WO2019151845A2 - 에어컨 - Google Patents

에어컨 Download PDF

Info

Publication number
WO2019151845A2
WO2019151845A2 PCT/KR2019/003244 KR2019003244W WO2019151845A2 WO 2019151845 A2 WO2019151845 A2 WO 2019151845A2 KR 2019003244 W KR2019003244 W KR 2019003244W WO 2019151845 A2 WO2019151845 A2 WO 2019151845A2
Authority
WO
WIPO (PCT)
Prior art keywords
air conditioner
indoor space
information
cooling
temperature
Prior art date
Application number
PCT/KR2019/003244
Other languages
English (en)
French (fr)
Other versions
WO2019151845A3 (ko
Inventor
채종훈
김민욱
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to PCT/KR2019/003244 priority Critical patent/WO2019151845A2/ko
Priority to US16/499,069 priority patent/US11649980B2/en
Priority to KR1020190094087A priority patent/KR102641580B1/ko
Publication of WO2019151845A2 publication Critical patent/WO2019151845A2/ko
Publication of WO2019151845A3 publication Critical patent/WO2019151845A3/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F1/00—Room units for air-conditioning, e.g. separate or self-contained units or units receiving primary air from a central station
    • F24F1/0007—Indoor units, e.g. fan coil units
    • F24F1/00073—Indoor units, e.g. fan coil units comprising a compressor in the indoor unit housing
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/70—Control systems characterised by their outputs; Constructional details thereof
    • F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/20—Casings or covers
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/20—Casings or covers
    • F24F2013/205—Mounting a ventilator fan therein
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/10—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2110/00—Control inputs relating to air properties
    • F24F2110/40—Pressure, e.g. wind pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2221/00—Details or features not otherwise provided for
    • F24F2221/42—Mobile autonomous air conditioner, e.g. robots

Definitions

  • the present invention relates to an air conditioner capable of optimal cooling by grasping a type or a situation of an indoor space by using information received from a moving agent.
  • Artificial intelligence is a field of computer science and information technology that studies how to enable computers to do things like thinking, learning, and self-development that human intelligence can do. It means to be able to imitate.
  • artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science. Particularly in modern times, attempts are being actively made to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in those fields.
  • the air conditioner is a device for maintaining the air of the predetermined space in the most suitable state according to the purpose and purpose.
  • an air conditioner includes a compressor, a condenser, an expansion device, and an evaporator, and a refrigeration cycle that performs compression, condensation, expansion, and evaporation of a refrigerant may be driven to cool or heat the predetermined space.
  • the predetermined space may be variously proposed according to the place where the air conditioner is used.
  • the predetermined space may be an indoor space of a house or an indoor space of a building.
  • the optimized cooling method may be different according to the structure of the indoor space.
  • an object of the present invention is to determine the type of the indoor space using the characteristic information related to the structure of the indoor space received from the moving agent to provide an air conditioner that can perform the optimal cooling To provide.
  • an object of the present invention is to provide an air conditioner capable of performing intensive cooling by using the situation information received from the moving agent.
  • An air conditioner obtains the type of the indoor space by using the feature information, and adjusts at least one of a set temperature, air volume, and wind direction by using the type of the indoor space.
  • An air conditioner receives situation information and adjusts at least one of a set temperature, a wind volume, and a wind direction by using a type and situation information of an indoor space.
  • the optimized cooling method may be different depending on the structure of the indoor space.
  • FIG. 1A is an exploded perspective view of an air conditioner according to an embodiment of the present invention.
  • FIG. 1B is a schematic block diagram of components included in an air conditioner according to an embodiment of the present invention.
  • FIG. 2A is a perspective view of a robot cleaner according to an embodiment of the present invention.
  • FIG. 2B illustrates a horizontal angle of view of the robot cleaner of FIG. 2A.
  • FIG. 2C is a front view of the robot cleaner of FIG. 2A.
  • FIG. 2D illustrates a bottom of the robot cleaner of FIG. 2A.
  • Figure 2e is a block diagram showing the main parts of the robot cleaner according to an embodiment of the present invention.
  • FIG 3 is a view for explaining a method of operating an air conditioner according to a first embodiment of the present invention.
  • 4A to 4D are diagrams for describing a problem that may occur according to various structures of an indoor space.
  • 5A to 5C are diagrams for describing feature information according to an exemplary embodiment of the present invention.
  • 6 to 7 are diagrams for describing a method of acquiring a type of an indoor space using feature information according to an exemplary embodiment of the present invention.
  • 8 to 10b are diagrams for describing cooling information according to various purposes.
  • FIG. 11 is a diagram for explaining a plurality of cooling informations respectively corresponding to a plurality of zones included in an indoor space.
  • FIG. 12 is a diagram for describing an operating method of an air conditioner according to a second embodiment of the present disclosure.
  • 13 to 15 are diagrams for explaining a method of determining a specific zone to perform intensive cooling.
  • FIG. 16A is a diagram illustrating temperatures for respective zones before performing intensive cooling.
  • FIG. 16B is a diagram illustrating temperatures for zones after performing intensive cooling.
  • 17 is a view for explaining a method of correcting cooling information according to an embodiment of the present invention.
  • components may be divided and described for convenience of description, but these components may be implemented in one device or module, or one component is divided into multiple devices or modules. May be implemented.
  • FIG. 1A is an exploded perspective view of an air conditioner according to an embodiment of the present invention.
  • FIG. 1A various embodiments of the present invention will be described using the ceiling type air conditioner as an example, but embodiments of the present invention are not limited to the ceiling type air conditioner, but may be applied to various types of air conditioners, such as a stand type and a wall type.
  • the appearance of the air conditioner illustrated in FIG. 1A is merely an example for convenience of description, and the appearance of the air conditioner according to the embodiment of the present invention is not limited thereto.
  • an air conditioner 700 may include a casing.
  • the casing may include a main body casing 20 and a front panel 781.
  • the casing is fixed to the ceiling or wall and can suck outside air and discharge heat exchanged air.
  • the main body casing 20 may include a fixing member 201 for fixing the main body casing 20.
  • the fixing member 201 may be fixed by a fastening member such as a bolt (not shown).
  • a plurality of parts may be disposed in the inner space of the main body casing 20.
  • the plurality of components may include a heat exchanger (not shown) for heat-exchanging air sucked from the outside, and a blower fan (not shown) for discharging the air heat-exchanged in the heat exchanger to the outside.
  • the air conditioner 700 may further include a front panel 781 which may be coupled to the lower side of the main body casing 20.
  • a front panel 781 may be coupled to the lower side of the main body casing 20.
  • the front panel 781 may be located at a height of the ceiling and exposed to the outside.
  • the air conditioner 700 may have an overall appearance by the main body casing 20 and the front panel 781.
  • the casing may include a suction port for sucking indoor air and a discharge port for discharging air exchanged by the air conditioner 700 into the room.
  • the front panel 781 may further include a suction grill 104 to prevent the inflow of foreign matter contained in the air sucked through the suction port.
  • the suction grill 104 may be detachably coupled to the suction port.
  • the suction port may be elongated in the transverse direction at the front of the front panel 781, and the discharge port may be elongated in the transverse direction at the rear of the front panel 781.
  • the casing may further include a discharge vane 102 movably provided at the discharge port.
  • the discharge vane 102 may adjust the air volume or the wind direction discharged through the discharge port.
  • the air conditioner 700 may include a vane motor for operating the discharge vane.
  • the discharge vane 102 may be rotatably provided in an upward direction and a left and right direction about the discharge vane 102 hinge axis (not shown).
  • the discharge vane 102 receives the driving force from the vane motor and rotates in the vertical direction and the horizontal direction, thereby adjusting the wind direction.
  • the air in the indoor space may be sucked into the casing through the suction port. And the air sucked into the casing can be heat exchanged in the heat exchanger. In addition, the air passing through the heat exchanger may be discharged into the indoor space through the discharge port of the casing by the blowing fan.
  • the main body casing 20 may include a suction hole 203 formed to communicate with a suction port formed on the front surface of the front panel 781.
  • the air conditioner 700 may include a filter assembly 30 disposed in the suction hole 203.
  • the filter assembly 30 may filter foreign matters such as dust included in the air introduced into the air conditioner 700 to minimize the inclusion of the foreign matter in the air discharged through the discharge port.
  • the air conditioner includes a compressor, a condenser, an expansion device, and an evaporator for receiving and compressing a refrigerant, and a refrigeration cycle for compressing, condensing, expanding, and evaporating refrigerant is driven to cool or heat an indoor space.
  • a compressor for compressing, condensing, expanding, and evaporating refrigerant is driven to cool or heat an indoor space.
  • FIG. 1B is a schematic block diagram of components included in an air conditioner according to an embodiment of the present invention.
  • the air conditioner 700 includes a communication unit 710, an input unit 720, a sensor unit 730, a compressor 740, a fan motor 750, an output unit 760, a memory 770, and a processor. 780, and a power supply 790.
  • the components shown in FIG. 1B are not essential to implementing an air conditioner, so the air conditioner described herein may have more or fewer components than those listed above.
  • the communication unit 710 of the components, between the air conditioner 700 and an external device may include one or more modules that enable wired or wireless communication between the air conditioner 700 and an external server.
  • an external device for example, a mobile air conditioner such as a moving agent, a smartphone, a tablet PC or a fixed air conditioner such as a desktop computer
  • the communication unit 710 of the components, between the air conditioner 700 and an external server may include one or more modules that enable wired or wireless communication between the air conditioner 700 and an external server.
  • the communication unit 710 may include one or more modules for connecting the air conditioner 700 to one or more networks.
  • the communication unit 710 may include at least one of a wireless internet module and a short range communication module.
  • the wireless internet module refers to a module for wireless internet access and may be built in or external to the air conditioner 700.
  • the wireless internet module is configured to transmit and receive wireless signals in a communication network according to wireless internet technologies.
  • wireless Internet technologies include wireless LAN (WLAN), wireless fidelity (Wi-Fi), wireless fidelity (Wi-Fi) Direct, and digital living network alliance (DLNA).
  • the short-range communication module is for short range communication.
  • the short-range communication module uses at least one of technologies such as Bluetooth TM, Infrared Data Association (IrDA), ZigBee, and Near Field Communication (NFC).
  • Can support communication The short-range communication module may support wireless communication between the air conditioner 700 and external devices through local area networks.
  • the short range wireless communication network may be short range wireless personal area networks.
  • the communication unit 710 may communicate with the moving agent through various communication methods described above under the control of the processor 780.
  • the input unit 720 may include a touch key, a mechanical key, a dial key, and the like for receiving information or a command from a user. According to an embodiment, the input unit 720 may be understood as a concept encompassing an interface unit that receives information or a command from a separate remote control apparatus.
  • the input unit 720 is for receiving information from a user, and when information is input through the input unit 720, the processor 780 may control the operation of the air conditioner 700 to correspond to the input information. .
  • the input unit 720 may be a mechanical input means (or a mechanical key, for example, a button, a dome switch, a jog wheel, or a jog switch located at the front or rear or side of the air conditioner 700). Etc.) and touch input means.
  • the touch input means may include a virtual key, a soft key, or a visual key displayed on the touch screen through a software process, or a portion other than the touch screen. Touch keys placed on the
  • the virtual key or the visual key may be displayed on the touch screen while having various forms, for example, graphic, text, icon, video, or the like. It can be made of a combination of.
  • the sensor unit 730 may include one or more sensors for sensing at least one of surrounding environment information and user information surrounding the air conditioner 700.
  • the sensor unit 730 may include a temperature sensor 732 for detecting the temperature of the space in which the air conditioner 700 is installed, and a humidity sensor 734 for detecting the humidity of the space.
  • the output unit 760 is used to generate output related to vision, hearing, and the like, and may include at least one of a display unit 762 and a sound output unit 764 (for example, a speaker).
  • the display unit 762 may form a layer structure or an integrated structure with the touch sensor, thereby implementing a touch screen.
  • the touch screen may function as an input unit 720 that provides an input interface between the air conditioner 700 and the user, and may provide an output interface between the air conditioner 700 and the user.
  • the display unit 762 may display various information related to the operation of the air conditioner 700.
  • the display unit 762 may display information such as set temperature, air volume, wind direction, current room temperature, and humidity of the air conditioner 700, and information about an operation mode such as a power saving mode, a normal mode, and a sleep mode. .
  • the sound output unit 764 may output a signal in the form of a voice to inform the occurrence of an event of the air conditioner 700.
  • Examples of events generated by the air conditioner 700 may include an alarm, power on / off, error occurrence, operation mode change, and the like.
  • the memory 770 stores data supporting various functions of the air conditioner 700.
  • the memory 770 may store various data and instructions for the operation of the air conditioner 700.
  • Memory 770 is a flash memory type (flash memory type), hard disk type (hard disk type), SSD type (Solid State Disk type), SDD type (Silicon Disk Drive type), multimedia card micro type (multimedia card micro type, card type memory (e.g. SD or XD memory, etc.), random access memory (RAM), static random access memory (SRAM), read-only memory (ROM), EEPROM (electrically At least one type of storage medium may include erasable programmable read-only memory (PROM), programmable read-only memory (PROM), magnetic memory, magnetic disk, and optical disk.
  • flash memory type flash memory type
  • hard disk type hard disk type
  • SSD type Solid State Disk type
  • SDD type Silicon Disk Drive type
  • multimedia card micro type multimedia card micro type
  • card type memory e.g. SD or XD memory, etc.
  • RAM random access memory
  • SRAM static random access memory
  • ROM read-only memory
  • EEPROM electrically At least one type of storage medium may include erasable
  • the processor 780 typically controls the overall operation of the air conditioner 700.
  • the processor 780 may provide or process information or a function appropriate to a user by processing signals, data, or information input or output through the above-described components.
  • the processor 780 may adjust at least one of the compressor 740, the fan motor 750, and the vane motor based on the cooling information of the air conditioner 700.
  • the cooling information may include at least one of a set temperature, a wind volume, and a wind direction.
  • the fan motor 750 is installed in the casing, and rotates a blowing fan (not shown) provided in the casing to blow air.
  • the processor 780 may control the operation of the compressor 740 based on the set temperature of the cooling information. As the operation of the compressor 740 is controlled, the set temperature of the air conditioner 780 may be adjusted.
  • the processor 780 may control the operation of the fan motor 750 based on the air volume of the cooling information. As the operation of the fan motor 750 is controlled, the air volume of the air conditioner 780 may be adjusted.
  • the processor 780 may control the operation of the vane motor based on the wind direction of the cooling information. As the operation of the vane motor is controlled, the wind direction of the air conditioner 780 may be adjusted.
  • the power supply unit 790 is supplied with an external power source and an internal power source under the control of the processor 780 to supply power to each component included in the air conditioner 700.
  • At least some of the components may operate in cooperation with each other to implement an operation, control, or control method of the air conditioner according to various embodiments described below.
  • the operation, control, or control method of the air conditioner may be implemented on the air conditioner by driving at least one application program stored in the memory 770.
  • the moving agent is not limited to the robot cleaner and may be any device capable of moving the indoor space, such as a pet robot or a guide robot.
  • FIG. 2A is a perspective view of a robot cleaner according to an embodiment of the present invention.
  • FIG. 2B illustrates a horizontal angle of view of the robot cleaner of FIG. 2A.
  • FIG. 2C is a front view of the robot cleaner of FIG. 2A.
  • FIG. 2D illustrates a bottom of the robot cleaner of FIG. 2A.
  • the robot cleaner 1 moves along the bottom of the cleaning area, and includes a main body 10 and a main body 10 that suck foreign substances such as dust on the floor. It may include an obstacle detecting unit 100 disposed in front of the).
  • the main body 10 has a casing 11 that forms an exterior and forms a space in which the components constituting the main body 10 are accommodated, and a suction unit disposed in the casing 11 to suck foreign matter such as dust or garbage.
  • a suction unit disposed in the casing 11 to suck foreign matter such as dust or garbage.
  • the suction unit 34 may include a suction fan (not shown) generating a suction force and a suction port 10h through which air flow generated by the rotation of the suction fan is sucked.
  • the suction unit 34 may include a filter (not shown) that collects foreign matters from the airflow sucked through the suction port 10h, and a foreign matter collecting container (not shown) in which foreign matters collected by the filter are accumulated.
  • the main body 10 may include a driving driver that drives the left wheel 36 (L) and the right wheel 36 (R).
  • the driving driver may include at least one driving motor.
  • the at least one drive motor may include a left wheel drive motor for rotating the left wheel 36 (L) and a right wheel drive motor for rotating the right wheel 36 (R).
  • the left wheel drive motor and the right wheel drive motor may be driven straight, backward or swiveled by the operation of the control unit of the control unit independently controlled. For example, when the main body 10 travels straight, when the left wheel drive motor and the right wheel drive motor rotate in the same direction, but the left wheel drive motor and the right wheel drive motor rotate at different speeds or rotate in opposite directions.
  • the running direction of the main body 10 may be switched.
  • At least one auxiliary wheel 37 may be further provided to stably support the main body 10.
  • a plurality of brushes 35 positioned at the front side of the bottom of the casing 11 and having a brush composed of a plurality of radially extending wings may be further provided.
  • the dust is removed from the bottom of the cleaning area by the rotation of the plurality of brushes 35, and the dust separated from the bottom is sucked through the suction port 10h and collected in the collecting container.
  • the upper surface of the casing 11 may be provided with a control panel including an operation unit 160 for receiving various commands for controlling the robot cleaner 1 from the user.
  • the obstacle detecting unit 100 may be disposed in front of the main body 10.
  • the obstacle detecting unit 100 is fixed to the front surface of the casing 11 and includes a first pattern irradiator 120, a second pattern irradiator 130, and an image acquisition unit 140.
  • the image acquisition unit is basically installed below the pattern irradiation unit as shown, but may be disposed between the first and second pattern irradiation unit in some cases.
  • a second image acquisition unit (not shown) may be further provided at the upper end of the main body. The second image acquisition unit captures an image of the upper end of the main body, that is, the ceiling.
  • the main body 10 includes a rechargeable battery 38, and the charging terminal 33 of the battery 38 is connected to a commercial power source (for example, a power outlet in a home) or a separate charging stand connected to the commercial power source.
  • the main body 10 may be docked to the main body 10, and the charging terminal 33 may be electrically connected to a commercial power supply, and the battery 38 may be charged.
  • the electrical components constituting the robot cleaner 1 may be supplied with power from the battery 38. Therefore, the robot cleaner 1 is magnetically in a state in which the robot cleaner 1 is electrically separated from the commercial power while the battery 38 is charged. Driving is possible.
  • Figure 2e is a block diagram showing the main parts of the robot cleaner according to an embodiment of the present invention.
  • the robot cleaner 1 includes a driving driver 250, a cleaning unit 260, a data unit 280, an obstacle detecting unit 100, a sensor unit 150, a communication unit 270, and an operation unit. 160, and a controller 200 for controlling the overall operation.
  • the controller may be implemented as one or more microprocessors, and may be implemented as a hardware device.
  • the manipulation unit 160 receives a user command including input means such as at least one button, a switch, a touch pad, and the like. As described above, the operation unit may be provided at an upper end of the main body 10.
  • an obstacle detection signal input from the obstacle detection unit 100 or the sensor unit 150 is stored, and reference data for determining the obstacle by the obstacle recognition unit 210 is stored and stored in the detected obstacle. Obstacle information is stored.
  • the data unit 280 stores control data for controlling the operation of the robot cleaner and data according to the cleaning mode of the robot cleaner, and stores a map including obstacle information generated by the map generator.
  • the data unit 280 may store a base map, a cleaning map, a user map, and a guide map.
  • the obstacle detection signal includes a detection signal such as an ultrasound / laser by the sensor unit and an acquired image of the image acquisition unit.
  • the data unit 280 stores data that can be read by a microprocessor, and includes a hard disk drive (HDD), a solid state disk (SSD), a silicon disk drive (SDD), a ROM, and a RAM. , CD-ROM, magnetic tape, floppy disk, optical data storage device.
  • HDD hard disk drive
  • SSD solid state disk
  • SDD silicon disk drive
  • ROM read only memory
  • RAM random access memory
  • the communication unit 270 communicates with the air conditioner in a wireless communication method.
  • the communication unit 270 may be connected to the Internet network through a home network to communicate with an external server or an air conditioner.
  • the communication unit 270 transmits the generated map to the air conditioner, and transmits data about the operation state and the cleaning state of the robot cleaner to the air conditioner.
  • the communication unit 270 transmits and receives data including communication modules such as Wi-Fi and WiBro, as well as short-range wireless communication such as Zigbee and Bluetooth.
  • the driving driver 250 includes at least one driving motor to allow the robot cleaner to travel according to a control command of the driving controller 230.
  • the driving driver 250 may include a left wheel driving motor for rotating the left wheel 36 (L) and a right wheel driving motor for rotating the right wheel 36 (R).
  • the cleaning unit 260 operates a brush to make it easy to inhale dust or foreign matter around the robot cleaner, and operates the suction device to suck in dust or foreign matter.
  • the cleaning unit 260 controls the operation of the suction fan provided in the suction unit 34 for sucking foreign substances such as dust or garbage so that the dust is introduced into the foreign matter collecting container through the suction port.
  • the obstacle detecting unit 100 includes a first pattern irradiator 120, a second pattern irradiator 130, and an image acquisition unit 140.
  • the sensor unit 150 includes a plurality of sensors to assist in detecting a failure.
  • the sensor unit 150 may include at least one of a laser sensor, an ultrasonic sensor, and an infrared sensor.
  • the sensor unit 150 detects an obstacle in front of the main body 10, that is, a driving direction, by using at least one of laser, ultrasonic waves, and infrared rays.
  • the sensor unit 150 inputs information on whether there is an obstacle or a distance to the obstacle to the controller 200 as an obstacle detection signal.
  • the sensor unit 150 includes at least one tilt sensor to detect the tilt of the main body.
  • the tilt sensor calculates the tilted direction and angle when the tilt sensor is tilted in the front, rear, left and right directions.
  • the tilt sensor may be a tilt sensor, an acceleration sensor, or the like, and in the case of the acceleration sensor, any one of a gyro type, an inertial type, and a silicon semiconductor type may be applied.
  • the sensor unit 150 may include at least one of the components of the obstacle detecting unit 100 and may perform a function of the obstacle detecting unit 100.
  • the first pattern irradiator 120, the second pattern irradiator 130, and the image acquisition unit 140 are installed at the front of the main body 10, and the front of the robot cleaner. Irradiate the light (P1, P2) of the first and second patterns to the image, and obtains an image by taking light of the irradiated pattern.
  • the obstacle detecting unit 100 inputs the acquired image to the controller 200 as an obstacle detecting signal.
  • the first and second pattern irradiation units 120 and 130 of the obstacle detecting unit 100 may include a light source and an optical pattern projection element (OPPE) for generating a predetermined pattern by transmitting light emitted from the light source.
  • the light source may be a laser diode (LD), a light emitting diode (LED), or the like. Laser light is superior to other light sources in terms of monochromaticity, straightness, and connection characteristics, so that accurate distance measurement is possible. Since there is a problem that is largely generated, a laser diode is preferable as the light source.
  • the pattern generator may include a lens and a diffractive optical element (DOE). Various patterns of light may be irradiated according to the configuration of the pattern generators provided in the pattern irradiation units 120 and 130.
  • DOE diffractive optical element
  • the first pattern irradiation unit 120 may irradiate the first pattern of light P1 (hereinafter, referred to as first pattern light) toward the front lower side of the main body 10. Therefore, the first pattern light P1 may be incident on the bottom of the cleaning area.
  • first pattern light the first pattern of light P1
  • the first pattern light P1 may be configured in the form of a horizontal line Ph.
  • the first pattern light P1 may be configured in the form of a cross pattern in which the horizontal line Ph intersects the vertical line Pv.
  • the first pattern irradiator 120, the second pattern irradiator 130, and the image acquirer 140 may be vertically arranged in a line.
  • the image acquisition unit 140 is disposed below the first pattern irradiation unit 120 and the second pattern irradiation unit 130, but is not necessarily limited thereto, and may be disposed on the first pattern irradiation unit and the second pattern irradiation unit. It may be.
  • the first pattern irradiation unit 120 is located above and irradiates the first pattern light P1 downward toward the front to detect an obstacle located below the first pattern irradiation unit 120.
  • the second pattern irradiator 130 may be disposed under the first pattern irradiator 120 to irradiate the light of the second pattern P2 (hereinafter referred to as second pattern light) upwardly toward the front. Therefore, the second pattern light P2 may be incident on an obstacle or a portion of the obstacle located at a height higher than at least the second pattern irradiator 130 from the wall or the bottom of the cleaning area.
  • the second pattern light P2 may be formed in a different pattern from the first pattern light P1, and preferably includes a horizontal line.
  • the horizontal line is not necessarily to be a continuous line segment, it may be made of a dotted line.
  • the displayed irradiation angle ⁇ h indicates the horizontal irradiation angle of the first pattern light P1 irradiated from the first pattern irradiation unit 120, and both ends of the horizontal line Ph may be the first.
  • the angle formed with the pattern irradiator 120 is preferably defined in the range of 130 ° to 140 °, but is not necessarily limited thereto.
  • the dotted line shown in FIG. 2 is directed toward the front of the robot cleaner 1, and the first pattern light P1 may be configured to be symmetrical with respect to the dotted line.
  • the second pattern irradiation unit 130 may also have a horizontal irradiation angle, preferably, 130 ° to 140 °, and according to an embodiment, the first pattern irradiation unit 120.
  • the pattern light P2 may be irradiated at the same horizontal irradiation angle as, and in this case, the second pattern light P1 may also be configured to be symmetrical with respect to the dotted line shown in FIG. 2.
  • the image acquisition unit 140 may acquire an image in front of the main body 10.
  • the pattern light P1 and P2 appear in an image acquired by the image acquisition unit 140 (hereinafter, referred to as an acquired image).
  • the image of the pattern light P1 and P2 shown in the acquired image is lighted.
  • the pattern is referred to as a pattern, and since the pattern lights P1 and P2 incident on the actual space are images formed on the image sensor, the same reference numerals as those of the pattern lights P1 and P2 are assigned to the first pattern light P1.
  • the image corresponding to the second pattern light P2 are referred to as a first light pattern P1 and a second light pattern P2, respectively.
  • the image acquisition unit 140 may include a digital camera that converts an image of an object into an electrical signal and then converts the image into a digital signal and stores the image in a memory device.
  • the digital camera includes an image sensor (not shown) and an image processor (not shown). ) May be included.
  • An image sensor is an apparatus that converts an optical image into an electrical signal, and is composed of a chip in which a plurality of photo diodes are integrated.
  • a pixel is a photo diode. Charges are accumulated in each pixel by an image formed on the chip by light passing through the lens, and the charges accumulated in the pixels are converted into electrical signals (eg, voltages).
  • electrical signals eg, voltages.
  • a charge coupled device CCD
  • CMOS complementary metal oxide semiconductor
  • the image processor generates a digital image based on the analog signal output from the image sensor.
  • the image processor includes an AD converter for converting an analog signal into a digital signal, a buffer memory for temporarily recording digital data in accordance with a digital signal output from the AD converter, and information recorded in the buffer memory. It may include a digital signal processor (DSP) for processing to form a digital image.
  • DSP digital signal processor
  • the controller 200 includes an obstacle recognition unit 210, a map generation unit 220, a driving control unit 230, and a position recognition unit 240.
  • the obstacle recognition unit 210 determines an obstacle based on the acquired image input from the obstacle detecting unit 100, and the driving controller 230 changes the moving direction or the driving path in response to the obstacle information, or passes the obstacle or blocks the obstacle.
  • the driving driver 250 is controlled to travel by avoiding the driving.
  • the driving controller 230 controls the driving driver 250 to independently control the operation of the left wheel driving motor and the right wheel driving motor so that the main body 10 travels straight or rotated.
  • the obstacle recognition unit 210 stores the obstacle detection signal input from the sensor unit 150 or the obstacle detection unit 100 in the data unit 280, and analyzes the obstacle detection signal to determine the obstacle.
  • the obstacle recognition unit 210 determines the presence of an obstacle in front of the sensor based on the signal of the sensor unit, and analyzes the acquired image to determine the position, size, and shape of the obstacle.
  • the obstacle recognition unit 210 extracts a pattern by analyzing the acquired image. Obstacle Recognition Unit 210 The light pattern of the pattern irradiated from the first pattern irradiator or the second pattern irradiator is irradiated onto the floor or the obstacle and is extracted, and the obstacle is determined based on the extracted light pattern.
  • the obstacle recognition unit 210 detects the light patterns P1 and P2 from the image (acquisition image) acquired by the image acquisition unit 140.
  • the obstacle recognition unit 210 detects a feature such as a point, a line, a surface, or the like with respect to predetermined pixels constituting the acquired image, and based on the detected feature, the light patterns P1 and P2 or light.
  • the points, lines, planes, and the like constituting the patterns P1 and P2 can be detected.
  • the obstacle recognition unit 210 extracts line segments formed by successive pixels that are brighter than the surroundings, and extracts the horizontal line Ph forming the first light pattern P1 and the horizontal line forming the second light pattern P2. can do.
  • the present invention is not limited thereto, and various techniques for extracting a pattern of a desired shape from a digital image are already known.
  • the obstacle recognition unit 210 may use the first and second light patterns P1 and P2 using these known techniques. (P2) can be extracted.
  • the obstacle recognition unit 210 determines the presence or absence of the obstacle on the basis of the detected pattern, and determines the shape of the obstacle.
  • the obstacle recognition unit 210 may determine the obstacle through the first light pattern and the second light pattern, and calculate a distance to the obstacle.
  • the obstacle recognition unit 210 may determine the size (height) and the shape of the obstacle by changing the shape of the first light pattern and the second light pattern, the light pattern appearing while approaching the obstacle.
  • the obstacle recognition unit 210 determines the obstacle with respect to the first and second light patterns and the second light pattern based on the distance from the reference position.
  • the obstacle recognition unit 210 may determine that the downhill slope exists, and determine that it is a cliff when the first light pattern P1 disappears.
  • the obstacle recognition unit 210 may determine an obstacle in front or an obstacle in the upper portion.
  • the obstacle recognition unit 210 determines whether the main body is inclined based on the inclination information input from the inclination sensor of the sensor unit 150, and when the main body is inclined, the inclination with respect to the position of the light pattern of the acquired image. To compensate.
  • the traveling controller 230 controls the driving driver 250 to travel about the designated area of the cleaning area and to perform the cleaning, and to control the cleaning unit 260 to suck the dust while driving to perform the cleaning.
  • the driving controller 230 determines whether the vehicle is capable of driving or whether the vehicle is accessible, and moves the vehicle to approach the obstacle, pass the obstacle, or avoid the obstacle. Set to control the driving driver 250.
  • the map generation unit 220 generates a map of the cleaning area based on the information on the obstacle determined by the obstacle recognition unit 210.
  • the map generator 220 generates a map for the cleaning area based on the obstacle information while driving the cleaning area during the initial operation or when the map for the cleaning area is not stored. In addition, the map generator 220 updates the pre-generated map based on the obstacle information acquired while driving.
  • the map generator 220 generates a base map based on information obtained by the obstacle recognition unit 210 while driving, and generates a cleaning map by dividing an area from the base map. In addition, the map generator 220 cleans up the area with respect to the cleaning map and sets the property of the area to generate a user map and a guide map.
  • the base map is a map in which the shape of the cleaning area obtained through driving is displayed as an outline
  • the cleaning map is a map in which areas are divided into the base map.
  • the basic map and the cleaning map include information on the driving area and obstacle information of the robot cleaner.
  • the user map is a map that has a visual effect by simplifying the area of the cleaning map and arranging the outlines.
  • the guide map is a superimposed map of the clean map and the user map. Since the cleaning map is displayed on the guide map, a cleaning command may be input based on an area in which the robot cleaner may actually travel.
  • the map generation unit 220 divides the cleaning area into a plurality of areas, includes a connection passage connecting the plurality of areas, and generates a map including information on obstacles in each area.
  • the map generation unit 220 generates a map in which regions are divided by dividing the small regions to distinguish the regions on the map, setting the representative regions, and setting the separated small regions as separate detailed regions and merging them into the representative regions. .
  • the map generator 220 processes the shape of the region for each divided region.
  • the map generator 220 sets attributes for the divided regions and processes the shape of the regions according to the attributes for each region.
  • the map generator 220 first determines the main area based on the number of contacts with other areas in each of the divided areas.
  • the main area is basically a living room, but in some cases, the main area may be changed to any one of a plurality of rooms.
  • the map generator 220 sets attributes of the remaining areas based on the main area. For example, the map generation unit 220 may set an area of a predetermined size or more, which is arranged around the living room, which is a main area, as a room, and other areas as other areas.
  • the map generation unit 220 processes the area so that each area has a specific shape according to a criterion according to the property of the area. For example, the map generator 220 processes the shape of the area based on the shape of a general home room, for example, a quadrangle. In addition, the map generator 220 expands the shape of the area based on the outermost cell of the base map, and processes the shape of the area by deleting or reducing the area of the area that is inaccessible due to an obstacle.
  • the map generator 220 displays an obstacle more than a certain size on the map, and the obstacle less than the predetermined size deletes the corresponding cell from the base map according to the size of the obstacle so that the obstacle is not displayed.
  • the map generator displays furniture such as chairs or sofas of a certain size on the map, and temporarily removes obstacles, small toys, for example, small toys, etc., from the map.
  • the map generator 220 stores the location of the charging station together on the map when the map is generated.
  • the map generator 220 may add an obstacle on the map based on the obstacle information input from the obstacle recognition unit 21 with respect to the detected obstacle after the map is generated.
  • the map generation unit 220 adds an obstacle to the map when a specific obstacle is repeatedly detected at a fixed position, and ignores the obstacle when the obstacle is temporarily detected.
  • the map generation unit 220 generates both a user map, which is a processed map, and a guide map in which the user map and the cleaning map overlap.
  • the map generator 220 sets the position of the virtual wall on the cleaning map based on data about the virtual wall received through the communication unit, and sets the coordinates of the virtual wall corresponding to the cleaning area. Calculate.
  • the map generation unit 220 registers the virtual wall as an obstacle on the cleaning map.
  • the map generator 220 stores data about the set virtual wall, for example, information about the level of the virtual wall and the attributes of the virtual wall.
  • the map generation unit 220 expands and registers the set virtual wall as an obstacle. While driving, the main body 10 is set to a wider range by enlarging the virtual wall which is set so as not to contact the virtual wall or invade the virtual wall.
  • the map generation unit 220 If the map generation unit 220 cannot determine the current location of the main body 10 by the location recognition unit 240, the map generation unit 220 generates a new map for the cleaning area. The map generator 220 determines that the map generation unit 220 has moved to the new area and initializes the preset virtual wall.
  • the map generator 220 When the data for the virtual wall is received while driving, the map generator 220 additionally sets the virtual wall on the map to operate in response to the virtual wall when the main body 10 runs. For example, when a new virtual wall is added, or the level or property of the virtual wall is changed, and when the position of the preset virtual wall is changed, the map generator 220 updates the map based on the received data. Then, the information about the changed virtual wall is reflected in the map.
  • the location recognition unit 240 determines the current location of the main body 10 based on a map (cleaning map, guide map or user map) stored in the data unit.
  • the location recognition unit 240 determines whether the current location of the map and the current location of the main body match, and if the current location does not match the location on the map, or if the current location cannot be confirmed, The current position of the robot cleaner 1 is recovered by recognizing the current position.
  • the driving controller 230 controls the driving unit to move to the designated area based on the current position when the current position is restored.
  • the cleaning command may be input from a remote controller (not shown), the operation unit 160, or an air conditioner.
  • the location recognition unit 240 may estimate the current location based on the map by analyzing the acquired image input from the image acquisition unit 140. Can be.
  • the location recognition unit 240 processes the acquired image acquired at each location during map generation by the map generation unit 220, and recognizes the global location of the main body in association with the map.
  • the position recognition unit 240 uses the acquired image of the image acquisition unit 140 to compare the acquired image of each position on the map with the map to grasp the current position of the main body, even when the position of the main body suddenly changes.
  • the current position can be estimated and recognized.
  • the position recognition unit 240 analyzes various features, such as lightings, edges, corners, blobs, and ridges, which are included in the acquired image, on the ceiling. Judge.
  • the acquired image may be input from an image acquisition unit or a second image acquisition unit provided at the upper end of the main body.
  • the position recognition unit 240 detects a feature from each of the acquired images.
  • Various methods of detecting a feature from an image are well known in the field of computer vision technology.
  • Several feature detectors are known that are suitable for the detection of these features. Examples include Canny, Sobel, Harris & Stephens / Plessey, SUSAN, Shi & Tomasi, Level curve curvature, FAST, Laplacian of Gaussian, Difference of Gaussians, Determinant of Hessian, MSER, PCBR, and Gray-level blobs detectors.
  • the position recognition unit 240 calculates a descriptor based on each feature point.
  • the position recognition unit 240 may convert a feature point into a descriptor using a scale invariant feature transform (SIFT) technique for feature detection.
  • SIFT scale invariant feature transform
  • the descriptor may be expressed as an n-dimensional vector.
  • the SIFT can detect invariant characteristics of scale, rotation, and brightness change of the photographing target, and thus the same area is not changed even when the robot cleaner 1 is photographed with different postures (ie, rotation invariant (Rotation) -invariant)) feature can be detected.
  • HOG Histogram of Oriented Gradient
  • Haar feature Haar feature
  • Fems LBP: Local Binary Pattern
  • MCT Modified Census Transform
  • the position recognition unit 240 classifies at least one descriptor into a plurality of groups according to a predetermined sub-classification rule for each acquired image based on descriptor information obtained through the acquired image of each position, and according to the predetermined sub-representation rule, the same group. Descriptors included in each can be converted into lower representative descriptors. As another example, all descriptors gathered from the acquired images in a predetermined zone, such as a room, are classified into a plurality of groups according to a predetermined sub-classification rule, and the descriptors included in the same group according to the predetermined sub-representation rule are each lower representative descriptors. You can also convert to.
  • the position recognition unit 240 may obtain a feature distribution of each position through the above process.
  • Each positional feature distribution can be represented by a histogram or an n-dimensional vector.
  • the learning module 143 may estimate an unknown current position based on a descriptor calculated from each feature point without passing through a predetermined sub classification rule and a predetermined sub representative rule.
  • the position recognition unit 240 may estimate the current position based on data stored in the descriptor or the lower representative descriptor. have.
  • the position recognition unit 240 acquires an acquired image through the image acquisition unit 140 at an unknown current position, and lights, edges, corners, and blobs positioned on the ceiling through the image. When various features such as a ridge and the like are identified, the features are detected from the acquired image.
  • the position recognition unit 240 is based on at least one recognition descriptor information obtained through the acquired image of the unknown current position, the position information (for example, feature distribution of each position) to be compared according to a predetermined lower conversion rule And information that can be compared with (sub-recognition feature distribution). According to a predetermined sub-comparison rule, each position feature distribution may be compared with each recognition feature distribution to calculate each similarity. Similarity (probability) may be calculated for each location corresponding to each location, and a location where the greatest probability is calculated may be determined as the current location.
  • the controller 200 transmits the updated information to the air conditioner 300 through the communication unit so that the map stored in the air conditioner and the robot cleaner 1 is the same.
  • the driving control unit 230 controls the driving unit to move to a designated area among the cleaning areas, and operates the cleaning unit to perform cleaning with driving.
  • the driving controller 230 moves the areas according to whether a priority area is set or a designated order, and performs cleaning. If no separate order is specified, the driving control unit 230 is based on the current position. Depending on the distance, move to the nearest or adjacent area and perform the cleaning.
  • the driving controller 230 moves to the area included in the arbitrary area and performs the cleaning.
  • the driving controller 230 determines the virtual wall and controls the driving driver based on the coordinate value input from the map generator 220.
  • the driving controller 230 recognizes that the obstacle exists at the corresponding position and restricts the driving when the virtual wall is set.
  • the driving controller 230 When the driving controller 230 changes the setting of the virtual wall during driving, the driving controller 230 distinguishes the area that can be driven and the area that cannot be driven according to the changed virtual wall setting, and resets the driving path.
  • the driving controller 230 controls driving in response to any one of the setting 1 for the noise, the setting 2 for the driving route, the setting 3 for the avoidance, and the setting 4 for the security according to the attribute set on the virtual wall.
  • the driving controller 230 may approach the virtual wall to perform the designated operation according to the property of the virtual wall (driving path, setting 2), or reduce and clean the noise generated from the main body (noise, setting 1), It is possible to avoid and drive without approaching the virtual wall more than a certain distance (avoidance, setting 3), and to take an image of a predetermined area based on the virtual wall (security, setting 4).
  • control unit 200 stores the cleaning record in the data unit.
  • control unit 200 transmits the operating state or cleaning state of the robot cleaner 1 through the communication unit 190 to the air conditioner at predetermined intervals.
  • the air conditioner displays the position of the robot cleaner together with a map on the screen of the running application on the basis of the data received from the robot cleaner 1 and also outputs information on the cleaning state.
  • the air conditioner may update the map based on the received data.
  • the robot cleaner may run by dividing the runable area and the impossible area based on the information of the set virtual wall.
  • the sensor unit 150 may include a camera.
  • the controller 200 may acquire an image of the indoor space by controlling the camera to capture the indoor space.
  • the sensor unit 150 may include at least one of a laser sensor, an ultrasonic sensor, an infrared sensor, and a camera.
  • the sensor unit 150 may generate a map of an indoor space using at least one of an image captured by a laser, an ultrasonic wave, an infrared ray, and a camera.
  • the sensor unit 150 may include a temperature sensor for measuring a temperature of an indoor space, a first heat sensor (eg, an infrared sensor) for detecting a body temperature of a user, an operation state of a gas range or an electric range, or heat generation of an electronic product. It may include a second heat sensor for detecting heat information, such as.
  • a first heat sensor eg, an infrared sensor
  • a second heat sensor for detecting heat information, such as.
  • the sensor unit 150 may include a microphone for receiving sound.
  • the first embodiment relates to a method of performing optimal cooling according to the type of indoor space.
  • FIG 3 is a view for explaining a method of operating an air conditioner according to a first embodiment of the present invention.
  • a method of operating an air conditioner may include receiving feature information related to a structure of an indoor space collected by a moving agent (S310), and obtaining a type of an indoor space using the received feature information.
  • the method may include adjusting at least one of a set temperature, a wind volume, and a wind direction of the air conditioner based on the cooling information corresponding to the type of the indoor space (S330).
  • 4A to 4D are diagrams for describing a problem that may occur according to various structures of an indoor space.
  • the indoor space described herein may be an entire house including a living room, a room, and the like.
  • the present invention is not limited thereto, and the indoor space described in the present specification may mean a space in which air discharged from the air conditioner arrives by direct sunlight or convection since the air conditioner is installed in the indoor space and is not divided into a wall and a door.
  • the indoor space described herein may mean a living room and a kitchen.
  • the interior spaces (living room and kitchen) are elongated on the left side of the hallway.
  • the general direction 711 for example, the front direction
  • the distance to the air conditioner 700, the hatched region In 410, the air discharged from the air conditioner 700 may not easily go.
  • the interior space is a shape where the kitchen protrudes upward.
  • the general direction 711 for example, the front direction
  • the distance to the air conditioner 700, the hatched region In 420 (kitchen)
  • the air discharged from the air conditioner 700 does not easily go.
  • cooling weak zone Due to the structure of the indoor space as described above, a region in which air discharged from the air conditioner 700 does not reach well by direct sunlight or convection may be referred to as a cooling weak zone. This cooling weak zone can be determined through actual experiments or simulation in the structure of the corresponding indoor space.
  • the temperature may be higher than that of other areas during the cooling operation of the air conditioner 700.
  • the house of Fig. 4c has a much larger indoor space (living room and kitchen) than the house of Figs. 4a and 4b.
  • the hatched area 430 is a place where a family eats hot food, where family members gather together, and needs to be well-cooled.
  • an area where air discharged from the air conditioner 700 should reach well by direct sunlight or convection may be referred to as a main cooling zone.
  • This main cooling zone may be determined by the location information of users in the structure of the corresponding indoor space.
  • the temperature should be lower than that of other areas during the cooling operation of the air conditioner 700.
  • the living room and the kitchen are divided into walls and doors, and the air conditioner 700 is installed in the living room. Therefore, the indoor space in the house of FIG. 4D may mean a living room.
  • the interior space of the house shown in Fig. 4d has a winding structure on the right side.
  • the general direction 711 for example, the front direction
  • the distance to the air conditioner 700, the hatched region As 440, the air discharged from the air conditioner 700 does not go well.
  • the temperature of the hatched area 440 is increased, the average temperature of the entire interior space may not be lowered well.
  • 5A to 5C are diagrams for describing feature information according to an exemplary embodiment of the present invention.
  • the moving agent may collect information for moving the indoor space and generating a map of the indoor space.
  • the moving agent may move the indoor space and capture a plurality of images 510 with a camera.
  • the image is only one example of information for generating a map of the indoor space, and the moving agent may collect sensing information for generating a map of the indoor space using radar, infrared rays, and ultrasonic waves.
  • the moving agent may acquire an image of the air conditioner disposed in the indoor space.
  • the moving agent may generate a map of the indoor space by using the collected information.
  • the moving agent may generate a map composed of outlines of indoor spaces.
  • the map may be divided into a plurality of zones A11 to A17, for example, a living room, a room 1, a room 2, and the like.
  • the moving agent may acquire an image of the air conditioner disposed in the indoor space, and display the location and the direction of the air conditioner on the map based on the image of the air conditioner.
  • the map of the indoor space may include a processed map.
  • the moving agent may generate a processed map that simplifies the structure of the indoor space by using the map of the indoor space so that the structure of the indoor space may be easily recognized.
  • the moving agent may simplify the shape of the area to clean up obstacles or straighten walls.
  • the moving agent may display the location and direction of the air conditioner on the processed map.
  • the controller 200 of the moving agent may transmit characteristic information related to the structure of the indoor space to the air conditioner 700 through the communication unit 270.
  • the feature information may include information collected through the sensor unit 150 to generate a map of the indoor space, a map generated by using the information collected through the sensor unit 150, or a simplified process of the structure of the indoor space. It can be a map.
  • the processor 780 of the air conditioner 700 may receive feature information related to the structure of the indoor space obtained by the moving agent through the communication unit 710.
  • the processor 780 of the air conditioner 700 when the information collected to generate a map of the indoor space is received as the feature information, the processor 780 of the air conditioner 700 generates a map of the indoor space using the collected information to generate a map of the indoor space. can do. In this case, the above-described method of generating a map by the moving agent may be used.
  • 6 to 7 are diagrams for describing a method of acquiring a type of an indoor space using feature information according to an exemplary embodiment of the present invention.
  • the processor 780 of the air conditioner 700 may obtain the type of the indoor space by using the feature information.
  • a plurality of types of indoor spaces 610, 620, 630, and 640 may be stored in a memory of the air conditioner 700.
  • the types 610, 620, 630, and 640 of the plurality of indoor spaces may have different structures (areas, boundaries, shapes, etc.).
  • the processor 780 of the air conditioner 700 may include a structure (area, boundary, shape, and the like) of a map of the indoor space 530 and a structure (area, boundary) of a plurality of indoor space types 610, 620, 630, and 640. , Type, etc.) may be selected to select a type 610 having a structure most similar to that of an indoor space.
  • the processor 780 of the air conditioner 700 may acquire the type of the indoor space in consideration of the position and the direction of the air conditioner.
  • types 610, 620, 630, and 640 of a plurality of indoor spaces may be stored in a memory of the air conditioner 700.
  • the types (610, 620, 630, 640) of the plurality of indoor spaces, the structure (area, boundary, shape, etc.), the virtual air conditioner disposed inside the types (610, 620, 630, 640) of the plurality of indoor spaces The position and direction of may be different from each other.
  • the map of the indoor space may include information on the location and direction of the air conditioner.
  • the processor 780 of the air conditioner 700 may include a structure (area, boundary, shape, and the like) of a map of the indoor space, a location and a direction of the air conditioner, and a plurality of types of indoor spaces 610, 620, 630, and 640.
  • a structure area, boundary, shape, and the like
  • the location and orientation of the virtual air conditioner it is possible to select the type of indoor space that most closely resembles the structure and location and orientation of the air conditioner.
  • the process of acquiring the type of indoor space may be performed by machine learning. This will be described with reference to FIGS. 7A and 7B.
  • AI Artificial intelligence
  • artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science. Particularly in modern times, attempts are being actively made to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in those fields.
  • Machine learning is a branch of artificial intelligence, a field of research that gives computers the ability to learn without explicit programming.
  • machine learning is a technique for researching and building a system that performs learning based on empirical data, performs predictions, and improves its own performance. Algorithms in machine learning take a way of building specific models to derive predictions or decisions based on input data, rather than performing strictly defined static program instructions.
  • 'machine learning' can be used interchangeably with the term 'machine learning'.
  • Decision trees are analytical methods that perform classification and prediction by charting decision rules in a tree structure.
  • Bayesian networks are models that represent probabilistic relationships (conditional independence) between multiple variables in a graphical structure. Bayesian networks are well suited for data mining through unsupervised learning.
  • the support vector machine is a model of supervised learning for pattern recognition and data analysis, and is mainly used for classification and regression analysis.
  • the artificial neural network is a model of the connection between the neurons and the operating principle of biological neurons is an information processing system in which a plurality of neurons, called nodes or processing elements, are connected in the form of a layer structure.
  • Artificial neural networks are models used in machine learning and are statistical learning algorithms inspired by biological neural networks (especially the brain of the animal's central nervous system) in machine learning and cognitive science.
  • the artificial neural network may refer to an overall model having a problem-solving ability by artificial neurons (nodes) that form a network by combining synapses, by changing the strength of synapses through learning.
  • artificial neural network may be used interchangeably with the term neural network.
  • the neural network may include a plurality of layers, and each of the layers may include a plurality of neurons. Artificial neural networks may also include synapses that connect neurons to neurons.
  • Artificial Neural Networks generally use the following three factors: (1) the connection pattern between neurons in different layers, (2) the learning process of updating the weight of the connection, and (3) the output value from the weighted sum of the inputs received from the previous layer. Can be defined by the activation function it generates.
  • Artificial neural networks may include network models such as Deep Neural Network (DNN), Recurrent Neural Network (RNN), Bidirectional Recurrent Deep Neural Network (BRDNN), Multilayer Perceptron (MLP), and Convolutional Neural Network (CNN). It is not limited to this.
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • BPDNN Bidirectional Recurrent Deep Neural Network
  • MLP Multilayer Perceptron
  • CNN Convolutional Neural Network
  • 'layer' may be used interchangeably with the term 'layer'.
  • Artificial neural networks are classified into single-layer neural networks and multi-layer neural networks according to the number of layers.
  • a general single layer neural network is composed of an input layer and an output layer.
  • a general multilayer neural network includes an input layer, one or more hidden layers, and an output layer.
  • the input layer is a layer that accepts external data, and the number of neurons in the input layer is equal to the number of input variables. do.
  • the output layer receives a signal from the hidden layer and outputs an output value based on the received signal. Input signals between neurons are multiplied by their respective connection strengths (weighted values) and summed. If this sum is greater than the threshold of the neurons, the neurons are activated and output the output value obtained through the activation function.
  • the deep neural network including a plurality of hidden layers between the input layer and the output layer may be a representative artificial neural network implementing deep learning, which is a kind of machine learning technology.
  • 'deep learning' can be used interchangeably with the term 'deep learning'.
  • Artificial neural networks can be trained using training data.
  • learning means a process of determining the parameters of the artificial neural network using the training data in order to achieve the purpose of classifying, regression, clustering the input data, and the like.
  • Representative examples of artificial neural network parameters include weights applied to synapses and biases applied to neurons.
  • the artificial neural network learned by the training data may classify or cluster the input data according to a pattern of the input data.
  • the artificial neural network trained using the training data may be referred to as a trained model in the present specification.
  • the following describes the learning method of artificial neural networks.
  • the learning method of artificial neural networks can be broadly classified into supervised learning, unsupervised learning, semi-supervised learning, and reinforcement learning.
  • Supervised learning is a method of machine learning to infer a function from training data.
  • regression outputs a continuous value, and predicting and outputting a class of an input vector can be referred to as classification.
  • an artificial neural network is trained with a label for training data.
  • the label may mean a correct answer (or result value) that the artificial neural network should infer when the training data is input to the artificial neural network.
  • the correct answer (or result value) that the artificial neural network should infer is called labeling or labeling data.
  • labeling the training data for training the artificial neural network is called labeling the training data.
  • the training data and a label corresponding to the training data may constitute one training set, and the artificial neural network may be input in the form of a training set.
  • the training data represents a plurality of features
  • the labeling of the training data may mean that the training data is labeled.
  • the training data may represent the characteristics of the input object in a vector form.
  • the artificial neural network may use the training data and the labeling data to infer a function of the correlation between the training data and the labeling data.
  • parameters of the artificial neural network may be determined (optimized) by evaluating functions inferred from the artificial neural network.
  • Non-supervised learning is a type of machine learning that is not labeled for training data.
  • the non-supervised learning may be a learning method for training the artificial neural network to find and classify patterns in the training data itself, rather than the association between the training data and the labels corresponding to the training data.
  • unsupervised learning examples include clustering or independent component analysis.
  • clustering may be used interchangeably with the term clustering.
  • Examples of artificial neural networks using unsupervised learning include Generative Adversarial Network (GAN) and Autoencoder (AE).
  • GAN Generative Adversarial Network
  • AE Autoencoder
  • a generative antagonist network is a machine learning method in which two different artificial intelligences, a generator and a discriminator, compete and improve performance.
  • the generator is a model for creating new data, and can generate new data based on the original data.
  • the discriminator is a model for recognizing a pattern of data, and may discriminate whether the input data is original data or new data generated by the generator.
  • the generator receives input data that does not deceive the discriminator, and the discriminator inputs and learns data deceived from the generator.
  • the generator can thus evolve to fool the discriminator as best as possible, and the discriminator can evolve to distinguish between the original data and the data generated by the generator.
  • the auto encoder is a neural network that aims to reproduce the input itself as an output.
  • the auto encoder includes an input layer, at least one hidden layer and an output layer.
  • Data output from the hidden layer also enters the output layer.
  • the number of nodes in the output layer is larger than the number of nodes in the hidden layer, the dimension of the data increases, and thus decompression or decoding is performed.
  • the auto encoder adjusts the connection strength of neurons through learning so that input data is represented as hidden layer data.
  • information is represented by fewer neurons than the input layer, and the input data can be reproduced as an output, which may mean that the hidden layer has found and expressed a hidden pattern from the input data.
  • Semi-supervised learning is a type of machine learning that can mean a learning method that uses both labeled and unlabeled training data.
  • One of the techniques of semi-supervised learning is to deduce the label of unlabeled training data and then use the inferred label to perform the learning, which is useful when the labeling cost is high. Can be.
  • Reinforcement learning is a theory that given the environment in which an agent can determine what to do at any given moment, it can find the best way through experience without data.
  • Reinforcement learning can be performed primarily by the Markov Decision Process (MDP).
  • MDP Markov Decision Process
  • the artificial neural network has its structure specified by model composition, activation function, loss function or cost function, learning algorithm, optimization algorithm, etc., and before the hyperparameter After setting, a model parameter may be set through learning, and contents may be specified.
  • elements for determining the structure of the artificial neural network may include the number of hidden layers, the number of hidden nodes included in each hidden layer, an input feature vector, a target feature vector, and the like.
  • the hyperparameter includes several parameters that must be set initially for learning, such as an initial value of a model parameter.
  • the model parameter includes various parameters to be determined through learning.
  • the hyperparameter may include an initial weight between nodes, an initial bias between nodes, a mini-batch size, a number of learning repetitions, a learning rate, and the like.
  • the model parameter may include inter-node weights, inter-node deflections, and the like.
  • the loss function may be used as an index (reference) for determining an optimal model parameter in the learning process of an artificial neural network.
  • learning refers to the process of manipulating model parameters to reduce the loss function, and the purpose of learning can be seen as determining the model parameter that minimizes the loss function.
  • the loss function may mainly use Mean Squared Error (MSE) or Cross Entropy Error (CEE), but the present invention is not limited thereto.
  • MSE Mean Squared Error
  • CEE Cross Entropy Error
  • the cross entropy error may be used when the answer label is one-hot encoded.
  • One hot encoding is an encoding method in which the correct label value is set to 1 only for neurons corresponding to the correct answer and the correct label value is set to 0 for non-correct neurons.
  • a learning optimization algorithm can be used to minimize the loss function, and learning optimization algorithms include Gradient Descent (GD), Stochastic Gradient Descent (SGD), and Momentum. ), NAG (Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam.
  • Gradient descent is a technique to adjust the model parameters in the direction of decreasing the loss function in consideration of the slope of the loss function in the current state.
  • the direction for adjusting the model parameters is called a step direction, and the size for adjusting is called a step size.
  • the step size may mean a learning rate.
  • Gradient descent method may obtain a slope by differentiating the loss function to each model parameters, and update by changing the learning parameters by the learning rate in the obtained gradient direction.
  • Probabilistic gradient descent is a technique that divides the training data into mini batches and increases the frequency of gradient descent by performing gradient descent for each mini batch.
  • Adagrad, AdaDelta, and RMSProp are techniques for optimizing accuracy by adjusting the step size in SGD.
  • momentum and NAG are techniques that improve optimization accuracy by adjusting the step direction.
  • Adam uses a combination of momentum and RMSProp to improve optimization accuracy by adjusting step size and step direction.
  • Nadam is a combination of NAG and RMSProp that improves optimization accuracy by adjusting the step size and step direction.
  • the learning speed and accuracy of the artificial neural network are highly dependent on the hyperparameter as well as the structure of the artificial neural network and the type of learning optimization algorithm. Therefore, in order to obtain a good learning model, it is important not only to determine the structure of the artificial neural network and the learning algorithm, but also to set the proper hyperparameters.
  • hyperparameters are experimentally set to various values, and the artificial neural network is trained, and the optimal values are provided to provide stable learning speed and accuracy.
  • the training of the artificial neural network may be performed by a separate training device as well as the air conditioner 700.
  • the training apparatus may determine the optimized model parameters of the artificial neural network 650 by repeatedly learning the artificial neural network 650 using the various learning techniques described above.
  • an artificial neural network whose parameters are determined by being trained using training data may be referred to as a learning model or a trained model.
  • the learning model may infer a result value in the state of being mounted in the training apparatus of the artificial neural network, or may be mounted in the air conditioner 700.
  • the artificial neural network 650 may be implemented in hardware, software, or a combination of hardware and software. When some or all of the artificial neural network 650 is implemented in software, one or more instructions constituting the artificial neural network 650 may be stored in the memory 770 of the air conditioner 700.
  • the updated learning model may be transmitted to and mounted on the air conditioner 700.
  • a map generated using sensing information collected by a moving agent may be used as training data, and the type of indoor space may be input to the neural network together with the map as a label.
  • the training device may train a neural network using a map generated by using sensing information collected by a moving agent and a type of indoor space corresponding to the map.
  • the training device may train the neural network using the A map and the A type labeled on the A map.
  • the training device may repeatedly train the neural network using supervised learning.
  • the neural network can infer a function of the correlation between the map and the type of indoor space corresponding to the map.
  • the neural network can also determine (optimize) the parameters of the neural network by evaluating the inferred function.
  • the trained neural network may classify the new input data (map) according to the type when new input data (map) is received.
  • the following describes how to train neural networks based on unsupervised learning.
  • Unsupervised learning may be a learning method for training artificial neural networks to find and classify patterns in the training data itself.
  • Clustering may refer to a process of clustering feature vectors obtained from an artificial neural network into finite clusters.
  • the training apparatus may train the neural network such that maps having similar structures form a cluster using various maps as training data.
  • clusters There may be a plurality of clusters, and one cluster may represent a specific type of indoor space.
  • the first cluster may correspond to a type A indoor space
  • the second cluster may correspond to a type B indoor space.
  • the trained neural network may cluster the new input data (map) according to the type when new input data (map) is received.
  • the map used as the training data may include information about the location and direction of the air conditioner.
  • An artificial neural network whose parameters are determined by being trained using training data may be referred to as a training model or a trained model.
  • the learning model described herein may refer to a neural network trained using feature information acquired from a moving agent.
  • the learning model may be mounted on the air conditioner 700.
  • the learning model can be implemented in hardware, software or a combination of hardware and software.
  • one or more instructions that make up the learning model may be stored in the memory 770 of the air conditioner 700.
  • the processor 780 of the air conditioner 700 may acquire the type of the indoor space by using the feature information.
  • the processor 780 may input a map generated using the sensing information collected by the moving agent, into the learning model.
  • the learning model receiving the feature information outputs (classifies or clusters) the type of the indoor space
  • the type of the indoor space in which the moving agent and the air conditioner are located may be acquired.
  • the learning model 650 receives a map of the interior space 530, and maps the interior space 530 to a distance closest to the structure of the interior space 530.
  • Type 610 can be clustered.
  • the method of determining the type of the indoor space described with reference to FIGS. 6 to 7 may also be performed by the server.
  • the processor of the air conditioner 700 may communicate with a server through a communication unit.
  • the processor of the air conditioner may receive feature information from the server.
  • the server may acquire the type of the indoor space by using the feature information.
  • the manner in which the air conditioner acquires the type of the indoor space may be applied to the server.
  • the server may include a memory in which the types of the indoor spaces are stored.
  • the processor of the server may select a type having a structure most similar to that of the indoor space by comparing the structure of the map of the indoor space with the structure of the types of the plurality of indoor spaces.
  • the server may be equipped with a learning model.
  • the processor of the server may acquire the type of the indoor space by inputting the feature information into the learning model.
  • the server may transmit the type of the indoor space to the air conditioner 700.
  • a plurality of cooling information corresponding to the types of the plurality of indoor spaces may be stored in the memory of the air conditioner 700.
  • the processor of the air conditioner 700 may control the cooling by using the cooling information corresponding to the type of the indoor space among the plurality of cooling information corresponding to the types of the indoor space.
  • the cooling information may correspond to a setting value of the air conditioner for quickly reaching the target temperature in the indoor space in response to the structure of the indoor space.
  • the air discharged from the air conditioner is circulated in the indoor space, the method of circulating the indoor space is different for each structure of the indoor space. Therefore, the setting value of the best air conditioner for cooling the indoor space may be different for each structure of the indoor space.
  • the plurality of cooling information corresponding to the types of the plurality of indoor spaces may be set values of the air conditioner to perform the optimal cooling in the type of the corresponding indoor space.
  • Table 1 below describes cooling information, that is, examples of setting values of the air conditioner.
  • the cooling information may include at least one of the air volume, the wind direction, and the set temperature of the air conditioner.
  • Table 1 described that the set temperature of the air conditioner is a specific value. However, the present invention is not limited thereto, and the set temperature of the air conditioner may be represented by a difference from the target temperature.
  • the set temperature included in the cooling information may be a target temperature of -2 degrees.
  • the set temperature of the air discharged from the air conditioner may be 24 degrees.
  • the cooling information corresponding to the type of the indoor space may be predetermined and stored in the memory.
  • the optimal setting value of the air conditioner in Type A can be determined through actual experiments, simulations, reinforcement learning-based neural networks, and Recurrent Neural Network (RNN) algorithms. And the setting value of the optimal air conditioner of type A may be stored in the memory as the cooling information corresponding to the type A.
  • RNN Recurrent Neural Network
  • the cooling information may be set to achieve various purposes. This will be described with reference to FIGS. 8 to 10B.
  • 8 to 10b are diagrams for describing cooling information according to various purposes.
  • the cooling information may correspond to a setting value of the air conditioner so as to lower the temperature of the main cooling zone in the indoor space faster than the temperature of the other zones in the indoor space corresponding to the structure of the indoor space.
  • the hatched area 430 is a place where a table where family members mainly sit and eat hot food is placed, and cooling needs to be well performed. Such an area can be called the main cooling zone.
  • the setting of the air conditioner can lower the temperature of the main cooling zone faster than the temperature of the other zone Can be a value.
  • the temperature of the main cooling zone is operated regardless of the cooling information. May be lower than the temperature of the main cooling zone of the case (e.g., discharge air in the air volume and the wind direction such as arrow 711).
  • the processor 780 of the air conditioner 700 may adjust at least one of a set temperature, air volume, and wind direction by using a type of an indoor space.
  • the processor 780 may adjust at least one of a predetermined temperature, air volume, and wind direction of the air conditioner according to the cooling information (the setting value of the air conditioner) corresponding to the type of the indoor space among the plurality of cooling information.
  • the processor 780 may control the operation of at least one of the compressor, the fan motor, and the vane motor to adjust at least one of a set temperature, air volume, and wind direction of the air conditioner.
  • the processor 780 may control the operation of the compressor 740 based on the set temperature of the cooling information. As the operation of the compressor 740 is controlled, the set temperature of the air conditioner 780 may be adjusted. In this case, the set temperature to be adjusted may be the same as the set temperature included in the cooling information.
  • the processor 780 may control the operation of the fan motor 750 based on the air volume of the cooling information. As the operation of the fan motor 750 is controlled, the air volume of the air conditioner 780 may be adjusted. In this case, the air volume adjusted may be the same as the information about the air volume included in the cooling information.
  • the processor 780 may control the operation of the vane motor based on the wind direction of the cooling information. As the operation of the vane motor is controlled, the wind direction of the air conditioner 780 may be adjusted. In this case, the adjusted wind direction may be the same as the information on the wind direction included in the cooling information.
  • the cooling information may correspond to a setting value of the air conditioner for quickly reaching the target temperature of the average temperature of the indoor space in response to the structure of the indoor space.
  • the general direction 711 for example, the front direction
  • the distance from the air conditioner 700, the hatched region As 440, the air discharged from the air conditioner 700 does not go well.
  • the temperature of the hatched area 440 is increased, the average temperature of the entire interior space may not be lowered well.
  • the cooling information may be setting information of the air conditioner that can lower the average temperature of the entire indoor space as soon as the air discharged from the air conditioner 700 is circulated.
  • the air conditioner 700 when the air conditioner 700 operates according to the cooling information (for example, the air is discharged in the air volume and the wind direction as shown by the arrow 911), the average temperature of the indoor space is related to the air conditioner 700 by the cooling information. Without the operation (for example, discharge the air in the air flow and wind direction, such as arrow 711) may be lower than the average temperature of the interior space.
  • the cooling information for example, the air is discharged in the air volume and the wind direction as shown by the arrow 911
  • the average temperature of the indoor space is related to the air conditioner 700 by the cooling information.
  • discharge the air in the air flow and wind direction, such as arrow 711 may be lower than the average temperature of the interior space.
  • the cooling information may correspond to a setting value of the air conditioner for reducing the difference between the temperature of the weak cooling zone in the indoor space and the temperature of another zone in the indoor space corresponding to the structure of the indoor space.
  • the interior spaces (living rooms and kitchens) are elongated in the form of corridors on the left side.
  • the general direction 711 for example, the front direction
  • the distance to the air conditioner 700, the hatched region In 410, the air discharged from the air conditioner 700 may not easily go.
  • the interior space is the shape of the kitchen protruding upwards.
  • the general direction 711 for example, the front direction
  • the distance to the air conditioner 700, the hatched region In 420 (kitchen)
  • the air discharged from the air conditioner 700 does not easily go.
  • a region in which air discharged from the air conditioner 700 does not reach well by direct sunlight or convection may be referred to as a cooling weak zone.
  • the temperature may be higher than that of other areas during the cooling operation of the air conditioner 700.
  • the setting of the air conditioner can lower the temperature of the cooling vulnerable zone faster than the temperature of the other zone Can be a value.
  • the air conditioner 700 when the air conditioner 700 operates according to the cooling information (for example, the air is discharged in the air volume and the wind direction as shown by the arrows 1011 and 1021), the temperature of the cooling weak zones 410 and 420 is different from that of the other zones.
  • the temperature difference is different from the temperature of the cooling weak zones 410 and 420 in the case where the air conditioner 700 operates irrespective of the cooling information (for example, the air is discharged in the air volume and the wind direction as shown by the arrow 711). May be less than the temperature difference.
  • the temperature of the air in the indoor space may not be uniformly cooled by the structure of the indoor space and the position of the air conditioner.
  • the cooling information may be a setting value of the air conditioner, in which the air discharged from the air conditioner 700 reaches the plurality of zones in the indoor space evenly by direct or convection, so that the temperature of the air in the entire indoor space may be uniform.
  • the temperature difference between the plurality of zones in the indoor space when the air conditioner 700 operates according to the cooling information may be smaller than the temperature difference between the plurality of zones when the air conditioner 700 operates regardless of the cooling information.
  • the cooling information may be provided by the server.
  • the processor 780 of the air conditioner 700 may transmit the type of the indoor space to the server.
  • the memory included in the server may store a plurality of cooling information corresponding to the types of the plurality of indoor spaces, respectively.
  • the server When the server acquires the type of the indoor space using the characteristic information, or when the server receives the type of the indoor space from the air conditioner 700, the server may provide cooling information corresponding to the type of the indoor space. Can be sent to.
  • FIG. 11 is a figure for demonstrating some cooling information each corresponding to the some area included in an indoor space.
  • the cooling information corresponding to a specific type of indoor space includes a plurality of zones 1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, and the like.
  • the plurality of cooling information corresponding to each of the plurality of zones may be used interchangeably with the term of the plurality of zone cooling information respectively corresponding to the plurality of zones.
  • the plurality of cooling information may correspond to a setting value of the air conditioner for rapidly lowering the temperature of the corresponding area in the indoor space in response to the structure of the indoor space.
  • the setting value of the air conditioner that is best for cooling the indoor space may be different for each zone.
  • the plurality of cooling information corresponding to the plurality of zones 1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, and 1122 included in the indoor space are optimal in the corresponding zone. It may be a set value of the air conditioner to perform the cooling.
  • the A type cooling information may include first to twelfth cooling information.
  • the first cooling information is such that the temperature of the first zone 1111 included in the type A indoor space is lowered faster than the temperature of any one of the other zones (second zones to twelfth zones 1112 to 1122). It may be a setting value of the air conditioner.
  • the processor of the air conditioner 700 may receive an input for setting the zone 1151 through an input unit.
  • the processor of the air conditioner 700 may perform intensive cooling of the area set by the input.
  • the processor of the air conditioner 700 may include a user of a plurality of cooling information corresponding to the plurality of zones 1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, and 1122, respectively. It is possible to obtain the cooling information corresponding to the zone 1151 set by.
  • the processor of the air conditioner 700 may include a plurality of zones 1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, and 1122 and a zone 1151 set by a user. You can compare the position of.
  • the processor of the air conditioner 700 may be configured to be the nearest to the zone 1151 set by the user among the plurality of zones 1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, and 1122. Obtain 7 Zones 1117. In addition, the processor of the air conditioner 700 may obtain cooling information corresponding to the seventh zone 1117.
  • the cooling information corresponding to the seventh zone 1117 may correspond to the structure of the indoor space so as to lower the temperature of the zone 1151 set by the user in the indoor space faster than the temperature of the other zones in the indoor space. It may be a setting value of the air conditioner.
  • the temperature difference between the temperature of the seventh zone 1117 and another zone is related to the cooling information of the air conditioner 700. It may be less than the temperature difference between the seventh zone 1117 and the other zone when operating without.
  • a plurality of cooling information corresponding to a plurality of zones of a specific type of indoor space may be predetermined and stored in a memory.
  • the optimized cooling method may be different depending on the structure of the indoor space.
  • the present invention by performing the optimized cooling for the weak cooling zone, it is possible to perform the optimized cooling considering the structure of the indoor space for the zone where the temperature does not go down well despite the operation of the air conditioner.
  • the present invention by performing optimized cooling for the main cooling zone, it is possible to perform optimized cooling considering the structure of the indoor space for the zone where people are frequently or long.
  • the average temperature of the entire indoor space can be reached to reach the target temperature fastest.
  • the cooling in consideration of the structure of the indoor space, the cooling can be performed to maintain the temperature of the various zones of the indoor space as uniform as possible.
  • the second embodiment relates to a method of performing optimal cooling according to the type and situation information of the indoor space.
  • FIG. 12 is a diagram for describing an operating method of an air conditioner according to a second embodiment of the present disclosure.
  • receiving situation information including at least one of zone information, member temperature information, and heat generation information collected by the moving agent (S1230) and the air conditioner using the type and situation information of the indoor space may include the step of adjusting at least one of the set temperature, the air volume and the wind direction of (S1240).
  • the situation information may include temperature information for each zone.
  • the indoor space in which the air conditioner and the moving agent are located may include a plurality of zones.
  • the moving agent may detect the temperature of each of the plurality of zones in the indoor space and transmit the temperature to the air conditioner 700.
  • the situation information may include the temperature information of the member.
  • the moving agent may detect the body temperature of the user using the heat detection sensor and transmit the detected temperature to the air conditioner 700.
  • the body temperature information may include the body temperature of the member and the location of the member.
  • the situation information may include heating information.
  • the controller of the moving agent may detect a situation in which heat is generated using various sensors included in the sensor unit 150.
  • the controller of the moving agent acquires heat information indicating that heat is generated at a specific location through sound, temperature, and an image captured by a camera, and then obtains the generated heat information from the air conditioner. May be sent to 700.
  • the processor of the air conditioner 700 may receive situation information and determine a specific area to perform intensive cooling based on the received situation information.
  • the specific zone in which intensive cooling is to be performed may mean a zone in which the level of cooling should be increased according to the situation information.
  • 13 to 15 are diagrams for explaining a method of determining a specific zone to perform intensive cooling.
  • the particular zone may be the zone with the highest temperature in the indoor space.
  • the indoor space may be divided into a plurality of zones 1 to 12.
  • the moving agent may detect the temperatures of the plurality of zones 1 to 12 and transmit them to the air conditioner 700.
  • the processor of the air conditioner may determine an area having the highest temperature among the plurality of areas in the indoor space as a specific area.
  • the processor of the air conditioner may set the second zone as a specific zone to perform intensive cooling.
  • the temperature of the first zone 1 and the second zone 2 may be the same.
  • the processor of the air conditioner may set one of the plurality of zones 1 and 2 having the highest temperature as a specific zone.
  • the specific zone may be a zone in which the target temperature is not reached within the indoor space.
  • the indoor space may include the first zone 1 at the first temperature (26 degrees), the second zone 2 at the second temperature (24 degrees), and the third zone (25 degrees). It can be divided into three zones (3).
  • the processor of the air conditioner may determine, as a specific zone, a zone that has not reached the target temperature among the plurality of zones in the indoor space.
  • the target temperature there may be a plurality of zones that do not reach the target temperature.
  • the target temperature is 24 degrees
  • the first zone 1 and the third zone 3 do not reach the target temperature.
  • the processor of the air conditioner may set any one of the plurality of zones 1 and 3 that do not reach the target temperature as a specific zone.
  • the processor of the air conditioner may set a higher zone 1 as a specific zone among the plurality of zones in which the target temperature has not been reached.
  • a specific zone may be a zone where a user whose body temperature is higher than a preset value is located.
  • the preset value may mean a user's normal temperature.
  • the user's body temperature may be higher than the preset value.
  • An example is the exercise of the user.
  • the processor of the air conditioner may set the area 1520 in which the user whose body temperature is higher than a predetermined value is located as the measurement area.
  • the specific zone may be a zone indicated by the heating information.
  • the controller of the moving agent may transmit heat information indicating that heat is generated at a specific location to the air conditioner 700.
  • the processor of the air conditioner may set the region 1510 indicated by the heating information as a specific region.
  • the processor of the air conditioner 700 may obtain cooling information corresponding to the type of the indoor space from among the plurality of cooling information corresponding to the types of the plurality of indoor spaces.
  • the processor of the air conditioner 700 may obtain zone cooling information corresponding to a specific zone among a plurality of zone cooling information included in the cooling information corresponding to the type of the indoor space.
  • the processor of the air conditioner 700 may compare the positions of a plurality of zones with the positions of a specific zone.
  • the processor of the air conditioner 700 may obtain a region overlapping or closest to a specific region among the plurality of regions.
  • the processor of the air conditioner 700 may acquire zone cooling information corresponding to the acquired zone.
  • the processor of the air conditioner 700 may adjust at least one of a set temperature, air volume, and wind direction of the air conditioner by using zone cooling information corresponding to a specific zone.
  • the zone cooling information corresponding to the specific zone may be a setting value of the air conditioner for lowering the temperature of the specific zone in the indoor space faster than the temperature of the other zone in the indoor space corresponding to the structure of the indoor space.
  • FIG. 16A is a view showing temperatures by zones before performing intensive cooling
  • FIG. 16B is a view showing temperatures by zones after performing intensive cooling.
  • the temperature of the second zone 2 can be lowered faster than the temperature of the other zones in the indoor space.
  • the temperature of another zone in the indoor space may mean the temperature of any one of the plurality of different zones 1, 3-12 of the indoor space.
  • the temperature of the other zone in the indoor space may mean the temperature of a predetermined zone among the plurality of other zones 1 and 3-12 of the indoor space.
  • the temperature of another zone in the indoor space may mean an average temperature of the plurality of different zones 1 and 3-12 of the indoor space.
  • the zone cooling information corresponding to a specific zone may allow air discharged from the air conditioner 700 to reach a specific zone better than other zones by direct or convection, thereby lowering the temperature of the specific zone faster than the temperature of the other zone. It may be a setting value of the air conditioner.
  • the temperature of the specific zone when the air conditioner 700 operates according to the zone cooling information corresponding to the specific zone is determined by the temperature of the specific zone when the air conditioner 700 operates regardless of the zone cooling information corresponding to the specific zone. It can be lowered faster than the temperature.
  • the processor of the air conditioner 700 may store information about the determined specific zone in a memory.
  • the processor of the air conditioner 700 may perform intensive cooling of the specific area based on the information about the specific area stored in the memory.
  • the processor of the air conditioner 700 may perform intensive cooling for a specific area without the operation of the moving agent.
  • the temperature may be higher than the other zones.
  • the processor of the air conditioner 700 may perform cooling using the cooling information based on the uniformity of the temperature of the indoor space.
  • the processor of the air conditioner 700 may obtain the uniformity of the temperature of the indoor space based on the situation information. More specifically, the processor of the air conditioner may obtain the uniformity of the temperature of the indoor space based on the deviation of the temperatures of the plurality of zones.
  • the processor of the air conditioner 700 may adjust at least one of the set temperature, the air volume, and the wind direction by using the cooling information corresponding to the type of the indoor space.
  • the cooling information corresponding to the type of the indoor space may correspond to a structure of the indoor space, and may be a setting value of the air conditioner for making the temperature of the air in the indoor space uniform.
  • the present invention it is possible to easily grasp the situation of the indoor space by using the moving agent, determine an area requiring intensive cooling, and perform optimal cooling in consideration of the structure of the indoor space.
  • 17 is a view for explaining a method of correcting cooling information according to an embodiment of the present invention.
  • the processor 780 of the air conditioner 700 may obtain at least one of a position and a direction of the air conditioner in the indoor space based on the feature information.
  • the map received from the moving agent or generated by the processor 780 may include information on at least one of a location and a direction of the air conditioner.
  • the cooling information corresponding to the specific type may be generated by assuming the position and the direction 1711 of the air conditioner 1710 as the specific position and the direction.
  • FIG. 17B illustrates an actual indoor space in which the air conditioner and the moving agent are disposed.
  • the position and direction 1721 of the air conditioner 1720 in the actual indoor space may be different from the position and direction 1711 of the air conditioner 1710 in the particular type of FIG. 17A.
  • the processor 780 may correct the cooling information corresponding to the type of the indoor space based on at least one of the position and the direction 1721 of the air conditioner 1720.
  • the processor 780 may include at least one of a location and a direction 1721 of the air conditioner 1720 in an indoor space, and at least one of a location and a direction 1711 of the air conditioner 1710 in a specific type corresponding to the indoor space. By comparing the above, the cooling information can be corrected.
  • the location and direction in which the air conditioner is actually installed can vary widely.
  • the present invention through the correction of the cooling information, there is an advantage that the cooling can be performed by applying accurate cooling information in spite of various installation positions and directions.
  • the processor 780 of the air conditioner 700 may transmit a situation information collection command to the moving agent.
  • the moving agent may move the indoor space and collect situation information.
  • the moving agent when the air conditioner 700 starts to operate, the moving agent also operates to collect the situation information of the indoor space during the cooling operation.
  • the type of indoor space and the method of obtaining cooling information using the air conditioner 700 may be implemented in the moving agent.
  • the moving agent may include a driving driver including at least one driving motor, a communication unit communicating with an air conditioner disposed in an indoor space, characteristic information related to the structure of the indoor space, temperature information for each zone, body temperature information, and heat generation of the user.
  • the present invention described above can be embodied as computer readable codes on a medium in which a program is recorded.
  • the computer-readable medium includes all kinds of recording devices in which data that can be read by a computer system is stored. Examples of computer-readable media include hard disk drives (HDDs), solid state disks (SSDs), silicon disk drives (SDDs), ROMs, RAMs, CD-ROMs, magnetic tapes, floppy disks, optical data storage devices, and the like. There is this.
  • the computer may also include a processor 180 of the server. Accordingly, the above detailed description should not be interpreted as limiting in all aspects and should be considered as illustrative. The scope of the invention should be determined by reasonable interpretation of the appended claims, and all changes within the equivalent scope of the invention are included in the scope of the invention.

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Air Conditioning Control Device (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)

Abstract

에어컨이 개시된다. 본 발명의 실시 예에 따른 에어컨은, 압축기, 흡입구 및 토출구를 포함하는 케이싱, 상기 케이싱의 내부에 설치되어, 공기를 송풍하는 팬모터, 상기 토출구에 움직임 가능하게 제공되는 토출 베인, 상기 토출 베인을 동작시키는 베인 모터, 상기 실내 공간을 이동하는 무빙 에이전트와 통신하는 통신부, 및, 상기 무빙 에이전트에 의해 획득된 상기 실내 공간의 구조와 관련된 특징 정보를 수신하고, 상기 특징 정보를 이용하여 상기 실내 공간의 유형을 획득하고, 상기 실내 공간의 유형을 이용하여 상기 압축기, 상기 팬모터 및 상기 베인 모터 중 적어도 하나의 동작을 제어하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는 프로세서를 포함한다.

Description

에어컨
본 발명은, 무빙 에이전트로부터 수신된 정보를 이용하여 실내 공간의 유형이나 상황을 파악함으로써 최적의 냉방을 수행할 수 있는 에어컨에 관한 것이다.
인공 지능(artificial intelligence)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
한편, 인공지능을 이용하여 주변의 상황을 인지 및 학습하고 사용자가 원하는 정보를 원하는 형태로 제공하거나 사용자가 원하는 동작이나 기능을 수행하는 기술이 활발하게 연구되고 있다.
한편 에어컨은 소정공간의 공기를 용도, 목적에 따라 가장 적합한 상태로 유지하기 위한 기기이다. 일반적으로, 에어컨에는, 압축기, 응축기, 팽창장치, 및 증발기가 포함되며, 냉매의 압축, 응축, 팽창, 및 증발과정을 수행하는 냉동 사이클이 구동되어, 상기 소정공간을 냉방 또는 난방할 수 있다.
상기 소정공간은 에어컨이 사용되는 장소에 따라, 다양하게 제안될 수 있다. 일례로, 에어컨이 가정이나 사무실에 배치되는 경우, 상기 소정공간은 집의 실내 공간 또는 건물의 실내공간일 수 있다.
한편 실내 공간의 구조는 매우 다양하기 때문에, 최적화된 냉방 방법은 실내 공간의 구조에 따라 상이할 수 있다.
다만 현재는 실내 공간의 구조를 고려함이 없이 사용자의 설정에 따라 냉방을 수행하였기 때문에, 최적화된 냉방을 수행할 수 없는 문제가 있었다.
또한, 실내 공간의 상황에 따라 집중 냉방을 수행할 필요성이 있다. 다만 실내에서 발생하는 다양한 상황을 고려하기 위해서는 다수의 센서가 필요하며, 이는 비용을 증가시키는 문제를 야기하였다.
본 발명은 상술한 문제점을 해결하기 위한 것으로, 본 발명의 목적은 무빙 에이전트로부터 수신된 실내 공간의 구조와 관련된 특징 정보를 이용하여 실내 공간의 유형을 파악하여 최적의 냉방을 수행할 수 있는 에어컨을 제공하기 위함이다.
또한 본 발명의 목적은, 무빙 에이전트로부터 수신된 상황 정보를 이용하여 집중 냉방을 수행할 수 있는 에어컨을 제공하기 위함이다.
본 발명의 실시 예에 따른 에어컨은, 특징 정보를 이용하여 실내 공간의 유형을 획득하고, 실내 공간의 유형을 이용하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절한다.
본 발명의 실시 예에 따른 에어컨은, 상황 정보를 수신하고, 실내 공간의 유형 및 상황 정보를 이용하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절한다.
실내 공간의 구조는 매우 다양하기 때문에, 최적화된 냉방 방법은 실내 공간의 구조에 따라 상이할 수 있다. 다만 본 발명에 따르면 실내 공간의 구조를 고려하여 최적의 냉방을 수행할 수 있는 장점이 있다.
또한 최근에는 로봇 청소기나, 공항, 쇼핑몰, 박물관 등에 배치되는 청소 로봇, 안내 로봇 등과 같은 무빙 에이전트의 활용도가 높아져 있다. 그리고 본 발명에 따르면, 무빙 에이전트를 이용하여 실내 공간의 구조를 용이하게 파악한 후 최적의 냉방을 수행할 수 있는 장점이 있다.
또한 본 발명에 따르면, 다양한 목적에 부합하도록 최적의 냉방을 수행할 수 있다.
실내 공간의 상황을 고려하여 집중 냉방을 수행할 영역을 결정할 필요가 있다. 다만 실내에서 발생하는 다양한 상황을 고려하기 위해서는 다수의 센서가 필요하며, 이는 비용을 증가시키는 문제를 야기시킨다. 다만 본 발명에 따르면, 무빙 에이전트를 이용하여 실내 공간의 상황을 용이하게 파악한 후 집중 냉방이 필요한 영역을 결정하고, 실내 공간의 구조까지 고려하여 최적의 냉방을 수행할 수 있는 장점이 있다.
도 1a는 본 발명의 실시 예에 따른 에어컨의 분해 사시도이다.
도 1b는 본 발명의 일 실시 예에 따른 에어컨에 포함된 구성 요소들에 대한 개략적인 블록도이다.
도 2a는 본 발명의 일 실시예에 따른 로봇 청소기의 사시도이다.
도 2b는 도 2a의 로봇 청소기의 수평 화각을 도시한 것이다.
도 2c은 도 2a의 로봇 청소기의 전면도이다.
도 2d는 도 2a의 로봇 청소기의 저면을 도시한 것이다.
도 2e는 본 발명의 일 실시예에 따른 로봇 청소기의 주요부들을 도시한 블록도이다.
도 3은 본 발명의 제1 실시 예에 따른, 에어컨의 동작 방법을 설명하기 위한 도면이다.
도 4a 내지 도 4d는 실내 공간의 다양한 구조에 따라 발생할 수 있는 문제점을 설명하기 위한 도면이다.
도 5a 내지 도 5c는 본 발명의 실시 예에 따른 특징 정보를 설명하기 위한 도면이다.
도 6 내지 도 7은 본 발명의 실시 예에 따른, 특징 정보를 이용하여 실내 공간의 유형을 획득하는 방법을 설명하기 위한 도면이다.
도 8 내지 도 10b는 다양한 목적에 따른 냉방 정보를 설명하기 위한 도면이다.
도 11은, 실내 공간에 포함되는 복수의 구역에 각각 대응하는 복수의 냉방 정보를 설명하기 위한 도면이다.
도 12는 본 발명의 제2 실시 예에 따른, 에어컨의 동작 방법을 설명하기 위한 도면이다.
도 13 내지 도 15는 집중 냉방을 수행할 특정 구역을 결정하는 방법을 설명하기 위한 도면이다.
도 16a는 집중 냉방을 수행하기 전의 구역별 온도를 도시한 도면이다.
도 16b는 집중 냉방을 수행한 이후의 구역별 온도를 도시한 도면이다.
도 17은 본 발명의 실시 예에 따른, 냉방 정보의 보정 방법을 설명하기 위한 도면이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함한다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 발명을 구현함에 있어서 설명의 편의를 위하여 구성요소를 세분화하여 설명할 수 있으나, 이들 구성요소가 하나의 장치 또는 모듈 내에 구현될 수도 있고, 혹은 하나의 구성요소가 다수의 장치 또는 모듈들에 나뉘어져서 구현될 수도 있다.
도 1a는 본 발명의 실시 예에 따른 에어컨의 분해 사시도이다.
도 1a에서는 천장형 에어컨을 예로 들어 본 발명의 다양한 실시 예들에 대해 설명하나, 본 발명의 실시 예가 천장형 에어컨에만 한정되는 것은 아니고, 스탠드형, 벽걸이형 등 다양한 형태의 에어컨에 적용될 수 있다.
도 1a에 도시된 에어컨의 외관 형태는 설명의 편의를 위한 일 예에 지나지 아니하는 바, 본 발명의 실시 예에 따른 에어컨의 외관 형태가 이에 한정되는 것만은 아니다.
도 1a를 참조하면, 본 발명의 실시 예에 따른 에어컨(700)은 케이싱을 포함할 수 있다. 여기서 케이싱은 본체 케이싱(20) 및 전면 패널(781)을 포함할 수 있다.
케이싱은 천장 또는 벽에 고정되며, 외부 공기를 흡입하고 열교환된 공기를 토출할 수 있다.
상기 본체 케이싱(20)에는, 상기 본체 케이싱(20)이 고정되기 위한 고정부재(201)가 포함될 수 있다. 상기 본체 케이싱(20)이 천장 또는 벽에 밀착되기 위하여, 상기 고정부재(201)는 일례로, 볼트(미도시)와 같은 체결부재에 의해 고정될 수 있다.
상기 본체 케이싱(20)의 내부공간에는 다수의 부품이 배치될 수 있다. 상기 다수의 부품에는, 외부로부터 흡입된 공기를 열교환 시키는 열교환기(미도시) 및 상기 열교환기에서 열 교환된 공기를 외부로 토출시키기 위한 송풍팬(미도시) 등이 포함될 수 있다.
상기 에어컨(700)에는, 상기 본체 케이싱(20)의 하측에 결합될 수 있는 전면패널(781)이 더 포함될 수 있다. 상기 본체 케이싱(20)이 일례로 석고보드 등의 천장매립부재에 의해 천장에 매립되는 경우, 상기 전면패널(781)은 대략 천장의 높이에 위치되어 외부에 노출될 수 있다. 상기 에어컨(700)는 상기 본체 케이싱(20)과, 상기 전면패널(781)에 의해서 전체적인 외관이 형성될 수 있다.
케이싱에는 실내공기를 흡입하는 흡입구 및 상기 에어컨(700)에서 열 교환된 공기가, 실내로 토출되는 토출구가 포함될 수 있다.
또한, 상기 전면패널(781)에는, 상기 흡입구를 통해 흡입되는 공기에 포함된 이물질의 유입을 방지하는 흡입그릴(104)이 더 포함될 수 있다. 상기 흡입그릴(104)은 상기 흡입구로부터 분리 가능하게 결합될 수 있다.
상기 흡입구는 상기 전면패널(781)의 전방부에 가로방향으로 길게 형성되며, 상기 토출구는 상기 전면 패널(781)의 후방부에 가로방향으로 길게 형성될 수 있다.
상기 케이싱에는, 상기 토출구에 움직임 가능하게 제공되는 토출베인(102)이 더 포함될 수 있다. 상기 토출베인(102)은 상기 토출구를 통하여 토출되는 풍량 또는 풍향을 조절할 수 있다.
구체적으로 에어컨(700)은 토출 베인을 동작시키는 베인 모터를 포함할 수 있다. 또한 토출베인(102)은, 토출베인(102) 힌지축(미도시)을 중심으로 상항 방향 및 좌우 방향으로 회전 가능하게 구비될 수 있다.
그리고 토출 베인(102)은 베인 모터로부터 구동력을 전달 받아 상하 방향 및 좌우 방향으로 회전함으로써, 풍향을 조절할 수 있다.
상기 에어컨(700)에서, 상기 송풍팬이 구동되면, 실내공간의 공기는 흡입구를 통하여 상기 케이싱의 내부로 흡입될 수 있다. 그리고 케이싱 내부로 흡입된 공기는 열교환기에서 열 교환 될 수 있다. 그리고 열교환기를 통과한 공기는 송풍팬에 의해, 케이싱의 토출구를 통하여 실내 공간으로 배출될 수 있다.
한편, 상기 본체 케이싱(20)에는, 상기 전면패널(781)의 전면에 형성된 흡입구에 연통되도록 형성된 흡입공(203)이 포함될 수 있다. 그리고, 상기 에어컨(700)에는, 상기 흡입공(203)에 배치되는 필터 어셈블리(30)가 포함될 수 있다. 필터 어셈블리(30)는 상기 에어컨(700) 내부로 유입되는 공기 중에 포함된 먼지 등의 이물들을 여과하여, 토출구를 통해 토출되는 공기에 이물이 포함되는 것을 최소화할 수 있다.
한편 에어컨은, 냉매를 공급받아 압축하는 압축기, 응축기, 팽창장치, 및 증발기가 포함되며, 냉매의 압축, 응축, 팽창, 및 증발과정을 수행하는 냉동 사이클이 구동되어, 실내 공간을 냉방 또는 난방할 수 있다.
이하, 본 발명의 실시 예에 따른 에어컨에 포함된 구성 요소들에 대해 설명하기로 한다.
도 1b는 본 발명의 일 실시 예에 따른 에어컨에 포함된 구성 요소들에 대한 개략적인 블록도이다.
도 1b를 참조하면, 에어컨(700)는 통신부(710), 입력부(720), 센서부(730), 압축기(740), 팬모터(750), 출력부(760), 메모리(770), 프로세서(780), 및 전원 공급부(790)를 포함할 수 있다. 도 1b에 도시된 구성 요소들은 에어컨을 구현하는데 있어서 필수적인 것은 아니어서, 본 명세서 상에서 설명되는 에어컨은 위에서 열거된 구성요소들 보다 많거나, 또는 적은 구성 요소들을 가질 수도 있다.
보다 구체적으로, 상기 구성요소들 중 통신부(710)는, 에어컨(700)와 외부 기기(예컨대, 무빙 에이전트, 스마트폰, 태블릿 PC등의 이동 에어컨이기 또는 데스크톱 컴퓨터 등의 고정 에어컨이기) 사이, 또는 에어컨(700)와 외부 서버 사이의 유선 또는 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다.
또한, 통신부(710)는, 에어컨(700)를 하나 이상의 네트워크에 연결하는 하나 이상의 모듈을 포함할 수 있다.
이러한 통신부(710)가 무선 통신을 지원하는 경우, 통신부(710)는 무선 인터넷 모듈과 근거리 통신 모듈 중 적어도 하나를 포함할 수 있다.
무선 인터넷 모듈은 무선 인터넷 접속을 위한 모듈을 말하는 것으로, 에어컨(700)에 내장되거나 외장될 수 있다.
무선 인터넷 모듈은 무선 인터넷 기술들에 따른 통신망에서 무선 신호를 송수신하도록 이루어진다. 무선 인터넷 기술로는, 예를 들어 WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), Wi-Fi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance) 등이 있다.
근거리 통신 모듈은 근거리 통신(Short range communication)을 위한 것으로서, 블루투스(Bluetooth™), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등의 기술 중 적어도 하나를 이용하여, 근거리 통신을 지원할 수 있다. 이러한, 근거리 통신 모듈은, 근거리 무선 통신망(Wireless Area Networks)을 통해 에어컨(700)와 외부 기기 사이의 무선 통신을 지원할 수 있다. 상기 근거리 무선 통신 망은 근거리 무선 개인 통신망(Wireless Personal Area Networks)일 수 있다.
한편 통신부(710)는 프로세서(780)의 제어 하에, 앞서 설명한 다양한 통신 방식으로 무빙 에이전트와 통신할 수 있다.
입력부(720)는 사용자로부터 정보 또는 명령을 입력받기 위한 터치키(touch key), 푸시키(mechanical key), 다이얼 키(dial key) 등을 포함할 수 있다. 실시 예에 따라, 입력부(720)는 별도의 원격제어장치로부터 정보 또는 명령을 입력받는 인터페이스부를 포괄하는 개념으로 이해될 수 있다.
구체적으로, 입력부(720)는 사용자로부터 정보를 입력 받기 위한 것으로서, 입력부(720)를 통해 정보가 입력되면, 프로세서(780)는 입력된 정보에 대응되도록 에어컨(700)의 동작을 제어할 수 있다.
이러한, 입력부(720)는 기계식(mechanical) 입력수단(또는, 메커니컬 키, 예를 들어, 에어컨(700)의 전·후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다.
일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch
key)로 이루어질 수 있다. 한편, 상기 가상키 또는 비주얼 키는, 다양한 형태를 가지면서 터치스크린 상에 표시되는 것이 가능하며, 예를 들어, 그래픽(graphic), 텍스트(text), 아이콘(icon), 비디오(video) 또는 이들의 조합으로 이루어질 수 있다.
센서부(730)는 에어컨(700)를 둘러싼 주변 환경 정보 및 사용자 정보 중 적어도 하나를 센싱하기 위한 하나 이상의 센서를 포함할 수 있다.
예를 들어, 센서부(730)는 에어컨(700)가 설치된 공간의 온도를 감지하기 위한 온도 센서(732), 상기 공간의 습도를 감지하기 위한 습도 센서(734)를 포함할 수 있다.
출력부(760)는 시각, 청각 등과 관련된 출력을 발생시키기 위한 것으로, 디스플레이부(762)와 음향 출력부(764; 예컨대 스피커) 중 적어도 하나를 포함할 수 있다.
디스플레이부(762)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, 에어컨(700)와 사용자 사이의 입력 인터페이스를 제공하는 입력부(720)로써 기능함과 동시에, 에어컨(700)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.
디스플레이부(762)는 에어컨(700)의 동작과 관련된 각종 정보를 표시할 수 있다. 예컨대, 디스플레이부(762)는 에어컨(700)의 설정 온도, 풍량, 풍향, 현재 실내 온도, 습도 등과 같은 정보와, 절전 모드, 일반 모드, 수면 모드 등과 같은 동작 모드에 대한 정보를 표시할 수 있다.
음향 출력부(764)는 에어컨(700)의 이벤트 발생을 알리기 위해 음성 형태의 신호를 출력할 수 있다. 에어컨(700)에서 발생 되는 이벤트의 예로는 알람, 전원 온/오프, 에러 발생, 동작 모드 변경 등이 있을 수 있다.
메모리(770)는 에어컨(700)의 다양한 기능을 지원하는 데이터를 저장한다. 메모리(770)는 에어컨(700)의 동작을 위한 각종 데이터, 명령어들을 저장할 수 있다.
메모리(770)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk [0061] type), SSD 타입(Solid State Disk type), SDD 타입(Silicon Disk Drive type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(random access memory; RAM), SRAM(static random access memory), 롬(read-only memory; ROM), EEPROM (electrically erasable programmable read-only memory), PROM(programmable read-only memory), 자기 메모리, 자기 디스크 및 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
프로세서(780)는 통상적으로 에어컨(700)의 전반적인 동작을 제어한다. 프로세서(780)는 위에서 살펴본 구성요소 들을 통해 입력 또는 출력되는 신호, 데이터, 정보 등을 처리함으로써, 사용자에게 적절한 정보 또는 기능을 제공 또는 처리할 수 있다.
프로세서(780)는 에어컨(700)의 냉방 정보에 기초하여 압축기(740), 팬모터(750), 및 베인 모터 중 적어도 하나를 조절할 수 있다. 여기서 냉방 정보는, 설정 온도, 풍량 및 풍향 중 적어도 하나를 포함할 수 있다.
팬모터(750)는 케이싱의 내부에 설치되고, 케이싱 내부에 구비되는 송풍팬(미도시)을 회전시켜 공기를 송풍할 수 있다.
즉, 팬모터(750)가 구동되면 송풍팬이 회전하고, 송풍팬이 회전함에 따라 흡입구를 통해 공기가 흡입되고, 토출구를 통해 공기가 토출될 수 있다.
예컨대, 프로세서(780)는 냉방 정보 중 설정 온도에 기초하여 압축기(740)의 동작을 제어할 수 있다. 그리고 압축기(740)의 동작이 제어 됨에 따라 에어컨(780)의 설정 온도가 조절될 수 있다.
또한 프로세서(780)는 냉방 정보 중 풍량에 기초하여 팬모터(750)의 동작을 제어할 수 있다. 그리고 팬모터(750)의 동작이 제어 됨에 따라 에어컨(780)의 풍량이 조절될 수 있다.
또한 프로세서(780)는 냉방 정보 중 풍향에 기초하여 베인 모터의 동작을 제어할 수 있다. 그리고 베인 모터의 동작이 제어 됨에 따라 에어컨(780)의 풍향이 조절될 수 있다.
전원 공급부(790)는 프로세서(780)의 제어 하에서, 외부의 전원, 내부의 전원을 인가 받아 에어컨(700)에 포함된 각 구성요소들에 전원을 공급한다.
상기 각 구성요소들 중 적어도 일부는, 이하에서 설명되는 다양한 실시 예들에 따른 에어컨의 동작, 제어, 또는 제어방법을 구현하기 위하여 서로 협력하여 동작할 수 있다. 또한, 상기 에어컨의 동작, 제어, 또는 제어방법은 상기 메모리(770)에 저장된 적어도 하나의 응용 프로그램의 구동에 의하여 에어컨 상에서 구현될 수 있다.
다음은 무빙 에이전트의 일례로써 로봇 청소기를 설명한다. 다만 무빙 에이전트는 로봇 청소기에 한정되지 않으며, 애완 로봇, 안내 로봇 등 실내 공간을 이동할 수 있는 모든 장치일 수 있다.
도 2a는 본 발명의 일 실시예에 따른 로봇 청소기의 사시도이다. 도 2b는 도 2a의 로봇 청소기의 수평 화각을 도시한 것이다. 도 2c은 도 2a의 로봇 청소기의 전면도이다. 도 2d는 도 2a의 로봇 청소기의 저면을 도시한 것이다.
도 2a 내지 도 2d를 참조하면, 본 발명의 일 실시예에 따른 로봇 청소기(1)은 청소구역의 바닥을 따라 이동하며, 바닥 상의 먼지 등의 이물질을 흡입하는 본체(10)와, 본체(10)의 전면에 배치되는 장애물 감지유닛(100)을 포함할 수 있다.
본체(10)는 외관을 형성하며 내측으로 본체(10)를 구성하는 부품들이 수납되는 공간을 형성하는 케이싱(11)과, 케이싱(11)에 배치되어 먼지나 쓰레기 등의 이물질을 흡입하는 흡입유닛(34)과, 케이싱(11)에 회전 가능하게 구비되는 좌륜(36(L))과 우륜(36(R))을 포함할 수 있다. 좌륜(36(L))과 우륜(36(R))이 회전함에 따라 본체(10)가 청소구역의 바닥을 따라 이동되며, 이 과정에서 흡입유닛(34)을 통해 이물질이 흡입된다.
흡입유닛(34)은 흡입력을 발생시키는 흡입 팬(미도시)과, 흡입 팬의 회전에 의해 생성된 기류가 흡입되는 흡입구(10h)를 포함할 수 있다. 흡입유닛(34)은 흡입구(10h)를 통해 흡입된 기류 중에서 이물질을 채집하는 필터(미도시)와, 필터에 의해 채집된 이물질들이 축적되는 이물질 채집통(미도시)을 포함할 수 있다.
또한, 본체(10)는 좌륜(36(L))과 우륜(36(R))을 구동시키는 주행 구동부를 포함할 수 있다. 주행 구동부는 적어도 하나의 구동모터를 포함할 수 있다. 적어도 하나의 구동모터는 좌륜(36(L))을 회전시키는 좌륜 구동모터와 우륜(36(R))을 회전시키는 우륜 구동모터를 포함할 수 있다.
좌륜 구동모터와 우륜 구동모터는 제어부의 주행제어부에 의해 작동이 독립적으로 제어됨으로써 본체(10)의 직진, 후진 또는 선회가 이루어질 수 있다. 예를들어, 본체(10)가 직진 주행하는 경우에는 좌륜 구동모터와 우륜 구동모터가 같은 방향으로 회전되나, 좌륜 구동모터와 우륜 구동모터가 다른 속도로 회전되거나, 서로 반대 방향으로 회전되는 경우에는 본체(10)의 주행 방향이 전환될 수 있다. 본체(10)의 안정적인 지지를 위한 적어도 하나의 보조륜(37)이 더 구비될 수 있다.
케이싱(11)의 저면부 전방측에 위치하며, 방사상으로 연장된 다수개의 날개로 이루어진 솔을 갖는 복수의 브러시(35)가 더 구비될 수 있다. 복수의 브러시(35)의 회전에 의해 청소구역의 바닥으로부터 먼지들이 제거되며, 이렇게 바닥으로부터 분리된 먼지들은 흡입구(10h)를 통해 흡입되어 채집통에 모인다.
케이싱(11)의 상면에는 사용자로부터 로봇 청소기(1)의 제어를 위한 각종 명령을 입력받는 조작부(160)를 포함하는 컨트롤 패널이 구비될 수 있다.
장애물 감지유닛(100)은 본체(10)의 전면에 배치될 수 있다.
장애물 감지유닛(100)은 케이싱(11)의 전면에 고정되고, 제 1 패턴 조사부(120), 제 2 패턴 조사부(130) 및 영상 획득부(140)를 포함한다. 이때 영상획득부는 도시된 바와 같이 패턴조사부의 하부에 설치되는 것을 기본으로 하나, 경우에 따라 제 1 및 제 2 패턴조사부 사이에 배치될 수 있다. 또한, 본체의 상단부에 제 2 영상획득부(미도시)가 더 구비될 수 있다. 제 2 영상획득부는 본체의 상단부, 즉 천장의 영상을 촬영한다.
본체(10)에는 재충전이 가능한 배터리(38)가 구비되며, 배터리(38)의 충전 단자(33)가 상용 전원(예를 들어, 가정 내의 전원 콘센트)과 연결되거나, 상용 전원과 연결된 별도의 충전대(미도시)에 본체(10)가 도킹되어, 충전 단자(33)가 상용 전원과 전기적으로 연결되고, 배터리(38)의 충전이 이루어질 수 있다. 로봇 청소기(1)을 구성하는 전장 부품들은 배터리(38)로부터 전원을 공급받을 수 있으며, 따라서, 배터리(38)가 충전된 상태에서 로봇 청소기(1)은 상용 전원과 전기적으로 분리된 상태에서 자력 주행이 가능하다.
도 2e는 본 발명의 일 실시예에 따른 로봇 청소기의 주요부들을 도시한 블록도이다.
도 2e에 도시된 바와 같이, 로봇 청소기(1)은 주행 구동부(250), 청소부(260), 데이터부(280), 장애물 감지유닛(100), 센서부(150), 통신부(270), 조작부(160), 그리고 동작 전반을 제어하는 제어부(200)를 포함한다. 제어부는 하나 또는 그 이상의 마이크로 프로세서로 구현될 수 있고, 하드웨어 장치로 구현될 수 있다.
조작부(160)는 적어도 하나의 버튼, 스위치, 터치패드 등의 입력수단을 포함하여 사용자명령을 입력받는다. 조작부는 앞서 설명한 바와 같이 본체(10)의 상단부에 구비될 수 있다.
데이터부(280)에는 장애물 감지유닛(100) 또는 센서부(150)로부터 입력되는 장애물 감지신호가 저장하고, 장애물인식부(210)가 장애물을 판단하기 위한 기준데이터가 저장되며, 감지된 장애물에 대한 장애물정보가 저장된다. 또한, 데이터부(280)에는 로봇 청소기의 동작을 제어하기 위한 제어데이터 및 로봇 청소기의 청소모드에 따른 데이터가 저장되며, 맵생성부에 의해 생성된, 장애물정보가 포함된 지도가 저장된다. 데이터부(280)는, 기초맵, 청소맵, 사용자맵, 가이드맵이 저장될 수 있다. 장애물 감지신호는 센서부에 의한 초음파/레이저 등의 감지신호, 영상획득부의 획득영상이 포함된다.
또한, 데이터부(280)는, 마이크로 프로세서(micro processor)에 의해 읽힐 수 있는 데이터를 저장하는 것으로, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치를 포함할 수 있다.
통신부(270)는, 무선통신 방식으로 에어컨과 통신한다. 또한, 통신부(270)는 가정 내 네트워크를 통해, 인터넷망에 연결되어, 외부의 서버 또는 에어컨과 통신할 수 있다.
통신부(270)는 생성되는 지도를 에어컨으로 전송하고, 로봇 청소기의 동작상태, 청소상태에 대한 데이터를 에어컨으로 전송한다. 통신부(270)는 지그비, 블루투스 등의 근거리 무선통신뿐 아니라, 와이파이, 와이브로 등의 통신모듈을 포함하여 데이터를 송수신한다.
주행 구동부(250)는 적어도 하나의 구동모터를 포함하여 주행제어부(230)의 제어명령에 따라 로봇 청소기가 주행하도록 한다. 주행 구동부(250)는 앞서 설명한 바와 같이, 좌륜(36(L))을 회전시키는 좌륜 구동모터와 우륜(36(R))을 회전시키는 우륜 구동모터를 포함할 수 있다.
청소부(260)는 브러쉬를 동작시켜 로봇 청소기 주변의 먼지 또는 이물질을 흡입하기 쉬운 상태로 만들고, 흡입장치를 동작시켜 먼지 또는 이물질을 흡입한다. 청소부(260)는 먼지나 쓰레기 등의 이물질을 흡입하는 흡입유닛(34)에 구비되는 흡입 팬의 동작을 제어하여 먼지가 흡입구를 통해 이물질 채집통에 투입되도록 한다.
장애물 감지유닛(100)은 제 1 패턴 조사부(120), 제 2 패턴 조사부(130), 그리고 영상 획득부(140)를 포함한다.
센서부(150)는 복수의 센서를 포함하여 장애 감지를 보조한다. 센서부(150)는 레이저 센서, 초음파 센서 및 적외선 센서 중 적어도 하나를 포함할 수 있다. 그리고 센서부(150)는 레이저, 초음파, 적외선 중 적어도 하나를 이용하여 본체(10)의 전방, 즉 주행방향의 장애물을 감지한다. 센서부(150)는 송출되는 신호가 반사되어 입사되는 경우, 장애물의 존재여부 또는 장애물까지의 거리에 대한 정보를 장애물 감지신호로써 제어부(200)로 입력한다.
또한, 센서부(150)는 적어도 하나의 기울기센서를 포함하여 본체의 기울기를 감지한다. 기울기센서는 본체의 전, 후, 좌, 우 방향으로 기울어지는 경우, 기울어진 방향과 각도를 산출한다. 기울기센서는 틸트센서, 가속도센서 등이 사용될 수 있고, 가속도센서의 경우 자이로식, 관성식, 실리콘반도체식 중 어느 것이나 적용 가능하다.
한편 센서부(150)는 장애물 감지 유닛(100)의 구성 중 적어도 하나를 포함하고, 장애물 감지 유닛(100)의 기능을 수행할 수 있다.
장애물 감지유닛(100)은 제 1 패턴 조사부(120), 제 2 패턴 조사부(130) 및 영상 획득부(140)가, 앞서 설명한 바와 같이, 본체(10)의 전면에 설치되어, 로봇 청소기의 전방에 제 1 및 제 2 패턴의 광(P1, P2)을 조사하고, 조사된 패턴의 광을 촬영하여 영상을 획득한다.
장애물 감지유닛(100)은 획득영상을 장애물 감지신호로써 제어부(200)로 입력한다.
장애물 감지유닛(100)의 제 1 및 제 2 패턴 조사부(120, 130)는 광원과, 광원으로부터 조사된 광이 투과됨으로써 소정의 패턴을 생성하는 패턴생성자(OPPE: Optical Pattern Projection Element)를 포함할 수 있다. 광원은 레이져 다이오드(Laser Diode, LD), 발광 다이오드(Light Emitteing Diode, LED) 등 일 수 있다. 레이져 광은 단색성, 직진성 및 접속 특성에 있어 다른 광원에 비해 월등해, 정밀한 거리 측정이 가능하며, 특히, 적외선 또는 가시광선은 대상체의 색상과 재질 등의 요인에 따라 거리 측정의 정밀도에 있어서 편차가 크게 발생되는 문제가 있기 때문에, 광원으로는 레이져 다이오드가 바람직하다. 패턴생성자는 렌즈, DOE(Diffractive optical element)를 포함할 수 있다. 각각의 패턴 조사부(120, 130)에 구비된 패턴 생성자의 구성에 따라 다양한 패턴의 광이 조사될 수 있다.
제 1 패턴 조사부(120)는 제 1 패턴의 광(P1, 이하, 제 1 패턴 광이라고 함.)을 본체(10)의 전방 하측을 향해 조사할 수 있다. 따라서, 제 1 패턴 광(P1)은 청소구역의 바닥에 입사될 수 있다.
제 1 패턴 광(P1)은 수평선(Ph)의 형태로 구성될 수 있다. 또한, 제 1 패턴 광(P1)은 수평선(Ph)과 수직선(Pv)이 교차하는 십자 패턴의 형태로 구성되는 것 또한 가능하다.
제 1 패턴 조사부(120), 제 2 패턴 조사부(130) 및 영상 획득부(140)는 수직으로, 일렬 배치될 수 있다. 영상 획득부(140)는, 제 1 패턴 조사부(120)와 제 2 패턴 조사부(130)의 하부에 배치되나, 반드시 이에 한정되는 것은 아니며, 제 1 패턴 조사부와 제 2 패턴 조사부의 상부에 배치될 수도 있다.
실시예에서, 제 1 패턴 조사부(120)는 상측에 위치하여 전방을 향해 하방으로 제 1 패턴 광(P1)을 조사하여, 제 1 패턴 조사부(120)보다 하측에 위치하는 장애물을 감지하고, 제 2 패턴 조사부(130)는 제 1 패턴 조사부(120)의 하측에 위치하여 전방을 향해 상방으로 제 2 패턴의 광(P2, 이하, 제 2 패턴 광이라고 함.)을 조사할 수 있다. 따라서, 제 2 패턴 광(P2)은 벽면이나, 청소구역의 바닥으로부터 적어도 제 2 패턴 조사부(130)보다 높이 위치하는 장애물 또는 장애물의 일정 부분에 입사될 수 있다.
제 2 패턴 광(P2)은 제 1 패턴 광(P1)과 다른 패턴으로 이루어질 수 있고, 바람직하게는 수평선을 포함하여 구성된다. 여기서, 수평선은 반드시 연속한 선분이어야 하는 것은 아니고, 점선으로 이루어질 수도 있다.
한편, 앞서 설명한 도 2에서, 표시된 조사각(θh)은 제 1 패턴 조사부(120)로부터 조사된 제 1 패턴 광(P1)의 수평조사각을 표시한 것으로, 수평선(Ph)의 양단이 제 1 패턴 조사부(120)와 이루는 각도를 나타내며, 130˚ 내지 140˚ 범위에서 정해지는 것이 바람직하나, 반드시 이에 한정되어야 하는 것은 아니다. 도 2에 표시된 점선은 로봇 청소기(1)의 전방을 향하는 것이며, 제 1 패턴 광(P1)은 점선에 대해 대칭인 형태로 구성될 수 있다.
제 2 패턴 조사부(130) 역시 제 1 패턴 조사부(120)와 마찬가지로 수평 조사각이, 바람직하게는, 130˚ 내지 140˚ 범위에서 정해질 수 있으며, 실시예에 따라서는 제 1 패턴 조사부(120)와 동일한 수평 조사각으로 패턴 광(P2)을 조사할 수 있으며, 이 경우, 제 2 패턴 광(P1) 역시 도 2에 표시된 점선에 대해 대칭인 형태로 구성될 수 있다.
영상 획득부(140)는 본체(10) 전방의 영상을 획득할 수 있다. 특히, 영상 획득부(140)에 의해 획득된 영상(이하, 획득영상이라고 함.)에는 패턴 광(P1, P2)이 나타나며, 이하, 획득영상에 나타난 패턴 광(P1, P2)의 상을 광 패턴이라고 하고, 이는 실질적으로 실제 공간상에 입사된 패턴 광(P1, P2)이 이미지 센서에 맺힌 상이기 때문에, 패턴 광들(P1, P2)과 같은 도면 부호를 부여하여, 제 1 패턴 광(P1) 및 제 2 패턴 광(P2)과 각각 대응하는 상들을 제 1 광 패턴(P1) 및 제 2 광 패턴(P2)이라고 하기로 한다.
영상 획득부(140)는 피사체의 상을 전기적 신호로 변환시킨 후 다시 디지털 신호로 바꿔 메모리소자에 기억시키는 디지털 카메라를 포함할 수 있으며, 디지털 카메라는 이미지센서(미도시)와 영상처리부(미도시)를 포함할 수 있다.
이미지센서는 광학 영상(image)을 전기적 신호로 변환하는 장치로, 다수개의 광 다이오드(photo diode)가 집적된 칩으로 구성되며, 광 다이오드로는 픽셀(pixel)을 예로 들 수 있다. 렌즈를 통과한 광에 의해 칩에 맺힌 영상에 의해 각각의 픽셀들에 전하가 축적되며, 픽셀에 축적된 전하들은 전기적 신호(예를들어, 전압)로 변환된다. 이미지센서로는 CCD(Charge Coupled Device), CMOS(Complementary Metal Oxide Semiconductor) 등이 잘 알려져 있다.
영상처리부는 이미지센서로부터 출력된 아날로그 신호를 바탕으로 디지털 영상을 생성한다. 영상처리부는 아날로그 신호를 디지털 신호로 변환하는 AD컨버터와, AD컨버터로부터 출력된 디지털 신호에 따라 일시적으로 디지털 정보(digital data)를 기록하는 버퍼 메모리(buffer memory)와, 버퍼 메모리에 기록된 정보를 처리하여 디지털 영상을 구성하는 디지털 신호처리기(DSP:Digital Signal Processor)를 포함할 수 있다.
제어부(200)는 장애물인식부(210), 맵생성부(220), 주행제어부(230), 위치인식부(240)를 포함한다.
장애물인식부(210)는 장애물 감지유닛(100)으로부터 입력되는 획득영상을 통해 장애물을 판단하고, 주행제어부(230)는 장애물 정보에 대응하여 이동방향 또는 주행경로를 변경하여 장애물을 통과하거나 또는 장애물을 회피하여 주행하도록 주행 구동부(250)를 제어한다.
주행제어부(230)는 주행구동부(250)를 제어하여 좌륜 구동모터와 우륜 구동모터의 작동을 독립적으로 제어함으로써 본체(10)가 직진 또는 회전하여 주행하도록 한다.
장애물인식부(210)는 센서부(150) 또는 장애물 감지유닛(100)으로부터 입력되는 장애물 감지신호를 데이터부(280)에 저장하고, 장애물 감지신호를 분석하여 장애물을 판단한다.
장애물인식부(210)는 센서부의 신호를 바탕으로 전방의 장애물 존재 여부를 판단하고, 획득영상을 분석하여 장애물의 위치, 크기, 형태를 판단한다.
장애물인식부(210)는 획득영상을 분석하여 패턴을 추출한다. 장애물인식부(210) 제 1 패턴 조사부 또는 제 2 패턴 조사부로부터 조사된 패턴의 광이 바닥 또는 장애물에 조사되어 나타나는 광 패턴을 추출하고, 추출된 광 패턴을 바탕으로 장애물을 판단한다.
장애물인식부(210)는 영상 획득부(140)에 의해 획득된 영상(획득영상)으로부터 광 패턴(P1, P2)을 검출한다. 장애물인식부(210)는 획득영상을 구성하는 소정의 픽셀들에 대해 점, 선, 면 등의 특징을 검출 (feature detection)하고, 이렇게 검출된 특징을 바탕으로 광 패턴(P1, P2) 또는 광 패턴(P1, P2)을 구성하는 점, 선, 면 등을 검출할 수 있다.
장애물인식부(210)는 주변보다 밝은 픽셀들이 연속됨으로써 구성되는 선분들을 추출하여, 제 1 광 패턴(P1)을 구성하는 수평선(Ph), 제 2 광 패턴(P2)을 구성하는 수평선을 추출할 수 있다. 그러나 이에 한정되지 않고, 디지털 영상으로부터 원하는 형태의 패턴을 추출하는 다양한 기법들이 이미 알려져 있는바, 장애물인식부(210)는 이들 공지된 기술들을 이용하여 제 1 광 패턴(P1)과 제 2 광 패턴(P2)을 추출할 수 있다.
또한, 장애물인식부(210)는 검출된 패턴을 바탕으로 장애물 유무를 판단하고, 장애물의 형태를 판단한다. 장애물인식부(210)는 제 1 광 패턴과 제 2 광 패턴을 통해 장애물을 판단하고, 장애물까지의 거리를 산출할 수 있다. 또한, 장애물인식부(210)는 제 1 광패턴과 제 2 광패턴의 형태, 장애물 접근 중 나타나는 광패턴을 변화를 통해 장애물의 크기(높이)와 형태를 판단할 수 있다.
장애물인식부(210)는 제 1 및 광패턴 및 제 2 광패턴에 대하여 기준위치와의 거리를 바탕으로 장애물을 판단한다. 장애물인식부(210)는 제 1 광 패턴(P1)이 기준위치보다 낮은 위치에 나타나는 경우, 내리막 경사로가 존재하는 것으로 판단할 수 있고, 제 1 광 패턴(P1)이 사라지는 경우 낭떠러지로 판단한다. 또한, 장애물인식부(210)는 제 2 광 패턴이 나타나는 경우, 전방의 장애물 또는 상부의 장애물을 판단할 수 있다.
장애물인식부(210)는 센서부(150)의 기울기센서로부터 입력되는 기울기정보를 바탕으로, 본체의 기울어짐 여부를 판단하고, 본체가 기울어진 경우, 획득영상의 광 패턴의 위치에 대하여 기울기를 보상한다.
주행제어부(230)는 청소영역 중 지정된 영역에 대하여 주행하며 청소가 수행되도록 주행 구동부(250)를 제어하고, 주행 중 먼지를 흡입하여 청소가 수행되도록 청소부(260)를 제어한다.
주행제어부(230)는 장애물인식부(210)로부터 인식되는 장애물에 대응하여, 주행 가능 여부 또는 진입가능 여부를 판단하여 장애물에 접근하여 주행하거나, 장애물을 통과하거나, 또는 장애물을 회피하도록 주행경로를 설정하여 주행 구동부(250)를 제어한다.
맵생성부(220)는, 장애물인식부(210)에 의해 판단되는 장애물에 대한 정보를 바탕으로, 청소영역에 대한 지도를 생성한다.
맵생성부(220)는 초기 동작 시, 또는 청소영역에 대한 지도가 저장되어 있지 않은 경우, 청소영역을 주행하면서 장애물 정보를 바탕으로 청소영역에 대한 지도를 생성한다. 또한, 맵생성부(220)는 주행중 획득되는 장애물 정보를 바탕으로, 기 생성된 지도를 갱신한다.
맵생성부(220)는 주행 중 장애물인식부(210)를 획득되는 정보를 바탕으로 기초맵을 생성하고, 기초맵으로부터 영역을 구분하여 청소맵을 생성한다. 또한 맵생성부(220)는 청소맵에 대하여 영역을 정리하고, 영역에 대한 속성을 설정하여 사용자맵과 가이드맵을 생성한다.
기초맵은, 주행을 통해 획득되는 청소영역의 형태가 외곽선으로 표시되는 지도이고, 청소맵은 기초맵에 영역이 구분된 지도이다. 기초맵과 청소맵에는 로봇 청소기의 주행 가능한 영역과 장애물정보가 포함된다. 사용자맵은 청소맵의 영역을 단순화하고 외각선의 형태를 정리하여 가공한 것으로 시각적 효과를 가미한 지도이다. 가이드맵은 청소맵과 사용자맵이 중첩된 지도이다. 가이드맵에는 청소맵이 표시되므로, 로봇 청소기가 실제 주행할 수 있는 영역을 바탕으로 청소명령이 입력될 수 있다.
맵생성부(220)는 기초맵 생성 후, 청소영역을 복수의 영역으로 구분하고, 복수의 영역을 연결하는 연결통로를 포함하며, 각 영역 내의 장애물에 대한 정보를 포함하여 지도를 생성한다. 맵생성부(220)는, 지도상의 영역 구분을 위해 소영역을 분리하여 대표영역을 설정하고, 분리된 소영역을 별도의 세부영역으로 설정하여 대표영역에 병합함으로써 영역이 구분된 지도를 생성한다.
맵생성부(220)는 구분된 각 영역에 대하여, 영역의 형태를 가공한다. 맵생성부(220)는 구분된 영역에 대하여 속성을 설정하고, 영역별 속성에 따라 영역의 형태를 가공한다.
맵생성부(220)는 구분된 각 영역에서, 다른 영역과의 접점의 수를 기준으로 메인영역을 우선 판단한다. 메인영역은 거실인 것을 기본으로 하나, 경우에 따라 메인영역을 복수의 방 중 어느 하나로 변경할 수 있다. 맵생성부(220)는 메인영역을 기준으로 나머지 영역에 대한 속성을 설정한다. 예를 들어 맵생성부(220)는 메인영역인, 거실을 중심으로 배치되는 일정 크기 이상의 영역은 방(room)으로 설정하고, 그외의 영역은 기타영역으로 설정할 수 있다.
맵생성부(220)는, 영역의 형태를 가공하는데 있어서, 영역의 속성에 따른 기준에 따라 각 영역이 특정 형태를 갖도록 가공한다. 예를 들어 맵생성부(220)는 일반적인 가정의 방의 형태, 예를 들어 사각형을 기준으로 영역의 형태를 가공한다. 또한, 맵생성부(220)는 기초맵의 최 외각 셀을 기준으로 영역의 형태를 확장하고, 장애물로 인하여 접근할 수 없는 영역에 대하여 영역을 삭제하거나 축소하여 영역의 형태를 가공한다.
또한, 맵생성부(220)는 기초맵에서, 장애물의 크기에 따라, 일정 크기 이상의 장애물은 지도에 표시하고, 일정 크기 미만의 장애물은 해당 셀을 삭제하여 장애물이 표시되지 않도록 한다. 예를 들어, 맵생성부는 일정크기 이상의 의자, 소파 등의 가구는 지도에 표시하고, 일시적으로 나타나는 장애물, 크기가 작은, 예를 들어 작은 장난감 등은 지도에서 삭제한다. 맵생성부(220)는 지도 생성 시, 충전대의 위치를 지도에 함께 저장한다.
맵생성부(220)는 지도가 생성된 이후, 감지되는 장애물에 대하여, 장애물인식부(21)로부터 입력되는 장애물정보를 바탕으로, 지도상에 장애물을 추가할 수 있다. 맵생성부(220)는 특정 장애물이 고정된 위치에서 반복적으로 감지되는 경우, 지도에 장애물을 추가하고, 장애물이 일시적으로 감지되는 경우에는 무시한다.
맵생성부(220)는 가공된 형태의 지도인 사용자맵과, 사용자맵과 청소맵이 중첩되어 표시되는 가이드맵을 모두 생성한다.
또한, 맵생성부(220)는 가상벽이 설정되는 경우, 통신부를 통해 수신되는 가상벽에 대한 데이터를 바탕으로 청소맵에 가상벽의 위치를 설정하고, 청소영역에 대응하는 가상벽의 좌표를 산출한다. 맵생성부(220)는 청소맵에 가상벽을 장애물로써 등록한다.
맵생성부(220)는 설정된 가상벽에 대한 데이터, 예를 들어 가상벽의 레벨, 가상벽의 속성에 관한 정보를 함께 저장한다.
맵생성부(220)는 설정된 가상벽을 확대하여 장애물로써 등록한다. 주행 중, 본체(10)가 가상벽에 접하거나 가상벽을 침범하지 않도록 설정된 가상벽을 확대하여 더 넓은 범위로 설정한다.
맵생성부(220)는 위치인식부(240)에 의해 본체(10)의 현재 위치를 판단할 수 없는 경우, 청소영역에 대한 새로운 지도를 생성한다. 맵생성부(220)는 새로운 영역으로 이동한 것으로 판단하여 기 설정된 가상벽을 초기화한다.
맵생성부(220)는 주행 중에 가상벽에 대한 데이터가 수신되는 경우, 본체(10)의 주행 시 가상벽에 대응하여 동작하도록, 맵에 가상벽을 추가 설정한다. 예를 들어, 새로운 가상벽이 추가되거나, 가상벽의 레벨 또는 속성이 변경되는 경우, 기 설정된 가상벽의 위치가 변경되는 경우, 맵생성부(220)는 수신되는 데이터를 바탕으로 맵을 갱신하여, 변경된 가상벽에 대한 정보가 맵에 반영되도록 한다.
위치인식부(240)는 데이터부에 저장된 지도(청소맵, 가이드맵 또는 사용자맵)를 바탕으로 본체(10)의 현재 위치를 판단한다.
위치인식부(240)는 청소명령이 입력되면, 지도상의 위치와 본체의 현재위치가 일치하는지 여부를 판단한 후, 현재 위치가 맵 상의 위치와 일치하지 않는 경우, 또는 현재 위치를 확인할 수 없는 경우, 현재 위치를 인식하여 로봇 청소기(1)의 현재 위치를 복구한다. 주행제어부(230)는 현재 위치를 복구하면, 현재 위치를 바탕으로 지정된 영역으로 이동하도록 주행구동부를 제어한다. 청소명령은 리모컨(미도시), 조작부(160) 또는 에어컨로부터 입력될 수 있다.
위치인식부(240)는 현재 위치가 지도상의 위치와 일치하지 않는 경우 또는 현재 위치를 확인할 수 없는 경우, 영상 획득부(140)로부터 입력되는 획득영상을 분석하여 지도를 바탕으로 현재 위치를 추정할 수 있다.
위치인식부(240)는 맵생성부(220)에 의해 지도 생성 중, 각 위치에서 획득된 획득영상을 처리하여, 지도와 연계시켜 본체의 전역위치를 인식한다.
위치인식부(240)는 영상획득부(140)의 획득영상을 이용하여, 지도와 지도상의 각 위치에 대한 획득영상을 비교하여 본체의 현재 위치를 파악함으로써, 본체의 위치가 갑자기 변경되는 경우에도 현재 위치를 추정하여 인식할 수 있다.
위치인식부(240)는 획득영상에 포함되는, 천장에 위치하는 조명들, 경계(edge), 코너(corner), 얼룩(blob), 굴곡(ridge) 등의 여러가지 특징(feature)들을 분석하여 위치를 판단한다. 획득영상은 영상획득부, 또는 본체의 상단부에 구비되는 제 2 영상획득부로부터 입력될 수 있다.
위치인식부(240)는 획득영상들 각각으로부터 특징을 검출한다. 컴퓨터 비전(Computer Vision) 기술 분야에서 영상으로부터 특징을 검출하는 다양한 방법(Feature Detection)이 잘 알려져 있다. 이들 특징의 검출에 적합한 여러 특징검출기(feature detector)들이 알려져 있다. 예를들어, Canny, Sobel, Harris&Stephens/Plessey, SUSAN, Shi&Tomasi, Level curve curvature, FAST, Laplacian of Gaussian, Difference of Gaussians, Determinant of Hessian, MSER, PCBR, Grey-level blobs 검출기 등이 있다.
위치인식부(240)는 각 특징점을 근거로 디스크립터를 산출한다. 위치인식부(240)는 특징 검출을 위해 SIFT(Scale Invariant Feature Transform) 기법을 이용하여 특징점을 디스크립터(descriptor)로 변환할 수 있다. 디스크립터는 n차원 벡터(vector)로 표기될 수 있다. SIFT는 촬영 대상의 스케일(scale), 회전, 밝기변화에 대해서 불변하는 특징을 검출할 수 있어, 같은 영역을 로봇 청소기(1)의 자세를 달리하며 촬영하더라도 불변하는(즉, 회전 불변한(Rotation-invariant)) 특징을 검출할 수 있다. 물론, 이에 한정되지 않고 다른 다양한 기법(예를들어, HOG: Histogram of Oriented Gradient, Haar feature, Fems, LBP:Local Binary Pattern, MCT:Modified Census Transform)들이 적용될 수도 있다.
위치인식부(240)는 각 위치의 획득영상을 통해 얻은 디스크립터 정보를 바탕으로, 획득영상마다 적어도 하나의 디스크립터를 소정 하위 분류규칙에 따라 복수의 군으로 분류하고, 소정 하위 대표규칙에 따라 같은 군에 포함된 디스크립터들을 각각 하위 대표 디스크립터로 변환할 수 있다. 다른 예로, 실(room)과 같이 소정 구역내의 획득영상 들로부터 모인 모든 디스크립터를 소정 하위 분류규칙에 따라 복수의 군으로 분류하여 상기 소정 하위 대표규칙에 따라 같은 군에 포함된 디스크립터들을 각각 하위 대표 디스크립터로 변환할 수도 있다.
위치인식부(240)는 이 같은 과정을 거쳐, 각 위치의 특징분포를 구할 수 있다. 각 위치 특징분포는 히스토그램 또는 n차원 벡터로 표현될 수 있다. 또 다른 예로, 학습모듈(143)은 소정 하위 분류규칙 및 소정 하위 대표규칙을 거치지 않고, 각 특징점으로부터 산출된 디스크립터를 바탕으로 미지의 현재위치를 추정할 수 있다.
또한, 위치 도약 등의 이유로 로봇 청소기(1)의 현재 위치가 미지의 상태가 된 경우에, 위치인식부(240)는 기 저장된 디스크립터 또는 하위 대표 디스크립터 등의 데이터를 근거로 현재 위치를 추정할 수 있다.
위치인식부(240)는 미지의 현재 위치에서 영상획득부(140)를 통해 획득영상을 획득하고, 영상을 통해 천장에 위치하는 조명들, 경계(edge), 코너(corner), 얼룩(blob), 굴곡(ridge) 등의 여러가지 특징(feature)들이 확인되면, 획득영상으로부터 특징들을 검출한다.
위치인식부(240)는 미지의 현재 위치의 획득영상을 통해 얻은 적어도 하나의 인식 디스크립터 정보를 근거로, 소정 하위 변환규칙에 따라 비교대상이 되는 위치 정보(예를 들면, 각 위치의 특징분포)와 비교 가능한 정보(하위 인식 특징분포)로 변환한다. 소정 하위 비교규칙에 따라, 각각의 위치 특징분포를 각각의 인식 특징분포와 비교하여 각각의 유사도를 산출할 수 있다. 각각의 위치에 해당하는 상기 위치 별로 유사도(확률)를 산출하고, 그 중 가장 큰 확률이 산출되는 위치를 현재위치로 결정할 수 있다.
제어부(200)는 맵생성부(220)에 의해 주행 중 지도가 갱신되는 경우, 갱신된 정보를 통신부를 통해 에어컨(300)로 전송하여 에어컨과 로봇 청소기(1)에 저장되는 지도가 동일하도록 한다
주행제어부(230)는 청소명령 입력 시, 청소 영역 중, 지정된 영역으로 이동하도록 주행구동부를 제어하고, 청소부를 동작시켜, 주행과 함께 청소가 수행되도록 한다.
주행제어부(230)는 복수의 영역에 대한 청소명령 입력 시, 우선영역설정 여부, 또는 지정된 순서에 따라 영역을 이동하여 청소가 수행되도록 하고, 별도의 순서가 지정되지 않은 경우, 현재 위치를 기준으로, 거리에 따라 가까운 영역 또는 인접한 영역으로 이동하여 청소를 수행한다.
또한, 주행제어부(230)는 영역구분에 관계없이 임의의 영역에 대한 청소명령이 입력되는 경우, 임의의 영역에 포함되는 영역으로 이동하여 청소를 수행한다.
주행제어부(230)는 가상벽이 설정되는 경우, 맵생성부(220)로부터 입력되는 좌표값을 바탕으로, 가상벽을 판단하여 주행구동부를 제어한다.
주행제어부(230)는, 장애물인식부(210)에 의해 장애물이 존재하지 않는 것으로 판단되더라도, 가상벽이 설정되어 있는 경우, 해당 위치에 장애물이 존재하는 것으로 인식하여 주행을 제한한다.
주행제어부(230)는 주행 중, 가상벽의 설정에 변경되는 경우 변경되는 가상벽 설정에 따라 주행 가능한 영역과 주행 불가능한 영역을 구분하여, 주행경로를 재설정한다.
주행제어부(230)는 가상벽에 설정된 속성에 따라, 소음에 대한 설정1, 주행경로에 대한 설정2, 회피에 대한 설정3, 보안에 대한 설정4 중 어느 하나에 대응하여 주행을 제어한다.
주행제어부(230)는 가상벽의 속성에 따라, 가상벽에 접근하여 지정된 동작을 수행하거나(주행경로, 설정2), 본체로부터 발생하는 소음을 감소시킨후 청소할 수 있고(소음, 설정1), 가상벽에 일정거리 이상 접근하지 않고 회피하여 주행할 수 있으며(회피, 설정3) 또한, 가상벽을 기준으로 소정 영역에 대한 영상을 촬영할 수 있다(보안, 설정4).
제어부(200)는 설정된 지정영역에 대한 청소가 완료되면, 청소기록을 데이터부에 저장한다.
또한, 제어부(200)는 통신부(190)를 통해 로봇 청소기(1)의 동작상태 또는 청소상태를 소정 주기로 에어컨으로 전송한다.
에어컨은 로봇 청소기(1)으로부터 수신되는 데이터를 바탕으로, 실행중인 어플리케이션의 화면상에 지도와 함께 로봇 청소기의 위치를 표시하고, 또한 청소상태에 대한 정보를 출력한다.
에어컨은 장애물에 대한 정보가 추가되는 경우, 수신되는 데이터를 바탕으로 지도를 갱신할 수 있다.
로봇 청소기는, 청소명령 입력 시, 설정된 가상벽의 정보를 바탕으로 주행가능한 영역과 불가능한 영역을 구분하여 주행하게 된다.
한편 센서부(150)는 카메라를 포함할 수 있다. 또한 제어부(200)는 실내 공간을 촬영하도록 카메라를 제어함으로써, 실내 공간을 촬영한 영상을 획득할 수 있다.
한편 센서부(150)는 레이저 센서, 초음파 센서, 적외선 센서 및 카메라 중 적어도 하나를 포함할 수 있다. 그리고 센서부(150)는 레이저, 초음파, 적외선 및 카메라를 통하여 촬영된 영상 중 중 적어도 하나를 이용하여 실내 공간의 지도를 생성할 수 있다.
또한 센서부(150)는 실내 공간의 온도를 측정하기 위한 온도 센서, 사용자의 체온을 감지하기 위한 제1 열 감지 센서(예컨대, 적외선 센서), 가스레인지나 전기 레인지의 동작 상태나 전자 제품의 발열 등의 발열 정보를 감지하는 제2 열 감지 센서를 포함할 수 있다.
또한 센서부(150)는 음향을 수신하는 마이크로폰을 포함할 수 있다.
한편 도 3 내지 도 11을 참고하여 본 발명의 제1 실시 예를 설명한다. 여기서 제1 실시 예는 실내 공간의 유형에 따라 최적의 냉방을 수행하는 방법에 관한 것이다.
도 3은 본 발명의 제1 실시 예에 따른, 에어컨의 동작 방법을 설명하기 위한 도면이다.
본 발명의 실시 예에 따른 에어컨의 동작 방법은, 무빙 에이전트에 의해 수집된 실내 공간의 구조와 관련된 특징 정보를 수신하는 단계(S310), 수신된 특징 정보를 이용하여 실내 공간의 유형을 획득하는 단계(S330) 및 실내 공간의 유형에 대응하는 냉방 정보에 기초하여 에어컨의 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는 단계(S350)를 포함할 수 있다.
본 발명을 본격적으로 설명하기에 앞서, 냉방 또는 난방 시, 실내 공간의 다양한 구조에 따라 발생할 수 있는 문제점을 도 4a 내지 도 4d를 참고하여 설명한다.
도 4a 내지 도 4d는 실내 공간의 다양한 구조에 따라 발생할 수 있는 문제점을 설명하기 위한 도면이다.
도 4a 내지 도 4d는 집의 평면도를 도시한다. 본 명세서에서 설명하는 실내 공간은 거실, 방 등을 포함하는 집의 전체일 수 있다.
다만 이에 한정되지 않으며, 본 명세서에서 설명하는 실내 공간은 실내 공간 중 에어컨이 설치되고, 벽, 문 등으로 구분되지 않아 에어컨에서 토출된 공기가 직사 또는 대류 등에 의해 도달하는 공간을 의미할 수 있다.
예를 들어 도 4a 내지 도 4d에서 도시하는 바와 같이 에어컨(700)이 집의 거실에 설치된 경우, 본 명세서에서 설명하는 실내 공간은 거실 및 주방을 의미할 수 있다.
도 4a에 따르면, 실내 공간(거실 및 주방)은 좌측이 복도식으로 길쭉한 형태이다.
그리고 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(410)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
도 4b에 따르면, 실내 공간은 주방이 위로 돌출된 형태이다.
그리고 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(420)(주방)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
이와 같이 실내 공간의 구조 때문에, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의해 잘 도달하지 않는 영역을 냉방 취약 구역이라 명칭할 수 있다. 이러한 냉방 취약 구역은 해당하는 실내 공간의 구조에서 실제 실험 또는 시뮬레이션을 통하여 결정될 수 있다.
그리고 냉방 취약 구역은, 에어컨(700)에서 토출된 공기가 잘 도달하지 않기 때문에, 에어컨(700)의 냉방 운전 시 다른 영역에 비하여 온도가 더 높을 수 있다.
한편 도 4c의 집은, 도 4a 및 도 4b의 집에 비하여 실내 공간(거실 및 주방)이 훨씬 넓다.
그리고 빗금친 영역(430)은 주로 가족들이 모여 앉아 뜨거운 음식을 먹는 식탁이 놓이는 자리로써, 냉방이 잘 수행되어야 할 필요성이 있다.
이와 같이 실내 공간 내에서, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의해 잘 도달하여야 하는 영역을 주요 냉방 구역이라 명칭할 수 있다.
이러한 주요 냉방 구역은 해당하는 실내 공간의 구조에서 사용자들의 위치 정보에 의해 결정될 수 있다.
그리고 주요 냉방 구역은, 에어컨(700)에서 토출된 공기가 잘 도달함으로써 에어컨(700)의 냉방 운전 시 다른 영역에 비하여 온도가 더 낮아야 한다.
다만 도 4c의 집은 실내 공간의 면적이 매우 넓기 때문에, 주요 냉방 구역의 냉방이 원할하게 수행되지 않는 문제가 발생할 수 있다.
한편 도 4d의 집에서는 거실과 주방이 벽과 문으로 구분되어 있으며, 에어컨(700)은 거실에 설치되어 있다. 따라서 도 4d의 집에서의 실내 공간은 거실을 의미할 수 있다.
한편 도 4d에서 도시하는 집의 실내 공간은 우측이 구불구불한 구조이다.
그리고 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(440)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
따라서 빗금친 영역(440)의 온도가 높아지게 되어, 실내 공간 전체의 평균 온도는 잘 낮아지지 않는 문제가 발생할 수 있다.
도 5a 내지 도 5c는 본 발명의 실시 예에 따른 특징 정보를 설명하기 위한 도면이다.
무빙 에이전트는 실내 공간을 이동하며 실내 공간의 지도를 생성하기 위한 정보를 수집할 수 있다.
예를 들어 도 5a에서 도시하는 바와 같이, 무빙 에이전트는 실내 공간을 이동하며 카메라로 복수의 영상(510)을 촬영할 수 있다. 다만 영상은 실내 공간의 지도를 생성하기 위한 정보의 일례일 뿐, 무빙 에이전트는 레이더, 적외선, 초음파 등을 이용하여 실내 공간의 지도를 생성하기 위한 센싱 정보를 수집할 수 있다.
한편 무빙 에이전트는 실내 공간에 배치된 에어컨을 촬영한 영상을 획득할 수 있다.
한편 무빙 에이전트는, 수집된 정보를 이용하여 실내 공간의 지도를 생성할 수 있다.
예를 들어 도 5b에서 도시하는 바와 같이, 무빙 에이전트는 실내 공간에 대한 외곽선으로 구성된 지도를 생성할 수 있다. 이 경우 지도는 복수의 구역 (A11 내지 A17), 예를 들어 거실, 방 1, 방 2 등으로 구분될 수 있다.
한편 무빙 에이전트는 실내 공간에 배치된 에어컨을 촬영한 영상을 획득하고, 에어컨을 촬영한 영상에 기초하여 지도 상에 에어컨의 위치 및 방향을 표시할 수 있다.
한편 실내 공간의 지도는, 가공된 지도를 포함할 수 있다.
구체적으로 무빙 에이전트는, 실내 공간의 구조의 인식이 용이하도록, 실내 공간의 지도를 이용하여 실내 공간의 구조를 단순화 한 가공된 지도를 생성할 수 있다.
더욱 구체적으로 도 5c에서 도시하는 바와 같이, 무빙 에이전트는 영역의 형태를 단순화하여 장애물을 정리하거나 벽 등을 직선화 할 수 있다.
한편 무빙 에이전트는 가공된 지도에 에어컨의 위치 및 방향을 표시할 수 있다.
한편 무빙 에이전트의 제어부(200)는 통신부(270)를 통하여 에어컨(700)으로 실내 공간의 구조와 관련된 특징 정보를 전송할 수 있다. 여기서 특징 정보는, 실내 공간의 지도를 생성하기 위하여 센서부(150)를 통하여 수집한 정보, 센서부(150)를 통하여 수집한 정보를 이용하여 생성한 지도, 또는 실내 공간의 구조를 단순화 한 가공된 지도일 수 있다.
한편 에어컨(700)의 프로세서(780)는 통신부(710)를 통하여 무빙 에이전트에 의해 획득된 실내 공간의 구조와 관련된 특징 정보를 수신할 수 있다.
한편 실내 공간의 지도를 생성하기 위하여 수집한 정보가 특징 정보로써 수신된 경우, 에어컨(700)의 프로세서(780)는 실내 공간의 지도를 생성하기 위하여 수집한 정보를 이용하여 실내 공간의 지도를 생성할 수 있다. 이 경우 앞서 설명한, 무빙 에이전트가 지도를 생성하는 방법이 사용될 수 있다.
도 6 내지 도 7은 본 발명의 실시 예에 따른, 특징 정보를 이용하여 실내 공간의 유형을 획득하는 방법을 설명하기 위한 도면이다.
에어컨(700)의 프로세서(780)는 특징 정보를 이용하여 실내 공간의 유형을 획득할 수 있다.
구체적으로 도 6을 참고하면, 에어컨(700)의 메모리에는 복수의 실내 공간의 유형(610, 620, 630, 640)이 저장되어 있을 수 있다. 여기서 복수의 실내 공간의 유형(610, 620, 630, 640) 들은, 구조(면적, 경계, 형태 등)가 상이할 수 있다.
그리고 에어컨(700)의 프로세서(780)는 실내 공간(530)의 지도의 구조(면적, 경계, 형태 등)와 복수의 실내 공간의 유형(610, 620, 630, 640)의 구조(면적, 경계, 형태 등)를 비교하여, 실내 공간의 구조와 가장 유사한 구조를 가지는 유형(610)을 선택할 수 있다.
한편 특징 정보를 이용하여 실내 공간의 유형을 획득하는 경우, 에어컨(700)의 프로세서(780)는 에어컨의 위치 및 방향까지 고려하여 실내 공간의 유형을 획득할 수 있다.
구체적으로 에어컨(700)의 메모리에는 복수의 실내 공간의 유형(610, 620, 630, 640)이 저장되어 있을 수 있다. 여기서 복수의 실내 공간의 유형(610, 620, 630, 640) 들은, 구조(면적, 경계, 형태 등), 복수의 실내 공간의 유형(610, 620, 630, 640) 내부에 배치된 가상의 에어컨의 위치 및 방향이 서로 상이할 수 있다.
그리고 실내 공간의 지도는 에어컨의 위치 및 방향에 대한 정보를 포함할 수 있다.
그리고 에어컨(700)의 프로세서(780)는, 실내 공간의 지도의 구조(면적, 경계, 형태 등), 에어컨의 위치 및 방향과, 복수의 실내 공간의 유형(610, 620, 630, 640)의 구조(면적, 경계, 형태 등), 가상의 에어컨의 위치 및 방향을 비교하여, 실내 공간의 구조 및 에어컨의 위치 및 방향과 가장 유사한 실내 공간의 유형을 선택할 수 있다.
한편 실내 공간의 유형을 획득하는 과정은, 머신 러닝에 의해서도 수행될 수 있다. 이와 관련해서는 도 7a 및 도 7b를 참고하여 설명한다.
인공 지능(artificial intelligence, AI)은 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히 현대에는 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
머신 러닝(machine learning)은 인공지능의 한 분야로, 컴퓨터에 명시적인 프로그램 없이 배울 수 있는 능력을 부여하는 연구 분야이다.
구체적으로 머신 러닝은, 경험적 데이터를 기반으로 학습을 하고 예측을 수행하고 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이라 할 수 있다. 머신 러닝의 알고리즘들은 엄격하게 정해진 정적인 프로그램 명령들을 수행하는 것이라기보다, 입력 데이터를 기반으로 예측이나 결정을 이끌어내기 위해 특정한 모델을 구축하는 방식을 취한다.
용어 ‘머신 러닝’은 용어 ‘기계 학습’과 혼용되어 사용될 수 있다.
기계 학습에서 데이터를 어떻게 분류할 것인가를 놓고, 많은 기계 학습 알고리즘이 개발되었다. 의사결정나무(Decision Tree)나 베이지안 망(Bayesian network), 서포트벡터머신(SVM: support vector machine), 그리고 인공 신경망(ANN: Artificial Neural Network) 등이 대표적이다.
의사결정나무는 의사결정규칙(Decision Rule)을 나무구조로 도표화하여 분류와 예측을 수행하는 분석방법이다.
베이지안 망은 다수의 변수들 사이의 확률적 관계(조건부독립성: conditional independence)를 그래프 구조로 표현하는 모델이다. 베이지안 망은 비지도 학습(unsupervised learning)을 통한 데이터마이닝(data mining)에 적합하다.
서포트벡터머신은 패턴인식과 자료분석을 위한 지도 학습(supervised learning)의 모델이며, 주로 분류와 회귀분석을 위해 사용한다.
인공신경망은 생물학적 뉴런의 동작원리와 뉴런간의 연결 관계를 모델링한 것으로 노드(node) 또는 처리 요소(processing element)라고 하는 다수의 뉴런들이 레이어(layer) 구조의 형태로 연결된 정보처리 시스템이다.
인공 신경망은 기계 학습에서 사용되는 모델로써, 기계학습과 인지과학에서 생물학의 신경망(동물의 중추신경계 중 특히 뇌)에서 영감을 얻은 통계학적 학습 알고리즘이다.
구체적으로 인공신경망은 시냅스(synapse)의 결합으로 네트워크를 형성한 인공 뉴런(노드)이 학습을 통해 시냅스의 결합 세기를 변화시켜, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다.
용어 인공신경망은 용어 뉴럴 네트워크(Neural Network)와 혼용되어 사용될 수 있다.
인공신경망은 복수의 레이어(layer)를 포함할 수 있고, 레이어들 각각은 복수의 뉴런(neuron)을 포함할 수 있다. 또한 인공신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다.
인공 신경망은 일반적으로 다음의 세가지 인자, 즉 (1) 다른 레이어의 뉴런들 사이의 연결 패턴 (2) 연결의 가중치를 갱신하는 학습 과정 (3) 이전 레이어로부터 수신되는 입력에 대한 가중 합으로부터 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
인공 신경망은, DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network), MLP(Multilayer Perceptron), CNN(Convolutional Neural Network)와 같은 방식의 네트워크 모델들을 포함할 수 있으나, 이에 한정되지 않는다.
본 명세서에서 용어 ‘레이어’는 용어 ‘계층’과 혼용되어 사용될 수 있다.
인공신경망은 계층 수에 따라 단층 신경망(Single-Layer Neural Networks)과 다층 신경망(Multi-Layer Neural Networks)으로 구분된다.
일반적인 단층 신경망은, 입력층과 출력층으로 구성된다.
또한 일반적인 다층 신경망은 입력층(Input Layer)과 하나 이상의 은닉층(Hidden Layer), 출력층(Output Layer)으로 구성된다.
입력층은 외부의 자료들을 받아들이는 층으로서, 입력층의 뉴런 수는 입력되는 변수의 수와 동일하며, 은닉층은 입력층과 출력층 사이에 위치하며 입력층으로부터 신호를 받아 특성을 추출하여 출력층으로 전달한다. 출력층은 은닉층으로부터 신호를 받고, 수신한 신호에 기반한 출력 값을 출력한다. 뉴런간의 입력신호는 각각의 연결강도(가중치)와 곱해진 후 합산되며 이 합이 뉴런의 임계치보다 크면 뉴런이 활성화되어 활성화 함수를 통하여 획득한 출력값을 출력한다.
한편 입력층과 출력 층 사이에 복수의 은닉층을 포함하는 심층 신경망은, 기계 학습 기술의 한 종류인 딥 러닝을 구현하는 대표적인 인공 신경망일 수 있다.
한편 용어 ‘딥 러닝’은 용어 ‘심층 학습’과 혼용되어 사용될 수 있다.
인공 신경망은 훈련 데이터(training data)를 이용하여 학습(training)될 수 있다. 여기서 학습이란, 입력 데이터를 분류(classification)하거나 회귀분석(regression)하거나 군집화(clustering)하는 등의 목적을 달성하기 위하여, 학습 데이터를 이용하여 인공 신경망의 파라미터(parameter)를 결정하는 과정을 의미할 수 있다. 인공 신경망의 파라미터의 대표적인 예시로써, 시냅스에 부여되는 가중치(weight)나 뉴런에 적용되는 편향(bias)을 들 수 있다.
훈련 데이터에 의하여 학습된 인공 신경망은, 입력 데이터를 입력 데이터가 가지는 패턴에 따라 분류하거나 군집화 할 수 있다.
한편 훈련 데이터를 이용하여 학습된 인공 신경망을, 본 명세서에서는 학습 모델(a trained model)이라 명칭 할 수 있다.
다음은 인공 신경망의 학습 방식에 대하여 설명한다.
인공 신경망의 학습 방식은 크게, 지도 학습, 비 지도 학습, 준 지도 학습(Semi-Supervised Learning), 강화 학습(Reinforcement Learning)으로 분류될 수 있다.
지도 학습은 훈련 데이터로부터 하나의 함수를 유추해내기 위한 기계 학습의 한 방법이다.
그리고 이렇게 유추되는 함수 중, 연속 적인 값을 출력하는 것을 회귀분석(Regression)이라 하고, 입력 벡터의 클래스(class)를 예측하여 출력하는 것을 분류(Classification)라고 할 수 있다.
지도 학습에서는, 훈련 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시킨다.
여기서 레이블이란, 훈련 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다.
본 명세서에서는 훈련 데이터가 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과값)을 레이블 또는 레이블링 데이터(labeling data)이라 명칭 한다.
또한 본 명세서에서는, 인공 신경망의 학습을 위하여 훈련 데이터에 레이블을 설정하는 것을, 훈련 데이터에 레이블링 데이터를 레이블링(labeling) 한다고 명칭 한다.
이 경우 훈련 데이터와 훈련 데이터에 대응하는 레이블)은 하나의 트레이닝 셋(training set)을 구성하고, 인공 신경망에는 트레이닝 셋의 형태로 입력될 수 있다.
한편 훈련 데이터는 복수의 특징(feature)을 나타내고, 훈련 데이터에 레이블이 레이블링 된다는 것은 훈련 데이터가 나타내는 특징에 레이블이 달린다는 것을 의미할 수 있다. 이 경우 훈련 데이터는 입력 객체의 특징을 벡터 형태로 나타낼 수 있다.
인공 신경망은 훈련 데이터와 레이블링 데이터를 이용하여, 훈련 데이터와 레이블링 데이터의 연관 관계에 대한 함수를 유추할 수 있다. 그리고, 인공 신경망에서 유추된 함수에 대한 평가를 통해 인공 신경망의 파라미터가 결정(최적화)될 수 있다.
비 지도 학습은 기계 학습의 일종으로, 훈련 데이터에 대한 레이블이 주어지지 않는다.
구체적으로, 비 지도 학습은, 훈련 데이터 및 훈련 데이터에 대응하는 레이블의 연관 관계 보다는, 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다.
비 지도 학습의 예로는, 군집화 또는 독립 성분 분석(Independent Component Analysis)을 들 수 있다.
본 명세서에서 용어 ‘군집화’는 용어 ‘클러스터링’과 혼용되어 사용될 수 있다.
비지도 학습을 이용하는 인공 신경망의 일례로 생성적 적대 신경망(GAN: Generative Adversarial Network), 오토 인코더(AE: Autoencoder)를 들 수 있다.
생성적 적대 신경망이란, 생성기(generator)와 판별기(discriminator), 두 개의 서로 다른 인공지능이 경쟁하며 성능을 개선하는 머신 러닝 방법이다.
이 경우 생성기는 새로운 데이터를 창조하는 모형으로, 원본 데이터를 기반으로 새로운 데이터를 생성할 수 있다.
또한 판별기는 데이터의 패턴을 인식하는 모형으로, 입력된 데이터가 원본 데이터인지 또는 생성기에서 생성한 새로운 데이터인지 여부를 감별하는 역할을 수행할 수 있다.
그리고 생성기는 판별기를 속이지 못한 데이터를 입력 받아 학습하며, 판별기는 생성기로부터 속은 데이터를 입력 받아 학습할 수 있다. 이에 따라 생성기는 판별기를 최대한 잘 속이도록 진화할 수 있고, 판별기는 원본 데이터와 생성기에 의해 생성된 데이터를 잘 구분하도록 진화할 수 있다.
오토 인코더는 입력 자체를 출력으로 재현하는 것을 목표로 하는 신경망이다.
오토 인코더는 입력층, 적어도 하나의 은닉층 및 출력층을 포함한다.
이 경우 은닉 계층의 노드 수가 입력 계층의 노드 수보다 적으므로 데이터의 차원이 줄어들게 되며, 이에 따라 압축 또는 인코딩이 수행되게 된다.
또한 은닉 계층에서 출력한 데이터는 출력 계층으로 들어간다. 이 경우 출력 계층의 노드 수는 은닉 계층의 노드 수보다 많으므로, 데이터의 차원이 늘어나게 되며, 이에 따라 압축 해제 또는 디코딩이 수행되게 된다.
한편 오토 인코더는 학습을 통해 뉴런의 연결 강도를 조절함으로써 입력 데이터가 은닉층 데이터로 표현된다. 은닉층에서는 입력층보다 적은 수의 뉴런으로 정보를 표현하는데 입력 데이터를 출력으로 재현할 수 있다는 것은, 은닉층이 입력 데이터로부터 숨은 패턴을 발견하여 표현했다는 것을 의미할 수 있다.
준 지도 학습은 기계 학습의 일종으로, 레이블이 주어진 훈련 데이터와 레이블이 주어지지 않은 훈련 데이터를 모두 사용하는 학습 방법을 의미할 수 있다.
준 지도 학습의 기법 중 하나로, 레이블이 주어지지 않은 훈련 데이터의 레이블을 추론한 후 추론된 라벨을 이용하여 학습을 수행하는 기법이 있으며, 이러한 기법은 레이블링에 소요되는 비용이 큰 경우에 유용하게 사용될 수 있다.
강화 학습은, 에이전트(Agent)가 매 순간 어떤 행동을 해야 좋을지 판단할 수 있는 환경이 주어진다면, 데이터 없이 경험으로 가장 좋을 길을 찾을 수 있다는 이론이다.
강화 학습은 주로 마르코프 결정 과정(MDP: Markov Decision Process)에 의하여 수행될 수 있다.
마르코프 결정 과정을 설명하면, 첫 번째로 에이전트가 다음 행동을 하기 위해 필요한 정보들이 구성된 환경이 주어지며, 두 번째로 그 환경에서 에이전트가 어떻게 행동할지 정의하고, 세 번째로 에이전트가 무엇을 잘하면 보상(reward)를 주고 무엇을 못하면 벌점(penalty)을 줄지 정의하며, 네 번째로 미래의 보상이 최고점에 이를 때까지 반복 경험하여 최적의 정책(policy)을 도출하게 된다.
인공 신경망은 모델의 구성, 활성 함수(Activation Function), 손실 함수(Loss Function) 또는 비용 함수(Cost Function), 학습 알고리즘, 최적화 알고리즘 등에 의해 그 구조가 특정되며, 학습 전에 하이퍼파라미터(Hyperparameter)가 미리 설정되고, 이후에 학습을 통해 모델 파라미터(Model Parameter)가 설정되어 내용이 특정될 수 있다.
예컨대, 인공 신경망의 구조를 결정하는 요소에는 은닉층의 개수, 각 은닉층에 포함된 은닉 노드의 개수, 입력 특징 벡터(Input Feature Vector), 대상 특징 벡터(Target Feature Vector) 등이 포함될 수 있다.
하이퍼파라미터는 모델 파라미터의 초기값 등과 같이 학습을 위하여 초기에 설정하여야 하는 여러 파라미터들을 포함한다. 그리고, 모델 파라미터는 학습을 통하여 결정하고자 하는 여러 파라미터들을 포함한다.
예컨대, 하이퍼파라미터에는 노드 간 가중치 초기값, 노드 간 편향 초기값, 미니 배치(Mini-batch) 크기, 학습 반복 횟수, 학습률(Learning Rate) 등이 포함될 수 있다. 그리고, 모델 파라미터에는 노드 간 가중치, 노드 간 편향 등이 포함될 수 있다.
손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표(기준)로 이용될 수 있다. 인공 신경망에서 학습은 손실 함수를 줄이기 위하여 모델 파라미터들을 조작하는 과정을 의미하며, 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다.
손실 함수는 주로 평균 제곱 오차(MSE: Mean Squared Error) 또는 교차 엔트로피 오차(CEE, Cross Entropy Error)를 사용할 수 있으며, 본 발명이 이에 한정되지는 않는다.
교차 엔트로피 오차는 정답 레이블이 원 핫 인코딩(one-hot encoding)된 경우에 사용될 수 있다. 원 핫 인코딩은 정답에 해당하는 뉴런에 대하여만 정답 레이블 값을 1로, 정답이 아닌 뉴런은 정답 레이블 값이 0으로 설정하는 인코딩 방법이다.
머신 러닝 또는 딥 러닝에서는 손실 함수를 최소화하기 위하여 학습 최적화 알고리즘을 이용할 수 있으며, 학습 최적화 알고리즘에는 경사 하강법(GD: Gradient Descent), 확률적 경사 하강법(SGD: Stochastic Gradient Descent), 모멘텀(Momentum), NAG(Nesterov Accelerate Gradient), Adagrad, AdaDelta, RMSProp, Adam, Nadam 등이 있다.
경사 하강법은 현재 상태에서 손실 함수의 기울기를 고려하여 손실 함수값을 줄이는 방향으로 모델 파라미터를 조정하는 기법이다.
모델 파라미터를 조정하는 방향은 스텝(step) 방향, 조정하는 크기는 스텝 사이즈(size)라고 칭한다.
이때, 스텝 사이즈는 학습률을 의미할 수 있다.
경사 하강법은 손실 함수를 각 모델 파라미터들로 편미분하여 기울기를 획득하고, 모델 파라미터들을 획득한 기울기 방향으로 학습률만큼 변경하여 갱신할 수 있다.
확률적 경사 하강법은 학습 데이터를 미니 배치로 나누고, 각 미니 배치마다 경사 하강법을 수행하여 경사 하강의 빈도를 높인 기법이다.
Adagrad, AdaDelta 및 RMSProp는 SGD에서 스텝 사이즈를 조절하여 최적화 정확도를 높이는 기법이다. SGD에서 모멘텀 및 NAG는 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Adam은 모멘텀과 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다. Nadam은 NAG와 RMSProp를 조합하여 스텝 사이즈와 스텝 방향을 조절하여 최적화 정확도를 높이는 기법이다.
인공 신경망의 학습 속도와 정확도는 인공 신경망의 구조와 학습 최적화 알고리즘의 종류뿐만 아니라, 하이퍼파라미터에 크게 좌우되는 특징이 있다. 따라서, 좋은 학습 모델을 획득하기 위하여는 적당한 인공 신경망의 구조와 학습 알고리즘을 결정하는 것뿐만 아니라, 적당한 하이퍼파라미터를 설정하는 것이 중요하다.
통상적으로 하이퍼파라미터는 실험적으로 다양한 값으로 설정해가며 인공 신경망을 학습시켜보고, 학습 결과 안정적인 학습 속도와 정확도를 제공하는 최적의 값으로 설정한다.
한편 인공 신경망의 트레이닝은 에어컨(700)뿐만 아니라 별도의 트레이닝 장치에 의해 수행될 수도 있다.
이 경우 트레이닝 장치는, 앞서 설명한 다양한 학습 기법을 이용하여 인공 신경망(650)을 반복적으로 학습시킴으로써, 인공 신경망(650)의 최적화된 모델 파라미터들을 결정할 수 있다
본 명세서에서는 훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
이때, 학습 모델은 인공 신경망의 트레이닝 장치에 탑재된 상태에서 결과 값을 추론할 수도 있으며, 에어컨(700)에 탑재될 수도 있다.
한편 인공 신경망(650)은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 인공 신경망(650)의 일부 또는 전부가 소프트웨어로 구현되는 경우, 인공 신경망(650)을 구성하는 하나 이상의 명령어는 에어컨(700)의 메모리(770)에 저장될 수 있다.
또한, 학습 모델이 업데이트되는 경우, 업데이트된 학습 모델은 에어컨(700)에 전송되어 탑재될 수 있다.
한편 지도 학습에 기반하여 뉴럴 네트워크를 트레이닝 하는 방법에 대하여 설명한다.
본 발명에서는 무빙 에이전트가 수집한 센싱 정보를 이용하여 생성된 지도가 훈련 데이터로 사용될 수 있으며, 실내 공간의 유형이 레이블로써 지도와 함께 뉴럴 네트워크에 입력될 수 있다.
구체적으로 트레이닝 장치는 무빙 에이전트가 수집한 센싱 정보를 이용하여 생성된 지도 및 지도에 대응하는 실내 공간의 유형을 이용하여 뉴럴 네트워크를 트레이닝 할 수 있다.
예를 들어 특정 구조를 가지는 A 유형의 실내 공간에서 수집된 센싱 정보를 이용하여 A 지도를 생성하였다고 가정한다. 이 경우 트레이닝 장치는 A 지도 및 A 지도에 레이블링 된 A 유형을 이용하여 뉴럴 네트워크를 트레이닝 할 수 있다.
이와 같은 방식으로, 다양한 지도 및 실내 공간의 유형이 훈련 데이터로써 뉴럴 네트워크에 입력될 수 있다.
이 경우 트레이닝 장치는 지도 학습을 이용하여 뉴럴 네트워크를 반복적으로 트레이닝 할 수 있다.
이 경우 뉴럴 네트워크는 지도 및 지도에 대응하는 실내 공간의 유형의 연관 관계에 대한 함수를 유추할 수 있다. 또한 뉴럴 네트워크는 유추된 함수에 대한 평가를 통해 뉴럴 네트워크의 파라미터를 결정(최적화) 할 수 있다.
이에 따라 트레이닝 된 뉴럴 네트워크는 새로운 입력 데이터(지도)가 수신되면 새로운 입력 데이터(지도)를 유형에 따라 분류(classification)할 수 있다.
다음은 비 지도 학습에 기반하여 뉴럴 네트워크를 트레이닝 하는 방법에 대하여 설명한다.
비 지도 학습은 훈련 데이터 자체에서 패턴을 찾아 분류하도록 인공 신경망을 학습시키는 학습 방법일 수 있다. 그리고 클러스터링은 인공 신경망에서 획득된 특징 벡터들을 유한 개의 클러스터로 군집하는 과정을 의미할 수 있다.
트레이닝 장치는 다양한 지도를 훈련 데이터로 이용하여 유사한 구조를 가지는 지도들이 하나의 군집을 형성하도록 뉴럴 네트워크를 트레이닝 할 수 있다.
그리고 군집은 복수 개 존재할 수 있으며, 하나의 군집은 실내 공간의 특정 유형을 나타낼 수 있다. 예를 들어 제1 군집은 A 유형의 실내 공간에 대응할 수 있으며, 제2 군집은 B 유형의 실내 공간에 대응할 수 있다.
이에 따라 트레이닝 된 뉴럴 네트워크는 새로운 입력 데이터(지도)가 수신되면 새로운 입력 데이터(지도)를 유형에 따라 클러스터링 할 수 있다.
한편 훈련 데이터로 사용되는 지도는 에어컨의 위치 및 방향에 대한 정보를 포함할 수 있다.
훈련 데이터를 이용하여 학습됨으로써 파라미터가 결정된 인공 신경망을 학습 모델 또는 학습된 모델(a trained model)이라 칭할 수 있다.
그리고 본 명세서에서 설명하는 학습 모델은, 무빙 에이전트에서 획득되는 특징 정보를 이용하여 트레이닝 된 뉴럴 네트워크를 의미할 수 있다.
한편 학습 모델은 에어컨(700)에 탑재될 수 있다.
그리고 학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우, 학습 모델을 구성하는 하나 이상의 명령어는 에어컨(700)의 메모리(770)에 저장될 수 있다.
한편 에어컨(700)의 프로세서(780)는 특징 정보를 이용하여 실내 공간의 유형을 획득할 수 있다.
구체적으로 프로세서(780)는 무빙 에이전트가 수집한 센싱 정보를 이용하여 생성된 지도를 학습 모델에 입력할 수 있다.
그리고 특징 정보를 입력 받은 학습 모델이 실내 공간의 유형을 출력(분류(classification) 또는 군집화(clustering))함에 따라, 무빙 에이전트와 에어컨이 위치하는 실내 공간의 유형을 획득할 수 있다.
예를 들어 도 7a 및 7b에서 도시하는 바와 같이, 학습 모델(650)은 실내 공간(530)의 지도를 입력 받고, 실내 공간(530)의 지도를 실내 공간(530)의 구조와 가장 가까운 거리의 유형(610)으로 클러스터링 할 수 있다.
한편 도 6 내지 도 7에서 설명한 실내 공간의 유형을 결정하는 방식은 서버에 의해서도 수행될 수 있다.
구체적으로 에어컨(700)의 프로세서는 통신부를 통하여 서버와 통신할 수 있다.
그리고 에어컨의 프로세서는 서버에 특징 정보를 수신할 수 있다.
이 경우 서버는 특징 정보를 이용하여 실내 공간의 유형을 획득할 수 있다. 이 경우 에어컨이 실내 공간의 유형을 획득하는 방식이 서버에도 적용될 수 있다.
예를 들어 서버는 복수의 실내 공간의 유형이 저장된 메모리를 포함할 수 있다. 그리고 서버의 프로세서는 실내 공간의 지도의 구조와 복수의 실내 공간의 유형의 구조를 비교하여, 실내 공간의 구조와 가장 유사한 구조를 가지는 유형을 선택할 수 있다.
다른 예를 들어, 서버에는 학습 모델이 탑재될 수 있다. 그리고 서버의 프로세서는 특징 정보를 학습 모델에 입력함으로써 실내 공간의 유형을 획득할 수 있다.
한편 실내 공간의 유형이 획득되면, 서버는 실내 공간의 유형을 에어컨(700)에 전송할 수 있다.
한편 에어컨(700)의 메모리에는 복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보가 저장될 수 있다.
그리고 에어컨(700)의 프로세서는 복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보 중 실내 공간의 유형에 대응하는 냉방 정보를 이용하여 냉방을 제어할 수 있다.
냉방 정보는, 실내 공간의 구조에 대응하여, 실내 공간 내 온도를 목표 온도에 빠르게 도달하도록 하기 위한 공기 조화기의 설정 값일 수 있다.
구체적으로 에어컨에서 토출된 공기는 실내 공간을 순환하게 되는데, 실내 공간을 순환하는 방식은 실내 공간의 구조마다 상이하다. 따라서 실내 공간을 냉방하는데 가장 좋은 에어컨의 설정 값은 실내 공간의 구조마다 상이할 수 있다.
따라서 복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보는, 해당하는 실내 공간의 유형에서 최적의 냉방을 수행할 수 있도록 하는 에어컨의 설정 값일 수 있다.
아래 표 1에서는 냉방 정보, 즉 에어컨의 설정 값의 예시를 기재하였다.
풍량 풍향 설정 온도
유형 A 최대 상하: 120도좌우: 150도 24도
유형 B 대 상하: 90도좌우: 105도 26도
유형 C 중 상하: 80도좌우: 70도 25도
유형 D 소 상하: 110도좌우: 90도 27도
즉 냉방 정보는, 에어컨의 풍량, 풍향 및 설정 온도 중 적어도 하나를 포함할 수 있다.
표 1에서는 에어컨의 설정 온도가 특정 값인 것으로 설명하였다. 다만 이에 한정되지 않으며 에어컨의 설정 온도는 목표 온도와의 차이로 나타내어 질 수 있다.
예를 들어 냉방 정보에 포함되는 설정 온도는, 목표 온도 -2도일 수 있다. 이 경우 사용자가 목표 온도로써 26도를 설정하면, 에어컨에서 토출되는 공기의 설정 온도는 24도가 될 수 있다.
한편 실내 공간의 유형에 대응하는 냉방 정보는 미리 결정되어 메모리에 저장될 수 있다.
예를 들어 유형 A에서의 최적의 에어컨의 설정 값이 무엇인지가 실제 실험, 시뮬레이션, 강화 학습 기반의 뉴럴 네트워크, 순환 신경망(Recurrent Neural Network, RNN) 알고리즘 등을 통하여 결정될 수 있다. 그리고 유형 A에서의 최적의 에어컨의 설정 값은 유형 A에 대응하는 냉방 정보로써 메모리에 저장될 수 있다.
한편 냉방 정보는 다양한 목적을 달성하도록 설정될 수 있다. 이는 도 8 내지 도 10b를 참고하여 설명한다.
도 8 내지 도 10b는 다양한 목적에 따른 냉방 정보를 설명하기 위한 도면이다.
도 8을 참고하면 냉방 정보는, 실내 공간의 구조에 대응하여 실내 공간 내 주요 냉방 구역의 온도를 실내 공간 내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 에어컨의 설정 값일 수 있다.
구체적으로 빗금친 영역(430)은 주로 가족들이 모여 앉아 뜨거운 음식을 먹는 식탁이 놓이는 자리로써, 냉방이 잘 수행되어야 할 필요성이 있다. 이와 같은 영역을 주요 냉방 구역이라 명칭할 수 있다.
그리고 냉방 정보는, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의하여 다른 구역보다 주요 냉방 구역에 더 잘 도달하여, 주요 냉방 구역의 온도를 다른 구역의 온도보다 더 빠르게 낮출 수 있는 에어컨의 설정 값일 수 있다.
그리고 에어컨(700)이 냉방 정보에 따라 동작하는 경우(예를 들어 화살표(811)와 같은 풍량 및 풍향으로 공기를 토출)의 주요 냉방 구역의 온도는, 에어컨(700)이 냉방 정보와 관계 없이 동작하는 경우(예를 들어 화살표(711)와 같은 풍량 및 풍향으로 공기를 토출)의 주요 냉방 구역의 온도보다 낮을 수 있다.
한편 에어컨(700)의 프로세서(780)는 실내 공간의 유형을 이용하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절할 수 있다.
구체적으로 프로세서(780)는 복수의 냉방 정보 중 실내 공간의 유형에 대응하는 냉방 정보(에어컨의 설정 값)에 따라, 에어컨의 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절할 수 있다.
그리고 프로세서(780)는 에어컨의 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하기 위하여, 압축기, 팬모터 및 베인 모터 중 적어도 하나의 동작을 제어할 수 있다.
예컨대, 프로세서(780)는 냉방 정보 중 설정 온도에 기초하여 압축기(740)의 동작을 제어할 수 있다. 그리고 압축기(740)의 동작이 제어 됨에 따라 에어컨(780)의 설정 온도가 조절될 수 있다. 이 경우 조절되는 설정 온도는 냉방 정보에 포함되는 설정 온도와 동일할 수 있다.
또한 프로세서(780)는 냉방 정보 중 풍량에 기초하여 팬모터(750)의 동작을 제어할 수 있다. 그리고 팬모터(750)의 동작이 제어 됨에 따라 에어컨(780)의 풍량이 조절될 수 있다. 이 경우 조절되는 풍량은 냉방 정보에 포함되는 풍량에 대한 정보와 동일할 수 있다.
또한 프로세서(780)는 냉방 정보 중 풍향에 기초하여 베인 모터의 동작을 제어할 수 있다. 그리고 베인 모터의 동작이 제어 됨에 따라 에어컨(780)의 풍향이 조절될 수 있다. 이 경우 조절되는 풍향은 냉방 정보에 포함되는 풍향에 대한 정보와 동일할 수 있다.
한편 도 9를 참고하면 냉방 정보는, 실내 공간의 구조에 대응하여 실내 공간의 평균 온도를 목표 온도에 빠르게 도달하도록 하기 위한 에어컨의 설정 값일 수 있다.
구체적으로 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(440)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
따라서 빗금친 영역(440)의 온도가 높아지게 되어, 실내 공간 전체의 평균 온도는 잘 낮아지지 않는 문제가 발생할 수 있다.
따라서 냉방 정보는, 에어컨(700)에서 토출된 공기가 순환됨에 따라 실내 공간 전체의 평균 온도를 가장 빨리 낮출 수 있는 에어컨의 설정 정보일 수 있다.
예를 들어 에어컨(700)이 냉방 정보에 따라 동작하는 경우(예를 들어 화살표(911)와 같은 풍량 및 풍향으로 공기를 토출)의 실내 공간의 평균 온도는, 에어컨(700)이 냉방 정보와 관계 없이 동작하는 경우(예를 들어 화살표(711)와 같은 풍량 및 풍향으로 공기를 토출)의 실내 공간의 평균 온도보다 낮을 수 있다.
한편 냉방 정보는, 실내 공간의 구조에 대응하여 실내 공간 내 냉방 취약 구역의 온도와 실내 공간 내 다른 구역의 온도의 차이를 줄이기 위한 에어컨의 설정 값일 수 있다.
구체적으로 도 10a를 참고하면, 실내 공간(거실 및 주방)은 좌측이 복도식으로 길쭉한 형태이다.
그리고 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(410)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
또한 도 10b에 따르면, 실내 공간은 주방이 위로 돌출된 형태이다.
그리고 에어컨(700)이 설치되는 일반적인 위치, 에어컨(700)에서 토출된 공기가 향하는 일반적인 방향(711)(예를 들어 정면 방향) 및 에어컨(700)과의 거리를 고려했을 때, 빗금칙 영역(420)(주방)으로는 에어컨(700)에서 토출된 공기가 잘 가지 않게 된다.
이와 같이 실내 공간의 구조 때문에, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의해 잘 도달하지 않는 영역을 냉방 취약 구역이라 명칭할 수 있다.
그리고 냉방 취약 구역은, 에어컨(700)에서 토출된 공기가 잘 도달하지 않기 때문에, 에어컨(700)의 냉방 운전 시 다른 영역에 비하여 온도가 더 높을 수 있다.
그리고 냉방 정보는, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의하여 다른 구역보다 냉방 취약 구역에 더 잘 도달하여, 냉방 취약 구역의 온도를 다른 구역의 온도보다 더 빠르게 낮출 수 있는 에어컨의 설정 값일 수 있다.
이에 따라 에어컨(700)이 냉방 정보에 따라 동작하는 경우(예를 들어 화살표(1011, 1021)와 같은 풍량 및 풍향으로 공기를 토출)의 냉방 취약 구역(410, 420)의 온도와 다른 구역과의 온도 차이는, 에어컨(700)이 냉방 정보와 관계 없이 동작하는 경우(예를 들어 화살표(711)와 같은 풍량 및 풍향으로 공기를 토출)의 냉방 취약 구역(410, 420)의 온도와 다른 구역과의 온도 차이보다 작을 수 있다.
한편 앞서 살펴본 바와 같이, 실내 공간의 구조와 에어컨의 위치에 의해, 실내 공간의 공기의 온도가 균일하게 냉방되지 않을 수 있다.
그리고 냉방 정보는, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의하여 실내 공간 내 복수의 구역에 골고루 도달하여, 실내 공간 전체의 공기의 온도를 균일하게 할 수 있는 에어컨의 설정 값일 수 있다.
이에 따라 에어컨(700)이 냉방 정보에 따라 동작하는 경우의 실내 공간 내 복수의 구역 간의 온도 차이는, 에어컨(700)이 냉방 정보와 관계 없이 동작하는 경우의 복수의 구역 간의 온도 차이 보다 작을 수 있다.
한편 냉방 정보는 서버에 의해 제공될 수 있다.
구체적으로, 에어컨(700)의 프로세서(780)는 실내 공간의 유형을 서버에 전송할 수 있다.
한편 서버에 포함되는 메모리에는 복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보가 저장될 수 있다.
그리고 서버가 특징 정보를 이용하여 실내 공간의 유형을 획득한 경우, 또는 서버가 에어컨(700)으로부터 실내 공간의 유형을 수신한 경우, 서버는 실내 공간의 유형에 대응하는 냉방 정보를 에어컨(700)에 전송할 수 있다.
한편 도 11은, 실내 공간에 포함되는 복수의 구역에 각각 대응하는 복수의 냉방 정보를 설명하기 위한 도면이다.
도 11a를 참고하면, 특정 유형의 실내 공간에 대응하는 냉방 정보는, 특정 유형의 실내 공간에 포함되는 복수의 구역(1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, 1122)에 각각 대응하는 복수의 냉방 정보를 포함할 수 있다. 여기서 복수의 구역에 각각 대응하는 복수의 냉방 정보는, 복수의 구역에 각각 대응하는 복수의 구역 냉방 정보라는 용어와 혼용되어 사용될 수 있다.
여기서 복수의 냉방 정보는, 실내 공간의 구조에 대응하여, 실내 공간 내 해당하는 구역의 온도를 빠르게 낮추도록 하기 위한 공기 조화기의 설정 값일 수 있다.
구체적으로 실내 공간을 냉방하는데 가장 좋은 에어컨의 설정 값은 구역 별로 상이할 수 있다.
따라서 실내 공간에 포함되는 복수의 구역(1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, 1122)에 각각 대응하는 복수의 냉방 정보는, 해당하는 구역에서 최적의 냉방을 수행할 수 있도록 하는 에어컨의 설정 값일 수 있다.
예를 들어 A 유형의 냉방 정보는 제1 내지 제12 냉방 정보를 포함할 수 있다.
여기서 제1 냉방 정보는, A 유형의 실내 공간에 포함되는 제1 구역(1111)의 온도를 다른 구역(제2 구역 내지 제 12구역(1112 내지 1122)) 중 어느 하나의 온도보다 더 빠르게 낮추도록 하기 위한 에어컨의 설정 값일 수 있다.
한편 도 11b를 참고하면, 에어컨(700)의 프로세서는 입력부를 통하여 구역(1151)을 설정하는 입력을 수신할 수 있다.
그리고 에어컨(700)의 프로세서는 입력에 의해 설정된 구역에 대한 집중 냉방을 수행할 수 있다.
구체적으로, 에어컨(700)의 프로세서는, 복수의 구역(1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, 1122)에 각각 대응하는 복수의 냉방 정보 중, 사용자에 의해 설정된 구역(1151)에 대응하는 냉방 정보를 획득할 수 있다.
예를 들어 에어컨(700)의 프로세서는, 복수의 구역(1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, 1122)의 위치와 사용자에 의해 설정된 구역(1151)의 위치를 비교할 수 있다.
그리고 에어컨(700)의 프로세서는, 복수의 구역(1111, 1112, 1113, 1114, 1115, 1116, 1117, 1118, 1119, 1120, 1121, 1122) 중 사용자에 의해 설정된 구역(1151)에 가장 가까운 제7 구역(1117)을 획득할 수 있다. 그리고 에어컨(700)의 프로세서는, 제7 구역(1117)에 대응하는 냉방 정보를 획득할 수 있다.
즉 제 7 구역(1117)에 대응하는 냉방 정보는, 실내 공간의 구조에 대응하여, 실내 공간 내 사용자에 의해 설정된 구역(1151)의 온도를 실내 공간 내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 에어컨의 설정 값일 수 있다.
이에 따라 에어컨(700)이 제 7 구역(1117)에 대응하는 냉방 정보에 따라 동작하는 경우, 제 7 구역(1117)의 온도와 다른 구역과의 온도 차이는, 에어컨(700)이 냉방 정보와 관계 없이 동작하는 경우의 제 7 구역(1117)의 온도와 다른 구역과의 온도 차이보다 작을 수 있다.
한편 특정 유형의 실내 공간의 복수의 구역에 각각 대응하는 복수의 냉방 정보는 미리 결정되어 메모리에 저장될 수 있다.
실내 공간의 구조는 매우 다양하기 때문에, 최적화된 냉방 방법은 실내 공간의 구조에 따라 상이할 수 있다. 다만 본 발명에 따르면 실내 공간의 구조를 고려하여 최적의 냉방을 수행할 수 있는 장점이 있다.
또한 최근에는 로봇 청소기나, 공항, 쇼핑몰, 박물관 등에 배치되는 청소 로봇, 안내 로봇 등과 같은 무빙 에이전트의 활용도가 높아져 있다. 그리고 본 발명에 따르면, 무빙 에이전트를 이용하여 실내 공간의 구조를 용이하게 파악한 후 최적의 냉방을 수행할 수 있는 장점이 있다.
또한 본 발명에 따르면, 다양한 목적에 부합하도록 최적의 냉방을 수행할 수 있다.
예를 들어 본 발명에 따르면, 냉방 취약 구역에 대한 최적화 된 냉방을 수행하여, 에어컨의 동작에도 불구하고 온도가 잘 내려가지 않는 구역에 대하여 실내 공간의 구조를 고려한 최적화된 냉방을 수행할 수 있다.
또 다른 예를 들어 본 발명에 따르면, 주요 냉방 구역에 대한 최적화된 냉방을 수행하여, 사람이 자주 또는 오랫동안 위치하는 구역에 대하여 실내 공간의 구조를 고려한 최적화 된 냉방을 수행할 수 있다.
또 다른 예를 들어 본 발명에 따르면, 실내 공간의 구조를 고려하여, 실내 공간 전체의 평균 온도를 목표 온도에 가장 빠르게 도달하도록 할 수 있다.
또 다른 예를 들어 본 발명에 따르면, 실내 공간의 구조를 고려하여, 실내 공간의 여러 구역의 온도를 최대한 균일하게 유지하도록 냉방을 수행할 수 있다.
한편 도 12 내지 도 17을 참고하여 본 발명의 제2 실시 예를 설명한다. 여기서 제2 실시 예는 실내 공간의 유형 및 상황 정보에 따라 최적의 냉방을 수행하는 방법에 관한 것이다.
도 12는 본 발명의 제2 실시 예에 따른, 에어컨의 동작 방법을 설명하기 위한 도면이다.
본 발명의 실시 예에 따른 에어컨의 동작 방법은, 무빙 에이전트에 의해 수집된 실내 공간의 구조와 관련된 특징 정보를 수신하는 단계(S1210), 수신된 특징 정보를 이용하여 실내 공간의 유형을 획득하는 단계(S1220), 무빙 에이전트에 의해 수집된, 구역 별 온도 정보, 구성원의 체온 정보 및 발열 정보 중 적어도 하나를 포함하는 상황 정보를 수신하는 단계(S1230) 및 실내 공간의 유형 및 상황 정보를 이용하여 에어컨의 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는 단계(S1240)를 포함할 수 있다.
여기서 상황 정보는 구역 별 온도 정보를 포함할 수 있다. 구체적으로 에어컨 및 무빙 에이전트가 위치하는 실내 공간은 복수의 구역을 포함할 수 있다.
이 경우 무빙 에이전트는 실내 공간 내 복수의 구역 각각의 온도를 감지하여 에어컨(700)에 전송할 수 있다.
또한 상황 정보는 구성원의 체온 정보를 포함할 수 있다. 구체적으로 무빙 에이전트는 열 감지 센서를 이용하여 사용자의 체온을 감지하여 에어컨(700)에 전송할 수 있다. 이 경우 체온 정보는 구성원의 체온 및 구성원의 위치를 포함할 수 있다.
또한 상황 정보는 발열 정보를 포함할 수 있다.
구체적으로 무빙 에이전트의 제어부는, 센서부(150)에 포함되는 다양한 센서를 이용하여 열이 발생되는 상황을 감지할 수 있다.
예를 들어 가스 레인지의 불이 켜진 경우, 무빙 에이전트의 제어부는 소리, 온도, 카메라로 촬영되는 영상 등을 통하여 특정 위치에서 열이 발생되고 있음을 나타내는 발열 정보를 획득하고, 획득된 발열 정보를 에어컨(700)에 전송할 수 있다.
한편 에어컨(700)의 프로세서는 상황 정보를 수신하고, 수신된 상황 정보에 기초하여 집중 냉방을 수행할 특정 구역을 결정할 수 있다. 여기서 집중 냉방을 수행할 특정 구역이란, 상황 정보에 따라 냉방의 레벨을 높혀야 하는 구역을 의미할 수 있다.
이하에서는 도 13 내지 도 15를 참고하여, 특정 구역을 결정하는 방법을 살핀다.
도 13 내지 도 15는 집중 냉방을 수행할 특정 구역을 결정하는 방법을 설명하기 위한 도면이다.
특정 구역은, 실내 공간 내에서 온도가 가장 높은 구역일 수 있다.
구체적으로 도 13을 참고하면, 실내 공간은 복수의 구역(1 내지 12)으로 구분될 수 있다. 그리고 무빙 에이전트는 복수의 구역(1 내지 12)의 온도를 감지하여 에어컨(700)에 전송할 수 있다.
그리고 에어컨의 프로세서는 실내 공간 내의 복수의 구역 중 온도가 가장 높은 구역을 특정 구역으로 결정할 수 있다.
예를 들어 실내 공간 내의 복수의 구역(1 내지 12) 중 제2 구역(2)의 온도가 가장 높은 경우, 에어컨의 프로세서는 제2 구역을 집중 냉방을 수행할 특정 구역으로 설정할 수 있다.
한편 복수의 구역 중 온도가 가장 높은 구역은 복수 개 존재할 수 있다. 예를 들어 제1 구역(1)과 제2 구역(2)의 온도가 동일할 수 있다.
이 경우 에어컨의 프로세서는 온도가 가장 높은 복수의 구역(1, 2) 중 어느 하나의 구역을 특정 구역으로 설정할 수 있다.
한편 특정 구역은, 실내 공간 내에서 목표 온도에 도달하지 못한 구역일 수 있다.
구체적으로 도 14를 참고하면, 실내 공간은 제1 온도(26도)의 제1 구역(1), 제2 온도(24도)의 제2 구역(2), 제3 온도(25도)의 제3 구역(3)으로 구분될 수 있다.
그리고 에어컨의 프로세서는 실내 공간 내의 복수의 구역 중 목표 온도에 도달하지 못한 구역을 특정 구역으로 결정할 수 있다.
한편 목표 온도에 도달하지 못한 구역은 복수 개 존재할 수 있다. 예를 들어 목표 온도가 24도인 경우, 제1 구역(1)과 제3 구역(3)은 목표 온도에 도달하지 못한 상태이다.
이 경우 에어컨의 프로세서는 목표 온도에 도달하지 못한 복수의 구역(1, 3) 중 어느 하나의 구역을 특정 구역으로 설정할 수 있다.
다른 예로써, 에어컨의 프로세서는 목표 온도에 도달하지 못한 복수의 구역 중 온도가 더 높은 구역(1)을 특정 구역으로 설정할 수 있다.
한편 도 15를 참고하면, 특정 구역은, 체온이 기 설정된 값 보다 높은 사용자가 위치하는 구역일 수 있다. 여기서 기 설정된 값이란, 사용자의 평상시의 체온을 의미할 수 있다.
한편 사용자의 체온은 기 설정된 값보다 높아질 수 있다. 사용자가 운동을 하는 것이 그 예이다.
이 경우 에어컨의 프로세서는 체온이 기 설정된 값 보다 높은 사용자가 위치하는 구역(1520)을 측정 구역으로 설정할 수 있다.
한편 도 15를 참고하면, 특정 구역은 발열 정보가 나타내는 구역일 수 있다.
예를 들어 가스레인지의 불이 켜진 경우, 무빙 에이전트의 제어부는 특정 위치에서 열이 발생되고 있음을 나타내는 발열 정보를 에어컨(700)에 전송할 수 있다.
이 경우 에어컨의 프로세서는 발열 정보가 나타내는 구역(1510)을 특정 구역으로 설정할 수 있다.
한편 에어컨(700)의 프로세서는, 복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보 중 실내 공간의 유형에 대응하는 냉방 정보를 획득할 수 있다.
또한 에어컨(700)의 프로세서는 상기 실내 공간의 유형에 대응하는 냉방 정보에 포함되는 복수의 구역 냉방 정보 중 특정 구역에 대응하는 구역 냉방 정보를 획득할 수 있다.
예를 들어 에어컨(700)의 프로세서는, 복수의 구역의 위치와 특정 구역의 위치를 비교할 수 있다. 그리고 에어컨(700)의 프로세서는, 복수의 구역 중 특정 구역과 겹치거나 가장 가까운 구역을 획득할 수 있다. 그리고 에어컨(700)의 프로세서는, 획득한 구역에 대응하는 구역 냉방 정보를 획득할 수 있다.
한편 에어컨(700)의 프로세서는 특정 구역에 대응하는 구역 냉방 정보를 이용하여 에어컨의 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절할 수 있다.
한편 특정 구역에 대응하는 구역 냉방 정보는, 실내 공간의 구조에 대응하여 실내 공간 내 특정 구역의 온도를 실내 공간 내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 에어컨의 설정 값일 수 있다.
이와 관련해서는 도 16을 참고하여 설명한다.
도 16a는 집중 냉방을 수행하기 전의 구역별 온도를 도시한 도면이고, 도 16b는 집중 냉방을 수행한 이후의 구역별 온도를 도시한 도면이다.
특정 구역(제2 구역(2))에 대한 집중 냉방이 수행된 경우, 제2 구역(2)의 온도는 실내 공간 내 다른 구역의 온도보다 더 빠르게 낮아질 수 있다.
여기서 실내 공간 내 다른 구역의 온도는, 실내 공간의 복수의 다른 구역(1, 3-12) 중 임의의 구역의 온도를 의미할 수 있다.
또한 실내 공간 내 다른 구역의 온도는, 실내 공간의 복수의 다른 구역(1, 3-12) 중 기 설정된 구역의 온도를 의미할 수 있다.
또한 실내 공간 내 다른 구역의 온도는, 실내 공간의 복수의 다른 구역(1, 3-12)의 평균 온도를 의미할 수 있다.
이와 같이 특정 구역에 대응하는 구역 냉방 정보는, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의하여 다른 구역보다 특정 구역에 더 잘 도달하여, 특정 구역의 온도를 다른 구역의 온도보다 더 빠르게 낮출 수 있는 에어컨의 설정 값일 수 있다.
이에 따라 에어컨(700)이 특정 구역에 대응하는 구역 냉방 정보에 따라 동작하는 경우의 특정 구역의 온도는, 에어컨(700)이 특정 구역에 대응하는 구역 냉방 정보와 관계 없이 동작하는 경우의 특정 구역의 온도보다 더 빨리 낮아질 수 있다.
한편 특정 구역이 결정되면, 에어컨(700)의 프로세서는 결정된 특정 구역에 대한 정보를 메모리에 저장할 수 있다.
그리고 에어컨의 다음 동작 시, 에어컨(700)의 프로세서는 메모리에 저장된 특정 구역에 대한 정보에 기초하여, 특정 구역에 대한 집중 냉방을 수행할 수 있다.
이 경우, 에어컨의 다음 동작 시, 무빙 에이전트의 동작 없이도, 에어컨(700)의 프로세서는 특정 구역에 대한 집중 냉방을 수행할 수 있다.
실내 공간의 구조 때문에, 상습적으로 냉방이 취약한 구역이 존재할 수 있다. 예를 들어 앞서 설명한 냉방 취약 구역의 경우에는, 에어컨이 냉방을 할 때마다 다른 구역보다 온도가 높을 수 있다.
그리고 본 발명에 따르면, 무빙 에이전트를 이용하여 냉방 취약 구역을 파악하고 메모리에 냉방 취약 구역에 대한 정보를 저장함으로써, 이후에는 무빙 에이전트의 동작 없이도 냉방 취약 구역에 대한 집중 냉방을 수행할 수 있는 장점이 있다.
한편 에어컨(700)의 프로세서는, 실내 공간의 온도의 균일도에 기초하여, 냉방 정보를 이용한 냉방을 수행할 수 있다.
구체적으로 에어컨(700)의 프로세서는, 상황 정보에 기초하여 실내 공간의 온도의 균일도를 획득할 수 있다. 더욱 구체적으로, 에어컨의 프로세서는 복수의 구역의 온도 들의 편차에 기초하여 실내 공간의 온도의 균일도를 획득할 수 있다.
그리고 균일도가 기 설정된 값 보다 낮은 경우, 에어컨(700)의 프로세서는 실내 공간의 유형에 대응하는 냉방 정보를 이용하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절할 수 있다.
여기서 실내 공간의 유형에 대응하는 냉방 정보는, 실내 공간의 구조에 대응하여, 실내 공간의 공기의 온도를 균일하게 하기 위한 에어컨의 설정 값일 수 있다.
즉 실내 공간의 유형에 대응하는 냉방 정보는, 그리고 냉방 정보는, 에어컨(700)에서 토출된 공기가 직사 또는 대류에 의하여 실내 공간 내 복수의 구역에 골고루 도달하여, 실내 공간 전체의 공기의 온도를 균일하게 할 수 있는 에어컨의 설정 값일 수 있다.
실내 공간의 상황을 고려하여 집중 냉방을 수행할 영역을 결정할 필요가 있다. 다만 실내에서 발생하는 다양한 상황을 고려하기 위해서는 다수의 센서가 필요하며, 이는 비용을 증가시키는 문제를 야기시킨다.
다만 본 발명에 따르면, 무빙 에이전트를 이용하여 실내 공간의 상황을 용이하게 파악한 후 집중 냉방이 필요한 영역을 결정하고, 실내 공간의 구조까지 고려하여 최적의 냉방을 수행할 수 있는 장점이 있다.
도 17은 본 발명의 실시 예에 따른, 냉방 정보의 보정 방법을 설명하기 위한 도면이다.
에어컨(700)의 프로세서(780)는 특징 정보에 기초하여 실내 공간 내 에어컨의 위치 및 방향 중 적어도 하나를 획득할 수 있다.
구체적으로 무빙 에이전트로부터 수신되는 또는 프로세서(780)가 생성하는 지도에는, 에어컨의 위치 및 방향 중 적어도 하나에 대한 정보가 포함될 수 있다.
도 17a에서는 실제 실내 공간에 대응하는 실내 공간의 특정 유형을 도시하였다. 그리고 특정 유형에 대응하는 냉방 정보는, 에어컨(1710)의 위치 및 방향(1711)을 특정 위치 및 방향으로 가정하여 생성될 수 있다.
한편 도 17b에서는, 에어컨 및 무빙 에이전트가 배치되는 실제 실내 공간을 도시하였다. 그리고 실제 실내 공간에서의 에어컨(1720)의 위치 및 방향(1721)은, 도 17a의 특정 유형에서의 에어컨(1710)의 위치 및 방향(1711)과 상이할 수 있다.
따라서 프로세서(780)는 에어컨(1720)의 위치 및 방향(1721) 중 적어도 하나에 기초하여 실내 공간의 유형에 대응하는 냉방 정보를 보정할 수 있다.
구체적으로 프로세서(780)는 실내 공간에서의 에어컨(1720)의 위치 및 방향(1721) 중 적어도 하나와, 실내 공간에 대응하는 특정 유형에서의 에어컨(1710)의 위치 및 방향(1711) 중 적어도 하나를 비교하여, 냉방 정보를 보정할 수 있다.
에어컨이 실제로 설치되는 위치 및 방향은 매우 다양할 수 있다. 다만 본 발명에 따르면 냉방 정보의 보정을 통하여, 다양한 설치 위치 및 방향에도 불구하고 정확한 냉방 정보를 적용하여 냉방을 수행할 수 있는 장점이 있다.
한편 에어컨(700)의 동작이 시작되면, 에어컨(700)의 프로세서(780)는, 무빙 에이전트에 상황 정보 수집 명령을 전송할 수 있다.
그리고 상황 정보 수집 명령이 수신되면, 무빙 에이전트는 실내 공간을 이동하며 상황 정보를 수집할 수 있다.
이와 같이 본 발명에 따르면, 에어컨(700)가 동작을 시작하는 경우 무빙 에이전트도 동작함으로써, 냉방이 수행되는 도중 실내 공간의 상황 정보를 수집할 수 있는 장점이 있다.
한편 에어컨(700)을 이용한 실내 공간의 유형 및 냉방 정보의 획득 방법은 무빙 에이전트에서도 구현될 수 있다.
예를 들어 무빙 에이전트는, 적어도 하나의 구동 모터를 포함하는 주행 구동부, 실내 공간에 배치된 에어컨과 통신하는 통신부, 실내 공간의 구조와 관련된 특징 정보와, 구역 별 온도 정보, 사용자의 체온 정보 및 발열 정보 중 적어도 하나를 포함하는 상황 정보를 획득하는 센서부, 및, 특징 정보를 이용하여 실내 공간의 유형을 획득하고, 실내 공간의 유형 및 상황 정보를 이용하여 냉방 정보를 획득하고, 냉방 정보를 에어컨으로 전송하는 프로세서를 포함할 수 있다.
전술한 본 발명은, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 서버의 프로세서(180)를 포함할 수도 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다.

Claims (20)

  1. 실내 공간에 배치되는 에어컨에 있어서,
    압축기;
    흡입구 및 토출구를 포함하는 케이싱;
    상기 케이싱의 내부에 설치되어, 공기를 송풍하는 팬모터;
    상기 토출구에 움직임 가능하게 제공되는 토출 베인;
    상기 토출 베인을 동작시키는 베인 모터;
    상기 실내 공간을 이동하는 무빙 에이전트와 통신하는 통신부; 및
    상기 무빙 에이전트에 의해 획득된 상기 실내 공간의 구조와 관련된 특징 정보를 수신하고, 상기 특징 정보를 이용하여 상기 실내 공간의 유형을 획득하고,
    상기 실내 공간의 유형을 이용하여 상기 압축기, 상기 팬모터 및 상기 베인 모터 중 적어도 하나의 동작을 제어하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는 프로세서;를 포함하는
    에어컨.
  2. 제 1항에 있어서,
    상기 프로세서는,
    복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보 중 상기 실내 공간의 유형에 대응하는 냉방 정보를 이용하여, 상기 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하고,
    에어컨.
  3. 제 2항에 있어서,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간 내 주요 냉방 구역의 온도를 상기 실내 공간내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 상기 에어컨의 설정 값인
    에어컨.
  4. 제 2항에 있어서,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간의 평균 온도를 목표 온도에 빠르게 도달하도록 하기 위한 상기 에어컨의 설정 값인
    에어컨.
  5. 제 2항에 있어서,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간 내 냉방 취약 구역의 온도와 다른 구역의 온도의 차이를 줄이기 위한 상기 에어컨의 설정 값인
    에어컨.
  6. 제 2항에 있어서,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간 내 사용자에 의해 설정된 구역의 온도를 상기 실내 공간 내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 상기 에어컨의 설정 값인
    에어컨.
  7. 제 2항에 있어서,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간의 공기의 온도를 균일하게 하기 위한 에어컨의 설정 값인
    에어컨.
  8. 제 1항에 있어서,
    상기 프로세서는,
    상기 무빙 에이전트에 의해 수집된, 구역 별 온도 정보, 사용자의 체온 정보 및 발열 정보 중 적어도 하나를 포함하는 상황 정보를 수신하고,
    상기 실내 공간의 유형 및 상기 상황 정보를 이용하여 상기 압축기, 상기 팬모터 및 상기 베인 모터 중 적어도 하나의 동작을 제어하여 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는
    에어컨.
  9. 제 8항에 있어서,
    상기 프로세서는,
    상기 상황 정보에 기초하여 집중 냉방을 수행할 특정 구역을 결정하는
    에어컨.
  10. 제 9항에 있어서,
    상기 특정 구역은,
    상기 실내 공간 내에서 온도가 가장 높은 구역인
    에어컨.
  11. 제 9항에 있어서,
    상기 특정 구역은,
    상기 실내 공간 내에서 목표 온도에 도달하지 못한 구역인
    에어컨.
  12. 제 9항에 있어서,
    상기 특정 구역은,
    체온이 기 설정된 값 보다 높은 사용자가 위치하는 구역 또는 상기 발열 정보가 나타내는 구역인
    에어컨.
  13. 제 9항에 있어서,
    상기 프로세서는,
    복수의 실내 공간의 유형에 각각 대응하는 복수의 냉방 정보 중 상기 실내 공간의 유형에 대응하는 냉방 정보를 획득하고,
    상기 실내 공간의 유형에 대응하는 냉방 정보에 포함되는 복수의 구역 냉방 정보 중 상기 특정 구역에 대응하는 구역 냉방 정보를 획득하고,
    상기 특정 구역에 대응하는 구역 냉방 정보를 이용하여 상기 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하는
    에어컨.
  14. 제 13항에 있어서,
    상기 특정 구역에 대응하는 구역 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간 내 상기 특정 구역의 온도를 상기 실내 공간내 다른 구역의 온도보다 더 빠르게 낮추도록 하기 위한 상기 에어컨의 설정 값인
    에어컨.
  15. 제 8항에 있어서,
    상기 프로세서는,
    상기 상황 정보에 기초하여 상기 실내 공간의 온도의 균일도를 획득하고,
    상기 균일도가 기 설정된 값 보다 낮은 경우, 상기 실내 공간의 유형에 대응하는 냉방 정보를 이용하여 상기 설정 온도, 풍량 및 풍향 중 적어도 하나를 조절하고,
    상기 실내 공간의 유형에 대응하는 냉방 정보는,
    상기 실내 공간의 구조에 대응하여, 상기 실내 공간의 공기의 온도를 균일하게 하기 위한 에어컨의 설정 값인
    에어컨.
  16. 제 9항에 있어서,
    상기 프로세서는,
    상기 결정된 특정 구역에 대한 정보를 메모리에 저장하고,
    상기 에어컨의 다음 동작 시, 상기 저장된 특정 구역에 대한 정보에 기초하여 상기 특정 구역에 대한 집중 냉방을 수행하는
    에어컨.
  17. 제 9항에 있어서,
    상기 프로세서는,
    상기 에어컨의 동작이 시작되면, 상기 무빙 에이전트에 상황 정보 수집 명령을 전송하는
    에어컨.
  18. 제 1항에 있어서,
    상기 무빙 에이전트는,
    로봇 청소기인
    에어컨.
  19. 제 2항에 있어서,
    상기 프로세서는,
    상기 특징 정보에 기초하여 상기 실내 공간 내 상기 에어컨의 위치 및 방향 중 적어도 하나를 획득하고, 상기 에어컨의 위치 및 방향 중 적어도 하나에 기초하여 상기 실내 공간의 유형에 대응하는 냉방 정보를 보정하는
    에어컨.
  20. 실내 공간을 이동하는 무빙 에이전트에 있어서,
    적어도 하나의 구동 모터를 포함하는 주행 구동부;
    상기 실내 공간에 배치된 에어컨과 통신하는 통신부;
    상기 실내 공간의 구조와 관련된 특징 정보와, 구역 별 온도 정보, 사용자의 체온 정보 및 발열 정보 중 적어도 하나를 포함하는 상황 정보를 획득하는 센서부; 및
    상기 특징 정보를 이용하여 상기 실내 공간의 유형을 획득하고, 상기 실내 공간의 유형 및 상기 상황 정보를 이용하여 냉방 정보를 획득하고, 상기 냉방 정보를 상기 에어컨으로 전송하는 프로세서를 포함하는
    무빙 에이전트.
PCT/KR2019/003244 2019-03-20 2019-03-20 에어컨 WO2019151845A2 (ko)

Priority Applications (3)

Application Number Priority Date Filing Date Title
PCT/KR2019/003244 WO2019151845A2 (ko) 2019-03-20 2019-03-20 에어컨
US16/499,069 US11649980B2 (en) 2019-03-20 2019-03-20 Air conditioner communicating with moving agent to sense indoor space
KR1020190094087A KR102641580B1 (ko) 2019-03-20 2019-08-01 에어컨

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2019/003244 WO2019151845A2 (ko) 2019-03-20 2019-03-20 에어컨

Publications (2)

Publication Number Publication Date
WO2019151845A2 true WO2019151845A2 (ko) 2019-08-08
WO2019151845A3 WO2019151845A3 (ko) 2020-02-06

Family

ID=67478352

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2019/003244 WO2019151845A2 (ko) 2019-03-20 2019-03-20 에어컨

Country Status (3)

Country Link
US (1) US11649980B2 (ko)
KR (1) KR102641580B1 (ko)
WO (1) WO2019151845A2 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112303765A (zh) * 2020-11-05 2021-02-02 青岛海信日立空调系统有限公司 一种空调器和控制方法

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6849028B2 (ja) * 2019-08-23 2021-03-24 ダイキン工業株式会社 空調制御システム、空気調和機、および、機械学習装置
KR102705313B1 (ko) * 2019-08-27 2024-09-10 엘지전자 주식회사 Xr 디바이스 및 그 제어 방법
KR102655375B1 (ko) * 2019-09-19 2024-04-04 엘지전자 주식회사 냉방 또는 난방 관리가 가능한 전자기기 및 이의 제어 방법
US20210355621A1 (en) * 2020-05-15 2021-11-18 Sarbjit S. PARHAR Artificial intelligent washer system
KR102337666B1 (ko) * 2020-09-02 2021-12-09 차형근 무선 온도 측정기 및 이를 구비한 냉난방기 온도 제어 시스템
US20240035697A1 (en) * 2020-12-09 2024-02-01 Johnson Controls Tyco IP Holdings LLP Air quality control system with mobile sensors
CN114484747B (zh) * 2021-12-25 2024-05-28 浙江大华技术股份有限公司 一种送风方法、送风系统及相关装置
KR102558090B1 (ko) * 2021-12-29 2023-07-24 한국전자기술연구원 실내 재실자를 인식하여 공조기를 제어하는 공조기 제어장치
KR102586664B1 (ko) * 2022-11-22 2023-10-10 한국전자기술연구원 실내 최적 냉난방 설정온도 추론 방법 및 시스템

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006317075A (ja) * 2005-05-12 2006-11-24 Daikin Ind Ltd 空調制御システム
JP2007147217A (ja) * 2005-11-30 2007-06-14 Advanced Telecommunication Research Institute International ロボット
KR20090087366A (ko) * 2008-02-12 2009-08-17 엘지전자 주식회사 공기조화기 및 그 제어방법
KR20140132854A (ko) 2013-05-08 2014-11-19 엘지전자 주식회사 공기조화장치
KR20150122969A (ko) 2014-04-24 2015-11-03 엘지전자 주식회사 공기조화기를 제어하기 위한 원격 제어장치
KR102434798B1 (ko) * 2015-12-31 2022-08-22 엘지전자 주식회사 공기조화 제어시스템
KR20180017771A (ko) 2016-08-11 2018-02-21 엘지전자 주식회사 공기조화기 및 그 제어방법
TWI677314B (zh) * 2017-12-29 2019-11-21 技嘉科技股份有限公司 移動裝置及其控制方法、遠端控制系統及電腦程式產品
KR102385263B1 (ko) * 2018-01-04 2022-04-12 삼성전자주식회사 이동형 홈 로봇 및 이동형 홈 로봇의 제어 방법
US10866007B2 (en) * 2019-01-11 2020-12-15 Johnson Controls Technology Company Cascaded indoor air quality and outdoor air flow economizer system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112303765A (zh) * 2020-11-05 2021-02-02 青岛海信日立空调系统有限公司 一种空调器和控制方法
CN112303765B (zh) * 2020-11-05 2023-11-21 青岛海信日立空调系统有限公司 一种空调器和控制方法

Also Published As

Publication number Publication date
US20200041156A1 (en) 2020-02-06
US11649980B2 (en) 2023-05-16
KR20190098101A (ko) 2019-08-21
KR102641580B1 (ko) 2024-02-29
WO2019151845A3 (ko) 2020-02-06

Similar Documents

Publication Publication Date Title
WO2019151845A2 (ko) 에어컨
WO2019151846A2 (ko) 공기 청정기
WO2018097574A1 (ko) 이동 로봇 및 그 제어방법
WO2018038553A1 (ko) 이동 로봇 및 그 제어방법
WO2021010757A1 (en) Mobile robot and control method thereof
WO2020204221A1 (ko) 공기 조화기
WO2020196962A1 (ko) 인공 지능 청소기 및 그의 동작 방법
WO2020218632A1 (ko) 인공지능 장치
WO2020218652A1 (ko) 공기 청정기
WO2020197297A1 (en) Mobile robot and method of controlling the same
WO2018139796A1 (ko) 이동 로봇 및 그의 제어 방법
WO2020213750A1 (ko) 객체를 인식하는 인공 지능 장치 및 그 방법
AU2019262468B2 (en) A plurality of robot cleaner and a controlling method for the same
WO2017188706A1 (ko) 이동 로봇 및 이동 로봇의 제어방법
WO2021020621A1 (ko) 인공지능 무빙 에이전트
WO2017188800A1 (ko) 이동 로봇 및 그 제어방법
WO2019212240A1 (en) A plurality of robot cleaner and a controlling method for the same
AU2020244635B2 (en) Mobile robot control method
WO2022075614A1 (ko) 이동 로봇 시스템
WO2021172932A1 (en) Moving robots and method for controlling the same
WO2019168323A1 (ko) 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치
WO2022075610A1 (ko) 이동 로봇 시스템
WO2022075615A1 (ko) 이동 로봇 시스템
WO2021006553A1 (en) Moving robot and control method thereof
WO2021006406A1 (ko) 인공지능 기반의 공기조화기

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19748016

Country of ref document: EP

Kind code of ref document: A2