KR20220042746A

KR20220042746A - 진공청소기

Info

Publication number: KR20220042746A
Application number: KR1020200125958A
Authority: KR
Inventors: 박기홍; 박정섭; 최가형; 진연섭
Original assignee: 엘지전자 주식회사
Priority date: 2020-09-28
Filing date: 2020-09-28
Publication date: 2022-04-05
Also published as: WO2022065580A1; KR102459280B1; US20230292967A1

Abstract

일 실시예에 따른 진공청소기는, 흡입력을 제공하는 흡입모터, 바닥면의 먼지를 흡입하는 노즐부, 회전부에 구동력을 전달하는 노즐모터, 먼지유입구의 크기를 조절하는 노즐셔터, 동력을 제공하는 배터리, 흡입모터의 구동모드 및 노즐셔터의 개폐여부에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부, 전류정보와 전압정보 및 작동상태에 관한 정보를 사용하여 인공지능모델을 통해 확률정보를 생성하는 인공지능부 및 확률정보에 대응하여 구동모드를 제어하는 제어부를 포함할 수 있다.

Description

진공청소기 {Vacuum Cleaner}

본 발명은 진공청소기에 관한 것으로서, 특히 인공지능 기술을 이용하여 청소중인 바닥의 타입에 대한 확률을 연산하고, 상황에 따라 자동으로 청소기의 흡입력을 변동시킬 수 있는 진공청소기에 관한 것이다.

진공청소기는 청소 대상 영역의 먼지나 이물질을 흡입하여 청소를 수행하는 기기이다. 이러한 청소기는, 사용자가 직접 청소기를 이동시키면서 청소를 수행하기 위한 수동 청소기와, 스스로 주행하면서 청소를 수행하는 자동 청소기로 구분될 수 있다.

수동 청소기는, 청소기의 형태에 따라 캐니스터 타입, 업라이트 타입, 핸디형 타입, 스틱형 타입 등으로 구분될 수 있다.

청소기는 노즐을 이용하여 바닥면을 청소할 수 있다. 일반적으로 노즐은 공기와 먼지를 흡입하기 위하여 사용될 수 있다. 그러나 노즐의 종류에 따라서 노즐에 걸레가 부착되어 걸레로 바닥을 청소할 수 있다.

종래기술에 따르면, 청소기를 사용하여 청소중인 바닥재질이 변화하는 경우 이를 사용자가 인지 또는 판단할 수 있다. 이 경우 사용자는 청소동작 중 청소기의 출력을 변화시키는 입력을 인가할 수 있다. 제어부는 사용자로부터 청소기의 출력을 변화시키는 입력을 전달 받아, 흡입모터의 출력을 변동시키는 것이 일반적이었다.

또한 최근에 개발되는 진공청소기들은, 바닥재질의 변화를 감지할 수 있는 감지부를 포함한다. 감지부가 청소 중 바닥재질이 변화하는 것을 감지하는 경우, 제어부는 이를 전달받아 자동으로 흡입력을 변동시키는 기능을 제공할 수 있다.

일반적으로 진공청소기는, 헤드에 달린 노즐모터에 흐르는 전류를 기준으로 바닥의 종류를 판단하여 흡입력을 변동시킨다. 구체적으로, 선행문헌인 한국 등록특허 10-1411742 는, 바닥 감지 결과에 따라 흡입력을 변동시키는 로봇청소기를 개시하고 있다. 흡입력의 변동은, 노즐부에서 측정된 전류부하가 기준치(Threshold)를 초과하는지 여부에 따라 변하도록 설정되었다.

그러나 종래 기술과 같이 단일한 기준치(Threshold)에 따라 바닥면의 타입을 예측하는 경우, 사용자의 청소패턴 변화나 장애물과의 충돌 등에 의하여 의도치 않은 결과를 도출할 수 있어 기기의 오작동을 일으키는 문제가 존재할 수 있다.

본 발명은 하나 이상의 복합 데이터에 기반한 확률 모델링 기법을 적용하여 바닥면을 감지할 수 있는 진공청소기를 제시한다. 특히 실시예들에 따른 진공청소기는, 기계학습을 활용하여 형성된 인공지능모델을 이용하여, 다양한 상황에서 신뢰성 높은 감지성능을 제공할 수 있는 인공지능부를 포함할 수 있다.

상기와 같은 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 진공청소기는 흡입력을 제공하는 흡입모터, 회전부 및 먼지유입구를 구비하며 흡입모터로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부, 노즐부에 구비되어 회전부에 구동력을 전달하는 노즐모터, 노즐부에 구비되어 먼지유입구의 크기를 조절하는 노즐셔터를 포함할 수 있다. 또한, 흡입모터, 노즐셔터 및 노즐셔터에 동력을 제공하는 배터리를 포함할 수 있으며 흡입모터의 구동모드 및 노즐셔터의 개폐여부에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부, 노즐모터에 흐르는 전류값에 관한 전류정보, 배터리의 전압값에 관한 전압정보 및 작동상태에 관한 정보 중 적어도 하나를 사용하여 인공지능모델을 통해 확률정보를 생성하는 인공지능부를 포함할 수 있고, 확률정보에 대응하여 구동모드를 제어하는 제어부를 포함할 수 있다.

실시예들에 따른 진공청소기의 확률정보는, 바닥면이 제1 타입일 확률인 제1 확률값 및 바닥면이 제2 타입일 확률인 제2 확률값을 포함할 수 있다.

실시예들에 따른 진공청소기의 구동모드는, 제1 모드 및 제2 모드를 포함할 수 있고, 흡입모터는 제2 모드보다 제1 모드에서 더 높은 흡입력을 가질 수 있다. 제어부는, 제1 확률값이 제2 확률값보다 큰 경우 흡입모터를 제1 모드로 구동시키며, 제1 확률값이 제2 확률값보다 크지 않은 경우 흡입모터를 제2 모드로 구동시킬 수 있다.

실시예들에 따른 진공청소기의 작동상태는, 노즐셔터가 개방상태이며 흡입모터가 제1 모드로 작동하는 제1 상태, 노즐셔터가 개방상태이며 흡입모터가 제2 모드로 작동하는 제2 상태 및 노즐셔터가 폐쇄상태이며 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나일 수 있다. 인공지능모델은 기계학습방법을 통하여 획득되며, 제1 상태 내지 제3 상태에 대응하여 제1 확률값 및 제2 확률값을 판단할 수 있는 정보를 포함할 수 있다. 인공지능부는 인공지능모델을 이용하여 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률값 및 제2 확률값을 획득할 수 있다.

실시예들에 따른 진공청소기의 인공지능모델은, 제1 상태에서 기계학습된 제1 모델, 제2 상태에서 기계학습된 제2 모델 및 제3 상태에서 기계학습된 제3 모델을 포함할 수 있다. 인공지능부는, 작동상태가 제1 상태인 경우 제1 모델을 이용하고, 작동상태가 제2 상태인 경우 제2 모델을 이용하고, 작동상태가 제3 상태인 경우 제3 모델을 이용하여 제1 확률값 및 제2 확률값을 획득할 수 있다.

실시예들에 따른 진공청소기의 인공지능모델은, 전압정보 및 전류정보의 조합에 대응되는 제1 확률값 및 제2 확률값을 포함하는 학습모델을 포함할 수 있다. 인공지능부는, 학습모델을 통하여 전류정보 및 전압정보에 대응하는 제1 확률값 및 제2 확률값을 찾아내고, 확률정보를 생성할 수 있다.

실시예들에 따른 진공청소기는, 노즐모터에 흐르는 전류값을 가공하여 전류정보를 생성하는 전처리부를 더 포함할 수 있다. 전처리부는, 설정된 시간길이 및 시간간격으로 측정된 전류값의 산술평균을 내어 전류정보를 생성할 수 있다.

또한, 본 발명의 일 실시예에 따른 진공청소기의 제어방법은, 흡입모터의 구동모드 및 노즐셔터의 개폐여부를 전달받아 작동상태에 관한 정보를 생성하는 제1 단계, 노즐모터에 흐르는 전류값을 전달받아 전류정보를 생성하는 제2 단계, 배터리의 전압값을 전달받아 전압정보를 생성하는 제3 단계, 작동상태와 전류정보 및 전압정보 중 적어도 하나를 사용하여 인공지능모델을 통해 확률정보를 생성하는 제4 단계 및 확률정보에 대응하여 흡입모터의 구동모드를 제어하는 제5 단계를 포함할 수 있다.

실시예들에 따른 진공청소기 제어방법의 확률정보는, 청소중인 바닥면이 제1 타입일 확률인 제1 확률값 및 바닥면이 제2 타입일 확률인 제2 확률값을 포함할 수 있다.

실시예들에 따른 진공청소기 제어방법의 구동모드는 제1 모드 및 제2 모드를 포함할 수 있다. 흡입모터는 제2 모드보다 제1 모드에서 더 높은 흡입력을 가질 수 있다. 제어부는 제1 확률값이 제2 확률값보다 큰 경우 흡입모터를 제1 모드로 구동시키며, 제1 확률값이 제2 확률값보다 크지 않은 경우 흡입모터를 제2 모드로 구동시킬 수 있다.

실시예들에 따른 진공청소기 제어방법의 작동상태는 노즐셔터가 개방상태이며 흡입모터가 제1 모드로 작동하는 제1 상태, 노즐셔터가 개방상태이며 흡입모터가 제2 모드로 작동하는 제2 상태 및 노즐셔터가 폐쇄상태이며 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나일 수 있다. 인공지능모델은 기계학습방법을 통하여 획득될 수 있으며 제1 상태 내지 제3 상태에 대응하여 제1 확률값 및 제2 확률값을 판단할 수 있는 정보를 포함할 수 있다. 제4 단계는 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률값 및 제2 확률값을 획득할 수 있다.

실시예들에 따른 진공청소기 제어방법의 인공지능모델은, 제1 상태에서 기계학습된 제1 모델, 제2 상태에서 기계학습된 제2 모델 및 제3 상태에서 기계학습된 제3 모델을 포함할 수 있다. 제4 단계에서는, 작동상태가 제1 상태일 때 제1 모델을 이용하고, 작동상태가 제2 상태일 때 제2 모델을 이용하고, 작동상태가 제3 상태일 때 제3 모델을 이용하여 제1 확률값 및 제2 확률값을 획득할 수 있다.

실시예들에 따른 진공청소기 제어방법의 인공지능 모델은, 전압정보 및 전류정보의 조합에 대응되는 제1 확률값 및 제2 확률값을 포함하는 학습모델을 포함할 수 있다. 제4 단계는, 전류정보 및 전압정보에 대응하는 제1 확률값 및 제2 확률값을 학습모델에서 찾아 확률정보를 생성할 수 있다.

실시예들에 따른 진공청소기 제어방법의 제2 단계는, 설정된 시간길이 및 시간간격으로 측정된 전류값의 산술평균을 내어 전류정보를 생성할 수 있다.

본 발명에 따른 진공청소기가 포함하는 인공지능부는, 사용자가 청소중인 바닥면이 어떤 타입의 바닥면인지에 대한 확률정보를 생성할 수 있다. 제어부는 인공지능부로부터 바닥면 타입에 대한 확률정보를 전달받아, 진공청소기의 구동모드를 제어할 수 있다.

구체적으로, 인공지능부는 기존에 기계학습된 신경망 모델을 활용하여 청소중인 바닥면 타입을 예측할 수 있다. 또한 인공지능부는, 노즐모터에 흐르는 전류값, 배터리의 전압값, 노즐셔터의 개폐여부, 흡입모터의 구동모드 중 적어도 하나 이상의 정보를 이용하여 청소중인 바닥면의 타입을 예측할 수 있다. 이는 노즐모터에 흐르는 전류만을 활용하던 종래기술에 비하여, 바닥면 타입을 정확히 예측할 확률을 높여준다.

도 1은 실시예들에 따른 진공청소기가 바닥면을 청소하는 상태를 나타낸 사시도잇다.
도 2는 실시예들에 따른 진공청소기의 노즐부를 나타낸 사시도 및 분해도이다.
도 3은 실시예들에 따른 진공청소기의 구동모드를 제어하는 방법을 나타낸 흐름도이다.
도 4는 전처리부를 포함하는 진공청소기의 구동모드를 제어하는 방법을 나타낸 흐름도이다.
도 5는 기계학습의 방법 중 하나인 합성 신경망을 나타낸 개념도이다.
도 6은 실시예들에 따른 진공청소기가, 전류정보만을 이용하여 바닥면 타입을 판별하는 상황을 나타낸 도면이다.
도 7은 실시예들에 따른 진공청소기가, 바닥면 타입을 판별할 때 겪을 수 있는 다양한 문제 상황을 나타낸 도면이다.
도 8은 실시예들에 따른 진공청소기가, 바닥면 타입을 판별할 때 겪을 수 있는 다양한 문제 상황을 나타낸 도면이다.
도 9는 실시예들에 따른 진공청소기가, 전처리된 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 10은 실시예들에 따른 진공청소기가, 구동모드에 관한 정보 및 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 11은 실시예들에 따른 진공청소기가, 전압정보 및 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 12는 실시예들에 따른 진공청소기가, 특정 전류값에 대한 서로 다른 전압정보들을 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 13은 실시예들에 따른 진공청소기의 바닥면 판별 성능을 검증하기 위한 실험결과를 나타낸 도면이다.

이하 상기 발명의 목적을 구체적으로 이해 및 실현할 수 있도록, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.

이 과정에서 도면에 도시된 구성요소의 크기나 형상 등은 설명의 명료성과 편의성을 위하여 과장되게 도시될 수 있다. 또한 본 발명의 구성 및 작용을 고려하여 특별히 정의된 용어들은 사용자 및 운용자의 의도 또는 관례에 따라 달라질 수 있다.

한편 본 발명에서 '제1' '및/또는' '제2' 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 한정되지 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소들과 구별하는 목적으로만 사용될 뿐이다. 예컨대 본 발명의 개념에 따른 권리범위로부터 벗어나지 않는 범위 내에서, 제1 구성요소는 제2 구성요소로 명명될 수 있으며, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

이러한 용어들은 본 명세서 전반에 걸친 내용을 토대로 정의 및 이해되어야 한다.

이하 도 1 및 도 2를 참조하여 실시예들이 포함하는 진공청소기(1)의 기본적 구조에 대하여 설명하겠다.

도 1은 실시예들에 따른 진공청소기(1)가 바닥면(500)에 위치한 먼지를 빨아들이는 것을 나타낸 도면이다.

도 1이 나타내는 것과 같이, 핸드스틱 타입의 진공청소기(1)를 사용하는 경우 사용자가 손잡이를 잡고 실내 및/또는 실외를 돌아다니며 바닥면(500)을 청소하는 것이 일반적이다. 진공청소기(1)의 일 단에 위치한 손잡이 부분에는 전력을 공급하는 배터리(300)가 실장된다. 흡입모터(200)는 배터리(300)로부터 전력을 전달받아 흡입력을 발생시킨다. 진공청소기(1) 타 단에 위치한 노즐부(100)는 연통부에 의하여 흡입모터(200)와 연결된다. 노즐부(100)는, 흡입모터(200)에 의하여 발생된 흡입력을 바탕으로 바닥면(500)에 위치하는 먼지 및/또는 이물질을 빨아들일 수 있다.

도 2(a)는 진공청소기(1)가 포함하는 노즐부(100)의 기본적 구조를 나타낸 도면이고, 도 2(b)는 노즐부(100)를 구성하는 부품을 나타낸 분해도이다.

도 2가 나타내는 것과 같이, 노즐부(100)의 일 면에는 바닥면의 먼지 및/또는 이물질이 흡입될 수 있는 먼지유입구(미도시)가 존재한다. 노즐부(100)는, 브러쉬 등으로 구성되어 바닥면의 먼지를 먼지유입구(미도시)로 이동시키는 회전부(103)를 포함할 수 있다. 또한 노즐부(100)는, 배터리(300)로부터 동력을 전달받아 회전부(103)에 구동력을 전달하는 노즐모터(102) 및 배터리(300)로부터 동력을 전달받아 먼지유입구(미도시)의 크기를 조절하는 노즐셔터(101)를 포함할 수 있다.

노즐셔터(101)는 개방상태 또는 폐쇄상태일 수 있다. 노즐셔터(101)가 개방상태인 경우 먼지유입구(미도시)의 면적이 증가하는 효과가 있어 상대적으로 크기가 큰 이물질을 빨아들일 수 있다. 노즐셔터(101)가 폐쇄상태인 경우 먼지유입구(미도시)의 면적이 감소하는 효과가 있어, 진공청소기(1)의 흡입력이 증대되는 효과를 가진다.

노즐셔터(101)가 개방상태가 되면 먼지유입구의 면적이 증가하며 흡입력이 감소하게 된다. 이 때 감소된 흡입력에 의하여 노즐부(100)와 바닥의 흡착력이 약해지게 된다. 이 경우 회전부(103)가 바닥면 위에서 상대적으로 쉽게 움직이게 되므로, 노즐모터(102)를 흐르는 전류의 양은 감소하게 된다.

반대로, 노즐셔터(101)가 폐쇄상태가 되면 먼지유입구의 면적이 감소해서 흡입력이 증가하게 된다. 이 때 증가된 흡입력에 의하여 노즐부(100)와 바닥의 흡착력이 강해지게 된다. 이 때 회전부(103)가 바닥면 위에서 쉽게 움직이게 하기 위하여, 노즐모터(102)를 흐르는 전류의 양은 증가하게 된다.

사용자가 진공청소기(1)를 이용하여 바닥면의 청소를 진행하는 경우, 바닥면이 두 가지 타입을 가진다고 가정할 수 있다. 장판이나 마루 같은 하드타입 바닥의 경우 바닥면에 먼지 등이 그대로 노출되어 있어, 낮은 흡입력으로도 효과적인 청소가 가능하다. 반면, 윌튼이나 플러쉬 같은 카펫타입의 바닥의 경우 먼지가 바닥면 속에 감추어져 있어, 높은 흡입력으로 청소를 진행하여야 한다.

사용자가 딱딱한 바닥을 청소하는 도중 카펫타입의 바닥으로 청소하는 영역을 옮기는 경우를 가정할 수 있다. 종래의 기술 중 초기 타입의 진공청소기(1)는, 사용자가 바닥재질의 변화를 감지하면 사용자의 판단에 따라 진공청소기(1)의 청소동작을 정지시키고, 사용자가 청소기에 구비된 버튼을 입력하여 흡입력을 변동할 수 있는 기능을 제공하였다.

또한 종래의 기술 중, 자동으로 흡입력을 변화시키는 기능을 가진 진공청소기(1)는, 진공청소기(1)의 감지부가 바닥재질의 변화를 자체적으로 판단하여 흡입력을 변동시키는 기능을 제공하였다.

종래기술 중 청소기가 바닥타입을 자동으로 판단하여 흡입력을 변동시키는 기술의 경우, 회전부(103)가 서로 다른 바닥면 타입에 따라 상이한 회전저항을 받게 되어 노즐모터(102)를 흐르는 전류의 양이 변화하는 점을 주로 이용하고 있다.

종래기술들은, 청소중인 바닥면의 종류에 따라 노즐모터(102)를 흐르는 전류값의 범위가 상이하다는 가정하에 진공청소기를 제어한다. 따라서, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하는 경우 카펫타입의 바닥을 청소하고 있다고 판단하며, 기준치(Threshold)를 초과하지 않는 경우 하드타입의 바닥을 청소하고 있다고 판단하게 된다. 그러나 노즐모터(102)를 흐르는 전류만을 이용하여 청소중인 바닥면 타입을 분류하는 기법은, 여러 가지 한계 및 결점이 존재한다.

실시예들에 따른 진공청소기(1)는, 흡입력을 제공하는 흡입모터(200), 회전부(103) 및 먼지유입구를 구비하며 흡입모터(200)로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부(100), 노즐부(100)에 구비되어 회전부(103)에 구동력을 전달하는 노즐모터(102), 노즐부(100)에 구비되어 먼지유입구의 크기를 조절하는 노즐셔터(101)를 구비할 수 있다. 또한, 흡입모터(200)와 노즐모터(102) 및 노즐셔터(101)에 동력을 제공하는 배터리(300)를 포함할 수 있다.

또한 실시예들에 따른 진공청소기(1)는, 흡입모터(200)의 구동모드(W) 및 노즐셔터의 개폐여부(O)에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부(S101)를 포함할 수 있으며 인공지능모델을 통하여 청소중인 바닥면의 타입에 대한 확률정보를 생성하는 인공지능부(S103)를 포함할 수 있다. 인공지능모델은, 노즐모터(102)에 흐르는 전류값에 관한 전류정보(A), 배터리(300)의 전압값에 관한 전압정보(V) 및 진공청소기(1)의 작동상태에 관한 정보를 활용하여 확률정보를 생성할 수 있다.

진공청소기(1)가 포함하는 제어부(S104)는, 인공지능부(S103)로부터 생성된 확률정보에 대응하여 흡입모터(200)의 구동모드(W)를 제어할 수 있다.

즉, 실시예들에 따른 진공청소기(1)는 청소 중인 바닥면의 타입을 파악하는 데 있어서 작동상태에 관한 정보, 전류정보(A) 및 전압정보(V) 중 적어도 하나를 이용할 수 있다. 이는 전류정보(A)만을 사용하는 종래 기술에 비하여 더 높은 바닥면 타입 예측 성능을 가질 수 있다.

실시예들에 따른 확률정보는, 청소중인 바닥면이 제1 타입일 확률인 제1 확률(PC)값 및 청소중인 바닥면이 제2 타입일 확률인 제2 확률(PH)값을 포함할 수 있다. 이 때 제1 타입의 바닥면은, 상대적으로 높은 흡입력으로 청소해야 하는 카펫 타입의 바닥면일 수 있다. 또한 제2 타입의 바닥면은, 상대적으로 낮은 흡입력으로도 청소가 가능한 하드타입의 바닥면일 수 있다.

실시예들에 따른 구동모드(W)는, 제1 모드(M1) 및 제2 모드(M2)를 포함할 수 있다. 흡입모터(200)는 제2 모드(M2)보다 제1 모드(M1)에서 더 높은 흡입력을 가질 수 있다. 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 큰 경우 흡입모터(200)를 제1 모드(M1)로 구동시킬 수 있다. 또한 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 크지 않은 경우 흡입모터(200)를 제2 모드(M2)로 구동시킬 수 있다.

구체적으로, 청소중인 바닥면이 카펫타입일 확률이 하드타입일 확률보다 더 높다고 판단되는 경우, 제어부(S104)는 흡입모터(200)를 제1 모드(M1)로 구동시킬 수 있다. 또한, 청소중인 바닥면이 하드타입일 확률이 카펫타입일 확률보다 더 높다고 판단되는 경우, 제어부(S104)는 흡입모터(200)를 제2 모드(M2)로 구동시킬 수 있다.

실시예들에 따른 진공청소기(1)의 작동상태는, 노즐셔터(101)가 개방상태이며 흡입모터(200)가 제1 모드(M1)로 작동하는 제1 상태이거나, 노즐셔터(101)가 개방상태이며 흡입모터(200)가 제2 모드(M2)로 작동하는 제2 상태이거나, 노즐셔터(101)가 폐쇄상태이며 흡입모터(200)가 제1 모드(M1)로 작동하는 제3 상태일 수 있다.

실시예들에 따른 인공지능 모델은, 기계학습 방법을 통하여 획득될 수 있으며, 제1 상태 내지 제3 상태에 대응하여 제1 확률(PC)값 및 제2 확률(PH)값을 판단할 수 있는 정보를 포함할 수 있다. 인공지능부(S103)는 인공지능모델을 이용하여 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률(PC)값 및 제2 확률(PH)값을 획득할 수 있다.

이하 도 3 내지 도 5를 참조하여 실시예들에 따른 진공청소기(1)의 제어 방법에 대한 로직을 알아본다.

도 3은 실시예들에 따른 진공청소기(1)의 기본적인 제어 방법을 나타낸 블록 선도이다.

실시예들에 따른 진공청소기(1)의 모델선택부(S101)는, 흡입모터(200)의 구동모드(W)와 노즐셔터의 개폐여부(O)를 전달받아 작동상태에 관한 정보를 생성할 수 있다. 인공지능부(S103)는 작동상태, 전류정보(A) 및 전압정보(V)를 전달받을 수 있으며 인공지능모델을 이용하여 제1 확률(PC)값 및 제2 확률(PH)값을 생성할 수 있다. 제어부(S104)는 제1 확률(PC)값 및 제2 확률(PH)값을 전달받아 제1 확률(PC)값이 제2 확률(PH)값보다 높은 경우 흡입모터(200)의 출력을 증가실 수 있으며, 제1 확률(PC)값이 제2 확률(PH)값보다 높지 않은 경우 흡입모터(200)의 출력을 감소시킬 수 있다. 상기와 같은 과정이 계속 피드백되며 진공청소기(1)의 구동모드(W)가 제어될 수 있다.

실시예들에 따른 진공청소기(1)의 제어부(S104)는, 종래기술과 같이 제1 확률(PC)값 및 제2 확률(PH)값의 절대적인 크기로 바닥면의 타입을 판별하는 것이 아닌, 각 종류별 확률 추정값들 간의 상대적인 비교를 사용할 수 있다. 이를 통하여 다양한 타입의 바닥면 타입을 포괄할 수 있는 복합적인 판단방법을 구현하는 것이 가능하다. 예를들면, 제1 확률(PC)값 및 제2 확률(PH)값이 모두 낮아도 그 중 큰 값을 선택하여 바닥면의 타입을 판단할 수 있다.

실시예들에 따른 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 더 높은 경우 흡입모터(200)의 출력을 높이거나, 제1 모드(M1)로 구동시킬 수 있다. 이 때 다음 시기에서 제어부(S104)가 사용하는 모델 파라미터는 제1 상태 또는 제3 상태일 수 있다. 또한 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 높지 않은 경우 흡입모터(200)의 출력을 낮추거나, 제2 모드(M2)로 구동시킬 수 있다. 이 때 다음 시기에서 제어부(S104)가 사용하는 모델 파라미터는 제2 상태일 수 있다.

도 4는 실시예들에 따라 전처리부(S102)를 포함하는 진공청소기(1)의 제어 방법을 나타낸 블록 선도이다.

실시예들에 따른 진공청소기(1)의 제어 방법은, 도 3에 따른 제어 방법에서 전처리부(S102)를 추가적으로 포함하는 방법일 수 있다. 전처리부(S102)는 노즐모터(102)에 흐르는 전류값을 가공하여 전처리된 전류정보(Ad)를 생성할 수 있다. 구체적으로 전처리부(S102)는, 설정된 시간길이(t) 및 시간간격(n)으로 측정된 노즐모터(102) 전류값의 산술평균을 내어 전처리된 전류정보(Ad)를 생성하고, 이를 인공지능부(S103)에 전달할 수 있다.

도 5는 실시예들에 따른 인공지능모델을 통하여 제1 확률(PC)값 및 제2 확률(PH)값을 획득하는 방법에 대한 실시예이다. 인공지능모델을 획득하기 위해서는 CNN(Convolution Neural Network) 또는 MLP(Multi-Layer Perceptron) 등의 머신러닝 기법이 이용될 수 있다.

실시예들에 따라 MLP를 이용하여 확률정보를 획득하는 방법을 살펴본다. 인공지능모델은 전처리된 전류정보(Ad)와 전압정보(V)를 각각 입력받을 수 있다. 이 때 작동상태정보에 관한 파라미터인

을 연산시켜 중간 결과 값인

을 획득할 수 있다. 이를 반복하여 수행하면 최종 층인 l 의 결과값인

를 획득할 수 있다. 결과값을 얻기 위하여 사용되는 연산식은

일 수 있다.

인공지능모델은, 서로다른 작동상태에 대하여 서로다른 종류의 바닥면을 청소하며 학습될 수 있다. 따라서 수동으로 모델링을 할 필요가 없으며, 해당 상황 데이터에 최적화되어 도출되는 것이 가능하다. 이는 손쉬운 고차원 모델링을 가능케 할 수 있다. 실시예들에 따른 인공지능모델은 고차원 모델링을 이용하기 때문에, 모델의 복잡도가 증가할 수 있으며, 복합적인 입력 데이터 항목들 간의 복잡한 인과 관계를 정밀하게 분석하는 것이 가능하다.

실시예들에 따른 인공지능모델은, 기존의 단일한 기준치(Threshold) 판단법에 비하여 다양한 상황에서 대처 가능한 고차원의 모델로서 설계될 수 있다. 또한, 기존보다 높은 정확도로 바닥면의 종류를 판별하는 것이 가능하다.

이하 도 6 내지 도 8을 참조하여, 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악하는 방법의 문제점에 대하여 살펴본다.

도 6은 서로 다른 제1 타입 바닥면이 존재하는 경우, 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때 발생하는 문제점을 설명하기 위한 도면이다.

도 6(a)는 일반적으로 종래기술에 따라 바닥면을 파악할 때의 시간 - 전류 관계를 나타낸 그래프이다. 진공청소기(1)의 제어부(S104)는, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하는 범위에 계속 존재하는 경우 청소중인 바닥면의 타입이 제1 타입이라고 판단할 수 있다. 또한, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하지 않는 범위에 계속 존재하는 경우 청소중인 바닥면의 타입이 제2 타입이라고 판단할 수 있다.

제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.

도 6(b)를 살펴보면, 서로 다른 종류의 제1 타입 바닥면이 존재하는 경우, 진공청소기(1)의 회로 구성이나 흡입력 등의 조건에 따라 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region) 가 겹치는 범위(Overlap)가 크게 발생하게 된다. 이 경우, 종래기술에 따른 방법으로는 바닥면 타입 판별을 위한 기준치(Threshold)를 설정하는 것이 용이하지 않게 되는 문제가 존재한다.

도 7은 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때, 제2 타입 바닥면을 제1 타입 바닥면으로 오판단 할 가능성이 있는 경우를 설명하고, 전처리부(S102)를 포함하는 진공청소기(1)가 가지는 이점을 설명하기 위한 도면이다.

도 7(a)는 제1 타입 바닥면에서의 전류값(T1)과 제2 타입 바닥면에서의 전류값(T2) 이외에도, 판단오류를 일으킬 수 있는 경우의 전류값(T3)를 포함하고 있다. 판단오류를 일으킬 수 있는 경우란, 청소 중 바닥면에 굴곡 및 이물질이 있는 경우나 청소 중 방향이동을 하는 경우 또는 노즐부(100)가 장애물에 부딪히는 경우 등을 포함할 수 있다.

구체적으로, 바닥면에 굴곡이 존재하거나 테이프, 음료수, 끈적이는 물체 등이 존재하면 노즐부(100)와 바닥면 사이에 마찰력이 증가할 수 있다. 또한, 청소 중 방향이동을 하거나 곡선으로 스트로크 하는 경우, 회전부(103)의 회전 방향과 어긋나는 힘이 발생하게 되며 마찰력이 증가할 수 있다. 또한, 진공청소기(1)가 장애물에 부딪히는 경우 회전부(103)의 회전이 방해를 받아 마찰력이 증가할 수 있다. 마찰력이 증가하면 노즐모터(102)를 흐르는 전류가 증가하게 되며, 청소중인 바닥면을 제1 타입 바닥면이라고 오판단할 가능성이 증가한다.

도 7(a)를 참조하여 판단오류를 일으킬 수 있는 경우의 전류값(T3)을 살펴보면, 상기 나열한 상황인 A1, A2 및 A3 상황에서 순간적으로 전류값이 증가하여 기준치(Threshold)를 초과하게 되는 것을 나타내고 있다. 종래기술은, 상기 상황에서 실제로는 제2 타입 바닥면을 청소중임에도 제1 타입 바닥면을 청소중이라고 오판단할 수 있다.

도 7(b)는 전처리부(S102)를 포함하는 진공청소기(1)의 실시예를 나타내었다. 이를 통하여 본 발명의 실시예들 중 하나가 갖는 이점인, 기준치(Threshold)를 넘는 전류값들로 인하여 일어날 수 있는 오판단 가능성 제거 기능을 확인할 수 있다.

도 8은 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때, 제1 타입 바닥면을 제2 타입 바닥면으로 오판단 할 가능성이 있는 경우를 설명하고, 전처리부(S102)를 포함하는 진공청소기(1)가 가지는 이점을 설명하기 위한 도면이다.

도 8(a)는 제1 타입 바닥면에서의 전류값(T1)과 제2 타입 바닥면에서의 전류값(T2) 이외에도, 판단오류를 일으킬 수 있는 경우의 전류값(T3)을 포함하고 있다. 판단오류를 일으킬 수 있는 경우란, 제1 타입 바닥면 위아래의 낮은 물체에 의하여 노즐부(100)가 공중으로 들림에 의하여 회전부(103)의 부하가 감소하는 경우나 제1 타입 바닥면에 굴곡이 생겨서 노즐부(100)가 공중에 들림에 의하여 회전부(103)의 부하가 감소하는 경우 또는 청소 중 스트로크로 인하여 노즐부(100)의 뒷부분이 공중으로 들림에 의하여 회전부(103)의 부하가 감소하는 경우 등을 포함할 수 있다.

구체적으로, 바닥면에 전선이나 막대기, 공책 등의 물체가 존재하는 경우 노즐부(100)가 띄워질 수 있다. 또한, 바닥면이 카펫 등인 경우 카펫이 노후화되거나 접혀서 노즐부(100)의 일부가 공중으로 띄워질 수 있고, 사용자가 청소 중 진공청소기(1)를 급격하게 당기는 경우 또는 사용자의 신장이 매우 커서 청소 중 진공청소기(1)를 들어올리는 경우 마찰력이 감소할 수 있다. 마찰력이 감소하면 노즐모터(102)를 흐르는 전류가 감소하게 되며, 청소중인 바닥면을 제2 타입 바닥면이라고 오판단할 가능성이 증가한다.

판단오류를 일으킬 수 있는 경우의 전류값(T3)은 상기 나열한 상황인 상기 나열한 상황인 A4, A5 및 A6 상황에서 순간적으로 전류값이 감소하여, 기준치(Threshold) 아래의 값을 가지게 되는 상황을 표현하고 있다. 종래기술은, 상기 상황에서 실제로는 제1 타입 바닥면을 청소중임에도 제2 타입 바닥면을 청소중이라고 오판단할 수 있다.

도 8(b)는 전처리부(S102)를 포함하는 진공청소기(1)의 실시예를 나타내었다. 이를 통하여 본 발명의 실시예들 중 하나가 갖는 이점인, 기준치(Threshold)이하의 값을 가지는 전류로 인하여 일어날 수 있는 오판단 가능성 제거 기능을 확인할 수 있다.

이하 도 9를 참조하여 실시예들에 따라 전처리부(S102)를 포함하는 진공청소기(1)가, 서로 다른 제1 타입의 바닥면 및 제2 타입의 바닥면을 판별할 때 가지는 이점에 대하여 살펴본다.

도 9는 노즐모터(102)에 흐르는 전류값에 대하여, 제1 타입 바닥면에서의 전류범위(T1 Region) 및 제2 타입 바닥면에서의 전류범위(T2 Region)를 나타내고 있다. 도 9(a)는 가공되지 않은 전류값, 도 9(b)는 400ms의 시간길이로 전처리된 전류값, 도 9(c)는 800ms의 시간길이로 전처리된 전류값, 도 9(d)는 1200ms의 시간길이로 전처리된 전류값을 나타낸다.

제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다. 서로 다른 종류의 제1 타입 바닥면에 대하여는, 각각의 전류값 범위가 상이한 특징이 존재할 수 있다. 이 경우 제1 타입 바닥면에 대한 전류값이 가지는 범위가 증가하게 되며 제2 타입 바닥면의 전류값이 가지는 범위와 겹치는 부분(Overlap)이 생길 수 있다.

가공되지 않은 전류값을 이용하여 바닥면을 판단하는 경우, 제1 타입 바닥면에서의 전류범위(T1 Region) 및 제2 타입 바닥면에서의 전류범위(T2 Region)가 넓게 형성된다. 이는 전술한 바와 같이, 통상적이지 않은 전류값도 전류범위에 포함시키기 때문에 나타나는 현상이다. 그러나, 노즐모터(102)에 흐르는 전류를 주어진 시간길이 및 시간간격으로 측정하여 산술평균을 획득하는 경우, 통상적이지 않은 전류값의 영향을 최소화할 수 있다. 시간길이를 400ms로 두어 전류값을 전처리 하는 경우, 전처리되지 않은 데이터와 비교해서 양 타입의 바닥면에 대한 전류범위가 겹치는 부분(Overlap)이 크게 줄어들지는 않는다. 그러나 시간길이를 800ms 또는 1200ms로 두어 전류값을 전처리 하는 경우, 양 타입의 바닥면에 대한 전류범위가 겹치는 부분(Overlap)이 크게 감소하는 것을 확인할 수 있다. 전류범위간 겹치는 부분(Overlap)이 감소하면 기준치(Threshold)를 설정하는 것이 용이해지며, 바닥면 타입의 판별 정확도를 높일 수 있다.

800ms라는 시간길이는 사용자의 청소 패턴을 고려하여 청소기가 한번 왕복(Stroke)가 이루어지는 시간에 해당할 수 있다. 이 이상의 시간길이를 가지는 전처리 결과에 대하여는 800ms의 시간길이를 가지는 전처리 결과와 비슷한 수준의 데이터를 획득할 수 있다. 알고리즘의 반응속도와 정확도를 고려하여 800ms의 시간길이동안 데이터를 누적하여 전처리를 수행한 결과를 바닥면 타입 판별에 활용할 수 있다.

구체적으로, 전류정보(A)의 전처리 방법은, 노즐모터(102)에 흐르는 전류값에 대한 산술평균을 획득하는 방법을 활용할 수 있다. 일례로, 설정된 시간길이가 800ms이고, 전류값을 측정하는 시간간격이 40ms라면 20개의 누적 전류값을 획득할 수 있을 것이다. 전처리부(S102)는 누적된 20 개의 전류값들의 산술평균을 인공지능부(S103)에 제공할 수 있다.

이하 도 10을 참조하여 실시예들에 따른 진공청소기(1)가 전류정보(A) 및 구동모드(W)를 파라미터로 하여 바닥면을 판단하는 방법에 대하여 살펴본다.

도 10(a)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1) 및 제2 모드(M2)인 모든 경우에서, 각각의 바닥면 타입에 따라 노즐모터(102)에 흐르는 전류값을 나타낸 도면이다. 이 때, 제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.

도 10(b)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1)인 경우에서 각각의 바닥면 타입에 따라 노즐모터(102)에 흐르는 전류값을 나타낸 것이다.

같은 타입의 바닥면에 대해서도, 흡입모터(200)의 출력이 상대적으로 높은 제1 모드(M1)에서의 전류정보(A)와 출력이 상대적으로 낮은 제2 모드(M2)에서의 전류정보(A)는 서로 상이할 수 있다. 이 때 제1 모드(M1)와 제2 모드(M2)에서 독립적으로 전류정보(A)를 판단할 수 있다.

구체적으로, 제1 모드(M1)에서는 노즐부(100)와 바닥면의 흡착력이 높아, 노즐모터(102)를 흐르는 전류값은 상대적으로 높은 크기를 가질 수 있다. 제2 모드(M2)에서는 노즐부(100)와 바닥면의 흡착력이 낮아, 노즐모터(102)를 흐르는 전류값이 상대적으로 작은 크기를 가질 수 있다.

이 때 제1 모드(M1)에서 제2 타입의 바닥면을 청소하는 경우 전류값이 상대적으로 높아져 제2 타입 바닥면에서의 전류범위(T2 Region)의 상한선이 높아지고, 제2 모드(M2)에서 제1 타입의 바닥면을 청소하는 경우 전류값이 상대적으로 낮아져 제1 타입 바닥면에서의 전류범위(T1 Region)의 하한선이 낮아진다. 따라서 두 타입의 바닥면에서의 전류범위 값이 겹치는 부분(Overlap)이 늘어나게 된다.

도 10(b)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1)인 경우의 전류값 범위만을 나타내고 있다. 이와 같이 실시예들에 따른 진공청소기(1)는, 서로 다른 구동모드(W)에서 전류범위들간의 겹치는 부분(Overlap)을 제거하기 위하여 특정 구동모드(W)만을 기준으로 전류정보(A)를 파악할 수 있다. 또한 실시예들에 따른 진공청소기(1)는, 서로 다른 흡입모터(200)의 출력들에 대하여 전류범위들간의 겹치는 부분(Overlap)을 제거하기 위하여 특정 출력값만을 기준으로 전류정보(A)를 파악할 수 있다. 이를 통하여 각각의 전류범위간의 겹치는 부분(Overlap)을 최소화할 수 있고, 제1 확률(PC)값 및 제2 확률(PH)값을 판단하기 위한 기준치(Threshold)를 설정하는 것이 용이하게 된다.

이하 도 11을참조하여, 서로 다른 전압정보(V)와 전류정보(A)의 조합을 활용하여 각각의 바닥면 타입에 대한 확률정보를 생성하는 진공청소기(1)의 실시예에 대하여 살펴본다. 이 때, 제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.

실시예들에 따른 인공지능모델은, 전압정보(V) 및 전류정보(A)의 조합에 대응되는 제1 확률(PC)값 및 제2 확률(PH)값에 관한 학습모델을 포함할 수 있다. 인공지능부(S103)는, 학습모델을 통하여 전류정보(A) 및 전압정보(V)에 대응하는 제1 확률(PC)값 및 제2 확률(PH)값을 생성할 수 있다.

구체적으로, 진공청소기(1)로 바닥을 청소하는 경우, 회전부(103)가 일정한 속도로 회전하게끔 노즐모터(102)가 작동하게 된다. 회전부(103)의 회전속도는 노즐모터(102)에서 소비되는 전력의 양에 의하여 결정될 수 있다. 소비되는 전력의 양은 전압과 전류의 곱으로 표현될 수 있다. 따라서 동일한 회전속도로 회전하는 모터에서, 낮은 전압일 때 노즐모터(102)에 흐르는 전류는, 높은 전압일 때 노즐모터(102)에 흐르는 전류보다 큰 값을 가질 수 있다.

구체적으로, 진공청소기(1)가 완충된 후, 사용자가 청소작업을 진행함에 따라 배터리(300)의 전압은 점차 낮아지며 최종적으로 배터리(300)는 방전된다.

반면, 회전부(103)의 회전속도는 청소작업 중 일정하게 유지되어야 하므로 노즐모터(102)를 흐르는 전류값은 상대적으로 증가한다. 같은 타입의 바닥면을 청소하는 경우일지라도, 배터리(300)의 용랑에 따라 노즐모터(102)를 흐르는 전류값이 달라질 수 있으며 이는 바닥면 타입 판단을 어렵게 만드는 요인이 된다.

도 11(a)는, 종래기술에 따라 배터리(300)의 전압과 무관하게 바닥면의 타입별 전류범위를 파악하는 방법을 나타낸 것이다. 배터리(300)가 진공청소기(1)에 제공하는 전압은 제1 전압(Vo1) 또는 제2 전압(Vo2)일 수 있다. 이 때 제1 전압(Vo1)은 제2 전압(Vo2)보다 높은 전압값일 수 있다. 도 11(a)의 실시예는 제1 전압(Vo1) 또는 제2 전압(Vo2)일 때의 전류범위를 구분하지 않고 있으며, 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region)간의 겹치는 부분(Overlap)이 발생하고 있다.

도 11(b)의 실시예는 제1 전압(Vo1)일 때의 전류범위만을 이용하여 바닥면 타입을 판단하는 방법을 나타내고 있다. 도 11(c)의 실시예는 제2 전압(Vo2)일 의 이용하여 바닥면 타입을 판단하는 방법을 나타내고 있다. 이 경우 양 타입의 바닥면에서, 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region)가 서로 겹치는 영역(Overlap)이 존재하지 않음을 볼 수 있다. 이에 따라 제1 확률(PC)값 및 제2 확률(PH)값을 판단하기 위한 기준치(Threshold)를 설정하는 것이 용이하게 된다.

이하 도 12를 참조하여, 동일한 전류치를 획득했음에도 전압정보(V)를 함께 고려하여 각각의 바닥면 타입에 대한 확률정보를 생성하는 진공청소기(1)의 인공지능부(S103) 및 인공지능모델의 실시예에 대하여 살펴본다.

도 12(a)는, 동일한 전류정보(A)에 대하여, 서로 다른 전압정보(V)에 따라 바닥면의 판단 결과를 달리하는 것을 나타낸 그래프이다. 도 12(b)는 도 12(a)의 점선 부분을 확대한 그래프이다.

구체적으로, 흡착력이 높은 바닥면의 경우 제2 타입의 바닥면임에도 평균전류치가 상대적으로 높을 수 있다. 반면, 부드러운 타입의 Plush 같은 카펫의 경우 제1 타입의 바닥면임에도 평균전류치가 상대적으로 낮을 수 있다. 실시예들에 따른 진공청소기(1)는, 노즐모터(102)에 흐르는 전류가 동일하더라도 배터리(300)의 전압값까지 함께 고려하여 바닥면의 타입을 더 정확하게 판단할 수 있다.

도 12는 전류값이 0.7A 로 동일하게 얻어지는 경우라도 전압값이 26V 이상이라면 바닥면을 제1 타입으로 판단하고, 26V 미만이라면 바닥면을 제2 타입으로 판단하는 실시예를 개시하고 있다. 실시예들에 따른 인공지능부(S103) 및 인공지능 모델은, 동일한 전류값에 대하여도, 서로 다른 전압값이 주어지는 경우 서로 다른 확률정보를 획득할 수 있다. 즉, 전류정보(A) 이외에도 전압정보(V)를 추가적으로 고려하여, 경계값에서 바닥면 타입의 판별 성능을 향상시키는 것이 가능하다.

이하 도 13을 참조하여, 실시예들에 따른 진공청소기(1)의 바닥면 타입 판별 성능 실험에 대한 결과를 살펴본다.

도 13은 제1 타입과 제2 타입의 두 가지 바닥 종류로 실험을 구성하여, 각 바닥 상태에 따른 바닥 감지 성능을 확인한 결과를 나타낸 그래프이다.

실제 제2 타입 바닥면에서 제1 타입 바닥면으로 청소 영역을 변경하는 실험을 진행하였다.

추가적으로, 장애물에 걸린 상황을 시뮬레이션 하기 위하여 제2 타입 바닥면에서 청소를 하는 도중, 제1 타입 바닥면에서보다 평균 전류값이 더 커지는 경우를 120ms동안 임의적으로 삽입하였고, 이는 E1 영역에서 나타나고 있다.

또한, 사용자의 조작에 따라 제1 타입 바닥면을 청소하는 경우에도 제2 타입의 경우와 유사한 수준까지 전류값이 감소하는 경우를 삽입하였다. 이는 E2 영역에서 나타나고 있다.

도 13을 참조하면, 실선으로 표현된 실제 전류값 변화에 대하여, 실시예들에 따른 진공청소기(1)가 안정적으로 바닥면 타입 인지 결과를 출력하는 것을 나타낸다. 바닥면 인지결과의 값이 0일 때, 진공청소기(1)가 바닥면을 제2 타입으로 판단하였음을 나타내며, 값이 1일 때 진공청소기(1)가 바닥면을 제1 타입으로 판단하였음을 나타낸다. 실시예들에 따른 진공청소기(1)가 E1 영역 및 E2 영역의 장애 환경을 극복하여, 제1 타입 바닥면을 청소중인 경우에는 바닥면 인지결과의 값을 0으로 반환하고, 제2 타입 바닥면을 청소중인 경우에는 바닥면 인지결과의 값을 1로 반환하는 것을 볼 수 있다. 이는 종래기술과 비교할 때 훨씬 뛰어난 성능결과를 도출하는 것에 해당한다.

종래기술의 전류정보(A)를 이용한 바닥면 타입 판별 기법으로는 해결이 어려운 상황들에서, 본 발명의 실시예들에 따른 바닥면 감지 성능의 신뢰성을 입증할 수 있다.

이상 본 발명은 상술한 실시예에 한정되지 않는다. 첨부된 청구범위에서 알 수 있는 바와 같이 본 발명은 본 발명이 속한 분야의 통상의 지식을 가진 기술자에 의해 변형이 가능하고, 이러한 변형은 본 발명의 범위에 속한다.

1 : 진공청소기
100 : 노즐부
200 : 흡입모터
300 : 배터리
500 : 바닥면
101 : 노즐셔터
102 : 노즐모터
103 : 회전부
S101 : 모델선택부
S102 : 전처리부
S103 : 인공지능부
S104 : 제어부
A : 전류정보
W : 구동모드
V : 전압정보
O : 노즐셔터의 개폐여부
PC : 제1 확률
PH : 제2 확률
T1 : 제1 타입 바닥면에서의 전류값
T2 : 제2 타입 바닥면에서의 전류값
T3 : 판단오류를 일으킬 수 있는 경우의 전류값
T1 Region : 제1 타입 바닥면에서의 전류범위
T2 Region : 제2 타입 바닥면에서의 전류범위
Vo1 : 제1 전압
Vo2 : 제2 전압
M1 : 제1 모드
M2 : 제2 모드

Claims

흡입력을 제공하는 흡입모터;
회전부 및 먼지유입구를 구비하며, 상기 흡입모터로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부;
상기 노즐부에 구비되어, 상기 회전부에 구동력을 전달하는 노즐모터;
상기 노즐부에 구비되어, 상기 먼지유입구의 크기를 조절하는 노즐셔터;
상기 흡입모터, 상기 노즐모터 및 상기 노즐셔터에 동력을 제공하는 배터리;
상기 흡입모터의 구동모드 및 상기 노즐셔터의 개폐여부에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부;
상기 노즐모터에 흐르는 전류값에 관한 전류정보, 상기 배터리의 전압값에 관한 전압정보 및 상기 작동상태에 관한 정보 중 적어도 하나를 사용하여, 인공지능모델을 통해 확률정보를 생성하는 인공지능부; 및
상기 확률정보에 대응하여 상기 구동모드를 제어하는 제어부; 를 포함하는
진공청소기.
제 1항에 있어서,
상기 확률정보는,
상기 바닥면이 제1 타입일 확률인 제1 확률값; 및
상기 바닥면이 제2 타입일 확률인 제2 확률값;을 포함하는
진공청소기.
제 2항에 있어서
상기 구동모드는 제1 모드 및 제2 모드를 포함하고,
상기 흡입모터는 상기 제2 모드보다 상기 제1 모드에서 더 높은 흡입력을 가지고,
상기 제어부는
상기 제1 확률값이 상기 제2 확률값보다 큰 경우 상기 흡입모터를 상기 제1 모드로 구동시키며,
상기 제1 확률값이 상기 제2 확률값보다 크지 않은 경우 상기 흡입모터를 상기 제2 모드로 구동시키는 것을 특징으로 하는
진공청소기.
제 3항에 있어서
상기 작동상태는
상기 노즐셔터가 개방상태이며 상기 흡입모터가 제1 모드로 작동하는 제1 상태;
상기 노즐셔터가 개방상태이며 상기 흡입모터가 제2 모드로 작동하는 제2 상태; 및
상기 노즐셔터가 폐쇄상태이며 상기 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나이고,
상기 인공지능모델은 기계학습방법을 통하여 획득되며, 상기 제1 상태 내지 제3 상태에 대응하여 상기 제1 확률값 및 상기 제2 확률값을 판단할 수 있는 정보를 포함하고,
상기 인공지능부는 상기 인공지능모델을 이용하여 상기 제1 상태 내지 제3 상태 중 하나의 상태에서 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
진공청소기.
제 4항에 있어서
상기 인공지능모델은 상기 제1 상태에서 기계학습된 제1 모델, 상기 제2 상태에서 기계학습된 제2 모델 및 상기 제3 상태에서 기계학습된 제3 모델을 포함하며
상기 인공지능부는
상기 작동상태가 상기 제1 상태일 때는 상기 제1 모델을 이용하고,
상기 작동상태가 상기 제2 상태일 때는 상기 제2 모델을 이용하고,
상기 작동상태가 상기 제3 상태일 때는 상기 제3 모델을 이용하여 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
진공청소기.
제 2항에 있어서
상기 인공지능모델은
상기 전압정보 및 상기 전류정보의 조합에 대응되는 상기 제1 확률값 및 상기 제2 확률값에 관한 학습모델을 포함하며
상기 인공지능부는, 상기 학습모델을 통하여 상기 전류정보 및 상기 전압정보에 대응하는 상기 제1 확률값 및 상기 제2 확률값을 생성하는 것을 특징으로 하는
진공청소기.
제 1항에 있어서
상기 진공청소기는 상기 노즐모터에 흐르는 전류값을 가공하여 상기 전류정보를 생성하는 전처리부를 더 포함하는 것을 특징으로 하는
진공청소기.
제 7항에 있어서
상기 전처리부는, 설정된 시간길이 및 시간간격으로 측정된 상기 전류값의 산술평균을 내어 상기 전류정보를 생성하는 것을 특징으로 하는
진공청소기.
흡입모터의 구동모드 및 노즐셔터의 개폐여부를 전달받아, 작동상태에 관한 정보를 생성하는 제1 단계;
노즐모터에 흐르는 전류값을 전달받아, 전류정보를 생성하는 제2 단계;
배터리의 전압값을 전달받아, 전압정보를 생성하는 제3 단계;
상기 작동상태, 상기 전류정보 및 상기 전압정보 중 적어도 하나를 사용하여, 인공지능모델을 통해 확률정보를 생성하는 제4 단계; 및
상기 확률정보에 대응하여 상기 흡입모터의 구동모드를 제어하는 제5 단계;를 포함하는
진공청소기의 제어방법.
제 9항에 있어서
상기 확률정보는,
청소중인 바닥면이 제1 타입일 확률인 제1 확률값; 및
상기 바닥면이 제2 타입일 확률인 제2 확률값;을 포함하는
진공청소기의 제어방법.
제 10항에 있어서
상기 구동모드는 제1 모드 및 제2 모드를 포함하고,
상기 흡입모터는 상기 제2 모드보다 상기 제1 모드에서 더 높은 흡입력을 가지고,
상기 제5 단계는
상기 제1 확률값이 상기 제2 확률값보다 큰 경우 상기 흡입모터를 상기 제1 모드로 구동시키며,
상기 제1 확률값이 상기 제2 확률값보다 크지 않은 경우 상기 흡입모터를 상기 제2 모드로 구동시키는 것을 특징으로 하는
진공청소기의 제어방법.
제 11항에 있어서
상기 작동상태는
상기 노즐셔터가 개방상태이며 상기 흡입모터가 제1 모드로 작동하는 제1 상태;
상기 노즐셔터가 개방상태이며 상기 흡입모터가 제2 모드로 작동하는 제2 상태; 및
상기 노즐셔터가 폐쇄상태이며 상기 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나이며
상기 인공지능모델은 기계학습방법을 통하여 획득되며, 상기 제1 상태 내지 제3 상태에 대응하여 상기 제1 확률값 및 상기 제2 확률값을 판단할 수 있는 정보를 포함하고,
상기 제4 단계는
상기 제1 상태 내지 제3 상태 중 하나의 상태에서 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
진공청소기의 제어방법.
제 12항에 있어서
상기 인공지능모델은 상기 제1 상태에서 기계학습된 제1 모델, 상기 제2 상태에서 기계학습된 제2 모델 및 상기 제3 상태에서 기계학습된 제3 모델을 포함하며
상기 제4 단계에서는
상기 작동상태가 상기 제1 상태일 때는 상기 제1 모델을 이용하고,
상기 작동상태가 상기 제2 상태일 때는 상기 제2 모델을 이용하고,
상기 작동상태가 상기 제3 상태일 때는 상기 제3 모델을 이용하여 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
진공청소기의 제어방법.
제 10항에 있어서
상기 인공지능모델은,
상기 전압정보 및 상기 전류정보의 조합에 대응되는 상기 제1 확률값 및 상기 제2 확률값을 포함하는 학습모델을 포함하며,
상기 제4 단계는
상기 전류정보 및 상기 전압정보에 대응하는 상기 제1 확률값 및 상기 제2 확률값을 상기 학습모델에서 찾아 상기 확률정보를 생성하는 것을 특징으로 하는
진공청소기의 제어방법.
제 9항에 있어서
상기 제2 단계는,
설정된 시간길이 및 시간간격으로 측정된 상기 전류값의 산술평균을 내어 상기 전류정보를 생성하는 것을 특징으로 하는
진공청소기의 제어방법.