KR20230072307A - 로봇 - Google Patents

Abstract

본 실시 예에 따른 로봇은 내부에 수납 공간이 형성된 수납 바디를 포함하는 바디; 바디에 제1힌지로 연결되고, 제1힌지를 중심으로 회전되어 수납 공간을 개폐하는 도어; 바디에 설치된 구동원; 구동원과 도어 사이에서 구동원의 회전력을 전달하는 동력전달부재; 및 바디에 일측이 연결되고 도어에 타측에 연결되어 도어의 중력을 보상하는 스프링을 포함한다.

Description

로봇{Robot}

본 발명은 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.

로봇 중 배송로봇은 내부에 수납 공간이 형성된 수납 바디와, 수납 공간을 개폐하는 도어를 포함할 수 있고, 사용자는 도어를 상측 방향으로 회전시켜 수납 공간을 개방할 수 있고, 수납 공간에 물품을 넣거나 수납 공간에 수납된 물품을 꺼낼 수 있다.

본 실시예는 도어를 열기 위한 구동원의 부하를 최소화할 수 있는 로봇을 제공하는 데 그 목적이 있다.

본 실시 예에 따른 로봇은 내부에 수납 공간이 형성된 수납 바디를 포함하는 바디; 바디에 제1힌지로 연결되고, 제1힌지를 중심으로 회전되어 수납 공간을 개폐하는 도어; 바디에 설치된 구동원; 구동원과 도어 사이에서 구동원의 회전력을 전달하는 동력전달부재; 및 바디에 일측이 연결되고 도어에 타측에 연결되어 도어의 중력을 보상하는 스프링을 포함한다.

바디는 상기 수납 바디의 외부에 배치되고, 구동원이 장착된 구동원 브라켓을 포함할 수 있다.

동력전달부재는 구동원의 회전축에 연결된 레버; 도어에 제2힌지로 연결되고, 상기 레버에 제3힌지로 연결되며, 상기 수납 바디 외부에 배치된 구동링크를 포함할 수 있다.

스프링의 길이는 구동링크의 길이 보다 짧을 수 있다.

스프링은 한 쌍 제공되고, 구동링크는 한 쌍의 스프링 사이에 배치될 수 있다.

도어는 상기 제1힌지와 제1거리만큼 이격된 일단부과, 제1힌지와 제1거리 보다 먼 제2거리만큼 이격된 타단부를 포함할 수 있다.

구동원은 일단부와 타단부 중 일단부에 더 가까울 수 있다.

도어는 구동링크가 제2힌지로 회전 가능하게 연결되는 구동링크 연결부와, 스프링의 상부가 연결되고 상기 구동링크 연결부와 이격된 어퍼 연결부를 포함할 수 있다.

바디는 스프링의 하부가 연결된 로어 연결부를 포함할 수 있다. 로어 연결부의 높이는 구동원의 높이 보다 높을 수 있다.

도어는 도어 바디; 도어 바디에 설치되고 상기 구동링크가 연결된 구동링크 브라켓 및 도어 바디에 상기 구동링크 브라켓과 이격되게 설치되고 상기 스프링이 연결된 스프링 브라켓을 포함할 수 있다.

스프링은 도어의 클로즈시 최대로 인장될 수 있고, 도어의 오픈시 최소로 인장될 수 있다.

본 발명의 실시 예에 따르면, 스프링이 도어의 중력을 보상하여, 구동원의 구동력을 최소화할 수 있고, 소비전력을 최소화할 수 있다.

또한, 구동원과, 동력전달부재와, 스프링이 수납 공간을 침해하지 않아, 수납 공간을 최대화할 수 있다.

도 1은 본 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.
도 2는 본 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.
도 3은 본 실시 예에 따른 AI 시스템을 나타낸다.
도 4는 본 실시 예에 따른 로봇의 도시된 사시도이다.
도 5은 본 실시 예에 따른 로봇의 수납 바디와 도어가 도시된 측면도이다.
도 6은 본 실시 예에 따른 도어가 클로즈일 때의 사시도이다.
도 7은 본 실시 예에 따른 도어가 일부 오픈일 때의 사시도이다.
도 8은 본 실시 예에 따른 도어가 최대 오픈일 때의 사시도이다.
도 9는 본 실시 예에 따른 도어가 클로즈에서 최대 열림으로 회전되는 과정이 도시된 도이다.
도 10는 본 실시 예에 따른 도어가 클로즈일 때의 구동원과 동력전달부재과 도어가 도시된 개념도이다.
도 11는 본 실시 예에 따른 도어가 클로즈일 때의 스프링과 도어가 도시된 개념도이다.
도 12은 본 실시 예에 따른 도어가 오픈일 때의 구동원과 동력전달부재와 도어가 도시된 개념도이다.
도 13은 본 실시 예에 따른 도어가 오픈일 때의 스프링과 도어가 도시된 개념도이다.

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

이하에서, 일 요소가 타 요소에 "체결" 또는 "연결"된다고 기재된 것은, 두 요소가 직접 체결되거나 연결된 것을 의미하거나, 두 요소 사이에 제3의 요소가 존재하고 상기 제3의 요소에 의해 두 요소가 서로 연결되거나 체결된 것을 의미할 수 있다. 반면, 일 요소가 타 요소에 "직접 체결" 또는 "직접 연결"된다고 기재한 것은, 두 요소 사이에 제3의 요소가 존재하지 않는다고 이해될 수 있을 것이다.

<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 실시 예에 따른 로봇을 포함하는 AI 장치를 나타낸다.

AI 장치(10)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, AI장치(10)는 통신 인터페이스(11), 입력 인터페이스(12), 러닝 프로세서(13), 센서(14), 출력 인터페이스(15), 메모리(17) 및 프로세서(18) 등을 포함할 수 있다.

통신 인터페이스(11)는 유무선 통신 기술을 이용하여 다른 AI 장치(10a 내지 10e)나 AI 서버(20) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신 인터페이스(11)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.

이때, 통신 인터페이스(11)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(12)는 다양한 종류의 데이터를 획득할 수 있다.

이때, 입력 인터페이스(12)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(12)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력 인터페이스(12)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(18) 또는 러닝 프로세서(13)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.

러닝 프로세서(13)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(13)는 AI 서버(20)의 러닝 프로세서(24)과 함께 AI 프로세싱을 수행할 수 있다.

이때, 러닝 프로세서(13)는 AI 장치(10)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(13)는 메모리(17), AI 장치(10)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.

센서(14)는 다양한 센서들을 이용하여 AI 장치(10) 내부 정보, AI 장치(10)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.

이때, 센서(14)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(15)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.

이때, 출력 인터페이스(15)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.

메모리(17)는 AI 장치(10)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(17)는 입력 인터페이스(12)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.

프로세서(18)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(10)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(18)는 AI 장치(10)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.

이를 위해, 프로세서(18)는 러닝 프로세서(13) 또는 메모리(17)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(10)의 구성 요소들을 제어할 수 있다.

이때, 프로세서(18)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(18)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.

이때, 프로세서(18)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(13)에 의해 학습된 것이나, AI 서버(20)의 러닝 프로세서(24)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.

프로세서(18)는 AI 장치(10)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(17) 또는 러닝 프로세서(13)에 저장하거나, AI 서버(20) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.

프로세서(18)는 메모리(17)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(10)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(18)는 상기 응용 프로그램의 구동을 위하여, AI 장치(10)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.

도 2는 본 실시 예에 따른 로봇과 연결되는 AI 서버를 나타낸다.

도 2를 참조하면, AI 서버(20)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(20)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(20)는 AI 장치(10)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.

AI 서버(20)는 통신 인터페이스(21), 메모리(23), 러닝 프로세서(24) 및 프로세서(26) 등을 포함할 수 있다.

통신 인터페이스(21)는 AI 장치(10) 등의 외부 장치와 데이터를 송수신할 수 있다.

메모리(23)는 모델 스토리지(23a)를 포함할 수 있다. 모델 스토리지(23a)는 러닝 프로세서(24)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 23b)을 저장할 수 있다.

러닝 프로세서(24)는 학습 데이터를 이용하여 인공 신경망(23b)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(20)에 탑재된 상태에서 이용되거나, AI 장치(10) 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(23)에 저장될 수 있다.

프로세서(26)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.

도 3은 본 실시 예에 따른 AI 시스템을 나타낸다.

도 3을 참조하면, AI 시스템(1)은 AI 서버(20), 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 중에서 적어도 하나 이상이 클라우드 네트워크(2)와 연결된다. 여기서, AI 기술이 적용된 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 등을 AI 장치(10a 내지 10e)라 칭할 수 있다.

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

즉, AI 시스템(1)을 구성하는 각 장치들(10a 내지 10e, 20)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(10a 내지 10e, 20)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.

AI 서버(20)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.

AI 서버(20)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(10a 내지 10e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.

이때, AI 서버(20)는 AI 장치(10a 내지 10e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(10a 내지 10e)에 전송할 수 있다.

이때, AI 서버(20)는 AI 장치(10a 내지 10e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(10a 내지 10e)로 전송할 수 있다.

또는, AI 장치(10a 내지 10e)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(10a 내지 10e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(10a 내지 10e)는 도 1에 도시된 AI 장치(10)의 구체적인 실시 예로 볼 수 있다.

<AI+로봇>

로봇(10a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.

로봇(10a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.

로봇(10a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(10a)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(10a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.

로봇(10a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(10a)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(10a)에서 직접 학습되거나, AI 서버(20) 등의 외부 장치에서 학습된 것일 수 있다.

이때, 로봇(10a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(20) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.

로봇(10a)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(10a)을 주행시킬 수 있다.

맵 데이터에는 로봇(10a)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(10a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(10a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.

<AI+로봇+자율주행>

로봇(10a)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(10a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(10b)과 상호작용하는 로봇(10a) 등을 의미할 수 있다.

자율 주행 기능을 가진 로봇(10a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.

자율 주행 기능을 가진 로봇(10a) 및 자율 주행 차량(10b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(10a) 및 자율 주행 차량(10b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.

자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)과 별개로 존재하면서, 자율 주행 차량(10b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(10b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.

이때, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(10b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(10b)에 제공함으로써, 자율 주행 차량(10b)의 자율 주행 기능을 제어하거나 보조할 수 있다.

또는, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(10b)의 기능을 제어할 수 있다. 예컨대, 로봇(10a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(10b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(10b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(10a)이 제어하는 자율 주행 차량(10b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(10b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.

또는, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)의 외부에서 자율 주행 차량(10b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(10a)은 스마트 신호등과 같이 자율 주행 차량(10b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(10b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.

도 4는 본 실시 예에 따른 로봇의 도시된 사시도이고, 도 5는 본 실시 예에 따른 로봇의 바디와 도어가 도시된 측면도이다.

로봇(10a)은 바디(30)와, 바디(30)에 장착된 구동 모듈(32)를 포함할 수 있다.

구동 모듈(32)은 로봇(10a)을 전후 방향(Y, 주행 방향)으로 주행시킬 수 있는 것으로, 바디(30)의 하부에 제공될 수 있다. 구동 모듈(32)는 적어도 하나의 휠(33)과, 휠(33)을 회전시킬 수 있는 모터(34)를 포함할 수 잇다.

로봇(10a)의 예는 음식물이나 포장용품 등의 다양한 물품을 운반할 수 있는 배송로봇일 수 있고, 바디(30)는 물품이 수용되는 수납 공간(S)이 형성된 수납 바디(40)를 포함할 수 있다.

수납 바디(40)의 상면은 개방될 수 있고, 수납 공간(S)은 수납 바디(40)의 내부에 형성될 수 있다. 사용자는 수납 바디(40)의 개방된 상면을 통해 물품을 수납 공간(S)으로 투입할 수 있고, 수납 공간(S)에 수용된 물품을 꺼낼 수 있다.

바디(30)는 이너 바디(42, 도 5 내지 도 8 참조)와, 아우터 커버(44, 도 4 참조)를 더 포함할 수 있다.

수납 바디(40)는 이너 바디(42)에 장착될 수 있다.

이너 바디(42)는 아우터 커버(44) 내측에 위치될 수 있다. 이너 바디(42)는 수납 바디(40)를 지지할 수 있고, 수납 바디(40)는 이너 바디(42)에 장착되어 지지될 수 있다.

아우터 커버(44)는 수납 바디(40)와, 이너 바디(42)의 외측에 배치될 수 있고, 수납 바디(40)와, 이너 바디(42)를 보호할 수 있다. 아우터 커버(44)는 수납 바디(40)의 외둘레를 둘러싸게 배치될 수 있다.

바디(30)에는 수납 공간(S)을 개폐하는 도어(50)가 배치될 수 있다. 도어(50)는 바디(30)에 회전 가능하게 연결될 수 있고, 수납 공간(S)의 상측에서 도 5에 도시된 바와 같이, 회전식으로 수납 공간(S)을 개폐할 수 있다.

로봇(10a)은 도어(50)에 연결되어 도어(50)를 회전시키는 도어 구동 메커니즘(60, 또는 도어 로테이팅 메커니즘)을 포함할 수 있다.

도어 구동 메커니즘(60)는 이너 바디(42)에 장착되어 도어(50)를 클로즈 위치(C)나 일부 개방 위치(O1)나 완전 개방 위치(O2)로 회전시킬 수 있다.

도어 구동 메커니즘(60)는 도어(50)의 회전 중심 후방에서 도어(50)를 끌어당겨 도어(50)를 도 5에 도시된 바와 같이, 일부 개방 위치(O1)나 완전 개방 위치(O2)로 회전시킬 수 있다.

도어 구동 메커니즘(60)는 아우터 커버(44)의 내측에 위치될 수 있다. 아우터 커버(44)가 수납 바디(40)의 외둘레를 둘러싸게 배치되었을 때, 아우터 커버(44)의 내둘레과 수납 바디(40)의 외둘레에는 도어 구동 메커니즘(60)이 수용될 수 있는 공간(즉, 수용공간)이 형성될 수 있다. 도어 구동 메커니즘(60)는 아우터 커버(44)와 수납 바디(40)의 사이에 형성된 공간에 수용될 수 있고, 아우터 커버(44) 및 수납 바디(40)에 의해 보호될 수 있다.

도어 구동 메커니즘(60)는 수납 바디(40)의 후판과 아우터 커버(44)의 후판의 사이에 수용될 수 있고, 로봇(10a)의 전방 충돌시 도어 구동 메커니즘(60)의 판손이나 손상은 최소화될 수 있다.

도 6은 본 실시 예에 따른 도어가 클로즈일 때의 사시도이고, 도 7은 본 실시 예에 따른 도어가 일부 오픈일 때의 사시도이며, 도 8은 본 실시 예에 따른 도어가 최대 오픈일 때의 사시도이다.

로봇(10a)은 구동원(70)과, 동력전달부재(80) 및 스프링(90)을 포함할 수 있다. 구동원(70)과, 동력전달부재(80) 및 스프링(90)은 도어 구동 메커니즘(60)을 구성할 수 있다. 동력전달부재(80)의 예는 레버(82)와, 구동링크(84)를 포함할 수 있다.

바디(30)는 스프링(90)의 하부가 연결된 로어 연결부(45)를 포함할 수 있다. 로어 연결부(45)는 이너 바디(42)에 형성될 수 있다. 로어 연결부(45)의 이너 바디(42)의 후방부에 형성될 수 있다.

로어 연결부(45)의 높이(H1)는 구동원(70)의 높이(H2) 보다 높을 수 있다.

바디(30)는 구동원(60)이 장착된 구동원 브라켓(46)을 더 포함할 수 있다. 구동원 브라켓(46)은 수납 바디(40)의 외부에 배치될 수 있다. 구동원 브라켓(60)의 일 예는 이너 바디(40)에서 돌출될 수 있다. 구동원 브라켓(46)은 이너 바디(40)에 후방 방향으로 돌출되게 배치될 수 있다.

도어(50)는 바디(30)에 제1힌지(P1)로 연결될 수 있다. 바디(30)의 상부에는 제1힌지(P1)를 회전 가능하게 지지하는 힌지 서포터(미도시)가 형성될 수 있다. 도어(50)는 제1힌지(P1)를 중심으로 회전되어 수납 공간(S, 도 4 참조)을 개폐할 수 있다.

도어(50)는 일단부(51)와 타단부(52)를 포함할 수 있다.

일단부(51)의 예는 도어(50)의 후단부일 수 있다. 일단부(51)는 제1힌지(P1)와 제1거리(L1)만큼 이격될 수 있다.

타단부(52)는 제1힌지(P1)와 제2거리(L2)만큼 이격될 수 있다. 제2거리(L2)는 제1거리(L2) 보다 멀 수 있다. 타단부(52)의 예는 도어(50)의 선단부일 수 있다.

제1힌지(P1)는 타단부(52) 보다 일단부(51)에 더 근접할 수 있다.

도어(50)는 도어 바디(54)와, 구동링크 브라켓(56) 및 스프링 브라켓(58)을 포함할 수 있다.

도어 바디(54)는 일단부(51)와 타단부(52)를 포함할 수 있다.

구동링크 브라켓(56)은 도어 바디(54)에 설치될 수 있다. 구동링크 브라켓(56)은 도어 바디(54)에 매립되게 설치될 수 있다. 구동링크(84)는 구동링크 브라켓(56)에 연결될 수 있다. 도어(50)는 구동링크 연결부(55)를 포함할 수 있다. 구동링크 연결부(55)에는 구동링크(84)가 제2힌지(P2)로 회전 가능하게 연결될 수 있다. 구동링크 연결부(55)는 구동링크 브라켓(56)의 후단에 형성될 수 있다.

스프링 브라켓(58)은 도어 바디(54)에 구동링크 브라켓(56)과 이격되게 설치될 수 있다. 스프링 브라켓(58)는 도어 바디(54)에 매립되게 설치될 수 있다. 스프링 브라켓(58)는 구동링크 브라켓(56)과 좌우 방향(X)으로 이격될 수 있다. 스프링(90)은 스프링 브라켓(58)에 연결될 수 있다. 도어(50)는 어퍼 연결부(57)를 포함할 수 있다. 어퍼 연결부(57)에는 스프링(90)의 상부가 연결될 수 있다. 어퍼 연결부(57)는 구동링크 연결부(55)와 이격될 수 있다. 어퍼 연결부(57)는 스프링 브라켓(58)의 후단에 형성될 수 있다.

도어 구동 메커니즘(60)은 수납 바디(40)의 외부에 배치될 수 있고, 수납 바디(40)의 수납 공간(S)은 최대화될 수 있다 .

구동원(70)는 바디(30)에 설치될 수 있고, 바디(30) 중 구동원 브라켓(46)에 안착되고 체결될 수 있다.

구동원(70)은 도어(50)의 일단부(51)와 타단부(52) 중 일단부(51)에 더 가까울 수 있다.

구동원(70)의 일 예는 모터일 수 있고, 모터의 회전축(72)은 수평하게 배치될 수 있다. 모터의 회전축(72)은 좌우 방향(X)으로 길 수 있다.

동력전달부재(80)는 구동원(70)과 도어(50)의 사이에서 구동원(70)의 회전력을 도어(70)에 전달할 수 있다. 동력전달부재(80)는 구동원(70)의 구동시 도어(50)를 회전시킬 수 있는 구성이면 모두 적용 가능하나, 이하, 레버(82)와 구동링크(84)를 포함하는 예에 대해 설명한다.

레버(82)는 구동원(70)의 회전축(72)에 연결될 수 있다. 레버(82)는 구동원(82)에 의해 시계 방향 또는 반시계 방향으로 회전될 수 있다. 레버(82)의 일측에는 회전축이 연결되는 회전축 연결부가 형성될 수 있다. 레버(82)의 타측에는 제3힌지를 지지하는 힌지 지지부가 형성될 수 있다. 회전축 연결부와 힌지 지지부는 레버(82)의 길이 방향으로 이격될 수 있다. 레버(82)의 길이는 구동링크(84)의 길이 보다 짧을 수 있다. 레버(82)는 수납 바디(40)의 외부에 배치된 상태에서, 구동링크(84)를 승강시킬 수 있다.

구동링크(84)는 도어(50)에 제2힌지(P2)로 연결될 수 있다. 구동링크(84)는 레버(82)에 제3힌지(P3)로 연결될 수 있다. 구동링크(84)는 수납 바디(40) 외부에 배치된 상태에서, 레버(82)에 의해 승강될 수 있다. 구동링크(84)는 하강시 도어(50)를 끌어당길 수 있다.

상기와 같이 구성된 동력전달부재(80)는 도 6에 도시된 바와 같이, 레버(82)가 시계방향으로 회전되면, 구동링크(84)가 상승되고, 도어(50)는 도어(50)의 무게에 의해 수납 바디(40) 상측에 대략 수평하게 배치될 수 있다. 즉, 도어(50)는 전후 방향(Y)으로 길게 배치될 수 있다.

동력전달부재(80)는 도 7에 도시된 바와 같이, 레버(82)가 반시계방향으로 일부 회전되면, 구동링크(84)가 일부 하강될 수 있고, 도어(50)는 구동링크(84)에 이끌려 제1힌지(P1)을 중심으로 회전될 수 있고, 도어(50)는 도어(50)의 무게와 구동링크(84)의 외력에 의해 수납 바디(40) 상측에 대략 경사 방향으로 배치될 수 있다. 즉, 도어(50)는 전후 방향(Y)과 상하 방향(Z) 사이의 경사 방향으로 길게 배치될 수 있다.

동력전달부재(80)는 도 8에 도시된 바와 같이, 레버(82)가 반시계방향으로 최대 회전되면, 구동링크(84)가 최대 하강될 수 있고, 도어(50)는 구동링크(84)에 이끌려 제1힌지(P1)을 중심으로 회전될 수 있고, 구동링크(84)의 외력에 의해 수납 바디(40) 상측에 대략 수직하게 배치될 수 있다. 즉, 도어(50)는 상하 방향(Z)으로 길게 배치될 수 있다.

스프링(90)은 도어(50)의 중력을 보상할 수 있다. 스프링(90)의 일측은 바디에 연결될 수 있고, 스프링(90)의 타측은 도어(50)에 연결될 수 있다. 스프링(90)의 일측은 스프링의 하부로 정의될 수 있고, 스프링(90)의 타측은 스프링의 상부로 정의될 수 있다.

도어(50)의 크기가 클수록 도어(50) 중 도어 구동 메커니즘(60)의 반대편 부분(즉, 일단부(52))의 모멘트가 증가되고, 구동원(70)에 요구되는 토크가 증가하지만, 스프링(90)에 의해 도어(50)의 무게(즉, 중력 방향 무게)를 상쇄하는 탄성력을 제공하여, 도어(50)의 구동(회전)에 방해하는 토크를 보상할 수 있다.

스프링(90)의 길이는 구동링크(84)의 길이 보다 짧을 수 있다.

스프링(90)은 도어(50) 특히 어퍼 연결부(57)를 하측방향으로 당기는 것에 의해, 도어(50)의 중력을 보상할 수 있고, 구동원(70)은 상대적으로 적은 토크로 도어(50)를 회전시킬 수 있다.

스프링(90)과 스프링 브라켓(58)의 각각은 한 쌍 제공되고, 구동링크(84)는 한 쌍의 스프링(90) 사이에 배치될 수 있다.

한 쌍의 스프링(90)은 좌우 방향(X)으로 이격될 수 있고, 한 쌍의 스프링(90)는 구동원(70)의 구동시 도어(50)가 보다 안정적으로 회전되게 도울 수 있고, 도어(50)가 닫힐 때, 도어(50)가 급격히 닫히지 않게 할 수 있다.

도 9는 본 실시 예에 따른 도어가 클로즈에서 최대 열림으로 회전되는 과정이 도시된 도이다. 도 10는 본 실시 예에 따른 도어가 클로즈일 때의 구동원과 동력전달부재과 도어가 도시된 개념도이고, 도 11는 본 실시 예에 따른 도어가 클로즈일 때의 스프링과 도어가 도시된 개념도이다. 도 12은 본 실시 예에 따른 도어가 오픈일 때의 구동원과 동력전달부재와 도어가 도시된 개념도이고, 도 13은 본 실시 예에 따른 도어가 오픈일 때의 스프링과 도어가 도시된 개념도이다.

도 9는 (a)는 도어가 클로즈일 때의 도이고, 도 9의 (b), 도 9의 (c) 및 도 9의 (d)는 도어가 점차 오픈될 때의 도이며, 도 9의 (e)는 도어가 최대로 오픈되었을 때의 도이다.

도어(50)가 클로즈일 때, 도어(50)의 타단부(52)에는 도어(50)의 하중에 의해 시계방향(CW) 토크가 작용하고, 도어(50)의 일단부(51)에는 스프링(90)의 탄성력에 의해 반시계방향(CCW)의 토크가 작용한다. 도어(50)에 외력이 작용하지 않으면, 시계방향(CW) 토크는 반시계방향(CCW)의 토크 보다 클 수 있고, 도어(50)는 바디(30)에 지지된 상태에서 대략 수평하게 배치될 수 있다.

구동원(70)이 구동되면, 레버(82)는 도 9의 (b), 도 9의 (c), 도 9의 (d) 및 도 9의 (e)에 도시된 바와 같이 점차 눕혀질 수 있고, 구동링크(84)는 점차 하강될 수 있으며, 도어(50)는 도 9의 (e)에 도시된 바와 같이, 수직하게 세워지면서 수납 공간(S)을 개방할 수 있다.

스프링(90)의 일 예는 인장 스프링일 수 있다. 스프링(90)은 도 9의 (a) 및 도 11에 도시된 바와 같이, 도어(50)의 클로즈시 최대로 인장될 수 있고, 도어(50)의 하중을 가장 크게 보상할 수 있다.

스프링(90)은 도 9의 (e) 및 13에 도시된 바와 같이, 도어(50)의 오픈시 최소로 인장될 수 있고, 도어(50)의 하중을 가장 작게 보상할 수 있다.

상기와 같은 로봇(10a)은 특정 조건일 때, 구동원(70)이 도어 개방모드로 구동되어 도어(50)을 열 수 있다.

도어 개방모드의 일 예는 입력 인터페이스(12)를 통해 도어 개방 명령이 입력되고, 도어 개방 명령이 입력되면, 구동원(70)은 도어 개방 모드를 실시할 수 있다.

사용자는 입력 인터페이스(12)의 입력부(예를 들어, 터치 스크린)을 통해 비밀번호를 입력할 수 있고, 입력된 비밀번호가 기저장된 비밀번호와 일치하면, 구동원(70)은 도어 개방 모드를 실시할 수 있다.

도어 개방모드의 다른 예는 사용자가 스마트폰(10d)과 같은 이동 단말기를 통해 도어 개방 명령이 입력되고, 도어 개방 명령이 입력되면, 구동원(70)은 도어 개방 모드를 실시할 수 있다.

사용자는 이동 단말기에 설치된 앱을 통해, 도어 개방 명령이 입력할 수 있고, 통신 인터페이스(11)는 이동 단밀기의 신호를 수신할 수 있으며, 통신 인터페이스(11)를 통해 도어 개방 명령의 신호가 수신되면, 구동원(70)은 도어 개방 모드를 실시할 수 있다.

도어 개방모드의 또 다른 예는 사용자가 소지한 전자 키를 통해 도어 개방 명령이 입력되고, 도어 개방 명령이 입력되면, 구동원(70)은 도어 개방 모드를 실시할 수 있다.

사용자는 로봇(10a)에 접근할 수 있고, 로봇(10 a)은 카메라 등의 센싱 장치나 블루투스, RFID, 적외선 통신 등의 통신 인터페이스(11)를 통해 사용자의 접근을 감지할 수 있고, 사용자가 로봇(10a)에 소정 거리 접근하면, 구동원(70)은 도어 개방 모드를 실시할 수 있다. 이때, 구동원(70)은 사용자와의 거리에 반비례하여, 도어(50)을 개방하는 것도 가능하다. 예를 들어, 사용자가 3m 이내에 접근한 것으로 감지되면, 구동원(70)은 도어(50)을 일부 오픈하고, 사용자가 1m 이내에 접근한 것으로 감지되면, 구동원(70)은 도어(50)을 최대 오픈할 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.

30: 바디 40: 수납 바디
50: 도어 70: 구동원
80: 동력전달부재 90: 스프링
S: 수납 공간

Claims (11)

1. 내부에 수납 공간이 형성된 수납 바디를 포함하는 바디;
   상기 바디에 제1힌지로 연결되고, 상기 제1힌지를 중심으로 회전되어 상기 수납 공간을 개폐하는 도어;
   상기 바디에 설치된 구동원;
   상기 구동원과 상기 도어 사이에서 구동원의 회전력을 전달하는 동력전달부재; 및
   상기 바디에 일측이 연결되고 상기 도어에 타측에 연결되어 상기 도어의 중력을 보상하는 스프링을 포함하는 로봇.
2. 제 1 항에 있어서,
   상기 바디는 상기 수납 바디의 외부에 배치되고, 상기 구동원이 장착된 구동원 브라켓을 포함하는 로봇.
3. 제 1 항에 있어서,
   상기 동력전달부재는
   상기 구동원의 회전축에 연결된 레버;
   상기 도어에 제2힌지로 연결되고, 상기 레버에 제3힌지로 연결되며, 상기 수납 바디 외부에 배치된 구동링크를 포함하는 로봇.
4. 제 3 항에 있어서,
   상기 스프링의 길이는 상기 구동링크의 길이 보다 짧은 로봇.
5. 제 3 항에 있어서,
   상기 스프링은 한 쌍 제공되고,
   상기 구동링크는 한 쌍의 스프링 사이에 배치된 로봇.
6. 제 3 항에 있어서,
   상기 도어는 상기 제1힌지와 제1거리만큼 이격된 일단부과, 상기 제1힌지와 상기 제1거리 보다 먼 제2거리만큼 이격된 타단부를 포함하고,
   상기 구동원은 상기 일단부와 타단부 중 상기 일단부에 더 가까운 로봇.
7. 제 6 항에 있어서,
   상기 도어는
   상기 구동링크가 제2힌지로 회전 가능하게 연결되는 구동링크 연결부와,
   상기 스프링의 상부가 연결되고 상기 구동링크 연결부와 이격된 어퍼 연결부를 포함하는 로봇.
8. 제 1 항에 있어서,
   상기 바디는 상기 스프링의 하부가 연결된 로어 연결부를 포함하는 로봇.
9. 제 8 항에 있어서,
   상기 로어 연결부의 높이는 상기 구동원의 높이 보다 높은 로봇.
10. 제 3 항에 있어서,
    상기 도어는
    도어 바디;
    상기 도어 바디에 설치되고 상기 구동링크가 연결된 구동링크 브라켓 및
    상기 도어 바디에 상기 구동링크 브라켓과 이격되게 설치되고 상기 스프링이 연결된 스프링 브라켓을 포함하는 로봇.
11. 제 1 항에 있어서,
    상기 스프링은 상기 도어의 클로즈시 최대로 인장되고, 상기 도어의 오픈시 최소로 인장되는 로봇.

Images