KR20210061160A - 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어 - Google Patents

물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어 Download PDF

Info

Publication number
KR20210061160A
KR20210061160A KR1020190149029A KR20190149029A KR20210061160A KR 20210061160 A KR20210061160 A KR 20210061160A KR 1020190149029 A KR1020190149029 A KR 1020190149029A KR 20190149029 A KR20190149029 A KR 20190149029A KR 20210061160 A KR20210061160 A KR 20210061160A
Authority
KR
South Korea
Prior art keywords
information
slot
stored
delivery
processor
Prior art date
Application number
KR1020190149029A
Other languages
English (en)
Inventor
추지민
조성일
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to KR1020190149029A priority Critical patent/KR20210061160A/ko
Priority to US16/831,250 priority patent/US11379783B2/en
Publication of KR20210061160A publication Critical patent/KR20210061160A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q50/28—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/10—Storage devices mechanical with relatively movable racks to facilitate insertion or removal of articles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
    • B65G1/1371—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed with data records
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
    • B65G1/02—Storage devices
    • B65G1/04—Storage devices mechanical
    • B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
    • B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10366—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves the interrogation device being adapted for miscellaneous applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/14—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation using light without selection of wavelength, e.g. sensing reflected white light
    • G06K7/1404—Methods for optical code recognition
    • G06K7/1408—Methods for optical code recognition the method being specifically adapted for the type of code
    • G06K7/1413—1D bar codes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means
    • B65G2203/042—Sensors
    • B65G2203/044—Optical

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Toxicology (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Operations Research (AREA)
  • Mechanical Engineering (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Traffic Control Systems (AREA)

Abstract

배송 차량에 탑재되고 물품을 보관할 수 있는 보관함을 포함하는 보관 시스템의 제어 방법이 개시된다. 상기 제어 방법은, 스캐너로부터 물품들에 대한 배송 정보를 수신하는 단계, 물품들이 보관된 슬롯들의 슬롯 정보와 물품들의 배송 정보를 매칭하여 저장하는 단계, 배송 정보와 배송 차량의 주행 정보에 기초하여, 물품들 중에서 인출될 물품을 결정하는 단계 및 배송 정보와 슬롯 정보에 기초하여 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 출력하는 단계를 포함한다.

Description

물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어 {STORAGE SYSTEM THAT STORES PACKAGE AND CONTROLLING THE STORAGE SYSTEM}
본 개시는 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어에 관한 것이다.
지능형 로봇의 개발이 활발해짐에 따라 로봇이 제공할 수 있는 서비스가 점점 확대되고 있다. 로봇의 서비스 공간 또한 가정과 같은 좁은 공간에서 공장 등과 같이 넓은 공간으로 그리고 실내에서 실외로 확장되고 있다.
물류 시스템에 따르면, 창고에 보관된 물품들이 배송 차량을 통해 수령인에게 배송된다. 이러한 물류 시스템의 모든 과정에 로봇을 적용하려는 시도들이 있다. 그러나, 물류 시스템의 전 과정에 상기 로봇을 적용하기는 현실적으로 어려움이 있다.
본 개시의 실시 예들은 물품이 배송 차량을 통해 수령인에게 배송되는 과정을 보다 편리하고 간소화할 수 있는 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어를 제공하는 것에 있다.
본 개시의 실시 예들에 따른 배송 차량에 탑재되고 물품을 보관할 수 있는 보관함을 포함하는 보관 시스템을 제어하는 방법은, 스캐너로부터 물품들에 대한 배송 정보를 수신하는 단계, 물품들이 보관된 슬롯들의 슬롯 정보와 물품들의 배송 정보를 매칭하여 저장하는 단계, 배송 정보와 배송 차량의 주행 정보에 기초하여, 물품들 중에서 인출될 물품을 결정하는 단계 및 배송 정보와 슬롯 정보에 기초하여 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 출력하는 단계를 포함한다.
본 개시의 실시 예들에 따른 보관 시스템은, 배송 차량에 탑재되고, 물품들을 보관하기 위한 복수의 슬롯들을 포함하도록 구성되는 보관함, 물품들의 배송 정보를 획득하기 위해 판독을 수행하도록 구성되는 스캐너, 물품들 중에서 인출될 물품이 보관된 슬롯에 대한 알림을 제공하도록 구성되는 프로세서 및 메모리를 포함하고, 프로세서는, 스캐너로부터 배송 정보를 수신하고, 물품들이 보관된 슬롯들의 슬롯 정보와 물품들의 배송 정보를 매칭하여 메모리에 저장하고, 배송 정보와 배송 차량의 주행 정보에 기초하여, 인출될 물품을 결정하고, 매칭되어 저장된 슬롯 정보와 배송 정보에 기초하여, 인출될 물품이 보관된 슬롯을 식별한다.
본 개시의 실시 예들에 따른 배송 차량에 탑재되고 물품을 보관할 수 있는 보관함을 포함하는 보관 시스템을 제어하기 위한 제어 장치는, 프로세서를 포함하고, 프로세서는, 보관함에 보관될 물품들에 대한 배송 정보를 수신하고, 보관함의 복수의 슬롯들 중 물품들이 보관된 슬롯들의 슬롯 정보와 물품들의 배송 정보를 매칭하여 저장하고, 배송 정보와 배송 차량의 주행 정보에 기초하여, 물품들 중에서 인출될 물품을 결정하고, 배송 정보와 슬롯 정보에 기초하여 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 보관 시스템으로 출력한다.
본 개시의 실시 예들에 따르면, 보관함에 보관된 물품들 중 인출될 물품이 보관된 슬롯에 대한 알림을 자동으로 제공할 수 있으므로, 보관될 물품들의 인출이 보다 간편해지는 효과가 있다.
본 개시의 실시 예들에 따르면, 물품을 보관함에 자동으로 보관할 수 있고, 보관함에 보관된 물품들 중 인출될 물품을 자동으로 인출할 수 있으므로, 보관될 물품들의 보관 및 인출이 보다 간편해지는 효과가 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 개시의 실시 예들에 따른 보관함을 나타낸다.
도 5는 본 개시의 실시 예들에 따른 보관함 시스템을 나타낸다.
도 6은 본 개시의 실시 예들에 따른 보관함의 제어 방법을 나타낸다.
도 7 내지 도 9는 본 개시의 실시 예들에 다른 보관 시스템의 작동을 나타낸다.
도 10은 본 개시의 실시 예들에 따른 보관 시스템을 나타낸다.
도 11은 본 개시의 실시 예들에 따른 보관 시스템의 일부를 나타낸다.
도 12는 본 개시의 실시 예들에 따른 보관함의 제어 방법을 나타낸다.
이하, 첨부된 도면들을 참조하여 본 개시의 실시 예들을 설명한다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함수값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 구동 장치를 포함하는 조작기(manipulator)를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 휠, 브레이크, 프로펠러 등을 포함하여 지상에서 주행하거나 공중에서 비행할 수 있다.
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 단말기(100)는 통신 회로(110), 입력 장치(120), 러닝 프로세서(130), 센서(140), 출력 장치(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신 회로(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신 회로(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신 회로(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력 장치(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력 장치(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력 장치(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력 장치(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)와 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센서(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센서(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력 장치(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력 장치(150)에는 정보를 시각적으로 출력하는 디스플레이, 정보를 청각적으로 출력하는 스피커, 정보를 촉각적으로 출력하는 햅틱 액추에이터(actuator) 등이 포함될 수 있다. 예컨대, 디스플레이는 이미지 또는 동영상을 출력할 수 있고, 스피커는 음성 또는 음향을 출력할 수 있고, 햅틱 액추에이터는 진동을 발생할 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력 장치(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸다. 도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신 회로(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신 회로(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 러닝 프로세서(240)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)를 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 슬롯 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 슬롯 정보가 포함될 수 있다. 그리고, 객체 슬롯 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 슬롯 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 슬롯 정보가 포함될 수 있다. 그리고, 객체 슬롯 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부 또는 외부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는 본 개시의 실시 예들에 따른 보관함을 나타낸다. 도 4를 참조하면, 보관함(310; stroage or storage unit)은 배송될 물품(package)이 보관되는 장치를 의미한다. 실시 예들에 따라, 보관함(310)은 락커(locker), 렉(rack), 트레이(tray), 또는 선반(shelf) 등의 구조를 가질 수 있으나, 이에 한정되는 것은 아니다.
보관함(310)은 복수의 슬롯들(slots; S1~S9)을 포함할 수 있다. 복수의 슬롯들(S1~S9) 각각은 물품을 수용할 수 있고, 물리적으로 구분될 수 있다. 실시 예들에 따라, 복수의 슬롯들(S1~S9)은 벽 또는 칸막이 등을 통해 서로 완전히 격리되거나 또는 부분적으로 격리될 수 있다. 복수의 슬롯들(S1~S9) 각각은 개폐가 가능한 문을 포함할 수 있으나, 이에 한정되는 것은 아니다.
한편, 비록 도 4에는 9개의 슬롯들만이 도시되어 있으나, 본 개시의 실시 예들이 이에 한정되는 것은 아니다.
보관함(310)은 배송 차량(DV)에 탑재될 수 있다. 배송 차량(DV)은 물품을 배송하기 위해 사용되는 물품의 운송 수단일 수 있다. 실시 예들에 따라, 배송 차량(DV)은 사용자의 조작에 의해 작동되는 자동차, 비행기, 선박 또는 드론일 수 있다. 또한, 배송 차량(DV)은 사용자의 조작이 부분적으로 요구되지 않는 자율 주행 차량 또는 로봇(예컨대, 도 1 내지 도 3을 참조하여 설명된)일 수 있으나, 이에 한정되는 것은 아니며, 선박, 드론, 배송 로봇 및 항공기 등일 수 있다.
배송 차량(DV)은 보관함(310)을 탑재하고, 주행 경로(ROUTE)를 따라 주행할 수 있다. 실시 예들에 따라, 배송 차량(DV)이 주행 경로(ROUTE) 상의 목적지들(D1 및 D2)에 도착하면, 보관함(310)에 보관된 물품이 보관함(310)으로부터 인출(withdraw)되고, 배송지에 배송될 수 있다.
도 5는 본 개시의 실시 예들에 따른 보관 시스템을 나타낸다 . 도 5를 참조하면, 보관 시스템(300)은 보관함(310), 스캐너(320), 센서(330), 알림 장치(340), 메모리(350), 통신 회로(360) 및 프로세서(370)를 포함할 수 있다.
보관함(310)은 물품을 수용할 수 있다. 보관함(310)은 배송 차량에 탑재되고, 상기 배송 차량에 의해 배송될 물품을 수용할 수 있다.
스캐너(320)는 배송될 물품을 스캔하고, 스캔 결과에 따라 상기 배송될 물품의 배송 정보를 판독할 수 있다. 실시 예들에 따라, 스캐너(320)는 배송될 물품에 포함된 태그 또는 송장(invoice)을 스캔할 수 있다.
스캐너(320)는 광학적 또는 전자기적 방식에 따라 스캐닝을 수행할 수 있다. 예컨대, 스캐너(320)는 카메라, 광학 스캐너, 바코드 리더기, RFID(radio-frequency identification) 리더기 및 NFC(near field communication) 리더기 중 어느 하나의 기능을 수행하는 장치로 구현될 수 있으나, 이에 한정되는 것은 아니다.
센서(330)는 보관함(310)의 상태를 감지하고, 감지 데이터를 생성할 수 있다. 실시 예들에 따라, 센서(330)는 보관함(310)의 슬롯들 중에서 물품이 수용된 슬롯을 식별하는 데 사용되는 감지 데이터를 생성할 수 있다. 실시 예들에 따라, 센서(330)는 제1시점에 보관함(310)을 감지하여 제1감지 데이터를 생성하고, 상기 제1시점 이후의 제2시점에 보관함(310)을 감지하여 제2감지 데이터를 생성할 수 있다.
센서(330)는 보관함(310)의 이미지를 촬영할 수 있는 이미지 센서 를 포함할 수 있다. 실시 예들에 따라, 상기 카메라는 보관함(310)의 이미지를 촬영하여 보관함(310)의 이미지를 생성할 수 있다. 예컨대, 상기 카메라는 제1시점에 보관함(310)을 촬영하여 제1이미지를 생성하고, 제2시점에 보관함(310)을 촬영하여 제2이미지를 생성할 수 있다. 여기서, 제1시점은 제2시점 이전의 시점일 수 있다.
센서(330)는 보관함(310)의 슬롯들 내부의 무게를 측정할 수 있는 무게 센서를 포함할 수 있다 . 실시 예들에 따라, 상기 무게 센서는 보관함(310)의 슬롯들 내부 각각의 무게를 측정하고, 측정된 무게 데이터를 생성할 수 있다. 예컨대, 상기 무게 센서는 제1시점에 보관함(310)의 슬롯들 내부의 무게를 측정하여 제1무게 데이터를 생성하고, 제2시점에 보관함(310)을 슬롯들 내부의 무게를 측정하여 제2무게 데이터를 생성할 수 있다.
센서(330)는 보관함(310)의 슬롯 내의 물체(예컨대, 물품)의 존재를 감지할 수 있는 근접 센서를 포함할 수 있다 . 실시 예들에 따라, 상기 근접 센서는 보관함(310)의 슬롯들 내부의 물체의 존재를 감지하고, 감지 결과에 따라 감지 데이터를 생성할 수 있다. 상기 근접 센서는 슬롯에 설치될 수 있고, 상기 감지 데이터는 상기 근접 센서로부터 기준 거리내에 물체가 존재하는지 여부를 나타내는 데이터일 수 있다. 예컨대, 상기 근접 센서는 제1시점에 보관함(310)의 슬롯 내부의 물체의 존재를 감지하여 제1감지 데이터를 생성하고, 제2시점에 보관함(310)의 슬롯 내부의 물체의 존재를 감지하여 제2감지 데이터를 생성할 수 있다.
알림 장치(340)는 배송될 물품이 수용된 슬롯에 대한 정보를 제공할 수 있다. 실시 예들에 따라, 알림 장치(340)는 시각적 또는 청각적으로 상기 정보를 제공할 수 있다. 예컨대, 알림 장치(340)는 표시 장치, 램프 및 스피커 중 어느 하나일 수 있다.
알림 장치(340)가 표시 장치인 경우, 상기 표시 장치는 보관함(310)에 대한 이미지를 표시하고, 상기 이미지에서 배송될 물품이 수용된 슬롯에 대한 부분을 강조할 수 있다. 또한, 상기 표시 장치는 배송될 물품이 수용된 슬롯의 위치 또는 식별번호(예컨대, 슬롯 번호)를 표시할 수 있다.
알림 장치(340)가 램프인 경우, 복수의 램프들 각각은 보관함(310)의 슬롯들 각각에 설치될 수 있고, 복수의 램프들 중 배송될 물품이 보관된 슬롯에 설치된 램프는 발광(또는 점등)할 수 있다.
알림 장치(340)가 스피커인 경우, 상기 스피커는 배송될 물품이 수용된 슬롯의 위치 또는 식별번호(예컨대, 슬롯 번호)를 나타내는 음성을 출력할 수 있다.
메모리(350)는 보관 시스템(300)의 작동에 필요한 데이터를 저장할 수 있다. 실시 예들에 따라, 메모리(350)는 물품의 배송 정보 및 보관함(310)의 슬롯들 각각을 식별하기 위한 슬롯 정보를 저장할 수 있다.
배송 정보는 배송될 물품을 식별하기 위한 정보로서, 물품의 배송지에 대한 정보를 포함할 수 있다. 실시 예들에 따라, 배송 정보는 물품의 명칭, 물품의 발송인, 물품의 발송지, 물품의 수령인, 물품의 종류 및 물품의 특성 등에 관한 정보를 더 포함할 수 있다.
슬롯 정보는 슬롯을 식별하기 위한 정보로서, 슬롯의 ID 및 보관함(310)에서의 슬롯의 위치 정보(예컨대, 슬롯의 좌표) 중 적어도 하나를 포함할 수 있다.
예컨대, 메모리(350)는 휘발성 메모리 및 비휘발성 메모리 중 적어도 하나를 포함할 수 있다.
통신 회로(360)는 외부 장치와 데이터를 주고받을 수 있다. 실시 예들에 따라, 통신 회로(360)는 무선 네트워크 또는 유선 네트워크를 이용하여 외부 장치와 데이터를 주고받을 수 있다. 상기 데이터는 보관 시스템(300)의 작동에 필요한 임의의 데이터를 의미할 수 있다.
실시 예들에 따라, 통신 회로(360)는 보관함(310)이 탑재된 차량에 대한 데이터를 수신할 수 있다. 예컨대, 통신 회로(360)는 보관함(310)이 탑재된 차량의 현재 위치와 주행 경로를 포함하는 주행 정보를 수신할 수 있다.
프로세서(370)는 보관 시스템(300)의 전반적인 작동을 제어할 수 있다. 실시 예들에 따라, 프로세서(370)는 연산 처리 능력을 가지는 하드웨어일 수 있다. 예컨대, 프로세서(370)는 집적 회로(integrated circuit), CPU(central processing unit), MCU(micro processing unit), GPU(graphic processing unit) 또는 ASIC(application speicifc integrated circuit)을 포함할 수 있으나, 이에 한정되는 것은 아니다.
실시 예들에 따라, 프로세서(370)는 독립적인 하드웨어(예컨대, 제어 장치)로 구현될 수 있다. 이 경우, 프로세서(370)는 유선 네트워크 또는 무선 네트워크를 통해 보관 시스템(300)의 다른 구성들을 제어할 수 있다.
프로세서(370)는 보관함(310)의 개폐를 제어할 수 있다. 실시 예들에 따라, 프로세서(370)는 보관함(310)의 슬롯들 중에서 배송될 물품이 보관된 슬롯을 개방할 수 있다.
프로세서(370)는 스캐너(320)에 의해 판독된 물품의 배송 정보를 수신하고, 배송 정보를 메모리(350)에 저장할 수 있다. 실시 예들에 따라, 프로세서(370)는 스캐너(320)로부터 배송 정보를 수신할 수 있다.
프로세서(370)는 센서(330)로부터 생성된 감지 데이터를 이용하여 보관함(310)의 슬롯들 중에서 물품이 보관된 슬롯을 식별할 수 있다. 실시 예들에 따라, 프로세서(370)는 보관함(310)의 슬롯들 중에서 스캐너(320)에 의해 판독된 배송 정보에 대응하는 물품이 보관된 슬롯을 식별할 수 있다. 예컨대, 프로세서(370)는 물품에 대한 스캐너(320)의 판독 이후 생성된 감지 데이터를 이용하여 상기 물품이 보관된 슬롯을 식별할 수 있다.
센서(330)가 이미지 센서를 포함할 때, 프로세서(370)는 보관함(310)의 이미지를 이용하여 보관함(310)의 슬롯들 중에서 물품이 보관된 슬롯을 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)의 이미지를 분석하고, 물품이 삽입되는 동작을 인식하고, 인식을 통해 상기 물품이 삽입된 슬롯을 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 제1시점에 촬영된 보관함(310)의 제1이미지와 제2시점에 촬영된 보관함(310)의 제2이미지를 비교하고, 비교 결과에 따라 물품이 보관된 슬롯을 식별할 수 있다. 예컨대, 프로세서(370)는 보관함(310)의 슬롯들 중에서 제1이미지와 제2이미지 사이의 차이가 기준 차이를 초과하는 부분에 대응하는 슬롯을 물품이 보관된 슬롯으로서 식별할 수 있다.
센서(330)가 무게 센서일 때, 프로세서(370)는 보관함(310)의 슬롯들의 내부 무게를 이용하여 보관함(310)의 슬롯들 중에서 물품이 보관된 슬롯을 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)의 슬롯들 중 측정된 무게가 기준 무게를 초과하는 슬롯을 물품이 보관된 슬롯으로서 식별할 수 있다. 상기 기준 무게는 슬롯들 각각 마다 결정될 수 있다.
실시 예들에 따라, 프로세서(370)는 제1시점에 측정된 보관함(310)의 슬롯들의 제1무게 및 제2시점에 측정된 보관함(310)의 슬롯들의 제2무게를 비교하고, 비교 결과에 따라 물품이 보관된 슬롯을 식별할 수 있다. 예컨대, 프로세서(370)는 보관함(310)의 슬롯들 중에서 제1무게의 제2무게의 사이의 차이가 기준 차이를 초과하는 슬롯을 물품이 보관된 슬롯으로서 식별할 수 있다. 나아가, 프로세서(370)는 제2무게가 제1무게보다 클 때(즉, 무게가 증가했을 때), 물품이 보관된 슬롯으로서 식별할 수 있다.
센서(330)가 근접 센서를 포함할 때, 프로세서(370)는 보관함(310)의 슬롯들 내부 물체의 존재에 기초하여 물품이 보관된 슬롯을 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)의 슬롯들 중 물체가 존재하는 것으로서 감지된 슬롯을 물품이 보관된 슬롯으로서 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 제1시점에 근접 센서에 의해 측정된 보관함(310)의 슬롯들의 제1감지 데이터 및 제2시점에 근접 센서에 의해 측정된 보관함(310)의 슬롯들의 제2감지 데이터 비교하고, 비교 결과에 따라 물품이 보관된 슬롯을 식별할 수 있다. 예컨대, 프로세서(370)는 보관함(310)의 슬롯들 중에서 제1감지 데이터는 물품이 존재하지 않음을 지시하나, 제2감지 데이터는 물품이 존재함을 지시하는 슬롯을 물품이 보관된 슬롯으로서 식별할 수 있다.
프로세서(370)는 알림 장치(340)를 제어할 수 있다. 실시 예들에 따라, 프로세서(370)는 보관함(310)의 슬롯들 중에서 물품이 보관된 슬롯들을 나타내는 알림을 제공하도록 알림 장치(340)를 제어할 수 있다. 또한, 프로세서(370)는 물품이 보관된 슬롯들 중에서 인출될 물품이 보관된 슬롯을 나타내는 알림을 제공하도록 알림 장치(340)를 제어할 수 있다.
실시 예들에 따라, 프로세서(370)는 물품들의 배송 정보와 배송 차량(DV)의 주행 정보에 기초하여, 보관함(310)에 보관된 물품들 중에서 배송될 차례인 물품을 결정하고, 결정된 물품이 보관된 슬롯을 나타내는 알림을 제공하도록 알림 장치(340)를 제어할 수 있다. 상기 주행 정보는 배송 차량(DV)의 현재 위치, 배송 차량(DV)의 주행 경로 및 배송 차량(DV)의 목적지 리스트를 포함할 수 있으나, 이에 한정되는 것은 아니다.
프로세서(370)는 통신 회로(360)를 제어하여 데이터를 주고받을 수 있다. 실시 예들에 따라, 프로세서(370)는 통신 회로(360)를 통해 데이터를 송신하고, 또한, 통신 회로(360)로부터 데이터를 수신할 수 있다.
도 6은 본 개시의 실시 예들에 따른 보관함의 제어 방법을 나타낸다. 도 6에 도시된 방법은 보관 시스템(300)의 프로세서(370)에 의해 수행될 수 있고, 또한, 컴퓨터에서 실행 가능한 명렁어들로 구현될 수 있다. 상기 명령어들은 컴퓨터 판독가능한 저장 매체에 저장될 수 있다.
도 6을 참조하면, 프로세서(370)는 물품들의 배송 정보를 수신할 수 있다(S110). 실시 예들에 따라, 프로세서(370)는 스캐너(320)에 의해 판독된 물품의 배송 정보를 수신할 수 있다.
프로세서(370)는 배송 정보를 수신하기 이전에, 보관 시스템(300)의 사용자에 대한 인증을 수행하고, 상기 인증이 완료된 후에 물품들의 배송 정보를 수신할 수 있다.
프로세서(370)는 복수의 슬롯들 중에서 물품들이 수용되는 슬롯을 식별할 수 있다(S120). 실시 예들에 따라, 프로세서(370)는 센서(330)에 의해 생성된 감지 데이터를 수신하고, 상기 감지 데이터를 이용하여 복수의 슬롯들 중에서 물품들이 보관된 슬롯을 식별할 수 있다.
실시 예들에 따라, 프로세서(370)는 복수의 슬롯들 중에서, 수신된 배송 정보에 대응하는 물품이 보관된 슬롯을 식별할 수 있다. 예컨대, 제1물품에 대한 제1배송 정보가 판독되고, 상기 제1물품이 보관함(310)에 보관되었을 때, 프로세서(370)는 복수의 슬롯들 중에서 상기 제1물품이 보관된 슬롯을 식별할 수 있다.
프로세서(370)는 물품의 배송 정보와 슬롯 정보를 매칭하여 저장할 수 있다(S130) . 실시 예들에 따라, 프로세서(370)는 물품의 배송 정보와 상기 물품이 보관된 것으로 식별된 슬롯에 대한 슬롯 정보를 매칭하여 메모리(350)에 저장할 수 있다. 예컨대, 프로세서(370)는 물품의 배송 정보를 슬롯 정보의 인덱스로서 저장하거나 또는 슬롯 정보를 물품의 배송 정보의 인덱스로서 저장할 수 있다.
즉, 프로세서(370)는 물품의 배송 정보를 이용하여 상기 물품이 보관된 슬롯의 슬롯 정보를 검색하거나 또는 슬롯 정보를 이용하여 상기 슬롯에 보관된 물품의 배송 정보를 검색할 수 있도록, 물품의 배송 정보와 슬롯의 슬롯 정보를 서로 연관시켜 저장할 수 있다.
실시 예들에 따라, 물품의 배송 정보와 슬롯의 슬롯 정보는 서로 매칭되어 테이블의 형태로서 메모리(350)에 저장될 수 있다.
프로세서(370)는 보관함(310)에 보관된 물품들 중에서 인출될 물품을 결정할 수 있다(S140). 실시 예들에 따라, 프로세서(370)는 배송 차량(DV)의 주행 정보와 물품의 배송 정보를 이용하여, 보관된 물품들 중에서 인출될 물품(product to be withdrawn)을 결정할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)에 보관된 물품들 중에서 배송 차량(DV)의 현재 위치로부터 기준 범위 이내에 위치한 배송지를 가지는 물품을 인출될 물품으로서 결정할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)에 보관된 물품들 중에서 배송 차량(DV)의 목적지에 해당하는 배송지를 가지는 물품을 인출될 물품으로서 결정할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)에 보관된 물품들 중에서 배송 차량(DV)의 주행 경로로부터 기준 범위 이내에 위치한 배송지를 가지는 물품을 인출될 물품으로서 결정할 수 있다.
실시 예들에 따라, 프로세서(370)는 보관함(310)에 보관된 물품들 중에서 배송지까지의 도착 예정 시간이 기준 시간 이내인 물품을 인출될 물품으로서 결정할 수 있다. 이 때, 프로세서(370)는 주행 정보 및 배송 정보에 기초하여 배송지까지의 도착 예정 시간을 계산할 수 있다.
프로세서(370)는 인출될 물품이 보관된 슬롯에 대한 알림을 제공할 수 있다(S150). 실시 예들에 따라, 프로세서(370)는 슬롯들 중에서 인출될 물품이 보관된 슬롯을 결정하고, 인출될 물품이 보관된 슬롯에 대한 알림을 제공하도록 알림 장치(340)를 제어할 수 있다. 예컨대, 프로세서(370)는 인출될 물품이 보관된 슬롯에 대한 정보를 포함하는 알림 명령을 알림 장치(340)로 전송할 수 있다.
실시 예들에 따라, 프로세서(370)는 매칭되어 저장된 물품의 배송 정보와 슬롯의 슬롯 정보에 기초하여, 복수의 슬롯들 중에서 인출될 물품이 보관된 슬롯을 결정하고, 인출될 물품이 보관된 슬롯에 대한 정보를 포함하는 알림 명령을 알림 장치(340)로 전송할 수 있다. 예컨대, 프로세서(370)는 메모리(350)에 저장된 테이블을 리드하고, 상기 테이블로부터 서로 매칭되어 저장된 물품의 배송 정보와 슬롯의 슬롯 정보를 리드할 수 있다.
프로세서(370)는 인출될 물품이 복수일 경우(예컨대, 배송지가 같은 경우), 복수의 인출될 물품들의 알림 순서를 결정할 수 있다. 실시 예들에 따라, 프로세서(370)는 인출될 물품이 복수일 경우, 복수의 인출될 물품들 중에서 일부를 결정하고, 결정된 일부 물품이 보관된 슬롯들에 대한 알림 명령을 순차적으로 제공할 수 있다.
실시 예들에 따라, 프로세서(370)는 배송지의 특성, 물품의 무게 및 물품의 크기에 기초하여 복수의 인출될 물품들 중에서 일부를 결정할 수 있다. 예컨대, 프로세서(370)는 복수의 인출될 물품들 중에서 배송지가 기준 층(floor) 이상이거나, 크기가 기준 크기 이상이거나 또는 무게가 기준 무게 이하인 일부의 물품을 우선적으로 선택할 수 있다. 또한, 예컨대, 프로세서(370)는 선택된 인출될 물품들의 총 무게가 기준 무게를 초과하지 않도록 상기 선택을 수행할 수 있다.
알림 장치(340)는 프로세서(370)의 제어에 따라 인출될 물품이 보관된 슬롯에 대한 알림을 제공할 수 있다. 실시 예들에 따라, 알림 장치(340)는 프로세서(370)의 제어에 따라 슬롯들에 대한 알림을 순차적으로 제공할 수 있다.
물품의 인출이 완료되면, 프로세서(370)는 슬롯 정보와 매칭되어 저장된 배송 정보를 삭제할 수 있다. 즉, 인출된 물품이 보관되었던 슬롯의 슬롯 정보에 매칭된 배송 정보가 존재하지 않게 된다.
실시 예들에 따라, 프로세서(370)는 센서(330)로부터 생성된 감지 데이터를 이용하여 보관함(310)의 슬롯들 중에서 물품이 인출된 슬롯을 식별할 수 있다. 물품이 인출된 슬롯을 식별하는 것은, 물품이 보관된 슬롯을 식별하는 방법과 실질적으로 유사한 방법에 의해 수행될 수 있다.
예컨대, 프로세서(370)는 보관함(310)의 이미지를 분석하고, 물품이 인출되는 동작을 인식하고, 인식을 통해 상기 물품이 인출된 슬롯을 식별할 수 있다.
예컨대, 프로세서(370)는 제1시점에 촬영된 보관함(310)의 제1이미지와 제2시점에 촬영된 보관함(310)의 제2이미지를 비교하고, 비교 결과에 따라 물품이 보관된 슬롯을 식별할 수 있다.
예컨대, 프로세서(370)는 보관함(310)의 슬롯들 중에서 제2무게가 제1무게보다 작은 슬롯(즉, 무게가 감소한 슬롯)을 물품이 인출된 슬롯으로서 식별할 수 있다.
예컨대, 프로세서(370)는 보관함(310)의 슬롯들 중에서 제1감지 데이터는 물품이 존재함을 지시하나, 제2감지 데이터는 물품이 존재함을 지시하지 않는 슬롯을 물품이 인출된 슬롯으로서 식별할 수 있다.
본 개시의 실시 예들에 따르면, 보관함(310)에 보관된 물품들 중 인출될 물품이 보관된 슬롯에 대한 알림을 자동으로 제공할 수 있으므로, 보관될 물품들의 인출이 보다 간편해지는 효과가 있다. 예컨대, 보관함(310)에 물품들이 무작위로 배치되더라도, 본 개시의 실시 예들에 따르면, 인출될 물품이 위치한 슬롯에 대한 알림이 자동으로 제공되므로, 물품을 인출하는 작업자는 상기 알림을 통해 인출될 물품을 쉽게 파악할 수 있고, 이에 따라 인출 작업의 효율이 상승할 수 있다.
도 7 내지 도 9는 본 개시의 실시 예들에 다른 보관 시스템의 작동을 나타낸다. 도 7을 참조하면, 스캐너(320)에 의해 배송될 물품들(P1~P3)의 배송 정보(DI1~DI3)가 판독될 수 있다. 판독된 배송 정보(DI1~DI3)는 프로세서(370)로 전송될 수 있다. 프로세서(370)는 배송 정보(DI1~DI3)를 수신하고, 수신된 배송 정보(DI1~DI3)를 메모리(350)에 저장할 수 있다.
스캔 이후, 물품들(P1~P3)은 보관함(310)에 보관될 수 있다. 실시 예들에 따라, 물품들(P1~P3)은 순차적으로 스캔 및 보관될 수 있다. 예컨대, 제1물품(P1)이 스캔되고, 제1물품(P1)의 스캔 이후 제1물품(P1)이 보관되고, 제1물품(P1)의 보관 이후 제2물품(P2)이 스캔될 수 있고, 이러한 과정이 계속될 수 있다. 도 7의 경우, 제1물품(P1)은 제1슬롯(S1)에 보관되고, 제2물품(P2)은 제4슬롯(S4)에 보관되고, 제3물품(P3)은 제6슬롯(S6)에 보관된다.
도 8을 참조하면, 프로세서(370)는 센서(330)로부터 생성된 감지 데이터를 이용하여, 복수의 슬롯들(S1~S69 중에서 물품들이 보관된 슬롯을 식별할 수 있다. 예컨대, 도 8의 경우, 프로세서(370)는 복수의 슬롯들(S1~S9) 중에서 3개의 슬롯들(S1, S4 및 S6)을 물품들이 보관된 슬롯으로 식별할 수 있다.
프로세서(370)는 물품(P1~P3)의 배송 정보(DI1~DI3)와 물품(P1~P3)이 보관된 슬롯(S1, S4 및 S6)의 슬롯 정보(SI1, SI4 및 SI6)를 매칭하여 저장할 수있다. 실시 예들에 따라, 프로세서(370)는 물품(P1~P3)의 배송 정보(DI1~DI3)와 슬롯 정보(SI1, SI4 및 SI6)를 매칭하여 테이블의 형태로 메모리(350)에 저장할 수 있다. 예컨대, 도 8의 경우, 제1물품(P1)의 제1배송 정보(DI1)는 제1슬롯(S1)의 제1슬롯 정보(SI1)와 매칭되어 저장되고, 제2물품(P2)의 제2배송 정보(DI2)는 제4슬롯(S4)의 제4슬롯 정보(SI4)와 매칭되어 저장되고, 제3물품(P3)의 제3배송 정보(DI3)는 제6슬롯(S6)의 제6슬롯 정보(SI6)와 매칭되어 저장될 수 있다.
도 9를 참조하면, 프로세서(370)는 보관함(310)에 보관된 물품들 중에서 인출될 물품을 결정하고, 인출될 물품이 보관된 슬롯에 대한 알림을 제공하도록 알림 장치(340)를 제어할 수 있다. 실시 예들에 따라, 프로세서(370)는 저장된 배송 정보와 배송 차량(DV)의 주행 정보에 기초하여 보관함(310)에 보관된 물품들 중에서 인출될 물품을 결정하고, 슬롯 정보와 배송 정보를 이용하여 인출될 물품이 보관된 슬롯을 결정하고, 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 출력할 수 있다.
예컨대, 도 9의 경우, 제1물품(P1)의 배송지가 제1배송지(D1)인 경우, 프로세서(370)는 배송 차량(DV)의 주행 정보와 배송 정보(DI1~DI3)에 기초하여, 인출될 물품이 제1물품(P1)인 것을 결정할 수 있다. 이후, 프로세서(370)는 저장된 배송 정보(DI1~DI3)와 슬롯 정보(SI1, SI4 및 SI6)를 이용하여, 인출될 제1물품(P1)이 보관된 제1슬롯(S1)에 대한 알림을 제공하기 위한 알림 명령을 출력할 수 있다. 예컨대, 프로세서(370)는 제1물품(P1)에 대한 제1배송 정보(DI1)에 매칭된 제1슬롯 정보(SI1)를 이용하여 제1슬롯(S1)에 대한 알림 명령을 출력할 수 있다. 이에 따라, 알림 장치(340)는 제1슬롯(S1)에 대한 알림을 제공할 수 있다. 상기 알림은 시각적 또는 청각적인 수단을 통해 제공될 수 있다.
본 개시의 실시 예들에 따르면, 보관함(310)에 보관된 물품들 중 인출될 물품이 보관된 슬롯에 대한 알림을 자동으로 제공할 수 있으므로, 보관될 물품들의 인출이 보다 간편해지는 효과가 있다. 예컨대, 보관함(310)에 물품들이 무작위로 배치되더라도, 본 개시의 실시 예들에 따르면, 인출될 물품이 위치한 슬롯에 대한 알림이 자동으로 제공되므로, 물품을 인출하는 작업자는 상기 알림을 통해 인출될 물품을 쉽게 파악할 수 있고, 이에 따라 인출 작업의 효율이 상승할 수 있다.
도 10은 본 개시의 실시 예들에 따른 보관 시스템을 나타낸다. 도 5와 도 10을 비교하면, 도 10에 도시된 보관 시스템(400)은 센서(330) 대신에 조작기(430)를 포함하는 점이 차이가 있다. 별도의 설명이 없는 한, 보관 시스템(400)은 보관 시스템(300)의 기능 및 작동을 수행할 수 있는 것으로 이해되어야 한다.
보관함(410)은 물품을 수용할 수 있는 복수의 슬롯들을 포함할 수 있다. 실시 예들에 따라, 보관함(410)은 보관함(310)의 구성을 포함하고 보관함(310)의 기능을 수행할 수 있다.
스캐너(420)는 배송될 물품을 스캔하고, 스캔 결과에 따라 상기 배송될 물품의 배송 정보를 판독할 수 있다. 실시 예들에 따라, 실시 예들에 따라, 스캐너(420)는 스캐너(320)의 구성을 포함하고 스캐너(320)의 기능을 수행할 수 있다.
조작기(430)는 물품(P)의 보관(load) 및 인출을 수행할 수 있도록 구성될 수 있다. 조작기(430)는 기계적인 움직임을 구현할 수 있도록 구성될 수 있다. 실시 예들에 따라, 조작기(430)는 6 자유도로 움직일 수 있다.
조작기(430)는 프로세서(470)의 제어에 따라, 보관함(410)에 물품을 보관(또는 수납; storage)하거나 또는 보관함(410)에 보관된 물품를 인출할 수 있다. 이하에서 설명되는 조작기(430)의 움직임은 특별한 언급이 없는 이상 프로세서(470)의 제어에 따라 수행되는 것으로 이해된다.
실시 예들에 따라, 조작기(430)는 프로세서(470)로부터 전송된 보관 명령에 따라 물품을 보관함(410)에 보관하고, 프로세서(470)로부터 전송된 인출 명령에 따라 보관함(410)으로부터 물품을 인출할 수 있다. 예컨대, 보관 명령은 물품이 보관될 슬롯에 대한 슬롯 정보를 포함할 수 있고, 인출 명령은 물품이 인출될 슬롯에 대한 슬롯 정보를 포함할 수 있다.
실시 예들에 따라, 조작기(430)에 물품이 안착될 수 있고, 조작기(430)에 물품이 안착되면 스캐너(420)에 의한 판독 동작이 개시될 수 있다.
알림 장치(440)는 배송될 물품이 수용된 슬롯에 대한 정보를 제공할 수 있다. 실시 예들에 따라, 알림 장치(440)는 알림 장치(340)의 구성을 포함하고 알림 장치(340)의 기능을 수행할 수 있다.
메모리(450)는 보관 시스템(400)의 작동에 필요한 데이터를 저장할 수 있다. 실시 예들에 따라, 메모리(450)는 메모리(350)의 구성을 포함하고 메모리(350)의 기능을 수행할 수 있다.
통신 회로(460)는 외부 장치와 데이터를 주고받을 수 있다. 실시 예들에 따라, 통신 회로(460)는 통신 회로(360)의 구성을 포함하고 통신 회로(360)의 기능을 수행할 수 있다.
프로세서(470)는 보관 시스템(400)의 전반적인 작동을 제어할 수 있다. 실시 예들에 따라, 프로세서(470)는 프로세서(370)의 구성을 포함하고 프로세서(370)의 기능을 수행할 수 있다.
프로세서(470)는 조작기(430)를 제어할 수 있다. 실시 예들에 따라, 프로세서(470)는 조작기(430)를 이용하여 보관함(410)에 물품을 보관하거나, 또는, 보관된 물품을 보관함(410)으로부터 인출할 수 있다. 예컨대, 프로세서(470)는 보관함(410)의 슬롯들 각각의 위치로 조작기(430)를 이동시키고, 조작기(430)를 이용하여 보관함(410)에 물품을 보관하거나, 또는, 보관된 물품을 보관함(410)으로부터 인출할 수 있다.
실시 예들에 따라, 프로세서(470)는 보관함(410)의 슬롯들 중에서 물품이 보관될 슬롯을 결정하고, 결정된 슬롯의 슬롯 정보를 이용하여 결정된 슬롯으로 조작기(430)를 이동시키고, 조작기(430)를 이용하여 결정된 슬롯에 물품을 보관할 수 있다. 물품의 보관이 완료되면, 프로세서(470)는 결정된 슬롯의 슬롯 정보와 보관된 물품의 배송 정보를 매칭하여 저장할 수 있다.
실시 예들에 따라, 프로세서(470)는 인출될 물품을 결정하고, 슬롯 정보와 배송 정보에 기초하여, 인출될 물품이 보관된 슬롯을 결정할 수 있다. 프로세서(470)는 인출될 물품이 보관된 슬롯으로 조작기(430)를 이동시키고, 조작기(430)를 이용하여 인출될 물품이 보관된 슬롯으로부터 물품을 인출할 수 있다. 물품의 인출이 완료되면, 프로세서(470)는 슬롯 정보와 매칭되어 저장된 배송 정보를 삭제할 수 있다. 즉, 슬롯 정보에 매칭된 배송 정보가 존재하지 않게 된다.
프로세서(470)는 슬롯들의 좌표를 이용하여, 받침대(439)가 슬롯들에 접근할 수 있도록, 제1이동 장치(433), 회전 장치(435) 및 제2이동 장치(437)를 제어할 수 있다. 예컨대, 프로세서(470)는 물품이 보관될 슬롯을 결정하고, 결정된 슬롯의 위치(또는 좌표)로 받침대(439)가 이동하도록 제1이동 장치(433), 회전 장치(435) 및 제2이동 장치(437)를 제어할 수 있다.
도 11은 본 개시의 실시 예들에 따른 보관 시스템의 일부를 나타낸다. 도 11을 참조하면, 조작기(430)는 레일(431), 제1이동 장치(433), 회전 장치(435), 제2이동 장치(437) 및 받침대(439)를 포함할 수 있다.
레일(431)은 제1이동 장치(433)가 이동할 수 있는 경로를 형성할 수 있다. 실시 예들에 따라, 레일(431)은 배송 차량(DV)의 천정 또는 보관함(410)의 일측에 부착될 수 있다. 레일(431)은 제1이동 장치(433)가 이동할 수 있는 면을 포함할 수 있다. 실시 예들에 따라, 레일(431)은 서로 일정 거리만큼 평행하게 이격된 두 개의 레일들을 포함할 수 있다.
제1이동 장치(433)는 제1방향(예컨대, X축 방향)을 따라 이동(즉, 병진 운동)할 수 있다. 실시 예들에 따라, 제1이동 장치(433)는 수평 방향으로 이동할 수 있다. 예컨대, 제1이동 장치(433)는 레일(431)상에 형성된 면을 따라 이동할 수 있다. 실시 예들에 따라, 제1이동 장치(433)는 레일(431) 상에서 슬라이딩되거나 또는 롤링됨으로써, 레일(431) 상에서 제1방향으로 이동할 수 있다. 예컨대, 제1이동 장치(433)는 레일(431) 상에서 회전운동하는 롤러를 포함할 수 있으나, 이에 한정되는 것은 아니다.
회전 장치(435)는 회전 운동을 수행할 수 있다. 실시 예들에 따라, 회전 장치(435)는 제1방향과 수직인 제2방향(예컨대, Z축 방향)의 축을 중심으로 회전 운동할 수 있다. 예컨대, 회전 장치(435)는 수평면 상에서 회전 운동할 수 있다.
회전 장치(435)는 제1이동 장치(433)와 연결될 수 있다. 실시 예들에 따라, 회전 장치(435)는 제1이동 장치(433)에 부착될 수 있고, 제1이동 장치(433)의 제1방향으로의 움직임에 따라 제1방향으로 이동할 수 있다.
회전 장치(435)는 제2이동 장치(435)를 수납할 수 있다. 실시 예들에 따라, 회전 장치(435)는 제2이동 장치(435)가 삽입될 수 있는 공간을 포함할 수 있다.
제2이동 장치(437)는 제2방향을 따라 이동할 수 있다. 예컨대, 제2이동 장치(437)는 수직 방향으로 이동할 수 있다. 제2이동 장치(437)는 회전 장치(435)의 내부를 따라 이동할 수 있다.실시 예들에 따라, 제2이동 장치(437)는 회전 장치(435) 내부로 삽입-이동 가능하도록 구성되는 액추에이터일 수 있다. 예컨대, 제2이동 장치(437)는 회전 장치(435) 내부에 형성된 레크(또는 홈)을 따라 제2방향으로 움직일 수 있다.
제2이동 장치(437)는 회전 장치(435)의 내부로 적어도 일부가 삽입-고정될 수 있고, 이에 따라, 회전 장치(435)의 회전 운동에 따라 제2이동 장치(437)도 회전될 수 있다. 즉, 제2이동 장치(437)는 회전 장치(435)의 회전에 따라, 제2방향의 회전축을 중심으로 회전할 수 있다.
받침대(439)는 물품(P)을 지지할 수 있다. 실시 예들에 따라, 받침대(439)는 제2이동 장치(437)로부터 연장되어 형성될 수 있다. 예컨대, 받침대(439)는 제2이동 장치(437)의 일단에서 절곡-연장되어 형성됨으로써 제2이동 장치(437)와 수직을 이룰 수 있다. 받침대(439)에는 물품(P)이 안착될 수 있다.
받침대(439)는 제2이동 장치(437)의 움직임에 따라 제2방향으로 이동할 수 있다. 예컨대, 받침대(439)는 수직 방향으로 이동할 수 있다.
제1이동 장치(433)는 제1방향을 따라 이동할 수 있다. 회전 장치(435)는 제1이동 장치(433)에 부착되어 제1방향을 따라 이동할 수 있으며, 또한, 제2방향의 회전축을 중심으로 회전할 수 있다. 제2이동 장치(437)는 회전 장치(435)에 부착되어 제1방향을 따라 이동하고 제2방향의 회전축을 중심으로 회전할 수 있으며, 또한, 제2방향을 따라 이동할 수 있다. 이에 따라, 제2이동 장치(437)와 연결된 받침대(439)는 제1방향 및 제2방향 모두로 이동 가능하며, 제2방향을 회전축으로 하여 회전할 수 있으므로, 보관함(410)에 형성된 슬롯들 모두에 접근이 가능할 수 있다.
프로세서(470)는 제1이동 장치(433), 회전 장치(435) 및 제2이동 장치(437)를 제어함으로써, 받침대(439)에 안착된 물품(P)을 보관함(410)에 보관하거나, 또는, 보관함(410)에 보관된 물품(P)을 받침대(439)에 안착시킬 수 있다. 실시 예들에 따라, 프로세서(470)는 슬롯들의 좌표를 이용하여, 받침대(439)가 슬롯들에 접근할 수 있도록, 제1이동 장치(433), 회전 장치(435) 및 제2이동 장치(437)를 제어할 수 있다. 예컨대, 프로세서(470)는 물품이 보관될 슬롯을 결정하고, 결정된 슬롯의 위치(또는 좌표)로 받침대(439)가 이동하도록 제1이동 장치(433), 회전 장치(435) 및 제2이동 장치(437)를 제어할 수 있다.
도 12는 본 개시의 실시 예들에 따른 보관함의 제어 방법을 나타낸다. 도 6에 도시된 방법은 보관 시스템(400)의 프로세서(470)에 의해 수행될 수 있고, 또한, 컴퓨터에서 실행 가능한 명렁어들로 구현될 수 있다. 상기 명령어들은 컴퓨터 판독가능한 저장 매체에 저장될 수 있다.
도 12를 참조하면, 프로세서(470)는 물품들의 배송 정보를 수신할 수 있다(S210). 실시 예들에 따라, 프로세서(470)는 스캐너(420)에 의해 판독된 물품의 배송 정보를 수신할 수 있다.
프로세서(470)는 배송 정보를 수신하기 이전에, 보관 시스템(400)의 사용자에 대한 인증을 수행하고, 상기 인증이 완료된 후에 물품들의 배송 정보를 수신할 수 있다.
프로세서(470)는 물품을 보관함(410)에 보관하기 위한 보관 명령을 조작기(430)로 전송할 수 있다(S220). 실시 예들에 따라, 프로세서(470)는 보관함(410)의 슬롯들 중에서 물품이 보관될 슬롯을 결정하고, 결정된 슬롯에 대한 슬롯 정보를 포함하는 보관 명령을 조작기(430)로 전송할 수 있다. 상기 슬롯 정보는 슬롯의 위치를 포함할 수 있다. 조작기(430)는 상기 보관 명령에 응답하여, 물품을 보관 명령에 대응하는 슬롯에 보관하는 작동을 수행할 수 있다.
프로세서(470)는 물품의 배송 정보에 기초하여, 물품이 보관될 슬롯을 선택(또는 결정)할 수 있다. 실시 예들에 따라, 프로세서(470)는 물품의 크기, 물품의 배송지, 물품의 종류 등에 기초하여 물품이 보관될 슬롯을 결정할 수 있다. 예컨대, 프로세서(470)는 물품의 크기에 대응하는 슬롯을 선택하거나, 물품이 무거울 수록 더 아래에 위치한 슬롯을 선택하거나, 또는 물품의 배송지가 멀 수록 보관함(410)의 외곽에 위치한 슬롯을 선택할 수 있으나, 이는 예시일 뿐이며, 본 개시의 실시 예들이 이에 한정되는 것은 아니다.
프로세서(470)는 물품의 배송 정보와 슬롯 정보를 매칭하여 저장할 수 있다(S230). 실시 예들에 따라, 프로세서(470)는 물품의 배송 정보와 상기 물품이 보관된 슬롯에 대한 슬롯 정보를 매칭하여 메모리(450)에 저장할 수 있다. 예컨대, 프로세서(470)는 물품의 배송 정보를 슬롯 정보의 인덱스로서 저장하거나 또는 슬롯 정보를 물품의 배송 정보의 인덱스로서 저장할 수 있다.
프로세서(370)는 보관함(310)에 보관된 물품들 중에서 인출될 물품을 결정할 수 있다(S240). 실시 예들에 따라, 프로세서(370)는 배송 차량(DV)의 주행 정보와 물품의 배송 정보를 이용하여, 보관된 물품들 중에서 인출될 물품(product to be unloaded)을 결정할 수 있다.
프로세서(470)는 인출될 물품을 인출하기 위한 조작기(430)로 전송할 수 있다(S250). 실시 예들에 따라, 프로세서(470)는 결정된 인출될 물품이 보관된 슬롯에 대한 슬롯 정보를 포함하는 보관 명령을 조작기(430)로 전송할 수 있다. 상기 슬롯 정보는 슬롯의 위치를 포함할 수 있다. 조작기(430)는 상기 인출 명령에 응답하여, 인출 명령에 대응하는 슬롯에 보관된 물품을 인출하는 동작을 수행할 수 있다.
본 개시의 실시 예들에 따르면, 물품을 보관함(410)에 자동으로 보관할 수 있고, 보관함(410)에 보관된 물품들 중 인출될 물품을 자동으로 보관함으로부터 인출할 수 있으므로, 보관될 물품들의 보관 및 인출이 보다 간편해지는 효과가 있다. 특히, 보관함(410)이 배송 차량(DV)에 의해 이동중일 때, 배송 차량(DV)의 주행 정보이 기초하여 보관된 물품들 중 인출될 물품을 자동으로 보관함으로부터 인출할 수 있어 물품의 배송이 한결 더 간편해질 수 있는 효과가 있다.
본 개시의 실시 예들에 방법은 컴퓨터로 판독 가능한 저장 매체에 저장되어 프로세서에 의해 실행될 수 있는 명령어들로 구현될 수 있다.
저장 매체는, 직접 및/또는 간접적이든, 원시 상태, 포맷화된 상태, 조직화된 상태 또는 임의의 다른 액세스 가능한 상태이든 관계없이, 관계형 데이터베이스, 비관계형 데이터베이스, 인-메모리(in-memory) 데이터베이스, 또는 데이터를 저장할 수 있고 저장 제어기를 통해 이러한 데이터에 대한 액세스를 허용할 수 있는 다른 적절한 데이터베이스와 같이 분산형을 포함하는 데이터베이스를 포함할 수 있다. 또한, 저장 매체는, 1차 저장 장치(storage), 2차 저장 장치, 3차 저장 장치, 오프라인 저장 장치, 휘발성 저장 장치, 비휘발성 저장 장치, 반도체 저장 장치, 자기 저장 장치, 광학 저장 장치, 플래시 저장 장치, 하드 디스크 드라이브 저장 장치, 플로피 디스크 드라이브, 자기 테이프, 또는 다른 적절한 데이터 저장 매체와 같은 임의의 타입의 저장 장치를 포함할 수 있다.
본 개시는 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 개시의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.
100: AI 장치 200: AI 서버
DV: 배송 차량 300: 보관 시스템
310: 보관함 S1~S9: 슬롯들
P1~P3: 물품들 DI1~DI3: 배송 정보
SI1, SI2, SI6: 슬롯 정보 431: 레일
433: 제1이동 장치 435: 회전 장치
437: 제2이동 장치 439: 받침대

Claims (18)

  1. 배송 차량에 탑재되고 물품을 보관할 수 있는 보관함을 포함하는 보관 시스템을 제어하는 방법에 있어서,
    스캐너로부터 물품들에 대한 배송 정보를 수신하는 단계;
    상기 보관함의 복수의 슬롯들 중에서 상기 물품들이 보관된 슬롯들의 슬롯 정보와 상기 물품들의 배송 정보를 매칭하여 저장하는 단계;
    상기 배송 정보와 상기 배송 차량의 주행 정보에 기초하여, 상기 물품들 중에서 인출될 물품을 결정하는 단계; 및
    상기 배송 정보와 상기 슬롯 정보에 기초하여 상기 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 출력하는 단계를 포함하는,
    방법.
  2. 제1항에 있어서,
    상기 보관 시스템을 사용하는 사용자에 대한 인증을 수행하는 단계; 및
    상기 인증 결과에 따라 상기 배송 정보를 수신하는 단계를 더 포함하는,
    방법.
  3. 제1항에 있어서, 상기 슬롯 정보와 상기 배송 정보를 매칭하여 저장하는 단계는,
    상기 배송 정보를 이용하여 상기 물품이 보관된 슬롯의 슬롯 정보를 검색하거나 또는 상기 슬롯 정보를 이용하여 상기 슬롯에 보관된 물품의 배송 정보를 검색할 수 있도록, 상기 배송 정보와 상기 슬롯 정보를 서로 연관시켜 저장하는 단계를 포함하는,
    방법.
  4. 제1항에 있어서, 상기 방법은,
    센서로부터 생성된 감지 데이터를 이용하여 상기 복수의 슬롯들 중 상기 물품들이 보관된 슬롯들을 식별하는 단계를 더 포함하는,
    방법.
  5. 제4항에 있어서, 상기 센서는,
    상기 보관함에 대한 이미지를 생성하도록 구성되는 이미지 센서;
    상기 센서는 상기 슬롯들 내부의 물체의 존재를 감지하도록 구성되는 근접 센서; 및
    상기 슬롯들 내부의 무게를 측정하도록 구성되는 무게 센서 중 적어도 하나를 포함하는,
    방법.
  6. 제4항에 있어서, 상기 물품이 수용되는 슬롯을 식별하는 단계는,
    상기 센서로부터 제1시점의 상기 보관함에 대한 제1감지 데이터를 수신하는 단계;
    상기 센서로부터 제2시점의 상기 보관함에 대한 제2감지 데이터를 수신하는 단계; 및
    상기 제1감지 데이터와 상기 제2감지 데이터에 기초하여, 상기 복수의 슬롯들 중 상기 물품이 수용되는 슬롯을 식별하는 단계를 더 포함하는,
    방법.
  7. 제1항에 있어서, 상기 인출될 물품을 결정하는 단계는,
    상기 보관함에 보관된 물품들 중에서 상기 배송 차량의 현재 위치로부터 기준 범위 이내에 위치한 배송지를 가지는 물품 을 상기 인출될 물품으로서 결정하는 단계를 포함하는,
    방법.
  8. 제1항에 있어서, 상기 인출될 물품을 결정하는 단계는,
    상기 보관함에 보관된 물품들 중에서 배송지까지의 도착 예정 시간이 기준 시간 이내인 물품 을 상기 인출될 물품으로서 결정하는 단계를 포함하는,
    방법.
  9. 제1항에 있어서, 상기 알림 명령을 출력하는 단계는,
    매칭되어 저장된 배송 정보와 슬롯 정보에 기초하여, 상기 복수의 슬롯들 중에서 상기 인출될 물품이 보관된 슬롯을 결정 하는 단계를 포함하는,
    방법.
  10. 제1항에 있어서, 상기 방법은,
    상기 물품들을 보관하기 위한 보관 명령을 기계적인 움직임을 수행하도록 구성되는 조작기로 전송하는 단계; 및
    상기 인출될 물품을 인출하기 위한 인출 명령을 상기 조작기로 전송하는 단계를 더 포함하는,
    방법.
  11. 제10항에 있어서, 상기 인출 명령을 전송하는 단계는,
    매칭되어 저장된 배송 정보와 슬롯 정보에 기초하여 상기 복수의 슬롯들 중에서 상기 인출될 물품이 보관된 슬롯을 결정하는 단계; 및
    상기 인출될 물품이 보관된 슬롯에 대한 슬롯 정보를 포함하는 상기 인출 명령을 전송하는 단계를 포함하는,
    방법.
  12. 보관 시스템에 있어서,
    배송 차량에 탑재되고, 물품들을 보관하기 위한 복수의 슬롯들을 포함하도록 구성되는 보관함;
    상기 물품들의 배송 정보를 획득하기 위해 판독을 수행하도록 구성되는 스캐너;
    상기 물품들 중에서 인출될 물품이 보관된 슬롯에 대한 알림을 제공하도록 구성되는 프로세서; 및
    메모리를 포함하고,
    상기 프로세서는,
    상기 스캐너로부터 상기 배송 정보를 수신하고,
    상기 물품들이 보관된 슬롯들의 슬롯 정보와 상기 물품들의 배송 정보를 매칭하여 상기 메모리에 저장하고, 상기 배송 정보와 상기 배송 차량의 주행 정보에 기초하여, 상기 인출될 물품을 결정하고, 매칭되어 저장된 상기 슬롯 정보와 상기 배송 정보에 기초하여, 상기 인출될 물품이 보관된 슬롯을 식별하는,
    보관 시스템.
  13. 제12항에 있어서, 상기 프로세서는,
    상기 배송 정보를 이용하여 상기 물품이 보관된 슬롯의 슬롯 정보를 검색하거나 또는 상기 슬롯 정보를 이용하여 상기 슬롯에 보관된 물품의 배송 정보를 검색할 수 있도록, 상기 배송 정보와 상기 슬롯 정보를 서로 연관시켜 상기 메모리에 저장하는,
    보관 시스템.
  14. 제12항에 있어서,
    상기 보관 시스템은 상기 보관함에 대한 감지 데이터를 생성하도록 구성되는 센서를 더 포함하고,
    상기 프로세서는,
    상기 센서로부터 생성된 감지 데이터를 이용하여 상기 보관함의 복수의 슬롯들 중 상기 물품들이 보관된 슬롯들을 식별하는 단계를 더 포함하는,
    보관 시스템.
  15. 제14항에 있어서, 상기 센서는,
    상기 보관함에 대한 이미지를 생성하도록 구성되는 이미지 센서;
    상기 센서는 상기 슬롯들 내부의 물체의 존재를 감지하도록 구성되는 근접 센서; 및
    상기 슬롯들 내부의 무게를 측정하도록 구성되는 무게 센서 중 적어도 하나를 포함하는,
    보관 시스템.
  16. 제12항에 있어서,
    상기 보관 시스템은 기계적인 움직임을 수행하도록 구성되는 조작기를 더 포함하고,
    상기 프로세서는,
    상기 물품들을 보관하기 위한 보관 명령을 상기 조작기로 전송하고, 상기 인출될 물품을 인출하기 위한 인출 명령을 상기 조작기로 전송하는
    보관 시스템.
  17. 배송 차량에 탑재되고 물품을 보관할 수 있는 보관함을 포함하는 보관 시스템을 제어하기 위한 제어 장치에 있어서, 상기 제어 장치는 프로세서를 포함하고, 상기 프로세서는,
    상기 보관함에 보관될 물품들에 대한 배송 정보를 수신하고,
    상기 보관함의 복수의 슬롯들 중 상기 물품들이 보관된 슬롯들의 슬롯 정보와 상기 물품들의 배송 정보를 매칭하여 저장하고,
    상기 배송 정보와 상기 배송 차량의 주행 정보에 기초하여, 상기 물품들 중에서 인출될 물품을 결정하고,
    상기 배송 정보와 상기 슬롯 정보에 기초하여 상기 인출될 물품이 보관된 슬롯에 대한 알림을 제공하기 위한 알림 명령을 상기 보관 시스템으로 출력하는,
    제어 장치.
  18. 제17항에 있어서, 상기 프로세서는,
    매칭되어 저장된 배송 정보와 슬롯 정보에 기초하여, 복수의 슬롯들 중에서 상기 인출될 물품이 보관된 슬롯을 결정하는,
    제어 장치.
KR1020190149029A 2019-11-19 2019-11-19 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어 KR20210061160A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190149029A KR20210061160A (ko) 2019-11-19 2019-11-19 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어
US16/831,250 US11379783B2 (en) 2019-11-19 2020-03-26 Package storage system and method of controlling same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190149029A KR20210061160A (ko) 2019-11-19 2019-11-19 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어

Publications (1)

Publication Number Publication Date
KR20210061160A true KR20210061160A (ko) 2021-05-27

Family

ID=75910027

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190149029A KR20210061160A (ko) 2019-11-19 2019-11-19 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어

Country Status (2)

Country Link
US (1) US11379783B2 (ko)
KR (1) KR20210061160A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191218A1 (ko) * 2022-03-28 2023-10-05 주식회사 드림에이스 무인 셔틀에 탑재된 무인 보관함을 이용한 배송 제공 장치 및 그 방법, 그리고 컴퓨터 프로그램이 기록된 기록매체

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190329691A1 (en) * 2018-04-25 2019-10-31 Pepsico, Inc. Autonomous food product delivery vehicle system and method
US10988069B2 (en) * 2019-05-08 2021-04-27 Ford Global Technologies, Llc Vehicle inventory management systems and methods
US20200372437A1 (en) * 2019-05-20 2020-11-26 Coupang Corporation Computerized systems and methods for package delivery
US11548566B2 (en) * 2019-11-01 2023-01-10 The Shyft Group, Inc. Cargo vehicle automation and construction features

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023191218A1 (ko) * 2022-03-28 2023-10-05 주식회사 드림에이스 무인 셔틀에 탑재된 무인 보관함을 이용한 배송 제공 장치 및 그 방법, 그리고 컴퓨터 프로그램이 기록된 기록매체

Also Published As

Publication number Publication date
US11379783B2 (en) 2022-07-05
US20210150456A1 (en) 2021-05-20

Similar Documents

Publication Publication Date Title
US20210138654A1 (en) Robot and method for controlling the same
US11654570B2 (en) Self-driving robot and method of operating same
KR102234691B1 (ko) 인공 지능을 이용하여, 물품을 관리하는 냉장고 및 그의 동작 방법
KR102258381B1 (ko) 복수의 로봇들을 관제하는 인공 지능 서버 및 그 방법
US11200075B2 (en) Artificial intelligence apparatus and method for extracting user's concern
KR102245911B1 (ko) 인공 지능을 이용하여, 아이템의 정보를 제공하는 냉장고 및 그의 동작 방법
KR20210077482A (ko) 복수의 갱신 정보를 융합하여 인공 지능 모델을 갱신하는 인공 지능 서버 및 그 방법
US11210567B2 (en) Artificial intelligence apparatus and method for recognizing object
KR20210046170A (ko) 레시피 정보를 생성하는 인공 지능 장치 및 그 방법
KR20210057598A (ko) 알림을 제공하는 인공 지능 장치 및 그 방법
KR20190102141A (ko) 와인 냉장고에 탑재된 인공 지능 장치
KR20200128486A (ko) 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법
US11524408B2 (en) Method and apparatus for providing food to user
US11334094B2 (en) Method for maintaining stability of mobile robot and mobile robot thereof
KR20210069416A (ko) 운송 장치 및 상기 운송 장치를 포함하는 로봇
US12085951B2 (en) Method of updating map in fusion SLAM and robot implementing same
KR20210044662A (ko) 로봇 및 로봇의 제어 방법
KR20190094311A (ko) 인공 지능 로봇 및 그의 동작 방법
US11618164B2 (en) Robot and method of controlling same
US11465287B2 (en) Robot, method of operating same, and robot system including same
KR102229562B1 (ko) 음성 인식 서비스를 제공하는 인공 지능 장치 및 그의 동작 방법
US11927931B2 (en) Artificial intelligence-based air conditioner
KR102231909B1 (ko) 인공지능 장치
KR20210061160A (ko) 물품을 보관하는 보관 시스템 및 상기 보관 시스템의 제어
KR20210056019A (ko) 인공 지능 장치 및 그의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination