application Programming Interface) for accessing the function determination model, a language used for the function determination model, and identification information of the new device.
예를 들어, 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계는, 상기 허브 디바이스의 리소스(resource) 상태 및 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보에 기초하여 판단할 수 있다.For example, determining whether to store the function determination model in the hub device may be determined based on information on a resource state of the hub device and a function determination model corresponding to the new device. .
예를 들어, 상기 허브 디바이스는 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정될 수 있다. For example, the hub device may be determined by the voice assistant server based on resource status information for each of a plurality of devices previously registered according to a user account.
예를 들어, 상기 방법은 허브 디바이스에 로그인된 사용자 계정(user account)에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택하는 단계, 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하는 단계, 및 허브 디바이스를 결정된 디바이스로 대체함으로써, 허브 디바이스를 변경하는 단계를 더 포함할 수 있다. For example, the method includes selecting at least one hub device candidate from among a plurality of devices previously registered in the IoT server according to a user account logged in to the hub device, at least one hub Determining any one of the at least one hub device candidate based on the usage history information and performance information of each of the device candidates, and changing the hub device by replacing the hub device with the determined device. have.
예를 들어, 상기 적어도 하나의 허브 디바이스 후보를 선택하는 단계는 복수의 디바이스 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 복수의 디바이스 중 상기 적어도 하나의 허브 디바이스 후보를 선택할 수 있다. For example, the selecting of the at least one hub device candidate may include the at least one of the plurality of devices based on at least one of whether the plurality of devices are always powered on, computing power, and power consumption. Hub device candidates can be selected.
예를 들어, 상기 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하는 단계는, 허브 디바이스에 저장되어 있는 사용 이력 로그(log) 데이터베이스를 분석함으로써, 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득하는 단계, 허브 디바이스에 저장되어 있는 성능 이력 로그(performance history log) 데이터베이스를 분석함으로써, 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 획득하는 단계, 및 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 허브 디바이스를 대체할 디바이스를 결정하는 단계를 포함할 수 있다. For example, the determining of any one of the at least one hub device candidate may include analyzing a usage history log database stored in the hub device, thereby Acquiring information on the frequency of use, by analyzing a performance history log database stored in the hub device, obtaining information on the utterance processing time of each user of the hub device and at least one hub device candidate And determining a device to replace the hub device, based on frequency information and speech processing time information of each of the hub device and the at least one hub device candidate.
예를 들어, 상기 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보를 선택하는 단계는, 허브 디바이스와 연결되는 신규 디바이스에 대한 정보를 수신하는 단계 이후에 수행될 수 있다. For example, selecting at least one hub device candidate from among the plurality of devices may be performed after receiving information on a new device connected to the hub device.
예를 들어, 상기 방법은 허브 디바이스에 로그인된 사용자 계정(user account)에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 어느 하나의 디바이스를 선택하는 사용자 입력을 수신하는 단계, 및 사용자 입력에 기초하여 선택된 디바이스를 상기 허브 디바이스로 결정하는 단계를 더 포함할 수 있다. For example, the method includes receiving a user input for selecting any one device among a plurality of devices pre-registered in the IoT server according to a user account logged in to the hub device, and based on the user input. It may further include determining the selected device as the hub device.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 복수의 디바이스, 음성 비서 서버, 및 IoT 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스, 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리, 및 상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는 허브 디바이스와 연결되는 신규 디바이스에 대한 정보를 수신하고, 상기 신규 디바이스에 대한 정보를 수신함에 따라, 상기 음성 비서 서버에 상기 메모리에 기 저장된 디바이스 판단 모델에 대한 업데이트를 요청하고, 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하도록 상기 통신 인터페이스를 제어하고, 수신된 상기 업데이트된 디바이스 판단 모델을 상기 메모리에 저장하고, 상기 음성 비서 서버에, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하고, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하도록 상기 통신 인터페이스를 제어하고, 수신된 상기 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하고, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 상기 메모리에 저장하는, 허브 디바이스를 제공한다.In order to solve the above technical problem, an embodiment of the present disclosure is a communication interface for performing data communication with at least one of a plurality of devices, a voice assistant server, and an IoT server, and a program including one or more instructions. And a processor that executes one or more instructions of a program stored in the memory, and the processor receives information on a new device connected to the hub device, and receives information on the new device. , Requesting the voice assistant server to update a device determination model previously stored in the memory, controlling the communication interface to receive the updated device determination model from the voice assistant server, and receiving the updated device determination model The communication to store information on a function determination model corresponding to the new device from the voice assistant server, and to request information on a function determination model corresponding to the new device from the voice assistant server. When it is determined whether to control the interface and to store the function determination model in the hub device based on the received information, and when it is determined to store the function determination model in the hub device, a function corresponding to the new device A hub device is provided for storing a judgment model in the memory.
예를 들어, 상기 프로세서는 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신하도록 상기 통신 인터페이스를 제어할 수 있다. For example, when it is determined not to store the function determination model in the hub device, the processor may control the communication interface to receive access information for a function determination model corresponding to the new device. .
예를 들어, 상기 액세스 정보는 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. For example, the access information may include identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and in the voice assistant server. It may include at least one of API information (Application Programming Interface) for accessing the function determination model, a language used for the function determination model, and identification information of the new device.
예를 들어, 상기 프로세서는 상기 허브 디바이스의 리소스 상태 및 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보에 기초하여, 상기 기능 판단 모델을 상기 메모리에 저장할지 여부를 결정할 수 있다. For example, the processor may determine whether to store the function determination model in the memory based on the resource state of the hub device and information on a function determination model corresponding to the new device.
예를 들어, 상기 허브 디바이스는 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정될 수 있다. For example, the hub device may be determined by the voice assistant server based on resource status information for each of a plurality of devices previously registered according to a user account.
예를 들어, 상기 프로세서는 허브 디바이스에 로그인된 사용자 계정(user id)에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택하고, 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하고, 허브 디바이스를 결정된 디바이스로 대체함으로써, 허브 디바이스를 변경할 수 있다. For example, the processor selects at least one hub device candidate from among a plurality of devices pre-registered in the IoT server according to a user account logged in to the hub device, and at least one hub device The hub device may be changed by determining any one of at least one hub device candidate based on usage history information and performance information of each of the candidates, and replacing the hub device with the determined device.
예를 들어, 상기 프로세서는 복수의 디바이스 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보를 선택할 수 있다. For example, the processor may select at least one hub device candidate from among a plurality of devices based on at least one of whether power is always supplied to each of the plurality of devices, computing power, and power consumption.
예를 들어, 상기 허브 디바이스는, 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 저장하는 사용 이력 로그 데이터베이스, 및 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 저장하는 성능 이력 로그(performance history log) 데이터베이스를 더 포함할 수 있다. For example, the hub device may include a usage history log database that stores information on a frequency of use of each of the hub device and at least one hub device candidate, and an utterance processing time of each user of the hub device and at least one hub device candidate. It may further include a performance history log database for storing information about the.
예를 들어, 상기 프로세서는 사용 이력 로그 데이터베이스를 분석함으로써 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득하고, 성능 이력 로그 데이터베이스를 분석함으로써, 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 획득하고, 허브 디바이스 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 허브 디바이스를 대체할 디바이스를 결정할 수 있다. For example, the processor obtains information on the frequency of use of each of the hub device and at least one hub device candidate by analyzing the usage history log database, and analyzes the performance history log database, so that the hub device and at least one hub device Information about the speech processing time of each of the candidate users may be obtained, and a device to replace the hub device may be determined based on the frequency information and the speech processing time information of the hub device and each of the at least one hub device candidate.
예를 들어, 상기 허브 디바이스는, 허브 디바이스에 로그인된 사용자 계정에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 어느 하나의 디바이스를 선택하는 사용자의 음성 입력을 수신하는 음성 입력부를 더 포함하고, 상기 프로세서는, ASR(Automatic Speech Recognition)을 수행함으로써, 음성 입력부로부터 수신한 사용자의 음성 입력을 텍스트로 변환하고, NLU 모델(Natural Language Understanding model)을 이용하여 변환된 텍스트를 해석함으로써, 사용자의 음성 입력에 따라 선택된 디바이스를 허브 디바이스로 결정할 수 있다. For example, the hub device further includes a voice input unit for receiving a user's voice input for selecting any one of a plurality of devices pre-registered in the IoT server according to a user account logged in to the hub device, the The processor converts the user's voice input received from the voice input unit into text by performing ASR (Automatic Speech Recognition), and interprets the converted text using the NLU model (Natural Language Understanding model) to input the user's voice. According to this, the selected device may be determined as a hub device.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 허브 디바이스가, 신규 디바이스에 대한 정보를 수신함에 따라, 음성 비서 서버에 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 요청하는 단계, 상기 음성 비서 서버는 상기 디바이스 판단 모델에 대한 업데이트 요청을 수신함에 따라, 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 수행하는 단계, 상기 허브 디바이스는 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하여 저장하는 단계, 상기 허브 디바이스는 상기 음성 비서 서버에 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하는 단계, 상기 음성 비서 서버는 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 획득하여 상기 허브 디바이스로 전송하는 단계, 및 상기 허브 디바이스는 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하고, 수신된 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계를 포함하는, 음성 비서 서버와 허브 디바이스가 디바이스를 제어하는 음성 비서 모델을 저장하는 방법을 제공한다. In order to solve the above technical problem, according to an embodiment of the present disclosure, as a hub device receives information on a new device, requesting an update of a device determination model stored in the hub device from a voice assistant server, When the voice assistant server receives an update request for the device determination model, performing an update on the device determination model stored in the hub device, the hub device receiving the updated device determination model from the voice assistant server. Receiving and storing, the hub device requesting information of a function determination model corresponding to the new device from the voice assistant server, the voice assistant server obtaining information of a function determination model corresponding to the new device Transmitting to the hub device, and the hub device receiving information on a function determination model corresponding to the new device from the voice assistant server, and storing the function determination model in the hub device based on the received information It provides a method of storing a voice assistant model in which a voice assistant server and a hub device control a device, comprising the step of determining whether to do so.
예를 들어, 상기 방법은 상기 허브 디바이스가 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 저장하는 단계를 더 포함할 수 있다. For example, the method may further include storing a function determination model corresponding to the new device when it is determined that the hub device stores the function determination model in the hub device.
예를 들어, 상기 방법은, 상기 허브 디바이스가 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스 정보를 상기 음성 비서 서버에 요청하여 수신하는 단계를 더 포함할 수 있다. For example, the method, when it is determined that the hub device does not store the function determination model in the hub device, requests and receives access information for the function determination model corresponding to the new device to the voice assistant server It may further include the step of.
예를 들어, 상기 액세스 정보는 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. For example, the access information may include identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and in the voice assistant server. It may include at least one of API information (Application Programming Interface) for accessing the function determination model, a language used for the function determination model, and identification information of the new device.
예를 들어, 상기 허브 디바이스는 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정될 수 있다. For example, the hub device may be determined by the voice assistant server based on resource status information for each of a plurality of devices previously registered according to a user account.
상술한 기술적 과제를 해결하기 위하여, 본 개시의 일 실시예는 허브 디바이스 및 음성 비서 서버를 포함하는 시스템을 제공한다. 상기 허브 디바이스는 상기 음성 비서 서버와 데이터 통신을 수행하는 통신 인터페이스, 하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리, 및 상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서를 포함하고, 상기 프로세서는 상기 신규 디바이스에 대한 정보를 수신하고, 상기 음성 비서 서버에 상기 메모리에 기 저장된 디바이스 판단 모델에 대한 업데이트를 요청하도록 상기 통신 인터페이스를 제어하고, 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하고, 수신된 상기 업데이트된 디바이스 판단 모델을 상기 메모리에 저장하고, 상기 음성 비서 서버에 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하고, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하도록 상기 통신 인터페이스를 제어하고, 수신된 상기 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하고, 상기 음성 비서 서버는 상기 허브 디바이스로부터 상기 디바이스 판단 모델에 대한 업데이트 요청을 수신함에 따라, 상기 허브 디바이스에 기 저장된 디바이스 판단 모델에 대한 업데이트를 수행하고, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 획득하여 상기 허브 디바이스로 전송할 수 있다. In order to solve the above technical problem, an embodiment of the present disclosure provides a system including a hub device and a voice assistant server. The hub device includes a communication interface for performing data communication with the voice assistant server, a memory for storing a program including one or more instructions, and a processor for executing one or more instructions of a program stored in the memory, , The processor receives information on the new device, controls the communication interface to request an update of a device determination model previously stored in the memory from the voice assistant server, and determines the updated device from the voice assistant server Receiving a model, storing the received updated device determination model in the memory, requesting information on a function determination model corresponding to the new device from the voice assistant server, and responding to the new device from the voice assistant server The communication interface is controlled to receive information on a function determination model to be performed, and based on the received information, it is determined whether to store the function determination model in the hub device, and the voice assistant server Upon receiving an update request for a device determination model, an update to a device determination model previously stored in the hub device may be performed, and information on a function determination model corresponding to the new device may be obtained and transmitted to the hub device.
예를 들어, 상기 프로세서는 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 상기 메모리에 저장할 수 있다. For example, when it is determined to store the function determination model in the hub device, the processor may store a function determination model corresponding to the new device in the memory.
예를 들어, 상기 프로세서는 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스 정보를 상기 음성 비서 서버에 요청하고, 상기 액세스 정보를 상기 음성 비서 서버로부터 수신하도록 상기 통신 인터페이스를 제어할 수 있다. For example, when it is determined not to store the function determination model in the hub device, the processor requests access information for a function determination model corresponding to the new device to the voice assistant server, and the access information The communication interface can be controlled to receive from a voice assistant server.
예를 들어, 상기 액세스 정보는 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. For example, the access information may include identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and in the voice assistant server. It may include at least one of API information (Application Programming Interface) for accessing the function determination model, a language used for the function determination model, and identification information of the new device.
예를 들어, 상기 허브 디바이스는 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정될 수 있다. For example, the hub device may be determined by the voice assistant server based on resource status information for each of a plurality of devices previously registered according to a user account.
본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 본 개시의 일 실시예에 따른 허브 디바이스, 음성 비서 서버, IoT 서버, 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템의 일부 구성 요소를 도시한 블록도이다.
도 2는 본 개시의 일 실시예에 따른 허브 디바이스의 구성 요소를 도시한 블록도이다.
도 3은 본 개시의 일 실시예에 따른 음성 비서 서버의 구성 요소를 도시한 블록도이다.
도 4는 본 개시의 일 실시예에 따른 IoT 서버의 구성 요소를 도시한 블록도이다.
도 5는 본 개시의 일 실시예에 따른 복수의 디바이스의 일부 구성 요소를 도시한 블록도이다.
도 6은 본 개시의 허브 디바이스가 음성 비서 서버로부터 음성 비서 모델의 적어도 일부를 수신하여 저장하는 방법을 도시한 흐름도이다.
도 7은 본 개시의 허브 디바이스가 음성 비서 서버로부터 수신한 기능 판단 모델의 정보에 기초하여, 기능 판단 모델을 저장할 지 여부를 결정하는 방법을 도시한 흐름도이다.
도 8은 본 개시의 허브 디바이스가 사용자의 음성 입력에 기초하여 신규 디바이스의 동작을 제어하는 방법을 도시한 흐름도이다.
도 9는 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 및 신규 디바이스 각각의 동작 방법을 도시한 흐름도이다.
도 10은 본 개시의 허브 디바이스 및 신규 디바이스의 동작 방법을 도시한 흐름도이다.
도 11은 본 개시의 허브 디바이스, 음성 비서 서버, IoT 서버, 및 신규 디바이스 각각의 동작 방법을 도시한 흐름도이다.
도 12a는 본 개시의 허브 디바이스 및 리스너 디바이스의 동작을 도시한 개념도이다.
도 12b는 본 개시의 허브 디바이스 및 제2 디바이스의 동작을 도시한 개념도이다.
도 13은 본 개시의 일 실시예에 따른 허브 디바이스의 구성 요소를 도시한 블록도이다.
도 14는 본 개시의 일 실시예에 따른 허브 디바이스의 동작 방법을 도시한 흐름도이다.
도 15는 본 개시의 일 실시예에 따른 허브 디바이스의 동작 방법을 도시한 흐름도이다.
도 16은 본 개시의 일 실시예에 따른 허브 디바이스의 동작 방법을 도시한 흐름도이다.
도 17은 허브 디바이스, 음성 비서 서버, 및 복수의 디바이스를 포함하는 멀티 디바이스 시스템 환경을 도시한 도면이다.
도 18a 및 도 18b는 본 개시의 허브 디바이스 및 음성 비서 서버에서 실행 가능한 음성비서 모델의 실시예를 도시한 도면이다. The present disclosure may be easily understood by a combination of the following detailed description and accompanying drawings, and reference numerals denote structural elements.
1 is a block diagram illustrating some components of a multi-device system including a hub device, a voice assistant server, an IoT server, and a plurality of devices according to an embodiment of the present disclosure.
2 is a block diagram illustrating components of a hub device according to an embodiment of the present disclosure.
3 is a block diagram illustrating components of a voice assistant server according to an embodiment of the present disclosure.
4 is a block diagram illustrating components of an IoT server according to an embodiment of the present disclosure.
5 is a block diagram illustrating some components of a plurality of devices according to an embodiment of the present disclosure.
6 is a flowchart illustrating a method of receiving and storing at least a part of a voice assistant model from a voice assistant server by a hub device of the present disclosure.
7 is a flowchart illustrating a method of determining whether to store a function determination model based on information on a function determination model received from a voice assistant server by the hub device of the present disclosure.
8 is a flowchart illustrating a method of controlling an operation of a new device based on a user's voice input by the hub device of the present disclosure.
9 is a flowchart illustrating a method of operating each of a hub device, a voice assistant server, an IoT server, and a new device according to the present disclosure.
10 is a flowchart illustrating a method of operating a hub device and a new device according to the present disclosure.
11 is a flowchart illustrating a method of operating each of a hub device, a voice assistant server, an IoT server, and a new device of the present disclosure.
12A is a conceptual diagram illustrating an operation of a hub device and a listener device according to the present disclosure.
12B is a conceptual diagram illustrating an operation of a hub device and a second device according to the present disclosure.
13 is a block diagram illustrating components of a hub device according to an embodiment of the present disclosure.
14 is a flowchart illustrating a method of operating a hub device according to an embodiment of the present disclosure.
15 is a flowchart illustrating a method of operating a hub device according to an embodiment of the present disclosure.
16 is a flowchart illustrating a method of operating a hub device according to an embodiment of the present disclosure.
17 is a diagram illustrating a multi-device system environment including a hub device, a voice assistant server, and a plurality of devices.
18A and 18B are diagrams illustrating an embodiment of a voice assistant model executable in a hub device and a voice assistant server of the present disclosure.
본 명세서의 실시예들에서 사용되는 용어는 본 개시의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 실시예의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다. The terms used in the embodiments of the present specification have selected general terms that are currently widely used as possible while considering the functions of the present disclosure, but this may vary according to the intention or precedent of a technician working in the field, the emergence of new technologies, etc. . In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning of the terms will be described in detail in the description of the corresponding embodiment. Therefore, the terms used in the present specification should be defined based on the meaning of the term and the contents of the present disclosure, not the name of a simple term.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 명세서에 기재된 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. Singular expressions may include plural expressions unless the context clearly indicates otherwise. Terms used herein, including technical or scientific terms, may have the same meaning as commonly understood by one of ordinary skill in the technical field described herein.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "...모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When a part of the specification is said to "include" a certain component, it means that other components may be further included rather than excluding other components unless specifically stated to the contrary. In addition, terms such as "... unit" and "... module" described in the specification mean a unit that processes at least one function or operation, which is implemented as hardware or software, or as a combination of hardware and software. Can be.
본 명세서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)", "~하는 능력을 가지는(having the capacity to)", "~하도록 설계된(designed to)", "~하도록 변경된(adapted to)", "~하도록 만들어진(made to)", 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 시스템"이라는 표현은, 그 시스템이 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.The expression "configured to (configured to)" used in this specification is, for example, "suitable for", "having the capacity to" depending on the situation. It can be used interchangeably with ", "designed to", "adapted to", "made to", or "capable of". The term "configured to (or set)" may not necessarily mean only "specifically designed to" in hardware. Instead, in some situations, the expression "a system configured to" may mean that the system "can" along with other devices or parts. For example, the phrase “a processor configured (or configured) to perform A, B, and C” means a dedicated processor (eg, an embedded processor) for performing the operation, or by executing one or more software programs stored in memory, It may mean a generic-purpose processor (eg, a CPU or an application processor) capable of performing corresponding operations.
본 명세서에서 '제1 자연어 이해 모델'은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. In this specification, the'first natural language understanding model' is a model that is trained to analyze text converted from a voice input and determine a device for performing an operation based on the analysis result. The first natural language understanding model may determine an intent by interpreting the text, and may be used to determine a device for performing an operation based on the intent.
본 명세서에서 '제2 자연어 이해 모델'은 특정 디바이스와 관련된 텍스트를 분석하기 위하여 학습된 모델이다. 제2 자연어 이해 모델은 텍스트의 적어도 일부를 해석함으로써, 대응되는 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 학습된 모델일 수 있다. 제2 자연어 이해 모델의 저장 용량은 제1 자연어 이해 모델의 저장 용량에 비해 클 수 있다.In this specification, the'second natural language understanding model' is a model learned to analyze text related to a specific device. The second natural language understanding model may be a model that is trained to obtain motion information about an action to be performed by a corresponding device by analyzing at least a portion of the text. The storage capacity of the second natural language understanding model may be larger than that of the first natural language understanding model.
본 명세서에서 '음성 비서 모델'은 디바이스 판단 모델 및 기능 판단 모델을 포함할 수 있다. '디바이스 판단 모델'은 제1 자연어 이해 모델에 의해 분석된 텍스트 분석 결과에 기초하여, 사용자 계정에 따라 기 등록된 복수의 디바이스 중 동작 수행 디바이스를 결정하도록 학습된 모델이다. 디바이스 판단 모델은 제1 자연어 이해 모델을 포함할 수 있다. '기능 판단 모델'은 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델이다. 기능 판단 모델은 제2 자연어 이해 모델 및 액션 플랜 관리 모델을 포함할 수 있다. In the present specification, the'voice assistant model' may include a device determination model and a function determination model. The'device determination model' is a model that is trained to determine an operation performing device among a plurality of devices previously registered according to a user account based on a text analysis result analyzed by the first natural language understanding model. The device determination model may include a first natural language understanding model. The'function determination model' is a model used by the device to obtain detailed operations for performing an operation according to the determined function and operation information regarding a relationship between the detailed operations. The function determination model may include a second natural language understanding model and an action plan management model.
본 명세서에서 '액션 플랜 관리 모델'은 동작 수행 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하도록 학습된 모델일 수 있다. 액션 플랜 관리 모델은, 디바이스 타입 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. In the present specification, the'action plan management model' may be a model trained to manage operation information related to the detailed operation of the device in order to generate detailed operations to be performed by the operation performing device and an execution order of the detailed operations. The action plan management model may manage detailed operations of a device for each device type and operation information regarding a relationship between the detailed operations.
본 명세서에서 '인텐트'는 텍스트를 해석하여 판단되는 사용자의 의도를 나타내는 정보이다. 인텐트는 사용자의 발화 의도를 나타내는 정보로, 사용자가 요청한 동작 수행 디바이스의 동작을 나타내는 정보일 수 있다. 인텐트는 자연어 이해 모델(Natural Language Understanding, NLU) 모델을 이용하여 텍스트를 해석함으로써 결정될 수 있다. 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘"인 경우, 인텐트는 "컨텐트 재생"일 수 있다. 다른 예를 들어, 사용자의 음성 입력으로부터 변환된 텍스트가 "에어컨 온도를 18°C로 내려줘"인 경우, 인텐트는 "온도 제어"일 수 있다. In this specification, the'intent' is information indicating the intention of the user determined by interpreting the text. The intent is information indicating the intention of the user to speak, and may be information indicating the operation of the device performing the operation requested by the user. The intent may be determined by interpreting the text using a Natural Language Understanding (NLU) model. For example, if the text converted from the user's voice input is "Play Movie Avengers on TV", the intent may be "Play content". For another example, when the text converted from the user's voice input is "Turn down the air conditioner temperature to 18°C", the intent may be "temperature control".
인텐트는, 사용자의 발화 의도를 나타내는 정보(이하, 의도 정보)뿐 아니라, 사용자의 의도를 나타내는 정보에 대응하는 수치값을 포함할 수 있다. 수치값은, 텍스트가 특정 의도를 나타내는 정보와 관련된 확률을 나타낼 수 있다. 자연어 이해 모델을 이용하여 텍스트를 해석한 결과, 사용자의 의도를 나타내는 정보가 복수 개 획득되는 경우, 각 의도 정보에 대응되는 수치값이 최대인 의도 정보가 인텐트로 결정될 수 있다. The intent may include not only information indicating the user's utterance intention (hereinafter, intention information), but also a numerical value corresponding to information indicating the user's intention. The numerical value may indicate a probability that the text is associated with information indicating a specific intent. When a plurality of pieces of information indicating the user's intention are obtained as a result of analyzing the text using the natural language understanding model, intention information having a maximum numerical value corresponding to each intention information may be determined as the intent.
본 명세서에서, 디바이스의 '동작'은, 디바이스에서 특정 기능을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다. 동작은 예를 들어, 디바이스가 애플리케이션의 실행을 통해 수행하는 동영상 재생(play), 음악 재생, 이메일 작성, 날씨 정보 수신, 뉴스 정보 표시, 게임 실행 및 사진 촬영 등을 나타낼 수 있다. 다만, 동작이 전술한 예시로 한정되지는 않는다.In this specification, the'action' of the device may mean at least one action performed by the device by executing a specific function in the device. The operation may represent at least one action performed by the device by executing an application on the device. The operation may represent, for example, playing a video, playing music, writing an email, receiving weather information, displaying news information, executing a game, and taking a picture, etc. performed by the device through execution of an application. However, the operation is not limited to the above-described example.
디바이스의 동작은 액션 플랜 관리 모델에서 출력한 세부 동작에 관한 정보에 기초하여 수행될 수 있다. 디바이스는, 액션 플랜 관리 모델에서 출력한 세부 동작에 대응하는 기능을 실행함으로써, 적어도 하나의 액션을 수행할 수 있다. 디바이스는, 세부 동작에 대응하는 기능을 실행하기 위한 명령어를 저장할 수 있으며, 세부 동작이 결정되면 세부 동작에 대응하는 명령어를 결정하여 명령어를 실행함으로써 특정 기능을 실행할 수 있다.The operation of the device may be performed based on information on detailed operations output from the action plan management model. The device may perform at least one action by executing a function corresponding to the detailed operation output from the action plan management model. The device may store a command for executing a function corresponding to a detailed operation, and when a detailed operation is determined, the device may execute a specific function by determining a command corresponding to the detailed operation and executing the command.
또한, 디바이스는 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 저장할 수 있다. 애플리케이션을 실행하기 위한 명령어는, 애플리케이션 자체를 실행하기 위한 명령어 및 애플리케이션을 구성하는 세부 기능을 실행하기 위한 명령어를 포함할 수 있다. 디바이스는 세부 동작이 결정되면 세부 동작에 대응하는 애플리케이션을 실행하기 위한 명령어를 실행함으로써 애플리케이션을 실행하고, 세부 동작에 대응하는 애플리케이션의 세부 기능을 실행하기 위한 명령어를 실행함으로써 세부 기능을 실행할 수 있다.Also, the device may store a command for executing an application corresponding to a detailed operation. The command for executing the application may include a command for executing the application itself and a command for executing detailed functions constituting the application. When a detailed operation is determined, the device may execute an application by executing a command for executing an application corresponding to the detailed operation, and execute a detailed function by executing a command for executing a detailed function of the application corresponding to the detailed operation.
본 명세서에서 '동작 정보'는, 디바이스가 수행할 세부 동작들, 각 세부 동작들과 다른 세부 동작과의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 각 세부 동작과 다른 세부 동작과의 연관 관계는, 하나의 동작을 실행하기 위해서 그 동작을 실행하기 전에 필수적으로 실행되어야 할 다른 동작에 대한 정보를 포함한다. 예를 들어, 수행할 동작이 "음악 재생"인 경우, "전원 온(on)"은 "음악 재생" 동작 이전에 필수적으로 실행되어야 하는 다른 세부 동작이 될 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 동작 수행 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.In the present specification,'action information' may be information related to detailed operations to be performed by the device, a relationship between each detailed operation and other detailed operations, and an execution order of the detailed operations. The relationship between each detailed operation and another detailed operation includes information on another operation that must be performed before executing the operation in order to execute one operation. For example, when the operation to be performed is “music playback”, “power on” may be another detailed operation that must be essentially executed before the “music playback” operation. The operation information may include, for example, functions to be executed by the operation performing device in order to perform a specific operation, an execution order of functions, an input value required to execute the functions, and an output value output as a result of execution of the functions. However, it is not limited thereto.
본 명세서에서 '동작 수행 디바이스'는 복수의 디바이스 중 텍스트로부터 획득된 인텐트에 기초하여 동작을 수행하도록 결정된 디바이스를 의미한다. 동작 수행 디바이스는 제1 자연어 이해 모델을 이용하여 텍스트를 분석하고, 분석된 결과에 기초하여 결정될 수 있다. 동작 수행 디바이스는 액션 플랜 관리 모델로부터 출력된 세부 동작에 대응하는 기능을 실행함으로써, 적어도 하나의 액션을 수행할 수 있다. 동작 수행 디바이스는 동작 정보에 기초하여 동작을 수행할 수 있다. In the present specification, the'operation performing device' refers to a device determined to perform an operation based on an intent obtained from a text among a plurality of devices. The operation performing device may analyze the text using the first natural language understanding model, and may be determined based on the analyzed result. The operation performing device may perform at least one action by executing a function corresponding to the detailed operation output from the action plan management model. The operation performing device may perform an operation based on the operation information.
IoT 서버는, 복수의 디바이스 각각에 관한 디바이스 정보를 획득하고, 저장하고, 관리하는 서버이다. IoT 서버는 저장된 디바이스 정보를 활용하여 디바이스를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. IoT 서버는, 동작 정보에 기초하여 동작을 수행하도록 결정된 디바이스에 제어 명령을 전송할 수 있다. IoT 서버는 본 명세서에 기재된 '서버'와는 독립된 하드웨어 장치로 구성될 수 있지만, 이에 한정되는 것은 아니다. IoT 서버는 본 명세서의 '음성 비서 서버'의 일 구성 요소이거나, 또는 소프트웨어로 구분되도록 설계된 서버일 수 있다. The IoT server is a server that acquires, stores, and manages device information for each of a plurality of devices. The IoT server may acquire, determine, or generate a control command capable of controlling a device by using the stored device information. The IoT server may transmit a control command to a device determined to perform an operation based on the operation information. The IoT server may be configured as a hardware device independent from the'server' described herein, but is not limited thereto. The IoT server may be a component of the'voice assistant server' of the present specification, or may be a server designed to be classified by software.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다.Hereinafter, embodiments of the present disclosure will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art may easily implement the embodiments. However, the present disclosure may be implemented in various different forms and is not limited to the embodiments described herein.
이하에서는 도면을 참조하여 본 개시의 실시예들을 상세하게 설명한다. Hereinafter, exemplary embodiments of the present disclosure will be described in detail with reference to the drawings.
도 1은 본 개시의 일 실시예에 따른 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)를 포함하는 멀티 디바이스 시스템의 일부 구성 요소를 도시한 블록도이다. 1 is a diagram illustrating some components of a multi-device system including a
도 1에서는 설명의 편의를 위하여, 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000) 각각의 동작을 설명하기 위한 필수적인 구성 요소만 도시되었다. 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)가 포함하고 있는 구성이 도 1에 도시된 바와 같이 한정되는 것은 아니다. In FIG. 1, for convenience of description, only essential components for describing operations of the
도 1의 화살표 상에 도시된 참조번호 S1 내지 S16은 네트워크를 통한 복수의 주체 간의 데이터 이동, 전송, 및 수신을 표시한다. S1 내지 S16에서 영문자 S에 붙은 숫자는 식별을 위한 것으로서, 데이터의 이동, 전송, 및 수신의 순서와는 관련이 없다. Reference numerals S1 to S16 shown on the arrows of FIG. 1 denote data movement, transmission, and reception between a plurality of subjects through a network. The numbers attached to the alphabetic letter S in S1 to S16 are for identification, and are not related to the order of movement, transmission, and reception of data.
도 1을 참조하면, 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 통신을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. 허브 디바이스(1000) 및 복수의 디바이스(4000)는 음성 비서 서버(2000)와 연결될 수 있으며, 허브 디바이스(1000)은 음성 비서 서버(2000)를 통해 복수의 디바이스(4000)과 연결될 수 있다. 또한, 허브 디바이스(1000)와 복수의 디바이스(4000)는 IoT 서버(3000)와 연결될 수 있다. 다른 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000) 각각은 통신망을 통해 음성 비서 서버(2000)와 연결되고, 음성 비서 서버(2000)를 통해 IoT 서버(3000)와 연결될 수 있다. Referring to FIG. 1, a
허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다.The
허브 디바이스(Hub device)(1000)는 사용자의 음성 입력을 수신하고, 수신된 음성 입력에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. 허브 디바이스(1000)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. 예를 들어, 허브 디바이스(1000)는 음성 비서 스피커일 수 있으나, 이에 한정되는 것은 아니다. The
허브 디바이스(1000)는 사용자 계정에 따라 IoT 서버(3000)에 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 음성 비서 서버(2000)에 의해 결정될 수 있다. The
복수의 디바이스(4000) 중 적어도 하나는 허브 디바이스(1000) 또는 IoT 서버(3000)의 제어 명령을 받아 특정 동작을 수행하는 동작 수행 디바이스일 수 있다. 복수의 디바이스(4000)는 허브 디바이스(1000)의 사용자와 동일한 사용자 계정(user account)으로 로그인되고, IoT 서버(3000)에 허브 디바이스(1000)의 사용자 계정으로 기 등록된 디바이스일 수 있다. 그러나, 이에 한정되는 것은 아니고, 복수의 디바이스(4000)는 사용자 계정에 따라 IoT 서버(3000)에 새롭게 등록된 신규 디바이스(4300)를 포함할 수 있다. 신규 디바이스(4300)는 허브 디바이스(1000)의 사용자가 신규로 취득하고, 허브 디바이스(1000) 및 다른 디바이스(4100, 4200)들과 동일한 사용자 계정으로 로그인함으로써, IoT 서버(3000)에 등록된 디바이스일 수 있다. At least one of the plurality of
복수의 디바이스(4000) 중 적어도 하나는, IoT 서버(3000)로부터 제어 명령을 수신하거나(S12, S14, S16), 또는 허브 디바이스(1000)로부터 음성 입력이 변환된 텍스트의 적어도 일부를 수신할 수 있다(S3, S5). 복수의 디바이스(4000) 중 적어도 하나는 허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하지 않고, IoT 서버(3000)로부터 제어 명령을 수신할 수도 있다(S12, S14, S16). At least one of the plurality of
허브 디바이스(1000)에는 사용자의 음성 입력에 기초하여 동작을 수행할 디바이스를 결정하는 디바이스 판단 모델(1340)을 포함할 수 있다. 디바이스 판단 모델(1340)은 사용자 계정에 따라 등록된 복수의 디바이스(4000) 중에서 동작 수행 디바이스를 결정할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 수신할 수 있다(S2). 허브 디바이스(1000)는 디바이스 판단 모델(1340)에 관한 데이터를 이용하여, 수신된 디바이스 정보에 기초하여 복수의 디바이스(4000) 중 사용자의 음성 입력에 따른 동작을 수행할 디바이스를 결정할 수 있다. The
다른 실시예예서, 허브 디바이스(1000)는 복수의 디바이스로부터 직접 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 수신할 수 있다. 허브 디바이스는, 허브 디바이스와 연결된 엑세스 포인트에 연결된 복수의 디바이스를 식별하고, 식별된 복수의 디바이스에게 디바이스 정보를 요청하여 디바이스 정보를 획득할 수 있다. 이 경우, 복수의 디바이스는, 허브 디바이스의 요청에 따라 디바이스 정보를 전송하도록 구성된 SW 모듈을 포함할 수 있다. 또한, 허브 디바이스는, 복수의 디바이스가 전송하는 디바이스 정보를 수신하는 방식으로 디바이스 정보를 획득할 수 있다. 이 경우, 복수의 디바이스는, 복수의 디바이스에 연결된 엑세스 포인트에 연결된 허브 디바이스를 식별하도록 구성된 SW 모듈 및 식별된 허브 디바이스로 디바이스 정보를 전송하도록 구성된 SW 모듈을 포함할 수 있다.In another embodiment, the
허브 디바이스(1000)는. 허브 디바이스(1000)에 연결되는 신규 디바이스에 대한 정보를 획득하면, 음성 비서 서버(2000)에, 허브 디바이스(1000)에 저장된 디바이스 판단 모델에 대한 업데이트를 요청한다. 일 실시예에서, 허브 디바이스(1000)는 IoT 서버(3000)로부터 수신한 신규 디바이스의 디바이스 정보에 기초하여, 사용자의 음성 입력으로부터 신규 디바이스와 관련된 텍스트를 분석하고, 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록, 메모리(1300, 도 2 참조)에 기 저장된 디바이스 판단 모델에 관한 업데이트를 요청하는 쿼리(query) 신호를 음성 비서 서버(2000)에 전송할 수 있다. 이 경우, 허브 디바이스(1000)는 적어도 사용자 계정 정보 및 허브 디바이스(1000)의 식별 정보(예를 들어, 허브 디바이스의 id 정보)를 쿼리 신호와 함께 음성 비서 서버(2000)에 전송할 수 있다.The
허브 디바이스(1000)의 요청에 대응하여, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 업데이트된 디바이스 판단 모델을 수신하여 저장한다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스에 관한 사용자의 음성 입력을 분석하고, 분석 결과 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록 업데이트된 디바이스 판단 모델을 음성 비서 서버(2000)로부터 다운로드(download)하고, 허브 디바이스(1000) 내부의 메모리(1300, 도 2 참조)에 업데이트된 디바이스 판단 모델을 저장할 수 있다.In response to the request of the
또한, 허브 디바이스(1000)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스(1000)의 메모리(1300, 도 2 참조) 내에 저장되어 있거나, 동작 수행 디바이스 자체에 저장되어 있거나, 또는 음성 비서 서버(2000)의 메모리(2300, 도 3 참조) 내에 저장되어 있을 수 있다. 여기서, 허브 디바이스(1000)의 메모리는 비휘발성 메모리를 의미한다. 비휘발성 메모리(Non-volatile memory)는 전원이 공급되지 않은 상태에서도 정보를 저장 및 유지하고, 전원이 공급되면 다시 저장된 정보를 사용할 수 있는 기억 매체를 의미하고, 예를 들어, 플래시 메모리(flash memory), 하드디스크(hard disk), SSD(Solid State Drive), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 롬(Read Only Memory; ROM), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나를 포함할 수 있다. 각 디바이스에 대응하는 기능 판단 모델은, 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. In addition, the function determination model corresponding to the operation performing device determined by the
허브 디바이스(1000)는 리소스 트래킹 모듈(resource tracking module)(1350)을 이용하여, 허브 디바이스(1000) 및 복수의 디바이스(4000)의 리소스 상태를 모니터링하고, 리소스 상태 정보를 획득할 수 있다. 리소스 상태 정보는 허브 디바이스(1000) 및 복수의 디바이스(4000)의 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 사용 상태와 관련된 정보를 포함한다. 리소스 상태 정보는 예를 들어, 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)의 잔여 용량, 평균 RAM 사용 용량, 및 평균 프로세서 점유율 정보 중 적어도 하나를 포함할 수 있다. 리소스 트래킹 모듈(1350)은 획득한 리소스 상태 정보를 기능 판단 모델 관리 모듈(1360)에 제공할 수 있다.The
허브 디바이스(1000)는 기능 판단 모델 관리 모듈(1360)을 이용하여, 기능 판단 모델(1370)을 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)에 저장하여 처리할 지 여부를 판단할 수 있다. 기능 판단 모델이 복수 개인 경우, 복수의 기능 판단 모델(1370) 각각에 대해 허브 디바이스(1000) 및 복수의 디바이스의 메모리(1300, 4130, 4230, 4310)에 저장하여 처리할 것인지 여부를 판단할 수 있다. 기능 판단 모델 관리 모듈(1360)은 음성 비서 서버(2000)로부터 수신한 기능 판단 모델의 정보(예를 들어, 기능 판단 모델의 용량 정보)와 리소스 트래킹 모듈(1350)로부터 수신한 리소스 상태 정보를 비교 및 분석할 수 있다. 기능 판단 모델 관리 모듈(1360)은 비교/분석 결과를 이용하여, 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드(download)하여 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)에 저장할 지 여부를 결정할 수 있다. The
일 실시예에서, 기능 판단 모델 관리 모듈(1360)이 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드하여 메모리(1300)에 저장하기로 결정한 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 기능 판단 모델을 전송해 줄 것을 요청하는 쿼리(query)를 전송하고, 음성 비서 서버(2000)로부터 기능 판단 모델을 수신하여 메모리(1300)에 저장할 수 있다. In one embodiment, when the function determination
다른 실시예에서, 기능 판단 모델 관리 모듈(1360)이 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드하여 허브 디바이스(1000)가 아닌 복수의 디바이스(4000) 중 적어도 하나의 메모리(4130, 4230, 4310)에 저장하기로 결정한 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 기능 판단 모델을 전송해 줄 것을 요청하는 쿼리(query)를 전송하고, 음성 비서 서버(2000)로부터 기능 판단 모델을 수신하여 복수의 디바이스(4000) 중 적어도 하나에 전송할 수 있다. 음성 비서 서버(2000)는 기능 판단 모델을 허브 디바이스(1000)가 아닌 복수의 디바이스(4000) 중 적어도 하나에 전송할 수 있다.In another embodiment, the function determination
다른 실시예에서, 기능 판단 모델 관리 모듈(1360)이 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드하지 않기로 결정한 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 기 저장된 기능 판단 모델에 관한 액세스(access) 정보를 수신하고, 수신된 액세스 정보를 기능 판단 모델 데이터베이스(1362)에 저장할 수 있다. In another embodiment, when the function determination
기능 판단 모델 데이터베이스(1362)는 음성 비서 서버(2000)에 기 저장된 복수의 기능 판단 모델(2362, 2364, 2366, 2368) 중 허브 디바이스(1000)와 동일한 사용자 계정에 등록되어 있거나 또는 신규로 등록된 디바이스에 대응하는 기능 판단 모델에 관한 용량 정보 및 액세스 정보를 저장하고 있을 수 있다. 액세스 정보는 각 기능 판단 모델이 저장된 음성 비서 서버(2000)의 식별 정보(예를 들어, 서버 id), 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 음성 비서 서버(2000) 내의 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 각 기능 판단 모델의 사용 언어 및 대응하는 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. The function
일 실시예에서, 허브 디바이스(1000)는 사용자 계정에 신규 디바이스가 등록되는 경우, 기능 판단 모델 관리 모듈(1360)을 이용하여, 신규 디바이스에 대응하는 기능 판단 모델에 관한 정보(예를 들어, 용량 정보)를 음성 비서 서버(2000)로부터 수신한다. 허브 디바이스(1000)는, 수신된 기능 판단 모델에 관한 정보에 기초하여, 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하여 메모리(1300, 도 2 참조) 내에 저장할 지 여부를 결정할 수 있다. 기능 판단 모델을 메모리(1300)에 저장하는 것으로 결정한 경우, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하고, 메모리(1300)에 저장할 수 있다. 기능 판단 모델을 저장하지 않는 것으로 결정한 경우, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델에 관한 액세스 정보를 기능 판단 모델 데이터베이스(1362)에 저장할 수 있다. In one embodiment, when a new device is registered in a user account, the
허브 디바이스(1000)는 허브 디바이스(1000) 자체의 기능을 판단하고, 판단된 기능에 따른 동작을 수행하기 위한 기능 판단 모델(1372) 및 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 대응하는 기능 판단 모델(1374)을 자체적으로 저장하고 있을 수 있다. 예를 들어, 허브 디바이스(1000)가 음성 비서 스피커인 경우, 허브 디바이스(1000)는 자체의 기능을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 스피커 기능 판단 모델(1372)을 저장할 수 있다. 다른 예를 들어, 허브 디바이스(1000)는 TV에 대응하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 TV 기능 판단 모델(1374)을 저장할 수도 있다. TV는 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 IoT 서버(3000)에 기 등록된 디바이스일 수 있다. The
스피커 기능 판단 모델(1372) 및 TV 기능 판단 모델(1374)은 각각 제2 자연어 이해 모델(1372a, 1374a) 및 액션 플랜 관리 모델(1372b, 1374b)을 포함할 수 있다. 제2 자연어 이해 모델(1372a, 1374a) 및 액션 플랜 관리 모델(1372b, 1374b)에 관해서는 도 2에서 상세하게 설명하기로 한다.The speaker
음성 비서 서버(2000)는 허브 디바이스(1000)로부터 수신된 텍스트에 기초하여, 사용자가 의도하는 동작을 수행할 동작 수행 디바이스를 결정할 수 있다. 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자 계정에 관한 정보를 수신할 수 있다(S1). 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자 계정 정보를 수신하면, 수신된 사용자 계정 정보에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 IoT 서버(3000)에 요청하는 쿼리(query)를 전송하고(S9), IoT 서버(3000)로부터 복수의 디바이스(4000)에 관한 디바이스 정보를 수신할 수 있다(S10). 디바이스 정보는, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 음성 비서 서버(2000)는 IoT 서버(3000)로부터 수신한 디바이스 정보를 허브 디바이스(1000)에 전송할 수 있다(S2). The
음성 비서 서버(2000)는 디바이스 판단 모델(2330), 음성 비서 모델 업데이트 모듈(2340), 온 디바이스 모델 업데이트 모듈(On device model update module)(2350), 및 복수의 기능 판단 모델(2362, 2364, 2366, 2368)을 포함할 수 있다. 음성 비서 서버(2000)는 디바이스 판단 모델(2330)을 이용하여, 복수의 기능 판단 모델(2362, 2364, 2366, 2368) 중 허브 디바이스(1000)로부터 수신된 텍스트의 적어도 일부에 대응하는 기능 판단 모델을 선택하고, 선택된 기능 판단 모델을 이용하여 동작 수행 디바이스가 동작을 수행하기 위한 동작 정보를 획득할 수 있다. 음성 비서 서버(2000)는 동작 정보를 IoT 서버(3000)에 전송할 수 있다(S9). The
음성 비서 서버(2000)는 음성 비서 모델 업데이트 모듈(2340)을 이용하여, 음성 비서 모델을 업데이트할 수 있다. IoT 서버(3000)의 사용자 계정에 신규 디바이스가 새롭게 등록되는 경우 또는 기존 디바이스에 신규 기능이 추가되는 경우, 음성 비서 서버(2000)는 음성 비서 모델 업데이트 모듈(2340)을 이용하여 디바이스 판단 모델(2330) 및 기능 판단 모델(2368)을 업데이트할 수 있다. 예를 들어, 제2 디바이스(4200)의 기능이 추가되거나, 변경되는 경우와 같이, 제2 디바이스(4200)에 대응하는 기능 판단 모델(2364)이 업데이트되는 경우, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)이 업데이트된 기능을 해석함으로써, 업데이트된 기능과 관련된 동작 수행 디바이스로서 제2 디바이스(4200)를 결정할 수 있도록 학습 등을 통해 디바이스 판단 모델(2330)을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)의 제1 자연어 이해 모델(2332)이 새로 업데이트된 기능에 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델(2332)을 새로운 모델로 업데이트할 수 있다. The
예를 들어, IoT 서버(3000)의 사용자 계정에 신규 디바이스(4300)가 등록되는 경우, 음성 비서 모델 업데이트 모듈(2340)은 IoT 서버(3000)로부터 신규 디바이스(4300)의 식별 정보 및 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 수신하고, 수신된 기능 판단 모델(2368)을 메모리(2300, 도 3 참조) 내의 기존 기능 판단 모델(2362, 2364, 2366)에 추가하여 저장할 수 있다. 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)이 텍스트로부터 인텐트를 해석하고, 해석 결과 인텐트와 관련된 동작 수행 디바이스로서 신규 디바이스(4300)를 결정할 수 있도록 학습 등을 통해 디바이스 판단 모델(2330)을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)의 제1 자연어 이해 모델(2332)이 신규 디바이스(4300)와 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델(2332)을 새로운 모델로 업데이트할 수 있다. For example, when a
음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 사용자 계정 별로 음성 비서 모델을 학습시키고, 학습을 통해 업데이트된 음성 비서 모델 중 적어도 일부를 허브 디바이스(1000)에 전송할 지 여부를 결정할 수 있다. 다른 실시예에서, 학습을 통해 업데이트된 음성 비서 모델 중 적어도 일부를 허브 디바이스(1000) 외 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 전송하도록 결정할 수 있다. 온 디바이스 모델 업데이트 모듈(2350)은 음성 비서 모델의 구성에 관한 정보를 각 사용자 계정 별로 저장하는 온 디바이스 모델 정보 데이터베이스(2352)를 포함할 수 있다. 온 디바이스 모델 정보 데이터베이스(2352)는 예를 들어, 사용자 계정 정보, 사용자 계정에 연관되어 등록된 복수의 디바이스에 대한 식별 정보, 복수의 디바이스 각각에 대응하는 기능 판단 모델의 식별 정보, 기능 판단 모델의 버전(version) 정보, 디바이스 판단 모델의 버전 정보, 및 디바이스 판단 모델에 의해 동작 수행 디바이스로 판단될 수 있는 디바이스 종류에 관한 정보 중 적어도 하나를 저장할 수 있다. The
음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000)에 전송하는 것으로 결정한 경우, 통신 인터페이스(2100, 도 3 참조)를 이용하여 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000)에 전송할 수 있다(S2). 일 실시예에서, 음성 비서 서버(2000)가 허브 디바이스(1000)로부터 신규 디바이스에 대응하는 기능 판단 모델(2368)의 전송을 요청하는 신호가 수신되는 경우(S1), 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여 신규 디바이스에 대응하는 기능 판단 모델(2368)을 허브 디바이스(1000)에 전송할 수 있다(S2). 다른 실시예에서, 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여 신규 디바이스에 대응하는 기능 판단 모델(2368)을 복수의 디바이스(4000) 중 적어도 하나에 전송할 수 있다.When it is determined that the
음성 비서 서버(2000)에 저장되어 있는 복수의 기능 판단 모델(2362, 2364, 2366, 2368) 각각에 관해서는 도 3에서 상세하게 설명하기로 한다. Each of the plurality of
IoT 서버(3000)는 네트워크를 통해 연결되고, 허브 디바이스(1000)의 사용자 계정에 기 등록된 복수의 디바이스(4000)에 관한 정보를 저장할 수 있다. 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각으로부터 로그인된 사용자 계정 정보, 복수의 디바이스(4000)의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 및 복수의 디바이스(4000) 각각의 기능 수행 능력 정보(capability) 중 적어도 하나를 수신할 수 있다(S11, S13, S15). 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각의 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 상태 정보를 복수의 디바이스(4000)로부터 수신할 수도 있다(S11, S13, S15). IoT 서버(3000)는 복수의 디바이스(4000)로부터 수신된 디바이스 정보 및 디바이스의 상태 정보를 저장하고 있을 수 있다. The
IoT 서버(3000)는 복수의 디바이스(4000) 각각으로부터 수신한 디바이스 정보, 및 상태 정보를 음성 비서 서버(2000)에 전송할 수 있다(S10). The
IoT 서버(3000)는, 음성 비서 서버(2000)로부터 수신한 동작 정보에 기초하여, 동작 수행 디바이스가 판독하고, 실행할 수 있는 제어 명령을 생성할 수 있다. IoT 서버(3000)는 복수의 디바이스(4000) 중 동작 수행 디바이스로 결정된 디바이스에 제어 명령을 전송할 수 있다(S12, S14, S16). The
IoT 서버(3000)의 구성 요소에 대해서는 도 4에서 상세하게 설명하기로 한다. Components of the
도 1에 도시된 실시예에서, 복수의 디바이스(4000)는 제1 디바이스(4100), 제2 디바이스(4200), 및 신규 디바이스(4300)를 포함할 수 있다. 도 1에서 제1 디바이스(4100)는 에어컨이고, 제2 디바이스(4200)는 TV이고, 신규 디바이스(4300)는 공기청정기인 것으로 도시되어 있지만, 이에 한정되는 것은 아니다. 복수의 디바이스(4000)는 에어컨, TV, 공기청정기 뿐만 아니라, 로봇 청소기, 세탁기, 오븐, 전자레인지, 체중계, 냉장고, 전자 액자 등 가전 제품, 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 등 모바일 디바이스를 포함할 수도 있다. In the embodiment illustrated in FIG. 1, the plurality of
복수의 디바이스(4000) 중 적어도 하나의 디바이스는 기능 판단 모델을 자체적으로 저장하고 있을 수 있다. 예를 들어 제1 디바이스(4100)의 메모리(4130)에는, 제1 디바이스(4100)가 사용자의 음성 입력으로부터 판단된 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하고, 동작 정보에 기초하여 제어 명령을 생성하기 위하여 이용되는 기능 판단 모델(4132)이 저장되어 있을 수 있다. At least one device among the plurality of
복수의 디바이스(4000) 중 제2 디바이스(4200) 및 신규 디바이스(4300)는 각 디바이스에 대응하는 기능 판단 모델을 저장하지 않는다. 그러나, 이에 한정되는 것은 아니다. 일 실시예에서, 신규 디바이스(4300)에 대응하는 기능 판단 모델이 신규 디바이스(4300)의 내부 메모리에 자체적으로 저장되어 있을 수 있다. Among the plurality of
복수의 디바이스(4000) 중 적어도 하나의 디바이스는, 복수의 디바이스(4000) 각각에 대응하는 기능 판단 모델을 자체적으로 저장하고 있는지 여부에 관한 정보를 허브 디바이스(1000)에 전송할 수 있다(S4, S6, S8). At least one of the plurality of
도 2는 본 개시의 일 실시예에 따른 허브 디바이스(1000)의 구성 요소를 도시한 블록도이다.2 is a block diagram illustrating components of a
허브 디바이스(Hub device)(1000)는 사용자의 음성 입력을 수신하고, 수신된 음성 입력에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. 허브 디바이스(1000)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. The
도 2를 참조하면, 허브 디바이스(1000)는 적어도 마이크(1100), 프로세서(1200), 메모리(1300) 및 통신 인터페이스(1400)를 포함하도록 구성될 수 있다. 허브 디바이스(1000)는 마이크(1100)를 통해 사용자로부터 음성 입력(예를 들어, 사용자의 발화)을 수신하고, 수신된 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는, 마이크(1100)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다. Referring to FIG. 2, the
도면에는 도시되지 않았지만, 허브 디바이스(1000)는 지정된 음성 입력(예를 들어, '하이 빅스비', '오케이 구글'등과 같은 웨이크 업 입력)을 감지하는 기능 또는 일부 음성 입력으로부터 획득한 음성 신호를 전처리하는 기능을 갖는 음성 인식 모듈을 포함할 수 있다. Although not shown in the drawing, the
프로세서(1200)는 메모리(1300)에 저장된 프로그램의 하나 이상의 명령어들(instructions)을 실행할 수 있다. 프로세서(1200)는 산술, 로직 및 입출력 연산과 시그널 프로세싱을 수행하는 하드웨어 구성 요소로 구성될 수 있다. 프로세서(1200)는 예를 들어, 중앙 처리 장치(Central Processing Unit), 마이크로 프로세서(microprocessor), 그래픽 프로세서(Graphic Processing Unit), ASICs(Application Specific Integrated Circuits), DSPs(Digital Signal Processors), DSPDs(Digital Signal Processing Devices), PLDs(Programmable Logic Devices), 및 FPGAs(Field Programmable Gate Arrays) 중 적어도 하나로 구성될 수 있으나, 이에 제한되는 것은 아니다. The
메모리(1300)에는 마이크(1100)를 통해 수신한 사용자의 음성 입력에 기초하여 복수의 디바이스(4000)를 제어하기 위한 명령어들(instruction)을 포함하는 프로그램이 저장될 수 있다. 메모리(1300)에는 프로세서(1200)가 판독할 수 있는 명령어들 및 프로그램 코드(program code)가 저장될 수 있다. 이하의 실시예에서, 프로세서(1200)는 메모리에 저장된 프로그램의 명령어들 또는 코드들을 실행함으로써 구현될 수 있다. A program including instructions for controlling the plurality of
메모리(1300)에는 ASR 모듈(1310)에 관한 데이터, NLG 모듈(1320)에 관한 데이터, TTS 모듈(1330)에 관한 데이터, 디바이스 판단 모델(1340)에 관한 데이터, 리소스 트래킹 모듈(1350)에 관한 데이터, 기능 판단 모델 관리 모듈(1360)에 관한 데이터, 및 복수의 기능 판단 모델(1370) 각각에 대응하는 데이터가 저장되어 있을 수 있다. The
메모리(1300)는 비휘발성 메모리(Non-volatile memory)를 포함할 수 있다. 메모리(1300)는 예를 들어, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), SSD(Solid State Drive), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다. The
프로세서(1200)는 메모리(1300)에 저장된 ASR 모듈(1310)에 대한 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행함으로써, 마이크(1100)를 통해 수신한 음성 신호를 텍스트(text)로 변환할 수 있다. The
프로세서(1200)는 메모리(1300)에 저장된 디바이스 판단 모델(1340)에 관한 데이터를 이용하여, 변환된 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스(4000) 중 동작 수행 디바이스를 결정할 수 있다. 디바이스 판단 모델(1340)은 제1 자연어 이해 모델(1342)을 포함할 수 있다. 일 실시예에서, 프로세서(1200)는 디바이스 판단 모델(1340) 내에 포함된 제1 자연어 이해 모델(Natural Language Understanding; NLU)(1342)에 대한 데이터를 이용하여 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스(4000) 중 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스를 결정할 수 있다. The
제1 자연어 이해 모델(1342)은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델(1342)은 텍스트를 해석함으로써, 인텐트(intent)를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. The first natural language understanding model 1342 is a model trained to analyze text converted from a voice input and determine a device for performing an operation based on the analysis result. The first natural language understanding model 1342 may determine an intent by analyzing text, and may be used to determine a device for performing an operation based on the intent.
일 실시예에서, 프로세서(1200)는 메모리(1300)에 저장된 제1 자연어 이해 모델(1342)에 관한 데이터를 이용하여, 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 프로세서(1200)는, 추론된 단어의 의미를 제1 자연어 이해 모델(1342)에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 인텐트를 결정할 수 있다. In one embodiment, the
프로세서(1200)는 인텐트와 디바이스 간의 관련성을 판단하는 매칭 모델에 기초하여, 텍스트로부터 인식된 인텐트와 관련된 디바이스를 동작 수행 디바이스로 결정할 수 있다. 일 실시예에서, 매칭 모델은 메모리(1300)에 저장된 디바이스 판단 모델(1340)에 대한 데이터에 포함되고, 룰 베이스 시스템(rule-based system)을 통한 학습을 통해 획득될 수 있지만, 이에 한정되지는 않는다. The
일 실시예에서, 프로세서(1200)는 인텐트에 매칭 모델을 적용함으로써, 인텐트와 복수의 디바이스(4000, 도 1 참조) 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 디바이스를 최종 동작 수행 디바이스로 결정할 수 있다. 예를 들어, 인텐트가 제1 디바이스(4100, 도 1 참조) 및 제2 디바이스(4200, 도 1 참조)와 각각 관련되는 경우, 프로세서(1200)는 인텐트와 제1 디바이스(4100) 간의 관련성 정도를 나타내는 제1 수치값, 및 인텐트와 제2 디바이스(4200) 간의 관련성 정도를 나타내는 제2 수치값을 획득하고, 제1 수치값 및 제2 수치값 중 높은 수치값을 갖는 제1 디바이스(4100)를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
예를 들어, 허브 디바이스(1000)가 사용자로부터 "더우니까 설정 온도 2°C 내려줘~"라는 음성 입력을 수신하는 경우, 프로세서(1200)는 ASR 모듈(1310)에 관한 데이터를 이용하여 음성 입력을 텍스트로 변환하는 ASR을 수행하고, 제1 자연어 이해 모델(1342)에 관련된 데이터를 이용하여 변환된 텍스트를 분석함으로써, '설정 온도 조절'이라는 인텐트를 획득할 수 있다. 프로세서(1200)는 매칭 모델을 적용하여 '설정 온도 조절'의 인텐트와 에어컨인 제1 디바이스(4100) 간의 관련도를 나타내는 제1 수치값, '설정 온도 조절'의 인텐트와 TV인 제2 디바이스(4200) 간의 관련도를 나타내는 제2 수치값, 및 '설정 온도 조절'과 공기 청정기인 신규 디바이스(4300, 도 1 참조) 간의 관련도를 나타내는 제3 수치값을 각각 획득할 수 있다. 프로세서(1200)는 획득된 수치값 중 최대값인 제1 수치값을 통해 '설정 온도 조절'과 관련된 동작 수행 디바이스로서 제1 디바이스(4100)를 결정할 수 있다. For example, when the
다른 예에서, 허브 디바이스(1000)가 사용자로부터 "영화 어벤져스 틀어줘~"라는 음성 입력을 수신하는 경우, 프로세서(1200)는 음성 입력으로부터 변환된 텍스트를 분석하여, '컨텐트 재생(play)'이라는 인텐트를 획득할 수 있다. 프로세서(1200)는 매칭 모델을 이용하여 산출된 '컨텐트 재생'의 인텐트와 에어컨인 제1 디바이스(4100) 간의 관련도를 나타내는 제1 수치값, '컨텐트 재생'의 인텐트와 TV인 제2 디바이스(4200) 간의 관련도를 나타내는 제2 수치값, 및 '컨텐트 재생'의 인텐트와 공기 청정기인 신규 디바이스(4300) 간의 관련도를 나타내는 제3 수치값 중 최대값인 제2 수치값 정보에 기초하여, 제2 디바이스(4200)를 '컨텐트 재생'과 관련된 동작 수행 디바이스로 결정할 수 있다. In another example, when the
그러나, 전술한 예시로 한정되는 것은 아니고, 프로세서(1200)는 인텐트와 복수의 디바이스 간의 관련성 정도를 나타내는 수치값을 높은 순서로 나열하여, 미리 정해진 개수의 디바이스를 동작 수행 디바이스로 결정할 수도 있다. 일 실시예에서, 프로세서(1200)는 관련성 정도를 나타내는 수치값이 소정의 임계치 이상인 디바이스를 인텐트와 관련된 동작 수행 디바이스로 결정할 수 있다. 이 경우, 복수의 디바이스가 동작 수행 디바이스로 결정될 수 있다. However, it is not limited to the above-described example, and the
프로세서(1200)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 인텐트와 동작 수행 디바이스 간의 매칭 모델을 학습할 수 있으나, 이에 한정되는 것은 아니다. 프로세서(1200)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neural network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다. 프로세서(1200)가 이용하는 인공지능 모델들은 디바이스 판단 모델(1340) 내에 저장되어 있을 수 있다. The
허브 디바이스(1000)의 메모리(1300)에 저장되는 디바이스 판단 모델(1340)은, 허브 디바이스(1000)의 사용자 계정에 따라 등록된 복수의 디바이스(4000) 중에서 동작 수행 디바이스를 결정할 수 있다. 허브 디바이스(1000)는 통신 인터페이스(1400)를 이용하여, 음성 비서 서버(2000)로부터 복수의 디바이스(4000) 각각에 관한 디바이스 정보를 수신할 수 있다. 디바이스 정보는 예를 들어, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 프로세서(1200)는 메모리(1300)에 저장된 디바이스 판단 모델(1340)에 관한 데이터를 이용하여, 디바이스 정보에 기초하여 복수의 디바이스(4000) 중 인텐트에 따라 동작을 수행할 디바이스를 결정할 수 있다. The device determination model 1340 stored in the
일 실시예에서, 프로세서(1200)는 디바이스 판단 모델(1340)을 이용하여, 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정에 기 등록된 복수의 디바이스(4000) 각각과 인텐트의 관련도를 나타내는 수치값을 분석하고, 복수의 디바이스(4000) 각각과 인텐트 간의 관련도를 나타내는 수치값 중 최대값을 갖는 디바이스를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
디바이스 판단 모델(1340)은 허브 디바이스(1000)의 사용자와 동일한 사용자 계정으로 로그인하여 등록된 복수의 디바이스(4000) 만을 디바이스 후보(candidate)로 하여 동작 수행 디바이스를 결정하도록 구성되는바, 인텐트와의 관련도 판단을 위하여 프로세서(1200)에 의해 수행되는 연산량이 음성 비서 서버(2000)의 프로세서(2200, 도 3 참조)에 비해 감소되는 기술적 효과가 있다. 또한, 연산량의 감소로 인하여, 동작 수행 디바이스를 결정하는데 소요되는 프로세싱 시간이 감소되고, 따라서 응답 속도가 개선되는 효과도 있다. The device determination model 1340 is configured to determine the device performing the operation by logging in with the same user account as the user of the
일 실시예에서, 프로세서(1200)는 제1 자연어 이해 모델(1342)을 이용하여 텍스트로부터 디바이스의 명칭을 획득하고, 메모리(1300)에 저장된 디바이스 판단 모델(1340)에 관한 데이터를 이용하여, 디바이스의 명칭에 기초하여 동작 수행 디바이스를 결정할 수도 있다. 일 실시예에서, 프로세서(1200)는 제1 자연어 이해 모델(1342)를 이용하여 텍스트로부터 디바이스와 관련된 보통 명칭 및 디바이스의 설치 위치에 관한 단어 또는 구를 추출하고, 추출된 디바이스의 보통 명칭 및 설치 위치에 기초하여 동작 수행 디바이스를 결정할 수 있다. 예를 들어, 음성 입력으로부터 변환된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 프로세서(1200)는 제1 자연어 이해 모델(1342)을 이용하여 텍스트를 단어 또는 구 단위로 파싱하고, 단어 또는 구를 기 저장된 단어 또는 구와 비교하여 'TV'라는 디바이스의 명칭을 인식할 수 있다. 프로세서(1200)는 허브 디바이스(1000)의 사용자 계정(account)과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 연결된 복수의 디바이스(4000) 중 TV인 제2 디바이스(4200)를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
NLG 모듈(Natural Language Generator)(1320)은 허브 디바이스(1000)와 사용자 간의 대화 시 응답 메시지를 제공하는데 사용될 수 있다. 예를 들어, 프로세서(1200)는 NLG 모듈(1320)에 관한 데이터를 이용하여 "TV에서 영화를 재생하겠습니다." 또는 "에어컨의 설정 온도를 2°C만큼 내리겠습니다."등 응답 메시지를 생성할 수 있다. NLG 모듈(1320)에 의해 생성된 응답 메시지는 텍스트(text)로 구성된 메시지일 수 있다. The NLG module (Natural Language Generator) 1320 may be used to provide a response message during a conversation between the
NLG 모듈(1320)은 프로세서(1200)에 의해 결정된 동작 수행 디바이스가 복수 개이거나, 또는 인텐트와의 관련성 정도가 유사하게 산출된 디바이스가 복수 개 존재하는 경우, 특정 동작 수행 디바이스를 결정하기 위한 질의 메시지를 생성하는데 이용되는 데이터를 저장할 수 있다. 일 실시예에서, 프로세서(1200)는 NLG 모듈(1320)에 관한 데이터를 이용하여, 복수의 디바이스 후보 중 어느 하나의 동작 수행 디바이스를 선택하기 위한 질의 메시지를 생성할 수 있다. 질의 메시지는 복수의 디바이스 후보 중 어느 하나의 디바이스를 동작 수행 디바이스로 결정할 것인지에 관하여 사용자의 응답을 유도하는 메시지일 수 있다. The
TTS 모듈(1330)은 NLG 모듈(1320)에 의해 생성된 텍스트 형태의 응답 메시지 또는 질의 메시지를 오디오 신호로 변환할 수 있다. 일 실시예에서, 프로세서(1200)는 TTS 모듈(1330)에 관한 데이터를 이용하여 텍스트 형태의 응답 메시지 또는 질의 메시지를 오디오 신호로 변환하고, 스피커를 통해 출력하도록 제어할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 동작 수행 디바이스로부터 동작의 실행 결과를 알리는 알림 메시지를 수신할 수 있다. 이 경우, 알림 메시지는 텍스트 형태인데, 프로세서(1200)는 TTS 모듈(1330)에 관한 데이터를 이용하여 텍스트 형태의 알림 메시지를 오디오 신호로 변환할 수 있다. 프로세서(1200)는 오디소 신호로 변환된 알림 메시지를 스피커를 통해 출력할 수 있다. The
허브 디바이스(1000)는. 허브 디바이스(1000)에 연결되는 신규 디바이스에 대한 정보를 획득하면, 음성 비서 서버(2000)에, 허브 디바이스(1000)에 저장된 디바이스 판단 모델에 대한 업데이트를 요청한다. 일 실시예에서, 허브 디바이스(1000)는 IoT 서버(3000)로부터 수신한 신규 디바이스의 디바이스 정보(예, 신규 디바이스의 식별 정보, 신규 디바이스의 타입 정보 등)에 기초하여, 사용자의 음성 입력으로부터 신규 디바이스와 관련된 텍스트를 분석하고, 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록, 메모리(1300, 도 2 참조)에 기 저장된 디바이스 판단 모델에 관한 업데이트를 요청하는 쿼리(query) 신호를 음성 비서 서버(2000)에 전송할 수 있다. 이 경우, 허브 디바이스(1000)는 적어도 사용자 계정 정보 및 허브 디바이스(1000)의 식별 정보(예를 들어, 허브 디바이스의 id 정보)를 쿼리 신호와 함께 음성 비서 서버(2000)에 전송할 수 있다.The
다른 실시예에서, 허브 디바이스(1000)는 신규 디바이스로부터 신규 디바이스의 디바이스 정보(예, 신규 디바이스의 식별 정보, 신규 디바이스의 타입 정보 등)를 수신할 수 있다. 이 경우, 허브 디바이스(1000)는 신규 디바이스로부터 수신한 신규 디바이스의 디바이스 정보에 기초하여, 허브 디바이스(1000)에 기 저장된 디바이스 판단 모델에 관련 업데이트를 요청하는 쿼리 신호를 음성 비서 서버에 전송할 수 있다.In another embodiment, the
허브 디바이스(1000)의 요청에 대응하여, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 업데이트된 디바이스 판단 모델을 수신하여 저장한다. 일 실시예에서, 허브 디바이스(1000)는, 신규 디바이스에 관한 사용자의 음성 입력을 분석하고, 분석 결과 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록 업데이트된 디바이스 판단 모델을 음성 비서 서버(2000)로부터 다운로드(download)하고, 허브 디바이스(1000) 내부의 메모리(1300, 도 2 참조)에 업데이트된 디바이스 판단 모델을 저장할 수 있다. 디바이스 판단 모델의 업데이트 요청 및 업데이트된 디바이스 판단 모델을 수신하여 저장하는 동작은, 별도의 소프트웨어 모듈에 의해 수행될 수도 있다. 또한, 이러한 동작은, 기능 판단 모델 관리 모듈(1360)에 의해 수행될 수도 있다.In response to the request of the
리소스 트래킹 모듈(resource tracking module)(1350)은 허브 디바이스(1000) 및 복수의 디바이스(4000)의 구성 요소, 예를 들어 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 리소스 상태를 모니터링하고, 리소스 상태 정보를 획득하는 모듈이다. 리소스 상태 정보는 허브 디바이스(1000) 및 복수의 디바이스(4000)의 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 사용 상태를 나타내는 정보이다. 리소스 상태 정보는 예를 들어, 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)의 잔여 용량, 평균 RAM 사용 용량, 및 평균 프로세서 점유율 정보 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 리소스 트래킹 모듈(1350)을 이용하여, 프로세서(1200, 4120, 4220, 4320)의 평균 프로세싱 속도, 메모리(1300, 4130, 4230, 4310)의 잔여 용량, 및 RAM의 평균 잔여 용량 중 적어도 하나를 실시간으로 또는 주기적으로 모니터링할 수 있다. 리소스 트래킹 모듈(1350)은 모니터링을 통해 획득한 리소스 상태 정보를 기능 판단 모델 관리 모듈(1360)에 제공할 수 있다. The resource tracking module 1350 includes components of the
기능 판단 모델 관리 모듈(1360)은 기능 판단 모델(1370)을 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)에 저장하여 처리할 지 여부를 판단할 수 있다. 기능 판단 모델이 복수 개인 경우, 복수의 기능 판단 모델(1370) 각각에 대해 허브 디바이스(1000) 및 복수의 디바이스의 메모리(1300, 4130, 4230, 4310)에 저장하여 처리할 것인지 여부를 판단할 수 있다. 기능 판단 모델 관리 모듈(1360)은 기능 판단 모델(1370)을 허브 디바이스(1000) 및 복수의 디바이스(4000) 중 어느 디바이스의 메모리(1300, 4130, 4230, 4310)에 저장할 지를 결정할 수도 있다. The function determination
기능 판단 모델 관리 모듈(1360)은 음성 비서 서버(2000, 도 1 참조)로부터 수신한 기능 판단 모델의 정보(예를 들어, 기능 판단 모델의 용량 정보)와 리소스 트래킹 모듈(1350)로부터 수신한 리소스 상태 정보를 비교 및 분석할 수 있다. 기능 판단 모델 관리 모듈(1360)은 비교/분석 결과를 이용하여, 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드(download)하고, 다운로드된 기능 판단 모델을 허브 디바이스(1000) 및 복수의 디바이스(4000)의 메모리(1300, 4130, 4230, 4310)에 저장할 지 여부를 결정할 수 있다. 일 실시예에서, 기능 판단 모델 관리 모듈(1360)은 음성 비서 서버(2000)로부터 수신한 신규 디바이스(4300, 도 1 참조)에 대응하는 기능 판단 모델을 메모리(1300, 4130, 4230, 4310)에 저장할 지 여부를 결정할 수 있다. 일 실시예에서, 기능 판단 모델 관리 모듈(1360)은 리소스 트래킹 모듈(1350)로부터 획득한 리소스 상태 정보에 기초하여, 허브 디바이스(1000) 및 복수의 디바이스(4000)의 사용 패턴에 따른 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 잔여 용량 및 점유율을 분석할 수 있다. 예를 들어, 사용자가 허브 디바이스(1000)를 통해 음악이나 동영상 컨텐츠를 플레이하는 빈도가 잦은 경우, 디코딩(decoding)이 지속적으로 발생하는바, 프로세서(1200)의 연산을 통한 점유율이 높고, RAM의 잔여 용량이 낮을 수 있다. 다른 예에서, 사용자가 복수의 디바이스(4000) 중 하나를 통해 날씨를 물어보는 등의 간단한 동작만을 수행하도록 하는 경우, 프로세서(4120, 4220, 4320)의 점유율이 높지 않고, 메모리(4130, 4230, 4310)의 잔여 용량이 많을 수 있다. 허브 디바이스(1000)의 기능 판단 모델 관리 모듈(1360)은 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 리소스 상태 정보를 기능 판단 모델의 정보와 비교함으로써, 기능 판단 모델을 허브 디바이스(1000)의 메모리(1300) 또는 복수의 디바이스(4000)의 메모리(4130, 4230, 4310) 내에 저장할 지 여부를 결정할 수 있다. 여기서, 기능 판단 모델의 정보는 기능 판단 모델의 용량 정보, 기능 판단 모델을 판독하기 위하여 점유되는 RAM 점유율 정보, 및 프로세서(1200, 4120, 4220, 4320)가 기능 판단 모델을 판독하여 기능에 따른 세부 동작들 및 세부 동작들의 순서를 통해 동작 정보를 획득하기 위하여 소요되는 가상의 처리 시간(simulated processing time)에 관한 정보 중 적어도 하나를 포함할 수 있다. The function determination
일 실시예에서, 허브 디바이스(1000)는 기능 판단 모델 관리 모듈(1360)에 관한 데이터를 이용함으로써, 음성 비서 서버(2000)로부터 수신한 기능 판단 모델의 정보에 기초하여, 메모리(1300, 4130, 4230, 4310)의 잔여 용량과 수신한 기능 판단 모델의 용량 정보를 비교하는 시뮬레이션을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 기능 판단 모델 관리 모듈(1360)에 관한 데이터를 이용하여, 프로세서(1200, 4120, 4220, 4320)와 연결된 RAM의 평균 잔여 용량과 기능 판단 모델을 처리하는 경우의 점유하는 RAM 용량을 비교하는 시뮬레이션을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 기능 판단 모델 관리 모듈(1360)에 관한 데이터를 이용하여, 프로세서(1200)의 평균 프로세싱 속도를 고려한 기능 판단 모델을 처리하는 경우의 프로세싱 시간을 시뮬레이션할 수 있다. In one embodiment, the
일 실시예에서, 기능 판단 모델 관리 모듈(1360)은 메모리(1300)의 잔여 용량과 기능 판단 모델의 용량의 차가 기설정된 임계값 보다 작은 경우, 기능 판단 모델을 메모리(1300)에 저장하지 않기로 결정할 수 있다. 일 실시예에서, 기능 판단 모델 관리 모듈(1360)은 기능 판단 모델의 가상 처리 시간이 기설정된 임계 시간 보다 긴 경우, 기능 판단 모델을 메모리(1300)에 저장하지 않기로 결정할 수 있다. 허브 디바이스(1000)가 기능 판단 모델 관리 모듈(1360)에 관한 데이터를 이용하여, 기능 판단 모델을 메모리(1300)에 저장할 지 여부를 결정하는 구체적인 방법은 도 7에서 상세하게 설명하기로 한다. In one embodiment, the function determination
다른 실시예에서, 기능 판단 모델 관리 모듈(1360)은 신규 디바이스(4300)에 대응하는 기능 판단 모델의 특성을 분석할 수 있다. 기능 판단 모델의 특성은, 기능 판단 모델을 통해서 디바이스가 수행하는 것으로 판단되는 기능에 대한 상세 정보를 기초로 분석된다. 기능에 대한 상세한 정보는, 기능의 명칭, 기능에 대한 상세한 설명(description), 기능을 수행에 필요한 리소스(메모리량, 프로세싱 속도 등), 기능을 수행하는 데 필요한 애플리케이션 및 기능의 대상이 되는 컨텐츠의 종류 등을 포함할 수 있다. 기능 판단 모델 관리 모듈(1360)은 기능에 대한 상세 정보를 획득하여, 이미 저장하고 있는 사용자의 음성 비서 사용 패턴, 미리 정해진 규칙들(하나 또는 복수 개), 사용자가 사전에 입력된 민감 정보에 대한 종류에 따라, 기능 판단 모델의 특성을 분석한다.In another embodiment, the function determination
기능 판단 모델의 특성은, 디바이스에서 기능을 수행하여 그 결과를 해당 디바이스 또는 다른 주변 디바이스를 통해 출력하는 데까지 요구되는 최소 시간을 포함하며, 요구되는 최소 시간은 미리 정해진 규칙에 의해 결정될 수 있다. 예를 들면, 허브 디바이스는, 디바이스의 전원 On/Off에 대한 기능에 대한 기본 최소 시간은 0.1ms, 디바이스에서 동영상 컨텐츠를 검색하여 재생하는 기능에 대한 기본 최소 시간은 1s라는 정보를 저장할 수 있다. 또한, 허브 디바이스는, 사용자가 음성을 입력한 디바이스와 기능 수행 대상이 되는 디바이스가 서로 다른 경우에는, 기본 최소 시간에 0.5ms가 추가되도록 계산하는 규칙을 저장할 수 있다.The characteristic of the function determination model includes a minimum time required for a device to perform a function and output the result through a corresponding device or another peripheral device, and the required minimum time may be determined by a predetermined rule. For example, the hub device may store information that the basic minimum time for a function for power on/off of the device is 0.1 ms, and the basic minimum time for a function for searching and playing video content from the device is 1 s. In addition, the hub device may store a rule that calculates that 0.5 ms is added to the basic minimum time when a device to which a user inputs a voice and a device to perform a function are different from each other.
또한, 기능 판단 모델의 특성은, 사용자의 음성 비서 사용 패턴을 고려했을 때, 사용자가 자주 사용하는 기능과 유사한지 여부를 포함한다. 예를 들면, 허브 디바이스는, 허브 디바이스가 음악 재생을 2일에 한 번씩 재생한다는 사용 패턴 정보를 저장할 수 있다. 이 경우, 신규 디바이스의 기능 판단 모델이 포함하고 있는 기능에 대한 상세 정보를 이용하여, 신규 디바이스의 기능 판단 모델이 음악 재생과 관련된 기능을 포함하고 있고, 이 기능은 사용자가 2일에 한 번씩 재생하는 기능과 일치한다는 것을 판단할 수 있다.In addition, the characteristic of the function determination model includes whether or not the function is similar to a function frequently used by the user when the user's voice assistant usage pattern is considered. For example, the hub device may store usage pattern information indicating that the hub device plays music once every two days. In this case, using detailed information on the functions included in the function determination model of the new device, the function determination model of the new device includes a function related to music playback, and this function is played by the user every two days. It can be determined that it is consistent with the function to be performed.
또한, 기능 판단 모델의 특성은, 해당 기능을 수행하는 데 사용자의 민감 정보를 활용하는 지 여부를 포함하며, 사용자의 민감 정보는 미리 정해진 규칙에 의해 판단되거나, 사용자가 사전에 입력한 민감 정보에 대한 종류에 따라 판단될 수 있다. 예를 들어, 허브 디바이스는, 신규 디바이스의 기능 판단 모델이 스케줄 정보를 획득하여 캘린더 앱에 등록하는 기능을 포함하고 있는 경우, 스케줄 정보가 사용자의 민감 정보인지를 판단한다. 허브 디바이스는, 사용자의 사전에 입력한 민감 정보의 종류에 따라, 스케줄 정보가 사용자의 민감 정보라고 판단할 수 있다. In addition, the characteristics of the function determination model include whether or not the user's sensitive information is used to perform the function, and the user's sensitive information is determined by a predetermined rule or is based on the sensitive information previously entered by the user. It can be judged according to the type. For example, when the function determination model of the new device includes a function of acquiring schedule information and registering it in a calendar app, the hub device determines whether the schedule information is sensitive information of the user. The hub device may determine that the schedule information is the user's sensitive information according to the type of sensitive information previously input by the user.
기능 판단 모델 관리 모듈(1360)은 기능 판단 모델의 특성을 분석하여, 신규 디바이스에 대응하는 기능 판단 모델을 다운로드 받을 지 여부를 결정할 수 있다. 일 예로, 기능 판단 모델의 특성을 분석한 결과, 기능 판단 모델이 포함하고 있는 기능 중 일부가 수행되여 그 결과를 출력하는 데까지 요구되는 최소 시간이 일정 시간 이하인 경우, 허브 디바이스 또는 신규 디바이스에 기능 판단 모델을 다운로드 받는 것으로 결정할 수 있다. The function determination
또 다른 예로, 기능 판단 모델의 특성을 분석한 결과, 기능 판단 모델이 포함하고 있는 기능 중 일부가 사용자가 자주 사용하는 기능과 유사하다고 판단되는 경우, 허브 디바이스 또는 신규 디바이스에 기능 판단 모델을 다운로드 받는 것으로 결정할 수 있다. 또 다른 예로, 기능 판단 모델의 특성을 분석한 결과, 기능 판단 모델이 포함하고 있는 기능 중 일부가 사용자의 민감 정보를 활용하는 것으로 판단되는 경우, 허브 디바이스 또는 신규 디바이스에 기능 판단 모델을 다운로드 받는 것으로 결정할 수 있다.As another example, as a result of analyzing the characteristics of the function determination model, if it is determined that some of the functions included in the function determination model are similar to the functions frequently used by the user, the function determination model is downloaded to a hub device or a new device. Can be determined. As another example, as a result of analyzing the characteristics of the function determination model, if it is determined that some of the functions included in the function determination model utilize the user's sensitive information, the function determination model is downloaded to a hub device or a new device. You can decide.
또 다른 실시예에서, 기능 판단 모델 관리 모듈(1360)은, 신규 디바이스의 제조사 또는 모델명 정보를 획득하여, 제조사 또는 모델명 정보에 따라 신규 디바이스에 대응하는 기능 판단 모델을 다운로드 받을 지를 결정할 수 있다. 허브 디바이스는, 제조사 또는 모델명 별로 기능 판단 모델을 다운로드 받을 지 유무에 대한 데이터를 미리 저장하고 있을 수 있다. 허브 디바이스는, 미리 저장된 데이터를 이용하여, 신규 디바이스의 제조사 또는 모델명 정보가 기능 판단 모델을 다운로드 받는 것으로 지정되어 있다고 판단하면, 기능 판단 모델을 다운로드 받는 것으로 결정할 수 있다. 또한, 허브 디바이스는, 허브 디바이스의 제조사 정보와 신규 디바이스의 제조사 정보를 비교하여, 일치한다고 판단되는 경우 신규 디바이스에 대응하는 기능 판단 모델을 다운로드 받도록 결정할 수 있다. In another embodiment, the function determination
또 다른 실시예에서는, 기능 판단 모델 관리 모듈(1360)은, 신규 디바이스의 제조사 또는 모델명 정보를 획득하여, 제조사 또는 모델명 정보에 따라 신규 디바이스에 대응하는 기능 판단 모델을 다운로드 받을 때, 데이터 어댑터 모듈(미도시)을 기능 판단 모델과 함께 다운로드 받을 수 있다. 데이터 어댑터 모듈(미도시)은, 음성 비서 서버와 IoT 서버를 연동시키기 위해 음성 비서 서버의 출력 데이터를 IoT 서버에서 처리 가능한 형태의 데이터로 변환하는 SW 모듈을 의미한다. 일 실시예에서, 데이터 어댑터 모듈은, 디바이스가 외부로부터 획득한 데이터를 디바이스 내부에 저장된 데이터와 비교하여 유사성을 판단하고, 외부로부터 획득한 데이터를 그와 가장 유사한 데이터로 변환할 수 있다. 데이터의 변환은, 변환 전 데이터와 변환 후 데이터의 쌍들(pairs)로 구성된 데이터 베이스에 기반하여 수행될 수 있다. 이 경우, 데이터 어댑터 모듈은, 외부로부터 획득한 데이터와 변환 전 데이터를 비교하여 유사성을 판단하고, 변환 전 데이터 중 외부로부터 획득한 데이터와 가장 유사한 데이터를 확인한다. 데이터 어댑터 모듈은, 확인된 변환 전 데이터를 이용하여 대응하는 변환 후 데이터를 확인하여, 확인된 변환 후 데이터를 출력한다. 다른 실시예에서, 데이터 어댑터 모듈은, 데이터 베이스 대신 데이터 변환 모델을 이용하여 외부로부터 획득한 데이터를 변환할 수 있다. 물론, 데이터 어댑터 모듈은, 데이터 베이스와 데이터 변환 모델을 함께 사용할 수 있다.In another embodiment, when the function determination
IoT 서버에서 처리 가능한 형태의 데이터는, 복수의 디바이스 중 적어도 하나가 IoT 서버로부터 수신하여 특정 기능을 수행하는 데 이용되는 데이터와 동일한 형태의 데이터일 수 있다. 또한, 데이터 어댑터 모듈은, IoT 서버의 출력 데이터를 음성 비서 서버에서 처리 가능한 형태의 데이터로 변환하는 동작을 수행할 수도 있다. 음성 비서 서버에서 처리 가능한 형태의 데이터는, 허브 디바이스가 음성 비서 서버로부터 수신하는 복수의 디바이스 중 적어도 하나에 대한 정보와 동일한 형태의 데이터일 수 있다.The data in a form that can be processed by the IoT server may be data in the same form as data that is received from the IoT server by at least one of the plurality of devices and used to perform a specific function. In addition, the data adapter module may perform an operation of converting the output data of the IoT server into data in a form that can be processed by the voice assistant server. The data in a form that can be processed by the voice assistant server may be data in the same form as information on at least one of a plurality of devices that the hub device receives from the voice assistant server.
일 예로, 음성 비서 서버의 출력 데이터는 세부 동작에 관한 정보를 포함하며, IoT 서버의 출력 데이터는 디바이스의 식별 정보, 디바이스 타입, 기능 수행 능력, 위치 정보 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 포함한다. 허브 디바이스가, 데이터 어댑터 모듈을 허브 디바이스에 다운로드 받는 경우, 데이터 어댑터 모듈(미도시)은 허브 디바이스와 신규 디바이스가 연동되도록 허브 디바이스의 출력 데이터를 변환한다. 상세하게는, 데이터 어댑터 모듈은, 허브 디바이스에 다운로드된 기능 판단 모델과 신규 디바이스 내에 저장된 세부 동작을 실행하기 위한 SW 모듈(미도시) 간의 연동을 위해, 기능 판단 모델의 출력 데이터를 신규 디바이스에서 처리 가능한 형태로 변환한다. 또한, 데이터 어댑터 모듈은, 허브 디바이스가 신규 디바이스로부터 수신한 신규 디바이스에 대한 디바이스 정보를 수신하면, 수신한 디바이스 정보를 허브 디바이스에서 처리 가능한 형태로 변환한다.For example, the output data of the voice assistant server includes information on detailed operations, and the output data of the IoT server includes device information including at least one of device identification information, device type, function performance capability, location information, and status information. Includes. When the hub device downloads the data adapter module to the hub device, the data adapter module (not shown) converts the output data of the hub device so that the hub device and the new device are interlocked. Specifically, the data adapter module processes the output data of the function determination model in the new device for interworking between the function determination model downloaded to the hub device and a SW module (not shown) for executing detailed operations stored in the new device. Convert it into a possible form. In addition, when the hub device receives device information for a new device received from the new device, the data adapter module converts the received device information into a form that can be processed by the hub device.
데이터 어댑터 모듈은 신규 디바이스의 제조사 또는 모델명에 대응하도록 구성될 수 있다. 이 경우, 음성 비서 서버는, 제조사 또는 모델명 별로 데이터 어댑터 모듈을 저장할 수 있으며, 복수 개의 데이터 어댑터 모듈을 저장할 수 있다. 허브 디바이스는, 신규 디바이스의 제조사 또는 모델명 정보에 기초하여, 음성 비서 서버에 신규 디바이스에 대응하는 데이터 어댑터 모듈을 요청할 수 있다. 또한, 음성 비서 서버는, 허브 디바이스의 요청이 없는 경우에도, IoT 서버로부터 획득한 신규 디바이스의 제조사 또는 모델명 정보에 기초하여 신규 디바이스에 대응하는 데이터 어댑터 모듈을 허브 디바이스로 전송할 수 있다.The data adapter module may be configured to correspond to the manufacturer or model name of the new device. In this case, the voice assistant server may store data adapter modules for each manufacturer or model name, and may store a plurality of data adapter modules. The hub device may request a data adapter module corresponding to the new device from the voice assistant server based on the manufacturer or model name information of the new device. In addition, even when there is no request from the hub device, the voice assistant server may transmit a data adapter module corresponding to the new device to the hub device based on the manufacturer or model name information of the new device obtained from the IoT server.
일 실시예에서, 기능 판단 모델 관리 모듈(1360)이 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드하여 메모리(1300)에 저장하기로 결정한 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 기능 판단 모델을 전송해 줄 것을 요청하는 쿼리(query)를 전송하고, 음성 비서 서버(2000)로부터 기능 판단 모델을 수신하여 메모리(1300)에 저장할 수 있다. 이 때, 허브 디바이스는, 신규 디바이스의 제조사 또는 모델명 정보에 기초하여, 음성 비서 서버에 신규 디바이스에 대응하는 데이터 어댑터 모듈을 요청할 수 있다. 데이터 어댑터 모듈(미도시)은 허브 디바이스에 다운로드되어 저장된 기능 판단 모델의 출력 데이터를 신규 디바이스에서 처리 가능한 형태의 데이터로 변환한다.In one embodiment, when the function determination
다른 실시예에서, 기능 판단 모델 관리 모듈(1360)이 음성 비서 서버(2000)로부터 기능 판단 모델을 다운로드하지 않기로 결정한 경우, 허브 디바이스(1000)는 음성 비서 서버(2000)에 기 저장된 기능 판단 모델에 관한 액세스(access) 정보를 수신하고, 수신된 액세스 정보를 기능 판단 모델 데이터베이스(1362)에 저장할 수 있다. 액세스 정보는 각 기능 판단 모델이 저장된 음성 비서 서버(2000, 도 1 참조)의 식별 정보(예를 들어, 서버 id), 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 음성 비서 서버(2000) 내의 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 각 기능 판단 모델의 사용 언어 및 대응하는 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. In another embodiment, when the function determination
일 실시예에서, 허브 디바이스(1000)는 사용자 계정에 신규 디바이스가 등록되는 경우, 기능 판단 모델 관리 모듈(1360)에 관한 데이터를 이용하여, 신규 디바이스에 대응하는 기능 판단 모델에 관한 정보(예를 들어, 용량 정보)를 음성 비서 서버(2000)로부터 수신하고, 수신된 기능 판단 모델에 관한 정보에 기초하여, 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하여 메모리(1300) 내에 저장할 지 여부를 결정할 수 있다. 기능 판단 모델을 메모리(1300)에 저장하는 것으로 결정한 경우, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하고, 메모리(1300)에 저장할 수 있다. 기능 판단 모델을 저장하지 않는 것으로 결정한 경우, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델에 관한 액세스 정보를 기능 판단 모델 데이터베이스(1362)에 저장할 수 있다. In one embodiment, when a new device is registered in a user account, the
허브 디바이스(1000)는 자체의 기능을 판단하고, 판단된 기능에 따른 동작을 수행하기 위한 기능 판단 모델(1372) 및 복수의 디바이스(4000, 도 1 참조) 중 적어도 하나의 디바이스에 대응하는 기능 판단 모델(1374)을 자체적으로 저장하고 있을 수 있다. '동작 수행 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. 일 실시예에서, 허브 디바이스(1000)의 메모리(1300)에 저장된 복수의 기능 판단 모델(1372, 1374)은 사용자 계정(user account)과 동일한 계정으로 로그인되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 복수의 디바이스에 각각 대응할 수 있다. The
예를 들어, 제1 기능 판단 모델(1372)은 제1 디바이스(4100, 도 1 참조)가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 일 실시예에서, 제1 기능 판단 모델(1372)은 허브 디바이스(1000) 자체의 기능에 따른 동작 정보를 획득하기 위하여 이용되는 모델일 수 있으나, 이에 한정되지 않는다. 마찬가지로, 제2 기능 판단 모델(1374)는 제2 디바이스(4200, 도 1 참조)가 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다.For example, the first
제1 기능 판단 모델(1372) 및 제2 기능 판단 모델(1374) 각각은, 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 제2 자연어 이해 모델(Natural Language Understanding)(1372a, 1374a)을 포함할 수 있다. 제1 기능 판단 모델(1372) 및 제2 기능 판단 모델(1374) 각각은, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모델(1372b, 1374b)을 포함할 수 있다. 액션 플랜 관리 모델(1372b, 1374b)은, 디바이스 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. 액션 플랜 관리 모델(1372b, 1374b)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.Each of the first
프로세서(1200)는 메모리(1300)에 저장된 동작 수행 디바이스에 대응하는 기능 판단 모델, 예를 들어 TV 기능 판단 모델(1374)의 제2 자연어 이해 모델(1374a)을 이용하여, 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득할 수 있다. 제2 자연어 이해 모델(1374a)은 특정 디바이스(예를 들어, TV)에 특화된 모델로서, 제1 자연어 이해 모델(1342)에 의해 결정된 동작 수행 디바이스에 해당되는 디바이스와 관련되며 텍스트에 대응하는 인텐트를 획득하도록 학습된 인공지능 모델일 수 있다. 또한, 제2 자연어 이해 모델(1374a)은 텍스트를 해석함으로써 사용자의 의도와 관련된 디바이스의 동작을 결정할 수 있도록 학습된 모델일 수 있다. 동작은, 디바이스에서 특정 기능을 실행함으로서, 디바이스가 수행하는 적어도 하나의 액션을 의미할 수 있다. 동작은 디바이스에서 애플리케이션을 실행함으로써, 디바이스가 수행하는 적어도 하나의 액션을 나타낼 수 있다.The
일 실시예에서, 프로세서(1200)는 결정된 동작 수행 디바이스(예를 들어, TV)에 대응되는 TV 기능 판단 모델(1374)의 제2 자연어 이해 모델(1374a)을 이용하여 텍스트를 분석할 수 있다. 프로세서(1200)는 제2 자연어 이해 모델(1374a)을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 파악하고, 파악된 의미를 기 정의된 단어에 매칭시켜 인텐트 및 파라미터를 결정할 수 있다. 여기서,'파라미터'는 인텐트와 관련된 동작 수행 디바이스의 세부 동작 들을 결정하기 위한 변수(variable) 정보를 의미한다. 예를 들어, 기능 판단 모델(1374)에 전송된 텍스트가 "TV에서 영화 어벤져스 틀어줘~"인 경우, 인텐트는 '컨텐트 재생(play)'이고, 파라미터는 재생할 컨텐트에 관한 정보인 '어벤져스 영화'일 수 있다. In an embodiment, the
프로세서(1200)는 TV 기능 판단 모델(1374)의 액션 플랜 관리 모델(1374b)을 이용하여, 인텐트 및 파라미터에 관련된 적어도 하나의 세부 동작에 대한 동작 정보를 획득할 수 있다. 액션 플랜 관리 모델(1374b)은, 디바이스 별로 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 프로세서(1200)는 액션 플랜 관리 모델(1374b)을 이용함으로써, 인텐트 및 파라미터에 기초하여, 동작 수행 디바이스(예를 들어, TV)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)하고, 이를 통해 동작 정보를 획득할 수 있다. 동작 정보는, 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 디바이스가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작과의 연관 관계 및 실행 순서에 관련된 정보를 포함할 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 동작 수행 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.The
프로세서(1200)는 동작 정보에 기초하여 동작 수행 디바이스를 제어할 수 있는 제어 명령을 생성할 수 있다. 제어 명령은, 동작 수행 디바이스가 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 동작 수행 디바이스가 판독하고, 실행할 수 있는 명령어를 의미한다. 이 경우, 프로세서(1200)는 통신 인터페이스(1400)를 통해 IoT 서버(3000)로부터 동작 정보를 제어 명령으로 변환하기 위한 제어 명령 변환 모듈을 수신하여야 한다. 일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 제어함으로써, IoT 서버(3000)에 동작 수행 디바이스에 대한 동작 정보를 제어 명령으로 변환하기 위한 제어 명령 변환 모듈을 전송해줄 것을 요청하는 쿼리(query)를 전송하고, IoT 서버(3000)로부터 제어 명령 변환 모듈을 수신하여 메모리(1300)에 저장할 수 있다. 그러나, 이에 한정되는 것은 아니고, 동작 수행 디바이스에 대응하는 제어 명령 변환 모듈이 메모리(1300)에 기 저장되어 있을 수도 있다. The
프로세서(1200)는 생성된 제어 명령을 동작 수행 디바이스에 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. The
통신 인터페이스(1400)는 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)와 데이터 통신을 수행할 수 있다. 통신 인터페이스(1400)는 예를 들어, 유선 랜, 무선 랜(Wireless LAN), 와이파이(Wi-Fi), 블루투스(Bluetooth), 지그비(zigbee), WFD(Wi-Fi Direct), 적외선 통신(IrDA, infrared Data Association), BLE (Bluetooth Low Energy), NFC(Near Field Communication), 와이브로(Wireless Broadband Internet, Wibro), 와이맥스(World Interoperability for Microwave Access, WiMAX), SWAP(Shared Wireless Access Protocol), 와이기그(Wireless Gigabit Allicance, WiGig) 및 RF 통신을 포함하는 데이터 통신 방식 중 적어도 하나를 이용하여 음성 비서 서버(2000), IoT 서버(3000), 및 복수의 디바이스(4000)와 데이터 통신을 수행할 수 있다. The
일 실시예에서, 프로세서(1200)는 통신 인터페이스(1400)를 통해, IoT 서버(3000, 도 1 참조)에 허브 디바이스(1000)의 사용자 계정과 동일한 계정으로 로그인되고, 기존 디바이스가 아닌 새롭게 등록된 신규 디바이스(4300, 도 1 참조)에 관한 디바이스 정보를 수신할 수 있다. 프로세서(1200)는 통신 인터페이스(1400)를 이용하여 신규 디바이스(4300)에 관한 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있지만, 이에 한정되는 것은 아니다. IoT 서버(3000)는 사용자 계정에 새롭게 등록된 신규 디바이스(4300)에 관한 디바이스 정보 및 사용자 계정 정보를 음성 비서 서버(2000, 도 1 참조)에 전송하고, 허브 디바이스(1000)의 프로세서(1200)는 음성 비서 서버(2000)로부터 신규 디바이스(4300)의 디바이스 정보를 수신하도록 통신 인터페이스(1400)를 제어할 수 있다. In one embodiment, the
프로세서(1200)는 통신 인터페이스(1400)를 통해 음성 비서 서버(2000)에 메모리(1300)에 저장된 디바이스 판단 모델(1340)의 업데이트를 요청하고, 음성 비서 서버(2000)로부터 업데이트된 디바이스 판단 모델(1340)을 수신할 수 있다. IoT 서버(3000)의 사용자 계정에 신규 디바이스(4300)가 새롭게 등록되는 경우, 음성 비서 서버(2000)는 디바이스 판단 모델(2330, 도 1 참조) 및 기능 판단 모델(2368, 도 1 참조)을 업데이트할 수 있다. 이 경우, 프로세서(1200)는 음성 비서 서버(2000)에 대하여, 신규 디바이스(4300)에 관한 디바이스 판단을 위한 업데이트된 디바이스 판단 모델(2330)의 존재 여부를 질의하는 쿼리(query)를 전송하고, 업데이트된 디바이스 판단 모델(2330)이 있다면 허브 디바이스(1000)로 전송해줄 것을 요청하는 신호를 전송하도록 통신 인터페이스(1400)를 제어할 수 있다. The
프로세서(1200)는 통신 인터페이스(1400)를 통해, 음성 비서 서버(2000)로부터 신규 디바이스(4300)에 관한 텍스트를 분석하고, 신규 디바이스(4300)를 동작 수행 디바이스로 결정할 수 있도록 업데이트된 디바이스 판단 모델(2330)을 수신하여, 메모리(1300)에 저장할 수 있다. The
프로세서(1200)는 통신 인터페이스(1400)를 통해, 음성 비서 서버(2000)에 신규 디바이스(4300)에 대응하는 기능 판단 모델의 정보를 요청하는 쿼리(query)를 전송할 수 있다. 신규 디바이스(4300)에 대응하는 기능 판단 모델의 정보는, 예를 들어 신규 디바이스(4300)가 수행하는 세부 동작들, 각 세부 동작들과 다른 세부 동작들과의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보를 획득하기 위한 기능 판단 모델의 용량 정보 및 액세스 정보 중 적어도 하나를 포함할 수 있다. 프로세서(1200)는 기능 판단 모델 관리 모듈(1360)에 의한 신규 디바이스(4300)에 대응하는 기능 판단 모델을 저장할 지 여부에 관한 결정에 기초하여, 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하거나, 또는 기능 판단 모델에 관한 액세스 정보만을 수신하도록 통신 인터페이스(1400)를 제어할 수 있다. The
도 1 및 도 2에 도시된 실시예에서 허브 디바이스(1000)는, 허브 디바이스(1000)의 사용자와 동일한 사용자의 계정 정보로 로그인되고, 사용자의 계정에 신규 디바이스(4300)가 등록된 경우, 또는 기존 디바이스에 신규 기능이 추가된 경우 등에 따라 업데이트된 디바이스 판단 모델(2330, 도 1 참조)을 음성 비서 서버(2000)로부터 다운로드하여 메모리(1300)에 저장하고, 신규 디바이스(4300)에 대응하는 기능 판단 모델 또는 기존 디바이스에 대응하는 업데이트된 기능 판단 모델에 대해서는 허브 디바이스(1000) 내부의 리소스 상태 정보에 기초하여 다운로드 및 메모리(1300)에 저장 여부를 결정할 수 있다. 일반적으로, 허브 디바이스(1000)를 통해 동작 수행 디바이스를 결정하고, 동작 수행 디바이스에 관한 동작 정보를 획득하는 경우, 음성 비서 서버(2000)를 통해 상기 과정들을 수행하는 경우 보다 처리 속도가 빠르고, 음성 비서 서버(2000)에 접속하기 위하여 소비되는 네트워크 사용 비용을 절감할 수 있는 효과가 있다. 그러나, 허브 디바이스(1000)의 자체 메모리(1300)에 업데이트된 기능 판단 모델을 모두 저장하기에는 리소스 문제가 발생할 수 있다. 따라서, 본 개시의 일 실시예는 업데이트된 디바이스 판단 모델은 음성 비서 서버(2000)로부터 다운로드하여 메모리(1300)에 저장하되, 신규 디바이스(4300)에 대응하는 기능 판단 모델 및 업데이트된 기능 판단 모델에 대해서는 허브 디바이스(1000) 자체의 리소스를 검토한 이후 다운로드 여부를 결정하는바, 리소스 문제도 해결 가능하고, 음성 명령에 관한 처리 속도도 향상시킬 수 있다. 1 and 2, the
도 3은 본 개시의 일 실시예에 따른 음성 비서 서버(2000)의 구성 요소를 도시한 블록도이다.3 is a block diagram illustrating components of a
음성 비서 서버(2000)는 허브 디바이스(1000)로부터 사용자의 음성 입력이 변환된 텍스트를 수신하고, 수신된 텍스트에 기초하여 동작 수행 디바이스를 결정하고, 동작 수행 디바이스에 대응하는 기능 판단 모델을 이용하여 동작 정보를 획득하는 서버이다. The
도 3을 참조하면, 음성 비서 서버(2000)는 적어도 통신 인터페이스(2100), 프로세서(2200), 및 메모리(2300)를 포함할 수 있다. Referring to FIG. 3, the
음성 비서 서버(2000)의 통신 인터페이스(2100)는 IoT 서버(3000, 도 1 참조)와 데이터 통신을 수행함으로써, 복수의 디바이스(4000, 도 1 참조) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 신규 디바이스(4300)가 등록된 사용자 계정 정보 및 신규 디바이스(4300)에 관한 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 허브 디바이스(1000)로부터 사용자 계정 정보를 수신하고, 수신된 사용자 계정 정보에 따라 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 허브 디바이스(1000)에 전송할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해, 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000)에 전송할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해, 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 정보를 허브 디바이스(1000)에 전송하거나, 또는 기능 판단 모델(2368) 자체를 허브 디바이스(1000)에 전송할 수 있다. The
다른 실시예에서, 허브 디바이스(1000)의 기능 판단 모델 관리 모듈(1360, 도 2 참조)에 의해 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 허브 디바이스(1000)가 아닌, 복수의 디바이스(4000) 중 어느 하나의 디바이스에 전송하기로 결정된 경우, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 허브 디바이스(1000)로부터 결정된 디바이스에 관한 식별 정보 및 기능 판단 모델을 전송하라는 신호를 포함하는 쿼리(query)를 수신하고, 수신된 쿼리에 응답하여, 결정된 디바이스에 기능 판단 모델(2368)을 전송할 수 있다. In another embodiment, the
음성 비서 서버(2000)의 프로세서(2200) 및 메모리(2300)는 허브 디바이스(1000, 도 2 참조)의 프로세서(1200, 도 2 참조) 및 메모리(1300, 도 2 참조)와 동일하거나 유사한 기능을 수행할 수 있다. 따라서, 음성 비서 서버(2000)의 프로세서(2200) 및 메모리(2300)에 관하여 허브 디바이스(1000)의 프로세서(1200) 및 메모리(1300)에서 설명하였던 것과 중복되는 설명은 생략한다.The
음성 비서 서버(2000)의 메모리(2300)에는 ASR 모듈(2310)에 관한 데이터, NLG 모듈(2320)에 관한 데이터, 디바이스 판단 모델(2330)에 관한 데이터, 음성 비서 모델 업데이트 모듈(2340)에 관한 데이터, 온 디바이스 모델 업데이트 모듈(2350)에 관한 데이터, 및 복수의 기능 판단 모델(2360) 각각에 대응하는 데이터가 저장되어 있을 수 있다. 음성 비서 서버(2000)의 메모리(2300)는 허브 디바이스(1000)의 메모리(1300)에 저장되어 있는 복수의 기능 판단 모델(1370, 도 2 참조)에 관한 데이터와는 달리, 서로 다른 복수의 사용자 계정에 관한 복수의 디바이스에 대응하는 복수의 기능 판단 모델(2360)을 저장할 수 있다. 또한, 음성 비서 서버(2000)의 메모리(2300)에는 허브 디바이스(1000)의 메모리(1300)에 저장된 복수의 기능 판단 모델(1370) 보다 많은 타입의 디바이스에 관한 복수의 기능 판단 모델(2360)이 저장되어 있을 수 있다. 음성 비서 서버(2000)의 메모리(2300)에 저장된 복수의 기능 판단 모델(2360)의 전체 용량은 허브 디바이스(1000)의 메모리(1300)에 저장된 복수의 기능 판단 모델(1370)의 용량에 비해 클 수 있다. The
허브 디바이스(1000)로부터 텍스트의 적어도 일부를 수신하는 경우, 음성 비서 서버(2000)의 통신 인터페이스(2100)는 수신된 텍스트의 적어도 일부를 프로세서(2200)에 전달하고, 프로세서(2200)는 메모리(2300)에 저장되어 있는 제1 자연어 이해 모델(2332)를 이용하여 텍스트의 적어도 일부를 분석할 수 있다. 프로세서(2200)는 메모리(2300)에 저장되어 있는 디바이스 판단 모델(2330)을 이용하여, 분석 결과에 기초하여 텍스트의 적어도 일부와 관련된 동작 수행 디바이스를 결정할 수 있다. 프로세서(2200)는 메모리(2300)에 저장된 복수의 기능 판단 모델 중 동작 수행 디바이스에 대응하는 기능 판단 모델을 선택하고, 선택된 기능 판단 모델을 이용하여 동작 수행 디바이스가 기능을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득할 수 있다. When receiving at least a portion of the text from the
예를 들어, 동작 수행 디바이스가 에어컨인 제1 디바이스(4100)로 결정된 경우, 프로세서(2200)는 에어컨에 대응하는 기능 판단 모델(2362)의 제2 자연어 이해 모델(2362a)을 이용하여 텍스트의 적어도 일부를 분석하고, 액션 플랜 관리 모델(2362b)을 이용하여 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)함으로써, 동작 정보를 획득할 수 있다. For example, when it is determined that the operation performing device is the
예를 들어, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 '온도 1도 올려줘'라는 텍스트를 수신한 경우, 디바이스 판단 모델(2330)을 통해 에어컨을 동작 수행 디바이스로서 결정한다. 이후, 음성 비서 서버(2000)는 복수의 기능 판단 모델(2360) 중 에어컨에 대응하는 기능 판단 모델(2362)을 선택하고, 선택된 기능 판단 모델(2362)의 제2 자연어 이해 모델(2362a)에 관한 데이터를 이용하여 텍스트를 분석하고, 액션 플랜 관리 모델(2362b)에 관한 데이터를 이용하여, 텍스트 분석 결과에 기초하여 온도 제어 동작을 수행하기 위한 동작 정보를 획득할 수 있다. For example, when the
예를 들어, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 '채널 변경해줘'라는 텍스트를 수신한 경우, 디바이스 판단 모델(2330)을 통해 TV를 동작 수행 디바이스로 결정한다. 이후, 음성 비서 서버(2000)는 복수의 기능 판단 모델(2360) 중 TV에 대응하는 기능 판단 모델(2364)을 선택하고, 선택된 기능 판단 모델(2364)의 제2 자연어 이해 모델(2364a)에 관한 데이터를 이용하여 텍스트를 분석하고, 액션 플랜 관리 모델(2364b)에 관한 데이터를 이용하여, 텍스트 분석 결과에 기초하여 채널 변경 동작을 수행하기 위한 동작 정보를 획득할 수 있다. For example, when receiving the text'change channel' from the
음성 비서 서버(2000)는 메모리(2300)에 저장된 음성 비서 모델 업데이트 모듈(2340)을 이용하여, 음성 비서 모델을 업데이트할 수 있다. IoT 서버(3000)의 사용자 계정에 신규 디바이스(4300, 도 1 참조)가 새롭게 등록되는 경우 또는 기존 디바이스에 신규 기능이 추가되는 경우, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 통해 사용자 계정 및 사용자 계정에 등록된 신규 디바이스(4300)의 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 음성 비서 서버(2000)는 음성 비서 모델 업데이트 모듈(2340)을 이용하여 디바이스 판단 모델(2330) 및 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 업데이트할 수 있다. The
예를 들어, 제2 디바이스(4200, 도 1 참조)의 기능이 추가되거나, 변경되는 경우와 같이, 제2 디바이스(4200)에 대응하는 기능 판단 모델(2364)이 업데이트되는 경우, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)이 업데이트된 기능을 해석함으로써, 업데이트된 기능과 관련된 동작 수행 디바이스로서 제2 디바이스(4200)를 결정할 수 있도록 학습 등을 통해 디바이스 판단 모델(2330)을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)의 제1 자연어 이해 모델(2332)이 새로 업데이트된 기능에 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델(2332)을 새로운 모델로 업데이트할 수 있다. For example, when the
예를 들어, IoT 서버(3000)의 사용자 계정에 신규 디바이스(4300)가 등록되는 경우, 음성 비서 모델 업데이트 모듈(2340)은 IoT 서버(3000)로부터 신규 디바이스(4300)의 식별 정보 및 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 수신하고, 수신된 기능 판단 모델(2368)을 메모리(2300) 내의 기존 기능 판단 모델(2362, 2364, 2366)에 추가하여 저장할 수 있다. 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)이 텍스트로부터 인텐트를 해석하고, 해석 결과 인텐트와 관련된 동작 수행 디바이스로서 신규 디바이스(4300)를 결정할 수 있도록 학습 등을 통해 디바이스 판단 모델(2330)을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)의 제1 자연어 이해 모델(2332)이 신규 디바이스(4300)와 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델(2332)을 새로운 모델로 업데이트할 수 있다. For example, when a
음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 사용자 계정 별로 음성 비서 모델을 학습시키고, 학습을 통해 업데이트된 음성 비서 모델 중 적어도 일부를 허브 디바이스(1000, 도 2 참조)에 전송할 지 여부를 결정할 수 있다. 다른 실시예에서, 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 업데이트된 음성 비서 모델 중 적어도 일부를 복수의 디바이스(4000) 중 적어도 하나의 디바이스로 전송하도록 결정할 수 있다. The
온 디바이스 모델 업데이트 모듈(2350)은 음성 비서 모델의 구성에 관한 정보를 각 사용자 계정 별로 저장하는 온 디바이스 모델 정보 데이터베이스(2352)를 포함할 수 있다. 온 디바이스 모델 정보 데이터베이스(2352)는 예를 들어, 사용자 계정 정보, 사용자 계정에 연관되어 등록된 복수의 디바이스에 대한 식별 정보, 복수의 디바이스 각각에 대응하는 기능 판단 모델의 식별 정보, 기능 판단 모델의 버전(version) 정보, 디바이스 판단 모델의 버전 정보, 및 디바이스 판단 모델에 의해 동작 수행 디바이스로 판단될 수 있는 디바이스 종류에 관한 정보 중 적어도 하나를 저장할 수 있다. The on-device model update module 2350 may include an on-device
일 실시예에서, 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000, 도 2 참조)에 전송하는 것으로 결정할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 이용하여 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000)에 전송할 수 있다. 다른 실시예에서, 음성 비서 서버(2000)는 통신 인터페이스(2100)를 이용하여, 업데이트된 디바이스 판단 모델(2330)를 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 전송할 수도 있다.In an embodiment, the
다른 실시예에서, 음성 비서 서버(2000)는, 허브 디바이스(1000)로부터 허브 디바이스(1000)에 연결되는 신규 디바이스에 대한 정보와 함께 허브 디바이스(1000)에 기 저장된 디바이스 판단 모델에 대한 업데이트를 쿼리 신호를 수신한다. 이 경우, 음성 비서 서버(2000)는, 허브 디바이스(1000)로부터 적어도 사용자 계정 정보 및 허브 디바이스(1000)의 식별 정보(예를 들어, 허브 디바이스의 id 정보)를 쿼리 신호와 함께 수신할 수 있다. 음성 비서 서버(2000)의 온디바이스 모델 업데이트 모듈(2350)은, 적어도 허브 디바이스(1000)로부터 수신한 신규 디바이스에 대한 정보 및 사용자 계정 정보를 이용하여, 허브 디바이스에 기 저장된 디바이스 판단 모델에 대한 업데이트를 수행할 수 있다.In another embodiment, the
디바이스 판단 모델에 대한 업데이트는, 음성 비서 서버(2000)의 디바이스 판단 모델(2330)의 업데이트와 유사하다. 즉, 온 디바이스 모델 업데이트 모듈(2350)은 허브 디바이스(1000)의 디바이스 판단 모델이 텍스트로부터 인텐트를 해석하고, 해석 결과 인텐트와 관련된 동작 수행 디바이스로서 신규 디바이스(4300)를 결정할 수 있도록 학습 등을 통해 허브 디바이스(1000)의 디바이스 판단 모델을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 온디바이스 모델 업데이트 모듈(2350)은 허브 디바이스(1000)의 디바이스 판단 모델의 제1 자연어 이해 모델이 신규 디바이스(4300)와 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델을 새로운 모델로 업데이트할 수 있다. 모델 업데이트에 대한 상세한 설명은 도 18a 및 도 18b를 통해 좀 더 자세히 설명한다.The update of the device determination model is similar to the update of the
일 실시예에서, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 전송을 요청하는 신호가 수신할 수 있다. 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 전송을 요청하는 신호가 수신되는 경우, 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여 신규 디바이스에 대응하는 기능 판단 모델(2368)을 허브 디바이스(1000)에 전송할 수 있다.In an embodiment, the
음성 비서 서버(2000)는, 데이터 어댑터 모듈(미도시)를 포함할 수 있다. 데이터 어댑터 모듈(미도시)은, 음성 비서 서버와 IoT 서버를 연동시키기 위해 음성 비서 서버의 출력 데이터를 IoT 서버에서 처리 가능한 형태의 데이터로 변환하는 SW 모듈을 의미한다. 음성 비서 서버(2000)는 제조사 또는 모델명 별로 데이터 어댑터 모듈을 저장할 수 있으며, 복수 개의 데이터 어댑터 모듈을 저장할 수 있다. 음성 비서 서버(2000)는, 허브 디바이스(1000)의 요청에 의해 신규 디바이스에 대응하는 데이터 어댑터 모듈을 허브 디바이스(1000)로 전송할 수 있다. 다른 실시예에서, 음성 비서 서버(2000)는, 허브 디바이스의 요청이 없는 경우에도, IoT 서버로부터 획득한 신규 디바이스의 제조사 또는 모델명 정보에 기초하여 신규 디바이스에 대응하는 데이터 어댑터 모듈을 허브 디바이스로 전송할 수 있다.The
다른 실시예에서, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 복수의 디바이스(4000) 중 어느 하나의 디바이스에 전송할 것을 요청하는 쿼리(query)를 수신할 수 있다. 이 경우, 음성 비서 서버(2000)는 쿼리와 함께 복수의 디바이스(4000) 중 어느 하나의 디바이스에 관한 식별 정보(예를 들어, 디바이스 id)를 수신할 수도 있다. 음성 비서 서버(2000)는 온 디바이스 모델 업데이트 모듈(2350)을 이용하여, 복수의 디바이스(4000) 중 수신된 디바이스 정보에 따라 결정된 디바이스에 신규 디바이스에 대응하는 기능 판단 모델(2368)을 전송할 수 있다. In another embodiment, the
도 4는 본 개시의 일 실시예에 따른 IoT 서버(3000)의 구성 요소를 도시한 블록도이다.4 is a block diagram illustrating components of an
IoT 서버(3000)는 복수의 디바이스(4000, 도 1 참조) 각각에 관한 디바이스 정보를 획득하고, 저장하고, 관리하는 서버이다. IoT 서버(3000)는 저장된 디바이스 정보를 활용하여 디바이스를 제어할 수 있는 제어 명령을 획득, 결정 또는 생성할 수 있다. 도 1에서는 IoT 서버(3000)가 음성 비서 서버(2000)와는 별개의 독립된 하드웨어 장치로 구성되는 것으로 도시되어 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, IoT 서버(3000)는 음성 비서 서버(2000, 도 1 참조)의 일 구성 요소이거나, 또는 소프트웨어로 구분되도록 설계된 서버일 수 있다. The
도 4를 참조하면, IoT 서버(3000)는 적어도 통신 인터페이스(3100), 프로세서(3200), 및 메모리(3300)을 포함할 수 있다. Referring to FIG. 4, the
IoT 서버(3000)는 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스와 네트워크를 통해 연결되고, 데이터를 수신 또는 전송할 수 있다. IoT 서버(3000)는 프로세서(3200)의 제어에 따라 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스로 메모리(3300)에 저장된 데이터를 전송할 수 있다. 또한 IoT 서버(3000)는 프로세서(3200)의 제어에 따라 통신 인터페이스(3100)를 통해 음성 비서 서버(2000) 또는 동작 수행 디바이스로부터 데이터를 수신할 수 있다. The
일 실시예에서, 통신 인터페이스(3100)는 복수의 디바이스(4000, 도 1 참조) 각각으로부터 디바이스 식별 정보(예: 디바이스의 id 정보), 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함하는 디바이스 정보를 수신할 수 있다. 일 실시예에서, 통신 인터페이스(3100)는 복수의 디바이스(4000) 각각으로부터 사용자 계정 정보를 수신할 수 있다. 또한, 통신 인터페이스(3100)는 복수의 디바이스(4000)로부터 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 정보를 수신할 수도 있다. 통신 인터페이스(3100)는 수신된 디바이스 정보를 메모리(3300)에 제공할 수 있다.In one embodiment, the
일 실시예에서, 통신 인터페이스(3100)는 신규 디바이스(4300, 도 1 참조)로부터, 신규 디바이스(4300)에 로그인된 사용자 계정 정보 및 신규 디바이스(4300)에 관한 디바이스 정보를 수신할 수 있다. In an embodiment, the
일 실시예에서, 통신 인터페이스(3100)는 프로세서(3200)의 제어에 의해, 신규 디바이스(4300)의 사용자 계정 정보 및 사용자 계정에 등록된 신규 디바이스(4300)의 디바이스 정보를 음성 비서 서버(2000, 도 1 참조)에 전송할 수 있다. In one embodiment, the
프로세서(3200)는 통신 인터페이스(3100)를 통해 수신한 복수의 디바이스(4000) 각각에 관한 디바이스 정보를 메모리(3300)에 저장할 수 있다. 일 실시예에서, 메모리(3300)는 복수의 디바이스(4000)로부터 수신된 사용자 계정 정보에 따라 디바이스 정보를 분류하고, 분류된 디바이스 정보를 룩 업 테이블(look-up table, LUT) 형태로 저장할 수 있다.The
프로세서(3200)는 통신 인터페이스(3100)를 통해 수신한 신규 디바이스(4300)에 관한 디바이스 정보 및 신규 디바이스(4300)를 통해 로그인된 사용자 계정 정보를 메모리(3300)에 저장할 수 있다. 일 실시예에서, 프로세서(3200)는 신규 디바이스(4300)의 디바이스 정보, 예를 들어 신규 디바이스(4300)의 식별 정보(예: 디바이스의 id 정보), 기능 수행 능력 정보(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 메모리(3300) 내의 신규 디바이스(4300)에 대응하는 사용자 계정 정보에 룩 업 테이블 형태로 저장할 수 있다. The
일 실시예에서, 통신 인터페이스(3100)는 음성 비서 서버(2000)로부터 사용자 계정 정보 및 사용자 계정 정보에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 요청하는 쿼리(query)를 수신할 수 있다. 프로세서(3200)는 수신된 쿼리에 응답하여, 사용자 계정에 대하여 기 등록된 복수의 디바이스(4000)에 관한 디바이스 정보를 메모리(3300)로부터 획득하고, 획득한 디바이스 정보를 음성 비서 서버(2000)에 전송하도록 통신 인터페이스(3100)를 제어할 수 있다. In one embodiment, the
일 실시예에서, 통신 인터페이스(3100)는 음성 비서 서버(2000)로부터 사용자 계정 정보에 새롭게 등록된 신규 디바이스(4300)에 관한 디바이스 정보를 요청하는 쿼리를 수신할 수 있다. 이 경우, 프로세서(3200)는 수신된 쿼리에 응답하여, 사용자 계정에 새롭게 등록된 신규 디바이스(4300)에 관한 디바이스 정보를 음성 비서 서버(2000)에 전송하도록 통신 인터페이스(3100)를 제어할 수 있다. In an embodiment, the
프로세서(3200)는, 음성 비서 서버(2000)로부터 수신한 동작 정보에 기초하여, 동작을 수행하도록 결정된 동작 수행 디바이스에 제어 명령을 전송하도록 통신 인터페이스(3100)를 제어할 수 있다. The
IoT 서버(3000)는 통신 인터페이스(3100)를 통해 제어 명령에 따른 동작 수행 결과를, 동작을 수행한 디바이스로부터 수신할 수 있다. The
도 5는 본 개시의 일 실시예에 따른 복수의 디바이스(4000)의 일부 구성 요소를 도시한 블록도이다.5 is a block diagram illustrating some components of a plurality of
복수의 디바이스(4000)는, 허브 디바이스(1000, 도 1 참조) 또는 IoT 서버(3000, 도 1 참조)에 의한 제어를 받는 피제어 디바이스일 수 있다. 일 실시예에서, 복수의 디바이스(4000)는 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 수신된 제어 명령에 기초하여 동작을 실행하는 익스큐터 디바이스(executor device)일 수 있다. The plurality of
도 5를 참조하면, 복수의 디바이스(4000)는 제1 디바이스(4100), 제2 디바이스(4200), 및 신규 디바이스(4300)를 포함할 수 있다. 그러나, 이에 한정되는 것은 아니고, 일 실시예에서, 복수의 디바이스(4000)는 기 등록된 제1 디바이스(4100) 및 제2 디바이스(4200)만을 포함하고, 신규 디바이스(4300)는 포함하지 않을 수 있다. Referring to FIG. 5, a plurality of
신규 디바이스(4300)는 허브 디바이스(1000)의 사용자가 신규로 취득하고, 허브 디바이스(1000) 및 기 등록된 다른 디바이스(4100, 4200)들과 동일한 사용자 계정으로 로그인함으로써, IoT 서버(3000, 도 1 참조)에 등록된 디바이스일 수 있다.The
도 5에 도시된 실시예에서, 제1 디바이스(4100)는 에어컨이고, 제2 디바이스(4200)는 TV이고, 신규 디바이스(4300)는 공기청정기인 것으로 도시되어 있지만, 이는 예시적인 것이다. 본 개시의 복수의 디바이스(4000)가 도 5에 도시된 디바이스 타입으로 한정되는 것은 아니다.In the embodiment shown in FIG. 5, it is shown that the
도 5에는 제1 디바이스(4100), 제2 디바이스(4200), 및 신규 디바이스(4300) 각각이 프로세서, 메모리, 및 통신 인터페이스만을 포함하고 있는 것으로 도시되었지만, 이는 설명의 편의를 위한 것이다. 도 5에서 복수의 디바이스(4000)가 제어 명령에 기초하여 동작을 실행하기 위한 각각의 구성 요소들은 생략되었다.In FIG. 5, each of the
복수의 디바이스(4000) 중 일부는 기능 판단 모델을 저장할 수 있다. 도 5에 도시된 실시예에서, 제1 디바이스(4100)는 통신 인터페이스(4110), 프로세서(4120), 및 메모리(4130)를 포함하고, 메모리(4130) 내에는 기능 판단 모델(4132)이 저장될 수 있다. 제1 디바이스(4100)에 저장된 기능 판단 모델(4132)은, 제1 디바이스(4100)가 동작을 실행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 기능 판단 모델(4132)은, 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 수신한 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 제1 디바이스(4100)가 수행할 동작에 관한 동작 정보를 획득하도록 구성된 자연어 이해 모델(4134)을 포함할 수 있다. 기능 판단 모델(4132)은, 제1 디바이스(4100)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모델(4136)을 포함할 수 있다. 액션 플랜 관리 모델(4136)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 제1 디바이스(4100)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다.Some of the plurality of
제2 디바이스(4200)는 통신 인터페이스(4210), 프로세서(4220), 및 메모리(4230)를 포함할 수 있다. 신규 디바이스(4300)는 통신 인터페이스(4310), 프로세서(4320), 및 메모리(4330)를 포함할 수 있다. 제2 디바이스(4200) 및 신규 디바이스(4300)는, 제1 디바이스(4100)와는 달리 기능 판단 모델을 저장하지 않는다. 제2 디바이스(4200) 및 신규 디바이스(4300)는 허브 디바이스(1000, 도 1 참조) 또는 IoT 서버(3000, 도 1 참조)로부터 텍스트의 적어도 일부를 수신하지 않는다. 제2 디바이스(4200) 및 신규 디바이스(4300)는 허브 디바이스(1000) 또는 IoT 서버(3000)로부터 제어 명령을 수신하고, 수신된 제어 명령에 기초하여 동작을 실행할 수 있다. The
그러나, 이는 설명의 편의를 위한 것이고, 이에 한정되지 않는다. 일 실시예에서 신규 디바이스(4300)는, 신규 디바이스(4300)가 동작을 실행하기 위한 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서에 관한 동작 정보를 획득하기 위한 기능 판단 모델을 자체적으로 포함할 수 있다. However, this is for convenience of description and is not limited thereto. In one embodiment, the
복수의 디바이스(4000)는 통신 인터페이스(4110, 4210, 4310)를 이용하여 각각의 사용자의 계정 정보 및 디바이스 정보를 IoT 서버(3000)에 전송할 수 있다. 디바이스 정보는 예를 들어, 복수의 디바이스(4000) 각각의 식별 정보(예를 들어, 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 복수의 디바이스(4000) 각각의 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. The plurality of
일 실시예에서, 복수의 디바이스(4000) 중 적어도 하나의 디바이스는 추가, 변경, 또는 삭제된 기능에 관한 업데이트된 기능 판단 모델을 포함할 수 있다. 예를 들어, 제1 디바이스(4100)에 '무풍 기능'이 추가된 경우, 제1 디바이스(4100)의 메모리(4130) 내에 저장된 기능 판단 모델(4132)은 업데이트될 수 있다. 제1 디바이스(4100)의 기능 판단 모델(4132)이 업데이트 되는 경우, 제1 디바이스(4100)는 통신 인터페이스(4110)를 이용하여 업데이트된 기능 판단 모델(4132)에 관한 정보를 IoT 서버(3000)에 전송할 수 있다. In an embodiment, at least one device among the plurality of
신규 디바이스(4300)는 통신 인터페이스(4310)를 통해, 신규 디바이스(4300)에 로그인된 사용자의 사용자 계정 정보 및 디바이스 정보를 IoT 서버(3000)에 전송할 수 있다. 일 실시예에서, 신규 디바이스(4300)는 통신 인터페이스(4310)을 이용하여, 자체적으로 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 IoT 서버(3000)에 전송할 수 있다. The
일 실시예에서, 복수의 디바이스(4000)는 통신 인터페이스(4110, 4210, 4310)를 이용하여, 사용자의 계정 정보와 복수의 디바이스(4000) 각각이 자체적으로 디바이스 판단 모델을 저장하고 있는지 여부 및 기능 판단 모델을 저장하고 있는지 여부에 관한 정보를 허브 디바이스(1000, 도 1 참조)에 전송할 수도 있다. In one embodiment, the plurality of
도 6은 본 개시의 허브 디바이스(1000)가 음성 비서 서버(2000)로부터 음성 비서 모델의 적어도 일부를 수신하여 저장하는 방법을 도시한 흐름도이다.6 is a flowchart illustrating a method of receiving and storing at least a part of a voice assistant model from the
단계 S610에서 허브 디바이스(1000)는, 허브 디바이스(1000)와 연결되는 신규 디바이스의 정보를 수신한다. 일 실시예에서 허브 디바이스(1000)는, 허브 디바이스(1000)의 사용자와 동일한 사용자 계정으로 로그인되고, 사용자 계정을 통해 IoT 서버(3000, 도 1 참조)에 새롭게 등록된 신규 디바이스에 관한 디바이스 정보를 수신할 수 있다. 신규 디바이스는 허브 디바이스(1000)의 사용자가 구매 또는 소유권 이전 등을 통해 신규로 취득하고, 허브 디바이스(1000)와 동일한 사용자 계정으로 로그인함으로써, IoT 서버(3000)에 등록된 디바이스일 수 있다. 허브 디바이스(1000)가 수신하는 신규 디바이스의 디바이스 정보는 예를 들어, 신규 디바이스의 식별 정보(예를 들어, 디바이스 id 정보), 신규 디바이스의 디바이스 타입, 신규 디바이스의 기능 수행 능력 정보(capability), 및 위치 정보 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스의 전원 온오프(on/off), 또는 현재 실행하고 있는 동작에 관한 상태 정보를 수신할 수도 있다. In step S610, the
허브 디바이스(1000)는 신규 디바이스의 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 그러나 이에 한정되는 것은 아니고, 허브 디바이스(1000)는 음성 비서 서버(2000, 도 1 참조)로부터 신규 디바이스의 디바이스 정보를 수신할 수 있다. The
단계 S620에서, 허브 디바이스(1000)는 음성 비서 서버(2000)에, 허브 디바이스(1000)에 저장된 디바이스 판단 모델에 대한 업데이트를 요청한다. 일 실시예에서, 허브 디바이스(1000)는 단계 S610에서 수신한 신규 디바이스의 디바이스 정보에 기초하여, 사용자의 음성 입력으로부터 신규 디바이스와 관련된 텍스트를 분석하고, 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록, 메모리(1300, 도 2 참조)에 기 저장된 디바이스 판단 모델에 관한 업데이트를 요청하는 쿼리(query) 신호를 음성 비서 서버(2000)에 전송할 수 있다. 이 경우, 허브 디바이스(1000)는 신규 디바이스의 사용자 계정 정보 및 허브 디바이스(1000)의 식별 정보(예를 들어, 허브 디바이스의 id 정보)를 쿼리 신호와 함께 음성 비서 서버(2000)에 전송할 수 있다. In step S620, the
단계 S630에서, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 업데이트된 디바이스 판단 모델을 수신하여 저장한다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스에 관한 사용자의 음성 입력을 분석하고, 분석 결과 신규 디바이스를 동작 수행 디바이스로 결정하기 위하여 업데이트된 디바이스 판단 모델을 음성 비서 서버(2000)로부터 다운로드(download)하고, 허브 디바이스(1000) 내부의 메모리(1300, 도 2 참조)에 업데이트된 디바이스 판단 모델을 저장할 수 있다. In step S630, the
단계 S640에서, 허브 디바이스(1000)는 음성 비서 서버(2000)에, 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하고, 음성 비서 서버(2000)로부터 신규 디바이스에 대응하는 기능 판단 모델의 정보를 수신한다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하는 경우, 허브 디바이스(1000) 및 신규 디바이스 각각의 식별 정보(예를 들어, 디바이스 id)와 사용자 계정 정보를 음성 비서 서버(2000)에 전송할 수 있다. In step S640, the
신규 디바이스에 대응하는 기능 판단 모델은 신규 디바이스가 동작 수행 디바이스로 결정되는 경우, 신규 디바이스가 수행할 세부 동작들, 각 세부 동작들과 다른 세부 동작과의 연관 관계, 및 세부 동작들의 실행 순서와 관련된 정보를 획득하기 위한 모델이다. 기능 판단 모델의 정보는, 예를 들어 신규 디바이스에 대응하는 기능 판단 모델을 구성하는 파일의 용량 정보 및 기능 판단 모델을 판독하기 위하여 점유되는 RAM 점유율 정보, 및 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)가 기능 판단 모델을 판독하여 기능에 따른 세부 동작들 및 세부 동작들의 순서를 통해 동작 정보를 획득하기 위하여 소요되는 가상의 처리 시간(simulated processing time)에 관한 정보 중 적어도 하나를 포함할 수 있다.The function determination model corresponding to the new device is related to the detailed operations to be performed by the new device, the relationship between each detailed operation and other detailed operations, and the execution order of the detailed operations when the new device is determined as the operation performing device. It is a model for acquiring information. The information on the function determination model includes, for example, capacity information of a file constituting a function determination model corresponding to a new device, information on the occupied RAM occupancy to read the function determination model, and the
단계 S650에서, 허브 디바이스(1000)는 수신된 신규 디바이스에 대응하는 기능 판단 모델의 정보에 기초하여, 신규 디바이스에 대응하는 기능 판단 모델을 허브 디바이스(1000)에 저장할 지 여부를 결정한다. 일 실시예에서, 허브 디바이스(1000)는 프로세서(1200, 도 2 참조) 및 메모리(1300, 도 2 참조)의 리소스 상태를 모니터링하고, 리소스 상태 정보와 신규 디바이스에 대응하는 기능 판단 모델의 정보를 비교 및 분석함으로써, 신규 디바이스에 대응하는 기능 판단 모델을 내부의 메모리(1300)에 저장할 지 여부를 결정할 수 있다. 리소스 상태 정보는 허브 디바이스(1000) 및 복수의 디바이스(4000)의 프로세서(1200, 4120, 4220, 4320) 및 메모리(1300, 4130, 4230, 4310)의 사용 상태를 나타내는 정보로서, 예를 들어, 허브 디바이스(1000) 및 복수의 디바이스(4000) 각각의 내부 메모리(1300, 4130, 4230, 4310)의 잔여 용량, 평균 RAM 사용 용량, 및 평균 프로세서 점유율 정보 중 적어도 하나를 포함할 수 있다. In operation S650, the
일 실시예에서, 허브 디바이스(1000)는 프로세서(1200)의 평균 프로세싱 속도, 메모리(1300)의 잔여 용량, 및 RAM의 평균 잔여 용량 중 적어도 하나를 실시간으로 또는 주기적으로 모니터링하고, 모니터링된 결과 정보와 신규 디바이스에 대응하는 기능 판단 모델의 정보를 비교함으로써, 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000)로부터 다운로드하여 메모리(1300)에 저장할 지 여부를 결정할 수 있다. In one embodiment, the
다른 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4000, 도 5 참조) 각각의 리소스 상태 정보를 모니터링하고, 복수의 디바이스(4000) 각각의 리소스 상태 정보를 획득할 수 있다. 복수의 디바이스(4000)의 리소스 상태 정보는, 복수의 디바이스(4000)의 프로세서(4120, 4220, 4320, 도 5 참조) 및 메모리(1300, 4130, 4230, 4310, 도 5 참조)의 사용 상태와 관련된 정보로서, 메모리(4130, 4230, 4310)의 잔여 용량, 평균 RAM 사용 용량, 및 평균 프로세서 점유율 정보 중 적어도 하나를 포함할 수 있다. 허브 디바이스(1000)는 리소스 상태 정보에 기초하여, 신규 디바이스에 대응하는 기능 판단 모델을 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 저장할 지 여부를 결정할 수 있다. 허브 디바이스(1000)는 기능 판단 모델의 정보와 복수의 디바이스(4000) 각각의 리소스 상태 정보를 비교 및 분석하고, 비교/분석 결과에 기초하여 신규 디바이스에 대응하는 기능 판단 모델을 복수의 디바이스(4000)의 메모리(4130, 4230, 4310) 중 어느 하나에 저장할 지 여부를 결정할 수 있다. In another embodiment, the
단계 S650에서 허브 디바이스(1000)가 신규 디바이스에 대응하는 기능 판단 모델을 저장할 지 여부를 결정하는 구체적인 실시예에 대해서는 도 7에서 상세하게 설명하기로 한다.A specific embodiment of determining whether or not the
신규 디바이스에 대응하는 기능 판단 모델을 저장하기로 결정한 경우(단계 S660), 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000)로부터 수신하여, 내부의 메모리(1300, 도 2 참조)에 저장한다. 신규 디바이스에 대응하는 기능 판단 모델을 허브 디바이스(1000) 내부의 메모리(1300)에 저장함으로써, 허브 디바이스(1000)는 신규 디바이스가 동작 수행 디바이스로 결정되는 경우, 음성 비서 서버(2000)에 접속하지 않더라도 신규 디바이스에 관한 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서에 관한 정보를 획득할 수 있다. 따라서, 음성 비서 서버(2000)에 접속하기 위하여 소비되는 시간 및 네트워크 사용 비용의 소모를 방지하고, 처리 속도를 향상시킬 수 있다. 또한, 네트워크를 이용할 수 없는 경우, 예를 들어 무선 통신 네트워크를 사용할 수 없거나, Wifi 통신을 사용할 수 없는 경우에도 허브 디바이스(1000)는 신규 디바이스에 관한 동작 정보를 자체적으로 획득할 수 있다. When it is determined to store the function determination model corresponding to the new device (step S660), the
단계 S660은, 신규 디바이스에 대응하는 기능 판단 모델을 허브 디바이스(1000)의 메모리(1300)에 저장한다고 기재되어 있으나, 이에 한정되는 것은 아니다. 단계 S650에서, 허브 디바이스(1000)가 복수의 디바이스(4000) 각각의 리소스 상태 정보에 기초하여, 신규 디바이스에 대응하는 기능 판단 모델을 복수의 디바이스(4000) 중 적어도 하나의 디바이스에 저장하기로 결정한 경우, 단계 S660에서 허브 디바이스(1000)는 기능 판단 모델을 음성 비서 서버(2000)로부터 수신하여, 결정된 디바이스로 전송할 수 있다. In step S660, it is described that the function determination model corresponding to the new device is stored in the
다른 실시예에서, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 저장하기로 결정된 디바이스의 디바이스 정보(예를 들어, 디바이스 id)를 음성 비서 서버(2000)에 전송할 수도 있다. 이 경우, 음성 비서 서버(2000)는 디바이스 정보에 기초하여, 결정된 디바이스에 신규 디바이스에 대응하는 기능 판단 모델을 전송할 수 있다. In another embodiment, the
신규 디바이스에 대응하는 기능 판단 모델을 저장하지 않기로 결정한 경우(단계 S670), 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신한다. 액세스 정보는 예를 들어, 신규 디바이스에 대응하는 기능 판단 모델이 저장된 음성 비서 서버(2000)의 식별 정보(예를 들어, 서버 id), 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 음성 비서 서버(2000) 내의 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 기능 판단 모델의 사용 언어 및 대응하는 디바이스의 식별 정보 중 적어도 하나를 포함할 수 있다. 허브 디바이스(1000)는 메모리(1300) 내의 기능 판단 모델 정보 데이터베이스(1362, 도 2 참조)에 수신된 액세스 정보를 저장할 수 있다. 액세스 정보를 메모리(1300) 내에 저장함으로써, 허브 디바이스(1000)는 자체적으로 신규 디바이스에 대응하는 기능 판단 모델을 저장하지 않더라도 액세스 정보를 이용하여 음성 비서 서버(2000)에 접속하고, 음성 비서 서버(2000)에 저장된 신규 디바이스에 대응하는 기능 판단 모델을 이용하여 신규 디바이스에 대한 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서에 관한 정보를 획득할 수 있다. When it is determined not to store the function determination model corresponding to the new device (step S670), the
도 7은 본 개시의 허브 디바이스(1000)가 음성 비서 서버(2000)로부터 수신한 기능 판단 모델의 정보에 기초하여, 기능 판단 모델을 저장할 지 여부를 결정하는 방법을 도시한 흐름도이다. 도 7은 도 6의 단계 S650을 구체화한 흐름도이다. 도 7에 도시된 단계 S710, S712, S714는 도 6에 도시된 단계 S640이 수행된 이후에 수행될 수 있다.7 is a flowchart illustrating a method of determining whether to store a function determination model based on information on a function determination model received from the
단계 S710에서 허브 디바이스(1000)는 내부 플래시 메모리의 잔여 용량을 확인(identify)한다. 플래시 메모리(flash memory)는 허브 디바이스(1000) 내부에 업데이트된 디바이스 판단 모델 및 적어도 하나의 기능 판단 모델을 저장하는 저장 매체일 수 있다. 일 실시예에서, 허브 디바이스(1000)는 플래시 메모리 타입이 아닌, 하드 디스크 타입(hard disk type), SSD(Solid State Drive), 또는 카드 타입의 외장 메모리(예를 들어 SD 또는 XD 메모리 등)를 저장 매체로서 포함할 수 있다. In step S710, the
단계 S712에서 허브 디바이스(1000)는 평균 RAM 메모리 잔여 용량을 확인한다. 평균 RAM 메모리 잔여 용량은 허브 디바이스(1000)가 서비스를 제공하기 위하여 실행하는 적어도 하나의 애플리케이션 또는 푸쉬 알림 등을 수신하기 위하여 백그라운드에서 실행되는 적어도 하나의 애플리케이션에 의해 점유되는 RAM 용량을 제외한, 사용 가능한 RAM 용량의 평균을 나타낸다. In step S712, the
단계 S714에서 허브 디바이스(1000)는 평균 프로세싱 속도를 확인한다. 허브 디바이스(1000)는 프로세서(1200, 도 2 참조)의 평균 프로세싱 속도를 확인할 수 있다. 평균 프로세싱 속도는, 프로세서(1200)가 적어도 하나의 애플리케이션을 실행하거나, ASR을 수행하여 사용자의 음성 입력을 텍스트로 변환하거나, 디바이스 판단 모델을 이용하여 텍스트와 관련된 동작 수행 디바이스를 결정하는 등의 기능을 수행하기 위한 연산을 처리하는 평균 속도를 나타낸다. In step S714, the
단계 S710, 단계 S712, 및 단계 S714는 허브 디바이스(1000)의 리소스 상태를 모니터링하고, 리소스 상태 정보를 획득하는 단계로서, 프로세서(1200)가 메모리(1300, 도 2 참조)에 저장된 리소스 트래킹 모듈(1350)을 이용하여 수행할 수 있다. 단계 S710, 단계 S712, 및 단계 S714는 실시간 또는 주기적으로 수행될 수 있다. Step S710, step S712, and step S714 are steps of monitoring the resource state of the
단계 S710, 단계 S712, 및 단계 S714는 동시에 수행될 수 있으나, 이에 한정되는 것은 아니다. Step S710, step S712, and step S714 may be performed simultaneously, but are not limited thereto.
단계 S710, 단계 S712, 및 단계 S714는 모두 수행되는 것은 아니고, 적어도 하나의 단계가 수행될 수도 있다. 단계 S710, 단계 S712, 및 단계 S714 중 어느 하나의 단계가 수행되지 않는 경우, 수행되지 않는 단계 이후 수행되는 단계 역시 수행되지 않을 수 있다. 예를 들어 단계 S710가 수행되지 않는 경우, 단계 S710 이후에 수행되는 후속 단계인 S720는 수행되지 않을 수 있다. Step S710, step S712, and step S714 are not all performed, and at least one step may be performed. If any one of steps S710, S712, and S714 is not performed, steps performed after the steps that are not performed may also not be performed. For example, when step S710 is not performed, a subsequent step S720 performed after step S710 may not be performed.
단계 S710, 단계 S712, 및 단계 S714는 각각 허브 디바이스(1000)의 내부 플래시 메모리 잔여 용량, 허브 디바이스(1000)의 평균 RAM 잔여 용량, 및 허브 디바이스(1000)의 평균 프로세싱 속도를 확인하는 것으로 도시되어 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 단계 S710, 단계 S712, 및 단계 S714 각각은 허브 디바이스(1000)가 아닌, 복수의 디바이스(4000, 도 5 참조)의 플래시 메모리 잔여 용량, 평균 RAM 잔여 용량, 및 평균 프로세싱 속도를 모니터링할 수 있다. Step S710, step S712, and step S714 are shown as checking the internal flash memory remaining capacity of the
단계 S720에서, 허브 디바이스(1000)는 플래시 메모리 잔여 용량과 수신한 기능 판단 모델에 관한 정보를 비교한다. 단계 S640에서 수신한 기능 판단 모델의 정보는, 기능 판단 모델을 구성하는 파일의 용량 정보 및 기능 판단 모델을 판독하기 위하여 점유되는 RAM 점유율 정보, 및 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)가 기능 판단 모델을 판독하여 기능에 따른 세부 동작들 및 세부 동작들의 순서를 통해 동작 정보를 획득하기 위하여 소요되는 가상의 처리 시간(simulated processing time)에 관한 정보 중 적어도 하나를 포함할 수 있다. 허브 디바이스(1000)는 플래시 메모리의 잔여 용량과 기능 판단 모델을 구성하는 파일의 용량 정보를 비교할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4000) 각각의 플래시 메모리 잔여 용량과 기능 판단 모델의 용량 정보를 비교할 수도 있다. In step S720, the
단계 S722에서, 허브 디바이스(1000)는 RAM 메모리 잔여 용량을 고려한 기능 판단 모델에 대한 동작을 시뮬레이션한다. 일 실시예에서, 허브 디바이스(1000)는 단계 S712에서 확인한 평균 RAM 메모리 잔여 용량과, 단계 S640에서 수신한 기능 판단 모델의 정보 중 RAM 점유율 정보를 비교함으로써, 프로세서(1200)가 기능 판단 모델에 포함된 프로그래밍 언어로 구성된 명령어들(instructions)을 판독하고 실행하기 위하여 사용하는 RAM 점유 용량을 시뮬레이션할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4000) 각각의 RAM 잔여 용량을 고려한 기능 판단 모델에 대한 동작을 시뮬레이션할 수도 있다. In step S722, the
단계 S724에서, 허브 디바이스(1000)는 평균 프로세싱 속도를 고려하여 기능 판단 모델에 대한 동작을 시뮬레이션한다. 일 실시예에서, 허브 디바이스(1000)는 단계 S714에서 확인한 평균 프로세싱 속도와, 단계 S640에서 수신한 기능 판단 모델의 정보 중 가상의 처리 시간에 관한 정보를 비교함으로써, 기능 판단 모델을 판독하고, 판독된 기능에 따른 세부 동작들 및 세부 동작들의 순서를 통해 동작 정보를 획득하기 위한 프로세싱 속도를 시뮬레이션할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 복수의 디바이스(4000) 각각의 프로세서(4120, 4220, 4320) 각각의 평균 프로세싱 속도를 고려하여, 기능 판단 모델에 대한 동작을 시뮬레이션할 수 있다. In step S724, the
단계 S730에서, 허브 디바이스(1000)는 메모리의 잔여 용량과 기능 판단 모델의 용량의 차가 기설정된 메모리 잔여 용량의 임계값 보다 큰 지 여부를 확인한다. 일 실시예에서, 허브 디바이스(1000)는 플래시 메모리의 잔여 용량과 기능 판단 모델을 구성하는 파일의 용량 정보의 차를 계산할 수 있다. 기능 판단 모델을 구성하는 파일의 용량 정보는 단계 S640에서 수신한 기능 판단 모델의 정보로부터 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 계산된 차이값을 기설정된 메모리 잔여 용량의 임계값과 비교하고, 비교 결과 계산된 차이값이 기설정된 임계값 보다 큰 지 여부를 확인할 수 있다. In step S730, the
플래시 메모리의 잔여 용량과 기능 판단 모델의 용량의 차이값이 기설정된 메모리 잔여 용량의 임계값 보다 크다고 확인된 경우(단계 S740), 허브 디바이스(1000)는 기능 판단 모델의 가상 처리 시간(simulated processing time)이 기설정된 처리 시간의 임계값 보다 짧은지 여부를 확인한다. 일 실시예에서, 허브 디바이스(1000)는 기능 판단 모델의 가상 처리 시간에 관한 정보를 단계 S640에서 수신한 기능 판단 모델의 정보로부터 획득할 수 있다. 허브 디바이스(1000)는 획득된 기능 판단 모델의 가상 처리 시간을 기설정된 처리 시간 임계값과 비교하고, 비교 결과 기능 판단 모델의 가상 처리 시간이 기설정된 임계값 보다 짧은지 여부를 확인할 수 있다. When it is confirmed that the difference value between the remaining capacity of the flash memory and the capacity of the function determination model is larger than the preset threshold of the remaining memory capacity (step S740), the
플래시 메모리의 잔여 용량과 기능 판단 모델의 용량의 차이값이 기설정된 메모리 잔여 용량의 임계값 보다 작은 것으로 확인된 경우(단계 S670), 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신한다. When it is determined that the difference between the remaining capacity of the flash memory and the capacity of the function determination model is smaller than the preset threshold of the remaining memory capacity (step S670), the
기능 판단 모델의 가상 처리 시간이 기설정된 처리 시간 임계값 보다 짧은 것으로 확인된 경우(단계 S660), 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000)로부터 수신하여 내부 메모리에 저장할 수 있다. When it is determined that the virtual processing time of the function determination model is shorter than the preset processing time threshold (step S660), the
기능 판단 모델의 가상 처리 시간이 기설정된 처리 시간 임계값 보다 긴 것으로 확인된 경우(단계 S670), 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신한다. When it is determined that the virtual processing time of the function determination model is longer than the preset processing time threshold (step S670), the
도 8은 본 개시의 허브 디바이스(1000)가 사용자의 음성 입력에 기초하여 신규 디바이스의 동작을 제어하는 방법을 도시한 흐름도이다. 도 8은 도 6 및 도 7에 도시된 단계 S660 이후에 수행되는 일련의 단계들에 관한 실시예를 포함한다. 도 8에 도시된 단계 S810은 허브 디바이스(1000)가 신규 디바이스에 대응하는 기능 판단 모델을 음성 비서 서버(2000, 도 1 참조)로부터 수신하고, 수신된 신규 디바이스에 대응하는 기능 판단 모델을 내부 메모리에 저장한 이후의 단계를 나타낸다. 8 is a flowchart illustrating a method of controlling an operation of a new device based on a user's voice input by the
단계 S810에서, 허브 디바이스(1000)는 IoT 서버(3000, 도 1 참조)에, 신규 디바이스에 대한 동작 정보를 제어 명령으로 변환하기 위하여 제어 명령 변환 모듈을 요청한다. 신규 디바이스에 대한 동작 정보는, 신규 디바이스에 대응하는 기능 판단 모델을 이용하여 사용자의 음성 입력을 해석함으로써 획득된 정보로서, 신규 디바이스가 수행할 세부 동작들, 각 세부 동작들과 다른 세부 동작과의 연관 관계, 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 제어 명령 변환 모듈은, 신규 디바이스가 허브 디바이스(1000)에 의해 획득된 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 동작 정보를 신규 디바이스에 의해 판독 가능하고, 실행 가능한 명령어 또는 명령어의 집합으로 변환하는 모듈일 수 있다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스의 식별 정보(예를 들어, 신규 디바이스의 id) 및 제어 명령 변환 모듈을 요청하는 쿼리(query)를 IoT 서버(3000)에 전송할 수 있다. In step S810, the
단계 S820에서, 허브 디바이스(1000)는 IoT 서버(3000)로부터, 신규 디바이스에 대한 제어 명령 변환 모듈을 수신한다. 일 실시예에서, 허브 디바이스(1000)는 수신된 제어 명령 변환 모듈을 메모리(1300, 도 2 참조)에 저장할 수 있다.In step S820, the
단계 S830에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신한다. 일 실시예에서, 허브 디바이스(1000)는 마이크(1100, 도 2 참조)를 통해 사용자로부터 음성 입력(예를 들어, 사용자의 발화)을 수신하고, 수신된 음성 입력으로부터 음성 신호를 획득할 수 있다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는, 마이크(1100)를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다.In step S830, the
단계 S840에서, 허브 디바이스(1000)는 ASR(Automatic Speech Recognition)을 수행하여, 수신된 음성 입력을 텍스트로 변환한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는 음향 모델(acoustic model; AM) 또는 언어 모델(language model; LM) 등 기 정의된 모델을 이용하여 음성 신호를 컴퓨터로 판독 가능한 텍스트로 변환하는 ASR을 수행할 수 있다. 허브 디바이스(1000)가 노이즈가 제거되지 않은 음향 신호를 수신하는 경우에는, 프로세서(1200)는 수신된 음향 신호에서 노이즈를 제거하여 음성 신호를 획득하고, 음성 신호에 대하여 ASR을 수행할 수 있다.In step S840, the
단계 S850에서, 허브 디바이스(1000)는 업데이트된 디바이스 판단 모델을 이용하여 텍스트를 분석하고, 분석된 텍스트와 관련된 동작 수행 디바이스로서 신규 디바이스를 결정한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200)는 업데이트된 디바이스 판단 모델에 포함된 업데이트된 제1 자연어 이해 모델(Natural Language Understanding)을 이용하여 텍스트를 분석하고, 텍스트의 분석 결과에 기초하여 복수의 디바이스 중 사용자의 의도에 따른 동작을 수행할 동작 수행 디바이스로서 신규 디바이스를 결정할 수 있다. 여기서, 복수의 디바이스는 허브 디바이스(1000)와 동일한 사용자 계정으로 로그인 되고, 허브 디바이스(1000)와 네트워크를 통해 연결된 디바이스를 의미한다. 복수의 디바이스는 IoT 서버에 허브 디바이스(1000)와 동일한 사용자 계정으로 등록된 디바이스일 수 있다. In step S850, the
제1 자연어 이해 모델은 음성 입력으로부터 변환된 텍스트를 분석하고, 분석 결과에 기초하여 동작 수행 디바이스를 결정하도록 학습된 모델이다. 제1 자연어 이해 모델은 텍스트를 해석함으로써, 인텐트를 결정할 수 있으며, 인텐트에 기초하여 동작 수행 디바이스를 결정하는데 이용될 수 있다. 허브 디바이스(1000)는 제1 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어(word), 또는 구(phrase)의 단위로 파싱(parse)하고, 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론할 수 있다. 프로세서(1200)는, 추론된 단어의 의미를 제1 자연어 이해 모델에서 제공되는 기 정의된 인텐트들과 비교함으로써, 추론된 단어의 의미에 대응되는 인텐트를 결정할 수 있다. The first natural language understanding model is a model trained to analyze text converted from a speech input and determine a device for performing an operation based on the analysis result. The first natural language understanding model may determine an intent by interpreting the text, and may be used to determine a device for performing an operation based on the intent. The
허브 디바이스(1000)는 인텐트와 디바이스 간의 관련성을 판단하는 매칭 모델에 기초하여, 텍스트로부터 인식된 인텐트와 관련된 디바이스를 동작 수행 디바이스로 결정할 수 있다. 일 실시예에서, 매칭 모델은 룰 베이스 시스템(rule-based system)을 통한 학습을 통해 획득될 수 있지만, 이에 한정되지는 않는다. The
일 실시예에서, 허브 디바이스(1000)는 인텐트에 매칭 모델을 적용함으로써, 인텐트와 복수의 디바이스 간의 관련성 정도를 나타내는 복수의 수치값을 획득하고, 획득된 복수의 수치값 중 최대값을 갖는 디바이스를 최종 동작 수행 디바이스로 결정할 수 있다. 예를 들어, 인텐트가 제1 디바이스 및 제2 디바이스와 각각 관련되는 경우, 허브 디바이스(1000)는 인텐트와 제1 디바이스 간의 관련성 정도를 나타내는 제1 수치값, 및 인텐트와 제2 디바이스 간의 관련성 정도를 나타내는 제2 수치값을 획득하고, 제1 수치값 및 제2 수치값 중 높은 수치값을 갖는 제1 디바이스를 동작 수행 디바이스로 결정할 수 있다. In one embodiment, the
허브 디바이스(1000)는 예를 들어, 룰 베이스 시스템(rule-based system)을 이용하여 인텐트와 동작 수행 디바이스 간의 매칭 모델을 학습할 수 있으나, 이에 한정되는 것은 아니다. 허브 디바이스(1000)가 이용하는 인공지능 모델은 예를 들어, 신경망 베이스 시스템(neural network-based system)(예: 컨볼루션 신경망(convolution neural network; CNN, 순환 신경망(recurrent neural network; RNN), SVM(Support Vector Machine), 선형 회귀(linear regression), 로지스틱 회귀(logistic regression), 나이브 베이즈 분류(Naive Bayes), 랜덤 포레스트(random forest), decision tree, 또는 k-nearest neighbor algorithm 일 수 있다. 또는, 전술한 것의 조합 또는 이와 다른 인공지능 모델일 수도 있다. The
업데이트된 디바이스 판단 모델은, 허브 디바이스(1000)의 사용자 계정에 따라 새롭게 등록된 신규 디바이스와 기 등록된 복수의 디바이스 중에서 동작 수행 디바이스를 결정하도록 학습된 모델일 수 있다. 일 실시예에서, 업데이트된 디바이스 판단 모델은 신규 디바이스에 관한 텍스트를 분석하고, 텍스트의 분석 결과 인텐트를 획득하고, 획득된 인텐트에 기초하여 신규 디바이스를 동작 수행 디바이스로 결정할 수 있도록 학습 등을 통해 업데이트된 모델일 수 있다. The updated device determination model may be a model trained to determine an operation performing device from among a newly registered new device and a plurality of previously registered devices according to a user account of the
업데이트된 디바이스 판단 모델은, 텍스트로부터 획득한 인텐트와 허브 디바이스(1000)의 사용자 계정과 동일한 사용자 계정으로 로그인함으로써 새롭게 등록된 신규 디바이스 및 기 등록된 복수의 디바이스 각각과 인텐트의 관련도를 나타내는 수치값을 분석하고, 복수의 디바이스 각각과의 관련도를 나타내는 수치값을 산출하고, 산출된 수치값 중 최대값을 갖는 디바이스를 동작 수행 디바이스로 결정할 수 있다. The updated device determination model represents the degree of relevance between the intent obtained from the text and the intent with each of a newly registered new device and a plurality of previously registered devices by logging in with the same user account as the user account of the
일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버(2000, 도 1 참조)로부터 사용자 계정에 따라 새롭게 등록된 신규 디바이스 및 기 등록된 복수의 디바이스 각각에 관한 디바이스 정보를 수신할 수 있다. 디바이스 정보는 예를 들어, 신규 디바이스와 복수의 디바이스 각각의 식별 정보(예를 들어, 디바이스 id 정보), 디바이스 타입, 기능 수행 능력(capability), 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다. 허브 디바이스(1000)는 수신된 디바이스 정보에 기초하여 신규 디바이스 및 복수의 디바이스 중 인텐트에 따라 동작을 수행할 디바이스를 결정할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 업데이트된 디바이스 판단 모델을 이용하여 텍스트를 분석함으로써, 신규 디바이스를 동작 수행 디바이스로 결정할 수 있다.In an embodiment, the
단계 S860에서, 허브 디바이스(1000)는 내부 메모리에 저장된 신규 디바이스에 대응하는 기능 판단 모델에 텍스트의 적어도 일부를 제공한다. 도면에는 도시되지 않았지만, 단계 S860에서 허브 디바이스(1000)는 내부 메모리에 기 저장된 적어도 하나의 기능 판단 모델 중 신규 디바이스에 대응하는 기능 판단 모델을 선택할 수 있다. '신규 디바이스에 대응하는 기능 판단 모델'은, 동작 수행 디바이스로 결정된 신규 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들, 세부 동작들 간의 연관 관계, 및 세부 동작들의 실행 순서에 관한 동작 정보를 획득하기 위하여 이용하는 모델을 의미한다. In step S860, the
허브 디바이스(1000)는 선택된 기능 판단 모델에 텍스트의 적어도 일부를 제공한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 선택된 기능 판단 모델에 텍스트의 전체를 제공하지 않고, 텍스트의 일부만을 제공할 수 있다. 예를 들어, 신규 디바이스가 공기 청정기이고, 음성 입력으로부터 변환된 텍스트가 "공기 청정기에서 냄새 제거 모드 실행해줘~"인 경우, '공기 청정기에서'는 동작 수행 디바이스의 명칭을 특정한 것인바, 신규 디바이스에 대응하는 기능 판단 모델에는 불필요한 정보일 수 있다. 프로세서(1200)는 업데이트된 제1 자연어 이해 모델을 이용하여, 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 텍스트 전체에서 인식된 단어 또는 구를 제외한 나머지 텍스트의 일부를 기능 판단 모델에 제공할 수 있다. The
단계 S870에서, 허브 디바이스(1000)는 신규 디바이스에 대응하는 기능 판단 모델을 이용하여 텍스트의 적어도 일부를 해석함으로써, 신규 디바이스가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)는 신규 디바이스에 대응하는 기능 판단 모델 내에 포함된 제2 자연어 이해 모델을 이용하여 텍스트의 적어도 일부를 분석할 수 있다. 프로세서(1200)는 제2 자연어 이해 모델을 이용하여 텍스트를 형태소, 단어, 또는 구 단위로 파싱하고, 문법적 및 의미적 분석을 통해 파싱된 형태소, 단어, 또는 구의 의미를 파악하고, 파악된 의미를 기 정의된 단어에 매칭시켜 인텐트 및 파라미터를 결정할 수 있다. 여기서,'파라미터'는 인텐트와 관련된 동작 수행 디바이스의 세부 동작 들을 결정하기 위한 변수(variable) 정보를 의미한다. 예를 들어, 신규 디바이스에 대응하는 기능 판단 모델에 제공된 텍스트가 "냄새 제거 모드 실행해줘~"인 경우, 인텐트는 '동작 모드 실행'이고, 파라미터는 동작할 모드인 '냄새 제거 모드'일 수 있다. In step S870, the
프로세서(1200, 도 2 참조)는 신규 디바이스에 대응하는 기능 판단 모델의 액션 플랜 관리 모듈을 이용하여, 인텐트 및 파라미터에 관련된 적어도 하나의 세부 동작에 관한 동작 정보를 획득할 수 있다. 액션 플랜 관리 모듈은, 동작 수행 디바이스로 결정된 신규 디바이스의 세부 동작들 및 세부 동작들 간의 관계에 관한 정보를 관리할 수 있다. 프로세서(1200)는 액션 플랜 관리 모듈을 이용함으로써, 인텐트 및 파라미터에 기초하여 신규 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)하고, 이를 통해 동작 정보를 획득할 수 있다. The processor 1200 (refer to FIG. 2) may obtain operation information regarding at least one detailed operation related to the intent and the parameter by using the action plan management module of the function determination model corresponding to the new device. The action plan management module may manage detailed operations of a new device determined as an operation performing device and information about a relationship between detailed operations. By using the action plan management module, the
동작 정보는, 신규 디바이스가 수행할 세부 동작들 및 세부 동작들의 실행 순서에 관련된 정보일 수 있다. 동작 정보는 신규 디바이스가 수행할 세부 동작들, 각 세부 동작과 다른 세부 동작과의 연관 관계 및 실행 순서에 관련된 정보를 포함할 수 있다. 동작 정보는 예를 들어, 특정 동작의 수행을 위하여 신규 디바이스가 실행해야 할 기능들, 기능들의 실행 순서, 기능들을 실행하기 위하여 필요한 입력 값 및 기능들의 실행 결과로서 출력되는 출력 값을 포함할 수 있으나, 이에 한정되지 않는다.The operation information may be information related to detailed operations to be performed by the new device and an execution order of the detailed operations. The operation information may include detailed operations to be performed by the new device, a relationship between each detailed operation and another detailed operation, and information related to an execution order. The operation information may include, for example, functions to be executed by a new device to perform a specific operation, an execution order of functions, an input value required to execute the functions, and an output value output as a result of execution of the functions. , Is not limited thereto.
단계 S880에서, 허브 디바이스(1000)는 획득된 동작 정보에 기초하여 제어 명령을 획득한다. 제어 명령은, 신규 디바이스가 동작 정보 내에 포함된 세부 동작들을 수행할 수 있도록, 신규 디바이스에 의해 판독되고, 실행될 수 있는 명령어 또는 명령어의 집합을 의미한다. In step S880, the
도 9는 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 신규 디바이스(4300) 각각의 동작 방법을 도시한 흐름도이다.9 is a flowchart illustrating an operation method of each of the
도 9는 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 동작 수행 디바이스(4000a)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 도시한다. 도 9를 참조하면, 허브 디바이스(1000)는 ASR 모듈(1310), NLG 모듈(1320), TTS 모듈(1330), 디바이스 판단 모델(1340), 리소스 트래킹 모듈(1350), 및 기능 판단 모델 관리 모듈(1360)을 포함할 수 있다. 도 9에 도시된 실시예에서, 허브 디바이스(1000)는 기능 판단 모델을 저장하지 않거나, 또는 신규 디바이스에 대응하는 기능 판단 모델을 저장하지 않을 수 있다. 9 illustrates operations of each subject in a multi-device system environment including a
도 9에 도시된 ASR 모듈(1310), NLG 모듈(1320), TTS 모듈(1330), 디바이스 판단 모델(1340), 리소스 트래킹 모듈(1350), 및 기능 판단 모델 관리 모듈(1360)은 도 2에 도시된 것들과 동일하므로, 중복되는 설명은 생략한다.An
음성 비서 서버(2000)는 디바이스 판단 모델(2330), 음성 비서 모델 업데이트 모듈(2340), 온 디바이스 모델 업데이트 모듈(2350), 및 복수의 기능 판단 모델(2362, 2364, 2368)을 저장할 수 있다. 예를 들어, 음성 비서 서버(2000)에 저장된 제1 기능 판단 모델(2362)은 에어컨의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. 예를 들어, 제2 기능 판단 모델(2364)은 TV의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델이며, 신규 디바이스 기능 판단 모델(2368)은 신규 디바이스인 공기 청정기의 기능을 판단하고, 판단된 기능에 관한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용되는 모델일 수 있다. The
도 9에 도시된 실시예에서, 동작 수행 디바이스는 신규 디바이스(4300)인 '공기 청정기'로 결정되고, 공기 청정기에 대응하는 신규 디바이스 기능 판단 모델(2368)은 음성 비서 서버(2000)에 저장되어 있을 수 있다. In the embodiment shown in FIG. 9, the operation performing device is determined as a'air purifier', which is a
단계 S910에서 신규 디바이스(4300)는, 신규 디바이스의 디바이스 정보 및 사용자 계정 정보를 IoT 서버(3000)에 전송한다. 신규 디바이스(4300)는, 허브 디바이스(1000)의 사용자가 신규 디바이스(4300)를 취득하고, 신규 디바이스(4300)의 전원을 켠 이후 사용자 계정을 입력하여 로그인하는 경우, 로그인 과정에서 획득한 사용자 계정 정보 및 디바이스 정보를 IoT 서버(3000)에 전송할 수 있다. IoT 서버(3000)에 전송되는 디바이스 정보는, 예를 들어 신규 디바이스(4300)의 식별 정보(예를 들어, 신규 디바이스 id 정보), 신규 디바이스(4300)의 디바이스 타입, 신규 디바이스(4300)의 기능 수행 능력 (capability) 정보, 위치 정보, 및 상태 정보 중 적어도 하나를 포함할 수 있다.In step S910, the
단계 S920에서, IoT 서버(3000)는 수신된 사용자 계정에 신규 디바이스를 등록한다. IoT 서버(3000)는 복수의 디바이스를 사용자 계정에 따라 분류하여 등록할 수 있다. In step S920, the
본 개시에서, 신규 디바이스(4300)는 허브 디바이스(1000)의 사용자와 동일한 사용자가 신규로 취득하고, 허브 디바이스(1000)와 동일한 사용자 계정으로 로그인함으로써, IoT 서버(3000)에 등록된 디바이스를 의미한다. In the present disclosure, the
단계 S922에서, IoT 서버(3000)는 사용자 계정 정보 및 사용자 계정에 등록된 신규 디바이스의 디바이스 정보를 음성 비서 서버(2000)에 전송한다. In step S922, the
단계 S930에서, IoT 서버(3000)는 신규 디바이스(4300)의 디바이스 정보를 허브 디바이스(1000)에 전송한다. IoT 서버(3000)는 수신된 사용자 계정에 대하여 기 등록된 허브 디바이스(1000)를 식별하고, 식별된 허브 디바이스(1000)에 신규 디바이스(4300)의 디바이스 정보를 전송할 수 있다. In step S930, the
단계 S932에서, 음성 비서 서버(2000)는 신규 디바이스(4300)의 디바이스 정보를 허브 디바이스(1000)에 전송한다. 음성 비서 서버(2000)는 IoT 서버(3000)로부터 수신한 사용자 계정에 대하여 기 등록된 허브 디바이스(1000)를 식별하고, 식별된 허브 디바이스(1000)에 신규 디바이스(4300)의 디바이스 정보를 전송할 수 있다. In step S932, the
단계 S940에서, 허브 디바이스(1000)는 디바이스 판단 모델(1340)의 업데이트가 필요한지 여부를 확인(identify)한다. 일 실시예에서, 허브 디바이스(1000)는 메모리(1300, 도 2 참조)에 저장된 디바이스 판단 모델(1340)이 사용자의 음성 입력으로부터 신규 디바이스(4300)를 동작 수행 디바이스로 결정할 수 있는지 여부를 확인할 수 있다. 예를 들어, 허브 디바이스(1000)는 디바이스 판단 모델(1340) 내에 포함된 제1 자연어 이해 모델(1342)이 사용자의 음성 입력으로부터 변환된 텍스트를 분석하여, 신규 디바이스(4300)의 기능과 관련된 인텐트를 획득할 수 있는 발화 데이터가 포함되어 있는지 여부를 확인할 수 있다. In step S940, the
확인 결과, 신규 디바이스(4300)에 관련된 디바이스 판단 모델(1340)의 업데이트가 필요하지 않은 경우(단계 S944), 허브 디바이스(1000)는 기존 디바이스 판단 모델(1340)을 이용하여 동작 수행 디바이스를 결정한다. 단계 S944에서, 기존 디바이스 판단 모델(1340)은 허브 디바이스(1000)가 신규 디바이스(4300)의 디바이스 정보를 수신하기 이전에 메모리(1300, 도 2 참조)에 기 저장되어 있는 모델로서, 별도의 업데이트 과정이 없이도 텍스트로부터 신규 디바이스(4300)와 관련된 인텐트를 획득하고, 획득된 인텐트에 기초하여 신규 디바이스(4300)를 동작 수행 디바이스로 결정할 수 있다. As a result of the check, if the update of the device determination model 1340 related to the
확인 결과, 신규 디바이스(4300)에 관련된 디바이스 판단 모델(1340)의 업데이트가 필요한 경우(단계 S942), 허브 디바이스(1000)는 사용자 계정 정보, 허브 디바이스의 식별 정보, 및 디바이스 판단 모델의 업데이트를 요청하는 쿼리(query)를 음성 비서 서버(2000)에 전송한다. As a result of the confirmation, when the device determination model 1340 related to the
단계 S950에서, 음성 비서 서버(2000)는 신규 디바이스의 디바이스 정보를 이용하여, 디바이스 판단 모델(2330)을 업데이트한다. 음성 비서 서버(2000)는 음성 비서 모델 업데이트 모듈(2340)을 이용하여, 수신된 신규 디바이스(4300)의 디바이스 정보에 기초하여 디바이스 판단 모델(2330)이 텍스트로부터 인텐트를 해석하고, 해석 결과 인텐트와 관련된 동작 수행 디바이스로서 신규 디바이스(4300)를 결정할 수 있도록 학습 등을 통해 디바이스 판단 모델(2330)을 새로운 모델로 업데이트할 수 있다. 일 실시예에서, 음성 비서 모델 업데이트 모듈(2340)은 디바이스 판단 모델(2330)의 제1 자연어 이해 모델이 신규 디바이스(4300)와 관련된 텍스트를 해석하도록 학습 등을 통해 제1 자연어 이해 모델을 새로운 모델로 업데이트할 수 있다. In step S950, the
단계 S952에서, 음성 비서 서버(2000)는 업데이트된 디바이스 판단 모델(2330)을 허브 디바이스(1000)에 제공한다. 일 실시예에서, 음성 비서 서버(2000)는 업데이트된 디바이스 판단 모델(2330)을 구성하는 적어도 하나의 파일을 허브 디바이스(1000)에 전송할 수 있다.In step S952, the
단계 S960에서, 허브 디바이스(1000)는 업데이트된 디바이스 판단 모델(2330)을 메모리(1300, 도 2 참조)에 저장한다. 일 실시예에서, 음성 비서 서버(2000)로부터 수신한 업데이트된 디바이스 판단 모델(2330)은 허브 디바이스(1000)에 기 저장된 디바이스 판단 모델(1330)을 덮어쓰는 방식(overwrite)으로 대체(replace)될 수 있다. In step S960, the
단계 S970에서, 음성 비서 서버(2000)는 신규 디바이스(4300)의 디바이스 정보를 이용하여, 신규 디바이스(4300)에 대응하는 기능 판단 모델 정보를 획득한다. 일 실시예에서, 음성 비서 서버(2000)는 단계 S922에서 IoT 서버(3000)로부터 수신한 신규 디바이스(4300)의 디바이스 정보를 이용하여, 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 획득하고, 획득된 기능 판단 모델(2368)을 메모리(2300, 도 3 참조) 내의 기존 기능 판단 모델(2362, 2364)에 추가하여 저장할 수 있다.In step S970, the
단계 S972에서, 음성 비서 서버(2000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델의 정보를 허브 디바이스(1000)에 제공한다. 기능 판단 모델의 정보는, 예를 들어 기능 판단 모델(2368)의 용량 정보, 기능 판단 모델(2368)을 판독하기 위하여 점유되는 RAM 점유율 정보, 및 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)가 기능 판단 모델(2368)을 판독하여 기능에 따른 세부 동작들 및 세부 동작들의 순서를 통해 동작 정보를 획득하기 위하여 소요되는 가상의 처리 시간(simulated processing time)에 관한 정보 중 적어도 하나를 포함할 수 있다.In step S972, the
단계 S980에서, 허브 디바이스(1000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델의 정보로부터 기능 판단 모델(2368)의 용량을 확인(identify)한다. 일 실시예에서, 허브 디바이스(1000)는 음성 비서 서버(2000)로부터 수신한 기능 판단 모델의 정보로부터 기능 판단 모델(2368)을 구성하는 적어도 하나의 파일의 용량을 확인할 수 있다. 그러나, 이에 한정되는 것은 아니고, 허브 디바이스(1000)는 기능 판단 모델의 정보로부터 기능 판단 모델(2368)을 판독하기 위하여 점유되는 RAM 점유율 정보 및 허브 디바이스(1000)의 프로세서(1200, 도 2 참조)가 기능 판단 모델(2368)을 판독하는 가상의 처리 시간에 관한 정보를 확인할 수도 있다. In step S980, the
단계 S990에서, 허브 디바이스(1000)는 수신된 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 정보에 기초하여, 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 허브 디바이스(1000) 내의 메모리(1300, 도 2 참조)에 저장할 지 여부를 결정한다. 단계 S990은 도 7에 도시된 단계 S650(단계 S710 내지 단계 S740을 포함)와 동일하므로, 중복되는 설명은 생략한다.In step S990, based on the received information of the
도 10은 본 개시의 허브 디바이스(1000) 및 신규 디바이스(4300)의 동작 방법을 도시한 흐름도이다.10 is a flowchart illustrating a method of operating the
도 10은 도 9에 도시된 ⓐ단계 이후에 허브 디바이스(1000) 및 신규 디바이스(4300)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 나타내는 흐름도이다. 도 9에 도시된 ⓐ단계는 허브 디바이스(1000)가 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 허브 디바이스에 저장하는 것으로 결정한 상태를 나타낸다. 10 is a flowchart illustrating operations of each subject in a multi-device system environment including the
단계 S1010에서, 허브 디바이스(1000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 음성 비서 서버(2000)로부터 다운로드(download) 받고, 내부 메모리(1300, 도 2 참조)에 저장할 수 있다. 도 10을 참조하면, 허브 디바이스(1000)는 신규 디바이스 기능 판단 모델(1378)을 포함할 수 있다. 단계 S1010의 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 전송해줄 것을 요청하는 쿼리(query)를 음성 비서 서버(2000)에 전송하고, 음성 비서 서버(2000)로부터 기능 판단 모델(2368)을 다운로드하여 메모리(1300) 내에 저장할 수 있다. 허브 디바이스(1000)에 포함된 신규 디바이스 기능 판단 모델(1378)은 음성 비서 서버(2000)로부터 수신한 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)과 동일할 수 있다. In step S1010, the
단계 S1020에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신한다.In step S1020, the
단계 S1030에서, 허브 디바이스(1000)는 ASR을 수행하여, 수신된 음성 입력을 텍스트로 변환한다. In step S1030, the
단계 S1040에서, 허브 디바이스(1000)는 업데이트된 디바이스 판단 모델(1330)을 이용하여, 텍스트를 분석하고, 분석된 텍스트와 관련된 동작 수행 디바이스로서 신규 디바이스(4300)를 결정한다.In step S1040, the
단계 S1050에서, 허브 디바이스(1000)는 내부 메모리(1300)에 저장된 신규 디바이스 기능 판단 모델(1378)에 텍스트의 적어도 일부를 제공한다. In operation S1050, the
단계 S1060에서, 허브 디바이스(1000)는 신규 디바이스 기능 판단 모델(1378)을 이용하여 텍스트의 적어도 일부를 해석함으로써, 신규 디바이스(4300)가 수행할 동작에 관한 동작 정보를 획득한다.In step S1060, the
단계 S1020 내지 단계 S1060은 도 8에 도시된 단계 S830 내지 단계 S870과 동일하므로, 중복되는 설명은 생략한다.Steps S1020 to S1060 are the same as steps S830 to S870 shown in FIG. 8, and thus redundant descriptions will be omitted.
단계 S1062에서, 허브 디바이스(1000)는 신규 디바이스(4300)의 식별 정보를 이용하여, 동작 정보를 전송한다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스(4300)의 식별 정보, 예를 들어 신규 디바이스(4300)의 id 정보를 이용하여 신규 디바이스(4300)를 식별하고, 식별된 신규 디바이스(4300)에 동작 정보를 전송할 수 있다.In step S1062, the
단계 S1070에서, 신규 디바이스(4300)는 획득한 동작 정보에 기초하여 제어 명령을 획득한다. 단계 S1070에서 신규 디바이스(4300)는 동작 정보를 제어 명령으로 변환하는 제어 명령 변환 모듈을 자체적으로 포함하고 있을 수 있다. 신규 디바이스(4300)는 제어 명령 변환 모듈을 이용하여 동작 정보를 신규 디바이스(4300)가 판독하고, 실행할 수 있는 명령어 또는 명령어의 집합으로 변환할 수 있다. In step S1070, the
단계 S1080에서, 신규 디바이스(4300)는 획득된 제어 명령에 따라, 동작을 실행한다. In step S1080, the
일 실시예에서, 신규 디바이스(4300)는 동작을 실행한 이후, 동작 실행 결과에 관한 정보를 허브 디바이스(1000)에 전송할 수 있다. 그러나, 이에 한정되는 것은 아니고, 신규 디바이스(4300)는 동작 실행 결과에 관한 정보를 IoT 서버(3000, 도 1 참조)에 전송할 수도 있다.In an embodiment, after executing the operation, the
도 11은 본 개시의 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 신규 디바이스(4300) 각각의 동작 방법을 도시한 흐름도이다.11 is a flowchart illustrating an operation method of each of the
도 11은 도 9에 도시된 ⓑ단계 이후에 허브 디바이스(1000), 음성 비서 서버(2000), IoT 서버(3000), 및 신규 디바이스(4300)를 포함하는 멀티 디바이스 시스템 환경에서 각 주체의 동작들을 나타내는 흐름도이다. 도 9에 도시된 ⓑ단계는 허브 디바이스(1000)가 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 허브 디바이스에 저장하지 않는 것으로 결정한 상태를 나타낸다. 도 11에 도시된 허브 디바이스(1000)를 참조하면, 도 10에 도시된 허브 디바이스(1000)와는 달리 신규 디바이스 기능 판단 모델(1378)이 포함되어 있지 않는데, 이는 ⓑ단계에서 신규 디바이스(4300)에 대응하는 기능 판단 모델을 메모리(1300, 도 2 참조)에 저장하지 않기로 결정하였기 때문이다. 11 illustrates operations of each subject in a multi-device system environment including a
단계 S1110에서, 허브 디바이스(1000)는 음성 비서 서버(2000)에, 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 액세스(access) 정보를 요청하는 쿼리(query)를 전송한다. 액세스 정보는 예를 들어, 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)이 저장된 음성 비서 서버(2000)의 식별 정보(예를 들어, 서버 id), 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 음성 비서 서버(2000) 내의 기능 판단 모델(2368)에 접근할 수 있는 API 정보(Application Programming Interface), 기능 판단 모델(2368)의 사용 언어 및 대응하는 신규 디바이스(4300)의 식별 정보 중 적어도 하나를 포함할 수 있다. 단계 S1110의 일 실시예에서 허브 디바이스(1000)는, 허브 디바이스(1000)의 식별 정보 및 사용자 계정 정보를 음성 비서 서버(2000)에 전송할 수도 있다.In step S1110, the
단계 S1120에서, 음성 비서 서버(2000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)에 대한 액세스 정보를 획득한다. In step S1120, the
단계 S1122에서, 음성 비서 서버(2000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)의 액세스 정보를 허브 디바이스(1000)에 전송한다. In step S1122, the
단계 S1130에서, 허브 디바이스(1000)는 수신한 액세스 정보를 내부 메모리(1300, 도 2 참조)에 저장한다.In step S1130, the
단계 S1140에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신한다.In step S1140, the
단계 S1150에서, 허브 디바이스(1000)는 ASR을 수행하여, 수신된 음성 입력을 텍스트로 변환한다.In step S1150, the
단계 S1160에서, 업데이트된 디바이스 판단 모델(1330)을 이용하여, 텍스트를 분석하고, 분석된 텍스트에 대응하는 동작 수행 디바이스로서, 신규 디바이스(4300)를 결정한다. In step S1160, the text is analyzed using the updated
단계 S1140 내지 단계 S1160은 도 8에 도시된 단계 S830 내지 단계 S850과 동일하므로, 중복되는 설명은 생략한다.Steps S1140 to S1160 are the same as steps S830 to S850 shown in FIG. 8, and therefore, a duplicate description will be omitted.
단계 S1162에서, 허브 디바이스(1000)는 액세스 정보에 기초하여, 텍스트의 적어도 일부를 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)에 전송한다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)이 저장된 음성 비서 서버(2000)의 식별 정보(예를 들어, 서버 id), 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 음성 비서 서버(2000) 내의 기능 판단 모델(2368)에 접근할 수 있는 API 정보(Application Programming Interface), 기능 판단 모델(2368)의 사용 언어 및 대응하는 신규 디바이스(4300)의 식별 정보 중 적어도 하나에 기초하여 기능 판단 모델(2368)이 저장된 음성 비서 서버(2000)를 식별하고, 음성 비서 서버(2000)의 기능 판단 모델(2368)에 텍스트의 적어도 일부를 전송할 수 있다.In step S1162, the
단계 S1170에서, 음성 비서 서버(2000)는 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 이용하여 텍스트의 적어도 일부를 해석함으로써, 신규 디바이스(4300)가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 음성 비서 서버(2000)는 복수의 기능 판단 모델(2362, 2364, 2368) 중 신규 디바이스(4300)에 대응하는 기능 판단 모델(2368)을 선택하고, 선택된 기능 판단 모델(2368)의 자연어 이해 모델(2368a)을 이용하여 텍스트를 해석하고, 분석 결과에 기초하여 인텐트(intent)를 결정한다. 음성 비서 서버(2000)는 신규 디바이스 기능 판단 모델(2368)의 자연어 이해 모델(2368a)를 이용하여, 허브 디바이스(1000)로부터 수신한 텍스트의 적어도 일부를 분석할 수 있다. 자연어 이해 모델(2368a)은 신규 디바이스(4300)와 관련된 텍스트를 해석하기 위하여 학습된 인공지능 모델로서, 사용자가 의도하는 동작과 관련된 인텐트 및 파라미터들을 결정하도록 학습된 모델일 수 있다. 자연어 이해 모델(2368a)은 텍스트가 입력되면 신규 디바이스(4300)의 타입과 관련된 기능을 결정하도록 학습된 모델일 수 있다. In step S1170, the
일 실시예에서, 음성 비서 서버(2000)는 자연어 이해 모델(2368a)을 이용하여 텍스트의 적어도 일부를 단어 또는 구 단위로 파싱(parse)하고, 파싱된 형태소, 단어, 또는 구의 언어적 특징(예: 문법적 요소)을 이용하여 파싱된 텍스트로부터 추출된 단어의 의미를 추론하고, 추론된 의미를 기 정의된 인텐트 및 파라미터에 매칭시켜 텍스트로부터 인텐트 및 파라미터를 획득할 수 있다. 일 실시예에서, 음성 비서 서버(2000)는 텍스트의 적어도 일부로부터 인텐트만을 결정할 수도 있다.In one embodiment, the
음성 비서 서버(2000)는 인텐트에 기초하여 신규 디바이스(4300)가 수행할 동작에 관한 동작 정보를 획득한다. 일 실시예에서, 음성 비서 서버(2000)는 신규 디바이스 기능 판단 모델(2368)의 액션 플랜 관리 모듈(2368b)를 이용하여, 인텐트 및 파라미터에 기초하여 신규 디바이스(4300)가 수행할 동작 정보를 플래닝(planning)한다. 액션 플랜 관리 모듈(2368b)은 인텐트 및 파라미터에 기초하여 신규 디바이스(4300)가 수행할 동작들을 해석할 수 있다. 액션 플랜 관리 모듈(2368b)은 기 저장된 디바이스의 동작들 중 해석된 동작들과 관련된 세부 동작들을 선택하고, 선택된 세부 동작들의 실행 순서를 플래닝할 수 있다. 액션 플랜 관리 모듈(2368b)은 플래닝 결과를 이용하여 신규 디바이스(4300)가 수행할 세부 동작에 관한 동작 정보를 획득할 수 있다. The
단계 S1172에서, 음성 비서 서버(2000)는 획득된 동작 정보 및 신규 디바이스(4300)의 식별 정보를 IoT 서버(3000)에 전송한다. In step S1172, the
단계 S1180에서, IoT 서버(3000)는 신규 디바이스(4300)의 식별 정보 및 수신된 동작 정보에 기초하여 제어 명령(control command)을 획득한다. IoT 서버(3000)에는 복수의 디바이스에 대한 제어 명령 및 동작 정보가 저장된 데이터베이스를 포함할 수 있다. 일 실시예에서, IoT 서버(3000)는 데이터베이스(DB)에 기 저장된 복수의 디바이스에 관한 제어 명령들 중에서, 신규 디바이스(4300)의 식별 정보에 기초하여 신규 디바이스(4300)의 세부 동작들을 제어하기 위한 제어 명령을 선택할 수 있다. In step S1180, the
단계 S1182에서, IoT 서버(3000)는 신규 디바이스(4300)의 식별 정보를 이용하여, 신규 디바이스(4300)에 제어 명령을 전송한다. In step S1182, the
단계 S1190에서, 신규 디바이스(4300)는 수신된 제어 명령에 따라, 제어 명령에 대응하는 동작들을 실행한다. In step S1190, the
일 실시예에서, 신규 디바이스(4300)는 동작을 실행한 이후, 동작 실행 결과에 관한 정보를 IoT 서버(3000)에 전송할 수 있다. In an embodiment, after executing the operation, the
도 12a는 본 개시의 허브 디바이스 및 리스너 디바이스의 동작을 도시한 개념도이다.12A is a conceptual diagram illustrating an operation of a hub device and a listener device according to the present disclosure.
도 12a에 도시된 화살표는 제1 디바이스(4100a)와 제2 디바이스(4200a) 간의 음성 신호 및 텍스트를 포함하는 데이터의 이동, 전송, 및 수신을 표시한다. 원문자 안의 숫자는 각 동작이 수행되는 순서를 의미한다. Arrows shown in FIG. 12A indicate movement, transmission, and reception of data including text and voice signals between the
제1 디바이스(4100a) 및 제2 디바이스(4200a)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 데이터 통신을 수행할 수 있다. 일 실시예에서, 제1 디바이스(4100a)와 제2 디바이스(4200a)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. 일 실시예에서, 제1 디바이스(4100a) 및 제2 디바이스(4200a)는 음성 비서 서버(2000, 도 3 참조)와 연결될 수 있으며, 음성 비서 서버(2000)를 통해 서로 연결될 수 있다. The
도 12a를 참조하면, 제1 디바이스(4100a)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)이고, 제2 디바이스(4200b)는 음성 입력을 해석함으로써, 동작 수행 디바이스를 결정하고, 결정된 디바이스가 동작을 수행하도록 제어하는 허브 디바이스(hub device)일 수 있다. 예를 들어, 제1 디바이스(4100a)는 에어컨이고, 제2 디바이스(4200a)는 TV일 수 있다. Referring to FIG. 12A, a
제1 디바이스(4100a)는 발화로 구성된 음성 입력을 사용자로부터 수신하는 리스너 디바이스일 수 있다. 리스너 디바이스는 사용자로부터 음성 입력을 수신하기만 하는 디바이스일 수 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 리스너 디바이스는, 허브 디바이스(도 12a에 도시된 실시예에서, 제2 디바이스(4200a))로부터 제어 명령을 받아 특정 기능에 관한 동작을 수행하는 동작 수행 디바이스일 수 있다. The
일 실시예에서 리스너 디바이스는, 리스너 디바이스가 수행하는 기능과 관련된 음성 입력을 사용자로부터 수신할 수 있다. 예를 들어, 제1 디바이스(4100a)는 사용자로부터 “에어컨 온도를 20℃로 내려줘”와 같은 음성 입력을 수신한다 (단계 ①).In an embodiment, the listener device may receive a voice input related to a function performed by the listener device from a user. For example, the
일 실시예에서, 제1 디바이스(4100a)는 마이크를 통해 수신된 소리를 음향 신호로 변환하고, 음향 신호로부터 노이즈(예를 들어, 비음성 성분)를 제거하여 음성 신호를 획득할 수 있다. In an embodiment, the
제1 디바이스(4100a)는 음성 신호를 허브 디바이스인 제2 디바이스(4200a)에 전송한다 (단계 ②).The
허브 디바이스인 제2 디바이스(4200a)는 제1 디바이스(4100a)로부터 음성 신호를 수신하고, 음성 신호를 텍스트로 변환하고, 텍스트를 해석함으로써 리스너 디바이스를 동작 수행 디바이스로 결정한다 (단계 ③). 일 실시예에서, 제2 디바이스(4200a)는 메모리에 기 저장된 ASR 모듈의 데이터를 이용하여 ASR(Automatic Speech Recognition)을 수행함으로써, 음성 신호를 텍스트로 변환할 수 있다. 제2 디바이스(4200a)는 메모리에 기 저장된 디바이스 판단 모델을 이용하여 텍스트를 해석함으로써, 텍스트로부터 인텐트를 검출하고, 검출된 인텐트에 대응하는 동작을 수행하는 디바이스를 결정할 수 있다. 도 12a에 도시된 실시예에서, 제2 디바이스(4200a)는 제1 디바이스(4100a)를 동작 수행 디바이스로 결정할 수 있다. The
허브 디바이스인 제2 디바이스(4200a)에 의해 결정된 동작 수행 디바이스에 대응하는 기능 판단 모델은 허브 디바이스의 메모리 내에 기 저장되어 있거나, 동작 수행 디바이스로 결정된 제1 디바이스(4100a) 자체에 저장되어 있거나, 또는 음성 비서 서버(2000, 도 3 참조)의 메모리(2300, 도 3 참조) 내에 저장되어 있을 수 있다. 각 디바이스에 대응하는 기능 판단 모델은, 디바이스가 판단된 기능에 따른 동작을 수행하기 위한 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 모델이다.The function determination model corresponding to the operation performing device determined by the
도 12a에 도시된 실시예에서, 제1 디바이스(4100a)에 대응하는 기능 판단 모델은 제1 디바이스(4100a)의 메모리 내에 기 저장되어 있을 수 있다. 예를 들어, 제1 디바이스(4100a)는 에어컨에 대응하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 획득하기 위하여 이용하는 에어컨 기능 판단 모델(4132, 도 5 참조)을 저장할 수도 있다. In the embodiment illustrated in FIG. 12A, the function determination model corresponding to the
허브 디바이스인 제2 디바이스(4200a)는 텍스트를 리스너 디바이스의 기능 판단 모델에 제공한다 (단계 ④). The
제1 디바이스(4100a)는 수신된 텍스트를 해석함으로서, 동작을 실행한다 (단계 ⑤). 일 실시예에서, 제1 디바이스(4100a)는 에어컨의 기능 판단 모델(4132)에 포함된 자연어 이해 모델(4134, 도 5 참조)을 이용하여 텍스트의 적어도 일부를 분석하고, 텍스트의 적어도 일부에 대한 분석 결과에 기초하여 제1 디바이스(4100a)가 수행할 동작에 관한 동작 정보를 획득할 수 있다. 기능 판단 모델(4132)은, 제1 디바이스(4100a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 생성하기 위하여 디바이스의 세부 동작에 관련된 동작 정보를 관리하는 액션 플랜 관리 모듈(4136, 도 5 참조)을 포함할 수 있다. 액션 플랜 관리 모듈(4136)은, 제1 디바이스(4100a)가 실행하는 세부 동작들 및 세부 동작들 간의 관계에 관한 동작 정보를 관리할 수 있다. 액션 플랜 관리 모듈(4136)은, 텍스트의 적어도 일부에 관한 분석 결과에 기초하여, 제1 디바이스(4100a)가 수행할 세부 동작들 및 세부 동작들의 실행 순서를 플래닝(planning)할 수 있다. 제1 디바이스(4100a)는 기능 판단 모델(4132)에 의한 텍스트의 적어도 일부에 관한 분석 결과에 기초하여 세부 동작들 및 세부 동작들의 실행 순서를 플래닝하고, 플래닝 결과에 기초하여 동작을 실행할 수 있다.The
도 12b는 본 개시의 허브 디바이스 및 제2 디바이스의 동작을 도시한 개념도이다.12B is a conceptual diagram illustrating an operation of a hub device and a second device according to the present disclosure.
도 12b에 도시된 화살표는 제1 디바이스(4100b)와 제2 디바이스(4200b) 간의 음성 신호 및 텍스트를 포함하는 데이터의 이동, 전송, 및 수신을 표시한다. 원문자 안의 숫자는 각 동작이 수행되는 순서를 의미한다. Arrows shown in FIG. 12B indicate movement, transmission, and reception of data including text and voice signals between the
도 12a와 마찬가지로, 도 12b에 도시된 제1 디바이스(4100b) 및 제2 디바이스(4200b)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 데이터 통신을 수행할 수 있다. Like FIG. 12A, the
도 12b를 참조하면, 제1 디바이스(4100b)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스임과 동시에, 수신된 음성 입력을 해석함으로써, 동작 수행 디바이스를 결정하고, 결정된 디바이스가 동작을 수행하도록 제어하는 허브 디바이스일 수 있다. Referring to FIG. 12B, the
도 12b에 도시된 실시예에서, 제1 디바이스(4100b)는 사용자로부터 “에어컨 온도를 20℃로 내려줘”와 같은 음성 입력을 수신한다 (단계 ①).In the embodiment shown in FIG. 12B, the
제1 디바이스(4100b)는 음성 입력을 해석함으로써, 허브 디바이스를 동작 수행 디바이스로 결정하고, 동작을 실행한다 (단계 ②). 제1 디바이스(4100b)가 허브 디바이스로서 음성 입력을 텍스트로 변환하고, 변환된 텍스트를 해석함으로써, 동작 수행 디바이스를 결정하고, 동작 수행 디바이스가 동작을 수행하기 위한 동작 정보를 획득하고, 획득된 동작 정보에 기초하여 동작을 실행하는 방법은 도 12a에서 설명한 제1 디바이스(4100a)의 방법과 동일하므로, 중복되는 설명은 생략한다. The
도 12a 및 도 12b에 도시된 실시예에서, 사용자가 특정 디바이스를 통해 실행하고자 하는 발화 의도, 예를 들어 에어컨의 설정 온도를 내리는 인텐트와 관련되는 동작 수행 디바이스는 모두 제1 디바이스(4100a, 4100b)로서 동일하다. 그러나, 도 12a에 도시된 실시예에서는 제1 디바이스(4100a)가 리스너 디바이스이기 때문에 음성 입력을 직접 해석하여 동작 수행 디바이스를 결정할 수 없는바, 허브 디바이스인 제2 디바이스(4200a)에 음성 신호를 전송하고, 다시 제2 디바이스(4200a)로부터 텍스트를 수신하여야 하는 과정이 더 필요하게 된다. 도 12b에 도시된 실시예에서는 제1 디바이스(4100b)가 허브 디바이스이기 때문에 제2 디바이스(4200b)에 음성 신호를 전송하거나, 제2 디바이스(4200b)로부터 텍스트를 수신하는 등의 불필요한 과정이 생략된다. 따라서, 도 12b에 도시된 실시예에서는, 도 12a의 실시예 대비 지연 시간(latency)이 적고, 도 12a의 실시예 대비 발화의 처리 시간이 더 적게 소요될 수 있다. '발화의 처리 시간(processing time)'은 사용자의 발화를 수신한 시점으로부터 동작 실행이 완료되는 시점까지의 시간을 의미한다. 일 실시예에서, 발화의 처리 시간은 사용자의 발화를 수신한 시점으로부터 동작 실행 완료 메시지를 출력하는 시점까지의 시간을 의미할 수도 있다.In the embodiment shown in FIGS. 12A and 12B, the device for performing an operation related to the intent to lower the set temperature of the air conditioner, for example, the ignition intention that the user intends to execute through a specific device, are all
본 개시의 일 실시예에서, 복수의 디바이스 중 사용자가 더 자주 사용하고, 발화의 처리 시간이 짧게 소요되는 디바이스를 허브 디바이스로 결정할 수 있다. 또한, 현재 허브 디바이스로 사용되는 디바이스 보다 사용자가 더 자주 사용하고, 발화의 처리 시간이 짧게 소요되는 디바이스가 있는 경우, 그 디바이스를 허브 디바이스로 대체함으로써, 허브 디바이스를 변경할 수 있다. 도 12a 및 도 12b에 도시된 실시예에서, 사용자는 여름에 에어컨 사용 빈도가 증가하고, 따라서 에어컨 제어와 관련된 발화의 빈도수가 높아지는바, 사용 빈도수 및 발화의 처리 시간을 고려할 때 TV인 제2 디바이스(4200a)를 허브 디바이스로 사용하는 대신, 허브 디바이스를 에어컨인 제1 디바이스(4100b)로 변경하는 경우(도 12b 참조) 지연 시간(latency)을 단축할 수 있다. 또한, 현재 허브 디바이스로 사용되고 있는 디바이스의 전원이 오프(off)되거나, 네트워크 연결이 끊기는 경우 등 허브 디바이스가 정상적으로 동작할 수 없는 예외 상황에서 허브 디바이스를 다른 디바이스로 대체할 수 있는바, 예외 상황에 유연하게 대처할 수 있다. In an embodiment of the present disclosure, a device that a user uses more often and takes a shorter time to process an utterance among a plurality of devices may be determined as the hub device. In addition, when there is a device that is used by a user more often than a device that is currently used as a hub device and requires a shorter processing time for ignition, the hub device can be changed by replacing the device with a hub device. In the embodiment shown in FIGS. 12A and 12B, the user uses an air conditioner in the summer, and thus the frequency of ignition related to the air conditioner control increases. Considering the frequency of use and the processing time of ignition, the second device that is a TV When the hub device is changed to the
본 개시의 일 실시예에서, 허브 디바이스는 기설정된 시간 간격에 따라 주기적으로 복수의 디바이스 각각의 사용 빈도수 및 발화의 처리 시간에 관한 정보를 획득하고, 획득된 정보를 이용하여 현재 허브 디바이스로 사용되는 디바이스의 사용 빈도수 및 발화의 처리 시간과 비교함으로써 주기적으로 허브 디바이스를 변경할 수 있다. In an embodiment of the present disclosure, the hub device periodically acquires information on the frequency of use and processing time of utterances of each of the plurality of devices according to a preset time interval, and uses the obtained information to be used as the current hub device. The hub device can be changed periodically by comparing the frequency of use of the device and the processing time of the ignition.
도 13은 본 개시의 일 실시예에 따른 허브 디바이스(1002)의 구성 요소를 도시한 블록도이다.13 is a block diagram illustrating components of a
허브 디바이스(Hub device)(1002)는 사용자의 음성 입력을 수신하고, 수신된 음성 입력에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 디바이스를 제어하는 디바이스이다. 허브 디바이스(1002)는 사용자로부터 음성 입력을 수신하는 리스너 디바이스(listener device)일 수 있다. The
도 13을 참조하면, 허브 디바이스(1002)는 적어도 마이크(1100), 프로세서(1200), 메모리(1300) 및 통신 인터페이스(1400)를 포함하도록 구성될 수 있다. 허브 디바이스(1002)에 포함되는 구성 요소 중 마이크(1100), 프로세서(1200), 및 통신 인터페이스(1400)는 도 2에 도시된 구성 요소들과 각각 동일하므로, 중복되는 설명은 생략한다. Referring to FIG. 13, the
메모리(1300)는 ASR 모듈(1310)에 관한 데이터, NLG 모듈(1320)에 관한 데이터, TTS 모듈(1330)에 관한 데이터, 디바이스 판단 모델(1340)에 관한 데이터, 리소스 트래킹 모듈(1350)에 관한 데이터, 기능 판단 모델 관리 모듈(1360)에 관한 데이터, 복수의 기능 판단 모델(1370), 및 허브 디바이스 결정 모듈(1380)에 관한 데이터가 저장되어 있을 수 있다. ASR 모듈(1310), NLG 모듈(1320), TTS 모듈(1330), 디바이스 판단 모델(1340), 리소스 트래킹 모듈(1350), 기능 판단 모델 관리 모듈(1360), 및 복수의 기능 판단 모델(1370) 각각은 도 2에 도시된 구성과 동일하므로, 중복되는 설명은 생략한다.The
허브 디바이스 결정 모듈(1380)은 허브 디바이스(1002) 및 허브 디바이스(1002)에 로그인된 사용자 계정(user account)에 따라 IoT 서버(3000, 도 4 참조)에 기 등록된 복수의 디바이스(4000, 도 5 참조) 중 어느 하나의 디바이스를 허브 디바이스로 결정하도록 구성되는 모듈이다. 허브 디바이스 결정 모듈(1380)은 복수의 디바이스(4000) 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택하고, 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하며, 현재의 허브 디바이스(1002)를 결정된 디바이스로 대체함으로써, 허브 디바이스를 변경하도록 구성되는 데이터, 명령어들(instructions) 또는 프로그램 코드를 포함할 수 있다. The hub device determination module 1380 includes a plurality of
프로세서(1200)는 허브 디바이스 결정 모듈(1380)에 관한 데이터 또는 프로그램 코드를 이용하여 복수의 디바이스(4000) 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택할 수 있다. 일 실시예에서, 프로세서(1200)는 허브 디바이스 결정 모듈(1380)에 관한 데이터 또는 프로그램 코드를 이용하여 복수의 디바이스(4000) 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나의 정보를 획득하고, 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 허브 디바이스 후보를 결정할 수 있다. The
프로세서(1200)는 허브 디바이스 결정 모듈(1380)에 관한 데이터 또는 프로그램 코드를 이용하여, 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보를 획득하고, 획득된 사용 이력 정보 및 성능 정보에 기초하여 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정할 수 있다. 프로세서(1200)는 결정된 디바이스로 현재 허브 디바이스(1002)를 대체함으로써, 허브 디바이스를 변경할 수 있다. 예를 들어, 현재 허브 디바이스(1002)가 TV인 경우, 프로세서(1200)는 허브 디바이스 결정 모듈(1380)에 관한 데이터를 이용하여 복수의 디바이스(4000) 중 에어컨을 신규 허브 디바이스로 결정하고, 현재 허브 디바이스(1002)인 TV를 에어컨으로 대체함으로써, 허브 디바이스(1002)를 변경할 수 있다. The
허브 디바이스 결정 모듈(1380)은 사용 이력 로그 데이터베이스(1382) 및 디바이스 성능 이력 데이터베이스(1384)를 포함할 수 있다. 도 13에서는 사용 이력 로그 데이터베이스(1382) 및 디바이스 성능 이력 데이터베이스(1384)가 허브 디바이스 결정 모듈(1380) 내에 포함되는 것으로 도시되어 있으나, 이에 한정되는 것은 아니다. 일 실시예에서, 사용 이력 로그 데이터베이스(1382) 및 디바이스 성능 이력 데이터베이스(1384)는 허브 디바이스 결정 모듈(1380)에 포함되지 않고, 메모리(1300)에 저장될 수도 있다. The hub device determination module 1380 may include a usage
다른 실시예에서, 사용 이력 로그 데이터베이스(1382) 및 디바이스 성능 이력 데이터베이스(1384) 중 적어도 하나는 허브 디바이스(1002)에 포함되지 않고, 외부 데이터베이스로 구성될 수도 있다. 이 경우, 허브 디바이스(1002)는 네트워크를 통해 사용 이력 로그 데이터베이스(1382) 및 디바이스 성능 이력 데이터베이스(1384) 중 적어도 하나에 액세스(access)할 수 있다. In another embodiment, at least one of the usage
사용 이력 로그 데이터베이스(1382)는 허브 디바이스(1002) 및 복수의 디바이스(4000) 각각의 사용 빈도수 및 최근 사용 이력에 관한 정보를 로그(log) 형태로 저장하는 데이터베이스이다. 사용 이력 로그 데이터베이스(1382)는 예를 들어, 허브 디바이스(1002) 및 복수의 디바이스(4000) 각각이 사용자에 의해 리스너 디바이스로 사용된 빈도수, 동작 수행 디바이스(executer device)로 사용된 빈도수, 리스너 디바이스로 사용된 최근 사용 이력, 및 동작 수행 디바이스로 사용된 최근 사용 이력 중 적어도 하나의 데이터를 로그 형태로 저장할 수 있다. 사용 이력 로그 데이터베이스(1382)는 예를 들어, 사용자로부터 자주 수신된 음성 입력 또는 음성 입력으로부터 변환된 텍스트를 저장할 수도 있다.The usage
디바이스 성능 이력 데이터베이스(device performace history log database)(1384)는 허브 디바이스(1002) 및 복수의 디바이스(4000) 각각의 성능의 이력 정보를 로그(log) 형태로 저장하는 데이터베이스이다. 디바이스 성능 이력 데이터베이스(1384)는 예를 들어, 허브 디바이스(1002) 및 복수의 디바이스 각각의 발화 처리 시간에 관한 데이터를 로그 형태로 저장할 수 있다. '발화 처리 시간(processing time)’은 디바이스가 사용자의 발화를 수신한 시점으로부터 동작 실행이 완료되는 시점까지의 시간을 의미한다. 일 실시예에서, 발화의 처리 시간은 사용자의 발화를 수신한 시점으로부터 동작 실행 완료 메시지를 출력하는 시점까지의 시간을 의미할 수도 있다. 발화 처리 시간은 디바이스의 성능과 반비례한다. 예를 들어, 발화 처리 시간이 짧을수록 디바이스의 성능이 좋다는 것을 의미한다.The device performace
일 실시예에서, 허브 디바이스(1002)는 복수의 디바이스(4000) 각각으로부터 발화 처리 시간의 시뮬레이션 결과에 관한 정보를 획득할 수 있다. 일 실시예에서, 복수의 디바이스(4000) 각각은 사용자의 발화 예시, 예를 들어 "에어컨 온도를 20°로 내려줘~" 또는 "TV에서 영화 어벤져스 틀어줘~" 등과 같은 예시 텍스트를 해석함으로써 동작 수행 디바이스를 결정하고, 결정된 동작 수행 디바이스가 수행할 동작에 관한 동작 정보를 획득하고, 획득된 동작 정보를 이용하여 제어 명령을 생성하며, 생성된 제어 명령에 기초하여 동작 수행 디바이스가 동작을 실행할 때까지 소요되는 발화 처리 시간을 시뮬레이션할 수 있다. 일 실시예에서, 복수의 디바이스(4000) 각각은 백 그라운드 프로세스(background process)를 통해 발화 처리 시간을 시뮬레이션할 수 있다. '백 그라운드 프로세스'는 사용자에 의한 동작이 아닌, 디바이스 자체적으로 사용자에 의해 인지되지 않는 백 그라운드 환경에서 실행되는 프로세스를 의미한다. 복수의 디바이스(4000) 각각은 시뮬레이션 결과를 허브 디바이스(1002)에 전송할 수 있다. 허브 디바이스(1002)는 복수의 디바이스(4000) 각각으로부터 획득한 발화 처리 시간의 시뮬레이션 결과를 디바이스 성능 이력 데이터베이스(1384)에 저장할 수 있다. In an embodiment, the
프로세서(1200)는 허브 디바이스 결정 모듈(1380)의 데이터 또는 프로그램 코드를 이용하여, 사용 이력 로그 데이터베이스(1382)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득할 수 있다. 또한, 프로세서(1200)는 허브 디바이스 결정 모듈(1380)의 데이터 또는 프로그램 코드를 이용하여, 디바이스 성능 이력 데이터베이스(1384)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간에 관한 정보를 획득할 수 있다. 프로세서(1200)는 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 현재 허브 디바이스(1002)를 대체할 디바이스를 결정할 수 있다. 프로세서(1200)는 허브 디바이스 결정 모듈(1380)의 데이터 또는 프로그램 코드를 이용하여, 현재 허브 디바이스(1002)로 사용되는 제1 디바이스를 새롭게 결정된 제2 디바이스로 대체함으로써, 허브 디바이스(1002)를 제2 디바이스로 변경할 수 있다. 프로세서(1200)가 사용 빈도 정보 및 발화 처리 시간에 관한 정보에 기초하여 허브 디바이스(1002)를 변경하는 실시예에 대해서는 도 15에서 상세하게 설명하기로 한다. The
그러나, 본 개시의 프로세서(1200)가 사용 빈도 정보 및 발화 처리 시간에 관한 정보에 기초하여 허브 디바이스(1002)를 변경하는 것으로 한정되는 것은 아니다. 일 실시예에서, 허브 디바이스(1002)는 복수의 디바이스(4000) 중 어느 하나의 디바이스를 선택하는 사용자의 입력을 수신하고, 수신된 사용자 입력에 기초하여 선택된 디바이스를 허브 디바이스로 결정할 수도 있다. 예를 들어, 허브 디바이스(1002)는 마이크(1100)를 통해 복수의 디바이스(4000) 중 어느 하나의 디바이스를 선택하는 사용자의 음성 입력을 수신하고, 프로세서(1200)는 ASR 모듈(1310)의 데이터를 이용하여 음성 입력을 텍스트로 변환하고, 제1 자연어 이해 모델(1342)의 데이터를 이용하여 텍스트를 해석함으로써, 사용자가 변경하기를 의도하는 디바이스를 식별할 수 있다. 프로세서(1200)는 식별된 디바이스로 허브 디바이스를 변경할 수 있다. However, the
도 14는 본 개시의 일 실시예에 따른 허브 디바이스(1002)의 동작 방법을 도시한 흐름도이다.14 is a flowchart illustrating a method of operating the
단계 S1410에서, 허브 디바이스(1002)는 사용자 계정에 기 등록된 복수의 디바이스(4000, 도 5 참조) 중 적어도 하나의 허브 디바이스 후보(hub device candidates)를 선택한다. 일 실시예에서 허브 디바이스(1002)는, 허브 디바이스(1002)에 로그인된 사용자 계정(user account)에 따라 IoT 서버(3000, 도 4 참조)에 기 등록되고, 허브 디바이스(1002)와 네트워크를 통해 연결되는 복수의 디바이스(4000) 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나의 정보를 획득하고, 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 복수의 디바이스(4000) 중 적어도 하나의 허브 디바이스 후보를 결정할 수 있다.In step S1410, the
단계 S1420에서, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여, 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정한다. In step S1420, the
일 실시예에서, 허브 디바이스(1002)는 메모리(1300, 도 13 참조) 내에 저장되어 있는 사용 이력 로그 데이터베이스(1382, 도 13 참조)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득할 수 있다. 허브 디바이스(1002)는 사용 이력 로그 데이터베이스(1382)로부터, 예를 들어, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각이 사용자에 의해 리스너 디바이스로 사용된 빈도수, 동작 수행 디바이스(executer device)로 사용된 빈도수, 리스너 디바이스로 사용된 최근 사용 이력, 및 동작 수행 디바이스로 사용된 최근 사용 이력 중 적어도 하나의 사용 이력 정보를 획득할 수 있다. In one embodiment, the
일 실시예에서, 허브 디바이스(1002)는 메모리(1300) 내에 저장되어 있는 디바이스 성능 이력 데이터베이스(1384, 도 13 참조)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 성능 이력 정보를 획득할 수 있다. 허브 디바이스(1002)는 디바이스 성능 이력 데이터베이스(1384)로부터, 예를 들어, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간에 관한 정보를 획득할 수 있다. '발화 처리 시간(processing time)’은 사용자의 발화를 수신한 시점으로부터 동작 실행이 완료되는 시점까지의 시간을 의미한다. 일 실시예에서, 발화의 처리 시간은 사용자의 발화를 수신한 시점으로부터 동작 실행 완료 메시지를 출력하는 시점까지의 시간을 의미할 수도 있다.In one embodiment, the
일 실시예에서, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보의 사용 빈도수 및 발화 처리 시간 정보를 현재의 허브 디바이스(1002)의 사용 빈도수 및 발화 처리 시간과 비교함으로써, 적어도 하나의 허브 디바이스 후보 중 허브 디바이스(1002)를 대체할 어느 하나의 디바이스를 결정할 수 있다. 예를 들어, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도수 중 최대값을 현재의 허브 디바이스(1002)의 사용 빈도수와 비교하고, 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간 중 최소값을 현재의 허브 디바이스(1002)의 발화 처리 시간과 비교함으로써, 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정할 수 있다. 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하는 구체적인 방법에 대해서는 도 15에 도시된 단계 S1510 내지 단계 S1550을 통해 상세하게 설명하기로 한다.In one embodiment, the
단계 S1430에서, 허브 디바이스(1002)는 결정된 디바이스로 현재의 허브 디바이스(1002)를 대체함으로써, 허브 디바이스를 변경한다. 예를 들어, 현재의 허브 디바이스(1002)가 TV인 경우, 허브 디바이스(1002)는 허브 디바이스 후보 중 결정된 에어컨으로 TV를 대체함으로써, 허브 디바이스(1002)를 변경할 수 있다. In step S1430, the
도 15는 본 개시의 일 실시예에 따른 허브 디바이스(1002)의 동작 방법을 도시한 흐름도이다.15 is a flowchart illustrating a method of operating the
도 15에 도시된 단계 S1510 내지 단계 S1550은 도 14의 단계 S1420을 구체화한 실시예이다. 도 15에 도시된 단계 S1510은 도 14의 단계 S1410이 수행된 이후에 수행된다. Steps S1510 to S1550 shown in FIG. 15 are exemplary embodiments in which step S1420 of FIG. 14 is embodied. Step S1510 shown in FIG. 15 is performed after step S1410 of FIG. 14 is performed.
단계 S1510에서, 허브 디바이스(1002)는 사용 이력 로그 데이터베이스(1382, 도 13 참조)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 대한 정보를 획득한다. 일 실시예에서, 허브 디바이스(1002)의 프로세서(1200, 도 13 참조)는 메모리(1300, 도 13 참조)에 저장되어 있는 사용 이력 로그 데이터베이스(1382)에 액세스(access)하고, 사용 이력 로그 데이터베이스(1382)를 분석함으로써 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각이 사용자에 의해 리스너 디바이스로 사용된 빈도수, 및 동작 수행 디바이스(executer device)로 사용된 빈도수 중 적어도 하나를 포함하는 사용 빈도에 관한 정보를 획득할 수 있다. 또한, 프로세서(1200)는 사용 이력 로그 데이터베이스(1382)를 분석함으로써 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각이 리스너 디바이스로 사용된 최근 사용 이력, 및 동작 수행 디바이스로 사용된 최근 사용 이력 중 적어도 하나를 포함하는 최근 사용 이력에 관한 정보를 획득할 수도 있다. In step S1510, the
단계 S1520에서, 허브 디바이스(1002)는 현재 허브 디바이스(1002)의 사용 빈도를 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 중 최대값과 비교하고, 허브 디바이스(1002)의 사용 빈도수가 적어도 하나의 허브 디바이스 후보의 사용 빈도수 중 최대값 이하인지 여부를 확인(identify)한다. 허브 디바이스 후보가 하나 뿐인 경우, 허브 디바이스(1002)는 현재 허브 디바이스(1002)로 사용되는 디바이스의 사용 빈도수가 허브 디바이스 후보의 사용 빈도수 보다 작은지 여부를 확인할 수 있다. In step S1520, the
현재 허브 디바이스(1002)로 사용되는 디바이스의 사용 빈도수가 적어도 하나의 허브 디바이스 후보의 사용 빈도수 중 최대값 보다 작은 것으로 확인된 경우(단계 S1530), 허브 디바이스(1002)는 디바이스 성능 이력 데이터베이스(1384, 도 13 참조)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간(processing time)에 관한 정보를 획득한다. 일 실시예에서, 프로세서(1200)는 메모리(1300)에 저장되어 있는 디바이스 성능 이력 데이터베이스(1384)에 액세스(access)하고, 디바이스 성능 이력 데이터베이스(1384)를 분석함으로써 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간에 관한 정보를 획득할 수 있다. '발화 처리 시간(processing time)’은 디바이스가 사용자의 발화를 수신한 시점으로부터 동작 실행이 완료되는 시점까지의 시간을 의미한다. 일 실시예에서, 발화의 처리 시간은 사용자의 발화를 수신한 시점으로부터 동작 실행 완료 메시지를 출력하는 시점까지의 시간을 의미할 수도 있다. 발화 처리 시간은 디바이스의 성능과 반비례한다. 예를 들어, 발화 처리 시간이 짧을수록 디바이스의 성능이 좋다는 것을 의미한다.When it is determined that the frequency of use of the device currently used as the
단계 S1540에서 허브 디바이스(1002)는, 현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간을 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간 중 최소값과 비교함으로써, 현재 허브 디바이스(1002)의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간 중 최소값 이상인지 여부를 확인한다. 허브 디바이스 후보가 하나 뿐인 경우, 허브 디바이스(1002)는 현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간이 허브 디바이스 후보의 발화 처리 시간 보다 오래 걸리는지 여부를 확인할 수 있다.In step S1540, the
현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간의 최소값 보다 오래 걸리는 것으로 확인된 경우(단계 S1550), 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 허브 디바이스(1002)를 대체할 디바이스를 결정한다. 일 실시예에서, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 리스너 디바이스 및 동작 수행 디바이스 중 적어도 하나로 사용되는 빈도수가 가장 많고, 발화 처리 시간이 가장 적게 소요되는 디바이스를 허브 디바이스(1002)를 대체할 디바이스로서 결정할 수 있다. 일 실시예에서, 허브 디바이스(1002)는 사용 빈도수와 발화 처리 시간을 함께 고려하지만, 사용 빈도수에 많은 비중을 두고 허브 디바이스(1002)를 대체할 디바이스를 결정할 수 있다. 예를 들어, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 사용 빈도수가 많은 하나 이상의 디바이스를 먼저 선택한 이후, 선택된 하나 이상의 디바이스 중 발화 처리 시간이 가장 빠른 디바이스를 결정할 수 있다. When it is determined that the ignition processing time of the device currently used as the
그러나, 이에 한정되는 것은 아니고, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 발화 처리 시간이 기설정된 임계 시간 보다 적게 소요되는 하나 이상의 디바이스를 먼저 선택한 이후, 선택된 하나 이상의 디바이스 중 사용 빈도수가 가장 많은 디바이스를 결정할 수도 있다. However, the present invention is not limited thereto, and the
단계 S1430에서 허브 디바이스(1002)는, 결정된 디바이스로 현재 허브 디바이스(1002)로 사용되는 디바이스를 대체함으로써, 허브 디바이스를 변경한다. In step S1430, the
단계 S1520에서 현재 허브 디바이스의 사용 빈도수가 적어도 하나의 허브 디바이스 후보의 사용 빈도수의 최대값 보다 큰 경우(단계 S1440), 현재 허브 디바이스(1002)로 사용되는 디바이스가 계속 허브 디바이스로 유지된다. 마찬가지로, 단계 S1540에서 현재 허브 디바이스(1002)의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간의 최소값 이하인 경우(단계 S1440), 현재 허브 디바이스(1002)로 사용되는 디바이스가 계속 허브 디바이스로 유지된다. 현재 허브 디바이스(1002)로 사용되는 디바이스의 사용 빈도수가 다른 디바이스의 사용 빈도수 보다 많고, 현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간이 다른 디바이스의 발화 처리 시간 보다 적게 소요되는 경우, 굳이 허브 디바이스를 변경할 필요가 없기 때문에 허브 디바이스(1002)로 사용되는 디바이스를 계속 유지한다. In step S1520, when the frequency of use of the current hub device is greater than the maximum value of the use frequency of at least one hub device candidate (step S1440), the device currently used as the
도 16은 본 개시의 일 실시예에 따른 허브 디바이스(1002)의 동작 방법을 도시한 흐름도이다.16 is a flowchart illustrating a method of operating the
도 16에 도시된 단계 S1610 내지 단계 S1690은 도 6에 도시된 단계 S610과 단계 S620 사이에 수행되는 단계들이다. 단계 S1610은 도 6에 도시된 단계 S610과 동일한 단계이다. 단계 S1630, 단계 S1652, 단계 S1680, 및 단계 S1682가 수행된 이후에는 단계 S620이 수행된다. Steps S1610 to S1690 shown in FIG. 16 are steps performed between steps S610 and S620 shown in FIG. 6. Step S1610 is the same step as step S610 shown in FIG. 6. After step S1630, step S1652, step S1680, and step S1682 are performed, step S620 is performed.
단계 S1610에서, 허브 디바이스(1002)는 사용자 계정에 등록된 신규 디바이스의 디바이스 정보를 IoT 서버(3000, 도 4 참조)로부터 수신한다. 신규 디바이스는 허브 디바이스(1002)의 사용자가 구매 또는 소유권 이전 등을 통해 신규로 취득하고, 허브 디바이스(1002)와 동일한 사용자 계정(user account)으로 로그인함으로써, IoT 서버(3000)에 등록된 디바이스를 의미한다. 허브 디바이스(1002)가 수신하는 신규 디바이스의 디바이스 정보는 예를 들어, 신규 디바이스의 식별 정보(예를 들어, 디바이스 id 정보), 신규 디바이스의 디바이스 타입, 신규 디바이스의 기능 수행 능력 정보(capability), 및 위치 정보 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 신규 디바이스의 전원 온오프(on/off), 또는 현재 실행하고 있는 동작에 관한 상태 정보를 수신할 수도 있다. In step S1610, the
허브 디바이스(1002)는 신규 디바이스의 디바이스 정보를 IoT 서버(3000)로부터 수신할 수 있다. 그러나 이에 한정되는 것은 아니고, 허브 디바이스(1002)는 음성 비서 서버(2000, 도 2 참조)로부터 신규 디바이스의 디바이스 정보를 수신할 수 있다. The
단계 S1620에서, 허브 디바이스(1002)는 사용자 계정에 기 등록된 복수의 디바이스 중 허브 디바이스가 존재하는지 여부를 확인(identify)한다. 일 실시예에서 허브 디바이스(1002)는, 허브 디바이스(1002)에 로그인된 사용자 계정과 동일한 사용자 계정에 따라 IoT 서버(3000)에 기 등록된 복수의 디바이스 중 리소스 상태 정보에 기초하여 음성 비서 서버(2000, 도 3 참조)에 의해 결정될 수 있다. 일 실시예에서, 허브 디바이스는 복수의 디바이스 중 디바이스 판단 모델(1340, 도 2 참조)를 포함하고, 사용자로부터 수신한 음성 입력을 해석함으로써 동작 수행 디바이스를 결정할 수 있는 디바이스일 수 있다. In step S1620, the
복수의 디바이스 중 허브 디바이스가 존재하지 않는다고 확인된 경우(단계 S1630), 신규 디바이스가 허브 디바이스(1002)로 결정된다. When it is confirmed that the hub device does not exist among the plurality of devices (step S1630), a new device is determined as the
복수의 디바이스 중 허브 디바이스(1002)가 존재한다고 확인된 경우(단계 S1640), 허브 디바이스(1002)는 사용자 계정에 기 등록된 복수의 디바이스 중 상시 전원 연결, 컴퓨팅 파워, 및 소비 전력량에 기초하여 허브 디바이스 후보를 선택한다. 일 실시예에서, 허브 디바이스(1002)는 복수의 디바이스 중 하나 또는 하나 이상의 허브 디바이스 후보를 결정할 수 있다. 단계 S1640은 도 14에 도시된 단계 S1410과 동일한 단계인바, 중복되는 설명은 생략한다.When it is confirmed that the
단계 S1650에서, 허브 디바이스(1002)는 사용자로부터 허브 디바이스의 변경을 요청하는 음성 입력을 수신하는지 여부를 확인(identify)한다. 예를 들어, 현재의 허브 디바이스(1002)로 사용되는 디바이스가 TV인 경우, 허브 디바이스(1002)는 "에어컨을 허브 디바이스로 변경해줘~"와 같은 허브 디바이스 변경을 요청하는 음성 입력을 수신할 수 있다. 그러나, 음성 입력의 수신으로 한정되는 것은 아니고, 허브 디바이스(1002)는 현재 허브 디바이스(1002)로 사용되는 디바이스를 신규 디바이스로 대체함으로써 허브 디바이스를 변경하는 터치 입력, 또는 마우스 또는 키보드 등 조작 장치를 통한 입력을 사용자로부터 수신할 수도 있다.In step S1650, the
허브 디바이스의 변경을 요청하는 음성 입력을 수신하는 경우(단계 S1652), 허브 디바이스(1002)는 수신된 음성 입력에 기초하여 허브 디바이스(1002)를 대체할 디바이스를 결정한다. 허브 디바이스(1002)는 음성 입력을 텍스트로 변환하고, 자연어 이해 모델을 이용하여 텍스트를 해석함으로써 사용자가 변경하기를 원하는 디바이스의 명칭 또는 타입을 식별하고, 식별된 디바이스를 허브 디바이스(1002)를 대체할 디바이스로서 결정할 수 있다. 일 실시예에서, 허브 디바이스(1002)의 프로세서(1200, 도 13 참조)는 ASR 모듈(1310, 도 13 참조)에 관한 데이터 또는 프로그램 코드를 이용하여, 수신된 음성 입력을 텍스트로 변환하고, 제1 자연어 이해 모델(1342, 도 13 참조)에 관한 데이터 또는 프로그램 코드를 이용하여 텍스트를 단어 또는 구 단위로 파싱(parse)하고, 디바이스의 명칭, 보통 명칭, 또는 설치 위치 등을 특정하고 있는 단어 또는 구를 인식하고, 인식된 단어 또는 구로부터 디바이스를 식별할 수 있다. 허브 디바이스(1002)는 식별된 디바이스를 허브 디바이스(1002)를 대체할 디바이스로 결정할 수 있다. When receiving a voice input requesting change of the hub device (step S1652), the
사용자로부터 허브 디바이스의 변경을 요청하는 음성 입력을 수신하지 않는 경우(단계 S1660), 허브 디바이스(1002)는 디바이스 성능 이력 데이터베이스(1384, 도 13 참조)를 분석함으로써, 허브 디바이스(1002) 및 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간(processing time)에 관한 정보를 획득한다. When a voice input requesting a change of the hub device is not received from the user (step S1660), the
단계 S1670에서 허브 디바이스(1002)는, 현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간과 적어도 하나의 허브 디바이스 후보 각각의 발화 처리 시간 중 최소값을 비교함으로써, 현재 허브 디바이스(1002)의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간의 최소값 보다 오래 걸리는지를 확인한다. In step S1670, the
단계 S1660 및 단계 S1670은 도 15에 도시된 단계 S1530 및 단계 S1540과 각각 동일하므로, 중복되는 설명은 생략한다.Step S1660 and step S1670 are the same as steps S1530 and S1540 shown in FIG. 15, respectively, and redundant descriptions will be omitted.
현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간의 최소값 이하인 경우 (단계 S1680), 현재 허브 디바이스(1002)인 디바이스가 허브 디바이스(1002)로 결정된다. When the ignition processing time of the device currently used as the
현재 허브 디바이스(1002)로 사용되는 디바이스의 발화 처리 시간이 적어도 하나의 허브 디바이스 후보의 발화 처리 시간의 최소값 보다 오래 소요되는 것으로 확인된 경우 (단계 S1682), 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 발화 처리 시간 정보에 기초하여, 허브 디바이스(1002)를 대체할 디바이스를 결정한다. 일 실시예에서, 허브 디바이스(1002)는 적어도 하나의 허브 디바이스 후보 중 발화 처리 시간이 가장 작은 디바이스를 허브 디바이스(1002)를 대체할 디바이스로서 결정할 수 있다. When it is determined that the ignition processing time of the device currently used as the
단계 S620에서, 결정된 허브 디바이스(1002)는 음성 비서 서버(2000)에, 허브 디바이스(1002)에 저장된 디바이스 판단 모델(1340, 도 13 참조)에 대한 업데이트를 요청한다. In step S620, the
도 17은 허브 디바이스(1000), 복수의 디바이스(4000) 및 음성 비서 서버(2000)를 포함하는 네트워크 환경을 도시한 도면이다.17 is a diagram illustrating a network environment including a
도 17을 참조하면, 허브 디바이스(1000), 복수의 디바이스(4000), 음성 비서 서버(2000), 및 IoT 서버(3000)는 유선 통신 또는 무선 통신 방식으로 상호 연결되고, 통신을 수행할 수 있다. 일 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000)는 상호 간 통신망을 통해 직접 연결될 수 있지만, 이에 한정되는 것은 아니다. Referring to FIG. 17, a
허브 디바이스(1000) 및 복수의 디바이스(4000)는 음성 비서 서버(2000)와 연결될 수 있으며, 허브 디바이스(1000)은 서버를 통해 복수의 디바이스(4000)과 연결될 수 있다. 또한, 허브 디바이스(1000)와 복수의 디바이스(4000)는 IoT 서버(3000)와 연결될 수 있다. 다른 실시예에서, 허브 디바이스(1000)와 복수의 디바이스(4000) 각각은 통신망을 통해 음성 비서 서버(2000)와 연결되고, 음성 비서 서버(2000)를 통해 외부의 IoT 서버(3000)와 연결될 수 있다. 또 다른 실시예에서, 허브 디바이스(1000)복수의 디바이스(4000)허브 디바이스(1000)는 복수의 디바이스(4000)와 연결될 수 있으며, 허브 디바이스(1000)는 근접하여 위치하는 하나 또는 복수 개의 엑세스 포인트(Access point)를 통해 복수의 디바이스(4000)와 연결될 수 있다. 또한, 허브 디바이스(1000)는 음성 비서 서버(2000) 또는 IoT 서버(3000)와 연결된 상태를 유지하면서, 복수의 디바이스(4000)와 연결될 수 있다.The
허브 디바이스(1000), 복수의 디바이스(4000), 음성 비서 서버(2000) 및 IoT 서버(3000)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망 또는 이들의 상호 조합을 통해 연결될 수 있다. 무선 통신 방법은 예를 들어, 무선 랜(Wi-Fi), 블루투스, 블루투스 저 에너지(Bluetooth low energy), 지그비, WFD(Wi-Fi Direct), UWB(ultra wideband), 적외선 통신(IrDA, infrared Data Association), NFC(Near Field Communication) 등이 있을 수 있으나, 이에 한정되는 것은 아니다. The
일 실시예에서, 허브 디바이스(1000)는 사용자의 음성 입력을 수신할 수 있다. 복수의 디바이스(4000) 중 적어도 하나는, 음성 비서 서버(2000) 및/또는 IoT 서버(3000)의 제어 명령을 받아 특정 동작을 수행하는 타겟 디바이스일 수 있다. 복수의 디바이스(4000) 중 적어도 하나는, 허브 디바이스(1000)가 수신한 사용자의 음성 입력에 기반하여, 특정 동작을 수행하도록 제어될 수 있다. 일 실시예에서, 복수의 디바이스(4000) 중 적어도 하나는, 음성 비서 서버(2000) 및/또는 IoT 서버(3000)로부터 제어 명령을 받지 않고, 허브 디바이스(1000)로부터 제어 명령을 수신할 수 있다.In an embodiment, the
허브 디바이스(1000)는 사용자로부터 음성 입력(예를 들어, 발화)을 수신할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 ASR 모델을 포함할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 제한적인 기능을 갖는 ASR 모델을 포함할 수 있다. 예를 들어, 허브 디바이스(1000)는 지정된 음성 입력(예를 들어, '하이 빅스비', '오케이 구글'등과 같은 웨이크 업 입력)을 감지하는 기능 또는 일부 음성 입력으로부터 획득한 음성 신호를 전처리하는 기능을 갖는 ASR 모델을 포함할 수 있다. 도 17에서, 허브 디바이스(1000)는 인공지능 스피커(AI speaker)로 도시되었지만, 이에 한정되는 것은 아니다. 일 실시예에서, 복수의 디바이스(4000) 중 어느 하나의 디바이스가 허브 디바이스(1000)일 수 있다. 또한, 허브 디바이스(1000)는 제1 자연어 이해 모델, 제2 자연어 이해 모델 및 자연어 생성 모델을 포함할 수 있다. 이 경우, 허브 디바이스(1000)는 마이크를 통해 사용자의 음성 입력을 수신하거나, 복수의 디바이스(4000) 중 적어도 하나의 디바이스로부터 사용자의 음성 입력을 수신할 수 있다. 허브 디바이스(1000)는, 사용자의 음성 입력이 수신되면 ASR 모델, 제1 자연어 이해 모델, 제2 자연어 이해 모델 및 자연어 생성 모델을 통해 사용자의 음성 입력을 처리하고, 사용자의 음성 입력에 대응하는 응답을 제공할 수 있다.The
허브 디바이스(1000)는 수신된 음성 신호에 기초하여, 사용자가 의도하는 동작을 수행할 타겟 디바이스의 타입(type)을 결정할 수 있다. 허브 디바이스(1000)는 아날로그 신호인 음성 신호를 수신하고, ASR(Automatic Speech Recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 허브 디바이스(1000)는 제1 자연어 이해(Natural Language Understanding, NLU) 모델을 이용하여 변환된 텍스트를 해석하고, 해석 결과에 기초하여 타겟 디바이스를 결정할 수 있다. 허브 디바이스(1000)는 복수의 디바이스(4000) 중 적어도 하나를 타겟 디바이스로 결정할 수 있다. 허브 디바이스(1000)는, 저장하고 있는 복수의 제2 자연어 이해 모델 중에 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 선택할 수 있다. 허브 디바이스(1000)는 선택된 제2 자연어 이해 모델을 이용하여 사용자가 요청한 타겟 디바이스에서 수행하고자 하는 동작을 판단할 수 있다. 허브 디바이스(1000)는, 저장하고 있는 복수의 제2 자연어 이해 모델 중 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델이 없다고 판단되면, 변환된 텍스트 중 적어도 일부를 음성 비서 서버(2000) 또는 복수의 디바이스(4000) 중 적어도 하나로 전송할 수 있다. 허브 디바이스(1000)는 결정된 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스에 판단된 동작에 대한 정보를 전달한다.The
허브 디바이스(1000)는 IoT 서버(3000)로부터 복수의 디바이스(4000)의 정보를 수신할 수 있다. 허브 디바이스(1000)는 수신한 복수의 디바이스(4000) 의 정보를 이용하여 타겟 디바이스를 결정할 수 있다. 또한, 허브 디바이스(1000)는, IoT 서버(3000)을 판단된 동작에 대한 정보를 전달하기 위한 중계 서버로 이용하여, 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스를 제어할 수 있다. The
허브 디바이스(1000)는 마이크를 통해 사용자의 음성 입력을 수신하고, 수신된 음성 입력을 음성 비서 서버(2000)에 전송할 수 있다. 일 실시예에서, 허브 디바이스(1000)는 수신된 음성 입력으로부터 음성 신호를 획득하고, 음성 신호를 음성 비서 서버(2000)에게 전송할 수 있다.The
도 17에 도시된 실시예에서, 복수의 디바이스(4000)는 에어컨(4100), TV(4200), 세탁기(4300), 및 냉장고(4400)를 포함하지만, 이에 한정되지 않는다. 예를 들어, 복수의 디바이스(4000)는 스마트폰(smartphone), 태블릿 PC(tablet personal computer), 이동 전화기(mobile phone), 영상 전화기, 전자책 리더기(e-book reader), 데스크탑 PC(desktop personal computer), 랩탑 PC(laptop personal computer), 넷북 컴퓨터(netbook computer), 워크스테이션(workstation), 서버, PDA(personal digital assistant), PMP(portable multimedia player), MP3 플레이어, 모바일 의료기기, 카메라(camera), 또는 웨어러블 장치(wearable device) 중 적어도 하나를 포함할 수 있다. 일 실시예에서, 복수의 디바이스(4000)는 가전 제품(home appliance)일 수 있다. 가전 제품은, 예를 들면, 텔레비전, DVD(digital video disk) 플레이어, 오디오, 냉장고, 에어컨, 청소기, 오븐, 전자레인지, 세탁기, 공기 청정기, 셋톱 박스(set-top box), 홈 오토매이션 컨트롤 패널(home automation control panel), 보안 컨트롤 패널(security control panel), 게임 콘솔, 전자 키, 캠코더(camcorder), 또는 전자 액자 중 적어도 하나를 포함할 수 있다.In the embodiment illustrated in FIG. 17, the plurality of
음성 비서 서버(2000)는 수신된 음성 신호에 기초하여, 사용자가 의도하는 동작을 수행할 타겟 디바이스의 타입(type)을 결정할 수 있다. 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 아날로그 신호인 음성 신호를 수신하고, ASR(Automatic Speech Recognition)을 수행하여 음성 부분을 컴퓨터로 판독 가능한 텍스트로 변환할 수 있다. 음성 비서 서버(2000)는 제1 자연어 이해(Natural Language Understanding, NLU) 모델을 이용하여 변환된 텍스트를 해석하고, 해석 결과에 기초하여 타겟 디바이스를 결정할 수 있다. 또한, 음성 비서 서버(2000)는 허브 디바이스(1000)로부터 텍스트의 적어도 일부 및 허브 디바이스(1000)에서 결정한 타겟 디바이스에 대한 정보를 수신할 수 있다. 이 경우, 허브 디바이스(1000)는 허브 디바이스(1000)의 ASR 모델 및 제1 자연어 이해 모델을 이용하여 사용자 음성 신호를 텍스트로 변환하고, 변환된 텍스트를 해석하여 타겟 디바이스를 결정한다. 또한, 허브 디바이스(1000)는 변환된 텍스트의 적어도 일부와 결정된 타겟 디바이스에 대한 정보를 음성 비서 서버(2000)로 전송한다.The
음성 비서 서버(2000)는, 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 이용하여 사용자가 요청한 타겟 디바이스에서 수행하고자 하는 동작을 판단할 수 있다. 음성 비서 서버(2000)는 IoT 서버(3000)로부터 복수의 디바이스(4000)의 정보를 수신할 수 있다. 음성 비서 서버(2000)는 수신한 복수의 디바이스(4000) 의 정보를 이용하여 타겟 디바이스를 결정할 수 있다. 또한, 음성 비서 서버(2000)는, IoT 서버(3000)을 판단된 동작에 대한 정보를 전달하기 위한 중계 서버로 이용하여 IoT 서버(3000), 타겟 디바이스가 판단된 동작을 실행할 수 있도록 타겟 디바이스를 제어할 수 있다. IoT 서버(3000)는 네트워크를 통해 연결된 기등록된 복수의 디바이스(4000)에 관한 정보를 저장할 수 있다. 일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000)의 식별 정보(예: 디바이스 id 정보), 복수의 디바이스(4000) 각각의 디바이스 타입, 및 복수의 디바이스(4000) 각각의 기능 수행 능력 정보(capability) 중 적어도 하나를 저장할 수 있다.The
일 실시예에서, IoT 서버(3000)는 복수의 디바이스(4000) 각각의 전원 온오프(on/off), 또는 실행하고 있는 동작에 관한 상태 정보를 저장할 수도 있다. IoT 서버(3000)는, 판단된 동작을 실행하기 위한 제어 명령을 복수의 디바이스(4000) 중 타겟 디바이스로 전송할 수 있다. IoT 서버(3000)는, 음성 비서 서버(2000)로부터 결정된 타겟 디바이스에 대한 정보 및 판단된 동작에 대한 정보를 수신하고, 수신한 정보에 기반하여 타겟 디바이스로 제어 명령을 전송할 수 있다.In an embodiment, the
도 18a 및 도 18b는 본 개시의 허브 디바이스(1000) 및 음성 비서 서버(2000)에서 실행 가능한 음성비서 모델(200)의 실시예를 도시한 도면이다. 18A and 18B are diagrams illustrating an embodiment of a
도 18a 및 도 18b를 참조하면, 음성비서 모델(200)은, 소프트웨어로 구현된다. 음성비서 모델(200)은 사용자의 음성 입력으로부터 사용자의 의도를 결정하고, 사용자의 의도와 관련된 타겟 디바이스를 제어하도록 구성될 수 있다. 음성비서 모델(200)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 학습 등을 통해 기존 모델을 새로운 모델로 업데이트하도록 구성된 제1 어시스턴트 모델(200a), 및 추가된 디바이스에 대응하는 모델을 기존 모델에 추가하도록 구성된 제2 어시스턴트 모델(200b)을 포함할 수 있다.18A and 18B, the
제1 어시스턴트 모델(200a)은, 사용자 음성 입력을 분석하여 사용자 의도와 관련된 타겟 디바이스를 결정하는 모델이다. 제1 어시스턴트 모델(200a)은, ASR 모델(202), NLG 모델(204), 제1 자연어 이해 모델(300a), 및 디바이스 판단 모델(310)을 포함할 수 있다. 일 실시예에서, 디바이스 판단 모델(310)은 제1 자연어 이해 모델(300a)을 포함하도록 구성될 수 있다. 또 다른 실시예에서, 디바이스 판단 모델(310)과 제1 자연어 이해 모델(300a)을 별도의 구성 요소로 구성될 수 있다.The
디바이스 판단 모델(310)은 제1 자연어 이해 모델(300a)의 분석 결과를 이용하여 타겟 디바이스를 결정하는 동작을 수행하기 위한 모델이다. 디바이스 판단 모델(310)은 복수 개의 세부 모델을 포함할 수 있으며, 복수 개의 세부 모델 중 하나가 제1 자연어 이해 모델(300a)일 수 있다. 제1 자연어 이해 모델(300a) 또는 디바이스 판단 모델(310)은 인공지능 모델일 수 있다.The
제1 어시스턴트 모델(200a)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 적어도 디바이스 판단 모델(310) 및 제1 자연어 이해 모델(300a)을 학습을 통해 업데이트할 수 있다. 여기서 학습은, 기존 디바이스 판단 모델 및 제1 자연어 이해 모델을 학습하는 데 사용된 학습 데이터와 추가된 디바이스와 관련된 추가 학습 데이터를 모두 이용하여 학습하는 것을 의미할 수 있다. 또한, 학습은, 추가된 디바이스와 관련된 추가 학습 데이터만을 이용하여 디바이스 판단 모델 및 제1 자연어 이해 모델을 업데이트하는 것을 의미할 수 있다.When a device controlled through the
제2 어시스턴트 모델(200b)은, 특정 디바이스에 특화된 모델로, 특정 디바이스가 수행할 수 있는복수의 동작 중에 사용자의 음성 입력에 대응하는 타겟 디바이스가 수행할 동작을 결정하는 모델이다. 도 18a에서 제2 어시스턴트 모델(200b)은, 복수의 제2 자연어 이해 모델(300b), NLG 모델(206), 및 액션 플랜 관리 모델(210)을 포함할 수 있다. 복수의 자연어 이해 모델(300b)은 서로 다른 복수의 디바이스에 각각 대응될 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 룰 베이스 시스템(rule based system)으로 구현되는 모델일 수 있다. 일 실시예에서, 제2 자연어 이해 모델, NLG 모델, 및 액션 플랜 관리 모델은 인공지능 모델일 수 있다. 복수의 제2 자연어 이해 모델 각각은 복수의 기능 판단 모델 각각의 일부로 구성될 수 있다.The
제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 자연어 이해 모델을 추가하도록 구성될 수 있다. 즉, 제2 어시스턴트 모델(200b)은, 기존 복수의 제2 자연어 이해 모델(300b)에 추가된 디바이스에 대응하는 제2 자연어 이해 모델을 더 포함되도록 구성될 수 있다. 이 경우, 제2 어시스턴트 모델(200b)은, 제1 어시스턴트 모델(200a)을 통해 결정된 타겟 디바이스에 대한 정보를 이용하여, 추가된 제2 자연어 이해 모델을 포함하는 복수의 제2 자연어 이해 모델 중, 결정된 타겟 디바이스에 대응하는 제2 자연어 이해 모델을 선택하도록 구성될 수 있다. When a device controlled through the
도 18b를 참조하면, 제2 어시스턴트 모델(200b)은, 복수의 액션 플랜 관리 모델과 복수의 NLG 모델을 포함할 수 있다. 도 18b에서, 제2 어시스턴트 모델(200b)에 포함된 복수의 제2 자연어 이해 모델 각각은 도2a의 제2 자연어 이해 모델(300b)에 대응되고, 제2 어시스턴트 모델(200b)에 포함된 복수의 NLG 모델 각각은 도2a의 NLG 모델(206)에 대응되며, 제2 어시스턴트 모델(200b)에 포함된 복수의 액션 플랜 관리 모델 각각은 도2a의 액션 플랜 관리 모델(210)에 대응될 수 있다.Referring to FIG. 18B, the
도 18b에서, 복수의 액션 플랜 관리 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 또한, 복수의 NLG 모델 각각은 복수의 제2 자연어 이해 모델 각각에 대응되도록 구성될 수 있다. 다른 실시예에서, 하나의 NLG 모델이 복수의 제2 자연어 이해 모델에 대응될 수 있으며, 하나의 액션 플랜 관리 모델이 복수의 제2 자연어 이해 모델에 대응되도록 구성될 수 있다.In FIG. 18B, each of the plurality of action plan management models may be configured to correspond to each of the plurality of second natural language understanding models. In addition, each of the plurality of NLG models may be configured to correspond to each of the plurality of second natural language understanding models. In another embodiment, one NLG model may correspond to a plurality of second natural language understanding models, and one action plan management model may be configured to correspond to a plurality of second natural language understanding models.
도 18b에서, 제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델을 추가하도록 구성될 수 있다.In FIG. 18B, when a device controlled through the
도 18b에서, 제1 자연어 이해 모델(300a)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 새로운 모델로 업데이트되도록 구성될 수 있다. 또한, 디바이스 판단 모델(310)이 제1 자연어 이해 모델(300a)을 포함하도록 구성된 경우, 디바이스 판단 모델(310)은 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 학습 등을 통해 기존 모델 전체가 새로운 모델로 업데이트되도록 구성될 수 있다. 제1 자연어 이해 모델(300a) 또는 디바이스 판단 모델(310)은 인공지능 모델일 수 있다. 여기서 학습은, 기존 디바이스 판단 모델 및 제1 자연어 이해 모델을 학습하는 데 사용된 학습 데이터와 추가된 디바이스와 관련된 추가 학습 데이터를 모두 이용하여 학습하는 것을 의미할 수 있다. 또한, 학습은, 추가된 디바이스와 관련된 추가 학습 데이터만을 이용하여 디바이스 판단 모델 및 제1 자연어 이해 모델을 업데이트하는 것을 의미할 수 있다.18B, the first natural
도 18b에서, 제2 어시스턴트 모델(200b)은, 음성비서(200)를 통해 제어되는 디바이스가 추가되었을 때 추가된 디바이스에 대응하는 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델을 기존 모델에 추가함으로써 업데이트될 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 룰 베이스 시스템(rule based system)으로 구현되는 모델일 수 있다.18B, the
도 18b의 일 실시예에서, 제2 자연어 이해 모델, NLG 모델, 및 액션 플랜 관리 모델은 인공지능 모델일 수 있다. 제2 자연어 이해 모델, NLG 모델 및 액션 플랜 관리 모델은 각각 대응하는 디바이스에 따라 하나의 모듈로 관리될 수 있다. 이 경우, 제2 어시스턴트 모델(200-b)는 복수의 디바이스에 각각 대응하는 복수의 제2 어시스턴트 모델(200b-1, 200b-2, 200b-3)을 포함할 수 있다. 예를 들면, TV에 대응하는 제2 자연어 이해 모델, TV에 대응하는 NLG 모델 및 TV에 대응하는 액션 플랜 관리 모델은 TV에 대응하는 제2 어시스턴트 모델(200b-1)로 관리될 수 있다. 또한, 스피커에 대응하는 제2 자연어 이해 모델, 스피커에 대응하는 NLG 모델 및 스피커에 대응하는 액션 플랜 관리 모델은 스피커에 대응하는 제2 어시스턴트 모델(200b-2)로 관리될 수 있다. 또한, 냉장고에 대응하는 제2 자연어 이해 모델, 냉장고에 대응하는 NLG 모델 및 냉장고에 대응하는 액션 플랜 관리 모델은 냉장고에 대응하는 제2 어시스턴트 모델(200b-3)로 관리될 수 있다.In the embodiment of FIG. 18B, the second natural language understanding model, the NLG model, and the action plan management model may be an artificial intelligence model. Each of the second natural language understanding model, the NLG model, and the action plan management model may be managed as one module according to a corresponding device. In this case, the second assistant model 200-b may include a plurality of second
제2 어시스턴트 모델(200b)은, 음성비서 모델(200)을 통해 제어되는 디바이스가 추가되었을 때, 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 추가하도록 구성될 수 있다. 즉, 제2 어시스턴트 모델(200b)은, 기존 복수의 제2 어시스턴트 모델(200b-1~3)에 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 더 포함되도록 구성될 수 있다. 이 경우, 제2 어시스턴트 모델(200b)은, 제1 어시스턴트 모델(200a)을 통해 결정된 타겟 디바이스에 대한 정보를 이용하여, 추가된 디바이스에 대응하는 제2 어시스턴트 모델을 포함하는 복수의 제2 어시스턴트 모델 중, 결정된 타겟 디바이스에 대응하는 제2 어시스턴트 모델을 선택하도록 구성될 수 있다.When a device controlled through the
본 명세서에서 설명된 허브 디바이스(1000), 음성 비서 서버(2000), 및 복수의 디바이스(4000)에 의해 실행되는 프로그램은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 프로그램은 컴퓨터로 읽을 수 있는 명령어들을 수행할 수 있는 모든 시스템에 의해 수행될 수 있다. Programs executed by the
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령어(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. The software may include a computer program, code, instructions, or a combination of one or more of these, configuring the processing unit to operate as desired or processed independently or collectively. You can command the device.
소프트웨어는, 컴퓨터로 읽을 수 있는 저장 매체(computer-readable storage media)에 저장된 명령어를 포함하는 컴퓨터 프로그램으로 구현될 수 있다. 컴퓨터가 읽을 수 있는 기록 매체로는, 예를 들어 마그네틱 저장 매체(예컨대, ROM(read-only memory), RAM(random-access memory), 플로피 디스크, 하드 디스크 등) 및 광학적 판독 매체(예컨대, 시디롬(CD-ROM), 디브이디(DVD: Digital Versatile Disc)) 등이 있다. 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템들에 분산되어, 분산 방식으로 컴퓨터가 판독 가능한 코드가 저장되고 실행될 수 있다. 매체는 컴퓨터에 의해 판독가능하며, 메모리에 저장되고, 프로세서에서 실행될 수 있다. The software may be implemented as a computer program including instructions stored in a computer-readable storage media. Computer-readable recording media include, for example, magnetic storage media (e.g., read-only memory (ROM), random-access memory (RAM), floppy disk, hard disk, etc.) and optical reading media (e.g., CD-ROM (CD-ROM) and DVD (Digital Versatile Disc)). The computer-readable recording medium is distributed over networked computer systems, so that computer-readable codes can be stored and executed in a distributed manner. The medium is readable by a computer, stored in memory, and executed on a processor.
컴퓨터로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. The computer-readable storage medium may be provided in the form of a non-transitory storage medium. Here,'non-transient' means that the storage medium does not contain a signal and is tangible, but does not distinguish between semi-permanent or temporary storage of data in the storage medium.
또한, 본 명세서에 개시된 실시예들에 따른 프로그램은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다.In addition, a program according to the embodiments disclosed in the present specification may be provided by being included in a computer program product. Computer program products can be traded between sellers and buyers as commodities.
컴퓨터 프로그램 제품은 소프트웨어 프로그램, 소프트웨어 프로그램이 저장된 컴퓨터로 읽을 수 있는 저장 매체를 포함할 수 있다. 예를 들어, 컴퓨터 프로그램 제품은 디바이스의 제조사 또는 전자 마켓(예를 들어, 구글 플레이 스토어, 앱 스토어)을 통해 전자적으로 배포되는 소프트웨어 프로그램 형태의 상품(예를 들어, 다운로드 가능한 애플리케이션(downloadable application))을 포함할 수 있다. 전자적 배포를 위하여, 소프트웨어 프로그램의 적어도 일부는 저장 매체에 저장되거나, 임시적으로 생성될 수 있다. 이 경우, 저장 매체는 제조사의 서버, 전자 마켓의 서버, 또는 소프트웨어 프로그램을 임시적으로 저장하는 중계 서버의 저장매체가 될 수 있다.The computer program product may include a software program and a computer-readable storage medium in which the software program is stored. For example, a computer program product is a product (for example, a downloadable application) in the form of a software program that is electronically distributed through a device manufacturer or an electronic market (for example, Google Play Store, App Store). It may include. For electronic distribution, at least a part of the software program may be stored in a storage medium or may be temporarily generated. In this case, the storage medium may be a storage medium of a manufacturer's server, an electronic market server, or a relay server temporarily storing a software program.
컴퓨터 프로그램 제품은, 서버 및 디바이스로 구성되는 시스템에서, 서버의 저장매체 또는 디바이스의 저장매체를 포함할 수 있다. 또는, 서버 또는 디바이스와 통신 연결되는 제3의 디바이스(예, 스마트폰)가 존재하는 경우, 컴퓨터 프로그램 제품은 제3의 디바이스의 저장매체를 포함할 수 있다. 또는, 컴퓨터 프로그램 제품은 서버로부터 디바이스 또는 제3 디바이스로 전송되거나, 제3 디바이스로부터 디바이스로 전송되는 소프트웨어 프로그램 자체를 포함할 수 있다.The computer program product may include a storage medium of a server or a storage medium of a device in a system composed of a server and a device. Alternatively, when there is a server or a third device (eg, a smartphone) that is communicatively connected to the device, the computer program product may include a storage medium of the third device. Alternatively, the computer program product may include a software program itself transmitted from a server to a device or a third device, or transmitted from a third device to the device.
이 경우, 서버, 디바이스 및 제3 디바이스 중 하나가 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수 있다. 또는, 서버, 디바이스 및 제3 디바이스 중 둘 이상이 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 분산하여 실시할 수 있다.In this case, one of the server, the device, and the third device may execute the computer program product to perform the method according to the disclosed embodiments. Alternatively, two or more of a server, a device, and a third device may execute a computer program product to distribute and implement the method according to the disclosed embodiments.
예를 들면, 서버(예로, IoT 서버 또는 음성 비서 서버 등)가 서버에 저장된 컴퓨터 프로그램 제품을 실행하여, 서버와 통신 연결된 디바이스가 개시된 실시예들에 따른 방법을 수행하도록 제어할 수 있다. For example, a server (eg, an IoT server or a voice assistant server) may execute a computer program product stored in the server, and control a device connected to the server to perform the method according to the disclosed embodiments.
또 다른 예로, 제3 디바이스가 컴퓨터 프로그램 제품을 실행하여, 제3 디바이스와 통신 연결된 디바이스가 개시된 실시예에 따른 방법을 수행하도록 제어할 수 있다. As another example, a third device may execute a computer program product, and a device connected in communication with the third device may be controlled to perform a method according to the disclosed embodiment.
제3 디바이스가 컴퓨터 프로그램 제품을 실행하는 경우, 제3 디바이스는 서버로부터 컴퓨터 프로그램 제품을 다운로드하고, 다운로드된 컴퓨터 프로그램 제품을 실행할 수 있다. 또는, 제3 디바이스는 프리로드된 상태로 제공된 컴퓨터 프로그램 제품을 실행하여 개시된 실시예들에 따른 방법을 수행할 수도 있다.When the third device executes the computer program product, the third device may download the computer program product from the server and execute the downloaded computer program product. Alternatively, the third device may perform a method according to the disclosed embodiments by executing a computer program product provided in a preloaded state.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 컴퓨터 시스템 또는 모듈 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.As described above, although the embodiments have been described by the limited embodiments and drawings, various modifications and variations are possible from the above description to those of ordinary skill in the art. For example, the described techniques are performed in a different order from the described method, and/or components such as a computer system or module described are combined or combined in a form different from the described method, or other components or equivalents Even if substituted or substituted by, appropriate results can be achieved.
Claims (30)
상기 허브 디바이스와 연결되는 신규 디바이스에 대한 정보를 수신하는 단계;
상기 신규 디바이스에 대한 정보를 수신함에 따라, 음성 비서 서버에, 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 요청하는 단계;
상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하여 저장하는 단계;
상기 음성 비서 서버에, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하는 단계;
상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하고, 수신된 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계; 및
상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 저장하는 단계;
를 포함하는, 방법. A method for storing a voice assistant model in which a hub device controls a device, the method comprising:
Receiving information on a new device connected to the hub device;
Upon receiving information on the new device, requesting, from a voice assistant server, an update of a device determination model stored in the hub device;
Receiving and storing the updated device determination model from the voice assistant server;
Requesting, from the voice assistant server, information on a function determination model corresponding to the new device;
Receiving information on a function determination model corresponding to the new device from the voice assistant server, and determining whether to store the function determination model in the hub device based on the received information; And
Storing the function determination model corresponding to the new device when it is determined to store the function determination model in the hub device;
Including, the method.
상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신하는 단계;
를 더 포함하는, 방법. The method of claim 1,
When it is determined not to store the function determination model in the hub device, receiving access information for a function determination model corresponding to the new device;
The method further comprising.
상기 액세스 정보는, 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함하는, 방법.The method of claim 2,
The access information includes identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and the function determination in the voice assistant server. A method comprising at least one of API information for accessing a model (Application Programming Interface), a language used for the function determination model, and identification information of the new device.
상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계는, 상기 허브 디바이스의 리소스(resource) 상태 및 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보에 기초하여 판단하는, 방법. The method of claim 1,
The method of determining whether to store the function determination model in the hub device is determined based on a resource state of the hub device and information of a function determination model corresponding to the new device.
상기 허브 디바이스는, 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정되는, 방법. The method of claim 1,
The hub device is determined by the voice assistant server based on resource state information for each of a plurality of devices pre-registered according to a user account.
상기 허브 디바이스에 로그인된 사용자 계정(user account)에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택하는 단계;
상기 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여 상기 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하는 단계; 및
상기 허브 디바이스를 상기 결정된 디바이스로 대체함으로써, 상기 허브 디바이스를 변경하는 단계;
를 더 포함하는, 방법.The method of claim 1,
Selecting at least one hub device candidate from among a plurality of devices previously registered in the IoT server according to a user account logged in to the hub device;
Determining any one of the at least one hub device candidate based on usage history information and performance information of each of the at least one hub device candidate; And
Changing the hub device by replacing the hub device with the determined device;
The method further comprising.
상기 적어도 하나의 허브 디바이스 후보를 선택하는 단계는,
상기 복수의 디바이스 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 상기 복수의 디바이스 중 상기 적어도 하나의 허브 디바이스 후보를 선택하는, 방법. The method of claim 6,
Selecting the at least one hub device candidate,
The method of claim 1, wherein the at least one hub device candidate is selected from among the plurality of devices based on at least one of whether the plurality of devices are always powered on, computing power, and power consumption.
상기 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하는 단계는,
상기 허브 디바이스에 저장되어 있는 사용 이력 로그(log) 데이터베이스를 분석함으로써, 상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득하는 단계;
상기 허브 디바이스에 저장되어 있는 성능 이력 로그(performance history log) 데이터베이스를 분석함으로써, 상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 획득하는 단계; 및
상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 상기 허브 디바이스를 대체할 디바이스를 결정하는 단계;
를 포함하는, 방법. The method of claim 6,
Determining any one device among the at least one hub device candidate,
Acquiring information on a frequency of use of the hub device and each of the at least one hub device candidate by analyzing a usage history log database stored in the hub device;
Analyzing a performance history log database stored in the hub device, thereby obtaining information on a speech processing time of each user of the hub device and the at least one hub device candidate; And
Determining a device to replace the hub device based on frequency information and speech processing time information of each of the hub device and the at least one hub device candidate;
Including, the method.
상기 복수의 디바이스 중 상기 적어도 하나의 허브 디바이스 후보를 선택하는 단계는,
상기 허브 디바이스와 연결되는 신규 디바이스에 대한 정보를 수신하는 단계 이후에 수행되는, 방법. The method of claim 6,
Selecting the at least one hub device candidate from among the plurality of devices,
The method performed after receiving information on a new device connected to the hub device.
상기 허브 디바이스에 로그인된 사용자 계정(user account)에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 어느 하나의 디바이스를 선택하는 사용자 입력을 수신하는 단계; 및
상기 사용자 입력에 기초하여 선택된 디바이스를 상기 허브 디바이스로 결정하는 단계;
를 더 포함하는, 방법. The method of claim 6,
Receiving a user input for selecting one of a plurality of devices pre-registered in the IoT server according to a user account logged in to the hub device; And
Determining a selected device as the hub device based on the user input;
The method further comprising.
복수의 디바이스, 음성 비서 서버, 및 IoT 서버 중 적어도 하나와 데이터 통신을 수행하는 통신 인터페이스;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
상기 허브 디바이스와 연결되는 신규 디바이스에 대한 정보를 수신하고, 상기 신규 디바이스에 대한 정보를 수신함에 따라, 상기 음성 비서 서버에 상기 메모리에 기 저장된 디바이스 판단 모델에 대한 업데이트를 요청하고, 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하도록 상기 통신 인터페이스를 제어하고,
수신된 상기 업데이트된 디바이스 판단 모델을 상기 메모리에 저장하고,
상기 음성 비서 서버에, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하고, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하도록 상기 통신 인터페이스를 제어하고,
수신된 상기 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하고,
상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 상기 메모리에 저장하는, 허브 디바이스. In the hub device (Hub device) for storing a voice assistant model for controlling the device,
A communication interface for performing data communication with at least one of a plurality of devices, a voice assistant server, and an IoT server;
A memory storing a program including one or more instructions; And
A processor that executes one or more instructions of a program stored in the memory;
Including,
The processor,
Receiving information on a new device connected to the hub device, and upon receiving the information on the new device, requests the voice assistant server to update a device determination model previously stored in the memory, and the voice assistant server Controlling the communication interface to receive the updated device determination model from
Storing the received updated device determination model in the memory,
Requesting information on a function determination model corresponding to the new device from the voice assistant server, and controlling the communication interface to receive information on a function determination model corresponding to the new device from the voice assistant server,
Determine whether to store the function determination model in the hub device based on the received information,
When it is determined to store the function determination model in the hub device, storing a function determination model corresponding to the new device in the memory.
상기 프로세서는, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스(access) 정보를 수신하도록 상기 통신 인터페이스를 제어하는, 허브 디바이스. The method of claim 11,
The processor, when it is determined not to store the function determination model in the hub device, controls the communication interface to receive access information for a function determination model corresponding to the new device.
상기 액세스 정보는, 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함하는, 허브 디바이스.The method of claim 12,
The access information includes identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and the function determination in the voice assistant server. A hub device comprising at least one of API information (Application Programming Interface) for accessing a model, a language used for the function determination model, and identification information of the new device.
상기 프로세서는, 상기 허브 디바이스의 리소스 상태 및 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보에 기초하여, 상기 기능 판단 모델을 상기 메모리에 저장할지 여부를 결정하는, 허브 디바이스. The method of claim 11,
The processor, based on a resource state of the hub device and information on a function determination model corresponding to the new device, determines whether to store the function determination model in the memory.
상기 허브 디바이스는, 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정되는, 허브 디바이스. The method of claim 11,
The hub device is determined by the voice assistant server based on resource state information for each of a plurality of devices previously registered according to a user account.
상기 프로세서는,
상기 허브 디바이스에 로그인된 사용자 계정(user id)에 따라 상기 IoT 서버에 기 등록된 복수의 디바이스 중 적어도 하나의 허브 디바이스 후보(hub device candidate)를 선택하고,
상기 적어도 하나의 허브 디바이스 후보 각각의 사용 이력 정보 및 성능 정보에 기초하여 상기 적어도 하나의 허브 디바이스 후보 중 어느 하나의 디바이스를 결정하고,
상기 허브 디바이스를 상기 결정된 디바이스로 대체함으로써, 상기 허브 디바이스를 변경하는, 허브 디바이스. The method of claim 11,
The processor,
Selecting at least one hub device candidate from among a plurality of devices pre-registered with the IoT server according to a user account logged in to the hub device,
Determine any one of the at least one hub device candidate based on usage history information and performance information of each of the at least one hub device candidate,
Changing the hub device by replacing the hub device with the determined device.
상기 프로세서는,
상기 복수의 디바이스 각각의 상시 전원 공급 여부, 컴퓨팅 파워(computing power), 및 전력 소비량 중 적어도 하나에 기초하여 상기 복수의 디바이스 중 상기 적어도 하나의 허브 디바이스 후보를 선택하는, 허브 디바이스. The method of claim 16,
The processor,
The hub device, wherein the at least one hub device candidate is selected from among the plurality of devices based on at least one of whether each of the plurality of devices is always powered, computing power, and power consumption.
상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 저장하는 사용 이력 로그 데이터베이스; 및
상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 저장하는 성능 이력 로그(performance history log) 데이터베이스;
를 더 포함하는, 허브 디바이스. The method of claim 16,
A usage history log database for storing information on a frequency of use of the hub device and each of the at least one hub device candidate; And
A performance history log database for storing information on speech processing time of each user of the hub device and the at least one hub device candidate;
The hub device further comprising.
상기 프로세서는,
상기 사용 이력 로그 데이터베이스를 분석함으로써 상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도에 관한 정보를 획득하고, 상기 성능 이력 로그 데이터베이스를 분석함으로써, 상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용자의 발화 처리 시간에 관한 정보를 획득하고,
상기 허브 디바이스 및 상기 적어도 하나의 허브 디바이스 후보 각각의 사용 빈도 정보 및 발화 처리 시간 정보에 기초하여, 상기 허브 디바이스를 대체할 디바이스를 결정하는, 허브 디바이스.The method of claim 18,
The processor,
The hub device and the at least one hub device candidate by analyzing the usage history log database to obtain information on the frequency of use of each of the hub device and the at least one hub device candidate, and by analyzing the performance history log database Obtaining information about each user's utterance processing time,
The hub device to determine a device to replace the hub device based on frequency information and speech processing time information of each of the hub device and the at least one hub device candidate.
상기 허브 디바이스에 로그인된 사용자 계정에 따라 IoT 서버에 기 등록된 복수의 디바이스 중 어느 하나의 디바이스를 선택하는 사용자의 음성 입력을 수신하는 음성 입력부;
를 더 포함하고,
상기 프로세서는, ASR(Automatic Speech Recognition)을 수행함으로써, 상기 음성 입력부로부터 수신한 사용자의 음성 입력을 텍스트로 변환하고, NLU 모델(Natural Language Understanding model)을 이용하여 변환된 텍스트를 해석함으로써, 상기 사용자의 음성 입력에 따라 선택된 디바이스를 상기 허브 디바이스로 결정하는, 허브 디바이스. The method of claim 16,
A voice input unit for receiving a voice input from a user selecting one of a plurality of devices pre-registered in the IoT server according to a user account logged in to the hub device;
Including more,
The processor converts the user's voice input received from the voice input unit into text by performing Automatic Speech Recognition (ASR), and interprets the converted text using a Natural Language Understanding model (NLU). Determining the selected device as the hub device according to the voice input of the device.
상기 허브 디바이스가, 상기 신규 디바이스에 대한 정보를 수신함에 따라, 상기 음성 비서 서버에 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 요청하는 단계;
상기 음성 비서 서버는, 상기 디바이스 판단 모델에 대한 업데이트 요청을 수신함에 따라, 상기 허브 디바이스에 저장된 디바이스 판단 모델에 대한 업데이트를 수행하는 단계;
상기 허브 디바이스는, 상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하여 저장하는 단계;
상기 허브 디바이스는, 상기 음성 비서 서버에 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하는 단계;
상기 음성 비서 서버는, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 획득하여 상기 허브 디바이스로 전송하는 단계; 및
상기 허브 디바이스는, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하고, 수신된 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하는 단계;
를 포함하는, 방법. In a method for storing a voice assistant model in which a voice assistant server and a hub device control a device,
As the hub device receives information on the new device, requesting an update of a device determination model stored in the hub device from the voice assistant server;
The voice assistant server, upon receiving an update request for the device determination model, performing an update on the device determination model stored in the hub device;
The hub device receiving and storing the updated device determination model from the voice assistant server;
The hub device, requesting information on a function determination model corresponding to the new device from the voice assistant server;
Obtaining, by the voice assistant server, information on a function determination model corresponding to the new device and transmitting it to the hub device; And
The hub device receiving information on a function determination model corresponding to the new device from the voice assistant server, and determining whether to store the function determination model in the hub device based on the received information;
Including, the method.
상기 허브 디바이스는, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 저장하는 단계;
를 더 포함하는, 방법. The method of claim 21,
The hub device, when it is determined to store the function determination model in the hub device, storing a function determination model corresponding to the new device;
The method further comprising.
상기 허브 디바이스는, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스 정보를 상기 음성 비서 서버에 요청하여 수신하는 단계;
를 더 포함하는, 방법. The method of claim 21,
The hub device, when it is determined not to store the function determination model in the hub device, requesting and receiving access information for a function determination model corresponding to the new device from the voice assistant server;
The method further comprising.
상기 액세스 정보는, 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함하는, 방법. The method of claim 23,
The access information includes identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and the function determination in the voice assistant server. A method comprising at least one of API information for accessing a model (Application Programming Interface), a language used for the function determination model, and identification information of the new device.
상기 허브 디바이스는, 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정되는, 방법. The method of claim 21,
The hub device is determined by the voice assistant server based on resource state information for each of a plurality of devices pre-registered according to a user account.
상기 허브 디바이스는,
상기 음성 비서 서버와 데이터 통신을 수행하는 통신 인터페이스;
하나 이상의 명령어들(instructions)을 포함하는 프로그램을 저장하는 메모리; 및
상기 메모리에 저장된 프로그램의 하나 이상의 명령어들을 실행하는 프로세서;
를 포함하고,
상기 프로세서는,
상기 신규 디바이스에 대한 정보를 수신하고, 상기 음성 비서 서버에 상기 메모리에 기 저장된 디바이스 판단 모델에 대한 업데이트를 요청하도록 상기 통신 인터페이스를 제어하고,
상기 음성 비서 서버로부터 상기 업데이트된 디바이스 판단 모델을 수신하고, 수신된 상기 업데이트된 디바이스 판단 모델을 상기 메모리에 저장하고,
상기 음성 비서 서버에 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 요청하고, 상기 음성 비서 서버로부터 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 정보를 수신하도록 상기 통신 인터페이스를 제어하고,
수신된 상기 정보에 기반하여 상기 기능 판단 모델을 상기 허브 디바이스에 저장할지 여부를 결정하고,
상기 음성 비서 서버는,
상기 허브 디바이스로부터 상기 디바이스 판단 모델에 대한 업데이트 요청을 수신함에 따라, 상기 허브 디바이스에 기 저장된 디바이스 판단 모델에 대한 업데이트를 수행하고, 상기 신규 디바이스에 대응하는 기능 판단 모델의 정보를 획득하여 상기 허브 디바이스로 전송하는, 시스템. A system comprising a hub device and a voice assistant server,
The hub device,
A communication interface for performing data communication with the voice assistant server;
A memory storing a program including one or more instructions; And
A processor that executes one or more instructions of a program stored in the memory;
Including,
The processor,
Receiving information on the new device, controlling the communication interface to request the voice assistant server to update the device determination model previously stored in the memory,
Receiving the updated device determination model from the voice assistant server, storing the received updated device determination model in the memory,
Requesting information on a function determination model corresponding to the new device from the voice assistant server, and controlling the communication interface to receive information on a function determination model corresponding to the new device from the voice assistant server,
Determine whether to store the function determination model in the hub device based on the received information,
The voice assistant server,
Upon receiving an update request for the device determination model from the hub device, the hub device performs an update to the device determination model previously stored in the hub device and obtains information on a function determination model corresponding to the new device. To transfer to, the system.
상기 프로세서는, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델을 상기 메모리에 저장하는, 시스템. The method of claim 26,
The processor, when it is determined to store the function determination model in the hub device, stores a function determination model corresponding to the new device in the memory.
상기 프로세서는, 상기 기능 판단 모델을 상기 허브 디바이스에 저장하지 않는 것으로 결정한 경우, 상기 신규 디바이스에 대응하는 기능 판단 모델에 대한 액세스 정보를 상기 음성 비서 서버에 요청하고, 상기 액세스 정보를 상기 음성 비서 서버로부터 수신하도록 상기 통신 인터페이스를 제어하는, 시스템. The method of claim 26,
When it is determined that the function determination model is not stored in the hub device, the processor requests access information for a function determination model corresponding to the new device to the voice assistant server, and the access information is sent to the voice assistant server. Controlling the communication interface to receive from.
상기 액세스 정보는, 상기 신규 디바이스에 대응하는 기능 판단 모델이 저장된 상기 음성 비서 서버의 식별 정보, 위치 정보, IP 주소 정보(IP address), MAC 주소(MAC address), 상기 음성 비서 서버 내의 상기 기능 판단 모델에 접근할 수 있는 API 정보(Application Programming Interface), 상기 기능 판단 모델의 사용 언어 및 상기 신규 디바이스의 식별 정보 중 적어도 하나를 포함하는, 시스템. The method of claim 28,
The access information includes identification information, location information, IP address information (IP address), MAC address (MAC address) of the voice assistant server in which a function determination model corresponding to the new device is stored, and the function determination in the voice assistant server. A system comprising at least one of API information (Application Programming Interface) for accessing a model, a language used for the function determination model, and identification information of the new device.
상기 허브 디바이스는, 사용자 계정에 따라 기 등록된 복수의 디바이스 각각에 관한 리소스 상태 정보에 기초하여, 상기 상기 음성 비서 서버에 의해 결정되는, 시스템. The method of claim 26,
The hub device is determined by the voice assistant server based on resource state information for each of a plurality of devices previously registered according to a user account.
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202080070462.4A CN114514575A (en) | 2019-11-01 | 2020-10-30 | Hub device, multi-device system including hub device and plurality of devices, and operation method of hub device and multi-device system |
PCT/KR2020/015070 WO2021086127A1 (en) | 2019-11-01 | 2020-10-30 | Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system |
EP20881858.3A EP3980992A4 (en) | 2019-11-01 | 2020-10-30 | Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system |
US17/085,565 US11930230B2 (en) | 2019-11-01 | 2020-10-30 | Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system |
US18/397,357 US20240129567A1 (en) | 2019-11-01 | 2023-12-27 | Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20190138767 | 2019-11-01 | ||
KR1020190138767 | 2019-11-01 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20210053150A true KR20210053150A (en) | 2021-05-11 |
KR102487078B1 KR102487078B1 (en) | 2023-01-11 |
Family
ID=75915088
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020200065181A KR102487078B1 (en) | 2019-11-01 | 2020-05-29 | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102487078B1 (en) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170049817A (en) * | 2015-10-29 | 2017-05-11 | 주식회사 엘지유플러스 | Voice Recognition Device For Voice Recognizing At Home Network And Performance Method of Threof |
US20180068663A1 (en) * | 2016-09-07 | 2018-03-08 | Samsung Electronics Co., Ltd. | Server and method for controlling external device |
KR20180054157A (en) * | 2016-11-15 | 2018-05-24 | 주식회사 엘지유플러스 | New IOT(Internet Of Things) device management apparatus and method |
US20180174580A1 (en) * | 2016-12-19 | 2018-06-21 | Samsung Electronics Co., Ltd. | Speech recognition method and apparatus |
KR20180105463A (en) * | 2017-03-15 | 2018-09-28 | 한국전자통신연구원 | Operation method of communication node in communication network |
US20190202062A1 (en) * | 2018-01-04 | 2019-07-04 | Samsung Electronics Co., Ltd. | Mobile home robot and controlling method of the mobile home robot |
-
2020
- 2020-05-29 KR KR1020200065181A patent/KR102487078B1/en active IP Right Grant
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170049817A (en) * | 2015-10-29 | 2017-05-11 | 주식회사 엘지유플러스 | Voice Recognition Device For Voice Recognizing At Home Network And Performance Method of Threof |
US20180068663A1 (en) * | 2016-09-07 | 2018-03-08 | Samsung Electronics Co., Ltd. | Server and method for controlling external device |
KR20180054157A (en) * | 2016-11-15 | 2018-05-24 | 주식회사 엘지유플러스 | New IOT(Internet Of Things) device management apparatus and method |
US20180174580A1 (en) * | 2016-12-19 | 2018-06-21 | Samsung Electronics Co., Ltd. | Speech recognition method and apparatus |
KR20180070970A (en) * | 2016-12-19 | 2018-06-27 | 삼성전자주식회사 | Method and Apparatus for Voice Recognition |
KR20180105463A (en) * | 2017-03-15 | 2018-09-28 | 한국전자통신연구원 | Operation method of communication node in communication network |
US20190202062A1 (en) * | 2018-01-04 | 2019-07-04 | Samsung Electronics Co., Ltd. | Mobile home robot and controlling method of the mobile home robot |
Also Published As
Publication number | Publication date |
---|---|
KR102487078B1 (en) | 2023-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102429436B1 (en) | Server for seleting a target device according to a voice input, and controlling the selected target device, and method for operating the same | |
US20200349940A1 (en) | Server for determining target device based on speech input of user and controlling target device, and operation method of the server | |
KR102373905B1 (en) | Shortened voice user interface for assistant applications | |
US10964327B2 (en) | Hub device, multi-device system including the hub device and plurality of devices, and method of operating the same | |
US20190391541A1 (en) | Technologies for conversational interfaces for system control | |
US11695809B2 (en) | System and method for registering device for voice assistant service | |
KR20200034430A (en) | Electronic apparatus, system and method for using speech recognition service | |
US20240129567A1 (en) | Hub device, multi-device system including the hub device and plurality of devices, and operating method of the hub device and multi-device system | |
JP2020140210A (en) | Method and system to handle queries whose intention are unclear in conversational system | |
KR102411619B1 (en) | Electronic apparatus and the controlling method thereof | |
KR20170049817A (en) | Voice Recognition Device For Voice Recognizing At Home Network And Performance Method of Threof | |
US11295743B1 (en) | Speech processing for multiple inputs | |
US11620996B2 (en) | Electronic apparatus, and method of controlling to execute function according to voice command thereof | |
US20230385377A1 (en) | Device, method, and computer program for performing actions on iot devices | |
KR102487078B1 (en) | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same | |
KR20200127823A (en) | The hub device, multi device system comprising the hub device and a plurality of devices and method operating the same | |
US11893996B1 (en) | Supplemental content output | |
US20220310066A1 (en) | Electronic device for performing task corresponding to voice command and operation method therefor | |
US20240021205A1 (en) | Systems and methods for managing multiple voice assistant services based on voice input | |
CN110858481B (en) | System for processing user speech utterances and method for operating the same | |
KR20210014053A (en) | System and method for registering device for voice assistant service | |
KR20220090294A (en) | Electronic apparatus, system comprising server and controlling method thereof | |
KR20200129346A (en) | Display apparatus and method for controlling thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
AMND | Amendment | ||
X701 | Decision to grant (after re-examination) |