KR20210063991A - System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment - Google Patents
System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment Download PDFInfo
- Publication number
- KR20210063991A KR20210063991A KR1020190152773A KR20190152773A KR20210063991A KR 20210063991 A KR20210063991 A KR 20210063991A KR 1020190152773 A KR1020190152773 A KR 1020190152773A KR 20190152773 A KR20190152773 A KR 20190152773A KR 20210063991 A KR20210063991 A KR 20210063991A
- Authority
- KR
- South Korea
- Prior art keywords
- service
- self
- smart
- mobile equipment
- services
- Prior art date
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 294
- 230000002776 aggregation Effects 0.000 title description 2
- 238000004220 aggregation Methods 0.000 title description 2
- 230000002265 prevention Effects 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 36
- 230000010354 integration Effects 0.000 claims 6
- 238000004891 communication Methods 0.000 abstract description 32
- 230000006870 function Effects 0.000 abstract description 24
- 239000003795 chemical substances by application Substances 0.000 description 38
- 238000013135 deep learning Methods 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 244000025254 Cannabis sativa Species 0.000 description 6
- 235000012766 Cannabis sativa ssp. sativa var. sativa Nutrition 0.000 description 6
- 235000012765 Cannabis sativa ssp. sativa var. spontanea Nutrition 0.000 description 6
- 235000009120 camo Nutrition 0.000 description 6
- 235000005607 chanvre indien Nutrition 0.000 description 6
- 239000011487 hemp Substances 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 238000001228 spectrum Methods 0.000 description 4
- 238000005065 mining Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000003058 natural language processing Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- H04L67/16—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/131—Protocols for games, networked simulations or virtual reality
-
- H04L67/38—
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Medical Informatics (AREA)
- Robotics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
Description
모든 스마트 네트워크 인프라스트럭처(예: 스마트 시티, 스마트 공장, 스마트 의료 시스템, 스마트 에너지 시스템, 스마트 농업 등) 및 다양한 종류의 인공 지능 서비스(예: 의료 AI 서비스, 스마트 에너지 AI 서비스, 스마트 차량 서비스, AR/VR 애플리케이션 서비스, 스마트 공장 서비스, 네트워크 모니터링 서비스, 자연어 처리 서비스 등)의 제공을 위한 임무 수행에 필수적인 인프라스트럭처(예: 광업 분야) 자가 이동식 장비(모든 종류의 로봇, 무인 항공기(UAVs), 수중 장비 등) 산업에서 이러한 장비는 AI 서비스를 제공 할 수 있다.Any smart network infrastructure (e.g. smart city, smart factory, smart medical system, smart energy system, smart agriculture, etc.) and various kinds of artificial intelligence service (e.g. medical AI service, smart energy AI service, smart vehicle service, AR) /Mission-critical infrastructure (e.g. mining sector) for the provision of /VR application services, smart factory services, network monitoring services, natural language processing services, etc.) Self-mobile equipment (all kinds of robots, unmanned aerial vehicles (UAVs), underwater equipment, etc.) in the industry, such equipment can provide AI services.
5세대(5G) 내 및 네트워크를 넘은 에지 컴퓨팅의 진행 중인 개발은 네트워크 에지에서 만물의 서비스화(XaaS)의 엄격한 요구 사항을 충족하기 위한 서비스로서의 인공 지능(AIaaS)을 제공할 것을 약속한다. 따라서 에지-인공지능(edge-AI)의 개념은 진화할 뿐만 아니라, AI 서비스 이행으로의 신흥 조력자이기도 하다. 그러나 AI 서비스 요청이 매우 조밀하고 빈번하며, 정적 네트워크 용량 이상의 네트워크 정적 인프라스트럭처는 AI 서비스를 준수하지 않는다. 또한, 인프라스트럭처 지원 및 비용 효율성의 부족으로 인해 임무 수행에 필수적인 분야 및 광업 분야에 AI 서비스를 제공하는 것은 매우 불가능하다. 따라서, 영역별 사전 훈련된 AI 서비스를 허용하는 로봇, 무인 항공기(UAVs)와 같은 이동식 장치는 AI 서비스를 수행하기 위한 필수 구성 요소이다.The ongoing development of edge computing within the fifth generation (5G) and beyond networks promises to deliver artificial intelligence as a service (AIaaS) to meet the stringent requirements of making everything-as-a-service (XaaS) at the edge of the network. Thus, the concept of edge-AI not only evolves, but is also an emerging enabler in the implementation of AI services. However, AI service requests are very dense and frequent, and network static infrastructure with more than static network capacity does not comply with AI services. Additionally, the lack of infrastructure support and cost-effectiveness makes it extremely impossible to deliver AI services to mission-critical and mining sectors. Therefore, mobile devices such as robots and unmanned aerial vehicles (UAVs) that allow domain-specific pre-trained AI services are essential components for performing AI services.
이 에지 인공 지능(edge-AI)의 역할은 두 가지 범주로 나눌 수 있으며 [1], 그 첫 번째는 에지 컴퓨팅을 위한 AI(예: AI로 작동하는 네트워크 관리, 무선 시스템을 통한 에지 AI 등)이고, 두 번째는 AI를 위한 에지 컴퓨팅(즉, 촉각 감지 서비스, 의료 서비스, 스마트 에너지, 스마트 교통 서비스, 가상 현실(VR) 추적, 스마트 농업 등) 이다. [2], [3] 이러한 스케일링 가능한 AI 서비스를 에지에서 저 지연 및 높은 안정성으로 수행하기 위해, 에지 컴퓨팅에 서비스로서의 인공 지능(AIaaS) 가능 인프라스트럭처가 필요하다 [4]. 따라서 에지에서 도청 AI 서비스를 활성화하려면, 자가 이동식 장비 기반 AIaaS 인프라스트럭처가 필요하다. 또한, 자가 이동식 장비는 AI 서비스를 제어할 수 있으며, UAV, 수중 장비 및 네트워크를 위한 로봇에 의한 지상 지원에 의한 에지 컴퓨팅으로 작동하는 공중 지원을 이용할 수 있다.The role of this edge-AI can be divided into two categories [1], the first being AI for edge computing (e.g. network management powered by AI, edge AI via wireless systems, etc.) The second is edge computing for AI (ie, tactile sensing services, medical services, smart energy, smart transportation services, virtual reality (VR) tracking, smart agriculture, etc.). [2], [3] To perform these scalable AI services at the edge with low latency and high reliability, an artificial intelligence-as-a-service (AIaaS) capable infrastructure is required for edge computing [4]. Therefore, to enable eavesdropping AI services at the edge, a self-mobile equipment-based AIaaS infrastructure is required. In addition, self-mobile equipment can control AI services and use air support operating with edge computing by ground support by UAVs, underwater equipment and robots for networks.
본 특허의 목표는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 공장, 스마트 의료 시스템, 스마트 에너지 시스템, 스마트 농업 등)에서 자가 이동식 장비에 의한 인공 지능(AI) 서비스를 제공하는 것이다. 이동식 장비에는 AI 서비스 사용자들의 다양한 AI 서비스 요청을 실행할 수 있는 자가 이동식 장비가 있는 영역별 사전 훈련된 AI 모델을 저장할 수 있는 잠재력이 있다.The goal of this patent is to provide artificial intelligence (AI) services by self-mobile equipment in smart infrastructures (eg, smart cities, smart factories, smart medical systems, smart energy systems, smart agriculture, etc.). Mobile devices have the potential to store domain-specific pre-trained AI models with autonomous mobile devices capable of executing various AI service requests from AI service users.
주요 아이디어 및 청구항은 다음과 같다.The main ideas and claims are as follows.
1. 본 특허는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 의료, 스마트 공장, 스마트 농업, 스마트 네트워크 관리 등)를 위한 계산, 통신, 의사 결정 능력으로 네트워크 엔티티의 모든 중앙 제어기로 스스로 제어하거나 명령을 실행할 수 있는 자가 이동식 장비를 제안한다. 자가 이동식 장비에는 공중 지원을 위한 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 계산, 통신 및 의사 결정 능력을 갖춘 수중 지역(예: 바다, 강 등)을 지원하는 수중/수상 장비가 포함된다. 스마트 인프라스트럭처의 시스템 모델은 6개의 주요 구성 요소(도 1)로 구성되어 있다. 이 특허는 AI 서비스 집합자로서 자가 이동식 장비를 지원하기 위한 AI 서비스 사용자, 자가 이동식 장비, AI 서비스 에이전트, 사전 훈련된 인공 지능 서비스 모델, 인프라스트럭처 및 서비스 제공자와 같은 스마트 인프라스트럭처를 위한 6가지 주요 구성 요소를 정의한다. 1. This patent covers computation, communication, and decision-making capabilities for smart infrastructures (e.g. smart cities, smart healthcare, smart factories, smart agriculture, smart network management, etc.) to control itself or issue commands to all central controllers of network entities. We propose a viable, self-moving device. Self-mobile equipment includes unmanned aerial vehicles (UAVs) for air support, land robots for ground support, and underwater/surface equipment to support underwater areas (e.g. seas, rivers, etc.) with computational, communication and decision-making capabilities. . The system model of smart infrastructure consists of six main components (Fig. 1). As an AI service aggregator, this patent covers six main categories for smart infrastructure: AI service users to support self-mobile equipment, self-mobile equipment, AI service agents, pre-trained artificial intelligence service models, infrastructures and service providers. Define the components.
가. 통신망(101): 통신망은 라이선스 및/또는 비허가 스펙트럼을 사용하는 모든 유형의 무선 네트워크일 수 있다. 필요한 모든 네트워크 구성 요소 및 프로토콜은 네트워크 인프라스트럭처에 따라 존재한다. end. Network 101: The communication network may be any type of wireless network using licensed and/or unlicensed spectrum. All necessary network components and protocols exist depending on the network infrastructure.
나. AI 서비스 사용자(102): AI 서비스 사용자는 스마트 인프라스트럭처의 엔티티이며 AI 서비스 시설에 가입한 모든 클라이언트가 될 수 있다. AI 서비스 이용자는 의료 AI 서비스, 스마트 에너지 AI 서비스, 스마트 차량 서비스, AR/VR 애플리케이션 서비스, 스마트 공장 서비스, 네트워크 모니터링 서비스, 자연어 처리 서비스 등을 포함시킨다. I. AI service user 102: AI service user is an entity of smart infrastructure and may be any client subscribed to AI service facility. AI service users include medical AI service, smart energy AI service, smart vehicle service, AR/VR application service, smart factory service, network monitoring service, natural language processing service, etc.
다. 자가 이동식 장비(103): 본 특허는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 의료, 스마트 공장, 스마트 농업, 스마트 네트워크 관리 등)를 위한 계산, 통신, 의사 결정 능력으로 네트워크 엔티티의 모든 중앙 제어기로 스스로 제어하거나 명령을 실행할 수 있는 자가 이동식 장비를 제안한다. 자가 이동식 장비에는 공중 지원을 위한 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 수중 지역(예: 바다, 강 등)을 지원하는 수중/수상 장비가 포함된다. 자가 이동식 장비는 기존 통신망에서 독립형 네트워크 엔티티로 작동하며, 영역별 AI 서비스는 AI 서비스 사용자의 요구에 따라 장비에 사전 조립된다. All. Self-mobile equipment 103: This patent covers computation, communication, and decision-making capabilities for smart infrastructure (e.g. smart cities, smart healthcare, smart factories, smart agriculture, smart network management, etc.) to all central controllers of network entities. We propose a self-moving device that can control itself or execute commands. Self-mobile equipment includes unmanned aerial vehicles (UAVs) for air support, land robots for ground support, and underwater/surface equipment to support underwater areas (eg seas, rivers, etc.). The self-mobile equipment works as a standalone network entity in the existing communication network, and AI services for each area are pre-assembled into the equipment according to the needs of AI service users.
라. AI 서비스 에이전트(104): AI 서비스 에이전트는 소프트웨어 기반 제어 체계를 제공하여 사용자의 AI 서비스 요청을 자가 이동식 장비에 할당하고, 자가 이동식 장비의 목적지를 결정하는 네트워크 구성요소이다. 필요한 경우 사용자의 AI 서비스를 클라우드/포그/정적 에지 환경에 재할당할 수 있는 AI 서비스 에이전트. la. AI service agent 104: The AI service agent is a network component that provides a software-based control scheme to assign a user's AI service request to a self-mobile device, and determine the destination of the self-mobile device. AI service agents that can reassign users' AI services to cloud/fog/static edge environments if needed.
마. 인프라스트럭처 및 서비스 제공자(105): 인프라스트럭처 및 서비스 제공자에는 네트워크 인프라스트럭처 제공자, 네트워크 서비스 제공자, 인공 지능 서비스 제공자, 네트워크 운영자 및 AI 서비스 유지 및 제공과 관련된 기타 네트워크 관계자가 포함된다. 사전 훈련된 인공 지능 서비스는 사용자 AI 서비스 요구 사항 및 정책을 기반으로 인프라스트럭처 및 서비스 제공자에 의해 자가 이동식 장비에 설치 및 유지된다. hemp. Infrastructure and service providers 105: Infrastructure and service providers include network infrastructure providers, network service providers, artificial intelligence service providers, network operators, and other network players involved in maintaining and providing AI services. Pre-trained AI services are installed and maintained on self-mobile equipment by infrastructure and service providers based on user AI service requirements and policies.
바. 사전 훈련된 인공 지능 서비스 모델(106): 사전 훈련된 인공 지능 서비스 모델은 자가 이동식 장비의 구성 요소이며, 계산 설비와 함께 이 모듈 아래에 다양한 사전 훈련된 AI 서비스가 설치된다. AI 서비스에는 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 등 모든 종류의 인공지능 훈련 모델이 포함된다. bar. Pre-trained artificial intelligence service model 106: The pre-trained artificial intelligence service model is a component of self-mobile equipment, and various pre-trained AI services are installed under this module along with computational equipment. AI services include all kinds of artificial intelligence training models, including superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, and statistical learning.
사. 107에서 114까지는 AI 서비스 모델을 나타내며, 다른 모델은 특정 AI 서비스에 관해 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 등을 사용함으로써 다른 AI 서비스를 나타낸다. four. 107 to 114 represent AI service models, and other models represent other AI services by using superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, statistical learning, etc. for a specific AI service.
2. 우리는 자가 이동식 장비에 사용자 AI 서비스 요청을 할당하는 소프트웨어 기반 제어 체계를 제공하는 AI 서비스 에이전트 역할을 정의한다. AI 서비스 에이전트 제어 흐름을 위한 서비스 집합 프로세스 흐름(도 2)은 다음과 같다.2. We define the AI Service Agent role, which provides a software-based control scheme for allocating user AI service requests to autonomous mobile devices. The service set process flow (FIG. 2) for the AI service agent control flow is as follows.
가. AI 서비스 에이전트 시작(201): AI 서비스 에이전트가 시작되고, 사용자 AI 서비스 요청을 이행하고 자가 이동식 장비를 제어하는 데 필요한 모든 매개 변수와 변수를 초기화한다. end. AI service agent start 201: AI service agent starts, initializes all parameters and variables necessary to fulfill user AI service requests and control self-mobile equipment.
나. 사용자의 AI 서비스 요청(202): AI 서비스 요청은 AI 서비스 사용자에 의해 발생한다. 이 모듈은 외부 AI 서비스 요청 처리를 담당한다. 또한, 모든 종류의 알고리즘과 모델이 이 기능을 관리할 수 있다. I. User's AI service request 202: The AI service request is generated by the AI service user. This module is responsible for handling external AI service requests. Also, all kinds of algorithms and models can manage this function.
다. AI 서비스 요청 핸들러(203): AI 서비스 요청 핸들러는 AI 서비스 에이전트의 프로세스이다. AI 서비스 요청은 사용자 모듈에서 AI 서비스 요청을 수신하고 하위 프로세스를 호출하여 AI 서비스의 요구 사항을 평가한다. All. AI service request handler 203: AI service request handler is a process of AI service agent. AI service request receives AI service request from user module and calls sub-process to evaluate the requirement of AI service.
라. 사용자 AI 서비스 요구 사항 분석(204): 통신 및 계산을 포함한 AI 서비스 및 네트워크 계층의 요구 사항을 분석한다. 사전 훈련된 AI 서비스를 사용할 수 있는가(205)를 확인하고 클라우드/포그/에지인 AI 서비스 실행 호스트에 관한 결정을 내리거나 자가 이동식 장비의 가용성을 확인한다. la. User AI service requirements analysis 204: Analyze the requirements of AI services and network layers, including communication and computation. Check whether a pre-trained AI service is available (205) and make a decision about the AI service execution host being cloud/fog/edge, or check the availability of self-mobile equipment.
마. 사전 훈련된 AI 서비스를 사용할 수 있는가? (205): 네트워크의 계산 및 통신 상태를 확인하고 클라우드/포그/에지에 의한 AI 서비스 프로세스에 관한 결정을 내리거나 자가 이동식 장비의 가용성을 확인한다. hemp. Are pre-trained AI services available? (205): Check the calculation and communication status of the network, make decisions about AI service processes by cloud/fog/edge, or check the availability of self-mobile equipment.
바. 클라우드/포그/에지 서버에 의한 AI 서비스 실행(206): 자가 이동식 장비가 없는 AI 서비스 실행 플랫폼 bar. AI Service Execution by Cloud/Fog/Edge Server 206: AI Service Execution Platform without Self-Moveable Equipment
사. 이동식 장비를 사용할 수 있는가? (207): AI 서비스를 실행할 수 있는 자가 이동식 장비의 사용 가능성 검사기. four. Can mobile equipment be used? (207): Availability checker for self-mobile equipment capable of running AI services.
아. 자가 이동식 장비 컨트롤러(208): 자가 이동식 장비 컨트롤러 하위 프로세스는 AI 서비스와 자가 이동식 장비의 물리적 배치를 실행하기 위해 동적으로 제어한다. 자가 이동식 장비 제어는 물론 AI 서비스 실행에도 모든 종류의 알고리즘과 방법을 적용할 수 있다. Ah. Self-mobile equipment controller 208: The self-mobile equipment controller sub-process dynamically controls to execute AI services and physical placement of self-mobile equipment. All kinds of algorithms and methods can be applied to autonomous mobile equipment control as well as AI service execution.
자. 선택한 이동식 장비의 AI 서비스 실행 사전 훈련된 모든 AI 서비스 모델은 제어이며 요청 이행 실행 책임은 이 모듈로 수행된다. 이 모듈의 물리적 실재는 자가 이동식 장비의 내부에 있다. 이것의 주요 역할은 모든 방법과 절차를 이용하여 자체 알고리즘과 정책을 구현할 수 있는 자가 이동식 컨트롤러 및/또는 자가 이동식 장비에게서 오는 명령을 실행하는 것이다.character. AI Service Execution of Selected Mobile Equipment All pre-trained AI service models are control and the responsibility for executing request fulfillment is carried out by this module The physical reality of this module is inside a self-moving device. Its main role is to execute commands from self-mobile controllers and/or self-mobile devices, which can implement their own algorithms and policies using any method and procedure.
차. 사용자 피드백(210): 통신망을 통한 AI 서비스 실행 결정을 기반으로 요청한 AI 사용자에게 피드백을 보낼 책임.car. User Feedback 210: Responsible for sending feedback to the requesting AI user based on the decision to run the AI service over the network.
카. 종료(111): AI 서비스 에이전트의 종료 지점.k. End (111): The end point of the AI service agent.
3. 자가 이동식 장비에 의한 AI 서비스 실행의 순서(도 3).3. Sequence of AI service execution by self-mobile equipment (Fig. 3).
가. 사용자의 AI 서비스 요청(301): AI 사용자에 의한 AI 서비스 요청 후 sendReq()(307) 함수는 사용자의 AI 서비스 요청으로 AI 서비스 요청 핸들러(203)로 호출된다.end. User's AI service request 301: After the AI service request by the AI user, the sendReq() 307 function is called as the AI
나. AI 서비스 요청 핸들러(302): AI 서비스 요청 핸들러가 exeSubProcess()(308)를 사용자의 AI 서비스 요구 사항 분석(303)으로 호출한다. I. AI Service Request Handler (302): AI Service Request Handler calls exeSubProcess() (308) to Analyze User's AI Service Requirements (303).
다. 사용자 AI 서비스 요구 사항 분석(303): 사용자의 AI 서비스 요구 사항 분석은 AI 서비스 가용성에 대한 자체 정책을 실행하여 isServiceAvailable()(309)을 확인하고, isAvailableAck()== false(310)인 경우, 사용자의 AI 서비스 요청 핸들러(303)에 확인을 제공하며, 그렇지 않으면 상태 확인 요청 checkMoveableEqu()(311)을 Self-Moveable Equipment Controller(304)로 보낸다. All. User AI service requirement analysis (303): User's AI service requirement analysis executes its own policy for AI service availability to check isServiceAvailable()(309), if isAvailableAck()== false(310), A confirmation is provided to the user's AI
라. 자가 이동식 장비 컨트롤러(304): 이 모듈은 AI 서비스 실행자로서 이미 네트워크 엔티티 역할을 하는 자가 이동식 장비 상태와 가용성을 확인한다. 통신, 계산 및 서비스 품질을 포함한 모든 종류의 요구사항은 isMovableEqual Available()(312)을 실행하여 모든 알고리즘과 방법을 사용하여 고려된다. isAvailableAck()==false(313)인 경우, AI 서비스 요청 핸들러(303)에 확인을 제공하고, 그렇지 않으면 선택한 이동식 장비(305)에 의한 AI 서비스 실행에 serviceExeComd()(314)를 제공한다.la. Self-mobile equipment controller 304: This module checks the self-mobile equipment status and availability, which already acts as a network entity as an AI service executor. All kinds of requirements including communication, computation and quality of service are considered using all algorithms and methods by executing isMovableEqual Available() 312 . If isAvailableAck()==false(313), provide acknowledgment to AI
마. 선택한 이동식 장비의 AI 서비스 실행(305): exeAIServiceByMoveableDevice()(315) 함수가 이 모듈에 의해 실행되고, AI 서비스 사용자를 위한 피드백 결과 준비를 위해 사용자 피드백(306)에 prepareFeedback()(316)을 보낸다.hemp.
바. 사용자 피드백(306): 피드백 결과는 통신망을 통해 feedbackToUser()(317)를 실행하여 사용자의 AI 서비스 요청(301)으로 전송된다.bar. User feedback 306: The feedback result is transmitted to the user's AI service request 301 by executing feedbackToUser() 317 through the communication network.
제안된 시스템 모델은 스마트 인프라스트럭처로의 AI 서비스를 가능하게 하며, AI 서비스가 필수적이지만 통신 및 AI 서비스 계산 설비가 부족한 임무 수행에 필수적인 환경을 제공한다. 자가 이동식 장비로 AI 서비스를 가능케 함으로써 AI 서비스 이행 세분화의 위험을 낮추고 비상 AI 서비스 완료율을 높여 인간·환경·인프라스트럭처의 재난에 도움이 된다.The proposed system model enables AI service to smart infrastructure, and provides an environment essential for mission performance where AI service is essential, but communication and AI service computation facilities are lacking. By enabling AI services with self-mobile equipment, it lowers the risk of AI service fulfillment segmentation and increases the emergency AI service completion rate, helping human, environment and infrastructure disasters.
네트워크 인프라스트럭처 제공자, 네트워크 서비스 제공자, 인공 지능 서비스 제공자, 네트워크 운영자와 자가 이동식 장비 제조자는 상용화를 담당한다. 네트워크 인프라스트럭처는 스마트 시티, 스마트 공장, 스마트 의료 시스템, 스마트 농업 등을 포함한다. 광업 및 재난 관리 에이전시와 같은 임무 수행에 필수적인 인프라스트럭처도 상업화의 일부이다.Network infrastructure providers, network service providers, artificial intelligence service providers, network operators and manufacturers of autonomous mobile devices are responsible for commercialization. Network infrastructure includes smart cities, smart factories, smart healthcare systems, smart agriculture, and the like. Mission-critical infrastructure, such as mining and disaster management agencies, is also part of commercialization.
도 1은 스마트 인프라스트럭처의 시스템 모델을 도시한다.
도 2는 AI 서비스 에이전트의 제어 흐름을 도시한다.
도 3은 자가 이동식 장비에 의한 AI 서비스 실행 순서도를 나타낸다.1 shows a system model of a smart infrastructure.
Figure 2 shows the control flow of the AI service agent.
3 shows a flowchart of AI service execution by a self-mobile device.
이 특허에서 계산, 통신 및 의사 결정 기능을 갖춘 모든 종류의 로봇, 무인 항공기(UAVs), 수중 장비 등과 같은 자가 이동식 장비를 소개한다. 이러한 장비는 영역별 사전 훈련된 AI 서비스(예: 의료 AI 서비스, 스마트 에너지 AI 서비스, 스마트 차량 서비스, AR/VR 애플리케이션 서비스, 스마트 공장 서비스, 네트워크 혼신 방지 등)를 갖춘 독립 실행형 통신망 엔티티이며 AI 서비스 에이전트에 의해 제어된다. 통신망에서, AI 서비스 에이전트 모듈은 자가 이동식 장비에 사용자 AI 서비스 요청을 할당하는 소프트웨어 기반 제어 체계를 제공한다. 네트워크 인프라스트럭처와 AI 서비스 제공자는 사용자 및 인프라스트럭처 요구사항을 기반으로 사전 훈련된 AI 서비스를 자가 이동식 장비에 설치하는 것을 담당한다. 자가 이동식 장비와 AI 서비스 에이전트 제어 흐름에 의한 인공지능 서비스 집합을 위한 스마트 인프라스트럭처 시스템 모델이 본 특허의 적용 범위에 해당한다.This patent introduces self-mobile equipment such as all kinds of robots, unmanned aerial vehicles (UAVs), underwater equipment, etc. with computational, communication and decision-making capabilities. These equipment are standalone network entities with domain-specific pre-trained AI services (e.g., medical AI services, smart energy AI services, smart vehicle services, AR/VR application services, smart factory services, network interference prevention, etc.) Controlled by a service agent. In the communication network, the AI service agent module provides a software-based control scheme for allocating user AI service requests to autonomous mobile devices. Network infrastructure and AI service providers are responsible for installing pre-trained AI services on their own mobile devices based on user and infrastructure requirements. A smart infrastructure system model for AI service aggregation by autonomous mobile equipment and AI service agent control flow falls within the scope of application of this patent.
본 특허는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 의료, 스마트 공장, 스마트 농업, 스마트 네트워크 관리 등)를 위한 계산, 통신, 의사 결정 능력으로 네트워크 엔티티의 모든 중앙 제어기로 스스로 제어하거나 명령을 실행할 수 있는 자가 이동식 장비를 제안한다. 자가 이동식 장비에는 공중 지원을 위한 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 수중 지역(예: 바다, 강 등)을 지원하는 수중/수상 장비가 포함된다. 네트워크 서비스 공급자, 네트워크 운영자, 네트워크 인프라스트럭처 제공자, 장비 제조자 및 기타 네트워크 관계자는 유지 및 상용화를 담당한다. 자가 이동식 장비는 기존 통신망에서 독립형 네트워크 엔티티로 작동하며, 영역별 AI 서비스는 AI 서비스 사용자의 요구에 따라 장비에 사전 조립된다. AI 서비스는 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 등을 포함하는 모든 종류의 인공지능 훈련 모델이 될 수 있다. AI 서비스의 예로는 의료 AI 서비스, 스마트 에너지 AI 서비스, 스마트 차량 서비스, AR/VR 애플리케이션 서비스, 스마트 공장 서비스, 자율적 네트워크 관리 서비스, 네트워크 혼신 방지 서비스 등이 있다. AI 서비스 에이전트는 소프트웨어 기반 제어 체계를 제공하여 사용자의 AI 서비스 요청을 자가 이동식 장비에 할당하고, 자가 이동식 장비의 목적지를 결정하는 네트워크 구성요소이다. 필요한 경우 사용자의 AI 서비스를 클라우드/포그/정적 에지 환경에 재할당할 수 있는 AI 서비스 에이전트. 본 특허는 AI 서비스 에이전트를 위한 제어 흐름과 자가 이동식 장비에 의한 AI 서비스 실행을 위한 순서도를 제안한다.This patent is a computational, communication, and decision-making capability for smart infrastructures (e.g. smart cities, smart healthcare, smart factories, smart agriculture, smart network management, etc.) that allows all central controllers of network entities to self-control or execute commands. Proposal of self-moving equipment. Self-mobile equipment includes unmanned aerial vehicles (UAVs) for air support, land robots for ground support, and underwater/surface equipment to support underwater areas (eg seas, rivers, etc.). Network service providers, network operators, network infrastructure providers, equipment manufacturers and other network players are responsible for maintenance and commercialization. The self-mobile equipment works as a standalone network entity in the existing communication network, and AI services for each area are pre-assembled into the equipment according to the needs of AI service users. AI services can be any kind of artificial intelligence training model, including superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, statistical learning, etc. Examples of AI services include medical AI services, smart energy AI services, smart vehicle services, AR/VR application services, smart factory services, autonomous network management services, and network interference prevention services. AI service agent is a network component that provides a software-based control scheme to assign users' AI service requests to self-mobile devices and determine the destination of self-mobile devices. AI service agents that can reassign users' AI services to cloud/fog/static edge environments if needed. This patent proposes a control flow for an AI service agent and a flowchart for AI service execution by self-mobile equipment.
이 에지 인공 지능(edge-AI)의 역할은 두 가지 범주로 나눌 수 있으며 [1], 그 첫 번째는 에지 컴퓨팅을 위한 AI(예: AI로 작동하는 네트워크 관리, 무선 시스템을 통한 에지 AI 등)이고, 두 번째는 AI를 위한 에지 컴퓨팅(즉, 촉각 감지 서비스, 의료 서비스, 스마트 에너지, 스마트 교통 서비스, 가상 현실(VR) 추적, 스마트 농업 등) 이다. [2], [3] 이러한 스케일링 가능한 AI 서비스를 에지에서 저 지연 및 높은 안정성으로 수행하기 위해, 에지 컴퓨팅에 서비스로서의 인공 지능(AIaaS) 가능 인프라스트럭처가 필요하다 [4]. 따라서 에지에서 도청 AI 서비스를 활성화하려면, 자가 이동식 장비 기반 AIaaS 인프라스트럭처가 필요하다. 또한, 자가 이동식 장비는 AI 서비스를 제어할 수 있으며, UAV, 수중 장비 및 네트워크를 위한 로봇에 의한 지상 지원에 의한 에지 컴퓨팅으로 작동하는 공중 지원을 이용할 수 있다.The role of this edge-AI can be divided into two categories [1], the first being AI for edge computing (e.g. network management powered by AI, edge AI via wireless systems, etc.) The second is edge computing for AI (i.e., tactile sensing services, medical services, smart energy, smart transportation services, virtual reality (VR) tracking, smart agriculture, etc.). [2], [3] To perform these scalable AI services at the edge with low latency and high reliability, an artificial intelligence-as-a-service (AIaaS) capable infrastructure is required for edge computing [4]. Therefore, to enable eavesdropping AI services at the edge, a self-mobile equipment-based AIaaS infrastructure is required. In addition, self-mobile equipment can control AI services and use air support operating with edge computing by ground support by UAVs, underwater equipment and robots for networks.
주요 아이디어 및 청구항은 다음과 같다.The main ideas and claims are as follows.
1. 본 특허는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 의료, 스마트 공장, 스마트 농업, 스마트 네트워크 관리 등)를 위한 계산, 통신, 의사 결정 능력으로 네트워크 엔티티의 모든 중앙 제어기로 스스로 제어하거나 명령을 실행할 수 있는 자가 이동식 장비를 제안한다. 자가 이동식 장비에는 공중 지원을 위한 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 계산, 통신 및 의사 결정 능력을 갖춘 수중 지역(예: 바다, 강 등)을 지원하는 수중/수상 장비가 포함된다. 스마트 인프라스트럭처의 시스템 모델은 6개의 주요 구성 요소(도 1)로 구성되어 있다. 이 특허는 AI 서비스 집합자로서 자가 이동식 장비를 지원하기 위한 AI 서비스 사용자, 자가 이동식 장비, AI 서비스 에이전트, 사전 훈련된 인공 지능 서비스 모델, 인프라스트럭처 및 서비스 제공자와 같은 스마트 인프라스트럭처를 위한 6가지 주요 구성 요소를 정의한다. 1. This patent covers computation, communication, and decision-making capabilities for smart infrastructures (e.g. smart cities, smart healthcare, smart factories, smart agriculture, smart network management, etc.) to control itself or issue commands to all central controllers of network entities. We propose a viable, self-moving device. Self-mobile equipment includes unmanned aerial vehicles (UAVs) for air support, land robots for ground support, and underwater/surface equipment to support underwater areas (e.g. seas, rivers, etc.) with computational, communication and decision-making capabilities. . The system model of smart infrastructure consists of six main components (Fig. 1). As an AI service aggregator, this patent covers six main categories for smart infrastructure: AI service users to support self-mobile equipment, self-mobile equipment, AI service agents, pre-trained artificial intelligence service models, infrastructures and service providers. Define the components.
가. 통신망(101): 통신망은 라이선스 및/또는 비허가 스펙트럼을 사용하는 모든 유형의 무선 네트워크일 수 있다. 필요한 모든 네트워크 구성 요소 및 프로토콜은 네트워크 인프라스트럭처에 따라 존재한다. end. Network 101: The communication network may be any type of wireless network using licensed and/or unlicensed spectrum. All necessary network components and protocols exist depending on the network infrastructure.
나. AI 서비스 사용자(102): AI 서비스 사용자는 스마트 인프라스트럭처의 엔티티이며 AI 서비스 시설에 가입한 모든 클라이언트가 될 수 있다. AI 서비스 이용자는 의료 AI 서비스, 스마트 에너지 AI 서비스, 스마트 차량 서비스, AR/VR 애플리케이션 서비스, 스마트 공장 서비스, 네트워크 모니터링 서비스, 자연어 처리 서비스 등을 포함시킨다. I. AI service user 102: AI service user is an entity of smart infrastructure and may be any client subscribed to AI service facility. AI service users include medical AI service, smart energy AI service, smart vehicle service, AR/VR application service, smart factory service, network monitoring service, natural language processing service, etc.
다. 자가 이동식 장비(103): 본 특허는 스마트 인프라스트럭처(예: 스마트 시티, 스마트 의료, 스마트 공장, 스마트 농업, 스마트 네트워크 관리 등)를 위한 계산, 통신, 의사 결정 능력으로 네트워크 엔티티의 모든 중앙 제어기로 스스로 제어하거나 명령을 실행할 수 있는 자가 이동식 장비를 제안한다. 자가 이동식 장비에는 공중 지원을 위한 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 수중 지역(예: 바다, 강 등)을 지원하는 수중/수상 장비가 포함된다. 자가 이동식 장비는 기존 통신망에서 독립형 네트워크 엔티티로 작동하며, 영역별 AI 서비스는 AI 서비스 사용자의 요구에 따라 장비에 사전 조립된다. All. Self-mobile equipment 103: This patent covers computation, communication, and decision-making capabilities for smart infrastructure (e.g. smart cities, smart healthcare, smart factories, smart agriculture, smart network management, etc.) to all central controllers of network entities. We propose a self-moving device that can control itself or execute commands. Self-mobile equipment includes unmanned aerial vehicles (UAVs) for air support, land robots for ground support, and underwater/surface equipment to support underwater areas (eg seas, rivers, etc.). The self-mobile equipment works as a standalone network entity in the existing communication network, and AI services for each area are pre-assembled into the equipment according to the needs of AI service users.
라. AI 서비스 에이전트(104): AI 서비스 에이전트는 소프트웨어 기반 제어 체계를 제공하여 사용자의 AI 서비스 요청을 자가 이동식 장비에 할당하고, 자가 이동식 장비의 목적지를 결정하는 네트워크 구성요소이다. 필요한 경우 사용자의 AI 서비스를 클라우드/포그/정적 에지 환경에 재할당할 수 있는 AI 서비스 에이전트. la. AI service agent 104: The AI service agent is a network component that provides a software-based control scheme to assign a user's AI service request to a self-mobile device, and determine the destination of the self-mobile device. AI service agents that can reassign users' AI services to cloud/fog/static edge environments if needed.
마. 인프라스트럭처 및 서비스 제공자(105): 인프라스트럭처 및 서비스 제공자에는 네트워크 인프라스트럭처 제공자, 네트워크 서비스 제공자, 인공 지능 서비스 제공자, 네트워크 운영자 및 AI 서비스 유지 및 제공과 관련된 기타 네트워크 관계자가 포함된다. 사전 훈련된 인공 지능 서비스는 사용자 AI 서비스 요구 사항 및 정책을 기반으로 인프라스트럭처 및 서비스 제공자에 의해 자가 이동식 장비에 설치 및 유지된다. hemp. Infrastructure and service providers 105: Infrastructure and service providers include network infrastructure providers, network service providers, artificial intelligence service providers, network operators, and other network players involved in maintaining and providing AI services. Pre-trained AI services are installed and maintained on self-mobile equipment by infrastructure and service providers based on user AI service requirements and policies.
바. 사전 훈련된 인공 지능 서비스 모델(106): 사전 훈련된 인공 지능 서비스 모델은 자가 이동식 장비의 구성 요소이며, 계산 설비와 함께 이 모듈 아래에 다양한 사전 훈련된 AI 서비스가 설치된다. AI 서비스에는 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 등 모든 종류의 인공지능 훈련 모델이 포함된다. bar. Pre-trained artificial intelligence service model 106: The pre-trained artificial intelligence service model is a component of self-mobile equipment, and various pre-trained AI services are installed under this module along with computational equipment. AI services include all kinds of artificial intelligence training models, including superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, and statistical learning.
사. 107에서 114까지는 AI 서비스 모델을 나타내며, 다른 모델은 특정 AI 서비스에 관해 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 등을 사용함으로써 다른 AI 서비스를 나타낸다. four. 107 to 114 represent AI service models, and other models represent other AI services by using superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, statistical learning, etc. for a specific AI service.
2. 우리는 자가 이동식 장비에 사용자 AI 서비스 요청을 할당하는 소프트웨어 기반 제어 체계를 제공하는 AI 서비스 에이전트 역할을 정의한다. AI 서비스 에이전트 제어 흐름을 위한 서비스 집합 프로세스 흐름(도 2)은 다음과 같다.2. We define the AI Service Agent role, which provides a software-based control scheme for allocating user AI service requests to autonomous mobile devices. The service set process flow (FIG. 2) for the AI service agent control flow is as follows.
가. AI 서비스 에이전트 시작(201): AI 서비스 에이전트가 시작되고, 사용자 AI 서비스 요청을 이행하고 자가 이동식 장비를 제어하는 데 필요한 모든 매개 변수와 변수를 초기화한다. end. AI service agent start 201: AI service agent starts, initializes all parameters and variables necessary to fulfill user AI service requests and control self-mobile equipment.
나. 사용자의 AI 서비스 요청(202): AI 서비스 요청은 AI 서비스 사용자에 의해 발생한다. 이 모듈은 외부 AI 서비스 요청 처리를 담당한다. 또한, 모든 종류의 알고리즘과 모델이 이 기능을 관리할 수 있다. I. User's AI service request 202: The AI service request is generated by the AI service user. This module is responsible for handling external AI service requests. Also, all kinds of algorithms and models can manage this function.
다. AI 서비스 요청 핸들러(203): AI 서비스 요청 핸들러는 AI 서비스 에이전트의 프로세스이다. AI 서비스 요청은 사용자 모듈에서 AI 서비스 요청을 수신하고 하위 프로세스를 호출하여 AI 서비스의 요구 사항을 평가한다. All. AI service request handler 203: AI service request handler is a process of AI service agent. AI service request receives AI service request from user module and calls sub-process to evaluate the requirement of AI service.
라. 사용자 AI 서비스 요구 사항 분석(204): 통신 및 계산을 포함한 AI 서비스 및 네트워크 계층의 요구 사항을 분석한다. 사전 훈련된 AI 서비스를 사용할 수 있는가(205)를 확인하고 클라우드/포그/에지인 AI 서비스 실행 호스트에 관한 결정을 내리거나 자가 이동식 장비의 가용성을 확인한다. la. User AI service requirements analysis 204: Analyze the requirements of AI services and network layers, including communication and computation. Check whether a pre-trained AI service is available (205) and make a decision about the AI service execution host being cloud/fog/edge, or check the availability of self-mobile equipment.
마. 사전 훈련된 AI 서비스를 사용할 수 있는가? (205): 네트워크의 계산 및 통신 상태를 확인하고 클라우드/포그/에지에 의한 AI 서비스 프로세스에 관한 결정을 내리거나 자가 이동식 장비의 가용성을 확인한다. hemp. Are pre-trained AI services available? (205): Check the calculation and communication status of the network, make decisions about AI service processes by cloud/fog/edge, or check the availability of self-mobile equipment.
바. 클라우드/포그/에지 서버에 의한 AI 서비스 실행(206): 자가 이동식 장비가 없는 AI 서비스 실행 플랫폼 bar. AI Service Execution by Cloud/Fog/Edge Server 206: AI Service Execution Platform without Self-Moveable Equipment
사. 이동식 장비를 사용할 수 있는가? (207): AI 서비스를 실행할 수 있는 자가 이동식 장비의 사용 가능성 검사기. four. Can mobile equipment be used? (207): Availability checker for self-mobile equipment capable of running AI services.
아. 자가 이동식 장비 컨트롤러(208): 자가 이동식 장비 컨트롤러 하위 프로세스는 AI 서비스와 자가 이동식 장비의 물리적 배치를 실행하기 위해 동적으로 제어한다. 자가 이동식 장비 제어는 물론 AI 서비스 실행에도 모든 종류의 알고리즘과 방법을 적용할 수 있다. Ah. Self-mobile equipment controller 208: The self-mobile equipment controller sub-process dynamically controls to execute AI services and physical placement of self-mobile equipment. All kinds of algorithms and methods can be applied to autonomous mobile equipment control as well as AI service execution.
자. 선택한 이동식 장비의 AI 서비스 실행(209): 사전 훈련된 모든 AI 서비스 모델은 제어이며 요청 이행 실행 책임은 이 모듈로 수행된다. 이 모듈의 물리적 실재는 자가 이동식 장비의 내부에 있다. 이것의 주요 역할은 모든 방법과 절차를 이용하여 자체 알고리즘과 정책을 구현할 수 있는 자가 이동식 컨트롤러 및/또는 자가 이동식 장비에게서 오는 명령을 실행하는 것이다.character. AI Service Execution of Selected Mobile Equipment (209): All pre-trained AI service models are control and the responsibility for executing request fulfillment is carried out by this module. The physical reality of this module is inside a self-moving device. Its main role is to execute commands from self-mobile controllers and/or self-mobile devices, which can implement their own algorithms and policies using any method and procedure.
차. 사용자 피드백(210): 통신망을 통한 AI 서비스 실행 결정을 기반으로 요청한 AI 사용자에게 피드백을 보낼 책임.car. User Feedback 210: Responsible for sending feedback to the requesting AI user based on the decision to run the AI service over the network.
카. 종료(111): AI 서비스 에이전트의 종료 지점.k. End (111): The end point of the AI service agent.
3. 자가 이동식 장비에 의한 AI 서비스 실행의 순서(도 3).3. Sequence of AI service execution by self-mobile equipment (FIG. 3).
가. 사용자의 AI 서비스 요청(301): AI 사용자에 의한 AI 서비스 요청 후 sendReq()(307) 함수는 사용자의 AI 서비스 요청으로 AI 서비스 요청 핸들러(203)로 호출된다.end. User's AI service request 301: After the AI service request by the AI user, the sendReq() 307 function is called to the AI
나. AI 서비스 요청 핸들러(302): AI 서비스 요청 핸들러가 exeSubProcess()(308)를 사용자의 AI 서비스 요구 사항 분석(303)으로 호출한다. I. AI Service Request Handler (302): AI Service Request Handler calls exeSubProcess() (308) to Analyze User's AI Service Requirements (303).
다. 사용자 AI 서비스 요구 사항 분석(303): 사용자의 AI 서비스 요구 사항 분석은 AI 서비스 가용성에 대한 자체 정책을 실행하여 isServiceAvailable()(309)을 확인하고, isAvailableAck()== false(310)인 경우, 사용자의 AI 서비스 요청 핸들러(303)에 확인을 제공하며, 그렇지 않으면 상태 확인 요청 checkMoveableEqu()(311)을 Self-Moveable Equipment Controller(304)로 보낸다. All. User AI service requirement analysis (303): User's AI service requirement analysis executes its own policy for AI service availability to check isServiceAvailable()(309), if isAvailableAck()== false(310), A confirmation is provided to the user's AI
라. 자가 이동식 장비 컨트롤러(304): 이 모듈은 AI 서비스 실행자로서 이미 네트워크 엔티티 역할을 하는 자가 이동식 장비 상태와 가용성을 확인한다. 통신, 계산 및 서비스 품질을 포함한 모든 종류의 요구사항은 isMovableEqual Available()(312)을 실행하여 모든 알고리즘과 방법을 사용하여 고려된다. isAvailableAck()==false(313)인 경우, AI 서비스 요청 핸들러(303)에 확인을 제공하고, 그렇지 않으면 선택한 이동식 장비(305)에 의한 AI 서비스 실행에 serviceExeComd()(314)를 제공한다.la. Self-mobile equipment controller 304: This module checks the self-mobile equipment status and availability, which already acts as a network entity as an AI service executor. All kinds of requirements including communication, computation and quality of service are considered using all algorithms and methods by executing isMovableEqual Available() 312 . If isAvailableAck()==false(313), provide acknowledgment to AI
마. 선택한 이동식 장비의 AI 서비스 실행(305): exeAIServiceByMoveableDevice()(315) 함수가 이 모듈에 의해 실행되고, AI 서비스 사용자를 위한 피드백 결과 준비를 위해 사용자 피드백(306)에 prepareFeedback()(316)을 보낸다.hemp.
바. 사용자 피드백(306): 피드백 결과는 통신망을 통해 feedbackToUser()(317)를 실행하여 사용자의 AI 서비스 요청(301)으로 전송된다.bar. User feedback 306: The feedback result is transmitted to the user's AI service request 301 by executing feedbackToUser() 317 through the communication network.
도 1은 스마트 인프라스트럭처의 시스템 모델을 도시한다. 도 1의 설명은 다음과 같다.1 shows a system model of a smart infrastructure. The description of FIG. 1 is as follows.
101: 통신망- 통신망은 라이선스 및/또는 비허가 스펙트럼을 사용하는 모든 유형의 무선 네트워크일 수 있다. 101: Network - The communication network may be any type of wireless network using licensed and/or unlicensed spectrum.
102: AI 서비스 사용자- 의료 서비스, 에너지 서비스, AR/VR 서비스, 스마트 교통 서비스 등 다양한 영역의 AI 서비스 사용자를 나타낸다. 102: AI service user- Represents AI service users in various areas, such as medical services, energy services, AR/VR services, and smart transportation services.
103: 자가 이동식 장비- uav, 지상 로봇 등과 같은 자가 이동식 장비를 나타낸다. 103: Self-mobile equipment- indicates self-mobile equipment such as uavs, ground robots, etc.
104: AI 서비스 에이전트- 스마트 인프라스트럭처에서 AI 서비스 할당과 이동식 장비 오케스트레이션을 제어하는 AI 서비스 에이전트를 보여준다. 104: AI Service Agent - Shows the AI service agent that controls AI service allocation and mobile equipment orchestration in smart infrastructure.
105: 인프라스트럭처 및 서비스 제공자- 여러 공급자가 하나의 인프라스트럭처에 있을 수 있는 인프라스트럭처 및 서비스 공급자를 나타낸다. 105: Infrastructure and Service Providers - Represents infrastructure and service providers where multiple providers can exist in one infrastructure.
106: 사전 훈련된 인공 지능 서비스 모델- 여러 사전 훈련된 AI 서비스로 구성된 사전 훈련된 AI 서비스 모델을 보여준다. 106: Pre-trained AI service model- shows a pre-trained AI service model composed of several pre-trained AI services.
107 내지 114: AI 서비스 모델을 나타내며, 다른 모델은 특정 AI 서비스에 관해 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 및 특정 AI 서비스 등을 사용함으로써 모든 다른 AI 서비스를 포함한다.107 to 114: indicate AI service models, other models include all other AI services by using superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, statistical learning, and specific AI services, etc. for a specific AI service do.
도 2는 AI 서비스 에이전트의 제어 흐름을 도시한다. 도 2의 설명은 다음과 같다.Figure 2 shows the control flow of the AI service agent. The description of FIG. 2 is as follows.
201: AI 서비스 에이전트 시작- AI 서비스 에이전트 출발점 201: Start AI Service Agent - AI Service Agent Starting Point
202: 사용자의 AI 서비스 요청- 요청이 AI 서비스 사용자에게서 온다. 202: User's AI service request - The request comes from an AI service user.
203: AI 서비스 요청 핸들러- AI 서비스 요청 관리 프로세스 203: AI Service Request Handler - AI Service Request Management Process
204: 사용자 AI 서비스 요구 사항 분석- AI 서비스 요구 사항 분석을 위한 하위 프로세스 204: User AI Service Requirement Analysis - Sub-process for AI Service Requirement Analysis
205: 사전 훈련된 AI 서비스를 사용할 수 있는가? AI 서비스 가용성 확인점 205: Can I use pre-trained AI services? AI Service Availability Checkpoint
206: 클라우드/포그/에지 서버에 의한 AI 서비스 실행- 외부 계산 플랫폼 206: AI Service Execution by Cloud/Fog/Edge Server - External Computation Platform
207: 이동식 장비를 사용할 수 있는가?- 자가 이동식 장비 가용성 확인점207: Can mobile equipment be used? - Self-mobile equipment availability checkpoint
208: 자가 이동식 장비 컨트롤러- 자가 이동식 장비 컨트롤러의 하위 프로세스 208: Self-moving machine controller - sub-process of the self-moving machine controller
209: 선택한 이동식 장비의 AI 서비스 실행- 통신망을 통해 사용자 피드백을 보내는 프로세스 209: Execution of AI service on the selected mobile device - the process of sending user feedback through the communication network
210: 사용자 피드백- 통신 네트워크를 통해 사용자 피드백을 보내는 프로세스 210: User Feedback - Process of sending user feedback through a communication network
211: 종료- AI 서비스 에이전트 흐름 종료 지점.211: End - AI service agent flow end point.
도 3은 자가 이동식 장비에 의한 AI 서비스 실행 순서도를 나타낸다. 도 3의 설명은 다음과 같다.3 shows a flowchart of AI service execution by a self-mobile device. The description of FIG. 3 is as follows.
301: 사용자 모듈에 의한 AI 서비스 요청 301: AI service request by user module
302: AI 서비스 요청 핸들러 모듈 302: AI service request handler module
303: 사용자 AI 서비스 요구 사항 분석 모듈 303: User AI service requirements analysis module
304: 자가 이동식 장비 컨트롤러 모듈 304: self-moving equipment controller module
305: 선택한 이동식 장비 모듈에 의한 AI 서비스 실행 305: AI service execution by the selected mobile equipment module
306: 사용자 모듈 피드백 306: User module feedback
307: sendReq()- 사용자 요청 전송 기능 307: sendReq() - function to send user request
308: exeSubProcess()- AI 서비스 실행 기능 308: exeSubProcess() - AI service execution function
309: isServiceAvailable()- 사전 훈련된 AI 서비스 가용성 확인 기능 309: isServiceAvailable() - function to check availability of pre-trained AI service
310: isAvailableAck()=false- 서비스 가용성 확인점 310: isAvailableAck()=false- service availability checkpoint
311: checkMoveableEqu()- 자가 이동식 장비 상태 요청 기능 311: checkMoveableEqu() - self-moving equipment status request function
312: isMoveableEquAvailable()- 자가 이동식 장비 가용성 확인 기능 313: isAvailableAck()=false- 자가 이동식 장비 가용성 확인점 312: isMoveableEquAvailable()- self-moving equipment availability check function 313: isAvailableAck()=false- self-moving equipment availability checkpoint
314: serviceExeComd()- 자가 이동식 장비에 대한 서비스 실행 명령 기능 314: serviceExeComd() - service execution command function for self-moving equipment
315: exeAIServiceByMoveableDevice()- 이동식 장비의 서비스 실행 기능 316: prepareFeedback()- 피드백 준비 기능 315: exeAIServiceByMoveableDevice()- function to execute service of mobile device 316: prepareFeedback()- function to prepare feedback
317: feedbackToUser()- 사용자 피드백 기능317: feedbackToUser() - User feedback function
101: 통신망- 통신망은 라이선스 및/또는 비허가 스펙트럼을 사용하는 모든 유형의 무선 네트워크일 수 있다.
102: AI 서비스 사용자- 의료 서비스, 에너지 서비스, AR/VR 서비스, 스마트 교통 서비스 등 다양한 영역의 AI 서비스 사용자를 나타낸다.
103: 자가 이동식 장비- uav, 지상 로봇 등과 같은 자가 이동식 장비를 나타낸다.
104: AI 서비스 에이전트- 스마트 인프라스트럭처에서 AI 서비스 할당과 이동식 장비 오케스트레이션을 제어하는 AI 서비스 에이전트를 보여준다.
105: 인프라스트럭처 및 서비스 제공자- 여러 공급자가 하나의 인프라스트럭처에 있을 수 있는 인프라스트럭처 및 서비스 공급자를 나타낸다.
106: 사전 훈련된 인공 지능 서비스 모델- 여러 사전 훈련된 AI 서비스로 구성된 사전 훈련된 AI 서비스 모델을 보여준다.
107 내지 114: AI 서비스 모델을 나타내며, 다른 모델은 특정 AI 서비스에 관해 피상적 학습, 딥 러닝, 지도 학습, 비지도 학습, 강화 학습, 통계적 학습 및 특정 AI 서비스 등을 사용함으로써 모든 다른 AI 서비스를 포함한다.
201: AI 서비스 에이전트 시작- AI 서비스 에이전트 출발점
202: 사용자의 AI 서비스 요청- 요청이 AI 서비스 사용자에게서 온다.
203: AI 서비스 요청 핸들러- AI 서비스 요청 관리 프로세스
204: 사용자 AI 서비스 요구 사항 분석- AI 서비스 요구 사항 분석을 위한 하위 프로세스
205: 사전 훈련된 AI 서비스를 사용할 수 있는가? AI 서비스 가용성 확인점
206: 클라우드/포그/에지 서버에 의한 AI 서비스 실행- 외부 계산 플랫폼
207: 이동식 장비를 사용할 수 있는가?- 자가 이동식 장비 가용성 확인점
208: 자가 이동식 장비 컨트롤러- 자가 이동식 장비 컨트롤러의 하위 프로세스
209: 선택한 이동식 장비의 AI 서비스 실행- 통신망을 통해 사용자 피드백을 보내는 프로세스
210: 사용자 피드백- 통신 네트워크를 통해 사용자 피드백을 보내는 프로세스
211: 종료- AI 서비스 에이전트 흐름 종료 지점
301: 사용자 모듈에 의한 AI 서비스 요청
302: AI 서비스 요청 핸들러 모듈
303: 사용자 AI 서비스 요구 사항 분석 모듈
304: 자가 이동식 장비 컨트롤러 모듈
305: 선택한 이동식 장비 모듈에 의한 AI 서비스 실행
306: 사용자 모듈 피드백
307: sendReq()- 사용자 요청 전송 기능
308: exeSubProcess()- AI 서비스 실행 기능
309: isServiceAvailable()- 사전 훈련된 AI 서비스 가용성 확인 기능
310: isAvailableAck()=false- 서비스 가용성 확인점
311: checkMoveableEqu()- 자가 이동식 장비 상태 요청 기능
312: isMoveableEquAvailable()- 자가 이동식 장비 가용성 확인 기능 313: isAvailableAck()=false- 자가 이동식 장비 가용성 확인점
314: serviceExeComd()- 자가 이동식 장비에 대한 서비스 실행 명령 기능
315: exeAIServiceByMoveableDevice()- 이동식 장비의 서비스 실행 기능
316: prepareFeedback()- 피드백 준비 기능101: Network - The communication network may be any type of wireless network using licensed and/or unlicensed spectrum.
102: AI service user- Represents AI service users in various fields, such as medical services, energy services, AR/VR services, and smart transportation services.
103: Self-mobile equipment- indicates self-mobile equipment such as uavs, ground robots, etc.
104: AI Service Agent - Shows the AI service agent that controls AI service allocation and mobile equipment orchestration in smart infrastructure.
105: Infrastructure and Service Providers - Represents infrastructure and service providers where multiple providers can exist in one infrastructure.
106: Pre-trained AI service model- shows a pre-trained AI service model composed of several pre-trained AI services.
107 to 114: represent AI service models, other models include all other AI services by using superficial learning, deep learning, supervised learning, unsupervised learning, reinforcement learning, statistical learning and specific AI services, etc. for a specific AI service do.
201: Start AI Service Agent - AI Service Agent Starting Point
202: User's AI service request - The request comes from an AI service user.
203: AI Service Request Handler - AI Service Request Management Process
204: User AI Service Requirement Analysis - Sub-process for AI Service Requirement Analysis
205: Can I use pre-trained AI services? AI Service Availability Checkpoint
206: AI Service Execution by Cloud/Fog/Edge Server - External Computation Platform
207: Can mobile equipment be used? - Self-mobile equipment availability checkpoint
208: Self-moving machine controller - sub-process of self-moving machine controller
209: Execution of AI service on the selected mobile device - the process of sending user feedback through the communication network
210: User Feedback - Process of sending user feedback through a communication network
211: End - AI Service Agent Flow End Point
301: AI service request by user module
302: AI service request handler module
303: User AI service requirements analysis module
304: self-moving equipment controller module
305: AI service execution by the selected mobile equipment module
306: User module feedback
307: sendReq() - function to send user request
308: exeSubProcess() - AI service execution function
309: isServiceAvailable() - function to check availability of pre-trained AI service
310: isAvailableAck()=false- service availability checkpoint
311: checkMoveableEqu() - self-moving equipment status request function
312: isMoveableEquAvailable()- self-moving equipment availability check function 313: isAvailableAck()=false- self-moving equipment availability checkpoint
314: serviceExeComd() - service execution command function for self-moving equipment
315: exeAIServiceByMoveableDevice()- function to execute service of mobile device 316: prepareFeedback()- function to prepare feedback
Claims (10)
상기 자가 이동식 장비는 공중 지원을 수행하는 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 수중 지역을 지원하는 수중 장비 중 적어도 하나; 및
제어부;를 포함하고,
상기 AI 서비스 에이전트 모듈은 상기 자가 이동식 장비에 사용자 AI 서비스 요청을 할당하는 소프트웨어 기반 제어가 적용되는, 자가 이동식 장비에 의한 인공 지능 서비스 통합을 위한 스마트 인프라스트럭처의 시스템 모델.
Standalone network entity with AI services including one or more of pre-trained medical AI services, smart cities, smart healthcare, smart energy AI services, smart vehicle services, AR/VR application services, smart factory services, and network interference prevention. In the system model of the smart infrastructure for artificial intelligence service integration by self-mobile equipment, controlled by the AI service agent,
The self-mobile equipment may include at least one of unmanned aerial vehicles (UAVs) performing air support, land robots for ground support, and underwater equipment supporting an underwater area; and
control unit; including;
The AI service agent module is a system model of a smart infrastructure for artificial intelligence service integration by autonomous mobile equipment, to which software-based control for allocating user AI service requests to the autonomous mobile equipment is applied.
상기 AI 서비스 에이전트는,
소프트웨어 기반 제어 체계를 제공하여 사용자의 AI 서비스 요청을 상기 자가 이동식 장비에 할당하여 상기 자가 이동식 장비의 목적지를 결정하는 네트워크 구성요소인, 자가 이동식 장비에 의한 인공 지능 서비스 통합을 위한 스마트 인프라스트럭처의 시스템 모델.
The method according to claim 1,
The AI service agent,
A system of smart infrastructure for artificial intelligence service integration by self-mobile equipment, which is a network component that provides a software-based control system to determine the destination of the autonomous mobile equipment by allocating the user's AI service request to the autonomous mobile equipment Model.
상기 AI 서비스에서 인공 지능(edge-AI)의 수행 영역은,
에지 컴퓨팅을 위한 AI로 작동하는 네트워크 관리, 무선 시스템을 통한 인공지능 중 하나 이상; 및
촉각 감지 서비스, 의료 서비스, 스마트 에너지, 스마트 교통 서비스, 가상 현실(VR) 추적, 스마트 농업 중 하나 이상을 포함하는 상기 에지 컴퓨팅;을 포함하는, 자가 이동식 장비에 의한 인공 지능 서비스 통합을 위한 스마트 인프라스트럭처의 시스템 모델.
The method according to claim 1,
In the AI service, the execution area of artificial intelligence (edge-AI) is,
One or more of AI-powered network management for edge computing, artificial intelligence over wireless systems; and
The edge computing including one or more of tactile sensing service, medical service, smart energy, smart transportation service, virtual reality (VR) tracking, smart agriculture; smart infrastructure for artificial intelligence service integration by self-mobile equipment, including; The system model of the structure.
상기 소프트웨어 기반 제어는,
AI 서비스 에이전트 시작 단계;
AI 서비스 요청 단계;
AI 서비스 요청 핸들러 단계;
AI 서비스 요구 사항 분석 단계;
사전 훈련된AI 서비스의 사용여부를 판단하는 단계;
클라우드, 포그 및 에지 서버 중 적어도 하나에 의한 AI 서비스 실행 단계;
상기 자가 이동식 장비의 사용여부를 판단하는 단계;
자가 이동식 장비 컨트롤 단계;
선택된 상기 자가 이동식 장비의 AI 서비스 실행 단계;
피드백 단계; 중 하나 이상의 단계를 포함하는, 자가 이동식 장비에 의한 인공 지능 서비스 통합을 위한 스마트 인프라스트럭처의 시스템 모델.
The method according to claim 1,
The software-based control,
AI service agent start step;
AI service request step;
AI service request handler step;
AI service requirements analysis stage;
determining whether to use the pre-trained AI service;
AI service execution step by at least one of cloud, fog and edge server;
determining whether to use the self-mobile device;
self-moving equipment control stage;
AI service execution step of the selected self-mobile equipment;
feedback step; A system model of a smart infrastructure for artificial intelligence service integration by self-mobile equipment, comprising one or more steps of:
상기 자가 이동식 장비에 의한 상기 AI 서비스가 실행되는 순서는,
AI 서비스 요청 단계;
AI 서비스 요청 핸들러 단계;
AI 서비스 요구사항 분석 단계;
자가 이동식 장비 컨트롤러 단계;
선택된 상기 자가 이동식 장비의 AI 서비스 실행 단계; 및
피드백 단계;인. 자가 이동식 장비에 의한 인공 지능 서비스 통합을 위한 스마트 인프라스트럭처의 시스템 모델.
The method according to claim 1,
The order in which the AI service is executed by the self-mobile device is,
AI service request step;
AI service request handler step;
AI service requirements analysis step;
self-mobile equipment controller stage;
AI service execution step of the selected self-mobile equipment; and
feedback phase; System model of smart infrastructure for artificial intelligence service integration by self-mobile equipment.
공중 지원을 수행하는 무인 항공기(UAVs), 지상 지원을 위한 지상 로봇, 수중 지역을 지원하는 수중 장비 중 적어도 하나와 제어부를 포함하고,
상기 AI 서비스 에이전트는 사용자 AI 서비스 요청을 할당하는 소프트웨어 기반 제어가 적용되는, 자가 이동식 장비.
Controlled by AI service agent,
a control unit and at least one of unmanned aerial vehicles (UAVs) to perform air support, ground robots for ground support, and underwater equipment to support an underwater area;
The AI service agent is a self-moving device to which software-based control of allocating user AI service requests is applied.
상기 AI 서비스 에이전트는,
소프트웨어 기반 제어 체계를 제공하여 사용자의 AI 서비스 요청을 상기 자가 이동식 장비에 할당하여 상기 자가 이동식 장비의 목적지를 결정하는 네트워크 구성요소인, 자가 이동식 장비.
The method of claim 6,
The AI service agent,
A network component that provides a software-based control scheme to assign a user's AI service request to the self-mobile device to determine the destination of the self-mobile device.
상기 AI 서비스 에이전트의 AI 서비스를 수행하는 인공 지능(edge-AI)의 수행 영역은,
에지 컴퓨팅을 위한 AI로 작동하는 네트워크 관리, 무선 시스템을 통한 인공지능 중 하나 이상; 및
촉각 감지 서비스, 의료 서비스, 스마트 에너지, 스마트 교통 서비스, 가상 현실(VR) 추적, 스마트 농업 중 하나 이상을 포함하는 상기 에지 컴퓨팅;을 포함하는, 자가 이동식 장비.
The method of claim 6,
The artificial intelligence (edge-AI) performing area performing the AI service of the AI service agent is,
One or more of AI-powered network management for edge computing, artificial intelligence over wireless systems; and
The edge computing comprising one or more of tactile sensing services, medical services, smart energy, smart transportation services, virtual reality (VR) tracking, and smart agriculture; self-mobile equipment comprising:
상기 소프트웨어 기반 제어는,
AI 서비스 에이전트 시작 단계;
AI 서비스 요청 단계;
AI 서비스 요청 핸들러 단계;
AI 서비스 요구 사항 분석 단계;
사전 훈련된AI 서비스의 사용여부를 판단하는 단계;
클라우드, 포그 및 에지 서버 중 적어도 하나에 의한 AI 서비스 실행 단계;
상기 자가 이동식 장비의 사용여부를 판단하는 단계;
자가 이동식 장비 컨트롤 단계;
선택된 상기 자가 이동식 장비의 AI 서비스 실행 단계;
피드백 단계; 중 하나 이상의 단계를 포함하는, 자가 이동식 장비.
The method of claim 6,
The software-based control,
AI service agent start step;
AI service request step;
AI service request handler step;
AI service requirements analysis stage;
determining whether to use the pre-trained AI service;
AI service execution step by at least one of cloud, fog and edge server;
determining whether to use the self-mobile device;
self-moving equipment control stage;
AI service execution step of the selected self-mobile equipment;
feedback step; Self-moving equipment comprising one or more steps of:
상기 AI 서비스 에이전트의 AI 서비스가 실행되는 순서는,
AI 서비스 요청 단계;
AI 서비스 요청 핸들러 단계;
AI 서비스 요구사항 분석 단계;
자가 이동식 장비 컨트롤러 단계;
선택된 상기 자가 이동식 장비의 AI 서비스 실행 단계; 및
피드백 단계;인, 자가 이동식 장비.The method of claim 6,
The order in which the AI service of the AI service agent is executed is,
AI service request step;
AI service request handler step;
AI service requirements analysis step;
self-mobile equipment controller stage;
AI service execution step of the selected self-mobile equipment; and
Feedback phase; person, self-moving equipment.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190152773A KR20210063991A (en) | 2019-11-25 | 2019-11-25 | System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190152773A KR20210063991A (en) | 2019-11-25 | 2019-11-25 | System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210063991A true KR20210063991A (en) | 2021-06-02 |
Family
ID=76372871
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190152773A KR20210063991A (en) | 2019-11-25 | 2019-11-25 | System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210063991A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102319250B1 (en) | 2021-06-03 | 2021-11-01 | 주식회사 우주공간정보 | Stabilizer system for level survey |
-
2019
- 2019-11-25 KR KR1020190152773A patent/KR20210063991A/en not_active Application Discontinuation
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102319250B1 (en) | 2021-06-03 | 2021-11-01 | 주식회사 우주공간정보 | Stabilizer system for level survey |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | A study of robotic cooperation in cloud robotics: Architecture and challenges | |
| Martinez et al. | Design, resource management, and evaluation of fog computing systems: a survey | |
| Gushev | Dew computing architecture for cyber-physical systems and IoT | |
| US20240015196A1 (en) | Low latency wireless communication system for teleoperated vehicle environments | |
| US11249488B2 (en) | System and method for offloading robotic functions to network edge augmented clouds | |
| US7451023B2 (en) | Collaborative system for a team of unmanned vehicles | |
| Rasmussen et al. | A brief introduction to unmanned systems autonomy services (UxAS) | |
| US20170154536A1 (en) | Computer aided dispatch of drones | |
| Matlekovic et al. | Microservices for autonomous UAV inspection with UAV simulation as a service | |
| US20210004022A1 (en) | Method, apparatus and control system for controlling mobile robot | |
| CN106605213A (en) | System for support in event of intermittent connectivity, corresponding local device, and corresponding cloud computing platform | |
| Alves et al. | Scheduling of home health care services based on multi-agent systems | |
| KR20210063991A (en) | System model of smart infrastructure for artificial intelligence service aggregation by self-moveable equipment | |
| El Shenawy et al. | HDec-POSMDPs MRS exploration and fire searching based on IoT cloud robotics | |
| Rybski et al. | Effects of limited bandwidth communications channels on the control of multiple robots | |
| Menegol et al. | Evaluation of multi-agent coordination on embedded systems | |
| Hu | Cyber-physical systems | |
| Lacouture et al. | Rosace: Agent-based systems for dynamic task allocation in crisis management | |
| CN115580539A (en) | Network computing storage scheduling method, system and equipment based on artificial intelligence scene | |
| US20220111516A1 (en) | Reliable real-time deployment of robot safety updates | |
| US20210343091A1 (en) | Deported compute for teleoperation and autonomous systems | |
| Salaken et al. | Development of a cloud-based computational framework for an empathetic robot | |
| Ashok et al. | Develop the ubiquitous computing wearable IoT devices using IoT-distributed framework | |
| Wei et al. | Human-centered applications in sustainable smart city development: a qualitative survey | |
| Sharma et al. | An exploration of Fog procedures in comparison with IoT, design, and assessment issues |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E90F | Notification of reason for final refusal | ||
| E601 | Decision to refuse application |