KR20210115283A - 다족 로봇 - Google Patents

Abstract

본 실시예는 몸체와; 몸체에 제공된 복수개 다리와; 몸체의 후방부에 상기 몸체의 외부로 길게 연장되고 외둘레에 기어가 형성된 레일과; 레일을 따라 이동되는 카운터 웨이트를 포함하고, 카운터 웨이트는 웨이트와; 웨이트에 배치된 제1액츄에이터와; 기어와 치합되고 제1액츄에이터에 의해 회전되면서 기어를 따라 이동되는 구동기어를 포함한다.

Description

다족 로봇{Multi-leg robot}

본 발명은 다족 로봇에 관한 것이다.

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는　기계로서, 로봇의 응용분야는 대체로, 산업용, 의료용, 우주용, 해저용 등으로 분류될 수 있고, 다양한 분야에서 사용될 수 있다.

로봇은 그 무게중심을 이동시키도록 구성될 수 있고, 이러한 로봇의 일 예는 대한민국 등록특허공보 10-1912806호(2018년10월29일 공고)에 개시된 이동성능이 향상된 탐사로봇일 수 있다.

상기 이동성능이 향상된 탐사로봇은 4개의 다리형태로 이루어진 다족보행구동부와, 무게중심이동유닛을 포함하고, 무게중심이동유닛은 로봇본체에 설치되어 로봇본체의 무게중심을 전방에 위치시키거나 후방에 위치시킬 수 있다.

이러한 무게중심이동유닛은 로봇본체에 설치된 회전지지편에 회전 가능하게 설치된 스크류봉과, 스크류봉을 회전시키는 구동모터와, 스크류봉이 관통하는 무게추와, 무게추가 슬라이딩 이동가능하도록 설치된 가이드봉을 포함하고, 구동모터의 구동시 무게추가 스크류봉을 따라 슬라이드 이동될 수 있다.

상기 탐사로봇은 이동지형의 경사도가 내리막일 경우 경사도 감지센서가 이를 감지하고, 무게중심이동유닛이 구동되어 로봇본체의 무게중심이 후방측으로 이동되어 보다 안정적으로 내리막 이동이 가능할 수 있다. 반대로, 이동지형의 경사도가 오르막일 경우, 경사도 감지센서가 이를 감지하고, 무게중심이동유닛이 구동되어 무게중심이 전방측으로 이동되어 보다 안정적인 오르막 이동이 가능할 수 있다.

대한민국 등록특허공보 10-1912806호(2018년10월29일 공고)

본 발명은 몸체 내부의 공간 활용도가 높고 몸체의 컴팩트화가 가능한 다족 로봇을 제공하는데 그 목적이 있다.

본 실시 예에 따른 다족 로봇은 몸체와; 몸체에 제공된 복수개 다리와; 몸체의 후방부에 몸체의 외부로 길게 연장되고 외둘레에 기어가 형성된 레일과; 레일을 따라 이동되는 카운터 웨이트를 포함하고, 카운터 웨이트는 웨이트와; 웨이트에 배치된 제1액츄에이터와; 기어와 치합되고 제1액츄에이터에 의해 회전되면서 기어를 따라 이동되는 구동기어를 포함한다.

다족 로봇은 레일의 후단에 배치되고 카운터 웨이트가 걸리는 스토퍼를 더 포함할 수 있다.

복수개 다리는 몸체의 후방부에 연결된 한 쌍의 뒷다리를 포함할 수 있다. 카운터 웨이트의 좌우 방향 폭은 한 쌍의 뒷다리 사이의 거리 보다 짧을 수 있다.

다족 로봇은 다리에 설치된 센서의 센싱값을 통해 몸체에 올려진 물품의 무게 및 위치를 센싱하는 프로세서를 포함할 수 있다.

프로센서는 물품의 무게 및 위치에 따라 제1액츄에이터를 제어할 수 있다.

다족 로봇은 레일을 수직축을 중심으로 좌우 회전시키는 제2액츄에이터를 포함할 수 있다.

레일은 제2액츄에이터에 연결되는 연결단과, 연결단의 반대편에 위치하는 자유단을 포함할 수 있다.

프로세서는 몸체가 좌우 방향으로 치우칠 경우, 몸체가 치우쳐진 방향으로 레일이 회전되게 제2액추에이터를 제어할 수 있다.

본 발명의 실시 예에 따르면, 무게 중심의 위치를 조절할 수 있는 레일과 카운터 웨이트가 몸체 외부에 위치되어 몸체 내부의 공간활용도를 높일 수 있고, 몸체의 컴팩트화가 가능하다.

또한, 카운터 웨이트가 스토퍼에 걸리므로, 진동이나 충격에 의해 카운터 웨이트가 임의 탈거되는 것이 최소화될 수 있고, 카운터 웨이트의 분실이 최소화될 수 있다.

또한, 카운터 웨이트가 한 쌍의 뒷다리 사이에서 한 쌍의 뒷 다리와 간섭되지 않고 작동될 수 있어, 카운터 웨이트의 오작동이 최소화될 수 있다.

또한, 다족 로봇이 치우친 방향으로 레일 및 카운터 웨이트가 회전되어 다족 로봇의 치우침에 따른 다족 로봇의 전복이 최소화될 수 있다.

도 1은 본 발명의 실시 예에 따른 로봇 시스템을 포함하는 AI 장치가 도시된 도,
도 2는 본 발명의 실시 예에 따른 로봇 시스템과 연결되는 AI 서버가 도시된 도,
도 3은 본 발명의 실시 예에 따른 로봇 시스템을 포함하는 AI 시스템이 도시된 도,
도 4는 본 발명의 실시 예에 따른 다족 로봇이 도시된 사시도,
도 5는 도 4에 도시된 다족 로봇에 짐이 올려졌을 때의 사시도,
도 6은 본 발명의 실시 예에 따른 다족 로봇이 도시된 평면도,
도 7은 도 6에 도시된 다족 로봇에 물품이 올려졌을 때의 평면도,
도 8은 도 4에 도시된 카운터 웨이트 내부가 도시된 도,
도 9는 본 발명의 실시 예에 따른 다족 로봇의 제어 블록도,
도 10은 도 7에 도시된 다족 로봇의 옆에서 외란이 발생되었을 때의 평면도이다.

이하에서는 본 발명의 구체적인 실시 예를 도면과 함께 상세히 설명하도록 한다.

<로봇(Robot)>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.

<인공 지능(AI: Artificial Intelligence)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.

<자율 주행(Self-Driving)>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.

도 1은 본 발명의 실시 예에 따른 로봇 시스템을 포함하는 AI 장치가 도시된 도이다.

AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.

도 1을 참조하면, AI 장치(100)는 커뮤니케이터(110), 입력 인터페이스(120), 러닝 프로세서(130), 센서(140), 출력 인터페이스(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.

커뮤니케이터(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(500) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 커뮤니케이터(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 커뮤니케이터(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.

입력 인터페이스(120)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력 인터페이스(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력 인터페이스 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.

입력 인터페이스(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력 인터페이스(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.

이때, 러닝 프로세서(130)는 AI 서버(500)의 러닝 프로세서(540)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센서(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센서(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.

출력 인터페이스(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력 인터페이스(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력 인터페이스(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(500)의 러닝 프로세서(540)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(500) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 발명의 실시 예에 따른 로봇 시스템과 연결되는 AI 서버가 도시된 도이다.

도 2를 참조하면, AI 서버(500)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(500)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(500)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(500)는 커뮤니케이터(510), 메모리(530), 러닝 프로세서(540) 및 프로세서(520) 등을 포함할 수 있다.

커뮤니케이터(510)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(530)는 모델 저장부(531)를 포함할 수 있다. 모델 저장부(531)는 러닝 프로세서(540)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 531a)을 저장할 수 있다.

러닝 프로세서(540)는 학습 데이터를 이용하여 인공 신경망(531a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(500)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(530)에 저장될 수 있다.

프로세서(520)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 3은 본 발명의 실시 예에 따른 로봇 시스템을 포함하는 AI 시스템이 도시된 도이다.

도 3을 참조하면, AI 시스템(210)은 AI 서버(500), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.

클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.

즉, AI 시스템(210)을 구성하는 각 장치들(100a 내지 100e, 500)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 500)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(500)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(500)는 AI 시스템(210)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(500)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.

이때, AI 서버(500)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.

또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.

이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.

여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(500) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(500) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.

맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.

또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+로봇+자율주행>

로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

이하, 로봇(100a)은 복수개 다리를 갖고 보행할 수 있는 다족 로봇(예를 들면, 견마형 로봇 등)인 예로 들어 설명한다.

도 4는 본 발명의 실시 예에 따른 다족 로봇이 도시된 사시도이고, 도 5는 도 4에 도시된 다족 로봇에 물품이 올려졌을 때의 사시도이며, 도 6은 본 발명의 실시 예에 따른 다족 로봇이 도시된 평면도이고, 도 7은 도 6에 도시된 다족 로봇에 짐이 올려졌을 때의 평면도이며, 도 8은 도 4에 도시된 카운터 웨이트 내부가 도시된 도이다.

다족 로봇은 몸체(210)와; 몸체(210)에 제공된 복수개 다리(220)와; 무게중심 조절기구(230)를 포함할 수 있다.

몸체(210)는 다족 로봇의 보행 방향으로 길게 형성될 수 있다. 몸체(210)는 복수개 부재의 결합체로 구성될 수 있다. 몸체(210)는 다족 로봇의 외형을 형성하는 아우터 바디(212)를 포함할 수 있고, 몸체(210)에는 복수개 다리(220) 각각을 독립적으로 작동시킬 수 있는 구동 메커니즘이 장착될 수 있다.

구동 메커니즘은 다리(220) 각각에 연결된 모터 등의 액추에이터를 포함할 수 있고, 이러한 구동 메커니즘은 다리(220)와 1:1 대응될 수 있다.

몸체(210)의 상부에는 짐 등의 물품이 놓여지는 캐리어가 배치될 수 있고, 다족 로봇은 물품(P)을 운반할 수 있다. 몸체(200)에는 물품(P)을 잡을 수 있는 그리퍼가 배치될 수 있고, 다족 로봇은 그리퍼가 물품(P)을 잡은 상태에서 물품(P)을 운반할 수 있다.

몸체(210)는 복수개 다리(220)와 연결될 수 있고, 복수개 다리(220)에 의해 지지될 수 있다.

복수개 다리(220)는 몸체(210)에 분산되어 연결될 수 있다. 복수개 다리(220) 각각은 몸체(210)에 다 자유도를 갖게 연결될 수 있다.

복수개 다리(220) 각각은 관절을 통해 몸체(210)에 연결될 수 있다. 다리(220)와 관절은 1:1 대응될 수 있다.

복수개 다리(220)는 몸체(210)의 후방부에 연결된 한 쌍의 뒷다리(220A)를 포함할 수 있다. 복수개 다리(220)는 몸체(210)의 전방부에 연결된 한 쌍의 앞다리(220B)를 포함할 수 있다.

이 경우, 다족 로봇은 4개의 다리를 갖는 4족 보행로봇일 수 있고, 이하, 4족 보행로봇을 예로 들어 설명한다. 그러나, 본 발명은 4개의 다리를 갖는 4족 보행로봇에 한정되지 않고, 2개, 6개, 8개 등의 다리를 갖는 다족 보행로봇에도 적용 가능함은 물론이다.

무게중심 조절기구(230)는 몸체(210)의 후방부에 배치된 레일(240)과; 레일(240)을 따라 이동되는 카운터 웨이트(250)를 포함할 수 있다.

레일(240)은 몸체(210)에서 몸체(210)의 외부로 길게 연장될 수 있다. 레일(240)의 외둘레에는 기어(242)가 형성될 수 있다. 레일(240)의 일 예는 몸체(210)의 후방부(210B)에 몸체(210)의 후방 방향(R)으로 길게 연장된 스크류일 수 있다.

레일(240)의 일단(243)은 몸체(210)에 위치될 수 있고, 레일(240)의 타단(244)은 몸체(210) 외부에 위치하는 자유단일 수 있다.

레일(240)의 일단(243)은 레일(240)의 선단(243)일 수 있고, 레일(240)의 타단(244)는 레일(240)의 후단(244)일 수 있다.

다족 로봇은 카운터 웨이트(250)가 후방 방향(R)으로 걸리는 스토퍼(246)를 더 포함할 수 있다. 스토퍼(246)는 레일(240)의 후단(244)에 배치될 수 있고, 레일(240)을 따라 직선 이동되는 카운터 웨이트(250)는 스토퍼(246)로 후퇴되었을 때, 스토퍼(246)에 걸릴 수 있고, 카운터 웨이트(250)가 레일(240)에서 임의 탈거되는 것은 최소화될 수 있다.

카운터 웨이트(250)는 스토퍼(246)에 걸렸을 때, 스토퍼(246)에 의해 구속될 수 있고, 레일(240)에서 빠져나오지 못하기 때문에, 다족 로봇의 주행시 발생되는 진동이나 충격에 의해 카운터 웨이트(250)가 레일(240)에서 임의 분리되는 것이 최소화될 수 있다.

카운터 웨이트(250)는 레일(240)을 따라 이동될 수 있고, 그 위치에 따라 다족 로봇의 전후 방향 무게 중심(G)을 조절할 수 있다. 카운터 웨이트(250)가 몸체(210)와 근접할 경우, 다족 로봇의 무게 중심(G)은 상대적으로 전방에 위치할 수 있다. 카운터 웨이트(250)가 몸체(210)와 멀어질 경우, 다족 로봇의 무게 중심(G)은 상대적으로 후방에 위치되게 이동될 수 있다.

몸체(210)를 전,후 이등분할 경우, 몸체(210) 중 앞부분(210A) 위에 짐 등의 물품(P)이 올려질 수 있고, 이때 다족 로봇의 무게 중심(G', 도 7 참조)은 앞 쪽으로 쏠릴 수 있다. 이 경우, 카운터 웨이트(250)가 후방 방향(R)으로 이동되어 다족 로봇의 무게 중심(G, 도 7 참조)을 상대적으로 뒤 쪽으로 옮겨줄 필요가 있다.

카운터 웨이트(250)가 레일(240)을 따라 레일(240)의 후단(244)을 향해 이동되면, 다족 로봇의 무게 중심은 후방 방향(R)으로 이동(G'

G)될 수 있다.

카운터 웨이트(250)는 레일(240)의 일부분을 둘러싸는 중공부(251, 도 8 참조)가 형성될 수 있다. 카운터 웨이트(250)는 중공부(251)가 레일(240)의 일부분을 둘러싸는 상태에서 레일(240)을 따라 레일(240)의 길이 방향으로 이동될 수 있다.

카운터 웨이트(250)는 복수개 부재의 결합체로 구성될 수 있다.

카운터 웨이트(250)는 도 8을 참조하면, 웨이트(252)와; 웨이트(252)에 배치된 제1액츄에이터(254)와; 기어(242)와 치합되고 제1액츄에이터(254)에 의해 회전되면서 기어(254)를 따라 이동되는 구동기어(256)를 포함할 수 있다.

카운터 웨이트(250)는 외관을 형성하는 하우징을 포함할 수 있고, 하우징의 내부에는 기어(242) 및 제1액츄에이터(254)가 수용될 수 있는 공간이 형성될 수 있다.

웨이트(252)는 일종의 무게추로서, 웨이트(252)의 일 예는 하우징과 별도로 제조된 후, 하우징의 공간(S)에 수용되는 것이 가능하다. 웨이트(52)의 다른 예는 하우징의 일부일 수 있다.

이하, 웨이트(252)가 하우징을 구성하는 것으로 설명한다. 그러나, 본 발명은 웨이트(252)가 하우징과 별도로 구성되는 것도 가능함은 물론이다.

제1액츄에이터(254)는 모터나 실린더 등의 구동원을 포함할 수 있다. 제1액츄에이터(254)는 구동기어(256)에 직접 연결되는 것이 가능하고, 별도의 기어나 벨트 등의 동력전달부재를 통해 구동기어(56)에 연결되는 것이 가능하다.

도 6 및 도 7을 참조하면, 카운터 웨이트(250)의 좌우 방향 폭(L1)은 한 쌍의 뒷다리(220A) 사이의 거리(L2) 보다 짧을 수 있다.

카운터 웨이트(250)의 일부는 한 쌍의 뒷다리(220A) 사이에 위치될 수 있고, 카운터 웨이트(250)는 한 쌍의 뒷다리(220A)와 간섭되지 않은 상태에서, 레일(240)을 따라 이동될 수 있다. 카운터 웨이트(250)가 한 쌍의 뒷다리(220A) 중 적어도 하나와 간섭될 경우, 카운터 웨이트(250)는 오작동될 수 있는데 카운터 웨이트(250)가 한 쌍의 뒷다리(220A)와 간섭되지 않으면, 카운터 웨이트(250)의 오작동은 최소화될 수 있다.

다족 로봇은 다족 로봇의 동작을 제어하는 프로세서(180, 도 8 참조)를 포함할 수 있다.

프로세서(180)는 다리(220)에 설치된 센서(140A)(140B)(140C)(140D)의 센싱값과 다리(220)의 토크 중 적어도 하나를 통해 몸체(210)에 올려진 물품(P)의 무게 및 위치를 센싱할 수 있다.

센서(140A)(140B)(140C)(140D)는 복수개 다리 각각에 설치된 무게 센서일 수 있고, 일 예로 로드 셀일 수 있다.

복수개 다리가 한 쌍의 뒷다리(220A)와, 한 쌍의 앞다리(220B)를 포함할 경우, 센서(140A)(140B)(140C)(140D)는 다족 로봇에 총 4개 구비될 수 있다.

복수개 센서(140A)(140B)(140C)(140D)는 좌측 뒷다리에 설치된 제1센서(140A)와, 우측 뒷다리에 설치된 제2센서(140B)와, 좌측 앞다리에 설치된 제3센서(140C)와, 우측 앞다리에 설치된 제4센서(140D)를 포함할 수 있다.

몸체(210)에 물품(P)가 올려졌을 때, 각 다리에 가해진 무게는 상이할 수 있고, 센서(140A)(140B)(140C)(140D)에서 센싱된 센싱값은 각 다리에 가해진 무게일 수 있다.

복수개 센서(140A)(140B)(140C)(140D)에서 센싱된 센싱값은 상이할 수 있고, 프로센서(180)는 복수개 센서(140A)(140B)(140C)(140D)에서 센싱된 센싱값에 의해 물품(P)의 전체 무게, 물품(P)의 위치를 센싱할 수 있다.

프로세서(180)는 센싱된 물품(P)의 무게 및 위치에 따라 카운터 웨이트(250) 특히, 제1액츄에이터(254)를 제어할 수 있다.

센싱된 물품(P)이 무겁고, 물품(P)이 몸체(210)의 선단 및 후단 중 선단에 더 근접할 경우, 프로세서(180)는 다족 로봇의 무게 중심이 뒤 쪽으로 이동되게 카운터 웨이트(250)를 제어할 수 있다.

한편, 레일(240)의 선단(243)은 몸체(210)에 고정되는 것이 가능하고, 레일(240)의 선단(243)은 몸체(210)에 회전 가능하게 배치되는 것도 가능하다.

레일(240)의 선단(243)이 몸체(210)에 회전 가능하게 배치될 경우, 다족 로봇은 레일(240)을 수직축을 중심으로 좌우 회전시키는 제2액츄에이터(260)를 포함할 수 있다.

레일(240)은 제2액츄에이터(260)에 연결되는 연결단(243)과, 연결단(243)의 반대편에 위치하는 자유단(244)을 포함할 수 있다.

레일(240)은 그 일단(243)이 레일(240)의 선단(243)일 수 있고, 연결단(243)일 수 있다.

제2액츄에이터(260)는 모터나 실린더 등의 구동원을 포함할 수 있다. 제2액츄에이터(260)는 레일(240)의 선단(243)에 직접 연결되는 것이 가능하고, 별도의 기어나 벨트 등의 동력전달부재를 통해 레일(240)의 선단(243)에 연결되는 것이 가능하다.

제2액츄에이터(260)의 구동시, 레일(240)은 선단(243)을 중심으로 좌측 방향이나 우측 방향으로 회전될 수 있다.

도 9는 본 발명의 실시 예에 따른 다족 로봇의 제어 블록도이다.

다족 로봇은 다족 로봇의 치우침을 센싱하는 치우침 센서(140E)를 더 포함할 수 있다.

다족 로봇은 보행 중 다족 로봇의 외부에서 가해진 충격(이하, 외란이라 칭함)에 의해 그 일부가 좌우 방향으로 일측으로 쏠릴 수 있고, 치우침 센서(140E)는 이러한 다족 로봇의 치우침을 센싱할 수 있다. 치우침 센서(140E)의 일 예는 다족 로봇에 설치되어 다족 로봇의 방위 변화를 센싱할 수 있는 자이로 센서일 수 있다. 치우침 센서(140E)의 다른 예는 다족 로봇에 설치되어 이미지를 영상을 획득하는 이미지 센서일 수 있다.

프로세서(180)는 제2액츄에이터(260)을 제어할 수 있다. 프로세서(180)는 치우침 센서(140E)의 센싱에 따라 다족 로봇의 치우침을 센싱할 수 있고, 이러한 치우침을 해소하기 위해 제2액추에이터(260)을 제어할 수 있다.

도 10은 도 7에 도시된 다족 로봇의 옆에서 외란이 발생되었을 때의 평면도이다.

프로세서(180)는 몸체(210)의 앞부분(210A) 도 10에 도시된 바와 같이, 좌우 방향 중 일측으로 치우칠 경우, 몸체(210)가 치우쳐진 방향으로 레일(240)이 회전되게 제2액추에이터(260)를 제어할 수 있다.

예를 들어, 프로세서(180)는 몸체(210)의 앞부분(210A)이 외란(OF)에 의해 주행방향을 기준으로 좌측 방향으로 쏠릴 수 있고, 프로세서(180)은 다족 로봇의 전복을 막기 위해 레일(240)이 좌측 방향으로 회전되게 제2액추에이터(260)를 제어할 수 있다. 레일(240)은 제2액추에이터(260)를 기준으로 밸런스 웨이트(250)과 함께 몸체(210)의 앞부분(210A)이 쏠린 방향으로 회전될 수 있다.

프로세서(180)는 다족 로봇이 외란(OF)에 의해 일측으로 치우칠 때, 다족 로봇의 무게 중심(G)이 다족 로봇의 선단과 다족 로봇의 후단 사이에 위치하도록 레일(240)을 회전시킬 수 있고, 레일(240)의 회전에 의해 카운터 웨이트(250)가 위치 이동됨에 따라, 다족 로봇의 전복은 최소화될 수 있다.

이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.

따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.

본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

210: 몸체 220: 다리
240: 레일 242: 기어
250: 카운트 웨이트 252: 웨이트
254: 제1액츄에이터 256: 구동기어

Claims (7)

1. 몸체와;
   상기 몸체에 제공된 복수개 다리와;
   상기 몸체의 후방부에 상기 몸체의 외부로 길게 연장되고 외둘레에 기어가 형성된 레일과;
   상기 레일을 따라 이동되는 카운터 웨이트를 포함하고,
   상기 카운터 웨이트는
   웨이트와;
   상기 웨이트에 배치된 제1액츄에이터와;
   상기 기어와 치합되고 상기 제1액츄에이터에 의해 회전되면서 상기 기어를 따라 이동되는 구동기어를 포함하는 다족 로봇.
2. 제 1 항에 있어서,
   상기 레일의 후단에 배치되고 상기 카운터 웨이트가 걸리는 스토퍼를 더 포함하는 다족 로봇.
3. 제 1 항에 있어서,
   상기 복수개 다리는 상기 몸체의 후방부에 연결된 한 쌍의 뒷다리를 포함하고,
   상기 카운터 웨이트의 좌우 방향 폭은 상기 한 쌍의 뒷다리 사이의 거리 보다 짧은 다족 로봇.
4. 제 1 항에 있어서,
   상기 다리에 설치된 센서의 센싱값을 통해 상기 몸체에 올려진 물품의 무게 및 위치를 센싱하는 프로세서를 포함하고,
   상기 프로센서는 상기 물품의 무게 및 위치에 따라 상기 제1액츄에이터를 제어하는 다족 로봇.
5. 제 1 항에 있어서,
   상기 레일을 수직축을 중심으로 좌우 회전시키는 제2액츄에이터를 포함하는 다족 로봇.
6. 제 5 항에 있어서,
   상기 레일은
   상기 제2액츄에이터에 연결되는 연결단과,
   상기 연결단의 반대편에 위치하는 자유단을 포함하는 다족 로봇.
7. 제 5 항에 있어서,
   상기 몸체가 좌우 방향으로 치우칠 경우, 상기 몸체가 치우쳐진 방향으로 상기 레일이 회전되게 상기 제2액추에이터를 제어하는 프로세서를 더 포함하는 다족 로봇.

Images