KR20210063121A - 로봇 및 그의 제어 방법 - Google Patents

로봇 및 그의 제어 방법 Download PDF

Info

Publication number
KR20210063121A
KR20210063121A KR1020190151633A KR20190151633A KR20210063121A KR 20210063121 A KR20210063121 A KR 20210063121A KR 1020190151633 A KR1020190151633 A KR 1020190151633A KR 20190151633 A KR20190151633 A KR 20190151633A KR 20210063121 A KR20210063121 A KR 20210063121A
Authority
KR
South Korea
Prior art keywords
robot
boarding
elevator
processor
boarding position
Prior art date
Application number
KR1020190151633A
Other languages
English (en)
Inventor
최정은
이슬아
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 KR1020190151633A priority Critical patent/KR20210063121A/ko
Priority to US16/896,668 priority patent/US11513522B2/en
Publication of KR20210063121A publication Critical patent/KR20210063121A/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J11/00—Manipulators not otherwise provided for
    • B25J11/008—Manipulators for service tasks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages
    • B25J5/007—Manipulators mounted on wheels or on carriages mounted on wheels
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
    • B25J9/1666—Avoiding collision or forbidden zones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/02—Control systems without regulation, i.e. without retroactive action
    • B66B1/06—Control systems without regulation, i.e. without retroactive action electric
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3415—Control system configuration and the data transmission or communication within the control system
    • B66B1/3446—Data transmission or communication within the control system
    • B66B1/3461—Data transmission or communication within the control system between the elevator control system and remote or mobile stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
    • B66B1/00—Control systems of elevators in general
    • B66B1/34—Details, e.g. call counting devices, data transmission from car to control system, devices giving information to the control system
    • B66B1/3476—Load weighing or car passenger counting devices
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G05D1/0248—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means in combination with a laser

Landscapes

  • Engineering & Computer Science (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fuzzy Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Manipulator (AREA)

Abstract

본 발명의 실시 예에 따른 로봇은, 주행 모터, 엘리베이터 제어 장치와 통신하기 위한 통신부, 엘리베이터의 내부 공간을 센싱하는 센싱부, 및 상기 엘리베이터 제어 장치로부터 수신되는 데이터 또는 상기 센싱부의 센싱 데이터에 기초하여, 상기 엘리베이터로의 탑승 가능 여부를 확인하고, 상기 엘리베이터에 탑승 가능한 경우, 상기 통신부 또는 상기 센싱부를 통해 획득되는 상기 엘리베이터의 내부 공간 정보에 기초하여 탑승 위치를 설정하고, 설정된 탑승 위치로 이동하도록 상기 주행 모터를 제어하는 프로세서를 포함한다.

Description

로봇 및 그의 제어 방법{ROBOT AND METHOD FOR CONTROLLING SAME}
본 발명은 로봇 및 그의 제어 방법에 관한 것이다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계로서, 로봇의 응용분야는 대체로 산업용, 의료용, 우주용, 해저용 등 다양한 분야로 분류된다.
최근에는 자율 주행 기술이나 센서를 이용한 자동 제어 기술, 통신 기술 등의 발전으로 인해, 보다 다양한 분야에 로봇을 적용하기 위한 연구가 지속되고 있다.
자율 주행 기술이 적용된 로봇은, 실내 또는 실외를 주행하면서 다양한 동작을 수행하거나 다양한 서비스를 제공할 수 있다.
한편, 건물 내부의 다양한 구역들을 주행하며 서비스를 제공하는 로봇의 경우, 건물 내의 다른 층으로 이동하기 위해 엘리베이터를 이용할 수 있다. 이 경우, 로봇의 엘리베이터의 탑승 및 하차 상황은 일반적인 주행 상황과 상이한 바, 원활한 엘리베이터 이용을 위한 주행 제어 방안이 요구될 수 있다.
본 발명이 해결하고자 하는 과제는, 엘리베이터의 탑승 시 상기 엘리베이터와 관련된 다양한 데이터에 기초하여 최적의 탑승 위치를 설정하는 로봇을 제공하는 것이다.
본 발명의 실시 예에 따른 로봇은, 엘리베이터 제어 장치 또는 로봇의 센싱부를 통해 획득되는 엘리베이터의 내부 공간 정보에 기초하여, 상기 엘리베이터로의 탑승 가능 여부를 확인하고, 상기 엘리베이터에 탑승 가능한 경우 상기 내부 공간 정보에 기초하여 탑승 위치를 설정하고, 설정된 탑승 위치로 이동하도록 상기 주행 모터를 제어할 수 있다.
상기 로봇은 상기 센싱부의 카메라를 통해 획득되거나 엘리베이터 제어 장치로부터 수신되는 내부 공간의 영상, 또는 상기 센싱부의 거리 센서를 통해 획득되는 상기 내부 공간의 센싱 데이터에 기초하여 탑승 가능 공간의 존재 여부를 감지할 수 있다.
실시 예에 따라, 상기 로봇은 상기 엘리베이터의 내부 공간 중 출입구의 일 측과의 거리가 기준 거리 이상이고 출입구와 가장 근접한 위치를 탑승 위치로 설정할 수 있다.
실시 예에 따라, 상기 로봇은 기 설정된 기본 탑승 위치로의 탑승 가능 여부를 확인하여, 상기 기본 탑승 위치에 탑승하거나 상기 기본 탑승 위치와 근접한 위치에 탑승할 수 있다.
실시 예에 따라, 상기 로봇은 엘리베이터에 기 입력된 적어도 하나의 하차 층수와 상기 로봇의 하차 층수에 기초하여 하차 순서를 추정하고, 추정된 하차 순서에 기초하여 탑승 위치를 설정할 수 있다.
실시 예에 따라, 상기 로봇은 탑승 층수와 하차 층수 간의 차이에 기초하여 탑승 위치를 설정할 수 있다.
실시 예에 따라, 상기 로봇은 머신 러닝 알고리즘에 의해 학습된 탑승 위치 설정 모델을 이용하여, 다양한 종류의 데이터에 기초한 탑승 위치를 설정할 수 있다.
실시 예에 따라, 상기 로봇은 엘리베이터의 적재 중량, 로봇의 중량, 및 엘리베이터의 정격 중량에 기초하여 탑승 가능 여부를 확인할 수 있다.
실시 예에 따라, 상기 로봇은 엘리베이터의 내부 공간의 중량 배분에 기초하여 탑승 위치를 설정하거나 조절할 수 있다.
본 발명의 실시 예에 따르면, 로봇은 엘리베이터의 탑승 시 센서 등을 통해 감지되는 다양한 상황에 기초하여, 주행의 용이성 또는 다른 탑승자에게 가해지는 방해를 최소화할 수 있는 최적의 탑승 위치를 설정할 수 있다.
또한, 로봇은 엘리베이터의 탑승 시 기 설정된 기본 위치로의 탑승이 불가능한 경우 다른 적절한 탑승 위치를 지능적으로 설정하여 탑승할 수 있다. 특히, 로봇은 상기 기본 위치와 가장 근접한 위치를 탑승 위치로 설정함으로써, 탑승 및 하차 시의 효율성 저하를 최소화하고, 다른 탑승자들의 불편함을 최소화할 수 있다.
뿐만 아니라, 로봇은 다른 탑승자들에 대한 로봇의 상대적인 하차 순서를 추정하여 탑승 위치를 설정함으로써, 하차 시 주행 편의성을 향상시킬 수 있고 하차 중 다른 탑승자와의 접촉이나 충돌 등을 최소화할 수 있다.
또한, 로봇은 인공지능 기반으로 학습된 모델을 이용함으로써, 엘리베이터의 이용과 관련된 다양한 정보에 맞는 최적의 탑승 위치를 설정할 수 있다.
뿐만 아니라, 로봇은 엘리베이터의 적재 중량에 따라 탑승 여부를 결정함으로써 과적으로 인한 엘리베이터의 불안정한 이동이나 고장 발생을 방지할 수 있다.
또한, 로봇은 엘리베이터 내의 중량 배분 또는 무게중심에 기초하여 탑승 위치를 조절함으로써, 중량 편차로 인한 엘리베이터의 불안정한 이동을 방지하고, 엘리베이터의 고장 발생을 최소화할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
도 2는 본 발명의 일 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 3은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 시스템을 나타낸다.
도 4는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.
도 5는 본 발명의 실시 예에 따른 로봇의 엘리베이터 탑승 시 제어 동작을 설명하기 위한 플로우차트이다.
도 6a 내지 도 6b는 로봇의 엘리베이터 탑승 위치 설정과 관련된 예시도들이다.
도 7은 로봇의 엘리베이터 탑승 시, 기본 위치로의 탑승 여부에 기초하여 수행하는 제어 동작의 예를 설명하기 위한 플로우차트이다.
도 8a 내지 도 8c는 도 7의 제어 동작과 관련된 예시도들이다.
도 9는 로봇이 하차 층수에 기초하여 엘리베이터로의 탑승을 제어하는 동작을 설명하기 위한 플로우차트이다.
도 10a 내지 도 10b는 도 9의 제어 동작과 관련된 예시도들이다.
도 11은 로봇이 인공지능 기반으로 학습된 모델을 이용하여 엘리베이터로의 탑승을 제어하는 동작을 설명하기 위한 플로우차트이다.
도 12는 도 11의 제어 동작과 관련된 예시도이다.
도 13은 로봇이 엘리베이터 내의 무게 정보에 따라 탑승 위치를 설정 및 변경하는 동작을 설명하기 위한 플로우차트이다.
도 14a 내지 도 14b는 도 13의 동작과 관련된 예시도들이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명한다. 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
도 1은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, AI 장치(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 발명의 일 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 로봇을 포함하는 AI 시스템을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
도 4는 본 발명의 일 실시 예에 따른 로봇의 제어 구성을 나타내는 블록도이다.
도 4를 참조하면, 로봇(100a)은 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 주행 모터(160), 메모리(170), 및 프로세서(180)를 포함할 수 있다. 도 4에 도시된 구성들은 설명의 편의를 위한 일례로서, 로봇(100a)은 도 4에 도시된 구성들보다 많거나 적은 구성들을 포함할 수 있다.
한편, 도 1의 AI 장치(100)와 관련된 내용은 본 발명의 로봇(100a)에도 유사하게 적용되는 바, 도 1에서 상술한 내용과 중복되는 내용은 생략한다.
통신부(110)는 로봇(100a)을 네트워크를 통해 서버, 이동 단말기, 다른 로봇 등과 연결하기 위한 통신 모듈들을 포함할 수 있다. 상기 통신 모듈들 각각은 도 1에서 상술한 통신 기술 중 어느 하나를 지원할 수 있다.
예컨대, 로봇(100a)은 공유기 등의 액세스 포인트를 통해 네트워크와 연결될 수 있다. 이에 따라, 로봇(100a)은 입력부(120)나 센싱부(140) 등을 통해 획득되는 각종 정보를, 상기 네트워크를 통해 서버나 이동 단말기로 제공할 수 있다. 또한, 로봇(100a)은 상기 서버나 이동 단말기로부터 정보나 데이터, 명령 등을 수신할 수 있다.
입력부(120)는 다양한 종류의 데이터를 획득하는 적어도 하나의 입력 수단을 포함할 수 있다. 예컨대, 상기 적어도 하나의 입력 수단은 버튼이나 다이얼 등의 물리 입력 수단, 터치 패드나 터치 패널과 같은 터치 입력부, 사용자의 음성이나 로봇(100a) 주변의 소리 등을 수신하는 마이크로폰 등을 포함할 수 있다. 사용자는 입력부(120)를 통해 각종 요청이나 명령을 로봇(100a)으로 입력할 수 있다.
센싱부(140)는 로봇(100a) 주변의 다양한 정보를 센싱하는 적어도 하나의 센서를 포함할 수 있다.
예컨대, 센싱부(140)는 로봇(100a) 주변의 영상을 획득하기 위한 적어도 하나의 카메라(142)를 포함할 수 있다. 적어도 하나의 카메라(142)는 기 공지된 다양한 종류의 카메라(2D 카메라, 3D 카메라, 적외선 카메라 등)를 포함할 수 있다.
또한, 센싱부(140)는 로봇(100a) 주변의 사람이나 사물 등과의 거리를 감지하기 위한 거리 센서(144)를 더 포함할 수 있다. 예를 들어, 상기 거리 센서(144)는 초음파 센서, 라이다(LiDar) 등 거리의 감지가 가능한 다양한 종류의 센서로 구현될 수 있다.
실시 예에 따라, 센싱부(140)는 근접 센서, 조도 센서, 자이로 센서 등의 센서들을 더 포함할 수도 있다.
출력부(150)는 로봇(100a)의 동작이나 상태, 로봇(100a)에서 실행되는 각종 서비스, 프로그램, 애플리케이션 등과 관련된 각종 정보 또는 콘텐츠를 출력할 수 있다. 예컨대 출력부(150)는 디스플레이(152) 및 스피커(154) 등을 포함할 수 있다.
디스플레이(152)는 상술한 각종 정보, 메시지, 또는 콘텐츠를 그래픽 형태로 출력할 수 있다. 스피커(154)는 상기 각종 정보, 메시지, 또는 콘텐츠를 음성이나 음향 형태로 출력할 수 있다.
적어도 하나의 주행 모터(160)는 로봇(100a)의 이동(주행)을 위한 것으로서, 예컨대 로봇(100a)의 하부에 구비된 적어도 하나의 휠과 연결되어, 로봇(100a)의 주행을 위한 구동력을 상기 적어도 하나의 휠로 제공할 수 있다. 프로세서(180)는 상기 적어도 하나의 주행모터(160)를 제어하여 로봇(100a)의 주행 방향 및/또는 주행 속도를 조절할 수 있다.
메모리(170)는 로봇(100a)에 포함된 구성 요소들의 동작을 제어하기 위한 제어 데이터, 입력부(120)를 통해 획득된 입력이나 센싱부(140)를 통해 획득되는 정보에 기초한 동작을 수행하기 위한 데이터 등의 각종 데이터가 저장될 수 있다.
또한, 메모리(170)에는 프로세서(180)에 포함된 적어도 하나의 프로세서나 컨트롤러에 의해 실행되는 소프트웨어 모듈이나 애플리케이션 등의 프로그램 데이터가 저장될 수 있다.
이러한 메모리(170)는 하드웨어적으로, ROM, RAM, EPROM, 플래시 드라이브, 하드 드라이브 등과 같은 다양한 저장기기를 포함할 수 있다.
프로세서(180)는 로봇(100a)의 동작을 제어하는 적어도 하나의 프로세서나 컨트롤러 등을 포함할 수 있다. 구체적으로, 프로세서(180)는 적어도 하나의 CPU, AP(application processor), 마이크로컴퓨터(또는 마이컴), 집적 회로, ASIC(application specific integrated circuit) 등을 포함할 수 있다.
한편, 본 발명의 실시 예에 따른 로봇(100a)은 건물 내의 여러 층들을 이동하면서 소정 태스크를 수행할 수 있다. 상기 여러 층들의 이동을 위해, 이동 로봇은 건물에 구비된 엘리베이터의 탑승 및 하차가 가능하도록 구현될 수 있다.
엘리베이터에는 로봇뿐만 아니라 탑승자들이 탑승 및 하차하는 바, 로봇(100a)은 다른 탑승자들의 불편을 최소화할 수 있도록 엘리베이터의 내부 상황 등에 기초한 최적의 탑승 방식에 따라 엘리베이터에 탑승할 필요가 있다.
이하 도 5 내지 도 14b를 참조하여, 로봇(100a)이 엘리베이터에 탑승하는 동작과 관련된 다양한 실시 예들을 설명한다.
도 5는 본 발명의 실시 예에 따른 로봇의 엘리베이터 탑승 시 제어 동작을 설명하기 위한 플로우차트이다.
도 5를 참조하면, 로봇(100a)은 엘리베이터의 탑승을 위해 엘리베이터를 호출할 수 있다(S500).
로봇(100a)은 건물 내의 현재 층으로부터 다른 층으로 이동하기 위해 엘리베이터를 호출할 수 있다.
예컨대, 로봇(100a)과 엘리베이터 제어 장치(미도시; 예컨대 서버 등의 컴퓨팅 장치)가 통신 가능한 경우, 프로세서(180)는 엘리베이터 호출 요청을 통신부(110)를 통해 상기 엘리베이터 제어 장치로 전송할 수 있다.
또는, 로봇(100a)에 엘리베이터 버튼을 물리적으로 조작 가능한 수단(예컨대 로봇 암 등)이 구비된 경우, 프로세서(180)는 상기 수단을 제어하여 엘리베이터 버튼을 누름으로써 엘리베이터를 호출할 수도 있다.
실시 예에 따라, 다른 탑승 예정자에 의해 엘리베이터가 호출된 상태인 경우, 프로세서(180)는 엘리베이터의 호출을 위한 동작을 수행하지 않고 대기할 수도 있다.
로봇(100a)은 엘리베이터의 탑승 가능 여부를 확인할 수 있다(S510).
프로세서(180)는 엘리베이터의 도어가 오픈됨이 감지되면, 카메라(142)를 통해 획득되는 엘리베이터 내부 공간의 영상 및/또는 거리 센서(144)를 통해 획득되는 엘리베이터 내부 공간의 센싱 데이터에 기초하여, 엘리베이터의 탑승 가능 여부를 확인할 수 있다.
프로세서(180)는 상기 엘리베이터의 내부 공간 정보(내부 공간의 영상 및/또는 센싱 데이터)에 기초하여 엘리베이터 내부 공간 중 로봇(100a)이 탑승 가능한 크기의 빈 공간(탑승 가능 공간)이 존재하는지 여부를 감지할 수 있다. 실시 예에 따라, 프로세서(180)는 엘리베이터 제어 장치(미도시)로부터 엘리베이터 내부 공간의 영상을 수신하고, 수신된 영상으로부터 상기 탑승 가능 공간의 존재 여부를 감지할 수도 있다.
실시 예에 따라, 프로세서(180)는 엘리베이터의 호출 시점으로부터 엘리베이터의 도어 오픈 시점까지의 임의의 시점에서, 엘리베이터 제어 장치(미도시)로부터 엘리베이터의 탑승 가능 여부에 대한 정보를 통신부(110)를 통해 수신할 수도 있다. 예컨대 상기 정보는 탑승 가능 공간의 존재 여부, 또는 엘리베이터 내부의 무게에 기초한 탑승 가능 여부에 기초하여 제공될 수 있다.
확인 결과 엘리베이터에 탑승 불가능한 경우(S520의 NO), 로봇(100a)은 엘리베이터에 탑승하지 않고 대기하거나, 다른 엘리베이터에 탑승할 수 있다(S530).
반면, 확인 결과 엘리베이터에 탑승 가능한 경우(S520의 YES), 로봇(100a)은 엘리베이터의 탑승 위치를 설정하기 위한 정보(내부 공간 정보)를 획득할 수 있다(S540). 로봇(100a)은 획득된 정보에 기초하여 설정되는 탑승 위치로 이동하도록 주행 모터(160)를 제어함으로써 엘리베이터에 탑승할 수 있다(S550).
상기 정보(내부 공간 정보)는 카메라(142)를 통해 획득되거나 엘리베이터 제어 장치로부터 수신되는 영상, 및/또는 거리 센서(144)를 통해 획득되는 센싱 데이터를 포함할 수 있다.
예컨대, 프로세서(180)는 S510 단계에서 카메라(142) 및/또는 거리 센서(144)를 통해 감지된 탑승 가능 공간 중 소정 위치를 탑승 위치로 설정하고, 설정된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
또는, 프로세서(180)는 해당 엘리베이터에 대해 기 설정된 기본 위치(기본 탑승 위치)로 이동하도록 주행 모터(160)를 제어할 수도 있다.
또는, 프로세서(180)는 기 정의된 탑승 위치 설정 조건에 기초하여 탑승 위치를 설정할 수도 있다. 이와 관련된 일부 예들에 대해 이하 도 6a 내지 도 6b를 참조하여 설명한다.
도 6a 내지 도 6b는 로봇의 엘리베이터 탑승 위치 설정과 관련된 예시도들이다.
도 6a를 참조하면, 프로세서(180)는 엘리베이터(300)로의 빠른 탑승 및 하차를 위해, 엘리베이터(300)의 내부 공간(302) 중 출입구(301)와 근접한 위치를 탑승 위치로 설정할 수 있다.
한편, 프로세서(180)는 다른 탑승자나 물체(휠체어 등)의 탑승 및 하차를 위해, 출입구(301)의 일 측과 로봇(100a)이 기설정된 기준 거리 이상 이격되도록 탑승 위치를 설정할 수 있다.
예컨대, 제1 위치(P1)는 출입구(301)의 일 측과 로봇(100a)의 거리(D1)가 상기 기준 거리 이상일 수 있으나, 출입구(301)와 상대적으로 멀 수 있다.
한편, 제3 위치(P3)는 출입구(301)의 일 측과의 거리(D3)가 기준 거리 미만일 수 있다.
그리고, 제2 위치(P2)는 출입구(301)의 일 측과의 거리(D2)가 기준 거리 이상이면서 출입구(301)와 가장 근접할 수 있다.
즉, 프로세서(180)는 출입구(301)와 가장 가까우면서, 출입구(301)의 일 측과의 거리가 기준 거리 이상인 제2 위치(P2)를 로봇(100a)의 탑승 위치로 설정할 수 있다.
도 6b를 참조하면, 우선 내부 공간(302)은 출입구(301)의 후방에 위치하는 것으로 정의할 수 있다.
프로세서(180)는 로봇(100a)의 용이한 탑승 및 하차를 위해, 출입구(301)의 직후방에 대응하는 영역(REG) 중 소정 위치를 탑승 위치로 설정할 수 있다. 즉, 상기 영역(REG)의 폭은 출입구(301)의 폭(DW)과 같거나 작을 수 있다. 이 경우, 로봇(100a)은 직진 주행만으로 엘리베이터에 탑승 및 하차할 수 있으므로, 주행 알고리즘이 단순화될 수 있다.
그리고, 프로세서(180)는 상기 영역(REG)에 존재하는 탑승 가능 위치 중 최후방에 해당하는 위치를 탑승 위치로 설정함으로써, 다른 탑승자나 물체 등의 탑승 및 하차 시 불편함을 최소화할 수 있다.
다시 도 5를 설명한다.
상술한 예들 외에도, 프로세서(180)는 다양한 방식에 따라 탑승 위치를 설정하고, 설정된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다. 이와 관련된 실시 예들에 대해서는 추후 도 7 내지 도 14b를 통해 상세히 설명하기로 한다.
실시 예에 따라, 로봇(100a)은 엘리베이터의 탑승 후, 상기 엘리베이터와 관련된 정보에 기초하여 탑승 위치를 이동(변경)할 수도 있다(S560).
프로세서(180)는 엘리베이터의 탑승 후, 엘리베이터 내부의 탑승자 수 또는 위치 변화, 엘리베이터 내부의 무게 변화 정보, 엘리베이터의 현재 층수와 하차 층수 간의 차이 등에 기초하여 탑승 위치를 이동함으로써, 보다 효율적인 위치에서 엘리베이터를 이용할 수 있다.
이하 도 7 내지 도 14b를 참조하여, 로봇(100a)의 엘리베이터 탑승 위치 설정과 관련된 다양한 실시 예들을 설명한다. 도 7 내지 도 14b에 개시된 실시 예들은 어느 하나만이 선택적으로 적용되거나, 복수의 실시 예들이 조합되는 형태로 적용될 수도 있다.
도 7은 로봇의 엘리베이터 탑승 시, 기본 위치로의 탑승 여부에 기초하여 수행하는 제어 동작의 예를 설명하기 위한 플로우차트이다.
도 5와 도 7을 참조하면, 로봇(100a)이 엘리베이터에 탑승 가능한 경우(S520의 YES), 로봇(100a)은 기본 위치로의 탑승 가능 여부를 확인할 수 있다(S710).
상기 기본 위치는 엘리베이터 내의 공간 중 기 설정된 특정 위치에 해당할 수 있다. 또는, 상기 기본 위치는 도 6a 내지 도 6b의 실시 예에 따라 설정되는 탑승 위치에 해당할 수도 있다.
프로세서(180)는 상기 기본 위치에 대응하는 영역이 빈 상태인지 여부를 카메라(142) 및/또는 거리 센서(144) 등을 이용하여 감지할 수 있다. 감지 결과에 기초하여, 프로세서(180)는 상기 기본 위치로의 탑승 가능 여부를 확인할 수 있다.
기본 위치에 탑승 가능한 경우(S720의 YES), 로봇(100a)의 프로세서(180)는 상기 기본 위치로 이동하도록 주행 모터(160)를 제어할 수 있다(S730).
프로세서(180)는 상기 기본 위치가 빈 상태인 경우(탑승자 또는 물체가 상기 기본 위치에 존재하지 않는 경우), 주행 모터(160)를 제어하여 로봇(100a)을 상기 기본 위치로 이동시킴으로써 엘리베이터에 탑승할 수 있다.
반면, 기본 위치에 탑승 불가능한 경우(S720의 NO), 로봇(100a)은 엘리베이터 내부의 영상 또는 센싱 데이터에 기초하여 탑승 가능 공간을 감지할 수 있다(S740).
상기 기본 위치가 빈 상태가 아닌 것으로 감지되는 경우(예컨대 상기 기본 위치에 탑승자 또는 물체가 존재하는 경우), 프로세서(180)는 카메라(142) 또는 엘리베이터 제어 장치(미도시)로부터 획득되는 영상 및/또는 거리 센서(144)를 통해 감지되는 센싱 데이터에 기초하여 탑승 가능 공간을 감지할 수 있다.
로봇(100a)은 감지된 탑승 가능 공간 중, 상기 기본 위치와 가장 근접한 위치로 이동하도록 주행 모터(160)를 제어할 수 있다(S750).
상기 기본 위치는 로봇(100a)의 엘리베이터 탑승 및 하차를 위한 최적화된 위치이거나, 다른 탑승자의 엘리베이터 이용 방해를 최소화하기 위해 설정된 위치일 수 있다. 따라서, 프로세서(180)는 감지된 탑승 가능 공간 중, 상기 기본 위치와 가장 근접한 위치를 탑승 위치로 설정할 수 있다.
실시 예에 따라, 설정된 기본 위치가 복수 개인 경우, 프로세서(180)는 복수의 기본 위치들 중 어느 하나와 가장 근접한 위치를 탑승 위치로 설정할 수 있다.
도 8a 내지 도 8c는 도 7의 제어 동작과 관련된 예시도들이다.
도 8a와 도 8b를 참조하면, 로봇(100a)의 프로세서(180)는 엘리베이터(300)의 도어가 열림에 따라 출입구(301)가 개방된 경우, 기 설정된 기본 위치(DP)로의 탑승 가능 여부를 확인할 수 있다.
예컨대, 프로세서(180)는 카메라(142) 또는 엘리베이터 제어 장치(미도시)로부터 엘리베이터(300)의 내부 공간(302)을 포함하는 영상을 획득하거나, 거리 센서(144)를 통해 상기 내부 공간(302)에 대한 센싱 데이터를 획득할 수 있다.
프로세서(180)는 획득된 영상 및/또는 센싱 데이터로부터 기본 위치(DP)에 대응하는 영역의 일부에 제1 탑승자(401) 및 제2 탑승자(402)가 존재함을 감지할 수 있다.
이 경우, 프로세서(180)는 상기 영상 및/또는 센싱 데이터에 기초하여 탑승 가능 공간을 인식하고, 인식된 탑승 가능 공간 중 상기 기본 위치(DP)와 가장 근접한 위치를 탑승 위치로 설정할 수 있다. 프로세서(180)는 설정된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
도시되지는 않았으나, 실시 예에 따라 프로세서(180)는 상기 기본 위치(DP)에 다른 탑승자의 존재가 인식된 경우, 출력부(150)를 통해 탑승 위치의 이동 요청을 출력할 수 있다. 상기 다른 탑승자가 상기 출력된 이동 요청에 응답하여 기본 위치(DP)와 중첩되지 않는 위치로 이동한 경우, 프로세서(180)는 상기 기본 위치(DP)로 이동하도록 주행 모터(160)를 제어할 수 있다.
한편, 프로세서(180)는 엘리베이터(300)의 탑승 후, 내부 공간(302)에 존재하는 탑승자의 하차나 이동 등에 따른 공간 상태를 주기적 또는 연속적으로 감지할 수 있다. 프로세서(180)는 감지 결과에 기초하여 탑승 위치를 조절할 수 있다.
이와 관련하여 도 8c를 참조하면, 프로세서(180)는 상술한 영상 및/또는 센싱 데이터에 기초하여, 기본 위치(DP)에 위치한 제1 탑승자(401)의 하차, 및 제2 탑승자(402)의 이동에 따라 기본 위치(DP)로 이동 가능함을 감지할 수 있다.
프로세서(180)는 상기 기본 위치(DP)로 이동하도록 주행 모터(160)를 제어함으로써, 로봇(100a)의 탑승 위치를 조절할 수 있다.
즉, 도 7 내지 도 8c에 도시된 실시 예에 따르면, 로봇(100a)은 엘리베이터(300)의 탑승 시 기 설정된 기본 위치(DP)로의 탑승이 불가능한 경우 다른 적절한 탑승 위치를 지능적으로 설정하여 탑승할 수 있다. 또한, 로봇(100a)은 상기 기본 위치(DP)와 가장 근접한 위치를 탑승 위치로 설정함으로써, 탑승 및 하차 시의 효율성 저하를 최소화하고, 타 탑승자들의 불편함을 최소화할 수 있다.
도 9는 로봇이 하차 층수에 기초하여 엘리베이터로의 탑승을 제어하는 동작을 설명하기 위한 플로우차트이다.
도 5와 도 9를 참조하면, 엘리베이터에 탑승 가능한 경우(S520의 YES), 로봇(100a)은 엘리베이터에 기 입력된 하차 층수 정보를 획득할 수 있다(S910).
프로세서(180)는 엘리베이터 제어 장치(미도시)로부터, 엘리베이터의 탑승자에 의해 기 입력된 적어도 하나의 하차 층수를 포함하는 하차 층수 정보를 수신할 수 있다.
또는, 프로세서(180)는 엘리베이터의 탑승 후, 엘리베이터 내에 설치되어 상기 하차 층수 정보를 표시하는 하차 층수 정보 출력부(303; 도 10a 참조)를 포함하는 영상을 카메라(142)를 통해 획득할 수 있다. 프로세서(180)는 카메라(142)를 통해 획득된 영상을 처리함으로써 상기 하차 층수 정보를 획득할 수 있다.
로봇(100a)은 상기 기 입력된 하차 층수 정보와, 로봇(100a)의 하차 층수에 기초하여 탑승 위치를 설정할 수 있다(S920). 로봇(100a)은 설정된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다(S930).
프로세서(180)는 획득된 하차 층수 정보에 포함된 적어도 하나의 하차 층수와, 로봇(100a)의 하차 층수를 비교하고, 비교 결과에 기초하여 탑승 위치를 설정할 수 있다.
구체적으로, 프로세서(180)는 상기 비교 결과에 기초하여, 엘리베이터의 다른 탑승자(들)에 대한 로봇(100a)의 상대적인 하차 순서를 추정함으로써, 상기 탑승 위치를 설정할 수 있다.
예컨대, 로봇(100a)이 '1층'에서 엘리베이터에 탑승하고, 기 입력된 하차 층수가 '3층', 및 '5층'이며, 로봇(100a)의 하차 층수가 '7층'인 경우, 프로세서(180)는 엘리베이터 내의 타 탑승자들에 비해 로봇(100a)의 하차 순서가 느린 것으로 추정할 수 있다.
프로세서(180)는 상기 하차 순서의 추정 결과에 기초하여 탑승 위치를 설정할 수 있다. 프로세서(180)는 상기 하차 순서가 빠를수록 상기 탑승 위치를 엘리베이터의 출입구와 가까운 위치로 설정하고, 상기 하차 순서가 느릴수록 상기 탑승 위치를 엘리베이터의 출입구와 먼 위치로 설정할 수 있다.
도 10a 내지 도 10b는 도 9의 제어 동작과 관련된 예시도들이다.
도 10a를 참조하면, 프로세서(180)는 엘리베이터(300)의 탑승 시, 카메라(142)를 제어하여 하차 층수 정보 출력부(303)를 포함하는 영상을 획득할 수 있다. 예컨대 상기 하차 층수 정보 출력부(303)는 광원을 각각 포함하는 복수의 버튼들, 또는 디스플레이 등의 형태로 구현될 수 있다.
프로세서(180)는 획득된 영상으로부터 기 입력된 적어도 하나의 하차 층수를 인식할 수 있다. 예컨대 상기 하차 층수 정보 출력부(303)가 복수의 버튼들로 구성된 경우, 프로세서(180)는 광원이 온 된 적어도 하나의 버튼을 확인하고, 확인된 적어도 하나의 버튼 각각에 대응하는 층수를 인식함으로써 상기 적어도 하나의 하차 층수를 인식할 수 있다.
프로세서(180)는 인식된 적어도 하나의 하차 층수와 로봇(100a)의 하차 층수를 비교함으로써, 타 탑승자들(401, 402)에 대한 로봇(100a)의 상대적인 하차 순서를 추정할 수 있다.
도 10b를 참조하면, 로봇(100a)의 하차 순서가 타 탑승자들(401, 402)의 하차 순서보다 빠른 것으로 추정된 경우, 프로세서(180)는 출입구(301)와 인접한 위치를 탑승 위치로 설정하고, 상기 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
즉, 도 9 내지 도 10b에 도시된 실시 예에 따르면, 로봇(100a)은 타 탑승자들에 대한 로봇(100a)의 상대적인 하차 순서를 추정하여 탑승 위치를 설정함으로써, 하차 시 주행 편의성을 향상시킬 수 있고 하차 중 다른 탑승자와의 접촉이나 충돌 등을 최소화할 수 있다.
한편, 도시되지는 않았으나, 프로세서(180)는 로봇(100a)의 탑승 층수와 하차 층수 간의 차이에 기초하여 탑승 위치를 설정할 수도 있다. 예컨대, 프로세서(180)는 하차 층수와 탑승 층수 간의 차이가 작을수록 상기 탑승 위치를 엘리베이터의 출입구와 가까운 위치로 설정할 수 있다. 그리고, 프로세서(180)는 하차 층수와 탑승 층수 간의 차이가 클수록 상기 탑승 위치를 출입구와 먼 위치로 설정할 수 있다.
도 11은 로봇이 인공지능 기반으로 학습된 모델을 이용하여 엘리베이터로의 탑승을 제어하는 동작을 설명하기 위한 플로우차트이다. 도 12는 도 11의 제어 동작과 관련된 예시도이다.
도 5, 도 11, 및 도 12를 참조하면, 로봇(100a)은 엘리베이터에 탑승 가능한 경우(S520의 YES), 상기 엘리베이터에 기 입력된 하차 층수 정보, 로봇(100a)의 탑승 층수 및 하차 층수, 탑승자 정보, 또는 탑승 대기자 수 중 적어도 하나(INPUT_DATA)를, 기 학습된 탑승 위치 설정 모델(231b)로 입력할 수 있다(S1110).
탑승 위치 설정 모델(231b)은, 로봇(100a)의 러닝 프로세서(130) 또는 서버(200a)의 러닝 프로세서(240)에 의해 학습된 모델로서, 예컨대 머신 러닝(딥러닝) 기반의 인공신경망을 포함할 수 있다.
상기 탑승 위치 설정 모델(231b)은 상기 기 입력된 하차 층수 정보, 로봇(100a)의 탑승 층수, 하차 층수, 탑승자 정보, 또는 탑승 대기자 수 중 적어도 하나의 데이터에 대하여 레이블된 탑승 위치를 포함하는 데이터(OUTPUT_DATA)를 출력할 수 있다.
상기 탑승 위치 설정 모델(231b)은 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다. 탑승 위치 설정 모델(231b)의 일부 또는 전부가 소프트웨어로 구현되는 경우, 탑승 위치 설정 모델(231b)을 구성하는 하나 이상의 명령어(instruction)는 메모리(170)에 저장될 수 있다.
프로세서(180)는 도 9에서 상술한 바와 같이 카메라(142)를 통해 획득된 영상으로부터 기 입력된 하차 층수 정보를 획득하거나, 엘리베이터 제어 장치(미도시)로부터 상기 기 입력된 하차 층수 정보를 획득할 수 있다.
또한, 프로세서(180)는 카메라(142)를 통해 획득된 영상, 거리 센서(144)를 통해 획득되는 센싱 데이터, 또는 엘리베이터 제어 장치(미도시)로부터 수신되는 데이터 중 적어도 하나에 기초하여 탑승자 정보를 획득할 수 있다. 예컨대 상기 탑승자 정보는 엘리베이터에 탑승한 탑승자 또는 물체의 위치, 수, 무게 등을 포함할 수 있다.
또한, 프로세서(180)는 엘리베이터 제어 장치(미도시) 또는 빌딩 관리 장치(미도시)로부터 수신되는 데이터에 기초하여 탑승 대기자 수에 대한 정보를 획득할 수도 있다. 예컨대, 엘리베이터 제어 장치 또는 빌딩 관리 장치는 건물 내 각 층의 엘리베이터 대기 위치마다 구비된 CCTV를 통해 획득되는 영상을 로봇(100a)으로 전송하고, 프로세서(180)는 수신된 영상으로부터 탑승 대기자 수에 대한 정보를 획득할 수 있다. 또는, 엘리베이터 제어 장치 또는 빌딩 관리 장치가 상기 획득된 영상으로부터 탑승 대기자 수에 대한 정보를 획득하고, 획득된 정보를 로봇(100a)으로 전송할 수 있다.
실시 예에 따라, 도 12에 도시된 바와 같이 탑승 위치 설정 모델(231b)로 입력되는 데이터(INPUT_DATA)는 현재 시각 등의 다양한 데이터를 더 포함할 수도 있다.
로봇(100a)은 탑승 위치 설정 모델(231b)로부터 출력되는 데이터(OUTPUT_DATA)로부터 로봇(100a)의 탑승 위치 정보를 획득할 수 있다(S1120). 로봇(100a)은 획득된 탑승 위치 정보에 대응하는 위치로 이동하도록 주행 모터(160)를 제어할 수 있다(S1130).
탑승 위치 설정 모델(231b)은 입력된 데이터(INPUT_DATA)에 대한 결과 값을 추론하고, 추론된 결과 값을 포함하는 데이터(OUTPUT_DATA)를 출력할 수 있다.
예컨대, 상기 데이터(OUTPUT_DATA)는 로봇(100a)의 탑승 위치를 좌표 형태로 출력할 수 있다. 실시 예에 따라, 상기 데이터(OUTPUT_DATA)는 로봇(100a)의 탑승 가능 여부에 대한 정보를 더 포함할 수도 있다.
프로세서(180)는 상기 데이터(OUTPUT_DATA)로부터 획득된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
실시 예에 따라, 프로세서(180) 또는 러닝 프로세서(130)는, 상기 획득된 탑승 위치로의 이동 후 탑승 결과(탑승 완료 또는 탑승 불가)를 이용하여 탑승 위치 설정 모델(231b)의 학습 동작을 수행할 수 있다. 상기 학습 동작에 의해 탑승 위치 설정 모델(231b)이 업데이트될 수 있다.
즉, 도 11 내지 도 12에 도시된 실시 예에 따르면, 로봇(100a)은 인공지능 기반으로 학습된 모델을 이용함으로써, 엘리베이터의 이용과 관련된 다양한 정보에 맞는 최적의 탑승 위치를 설정할 수 있다.
도 13은 로봇이 엘리베이터 내의 중량 정보에 따라 탑승 위치를 설정 및 변경하는 동작을 설명하기 위한 플로우차트이다.
도 13을 참조하면, 로봇(100a)은 엘리베이터를 호출하고(S1300), 탑승자 및/또는 탑승 물체의 중량 정보에 기초하여 엘리베이터로의 탑승 가능 여부를 확인할 수 있다(S1310).
엘리베이터는 내부의 탑승자 및 물체의 총 중량(이하 적재 중량으로 정의함)을 감지하는 센서를 구비할 수 있다. 엘리베이터 제어 장치는 상기 센서에 의해 감지된 적재 중량이 기설정된 임계 중량(또는 정격 중량)에 도달하는 경우 추가적인 탑승자나 물체의 탑승을 제한할 수 있다.
프로세서(180)는 엘리베이터 제어 장치로부터 상기 적재 중량에 대한 정보를 수신하고, 상기 적재 중량과 로봇(100a)의 중량의 합이 상기 임계 중량을 초과하는지 여부에 따라 탑승 가능 여부를 확인할 수 있다.
실시 예에 따라, 프로세서(180)는 엘리베이터의 도어가 오픈되면, 카메라(142)를 통해 내부 공간의 영상을 획득하고, 획득된 영상으로부터 내부 공간에 존재하는 탑승자 및 물체를 감지할 수 있다. 프로세서(180)는 감지된 탑승자 및 물체에 기초하여 상기 적재 중량을 추정하고, 추정된 적재 중량과 로봇(100a)의 중량의 합이 임계 중량을 초과하는지 여부에 따라 탑승 가능 여부를 확인할 수도 있다.
확인 결과 엘리베이터에 탑승 불가능한 경우(S1320의 NO), 로봇(100a)은 엘리베이터에 탑승하지 않고 대기하거나 다른 엘리베이터에 탑승할 수 있다(S1330).
상기 적재 중량과 로봇(100a)의 중량의 합이 임계 중량을 초과하는 경우, 프로세서(180)는 엘리베이터에 탑승하지 않고 대기하거나 다른 엘리베이터에 탑승할 수 있다.
확인 결과 엘리베이터에 탑승 가능한 경우(S1320의 YES), 로봇(100a)은 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다(S1340).
상기 적재 중량과 로봇(100a)의 중량의 합이 임계 중량 이하인 경우, 프로세서(180)는 엘리베이터에 탑승 가능한 것으로 확인할 수 있다.
이 경우, 프로세서(180)는 도 5 내지 도 12에 도시된 실시 예에 따라 설정되는 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
실시 예에 따라, 엘리베이터의 탑승 후, 로봇(100a)은 탑승자 및/또는 탑승 물체의 변화에 따른 엘리베이터 내의 중량 배분을 추정할 수 있다(S1350). 로봇(100a)은 추정된 중량 배분에 기초하여 탑승 위치를 이동하도록 주행 모터(160)를 제어할 수 있다(S1360).
프로세서(180)는 카메라(142)를 통해 획득되는 영상 및/또는 거리 센서(144)를 통해 획득되는 센싱 데이터를 이용하여, 엘리베이터 내에 존재하는 탑승자 및/또는 물체의 수나 위치 변화를 감지하고, 감지 결과에 기초하여 엘리베이터 내의 중량 배분을 추정할 수 있다.
프로세서(180)는 엘리베이터 내의 소정 영역들 간의 중량 편차가 기준 편차 이상인 것으로 추정되는 경우, 상기 중량 편차를 감소시킬 수 있는 위치로 로봇(100a)의 위치를 이동시킬 수 있다.
또는 프로세서(180)는 추정된 중량 배분에 기초하여 엘리베이터의 무게 중심이 내부 공간의 중심부에 위치하도록 로봇(100a)의 위치를 설정하고, 설정된 위치로 이동하도록 주행 모터(160)를 제어할 수도 있다.
도 14a 내지 도 14b는 도 13의 동작과 관련된 예시도들이다.
도 14a를 참조하면, 프로세서(180)는 엘리베이터(300)의 적재 중량에 기초하여 로봇(100a)이 탑승 가능한 것으로 확인되는 경우, 설정된 탑승 위치로 이동하도록 주행 모터(160)를 제어할 수 있다.
실시 예에 따라, 프로세서(180)는 내부 공간(302)의 탑승자 분포에 기초하여 탑승 위치를 설정할 수도 있다. 도 14a에 도시된 바와 같이 내부 공간(302)에 제1 탑승자(401) 내지 제4 탑승자(404)가 존재하는 경우, 탑승자들로 인해 무게중심이 내부 공간(302)의 중앙부와 하차 층수 정보 출력부(303) 사이에 위치할 수 있다.
프로세서(180)는 상기 무게중심을 내부 공간(302)의 중앙부로 이동시키기 위해, 탑승 위치를 도 14a에 도시된 위치로 설정할 수 있다.
한편, 도 14b를 참조하면, 로봇(100a)의 탑승 후 엘리베이터의 이동 중 제2 탑승자(402) 및 제3 탑승자(403)가 하차한 경우, 탑승자들의 하차로 인해 무게중심의 위치가 변경될 수 있다. 프로세서(180)는 센싱부(140)를 통해 탑승자의 수 및 위치 변화를 감지하고, 감지 결과에 기초하여 무게중심의 위치 변화를 추정할 수 있다.
프로세서(180)는 변경된 무게중심 위치를 내부 공간(302)의 중앙부로 다시 이동시키기 위해, 로봇(100a)의 위치를 변경시킬 수 있다.
즉, 도 13 내지 도 14b에 도시된 실시 예에 따르면, 로봇(100a)은 엘리베이터의 적재 중량에 따라 탑승 여부를 결정함으로써 과적으로 인한 엘리베이터의 불안정한 이동이나 고장 발생을 방지할 수 있다.
또한 로봇(100a)은 엘리베이터 내의 중량 배분 또는 무게중심에 기초하여 탑승 위치를 조절함으로써, 중량 편차로 인한 엘리베이터의 불안정한 이동을 방지하고, 엘리베이터의 고장 발생을 최소화할 수 있다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (20)

  1. 주행 모터;
    엘리베이터 제어 장치와 통신하기 위한 통신부;
    엘리베이터의 내부 공간을 센싱하는 센싱부; 및
    상기 엘리베이터 제어 장치로부터 수신되는 데이터 또는 상기 센싱부의 센싱 데이터에 기초하여, 상기 엘리베이터로의 탑승 가능 여부를 확인하고,
    상기 엘리베이터에 탑승 가능한 경우, 상기 통신부 또는 상기 센싱부를 통해 획득되는 상기 엘리베이터의 내부 공간 정보에 기초하여 탑승 위치를 설정하고,
    설정된 탑승 위치로 이동하도록 상기 주행 모터를 제어하는 프로세서를 포함하는 로봇.
  2. 제1항에 있어서,
    상기 센싱부는 카메라를 포함하고,
    상기 프로세서는,
    상기 카메라를 통해 획득되거나 상기 엘리베이터 제어 장치로부터 수신되는 상기 내부 공간의 영상에 기초하여, 상기 내부 공간 중 상기 로봇의 탑승 가능 공간의 존재 여부를 감지하고,
    감지 결과 상기 탑승 가능 공간이 존재하는 경우 상기 엘리베이터에 탑승 가능한 것으로 확인하는 로봇.
  3. 제2항에 있어서,
    상기 센싱부는 거리 센서를 더 포함하고,
    상기 프로세서는,
    상기 내부 공간의 영상 또는 상기 내부 공간에 대한 상기 거리 센서의 센싱 데이터에 기초하여 상기 탑승 가능 공간의 존재 여부를 감지하는 로봇.
  4. 제1항에 있어서,
    상기 프로세서는,
    상기 내부 공간 중 상기 엘리베이터의 출입구의 일 측과의 거리가 기준 거리 이상이고 상기 출입구와 가장 근접한 위치를 상기 탑승 위치로 설정하는 로봇.
  5. 제1항에 있어서,
    상기 센싱부는 카메라 또는 거리 센서 중 적어도 하나를 포함하고,
    상기 내부 공간 정보는,
    상기 내부 공간의 영상 또는 상기 내부 공간에 대한 거리 센서의 센싱 데이터를 포함하고,
    상기 프로세서는,
    상기 내부 공간 정보에 기초하여, 상기 내부 공간 중 기 설정된 기본 탑승 위치로의 탑승 가능 여부를 확인하고,
    확인 결과 상기 기본 탑승 위치에 탑승 가능한 경우, 상기 기본 탑승 위치로 이동하도록 상기 주행 모터를 제어하는 로봇.
  6. 제5항에 있어서,
    상기 프로세서는,
    상기 기본 탑승 위치에 탑승 불가능한 경우, 상기 내부 공간 정보에 기초하여 탑승 가능 공간을 감지하고,
    감지된 탑승 가능 공간 중 상기 기본 탑승 위치와 가장 근접한 위치를 상기 탑승 위치로 설정하는 로봇.
  7. 제6항에 있어서,
    상기 프로세서는,
    상기 엘리베이터의 탑승 후, 상기 통신부 또는 상기 센싱부를 통해 상기 엘리베이터의 내부 공간 정보를 획득하고,
    획득된 내부 공간 정보에 기초하여 상기 기본 탑승 위치로의 이동이 가능함을 감지하고,
    감지 결과에 기초하여 상기 기본 탑승 위치로 이동하도록 상기 주행 모터를 제어하는 로봇.
  8. 제1항에 있어서,
    상기 내부 공간 정보는 기 입력된 적어도 하나의 하차 층수를 포함하고,
    상기 프로세서는,
    상기 기 입력된 적어도 하나의 하차 층수와 상기 로봇의 하차 층수에 기초하여 상기 탑승 위치를 설정하는 로봇.
  9. 제8항에 있어서,
    상기 프로세서는,
    상기 기 입력된 적어도 하나의 하차 층수와 상기 로봇의 하차 층수에 기초하여, 상기 엘리베이터의 적어도 하나의 탑승자에 대한 상대적인 하차 순서를 추정하고,
    추정된 하차 순서에 기초하여 상기 탑승 위치를 설정하는 로봇.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 상대적인 하차 순서가 빠를수록, 상기 탑승 위치를 상기 엘리베이터의 출입구와 가깝게 설정하는 로봇.
  11. 제1항에 있어서,
    상기 프로세서는,
    상기 로봇의 탑승 층수와 하차 층수 간의 차이에 기초하여 상기 탑승 위치를 설정하고,
    상기 차이가 클수록 상기 탑승 위치를 상기 엘리베이터의 출입구와 가깝게 설정하는 로봇.
  12. 제1항에 있어서,
    머신 러닝 알고리즘에 의해 학습된 탑승 위치 설정 모델에 포함되는 적어도 하나의 명령어를 저장하는 메모리를 더 포함하고,
    상기 탑승 위치 설정 모델은,
    상기 로봇의 탑승 층수, 하차 층수, 상기 엘리베이터에 기 입력된 적어도 하나의 하차 층수, 탑승자 정보, 또는 탑승 대기자 수 중 적어도 하나를 포함하는 입력 데이터에 대해 레이블된 탑승 위치를 포함하는 데이터를 출력하는 로봇.
  13. 제1항에 있어서,
    상기 프로세서는,
    상기 엘리베이터의 적재 중량과 상기 로봇의 중량의 합이 상기 엘리베이터의 정격 중량을 초과하지 않는 경우 상기 엘리베이터에 탑승 가능한 것으로 확인하는 로봇.
  14. 제13항에 있어서,
    상기 프로세서는,
    상기 엘리베이터의 탑승 후, 상기 센싱부에 포함된 카메라를 통해 상기 내부 공간의 영상을 획득하고,
    획득된 영상에 기초하여 상기 내부 공간의 탑승자 및 물체를 감지하고,
    감지된 탑승자 및 물체에 기초한 중량 배분을 추정하고,
    추정된 중량 배분에 기초하여 상기 탑승 위치를 설정 또는 조절하는 로봇.
  15. 카메라 또는 거리 센서 중 적어도 하나를 통해 엘리베이터의 내부 공간 정보를 획득하는 단계;
    획득된 내부 공간 정보에 기초하여 상기 엘리베이터의 탑승 가능 여부를 확인하는 단계;
    상기 엘리베이터에 탑승 가능한 경우, 상기 내부 공간 정보에 기초하여 탑승 위치를 설정하는 단계; 및
    설정된 탑승 위치로 이동하도록 주행 모터를 제어하는 단계를 포함하고,
    상기 내부 공간 정보는 상기 카메라에 의해 획득되는 상기 내부 공간의 영상, 또는 상기 거리 센서에 의해 획득되는 상기 내부 공간의 센싱 데이터 중 적어도 하나를 포함하는 로봇의 제어 방법.
  16. 제15항에 있어서,
    상기 탑승 위치를 설정하는 단계는,
    상기 엘리베이터의 내부 공간 중, 상기 엘리베이터의 출입구의 일 측과의 거리가 기준 거리 이상이고 상기 출입구와 가장 근접한 위치를 상기 탑승 위치로 설정하는 단계를 포함하는 로봇의 제어 방법.
  17. 제15항에 있어서,
    상기 탑승 위치를 설정하는 단계는,
    상기 내부 공간 정보에 기초하여, 기 설정된 기본 탑승 위치로의 탑승 가능 여부를 확인하는 단계;
    확인 결과 상기 기본 탑승 위치에 탑승 가능한 경우, 상기 기본 탑승 위치를 상기 탑승 위치로 설정하는 단계; 및
    확인 결과 상기 기본 탑승 위치에 탑승 불가능한 경우, 상기 내부 공간 정보로부터 감지된 탑승 가능 공간 중 상기 기본 탑승 위치와 가장 근접한 위치를 상기 탑승 위치로 설정하는 단계를 포함하는 로봇의 제어 방법.
  18. 제15항에 있어서,
    상기 내부 공간 정보는 기 입력된 적어도 하나의 하차 층수를 포함하고,
    상기 탑승 위치를 설정하는 단계는,
    상기 기 입력된 적어도 하나의 하차 층수와 상기 로봇의 하차 층수에 기초하여 추정되는 하차 순서에 기초하여 상기 탑승 위치를 설정하는 단계를 포함하는 로봇의 제어 방법.
  19. 제15항에 있어서,
    상기 탑승 위치를 설정하는 단계는,
    상기 로봇의 탑승 층수, 하차 층수, 상기 엘리베이터에 기 입력된 적어도 하나의 하차 층수, 탑승자 정보, 또는 탑승 대기자 수 중 적어도 하나를 포함하는 입력 데이터를, 머신 러닝 알고리즘에 의해 학습된 탑승 위치 설정 모델로 입력하는 단계; 및
    상기 탑승 위치 설정 모델로부터 출력된 데이터에 포함된 탑승 위치를 상기 탑승 위치로 설정하는 단계를 포함하는 로봇의 제어 방법.
  20. 제15항에 있어서,
    상기 엘리베이터의 탑승 후 상기 내부 공간 정보를 획득하는 단계; 및
    획득된 내부 공간 정보에 기초하여 상기 로봇의 위치를 이동하도록 상기 주행 모터를 제어하는 단계를 더 포함하는 로봇의 제어 방법.
KR1020190151633A 2019-11-22 2019-11-22 로봇 및 그의 제어 방법 KR20210063121A (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190151633A KR20210063121A (ko) 2019-11-22 2019-11-22 로봇 및 그의 제어 방법
US16/896,668 US11513522B2 (en) 2019-11-22 2020-06-09 Robot using an elevator and method for controlling the same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190151633A KR20210063121A (ko) 2019-11-22 2019-11-22 로봇 및 그의 제어 방법

Publications (1)

Publication Number Publication Date
KR20210063121A true KR20210063121A (ko) 2021-06-01

Family

ID=75973632

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190151633A KR20210063121A (ko) 2019-11-22 2019-11-22 로봇 및 그의 제어 방법

Country Status (2)

Country Link
US (1) US11513522B2 (ko)
KR (1) KR20210063121A (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200055692A1 (en) * 2018-08-16 2020-02-20 Otis Elevator Company Elevator system management utilizing machine learning
WO2024058411A1 (ko) * 2022-09-15 2024-03-21 삼성전자주식회사 특정 공간을 주행하는 로봇 및 이의 제어 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200055694A1 (en) * 2018-08-16 2020-02-20 Techmetics Solutions Pte. Ltd. Elevator-operating interface device, elevator system and methods of operation
US20210284504A1 (en) * 2020-03-16 2021-09-16 Otis Elevator Company Specialized, personalized & enhanced elevator calling for robots & co-bots
CN113400312A (zh) * 2021-06-29 2021-09-17 上海有个机器人有限公司 多机器人乘梯系统中的乘梯方法、装置、终端及存储介质
CN114030958B (zh) * 2021-10-27 2023-07-25 北京云迹科技股份有限公司 一种电梯调度方法、装置、设备和介质
CN114873391B (zh) * 2022-04-25 2024-02-06 北京云迹科技股份有限公司 机器人的楼层确定方法及相关设备
CN117361259B (zh) * 2023-12-07 2024-04-26 成都越凡创新科技有限公司 一种用于检测机器人异常移动的方法

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001171918A (ja) * 1999-12-21 2001-06-26 Hitachi Building Systems Co Ltd エレベータの制御装置
JP2012196731A (ja) * 2011-03-22 2012-10-18 Toyota Motor Corp ロボットの移動管理システム及び移動管理方法
US11325250B2 (en) * 2017-02-06 2022-05-10 Cobalt Robotics Inc. Robot with rotatable arm
JP2017220123A (ja) * 2016-06-09 2017-12-14 パナソニックＩｐマネジメント株式会社 移動ロボット
CN107979410B (zh) * 2016-10-21 2020-09-04 菜鸟智能物流控股有限公司 一种自动进入、离开乘坐设备的方法及相关装置
KR101864948B1 (ko) * 2016-10-31 2018-07-04 고려대학교 산학협력단 이동 로봇의 엘리베이터 승하차 제어 방법
EP3450371B1 (en) * 2017-08-30 2021-04-14 KONE Corporation Elevator system with a mobile robot
EP3480154A1 (en) * 2017-11-03 2019-05-08 Otis Elevator Company Passenger assistance systems for elevators
WO2019106724A1 (ja) * 2017-11-28 2019-06-06 三菱電機株式会社 エレベーターの監視システム
US20190345000A1 (en) * 2018-05-08 2019-11-14 Thyssenkrupp Elevator Corporation Robotic destination dispatch system for elevators and methods for making and using same
US20200055694A1 (en) * 2018-08-16 2020-02-20 Techmetics Solutions Pte. Ltd. Elevator-operating interface device, elevator system and methods of operation
CN110276302B (zh) * 2019-06-24 2022-11-25 上海木木机器人技术有限公司 一种机器人搭乘电梯的方法及系统
CN112520517B (zh) * 2019-09-18 2024-04-26 奥的斯电梯公司 电梯控制系统、电梯系统及用于其的控制方法
CN112693980A (zh) * 2019-10-23 2021-04-23 奥的斯电梯公司 机器人乘梯控制方法、系统、电梯和机器人系统及存储介质
KR102321999B1 (ko) * 2019-10-25 2021-11-04 네이버랩스 주식회사 로봇 탑승을 위한 엘리베이터 제어 방법 및 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200055692A1 (en) * 2018-08-16 2020-02-20 Otis Elevator Company Elevator system management utilizing machine learning
US12043515B2 (en) * 2018-08-16 2024-07-23 Otis Elevator Company Elevator system management utilizing machine learning
WO2024058411A1 (ko) * 2022-09-15 2024-03-21 삼성전자주식회사 특정 공간을 주행하는 로봇 및 이의 제어 방법

Also Published As

Publication number Publication date
US20210154843A1 (en) 2021-05-27
US11513522B2 (en) 2022-11-29

Similar Documents

Publication Publication Date Title
KR20210063121A (ko) 로봇 및 그의 제어 방법
US20210362335A1 (en) Robot and method for manage item using same
US20210097852A1 (en) Moving robot
US11663936B2 (en) Robot
US11518648B2 (en) Robot system and operation method thereof
US20210101288A1 (en) Moving bed robot
KR102693610B1 (ko) 로봇의 충전 시스템 및 그 제어 방법
US11269328B2 (en) Method for entering mobile robot into moving walkway and mobile robot thereof
US11383379B2 (en) Artificial intelligence server for controlling plurality of robots and method for the same
US11372418B2 (en) Robot and controlling method thereof
US11430278B2 (en) Building management robot and method of providing service using the same
KR20210060138A (ko) 로봇
US11534922B2 (en) Riding system of robot and method thereof
US20210208595A1 (en) User recognition-based stroller robot and method for controlling the same
KR20210083812A (ko) 자율주행 이동로봇 및 이의 동작 방법
US11755033B2 (en) Artificial intelligence device installed in vehicle and method therefor
US20210128384A1 (en) Moving bed robot and method of controlling the same
KR20190095193A (ko) 인공 지능 시스템의 동작을 관리하는 인공 지능 장치 및 그 방법
US11314263B2 (en) Robot system and control method of the same
US11322958B2 (en) Charging station
US20210078180A1 (en) Robot system and control method of the same
KR20210029591A (ko) 로봇 및 그 제어 방법
KR20210060106A (ko) 로봇
KR20210060096A (ko) 로봇
KR20210060123A (ko) 로봇

Legal Events

Date Code Title Description
A201 Request for examination