KR20210083812A - Autonomous mobile robots and operating method thereof - Google Patents
Autonomous mobile robots and operating method thereof Download PDFInfo
- Publication number
- KR20210083812A KR20210083812A KR1020190176471A KR20190176471A KR20210083812A KR 20210083812 A KR20210083812 A KR 20210083812A KR 1020190176471 A KR1020190176471 A KR 1020190176471A KR 20190176471 A KR20190176471 A KR 20190176471A KR 20210083812 A KR20210083812 A KR 20210083812A
- Authority
- KR
- South Korea
- Prior art keywords
- elevator
- boarding
- information
- mobile robot
- autonomous driving
- Prior art date
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
-
- 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
- B25J9/1679—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
Abstract
Description
본 개시의 실시 예들은 자율주행 이동로봇 및 이의 동작 방법에 관한 것이다. Embodiments of the present disclosure relate to an autonomous driving mobile robot and an operating method thereof.
일반적으로, 자율주행 이동로봇이란 본체 내에 전원 및 센서가 탑재되어 외부로부터 신호와 전원의 공급 없이도 자율적으로 이동이 가능한 로봇으로서, 건물 내에서 물건 운반 서비스, 건물 내부의 청소 서비스, 건물 내부의 경비를 담당하는 보안 서비스 등과 같은 다양한 업무를 처리할 수 있다. In general, an autonomous mobile robot is a robot that is equipped with a power supply and a sensor in the main body and can move autonomously without supply of signals and power from the outside. It can handle various tasks such as the security service it is responsible for.
일반적으로, 자율주행 로봇은 빌딩과 같은 복수의 층에서 업무를 처리하는 경우, 엘리베이터와 같이 다른 층으로의 이동을 가능하게 하는 이동 수단을 이용할 수 있다. 하지만, 비교적 좁고 폐쇄적 공간인 엘리베이터 내부(예: 승강 카)에 사람과 자율주행 이동로봇이 함께 탑승하는 경우, 자율주행 이동로봇에 의해 사람이 불편함을 느끼거나 다칠 우려가 있다.In general, when a self-driving robot performs a task on a plurality of floors, such as a building, a moving means that enables movement to another floor, such as an elevator, may be used. However, when a person and an autonomous mobile robot ride together in an elevator (eg, a lift car) that is a relatively narrow and closed space, there is a risk that a person may feel uncomfortable or injured by the autonomous mobile robot.
본 개시가 해결하기 위한 과제는 엘리베이터를 이용하는 사람이 불편함을 느끼거나 다치지 않도록 자율주행 이동로봇이 엘리베이터 탑승 계획을 결정하기 위한 것에 있다.An object of the present disclosure is to determine an elevator boarding plan by an autonomous mobile robot so that a person using the elevator does not feel uncomfortable or injured.
본 개시의 실시 예들에 따른 자율주행 이동로봇은 신호를 주고받도록 구성되는 통신 회로, 주변 환경을 감지하도록 구성되는 정보 수집 장치, 상기 자율주행 이동로봇의 움직임을 구현하도록 구성되는 구동 장치 및 상기 자율주행 이동로봇을 제어하도록 구성되는 프로세서를 포함하며, 상기 프로세서는 엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하고, 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함하는 상기 엘리베이터로의 탑승 계획을 결정하고, 상기 결정된 탑승 계획에 기초하여 탑승 동작을 수행하도록 제어할 수 있다. An autonomous driving mobile robot according to embodiments of the present disclosure includes a communication circuit configured to send and receive signals, an information collection device configured to sense a surrounding environment, a driving device configured to implement movement of the autonomous driving mobile robot, and the autonomous driving a processor configured to control the mobile robot, wherein the processor obtains first information related to the situation inside the elevator and second information related to the situation outside the elevator in response to detecting the entry into the elevator platform, Determine a boarding plan for the elevator including at least one of a waiting position in the platform, a boarding position in the elevator, or a movement path from the waiting position to the boarding location based on the first information and the second information, , it is possible to control the boarding operation to be performed based on the determined boarding plan.
본 개시의 실시 예들에 따른 자율주행 이동로봇의 동작 방법은, 엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하는 동작, 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함하는 상기 엘리베이터로의 탑승 계획을 결정하는 동작 및 상기 결정된 탑승 계획에 기초하여 상기 엘리베이터에 탑승하는 동작을 포함할 수 있다.The operating method of the autonomous driving mobile robot according to embodiments of the present disclosure includes obtaining first information related to the internal situation of the elevator and second information related to the external situation of the elevator in response to detecting an entry into the elevator platform. a boarding plan in the elevator comprising at least one of an operation, a waiting position in the platform, a boarding position in the elevator, or a movement path from the waiting position to the boarding position based on the operation, the first information and the second information It may include the operation of determining and boarding the elevator based on the determined boarding plan.
본 개시의 실시 예들에 따른 자율주행 이동로봇은 엘리베이터 승강장의 대기 상황과 엘리베이터 내부의 탑승 상황에 기초하여, 자율주행 이동로봇의 대기 위치, 이동 경로 및 탑승 위치를 결정함으로써 자율주행 이동로봇에 의해 사람이 불편함을 느끼거나 다치는 문제점을 해소할 수 있다.The autonomous driving mobile robot according to the embodiments of the present disclosure determines the standby position, movement path, and boarding position of the autonomous driving mobile robot based on the waiting situation at the elevator platform and the boarding situation inside the elevator, so that a person can be operated by the autonomous driving mobile robot. You can solve the problem of feeling uncomfortable or hurting.
도 1은 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 AI 서버를 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 개시의 실시 예들에 따른 자율주행 이동로봇을 개념적으로 나타낸다.
도 5는 본 개시의 실시 예들에 따른 자율주행 이동로봇의 동작 방법을 나타내는 플로우 차트이다.
도 6은 본 개시의 실시 예들에 따른 자율주행 이동로봇의 탑승 계획 결정 방법을 나타내는 플로우 차트이다.
도 7은 본 개시의 실시 예들에 따른 자율주행 이동로봇의 탑승 위치 결정 방법을 나타내는 플로우 차트이다.
도 8은 본 개시의 실시 예에 따른 탑승 위치 결정 동작을 설명하기 위한 도면이다.
도 9는 본 개시의 다른 실시 예에 따른 탑승 위치 결정 동작을 설명하기 위한 도면이다.
도 10은 본 개시의 실시 예들에 따른 자율주행 이동로봇의 엘리베이터 내부의 여유 공간을 확인하는 방법을 나타내는 플로우 차트이다.
도 11은 본 개시의 실시 예에 따른 엘리베이터 탑승이 불가능한 자율주행 이동로봇의 동작을 설명하기 위한 도면이다.
도 12는 본 개시의 실시 예들에 따른 자율주행 이동로봇의 탑승 대기 위치를 결정하는 방법을 나타내는 플로우 차트이다.
도 13은 본 개시의 실시 예에 따른 탑승 대기 위치 결정 동작을 설명하기 위한 도면이다.
도 14는 본 개시의 다른 실시 예에 따른 탑승 대기 위치 결정 동작을 설명하기 위한 도면이다.
도 15는 본 개시의 또 다른 실시 예에 따른 탑승 대기 위치 결정 동작을 설명하기 위한 도면이다.
도 16은 본 개시의 실시 예들에 따른 자율주행 이동로봇의 엘리베이터 탑승 방법을 나타내는 플로우 차트이다.
도 17은 본 개시의 실시 예들에 따른 자율주행 이동로봇의 엘리베이터 하차 방법을 나타내는 플로우 차트이다.
도 18은 본 개시의 실시 예에 따른 자율주행 이동로봇의 하차 동작을 설명하기 위한 도면이다.
도 19는 본 개시의 다른 실시 예에 따른 자율주행 이동로봇의 하차 동작을 설명하기 위한 도면이다.1 shows an AI device according to an embodiment of the present disclosure.
2 illustrates an AI server according to an embodiment of the present disclosure.
3 shows an AI system according to an embodiment of the present disclosure.
4 conceptually illustrates an autonomous driving mobile robot according to embodiments of the present disclosure.
5 is a flowchart illustrating an operation method of an autonomous driving mobile robot according to embodiments of the present disclosure.
6 is a flowchart illustrating a method of determining a boarding plan of an autonomous driving mobile robot according to embodiments of the present disclosure.
7 is a flowchart illustrating a method for determining a boarding position of an autonomous driving mobile robot according to embodiments of the present disclosure.
8 is a view for explaining an operation of determining a boarding position according to an embodiment of the present disclosure.
9 is a view for explaining an operation of determining a boarding position according to another embodiment of the present disclosure.
10 is a flowchart illustrating a method of checking a free space inside an elevator of an autonomous driving mobile robot according to embodiments of the present disclosure.
11 is a view for explaining the operation of the autonomous driving mobile robot that cannot ride an elevator according to an embodiment of the present disclosure.
12 is a flowchart illustrating a method of determining a boarding standby position of an autonomous driving mobile robot according to embodiments of the present disclosure.
13 is a view for explaining an operation of determining a boarding standby position according to an embodiment of the present disclosure.
14 is a view for explaining an operation of determining a boarding standby position according to another embodiment of the present disclosure.
15 is a view for explaining an operation of determining a boarding standby position according to another embodiment of the present disclosure.
16 is a flowchart illustrating an elevator boarding method of an autonomous mobile robot according to embodiments of the present disclosure.
17 is a flowchart illustrating a method of getting off an elevator of an autonomous mobile robot according to embodiments of the present disclosure.
18 is a view for explaining a disembarkation operation of the autonomous driving mobile robot according to an embodiment of the present disclosure.
19 is a view for explaining a disembarkation operation of an autonomous driving mobile robot according to another embodiment of the present disclosure.
이하, 첨부된 도면들을 참조하여 본 개시의 실시 예들을 설명한다.Hereinafter, embodiments of the present disclosure will be described with reference to the accompanying drawings.
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.Artificial intelligence refers to a field that studies artificial intelligence or methodologies that can make it, and machine learning refers to a field that defines various problems dealt with in the field of artificial intelligence and studies methodologies to solve them. do. Machine learning is also defined as an algorithm that improves the performance of a certain task through constant experience.
인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로서, 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, 출력 값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.An artificial neural network (ANN) is a model used in machine learning, and may refer to an overall model having problem-solving ability, which is composed of artificial neurons (nodes) that form a network by combining synapses. An artificial neural network may be defined by a connection pattern between neurons of different layers, a learning process that updates model parameters, and an activation function that generates an output value.
인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)을 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함수값을 출력할 수 있다. The artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer includes one or more neurons, and the artificial neural network may include neurons and synapses connecting neurons. In the artificial neural network, each neuron may output a function value of an activation function with respect to input signals inputted through a synapse, a weight, and a bias.
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.Model parameters refer to parameters determined through learning, and include the weight of synaptic connections and the bias of neurons. In addition, the hyperparameter refers to a parameter that must be set before learning in a machine learning algorithm, and includes a learning rate, the number of iterations, a mini-batch size, an initialization function, and the like.
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.The purpose of learning the artificial neural network can be seen as determining the model parameters that minimize the loss function. The loss function may be used as an index for determining optimal model parameters in the learning process of the artificial neural network.
머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning according to a learning method.
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.Supervised learning refers to a method of training an artificial neural network in a state where a label for training data is given, and the label is the correct answer (or result value) that the artificial neural network should infer when the training data is input to the artificial neural network. can mean Unsupervised learning may refer to a method of training an artificial neural network in a state where no labels are given for training data. Reinforcement learning can refer to a learning method in which an agent defined in an environment learns to select an action or sequence of actions that maximizes the cumulative reward in each state.
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.Among artificial neural networks, machine learning implemented as a deep neural network (DNN) including a plurality of hidden layers is also called deep learning (deep learning), and deep learning is a part of machine learning. Hereinafter, machine learning is used in a sense including deep learning.
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.A robot can mean a machine that automatically handles or operates a task given by its own capabilities. In particular, a robot having a function of recognizing an environment and performing an operation by self-judgment may be referred to as an intelligent robot.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.Robots can be classified into industrial, medical, home, military, etc. depending on the purpose or field of use.
로봇은 액추에이터 또는 구동 장치를 포함하는 조작기(manipulator)를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 휠, 브레이크, 프로펠러 등을 포함하여 지상에서 주행하거나 공중에서 비행할 수 있다.The robot may be provided with a manipulator including an actuator or a driving device to perform various physical operations such as moving a robot joint. In addition, a mobile robot can travel on the ground or fly in the air, including wheels, brakes, propellers, and the like.
자율주행은 스스로 주행하는 기술을 의미하며, 자율주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.Autonomous driving refers to a technology that drives itself, and an autonomous driving vehicle refers to a vehicle that travels without or with minimal manipulation of a user.
예컨대, 자율주행에는 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.For example, autonomous driving includes technology for maintaining a driving lane, technology for automatically adjusting speed such as adaptive cruise control, technology for automatically driving along a predetermined route, technology for automatically setting a route when a destination is set, etc. All of these can be included.
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.The vehicle includes a vehicle having only an internal combustion engine, a hybrid vehicle having both an internal combustion engine and an electric motor, and an electric vehicle having only an electric motor, and may include not only automobiles, but also trains, motorcycles, and the like.
이때, 자율주행 차량은 자율주행 기능을 가진 로봇으로 볼 수 있다.In this case, the autonomous vehicle can be viewed as a robot having an autonomous driving function.
확장 현실은 가상현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.The extended reality is a generic term for virtual reality (VR), augmented reality (AR), and mixed reality (MR). VR technology provides only CG images of objects or backgrounds in the real world, AR technology provides virtual CG images on top of images of real objects, and MR technology is a computer that mixes and combines virtual objects in the real world. graphic technology.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.MR technology is similar to AR technology in that it shows both real and virtual objects. However, there is a difference in that in AR technology, a virtual object is used in a form that complements a real object, whereas in MR technology, a virtual object and a real object are used with equal characteristics.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.XR technology can be applied to HMD (Head-Mount Display), HUD (Head-Up Display), mobile phone, tablet PC, laptop, desktop, TV, digital signage, etc. can be called
도 1은 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다. 1 shows an
AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, 단말기(100)는 통신 회로(110), 입력 장치(120), 러닝 프로세서(130), 센서(140), 출력 장치(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.Referring to FIG. 1 , the terminal 100 includes a
통신 회로(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신 회로(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.The
이때, 통신 회로(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.At this time, the communication technology used by the
입력 장치(120)는 다양한 종류의 데이터를 획득할 수 있다.The
이때, 입력 장치(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.In this case, the
입력 장치(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력 장치(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.The
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.The learning
이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)와 함께 AI 프로세싱을 수행할 수 있다.At this time, the learning
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.In this case, the learning
센서(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.The
이때, 센서(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.At this time, sensors included in the
출력 장치(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. The
이때, 출력 장치(150)에는 정보를 시각적으로 출력하는 디스플레이, 정보를 청각적으로 출력하는 스피커, 정보를 촉각적으로 출력하는 햅틱 액추에이터(actuator) 등이 포함될 수 있다. 예컨대, 디스플레이는 이미지 또는 동영상을 출력할 수 있고, 스피커는 음성 또는 음향을 출력할 수 있고, 햅틱 액추에이터는 진동을 발생할 수 있다.In this case, the
메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력 장치(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.The
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.The
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.To this end, the
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.In this case, when the connection of the external device is required to perform the determined operation, the
프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.The
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. In this case, the
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.At this time, at least one of the STT engine and the NLP engine may be configured as an artificial neural network, at least a part of which is learned according to a machine learning algorithm. And, at least one or more of the STT engine or the NLP engine is learned by the learning
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.The
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.The
도 2는 본 개시의 일 실시 예에 따른 AI 서버(200)를 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.2 shows an
AI 서버(200)는 통신 회로(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.The
통신 회로(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.The
메모리(230)는 러닝 프로세서(240)를 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231)을 저장할 수 있다.The
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.The learning
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.The learning model may be implemented in hardware, software, or a combination of hardware and software. When a part or all of the learning model is implemented in software, one or more instructions constituting the learning model may be stored in the
프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.The
도 3은 본 개시의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.3 shows an
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율주행 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), 자율주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.Referring to FIG. 3 , the
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.The cloud network 10 may constitute a part of the cloud computing infrastructure or may refer to a network existing in the cloud computing infrastructure. Here, the cloud network 10 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.
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.That is, each of the
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.The
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율주행 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.The
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. In this case, the
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.At this time, the
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.Alternatively, the
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.Hereinafter, various embodiments of the
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.The
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.The
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.The
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.Here, the
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. The
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.At this time, the
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. The
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.The map data may include object identification information for various objects disposed in a space in which the
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.In addition, the
자율주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The
자율주행 차량(100b)은 자율주행 기능을 제어하기 위한 자율주행 제어 모듈을 포함할 수 있고, 자율주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율주행 제어 모듈은 자율주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.The
자율주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다. The
여기서, 자율주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.Here, the
특히, 자율주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.In particular, the
자율주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The
이때, 자율주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.In this case, the
자율주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율주행 차량(100b)을 주행시킬 수 있다.The
맵 데이터에는 자율주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.The map data may include object identification information for various objects disposed in a space (eg, a road) in which the
또한, 자율주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.In addition, the
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.The
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.The
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.In this case, the
로봇(100a)은 AI 기술 및 자율주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.The
AI 기술과 자율주행 기술이 적용된 로봇(100a)은 자율주행 기능을 가진 로봇 자체나, 자율주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다. The
자율주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.The
자율주행 기능을 가진 로봇(100a) 및 자율주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율주행 기능을 가진 로봇(100a) 및 자율주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.The
자율주행 차량(100b)과 상호작용하는 로봇(100a)은 자율주행 차량(100b)과 별개로 존재하면서, 자율주행 차량(100b)의 내부 또는 외부에서 자율주행 기능에 연계되거나, 자율주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.The
이때, 자율주행 차량(100b)과 상호작용하는 로봇(100a)은 자율주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율주행 차량(100b)에 제공함으로써, 자율주행 차량(100b)의 자율주행 기능을 제어하거나 보조할 수 있다.At this time, the
또는, 자율주행 차량(100b)과 상호작용하는 로봇(100a)은 자율주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율주행 차량(100b)의 자율주행 기능을 활성화하거나 자율주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율주행 차량(100b)의 기능에는 단순히 자율주행 기능뿐만 아니라, 자율주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.Alternatively, the
또는, 자율주행 차량(100b)과 상호작용하는 로봇(100a)은 자율주행 차량(100b)의 외부에서 자율주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.Alternatively, the
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다. The
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다. When the
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.For example, the user can check the XR image corresponding to the viewpoint of the remotely interlocked
자율주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The
XR 기술이 적용된 자율주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The
XR 영상을 제공하는 수단을 구비한 자율주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.The
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.In this case, when the XR object is output to the HUD, at least a portion of the XR object may be output to overlap the actual object to which the passenger's gaze is directed. On the other hand, when the XR object is output to a display provided inside the
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.When the
도 4는 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)을 개념적으로 나타낸다. 도 4에 도시된 자율주행 이동로봇(400)은, 도 1을 통해 전술한 AI 장치(100)과 유사하거나 동일한 구성을 포함할 수 있다. 예를 들어, 도 4를 참조하면, 자율주행 이동로봇(400)은 통신 회로(410), 정보 수집 장치(420), 메모리(430), 구동 장치(440) 및 프로세서(450)를 포함할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예컨대, 전술한 자율주행 이동로봇의 구성요소 중 적어도 하나가 생략되거나 또는 하나 이상의 다른 구성 요소(예: 마이크, 스피커, 표시 장치 등)가 추가될 수도 있다.4 conceptually illustrates an autonomous driving
본 개시의 다양한 실시 예에 따른 자율주행 이동로봇(400)은, 엘리베이터를 이용하는 사람이 불편함을 느끼거나 다치지 않도록 엘리베이터 탑승 계획을 결정할 수 있다. 탑승 계획은 엘리베이터의 도어가 개방될 때까지 승강장 내에서 자율주행 이동로봇(400)이 위치해야 하는 탑승 대기 위치, 엘리베이터가 동작(또는 이동)하는 동안 엘리베이터 내부(예: 승강 카 내부)에서 자율주행 이동로봇(400)이 위치해야 하는 탑승 위치, 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은, 이하의 도면을 통해 후술하는 바와 같이, 엘리베이터 승강장의 대기 상황과 엘리베이터 내부의 탑승 상황에 기초하여 엘리베이터 탑승 계획을 결정할 수 있다.The autonomous driving
통신 회로(410)는 다른 로봇 또는 외부 장치(예: 서버)와 데이터를 송수신하도록 구성될 수 있다. 다양한 실시 예들에 따라, 통신 회로(410)는 무선 신호를 송신하고 수신하도록 구성되는 송수신기(transceiver)일 수 있으며, 이러한 통신 회로(410)는 도 1에 도시된 통신 회로(110)의 기능을 수행할 수 있다. 일 실시 예에 따르면, 다른 로봇 또는 외부 장치로부터 수신하는 데이터의 적어도 일부는, 엘리베이터 내부의 탑승 상황과 관련된 정보를 포함할 수 있다. 예를 들어, 통신 회로(410)는 셀룰러 통신 회로, 근거리 무선 통신 회로, 또는 GNSS(global navigation satellite system) 통신 회로 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.The
정보 수집 장치(420)는 자율주행 이동로봇(400)의 주변 환경을 감지하고, 감지된 주변 환경에 대한 정보(예: 엘리베이터 승강장의 대기 상황과 관련된 정보)를 생성할 수 있다. 다양한 실시 예에 따르면, 정보 수집 장치(420)는 사용자(USER)를 감지하고, 감지 결과에 따라 사용자(USER)를 식별하기 위한 정보(예컨대, 이미지 데이터)를 생성할 수 있다. 일 실시 예들에 따르면, 정보 수집 장치(420)는 카메라, 라이다(LIDAR), 레이더(RADAR), 초음파 센서, 근접 센서 또는 광센서 등과 같은 적어도 하나의 센서를 포함할 수 있으나, 이에 한정되는 것은 아니다.The
메모리(430)는 자율주행 이동로봇(400)의 적어도 하나의 구성요소(예: 통신 회로(410), 정보 수집 장치(420), 구동 장치(440) 또는 프로세서(450))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 다양한 실시 예들에 따라, 메모리(430)는 비휘발성 메모리 장치 및 휘발성 메모리 장치 중 적어도 하나를 포함할 수 있다.The
구동 장치(440)는 자율주행 이동로봇(400)을 이동시키기 위한 구동력을 생성할 수 있다. 다양한 실시 예에 따르면, 구동 장치(440)는 모터, 액추에이터 또는 조향 장치일 수 있으나, 이에 한정되는 것은 아니다. 일 실시 예에 따르면, 구동 장치(440)는 자율주행 이동로봇(400)의 보행 또는 주행을 위한 구동력을 생성할 수 있다. 예를 들어, 자율주행 이동로봇(400)은 휠, 벨트 또는 레그 등 주행 장치 또는 보행 장치를 포함하고, 구동 장치(440)에 의해 생성된 구동력을 주행 장치 또는 보행 장치에 전달함으로써 이동할 수 있다.The
프로세서(450)는 자율주행 이동로봇(400)의 전반적인 동작을 제어하도록 구성될 수 있다. 일 실시 예에 따르면, 프로세서(450)는, 메모리(430)에 저장된 소프트웨어(예: 프로그램)를 실행하여, 프로세서(450)에 연결된 자율주행 이동로봇(400)의 구성 요소(예: 통신 회로(410), 정보 수집 장치(420), 메모리(430) 또는 구동 장치(440)) 중 적어도 하나의 구성 요소를 제어할 수 있다. 예를 들어, 프로세서(450)는 연산 처리 기능을 가지는 프로세서를 포함할 수 있다. 예컨대, 프로세서(450)는 CPU(central processing unit), MCU(micro computer unit) 또는 GPU(graphics processing unit) 등의 연산처리장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. The
다양한 한 실시 예에 따르면, 프로세서(450)는, 후술하는 바와 같이, 자율주행 이동로봇(400)의 엘리베이터 탑승 계획을 결정하기 위한 동작을 수행할 수 있다. According to various embodiments, the
프로세서(450)는 자율주행 이동로봇(400)이 엘리베이터 승강장으로의 진입하는 것을 감지할 수 있다. 일 실시 예에 따르면, 프로세서(450)는 실내 위치 추적 기법에 기초하여 자율주행 이동로봇(400)의 위치를 추적할 수 있으며, 이를 미리 저장된 데이터(예: 맵 데이터)와 비교함으로써, 건물 내에 설치된 엘리베이터의 승강장으로의 진입 여부를 판단할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예를 들어, 프로세서(450)는 실외 위치 추적 기법에 기초하여 실외에서 이동하는 자율주행 이동로봇(400)의 위치를 추적하고, 이를 미리 저장된 데이터와 비교함으로써 건물 외부에 설치된 엘리베이터의 승강장으로의 진입 여부도 판단할 수 있다. 다른 실시 예에 따르면, 프로세서(450)는 자율주행 이동로봇(400)의 주변 환경을 촬영한 영상을 획득함으로써 엘리베이터의 승강장으로의 진입 여부를 판단할 수도 있다. 예를 들어, 프로세서(450)는 촬영된 영상을 처리하여 미리 정의된 특징(예: 엘리베이터 도어, 엘리베이터 호출 버튼 등)을 추출하는 경우 자율주행 이동로봇(400)이 승강장으로 진입하였다고 판단할 수도 있다. The
엘리베이터 승강장으로의 진입을 판단하는 것에 응답하여, 프로세서(450)는 엘리베이터 내부와 관련된 제 1 상황 및 엘리베이터 외부와 관련된 제 2 상황을 확인할 수 있다. 제 1 상황은 엘리베이터 내부(예: 승강 카)에 탑승한 인원의 수가 지정된 인원을 초과하였는지 여부, 엘리베이터의 적재 중량이 지정된 중량을 초과하였는지 여부, 엘리베이터 내부에 여유 공간이 존재하는지 여부, 엘리베이터 내부에 보행 취약자가 탑승하였는지 여부, 엘리베이터 내부에 보조 이동 수단(예: 휠체어, 환자 이송 침대, 자전거, 유모차, 쇼핑 카트 등)이 존재하는지 여부, 또는 엘리베이터를 이용하고 있는 사람(예: 탑승자)의 목적지(예: 하차 층) 정보 중 적어도 하나와 관련될 수 있다. 또한, 제 2 상황은 엘리베이터 외부(예: 엘리베이터 승강장)의 대기 인원 존재 여부, 대기 인원의 수, 미리 정의된 대기 패턴(예: 줄을 서서 대기하는 패턴)이 형성되었는지 여부, 또는 보행 취약자 또는 보조 이동 수단이 대기 인원에 포함되었는지 여부 중 적어도 하나와 관련될 수 있다.In response to determining the entry into the elevator platform, the
일 실시 예에 따르면, 프로세서(450)는 엘리베이터 내부에 배치된 적어도 하나의 외부 장치로부터 수신하는 정보에 기초하여 제 1 상황을 확인할 수 있다. 예를 들어, 엘리베이터 내부에는 적재 중량을 측정하도록 구성된 적어도 하나의 중량 측정 센서, 엘리베이터 내부의 영상을 촬영하도록 구성된 적어도 하나의 카메라 등이 설치될 수 있다. 이러한 경우, 프로세서(450)는 적어도 하나의 중량 측정 센서 및 적어도 하나의 카메라를 통해 수집되는 정보를 획득하고 이를 분석하여 제 1 상황을 획득할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 다른 예로, 제 1 상황은 적어도 하나의 센서 및 적어도 하나의 카메라를 통해 수집되는 정보에 기초하여 외부 장치에 의해 결정될 수 있으며, 이러한 경우, 프로세서(450)는 외부 장치로부터 제 1 상황과 관련된 정보를 획득할 수도 있다.According to an embodiment, the
또한, 프로세서(450)는 자율주행 이동로봇(400)의 구성 요소 중 적어도 하나(예: 정보 수집 장치(420))를 통해 수집되는 정보에 기초하여 제 2 상황을 획득할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예컨대, 엘리베이터 외부에는 엘리베이터 외부에 존재하는 객체를 검출하도록 구성된 적어도 하나의 센서, 엘리베이터 외부의 영상을 촬영하도록 구성된 적어도 하나의 카메라 등이 설치될 수 있으며, 이러한 경우, 프로세서(450)는 적어도 하나의 센서 및 적어도 하나의 카메라를 통해 수집되는 정보를 획득하고 이를 분석함으로써 제 2 상황을 획득할 수 있다. Also, the
제 1 상황 및 제 2 상황의 획득에 응답하여, 프로세서(450)는 자율주행 이동로봇(400)의 엘리베이터 탑승 계획을 결정할 수 있다.In response to acquiring the first situation and the second situation, the
일 실시 예에 따르면, 프로세서(450)는 제 1 상황 및 제 2 상황의 적어도 일부에 기초하여, 탑승 대기 위치를 탑승 계획의 적어도 일부로 결정할 수 있다. 탑승 대기 위치는, 전술한 바와 같이, 엘리베이터의 도어가 개방될 때까지 자율주행 이동로봇(400)이 위치해야 할 승강장 내의 위치일 수 있다. 예를 들어, 프로세서(450)는 자율주행 이동로봇(400)이 위치한 층을 하차 목적지로 하는 사람이 엘리베이터에 탑승 중인 상황 또는 자율주행 이동로봇(400)이 위치한 층에서 엘리베이터에 탑승하고자 하는 사람이 대기하는 상황에 기초하여, 하차 또는 탑승하는 사람에게 방해되지 않도록 대기 위치를 결정할 수 있다. 예컨대, 프로세서(450)는 엘리베이터의 탑승 동선 또는 하차 동선을 벗어난 승강장의 일부 영역을 대기 위치로 결정할 수 있다. 이때, 프로세서(450)는 엘리베이터 호출을 위한 버튼이 설치된 위치로부터 일정 거리 벗어나고 탑승 동선 또는 하차 동선을 벗어난 승강장의 일부 영역을 대기 위치로 결정할 수 있다. 다른 예로, 프로세서(450)는 자율주행 이동로봇(400)이 위치한 층을 하차 목적지로 하는 사람이 엘리베이터에 탑승하지 않은 상황 또는 자율주행 이동로봇(400)이 위치한 층에서 엘리베이터로 탑승하고자 하는 사람이 대기하는 상황에 기초하여, 탑승하는 사람에게 방해되지 않도록 대기 위치를 결정할 수 있다. 예컨대, 프로세서(450)는 엘리베이터의 탑승 동선을 벗어난 승강장의 일부 영역을 대기 위치로 결정할 수 있다. 또 다른 예로, 프로세서(450)는 자율주행 이동로봇(400)이 위치한 층을 하차 목적지로 하는 사람이 엘리베이터에 탑승하지 않은 상황 및 자율주행 이동로봇(400)이 위치한 층에서 엘리베이터로 탑승하고자 하는 사람이 대기하지 않는 상황에 기초하여, 탑승 대기 시간이 지연되지 않도록 대기 위치를 결정할 수 있다. 예컨대, 프로세서(450)는 엘리베이터의 도어와 인접하거나 도어 방향을 향하는 승강장의 일정 영역을 대기 위치로 결정할 수 있다. 또 다른 예로, 프로세서(450)는 엘리베이터로 탑승하고자 하는 사람들이 줄을 서서 대기하는 상황에 기초하여, 대기열(waiting lines)을 따르는 대기 위치를 결정할 수도 있다.According to an embodiment, the
일 실시 예에 따르면, 프로세서(450)는 제 1 상황의 적어도 일부에 기초하여, 탑승 위치를 탑승 계획의 적어도 일부로 결정할 수 있다. 탑승 위치는, 전술한 바와 같이, 엘리베이터가 동작(또는 이동)하는 동안 자율주행 이동로봇(400)이 위치해야 할 엘리베이터 내부의 위치일 수 있다. 예를 들어, 프로세서(450)는 엘리베이터 내부를 촬영한 영상을 분석하여 탑승자의 분포 상태를 확인할 수 있으며, 상대적으로 탑승자가 위치하지 않는 엘리베이터 내부의 여유 공간을 탑승 위치로 결정할 수 있다. 또한, 프로세서(450)는 엘리베이터 내부의 여유 공간이 지정된 크기 조건을 만족하는 경우, 여유 공간 중 목적지 선택을 위한 버튼이 설치된 위치로부터 일정 거리 벗어난 일부 영역을 탑승 위치로 결정하여, 탑승자의 목적지 설정에 방해되지 않도록 할 수 있다. 추가적으로, 프로세서(450)는, 자율주행 이동로봇(400)이 탑승할 수 있는 정도의 여유 공간이 확보되지 않거나 엘리베이터의 적재 중량이 지정된 중량을 초과하는 경우, 엘리베이터로의 탑승이 불가하다고 판단할 수 있다. 이러한 경우, 프로세서(450)는 엘리베이터를 재호출하거나 다른 엘리베이터를 이용하는 탑승 계획을 결정하는 동작을 수행할 수도 있다. According to an embodiment, the
일 실시 예에 따르면, 프로세서(450)는 결정된 대기 위치 및 결정된 탑승 위치에 기초하여, 엘리베이터 내부로의 이동 경로를 결정할 수도 있다. 이러한 이동 경로는 대기 위치로부터 탑승 위치로의 이동 경로일 수 있으며, 프로세서(450)는 탑승 시간 단축, 탑승자에 대한 안전 등을 고려하여 결정할 수 있다. According to an embodiment, the
엘리베이터의 탑승 계획 결정에 응답하여, 프로세서(450)는 탑승 계획에 기초하여, 엘리베이터 탑승 동작을 수행할 수 있다. 일 실시 예에 따르면, 프로세서(450)는 제 1 상황 및 제 2 상황에 기초하여, 탑승 동작을 수행할 수 있다. 예를 들어, 프로세서(450)는 보행 취약자 또는 보조 이동 수단이 엘리베이터 내부에 탑승 중인 경우, 엘리베이터를 이용하는 사람이 불편함을 느끼지 않도록 탑승 불가로 판단할 수도 있다. 이러한 경우, 프로세서(450)는 엘리베이터를 재호출하거나 다른 엘리베이터를 이용하는 탑승 계획을 결정할 수도 있다. 이로 인하여, 엘리베이터에 탑승한 사람에 대한 안전성을 높이고 사람들이 느낄 수 있는 불편함을 해소할 수 있다. 다른 예로, 프로세서(450)는 보행 취약자 또는 보조 이동 수단이 승강장에서 대기 중인 경우, 엘리베이터를 이용하는 사람이 불편함을 느끼지 않도록 탑승 불가로 판단하거나 또는 자율주행 이동로봇(400)이 보행 취약자 보다 후순위로 탑승하도록 할 수 있다.In response to determining the boarding plan of the elevator, the
본 개시의 다양한 실시 예에 따른 자율주행 이동로봇(400)은 신호를 주고받도록 구성되는 통신 회로(410), 주변 환경을 감지하도록 구성되는 정보 수집 장치(420), 상기 자율주행 이동로봇의 움직임을 구현하도록 구성되는 구동 장치(440) 및 상기 자율주행 이동로봇을 제어하도록 구성되는 프로세서(450)를 포함할 수 있다. 일 실시 예에 따르면, 상기 프로세서(450)는, 엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하고, 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 엘리베이터로의 탑승 계획을 결정하고, 상기 결정된 탑승 계획에 기초하여 탑승 동작을 수행하도록 제어할 수 있다. 예를 들어, 상기 탑승 계획은 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함할 수 있다.The autonomous driving
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 통신 회로(410)를 통해 적어도 하나의 외부 장치로부터 상기 제 1 정보를 획득하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 정보 수집 장치(420)를 통해 상기 제 2 정보를 획득하도록 제어할 수 있다. 일 실시 예에 따르면, 상기 정보 수집 장치(420)는 적어도 하나의 센서를 포함할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 여유 공간을 확인하고, 상기 확인된 여유 공간에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 제 1 정보에 기초하여 상기 엘리베이터 내부의 조작 버튼을 확인하고, 상기 확인된 조작 버튼의 위치에 기초하여 상기 엘리베이터 내의 탑승 위치를 결정하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 제 2 정보에 기초하여, 상기 승강장 내부의 대기열(waiting lines)을 확인하고, 상기 확인된 대기열에 기초하여, 상기 승강장 내의 대기 위치를 결정하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터에 대한 탑승 또는 하차 동선을 확인하고, 상기 확인된 동선에 기초하여, 상기 승강장 내의 대기 위치를 결정하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 제 2 정보에 기초하여 상기 엘리베이터 외부의 조작 버튼을 확인하고, 상기 확인된 조작 버튼의 위치에 기초하여 상기 승강장 내의 대기 위치를 결정하도록 제어할 수 있다.According to various embodiments, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 엘리베이터로의 탑승이 불가하다고 판단하는 경우, 다른 엘리베이터를 검색하여 탑승 계획을 결정하도록 제어할 수 있다.According to various embodiments, when it is determined that boarding in the elevator is impossible, the
다양한 실시 예에 따르면, 상기 프로세서(450)는 상기 엘리베이터로의 탑승 동작을 수행한 후 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 엘리베이터 내부 상황을 모니터링하고, 상기 모니터링 결과에 기초하여, 상기 엘리베이터에서 하차하기 위한 하차 계획을 결정하도록 제어할 수 있다. 일 실시 예에 따르면, 상기 하차 계획은 상기 자율주행 이동로봇(400)의 전진 하차 또는 후진 하차 중 하나를 포함할 수 있다.According to various embodiments, the
도 5는 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 동작 방법을 나타내는 플로우 차트(500)이다. 이하 실시 예에서 각 동작들은 순차적으로 수행될 수도 있으나, 반드시 순차적으로 수행되는 것은 아니다. 또한, 이하의 동작들은 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.5 is a
도 4 및 도 5를 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S510 동작에서 엘리베이터 승강장으로의 진입하는 것을 감지할 수 있다. 일 실시 예에 따르면, 도 4를 통해 전술한 바와 같이, 자율주행 이동로봇(400)은 위치 추적 기법 및 영상 분석 기법을 이용하여 승강장으로의 진입을 감지할 수 있다. 예를 들어, 승강장 주변에는 지속적으로 또는 주기적으로 무선 신호를 송신하는 송신 장치가 설치될 수 있으며, 자율주행 이동로봇(400)은 송신 장치에 의해 송신되는 무선 신호를 검출함으로써 엘리베이터 승강장으로의 진입 여부를 판단할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니며, 자율주행 이동로봇(400)은 승강장으로의 진입을 감지하기 위하여 공지된 다양한 기술을 이용할 수도 있다. 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은 승강장으로의 진입을 감지하는 것에 응답하여, 엘리베이터를 호출할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 승강장에 설치된 엘리베이터 호출 버튼을 인식하여 누름으로써 엘리베이터를 호출할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니며, 자율주행 이동로봇(400)은 엘리베이터로 호출 신호를 무선으로 전송함으로써 엘리베이터를 호출하는 방법 등과 같은 다양한 기술을 이용할 수도 있다. 4 and 5 , according to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S520 동작에서 엘리베이터 내부와 관련된 제 1 정보 및 엘리베이터 외부와 관련된 제 2 정보를 획득할 수 있다. 제 1 정보는 엘리베이터 내부(예: 승강 카)에 탑승한 인원의 수가 지정된 인원을 초과하였는지 여부, 엘리베이터의 적재 중량이 지정된 중량을 초과하였는지 여부, 엘리베이터 내부에 여유 공간이 존재하는지 여부, 엘리베이터 내부에 보행 취약자가 탑승하였는지 여부, 엘리베이터 내부에 보조 이동 수단이 존재하는지 여부, 또는 엘리베이터를 이용하고 있는 사람(예: 탑승자)의 목적지(예: 하차 층) 정보 중 적어도 하나를 판단하기 위한 정보일 수 있다. 또한, 제 2 정보는 엘리베이터 외부(예: 엘리베이터 승강장)의 대기 인원 존재 여부, 대기 인원의 수, 미리 정의된 대기 패턴(예: 줄을 서서 대기하는 패턴)이 형성되었는지 여부, 또는 보행 취약자 또는 보조 이동 수단이 대기 인원에 포함되었는지 여부 중 적어도 하나를 판단하기 위한 정보일 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은, 엘리베이터 내부에 설치된 적어도 하나의 외부 장치를 통해 제 1 정보를 획득할 수 있다. 또한, 자율주행 이동로봇(400)은 자율주행 이동로봇(400)에 설치된 적어도 하나의 정보 수집 장치(420)를 통해 제 2 정보를 획득할 수 있다.According to various embodiments, the autonomous
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S530 동작에서 제 1 정보 및 제 2 정보의 적어도 일부에 기초하여 엘리베이터 탑승 계획을 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터 내부의 상황 및 엘리베이터 외부의 상황을 고려하여, 승강장 내의 탑승 대기 위치, 엘리베이터 내의 탑승 위치, 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 탑승 계획으로 결정할 수 있다.According to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S540 동작에서 탑승 계획에 기초하여, 엘리베이터 탑승 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터의 도어를 향해 전진하여 탑승하고 자율주행 이동로봇(400)의 후방이 도어를 향하도록 탑승 상태를 유지할 수 있다. 다른 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터 탑승 전에 방향 전환을 수행하여 엘리베이터의 도어를 향해 후진하여 탑승할 수도 있다. 이는 자율주행 이동로봇(400)이 엘리베이터 공간에서 방향 전환(또는 회전)을 수행함에 따라 탑승자와 접촉되는 문제점을 해결할 수 있다. 또한, 자율주행 이동로봇(400)은 탑승 동작을 완료한 후 엘리베이터 내부에 설치된 목적지 지정 버튼을 입력하여 목적지로 이동하거나, 목적지 지정 신호를 무선으로 전송함으로써 목적지로 이동할 수 있다. 추가적으로, 자율주행 이동로봇(400)은 엘리베이터 탑승 시, 탑승 계획을 사용자가 인지할 수 있도록 처리할 수도 있다. 예를 들어, 탑승 계획은, 자율주행 이동로봇(400)에 구비된 출력 장치(150)(예: 스피커, 디스플레이 등)을 통해 다양한 형태로 출력될 수 있다. 다른 예로, 자율주행 이동로봇(400)은 빛을 조사할 수 있는 장치(예: 홀로그램 장치, 프로젝터 장치 등)를 더 포함할 수 있다. 이러한 경우, 자율주행 이동로봇(400)은, 예를 들어, 승강장 바닥 및 엘리베이터 내부 바닥에 빛을 조사함으로써 탑승 대기 위치, 탑승 위치 또는 이동 경로 중 적어도 하나를 표시할 수도 있다. According to various embodiments, the autonomous driving
도 6은 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 탑승 계획 결정 방법을 나타내는 플로우 차트(600)이다. 이하 설명되는 도 6의 동작들은, 도 5의 S530 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.6 is a
도 4 및 도 6를 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S610 동작에서 제 1 정보에 기초하여, 엘리베이터 내부의 탑승자 분포를 확인할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 탑승자 분포에 기초하여, 엘리베이터 내부에 대한 여유 공간을 확인할 수 있다.4 and 6 , according to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S620 동작에서 탑승자 분포에 기초하여, 엘리베이터 내부의 탑승 위치를 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은, 도 7 내지 도 9를 통해 후술하는 바와 같이, 확인된 여유 공간 중 미리 지정된 크기를 가지는 공간을 탑승 위치로 결정할 수 있다. 예를 들어, 미리 지정된 크기는 엘리베이터 내부에 탑승한 사람과 자율주행 이동로봇(400)이 접촉되지 않을 정도의 크기일 수 있다. According to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S630 동작에서 제 2 정보에 기초하여, 탑승 대기자에 대한 대기 패턴을 확인할 수 있다. 일 실시 예에 따르면, 대기 패턴은 줄을 서서 탑승을 대기하는 규칙적 대기 패턴과 엘리베이터 승강장에 비규칙적으로 모여서 대기하는 비규칙적 대기 패턴을 포함할 수 있다. According to various embodiments of the present disclosure, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S640 동작에서 대기 패턴에 기초하여, 탑승 대기 위치를 결정할 수 있다. 일 실시 예에 따르면, 승강장에 대기 중인 대기자들이 규칙적 대기 패턴을 형성하는 경우, 자율주행 이동로봇(400)은, 도 12 및 도 13을 통해 후술하는 바와 같이, 형성된 대기열에 기초하여 탑승 대기 위치를 결정할 수 있다. 다른 실시 예에 따르면, 승강장에 대기 중인 대기자들이 비규칙적 대기 패턴을 형성하는 경우, 자율주행 이동로봇(400)은, 도 12, 도 14 및 도 15를 통해 후술하는 바와 같이, 엘리베이터의 탑승 동선, 하차 동선, 엘리베이터 외부에 설치된 엘리베이터 호출 버튼의 위치 중 적어도 하나에 기초하여 탑승 대기 위치를 결정할 수 있다. According to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S650 동작에서 탑승 대기 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 호출된 엘리베이터가 도착하기 전까지 탑승 대기 위치에서 대기 동작을 수행할 수 있다.According to various embodiments, the autonomous driving
도 7은 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 탑승 위치 결정 방법을 나타내는 플로우 차트(700)이다. 그리고, 도 8 및 도 9는 본 개시의 실시 예에 따른 탑승 위치 결정 동작을 설명하기 위한 도면(800), (900)이다. 이하 설명되는 도 7의 동작들은, 도 6의 S620 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.7 is a
도 4 및 도 7을 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S710 동작에서 엘리베이터 내부에 탑승자가 존재하는지 여부를 판단할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터 호출 시점부터 호출된 엘리베이터가 도착하기 전까지 탑승자의 존재 여부를 판단할 수 있다. 예를 들어, 탑승자의 존재 여부는, 전술한 바와 같이, 제 1 정보에 기초하여 판단될 수 있다. 4 and 7 , according to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 탑승자의 존재가 판단되는 경우, 자율주행 이동로봇(400)은, S720 동작 및 S730 동작을 통해서 엘리베이터 내부에 대한 자율주행 이동로봇(400)의 탑승 위치를 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S720 동작에서 엘리베이터 내부의 여유 공간을 확인할 수 있다. 엘리베이터 내부의 여유 공간은 자율주행 이동로봇(400)이 탑승할 수 있는 엘리베이터의 공간일 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 탑승 중인 사람에 의해 점유된 엘리베이터의 내부 공간(또는 점유되지 않은 엘리베이터의 내부 공간)의 크기를 엘리베이터 내부 공간의 총 크기와 비교함으로써 여유 공간을 확인할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예를 들어, 여유 공간은 엘리베이터에 탑승 중인 인원과 엘리베이터에 탑승할 수 있는 최대 인원의 수에 기초하여 결정되거나 엘리베이터의 적재 중량과 엘리베이터에 적재할 수 있는 최대 적재 중량에 기초하여 결정될 수도 있다. 또한, 자율주행 이동로봇(400)은 S730 동작에서 여유 공간에 기초하여 엘리베이터 내부의 제 1 위치를 탑승 위치로 결정할 수 있다. 일 실시 예에 따르면, 제 1 위치는 엘리베이터 내부의 여유 공간 중 적어도 일부 공간일 수 있다. 예를 들어, 자율주행 이동로봇(400)은, 도 8에 도시된 바와 같이, 엘리베이터 도어(830)를 기준으로 후방, 엘리베이터 내부(810)에 설치된 적어도 하나의 조작 버튼(820)이 배치된 좌측 방향 그리고 우측 방향으로 탑승자(840)가 분포된 상황을 감지하는 경우, 탑승자가 분포되지 않은 여유 공간(P1)을 제 1 위치로 결정할 수 있다(800).According to various embodiments, when it is determined that the occupant is present, the autonomous
다양한 실시 예에 따르면, 탑승자의 미존재가 판단되는 경우, 자율주행 이동로봇(400)은, S740 동작 및 S750 동작을 통해서 엘리베이터 내부에 대한 자율주행 이동로봇(400)의 탑승 위치를 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S740 동작에서 엘리베이터 내부에 설치된 적어도 하나의 조작 버튼 위치를 확인할 수 있다. 엘리베이터 내부에 설치된 조작 버튼은 목적지(예: 하차 층)를 지정하는 버튼, 엘리베이터 도어의 개폐를 지시하는 버튼 등을 포함할 수 있다. 예를 들어, 자율주행 이동로봇(400)은 엘리베이터 내부의 영상을 촬영하고 이를 분석하여 조작 버튼의 위치를 확인할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예컨대, 자율주행 이동로봇(400)은 엘리베이터 내부에 설치된 외부 장치로부터 수신하는 정보에 기초하여 조작 버튼의 위치를 확인할 수도 있다. 또한, 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S750 동작에서 조작 버튼의 위치에 기초하여 엘리베이터 내부의 제 2 위치를 탑승 위치로 결정할 수 있다. 예를 들어, 제 2 위치는 엘리베이터에 탑승하는 사람과 자율주행 이동로봇(400)의 접촉이 상대적으로 적은 공간일 수 있다. 예컨대, 자율주행 이동로봇(400)은, 도 9에 도시된 바와 같이, 엘리베이터 도어(930)를 기준으로 엘리베이터 내부(910)의 좌측 방향에 적어도 하나의 조작 버튼(920)이 설치된 상황을 감지하는 경우, 조작 버튼(920)과 일정거리 이상 떨어진 엘리베이터의 내부 공간(P2)을 제 2 위치로 결정할 수 있다(900). 이로 인하여 탑승 사람 또는 탑승하는 사람의 조작 버튼(920) 입력이 자율주행 이동로봇(400)에 의해 방해되는 문제점을 해소할 수 있다. According to various embodiments, when it is determined that the occupant does not exist, the autonomous driving
전술한 개시에서는 탑승자가 존재하는 경우 엘리베이터의 여유 공간에 기초하여 탑승 위치를 결정하고, 탑승자가 존재하지 않는 경우에는 조작 버튼의 위치에 기초하여 탑승 위치를 결정하는 실시 예로 기재하였으나, 이에 한정되는 것은 아니다. 예를 들어, 자율주행 이동로봇(400)은 탑승자가 존재하는 경우에도 탑승 위치 결정을 위해 조작 버튼의 위치를 고려할 수도 있다. In the foregoing disclosure, the boarding position is determined based on the free space of the elevator when there is a passenger, and when there is no passenger, the boarding position is determined based on the position of the operation button. no. For example, the autonomous driving
도 10은 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 엘리베이터 내부의 여유 공간을 확인하는 방법을 나타내는 플로우 차트(1000)이다. 그리고, 도 11은 본 개시의 실시 예에 따른 엘리베이터 탑승이 불가능한 자율주행 이동로봇(400)의 동작을 설명하기 위한 도면(1100)이다. 이하 설명되는 도 10의 동작들은, 도 7의 S720 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.10 is a
도 4 및 도 10을 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1010 동작에서 엘리베이터 탑승 가능 여부를 판단할 수 있다. 4 and 10 , according to various embodiments, the autonomous driving
일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터 내부 상황에 기초하여 탑승 가능 여부를 판단할 수 있다. 예를 들어, 자율주행 이동로봇(400)은 엘리베이터 내부의 여유 공간이 확인되지 않는 경우 탑승 불가 상태로 판단하고 그렇지 않은 경우에는 탑승 가능 상태로 판단할 수 있다. 다른 예로, 자율주행 이동로봇(400)은 엘리베이터 내부의 여유 공간이 존재하지만, 엘리베이터 내부에 탑승한 사람과 자율주행 이동로봇(400)이 접촉되지 않을 정도의 공간이 확보되지 않는 경우에는 탑승 불가 상태로 판단할 수도 있다. 또 다른 예로, 자율주행 이동로봇(400)은 엘리베이터 내부에 보행 취약자 또는 보조 이동 수단이 존재하는 경우에는 탑승 불가 상태로 판단할 수도 있다. According to an embodiment, the autonomous driving
다른 실시 예에 따르면, 자율주행 이동로봇(400)은 탑승 가능 여부를 판단하기 위해 엘리베이터 외부 상황을 고려할 수도 있다. 예를 들어, 자율주행 이동로봇(400)은 여유 공간이 존재하지만 이러한 여유 공간이 대기 인원의 탑승에 의해 점유되는 공간과 자율주행 이동로봇(400)의 탑승에 의해 점유되는 공간을 더한 총 점유 공간보다 적은 경우에는 탑승 불가 상태로 판단할 수도 있다. 다른 예로, 자율주행 이동로봇(400)은 엘리베이터 내부에 보행 취약자 또는 보조 이동 수단이 존재하지 않으나 승강장의 대기 인원 중 보행 취약자 또는 보조 이동 수단이 존재하는 경우에도 탑승 불가 상태로 판단할 수도 있다. According to another embodiment, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, 엘리베이터로의 탑승 가능 상태로 판단되는 경우, S1020 동작에서 탑승 위치 결정 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 도 7에 도시된 S730 동작을 수행할 수 있다.According to various embodiments, when it is determined that the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, 엘리베이터로의 탑승 불가 상태로 판단되는 경우, S1030 동작 및 S1040 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S1030 동작에서 탑승 가능한 엘리베이터를 검색할 수 있다. 예를 들어, 도 11에 도시된 바와 같이, 복수의 엘리베이터가 설치되어 있는 엘리베이터 시스템의 경우, 자율주행 이동로봇(400)은 복수의 엘리베이터 중 다른 엘리베이터를 탑승 엘리베이터로 결정하고, 결정된 엘리베이터의 승강장으로 이동(1110)할 수 있다. 이때, 자율주행 이동로봇(400)은 복수의 엘리베이터 중 자율주행 이동로봇(400)이 위치한 층에 가장 근접한 엘리베이터를 탑승 엘리베이터로 결정하거나 대기 인원이 상대적으로 적은 엘리베이터를 탑승 엘리베이터로 결정할 수 있다. 또한, 일 실시 예에 따르면, 자율주행 이동로봇(400)은, S1040 동작에서, 검색된 다른 엘리베이터에 대한 탑승 계획을 결정할 수 있다. 예를 들어, 자율주행 이동로봇(400)은 전술한 도 6, 도 7 및 후술할 도 16에 도시된 적어도 하나의 동작을 수행할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예컨대, 자율주행 이동로봇(400)은 탑승 불가 상태로 판단된 엘리베이터에 탑승하지 않고 엘리베이터가 이동할 때까지 대기할 수 있다. 또한, 자율주행 이동로봇(400)은 이동한 엘리베이터를 다시 호출할 수 있으며, 호출된 엘리베이터에 대한 탑승 계획을 결정할 수도 있다. According to various embodiments, the autonomous driving
도 12는 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 탑승 대기 위치를 결정하는 방법을 나타내는 플로우 차트(1200)이다. 그리고, 도 13 내지 도 15는 본 개시의 실시 예에 따른 탑승 대기 위치 결정 동작을 설명하기 위한 도면(1300), (1400), (1500)이다. 이하 설명되는 도 12의 동작들은, 도 6의 S640 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.12 is a
도 4 및 도 12를 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1210에서 엘리베이터 내부(예: 엘리베이터 승강장)에 탑승 대기자가 존재하는지 여부를 판단할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터 호출 시점부터 호출된 엘리베이터가 도착하기 전까지 탑승 대기자의 존재 여부를 판단할 수 있다. 예를 들어, 탑승 대기자의 존재 여부는, 전술한 바와 같이, 제 2 정보에 기초하여 판단될 수 있다. Referring to FIGS. 4 and 12 , according to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 탑승 대기자의 존재가 판단되면, 자율주행 이동로봇(400)은, S1220 동작 내지 S1250 동작을 통해서 엘리베이터 외부에 대한 자율주행 이동로봇(400)의 탑승 대기 위치를 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S1220 동작에서 대기자의 대기 패턴을 확인할 수 있다. 예를 들어, 대기 패턴은 대기열을 형성하여 대기(예: 줄을 서서 탑승 대기)하는 대기 패턴과 엘리베이터 승강장에 비규칙적으로 모여서 대기하는 대기 패턴을 포함할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S1230 동작에서 대기열이 형성된 대기 패턴이 확인되는지 여부를 판단할 수 있다. 일 실시 예에 따르면, 대기열이 형성된 대기 패턴이 확인되는 경우, 자율주행 이동로봇(400)은 S1240에서 대기열에 기초하여 엘리베이터 외부의 제 3 위치를 탑승 대기 위치로 결정할 수 있다. 예를 들어, 도 13에 도시된 바와 같이, 자율주행 이동로봇(400)은 대기열을 형성하는 마지막 대기자를 따르도록 탑승 대기 위치(1310)를 결정할 수 있다(1300). 일 실시 예에 따르면, 대기열이 형성되지 않은 대기 패턴이 확인되는 경우, 자율주행 이동로봇(400)은 S1250에서 외부 조작 버튼(예: 엘리베이터 호출 버튼)의 위치에 기초하여, 엘리베이터 외부의 제 4 위치를 탑승 대기 위치로 결정할 수 있다. 예를 들어, 도 14에 도시된 바와 같이, 자율주행 이동로봇(400)은 외부 버튼이 설치된 위치로부터 일정 거리 벗어난 승강장의 일정 영역(1410)을 대기 위치로 결정할 수 있다(1400). 또한, 자율주행 이동로봇(400)은 외부 버튼(1410)이 설치된 위치로부터 일정 거리 벗어난 승강장의 일정 영역 중 엘리베이터의 탑승 및 하차 동선(1403)과 중첩되지 않은 일부 영역(1410)을 대기 위치로 결정함으로써 엘리베이터를 이용하는 사람이 자율주행 이동로봇(400)과 접촉되는 것을 방지할 수도 있다.According to various embodiments, when it is determined that there is a waiting person for boarding, the autonomous driving
다양한 실시 예에 따르면, 탑승 대기자의 미존재가 판단되면, 자율주행 이동로봇(400)은 S1260 동작을 통해서 탑승 대기 위치를 결정할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터의 출입구(예: 엘리베이터 도어)의 위치에 기초하여, 엘리베이터 외부의 제 5 위치를 탑승 대기 위치로 결정할 수 있다. 예를 들어, 도 15에 도시된 바와 같이, 자율주행 이동로봇(400)은 엘리베이터의 출입구와 인접하거나 출입구 방향을 향하는 승강장의 일정 영역을 대기 위치로 결정할 수 있다(1500). 또한, 탑승하는 사람 및 하차하는 사람이 존재하지 않는 경우에는, 자율주행 이동로봇(400)은 승강장의 일정 영역 중 엘리베이터의 탑승 및 하차 동선(1503)과 중첩되거나 외부 버튼(1501)과 인접하는 일부 영역(1510)을 대기 위치로 결정함으로써 신속한 엘리베이터 탑승을 가능하도록 할 수 있다. According to various embodiments, when it is determined that there is no person waiting for boarding, the autonomous driving
도 16은 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 엘리베이터 탑승 방법을 나타내는 플로우 차트(1600)이다. 이하 설명되는 도 16의 동작들은, 도 5의 S540 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.16 is a
도 4 및 도 16을 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1610 동작에서 호출된 엘리베이터가 도착하는지 여부를 판단할 수 있다.4 and 16 , according to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 엘리베이터의 도착을 판단하는 경우, 자율주행 이동로봇(400)은, S1620 동작에서 엘리베이터 탑승 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 탑승 동작을 완료한 후 원하는 목적지로 이동할 수 있다. According to various embodiments, when determining the arrival of the elevator, the autonomous driving
다양한 실시 예에 따르면, 엘리베이터의 미도착을 판단하는 경우, 자율주행 이동로봇(400)은 S1630 동작 및 S1640 동작을 통해서 엘리베이터 대기 동작을 수행할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S1630 동작에서 제 1 정보 및 제 2 정보에 기초하여, 엘리베이터의 내부 및 외부 상황을 모니터링할 수 있다. 예를 들어, 제 1 정보는 엘리베이터가 도착하기 전까지 경유하는 층에서 탑승 또는 하차하는 사람에 따라 변경될 수 있다. 또한, 제 2 정보는 엘리베이터가 도착하기 전까지 변경되는 대기 인원에 따라 변경될 수 있다. 이러한 상황을 고려하여, 자율주행 이동로봇(400)은 호출된 엘리베이터가 도착하기 전까지 제 1 정보 및 제 2 정보를 모니터링할 수 있다. 또한, 일 실시 예에 따르면, 자율주행 이동로봇(400)은 S1640에서 모니터링 결과에 기초하여 탑승 위치 및 탑승 대기 위치를 변경할 수 있다.According to various embodiments, when it is determined that the elevator does not arrive, the autonomous
도 17은 본 개시의 실시 예들에 따른 자율주행 이동로봇(400)의 엘리베이터 하차 방법을 나타내는 플로우 차트(1700)이다. 그리고, 도 18 및 19는 본 개시의 실시 예에 따른 자율주행 이동로봇(400)의 하차 동작을 설명하기 위한 도면(1800), (1900)이다. 이하 설명되는 도 17의 동작들은, 도 5의 S540 동작의 다양한 실시 예를 나타낸 것일 수 있다. 또한, 이하 실시 예에서 각 동작들은 반드시 순차적으로 수행되는 것은 아니며, 자율주행 이동로봇(400)의 프로세서(450)에 의해 수행되거나 프로세서(450)에 의해 실행 가능한 명령어들로 구현될 수 있다.17 is a
도 4 및 도 17을 참조하면, 다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1710 동작에서 엘리베이터를 이용하여 목적지 층으로 이동할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은, 전술한 바와 같이, 엘리베이터 내부에 설치된 목적지 지정 버튼을 입력하여 목적지로 이동하거나, 목적지 지정 신호를 무선으로 전송함으로써 목적지로 이동할 수 있다.4 and 17 , according to various embodiments, the autonomous
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1720 동작에서 제 1 정보에 기초하여, 엘리베이터의 내부 상황을 모니터링할 수 있다. 일 실시 예에 따르면, 모니터링하는 엘리베이터의 내부 상황은, 엘리베이터가 목적지까지 이동하는 동안 탑승 또는 하차하는 사람에 따라 변경되는 엘리베이터의 내부 상황일 수 있다. 다른 실시 예에 따르면, 자율주행 이동로봇은 엘리베이터의 내부 상황을 모니터링하기 위해서, 제 2 정보를 이용할 수도 있다.According to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1730 동작에서 모니터링 결과에 기초하여, 엘리베이터 하차 계획을 결정할 수 있다. 일 실시 예에 따르면, 하차 계획은 자율주행 이동로봇(400)의 전진 하차 또는 후진 하차와 연관될 수 있다. 예를 들어, 자율주행 이동로봇(400)은 전술한 바와 같이, 전진 탑승을 수행하여, 엘리베이터가 이동하는 동안 자율주행 이동로봇(400)의 후방이 도어를 향하는 상태를 유지할 수 있다. 이러한 상태에서, 자율주행 이동로봇(400)은 방향 전환이 가능한 적당한 공간이 확보되지 않은 엘리베이터의 내부 상황을 고려하여, 후진 하차 계획을 결정할 수 있다. 또한, 자율주행 이동로봇(400)은 방향 전환이 가능한 적당한 공간이 확보된 엘리베이터의 내부 상황에 고려하여, 전진 하차 계획을 결정할 수도 있다. According to various embodiments, the autonomous driving
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1740 동작에서 엘리베이터가 목적지 층에 도착하였는지를 판단할 수 있다. 일 실시 예에 따르면, 자율주행 이동로봇(400)은 엘리베이터로부터 도착 층을 나타내는 신호를 수신할 수 있으며, 이를 이용하여 엘리베이터가 목적지 층에 도착하였는지를 판단할 수 있다. 그러나, 이는 예시적일 뿐, 본 개시의 실시 예가 이에 한정되는 것이 아니다. 예컨대, 자율주행 이동로봇(400)은 정보 수집 장치(420)를 통해 수집되는 정보를 이용하여 도착 여부를 판단할 수도 있다.According to various embodiments, the autonomous
다양한 실시 예에 따르면, 자율주행 이동로봇(400)은, S1750 동작에서 하차 계획에 따라 하차 동작을 수행할 수 있다. 일 실시 예에 따르면, 도 18에 도시된 바와 같이, 자율주행 이동로봇(400)은 전지 하차 계획에 따라, 자율주행 이동로봇(400)의 전방(F)이 도어를 향하도록 엘리베이터 내부에서 방향 전환을 수행하고, 도어를 향해 전진 이동함으로써 하차 동작을 수행할 수 있다(1800). 다른 실시 예에 따르면, 도 19에 도시된 바와 같이, 자율주행 이동로봇(400)은 후진 하차 계획에 따라, 자율주행 이동로봇(400)의 후방(B)이 도어를 향하는 상태를 유지하고, 도어를 향해 후진 이동함으로써 하차 동작을 수행할 수 있다(1900).According to various embodiments, the autonomous driving
본 개시의 다양한 실시 예에 따른 자율주행 이동로봇(400)의 동작 방법은 엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여, 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하는 동작, 상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터로의 탑승 계획을 결정하는 동작 및 상기 결정된 탑승 계획에 기초하여 상기 엘리베이터에 탑승하는 동작을 포함할 수 있다. 일 실시 예에 따르면, 상기 탑승 계획은, 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함할 수 있다.In the operating method of the autonomous
다양한 실시 예에 따르면, 상기 제 1 정보는 상기 자율주행 이동로봇(400)에 포함된 통신 회로(410)를 통해 적어도 하나의 외부 장치로부터 획득할 수 있으며, 상기 제 2 정보는 상기 자율주행 이동로봇(400)에 포함된 적어도 하나의 센서(예: 정보 수집 장치(420))를 통해 획득할 수 있다.According to various embodiments, the first information may be acquired from at least one external device through the
다양한 실시 예에 따르면, 상기 탑승 계획을 결정하는 동작은, 상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 여유 공간을 확인하는 동작 및 상기 확인된 여유 공간에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하는 동작을 포함할 수 있다.According to various embodiments, the determining of the boarding plan includes, based on the first information, checking the free space inside the elevator and determining the boarding position in the elevator based on the checked free space It may include an action to
다양한 실시 예에 따르면, 상기 탑승 계획을 결정하는 동작은 상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 조작 버튼을 확인하는 동작 및 상기 확인된 조작 버튼의 위치에 기초하여 상기 엘리베이터 내의 탑승 위치를 결정하는 동작을 포함할 수 있다.According to various embodiments, the operation of determining the boarding plan determines the boarding position in the elevator based on the operation of confirming the operation button inside the elevator and the position of the checked operation button on the basis of the first information It may include an action to
다양한 실시 예에 따르면, 상기 탑승 계획을 결정하는 동작은 상기 제 2 정보에 기초하여 상기 승강장 내부의 대기열(waiting lines)을 확인하는 동작 및 상기 확인된 대기열에 기초하여, 상기 승강장 내의 대기 위치를 결정하는 동작을 포함할 수 있다.According to various embodiments, the determining of the boarding plan includes checking waiting lines inside the platform based on the second information and determining a waiting position in the platform based on the checked queue. It may include an action to
다양한 실시 예에 따르면, 상기 탑승 계획을 결정하는 동작은 상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터에 대한 탑승 또는 하차 동선을 확인하는 동작 및 상기 확인된 동선에 기초하여 상기 승강장 내의 대기 위치를 결정하는 동작을 포함할 수 있다.According to various embodiments, the determining of the boarding plan may include, based on the first information and the second information, checking the boarding or disembarking line for the elevator and the inside of the platform based on the confirmed moving line. It may include an operation of determining a standby position.
다양한 실시 예에 따르면, 상기 탑승 계획을 결정하는 동작은 상기 제 2 정보에 기초하여, 상기 엘리베이터 외부의 조작 버튼을 확인하는 동작 및 상기 확인된 조작 버튼의 위치에 기초하여 상기 승강장 내의 대기 위치를 결정하는 동작을 포함할 수 있다.According to various embodiments, the operation of determining the boarding plan determines a waiting position in the platform based on the operation of confirming the operation button outside the elevator and the position of the confirmed operation button based on the second information It may include an action to
다양한 실시 예에 따르면, 상기 자율주행 이동로봇(400)의 동작 방법은 상기 엘리베이터로의 탑승이 불가하다고 판단하는 경우, 다른 엘리베이터를 검색하여 탑승 계획을 결정하는 동작을 포함할 수 있다.According to various embodiments, the operation method of the autonomous driving
다양한 실시 예에 따르면, 상기 자율주행 이동로봇(400)의 동작 방법은 상기 엘리베이터에 탑승하는 동안 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 엘리베이터 내부 상황을 모니터링하는 동작 및 상기 모니터링 결과에 기초하여, 상기 엘리베이터에서 하차하기 위한 하차 계획을 결정하는 동작을 포함할 수 있다. 일 실시 예에 따르면, 상기 하차 계획은 상기 자율주행 이동로봇(400)의 전진 하차 또는 후진 하차 중 하나를 포함할 수 있다.According to various embodiments, the operation method of the autonomous
본 개시의 실시 예들에 따른 자율주행 이동로봇(400) 및 이의 동작 방법은 컴퓨터로 판독 가능한 저장 매체에 저장되어 프로세서(450)에 의해 실행될 수 있는 명령어들로 구현될 수 있다.The autonomous driving
저장 매체는, 직접 및/또는 간접적이든, 원시 상태, 포맷화된 상태, 조직화된 상태 또는 임의의 다른 액세스 가능한 상태이든 관계없이, 관계형 데이터베이스, 비관계형 데이터베이스, 인-메모리(in-memory) 데이터베이스, 또는 데이터를 저장할 수 있고 저장 제어기를 통해 이러한 데이터에 대한 액세스를 허용할 수 있는 다른 적절한 데이터베이스와 같이 분산형을 포함하는 데이터베이스를 포함할 수 있다. 또한, 저장 매체는, 1차 저장 장치(storage), 2차 저장 장치, 3차 저장 장치, 오프라인 저장 장치, 휘발성 저장 장치, 비휘발성 저장 장치, 반도체 저장 장치, 자기 저장 장치, 광학 저장 장치, 플래시 저장 장치, 하드 디스크 드라이브 저장 장치, 플로피 디스크 드라이브, 자기 테이프, 또는 다른 적절한 데이터 저장 매체와 같은 임의의 타입의 저장 장치를 포함할 수 있다. A storage medium, whether directly and/or indirectly, in a raw, formatted, organized or any other accessible state, may include a relational database, a non-relational database, an in-memory database, Alternatively, it may include a database, including a distributed one, such as any other suitable database capable of storing data and allowing access to such data through a storage controller. In addition, the storage medium includes a primary storage device (storage), a secondary storage device, a tertiary storage device, an offline storage device, a volatile storage device, a non-volatile storage device, a semiconductor storage device, a magnetic storage device, an optical storage device, a flash. It may include any type of storage device, such as a storage device, a hard disk drive storage device, a floppy disk drive, magnetic tape, or other suitable data storage medium.
본 개시는 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 개시의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. Although the present disclosure has been described with reference to the embodiment shown in the drawings, this is merely exemplary, and those of ordinary skill in the art will understand that various modifications and equivalent other embodiments are possible therefrom. Therefore, the true technical protection scope of the present disclosure will have to be determined by the technical spirit of the appended claims.
Claims (20)
신호를 주고받도록 구성되는 통신 회로;
주변 환경을 감지하도록 구성되는 정보 수집 장치;
상기 자율주행 이동로봇의 움직임을 구현하도록 구성되는 구동 장치; 및
상기 자율주행 이동로봇을 제어하도록 구성되는 프로세서를 포함하고,
상기 프로세서는,
엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여, 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하고,
상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터로의 탑승 계획을 결정하고,
상기 결정된 탑승 계획에 기초하여, 탑승 동작을 수행하도록 제어하며,
상기 탑승 계획은, 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함하는 자율주행 이동로봇.In the self-driving mobile robot,
a communication circuit configured to send and receive signals;
an information collection device configured to sense a surrounding environment;
a driving device configured to implement the movement of the autonomous mobile robot; and
a processor configured to control the autonomous driving mobile robot;
The processor is
In response to detecting the entry into the elevator platform, obtain first information related to the situation inside the elevator and second information related to the situation outside the elevator,
determine a boarding plan to the elevator based on the first information and the second information,
Based on the determined boarding plan, control to perform a boarding operation,
The boarding plan includes at least one of a waiting position in the platform, a boarding location in the elevator, or a movement path from the waiting location to the boarding location.
상기 통신 회로를 통해 적어도 하나의 외부 장치로부터 상기 제 1 정보를 획득하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
An autonomous driving mobile robot that controls to obtain the first information from at least one external device through the communication circuit.
상기 정보 수집 장치는, 적어도 하나의 센서를 포함하며,
상기 프로세서는,
상기 정보 수집 장치를 통해 상기 제 2 정보를 획득하도록 제어하는 자율주행 이동로봇.The method of claim 1,
The information collection device includes at least one sensor,
The processor is
An autonomous driving mobile robot that controls to acquire the second information through the information collection device.
상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 여유 공간을 확인하고,
상기 확인된 여유 공간에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
Based on the first information, check the free space inside the elevator,
An autonomous driving mobile robot that controls to determine a boarding position in the elevator based on the identified free space.
상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 조작 버튼을 확인하고,
상기 확인된 조작 버튼의 위치에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
Based on the first information, check the operation button inside the elevator,
An autonomous driving mobile robot that controls to determine a boarding position in the elevator based on the confirmed position of the operation button.
상기 제 2 정보에 기초하여, 상기 승강장 내부의 대기열(waiting lines)을 확인하고,
상기 확인된 대기열에 기초하여, 상기 승강장 내의 대기 위치를 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
Based on the second information, check the waiting lines inside the platform,
An autonomous driving mobile robot that controls to determine a waiting position in the platform based on the confirmed queue.
상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터에 대한 탑승 또는 하차 동선을 확인하고,
상기 확인된 동선에 기초하여, 상기 승강장 내의 대기 위치를 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
Based on the first information and the second information, check the boarding or alighting flow for the elevator,
An autonomous driving mobile robot that controls to determine a waiting position in the platform based on the identified movement line.
상기 제 2 정보에 기초하여, 상기 엘리베이터 외부의 조작 버튼을 확인하고,
상기 확인된 조작 버튼의 위치에 기초하여, 상기 승강장 내의 대기 위치를 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
Based on the second information, check the operation button outside the elevator,
An autonomous driving mobile robot that controls to determine a standby position in the platform based on the confirmed position of the operation button.
상기 엘리베이터로의 탑승이 불가하다고 판단하는 경우, 다른 엘리베이터를 검색하여 탑승 계획을 결정하도록 제어하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
When it is determined that it is impossible to board the elevator, the autonomous driving mobile robot searches for another elevator and controls to determine a boarding plan.
상기 엘리베이터로의 탑승 동작을 수행한 후, 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 엘리베이터 내부 상황을 모니터링하고,
상기 모니터링 결과에 기초하여, 상기 엘리베이터에서 하차하기 위한 하차 계획을 결정하도록 제어하며,
상기 하차 계획은, 상기 자율주행 이동로봇의 전진 하차 또는 후진 하차 중 하나를 포함하는 자율주행 이동로봇.The method of claim 1, wherein the processor comprises:
After performing the boarding operation to the elevator, monitoring the situation inside the elevator based on the first information and the second information,
Control to determine an alighting plan for getting off the elevator based on the monitoring result,
and the getting off plan includes one of a forward getting off and a backward getting off of the autonomous driving mobile robot.
엘리베이터 승강장으로의 진입을 감지하는 것에 응답하여, 상기 엘리베이터 내부 상황과 관련된 제 1 정보 및 상기 엘리베이터의 외부 상황과 관련된 제 2 정보를 획득하는 동작;
상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터로의 탑승 계획을 결정하는 동작; 및
상기 결정된 탑승 계획에 기초하여, 상기 엘리베이터에 탑승하는 동작을 포함하며,
상기 탑승 계획은, 상기 승강장 내의 대기 위치, 상기 엘리베이터 내의 탑승 위치 또는 상기 대기 위치로부터 상기 탑승 위치로의 이동 경로 중 적어도 하나를 포함하는 방법.In the operation method of the autonomous driving mobile robot,
in response to detecting the entry into the elevator platform, obtaining first information related to the situation inside the elevator and second information related to the situation outside the elevator;
determining a boarding plan for the elevator based on the first information and the second information; and
Based on the determined boarding plan, comprising the operation of boarding the elevator,
The boarding plan includes at least one of a waiting location in the platform, a boarding location in the elevator, or a movement path from the waiting location to the boarding location.
상기 자율주행 이동로봇에 포함된 통신 회로를 통해 적어도 하나의 외부 장치로부터 획득하는 방법.The method of claim 11 , wherein the first information comprises:
A method of acquiring from at least one external device through a communication circuit included in the autonomous mobile robot.
상기 자율주행 이동로봇에 포함된 적어도 하나의 센서를 통해 획득하는 방법.The method of claim 11, wherein the second information,
A method of acquiring through at least one sensor included in the autonomous driving mobile robot.
상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 여유 공간을 확인하는 동작; 및
상기 확인된 여유 공간에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하는 동작을 포함하는 방법.The method of claim 11, wherein the determining of the boarding plan comprises:
based on the first information, checking the free space inside the elevator; and
and determining a boarding position in the elevator based on the identified free space.
상기 제 1 정보에 기초하여, 상기 엘리베이터 내부의 조작 버튼을 확인하는 동작; 및
상기 확인된 조작 버튼의 위치에 기초하여, 상기 엘리베이터 내의 탑승 위치를 결정하는 동작을 포함하는 방법.The method of claim 11, wherein the determining of the boarding plan comprises:
Based on the first information, the operation of confirming the operation button inside the elevator; and
and determining a boarding position in the elevator based on the identified position of the operation button.
상기 제 2 정보에 기초하여, 상기 승강장 내부의 대기열(waiting lines)을 확인하는 동작; 및
상기 확인된 대기열에 기초하여, 상기 승강장 내의 대기 위치를 결정하는 동작을 포함하는 방법.The method of claim 11, wherein the determining of the boarding plan comprises:
checking waiting lines inside the platform based on the second information; and
and determining a waiting position in the platform based on the identified queue.
상기 제 1 정보 및 상기 제 2 정보에 기초하여, 상기 엘리베이터에 대한 탑승 또는 하차 동선을 확인하는 동작; 및
상기 확인된 동선에 기초하여, 상기 승강장 내의 대기 위치를 결정하는 동작을 포함하는 방법.The method of claim 11, wherein the determining of the boarding plan comprises:
Based on the first information and the second information, the operation of checking the boarding or disembarking flow for the elevator; and
and determining a waiting position in the platform based on the identified movement line.
상기 제 2 정보에 기초하여, 상기 엘리베이터 외부의 조작 버튼을 확인하는 동작; 및
상기 확인된 조작 버튼의 위치에 기초하여, 상기 승강장 내의 대기 위치를 결정하는 동작을 포함하는 방법.The method of claim 11, wherein the determining of the boarding plan comprises:
Based on the second information, the operation of confirming the operation button outside the elevator; and
and determining a standby position in the platform based on the identified position of the operation button.
상기 엘리베이터로의 탑승이 불가하다고 판단하는 경우, 다른 엘리베이터를 검색하여 탑승 계획을 결정하는 동작을 더 포함하는 방법.12. The method of claim 11,
The method further comprising the operation of determining a boarding plan by searching for another elevator when it is determined that boarding in the elevator is impossible.
상기 엘리베이터로의 탑승 동작을 수행한 후, 상기 제 1 정보 및 상기 제 2 정보에 기초하여 상기 엘리베이터 내부 상황을 모니터링하는 동작; 및
상기 모니터링 결과에 기초하여, 상기 엘리베이터에서 하차하기 위한 하차 계획을 결정하는 동작을 더 포함하며,
상기 하차 계획은, 상기 자율주행 이동로봇의 전진 하차 또는 후진 하차 중 하나를 포함하는 방법.
12. The method of claim 11,
After performing the boarding operation in the elevator, the operation of monitoring the situation inside the elevator based on the first information and the second information; and
Based on the monitoring result, further comprising the operation of determining an alighting plan for getting off the elevator,
The getting off plan includes one of a forward getting off and a backward getting off of the autonomous mobile robot.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190176471A KR20210083812A (en) | 2019-12-27 | 2019-12-27 | Autonomous mobile robots and operating method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190176471A KR20210083812A (en) | 2019-12-27 | 2019-12-27 | Autonomous mobile robots and operating method thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210083812A true KR20210083812A (en) | 2021-07-07 |
Family
ID=76862091
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190176471A KR20210083812A (en) | 2019-12-27 | 2019-12-27 | Autonomous mobile robots and operating method thereof |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20210083812A (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114873390A (en) * | 2022-04-25 | 2022-08-09 | 北京云迹科技股份有限公司 | Method for predicting floor where robot is located and related equipment |
JP7278467B1 (en) * | 2022-09-26 | 2023-05-19 | Kddi株式会社 | Information processing device, information processing method and program |
WO2024058411A1 (en) * | 2022-09-15 | 2024-03-21 | 삼성전자주식회사 | Mobile robot traveling specific space and control method therefor |
-
2019
- 2019-12-27 KR KR1020190176471A patent/KR20210083812A/en unknown
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114873390A (en) * | 2022-04-25 | 2022-08-09 | 北京云迹科技股份有限公司 | Method for predicting floor where robot is located and related equipment |
CN114873390B (en) * | 2022-04-25 | 2024-03-26 | 北京云迹科技股份有限公司 | Robot floor prediction method and related equipment |
WO2024058411A1 (en) * | 2022-09-15 | 2024-03-21 | 삼성전자주식회사 | Mobile robot traveling specific space and control method therefor |
JP7278467B1 (en) * | 2022-09-26 | 2023-05-19 | Kddi株式会社 | Information processing device, information processing method and program |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11269328B2 (en) | Method for entering mobile robot into moving walkway and mobile robot thereof | |
KR20190083317A (en) | An artificial intelligence apparatus for providing notification related to lane-change of vehicle and method for the same | |
US20210097852A1 (en) | Moving robot | |
KR102281602B1 (en) | Artificial intelligence apparatus and method for recognizing utterance voice of user | |
US11383379B2 (en) | Artificial intelligence server for controlling plurality of robots and method for the same | |
KR20210083813A (en) | Autonomous mobile robots and operating method thereof | |
KR102303785B1 (en) | Artificial intelligence server and method for setting language of robot | |
KR20210063121A (en) | Robot and method for controlling same | |
KR20190106862A (en) | ARTIFICIAL INTELLIGENCE APPARATUS AND METHOD FOR DETECT THEFT AND TRACE OF IoT DEVICE USING SAME | |
US11372418B2 (en) | Robot and controlling method thereof | |
KR20210083812A (en) | Autonomous mobile robots and operating method thereof | |
US11755033B2 (en) | Artificial intelligence device installed in vehicle and method therefor | |
KR102263250B1 (en) | Engine sound cancellation device and engine sound cancellation method | |
KR20190107626A (en) | Artificial intelligence server | |
EP3782524B1 (en) | Robot cleaner for avoiding stuck situation through artificial intelligence and method of operating the same | |
KR102263159B1 (en) | Artificial intelligence server for determining route for robot and method for the same | |
KR102297655B1 (en) | Artificial intelligence device for controlling external device | |
KR20210067432A (en) | Performing an emergency stop of robot | |
US20210208595A1 (en) | User recognition-based stroller robot and method for controlling the same | |
US11074814B2 (en) | Portable apparatus for providing notification | |
KR20190095190A (en) | Artificial intelligence device for providing voice recognition service and operating mewthod thereof | |
KR20190094312A (en) | Control system for controlling a plurality of robots using artificial intelligence | |
US11550328B2 (en) | Artificial intelligence apparatus for sharing information of stuck area and method for the same | |
US11345023B2 (en) | Modular robot and operation method thereof | |
US20210078180A1 (en) | Robot system and control method of the same |