WO2022035054A1 - 로봇 및 이의 제어 방법 - Google Patents

로봇 및 이의 제어 방법 Download PDF

Info

Publication number
WO2022035054A1
WO2022035054A1 PCT/KR2021/008435 KR2021008435W WO2022035054A1 WO 2022035054 A1 WO2022035054 A1 WO 2022035054A1 KR 2021008435 W KR2021008435 W KR 2021008435W WO 2022035054 A1 WO2022035054 A1 WO 2022035054A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
information
map
robot
image
Prior art date
Application number
PCT/KR2021/008435
Other languages
English (en)
French (fr)
Inventor
주재용
Original Assignee
삼성전자주식회사
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 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to EP21856061.3A priority Critical patent/EP4186650A4/en
Publication of WO2022035054A1 publication Critical patent/WO2022035054A1/ko
Priority to US18/109,025 priority patent/US20230195113A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
    • B25J9/1697—Vision controlled systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B25J19/021—Optical sensing devices
    • B25J19/023—Optical sensing devices including video camera means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1679—Programme controls characterised by the tasks executed
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
    • G05D1/0016—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement characterised by the operator's input device
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
    • G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G06T7/579—Depth or shape recovery from multiple images from motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/40—Robotics, robotics mapping to robotics vision
    • G05B2219/40411—Robot assists human in non-industrial environment like home or office
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/45—Nc applications
    • G05B2219/45084—Service robot
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G06T2207/30201—Face

Definitions

  • the present disclosure relates to a robot and a control method thereof, and more particularly, to a robot and a control method thereof for identifying an object that a user is gazing at in an image captured by the robot.
  • the object the user gazes at must also be included in the image, and when the object the user gazes at is not included in the image, it is difficult to identify the object.
  • the present disclosure has been devised to solve the above problems, and the present disclosure provides a robot capable of identifying an object the user is gazing at by using an image captured by the user and map information corresponding to the environment in which the robot operates, and An object of the present invention is to provide a method for controlling the same.
  • a method for controlling a robot comprising: acquiring an image photographed by a user; analyzing the image to obtain first information about the user's location and the user's gaze direction; obtaining matching information for matching the first information on a map corresponding to an environment in which the robot operates, based on the photographing location and the photographing direction of the image; obtaining second information on the location of the user on the map and the gaze direction based on the matching information and the first information; and inputting the second information into an artificial intelligence model trained to identify an object on the map, and identifying an object corresponding to the user's gaze direction on the map.
  • the identifying of the first information may include: identifying a region corresponding to the user's head in the image; identifying the location of the user based on the identified area; and identifying the gaze direction based on a head pose in the identified region.
  • the obtaining of the matching information includes identifying information about the position and direction of the robot when capturing the image on the map through a SLAM (Simultaneous Localization and Mapping) method, thereby obtaining the matching information can be
  • the obtaining of the second information further includes obtaining input data by mapping the second information on a grid map corresponding to the map, wherein the identifying the object includes: inputting data into the artificial intelligence model to identify coordinates corresponding to the object on the grid map; and identifying an object corresponding to the user's gaze direction on the map based on the identified coordinates.
  • the artificial intelligence model uses data on the coordinates corresponding to the object on the grid map as output data, and binary data is displayed on the grid map based on a direction from one coordinate on the grid map to the object.
  • the artificial intelligence model may be learned by using the mapped first input data as input data.
  • the artificial intelligence model uses data on the coordinates corresponding to the object on the grid map as output data, and is obtained based on an image captured by a user looking at the object in an environment in which the robot operates. It may be characterized in that the artificial intelligence model is learned by using the second input data as input data.
  • the object is not included in the image.
  • a robot a memory for storing at least one instruction; a camera for photographing a user; and a processor connected to the memory and the camera and controlling the robot, wherein the processor executes the at least one instruction to obtain an image of the user through the camera, and to analyze the image Obtaining first information about the user's location and the user's gaze direction, and matching the first information on a map corresponding to the environment in which the robot operates based on the photographing location and the photographing direction of the image an artificial learned to acquire matching information for, acquire second information about the location of the user and the gaze direction on the map based on the matching information and the first information, and identify an object on the map By inputting the second information to an intelligent model, an object corresponding to the gaze direction of the user is identified on the map.
  • the processor identifies a region corresponding to the user's head in the image, identifies a location of the user based on the identified region, and performs a head pose in the identified region Based on the , the gaze direction may be identified.
  • the processor obtains the matching information by identifying information about the position and direction of the robot when capturing the image on the map through a SLAM (Simultaneous Localization and Mapping) method. .
  • SLAM Simultaneous Localization and Mapping
  • the processor obtains input data by mapping the second information on a grid map corresponding to the map, and inputs the input data into the artificial intelligence model, and coordinates corresponding to the object on the grid map and identifying an object corresponding to the gaze direction of the user on the map based on the identified coordinates.
  • the artificial intelligence model uses data on the coordinates corresponding to the object on the grid map as output data, and binary data is displayed on the grid map based on a direction from one coordinate on the grid map to the object.
  • the artificial intelligence model may be learned by using the mapped first input data as input data.
  • the artificial intelligence model uses data on the coordinates corresponding to the object on the grid map as output data, and is obtained based on an image captured by a user looking at the object in an environment in which the robot operates. It may be characterized in that the artificial intelligence model is learned by using the second input data as input data.
  • FIG. 1 is a block diagram illustrating a configuration of a robot according to an embodiment of the present disclosure.
  • 2A is a diagram illustrating an image captured by a robot through a camera of a user.
  • FIG. 2B is a diagram in which information about a user's top and a user's gaze direction in an image is displayed on a virtual top-view map based on a robot.
  • 3A is a diagram illustrating a photographing position and photographing direction of a robot on a map corresponding to an environment in which the robot operates.
  • 3B is a diagram illustrating a user's location and a user's gaze direction in an image on a map corresponding to an environment in which the robot operates.
  • 4A is a diagram illustrating location coordinates and a gaze direction corresponding to one user on a grid map.
  • 4B is a diagram illustrating position coordinates and gaze directions corresponding to two users on a grid map.
  • 5A is a diagram for explaining a method for generating input data of an artificial intelligence model, according to an embodiment of the present disclosure.
  • 5B is a diagram for explaining input data of an artificial intelligence model, according to an embodiment of the present disclosure.
  • 6A is a diagram for explaining a method of obtaining output data by inputting input data into a learned artificial intelligence model.
  • 6B is a diagram for explaining a method of obtaining output data by inputting input data into a learned artificial intelligence model.
  • FIG. 7 is a diagram for explaining a method for identifying an object corresponding to a user's gaze direction on a map.
  • FIG. 8 is a diagram for describing learning data for learning an artificial intelligence model, according to an embodiment of the present disclosure.
  • 9A is a diagram for describing a method of identifying an object using a direction corresponding to a user's hand, according to an embodiment of the present disclosure.
  • 9B is a diagram for describing a method of identifying an object using a direction corresponding to a user's hand, according to an embodiment of the present disclosure.
  • 9C is a diagram for explaining a method of identifying an object using a direction corresponding to a user's hand, according to an embodiment of the present disclosure.
  • FIG. 10 is a flowchart illustrating a method for controlling a robot according to the present disclosure.
  • FIG. 11 is a block diagram illustrating a detailed configuration of a robot according to an embodiment of the present disclosure.
  • the robot 100 may determine positions of a plurality of objects photographed through the camera 120 .
  • the robot 100 may include a memory 110 , a camera 120 , and a processor 130 .
  • the robot 100 may be implemented as various types of electronic devices capable of autonomously driving.
  • the memory 110 may store various programs and data necessary for the operation of the robot 100 . Specifically, at least one instruction may be stored in the memory 110 .
  • the processor 130 may perform the operation of the robot 100 by executing a command stored in the memory 110 .
  • the camera 120 may photograph an environment in which the robot 100 operates while the robot 100 is traveling.
  • the robot 100 may capture an image including a user's face through the camera 120 .
  • the processor 130 may control hardware or software components connected to the processor 140 by driving an operating system or an application program, and may perform various data processing and operations.
  • the processor 140 may load and process commands or data received from at least one of the other components into the volatile memory, and store various data in the nonvolatile memory.
  • the processor 130 may provide a gaze object identification function for identifying the object the user is gazing at. That is, through the gaze object identification function, the robot 100 may identify the object the user is gazing at from among a plurality of objects existing in the environment in which the robot 100 operates.
  • a gaze object identification function may be implemented through a plurality of modules 1100 to 1500 included in the processor 130 .
  • a plurality of modules for implementing the gaze object identification function may be included in the robot 100 , but this is only an exemplary embodiment, and at least some of the modules for implementing the gaze object identification function may be included in the external server.
  • the plurality of modules 1100 to 1500 may be located in the processor 130 , but the present invention is not limited thereto, and the plurality of modules 1100 to 1500 may be located in the memory 110 .
  • the processor 130 loads the plurality of modules 1100 to 1500 from the non-volatile memory to the volatile memory, and the plurality of modules 1100 to 1 1500) can be executed.
  • Loading refers to an operation of loading and storing data stored in the nonvolatile memory into the volatile memory so that the processor 130 can access it.
  • the image acquisition module 1100 is configured for the robot 100 to acquire an image captured by the user through the camera 120 .
  • the image acquisition module 1100 may acquire an image of the user through the camera 120 as shown in FIG. 2A .
  • FIG. 2A is an image in which the robot 100 captures the user through the camera 120 .
  • the present invention is not limited thereto, and the image acquisition module 1100 may obtain an image captured by a plurality of users.
  • an object corresponding to the user's gaze direction may not be included in the image captured by the robot 100 .
  • the command corresponding to the object may be a voice command for instructing the robot 100 to a task corresponding to the object, such as 'this is it' or 'bring that one'.
  • the command corresponding to the object may be a user's voice command.
  • the present invention is not limited thereto, and the command corresponding to the object may include various user commands, such as a command using the user's smartphone.
  • the image acquisition module 1100 acquires an image captured by the user when a command corresponding to an object is detected, but the present invention is not limited thereto. As an embodiment, when a user is detected within the viewing angle of the robot 100 , the image acquisition module 1100 may acquire an image of the user.
  • the image analysis module 1200 is configured to identify the first information about the user's location and the user's gaze direction in the image acquired through the image acquisition module 1100 .
  • the image analysis module 1200 may identify a region corresponding to the user's head in the image. As an embodiment, the image analysis module 1200 may identify the region 5 corresponding to the user's head in the image of FIG. 2A .
  • the image analysis module 1200 may identify a region corresponding to the user's head in the image through a vision sensor (eg, an RGB sensor or an RGB-D sensor). That is, the image analysis module 1200 may acquire a B-Box (Bounding Box) area corresponding to the user's head in the image through the object detection method.
  • the object detection method identifies whether an object exists in a grid at regular intervals in an image, and identifies the area where the object exists as a B-Box area.
  • the image analysis module 1200 may acquire pixel regions corresponding to the user's head in the image through the semantic segmentation method.
  • the semantic segmentation method classifies all pixels in an image into a specific class, and classifies an area where an object is located in units of pixels.
  • the image analysis module 1200 may obtain information about the user's location and the user's gaze direction based on the identified region.
  • Information on the user's gaze direction may be obtained based on a direction in which a user's head is directed in an image or a user's eye gaze direction in an image.
  • FIG. 2B is a diagram in which information about a user's location 20 and a user's gaze direction 20-1 in an image with respect to the robot 100 is displayed on a virtual top-view map.
  • the image analysis module 1200 may acquire information about the user's position and the user's gaze direction with respect to the robot 100 as shown in FIG. 2B .
  • the location identification module 1300 is configured to identify a photographing location and a photographing direction in which the robot 100 captures an image on a map corresponding to an environment in which the robot operates.
  • the robot 100 may acquire a map corresponding to the environment in which the robot 100 operates by using a SLAM (Simultaneous Localization and Mapping) method using a lidar sensor or a vision SLAM method using a camera.
  • SLAM Simultaneous Localization and mapping
  • SLAM is a technology for estimating a map of a space and a current location of an electronic device that can navigate around while moving in an arbitrary space.
  • the robot 100 may generate a map corresponding to the environment in which the robot 100 operates, but is not limited thereto.
  • the robot 100 may receive a map corresponding to an environment in which the robot 100 operates from an external server and store it in the memory 110 .
  • 3A is a diagram illustrating a photographing position and a photographing direction of a robot on a map 300 corresponding to an environment in which the robot operates.
  • the location identification module 1300 may obtain matching information based on the photographing location 10 and the photographing direction 10-1 where the robot 100 captures an image on the obtained map, as shown in FIG. 3A .
  • the photographing direction 10 - 1 in which the robot 100 captures an image may be a direction in which the center of the viewing angle of the camera 120 when the robot 100 captures an image is directed.
  • the photographing direction 10 - 1 in which the robot 100 captures the image may be a front direction when the robot 100 captures the image.
  • the matching information is information for matching the first information on the map, and may include information on a photographing location and a photographing direction in which the robot 100 captures an image on the map.
  • the location identification module 1300 identifies information about the location and direction of the robot 100 when shooting an image on the map 300 through the SLAM (Simultaneous Localization and Mapping) method, thereby obtaining matching information. there is.
  • SLAM Simultaneous Localization and Mapping
  • the information conversion module 1400 performs information (first information) and Based on the information (matching information) about the position and direction of the robot 100 when capturing an image on the map 300 , second information about the user's position and the user's gaze direction on the map may be obtained. .
  • the information conversion module 1400 is configured to convert the first information about the user's location and the user's gaze direction obtained with respect to the robot 100 into second information on the map.
  • FIG. 3B is a diagram illustrating a user's location 30 and a user's gaze direction 30-1 in an image on a map corresponding to an environment in which the robot 100 operates.
  • the information conversion module 1400 may obtain second information about the location 30 and the gaze direction 30 - 1 of the user on the map based on the first information and the matching information.
  • the eye direction (20-1) of the i-th user with respect to the robot 100 is defined as ⁇ L i , and (x G r ,y) which is the photographing position (10) of the robot 100 on the map 300 .
  • the information conversion module 1400 uses the matching information for ⁇ L i , which is the gaze direction 20-1 based on the robot 100 of the i-th user, to map ( 300), which can be converted into ⁇ G i , which is the gaze direction 30 - 1 .
  • a formula for converting ⁇ L i into ⁇ G i is the same as Equation (2).
  • the location coordinates p t i of the location user on the grid map may be coordinates corresponding to 30 of FIG. 4A .
  • the grid map is a map in which an area on the map corresponding to the environment in which the robot 100 operates is converted into a two-dimensional grid of S U XS V size.
  • S U represents the number of grids on the x-axis of the grid map
  • S V represents the number of grids on the y-axis of the grid map.
  • the size of one grid may be 5 cm, but is not limited thereto.
  • the location coordinate p t i represents the location coordinate of the i-th user at time t on the grid map.
  • the boundary area range may be a range corresponding to the entire area of the map corresponding to the environment in which the robot 100 operates.
  • the present invention is not limited thereto, and the boundary area range may be a range corresponding to a space (eg, living room) in which the user is located on the map.
  • the information conversion module 1400 is the user's gaze direction ⁇ on the grid map G i ) can be mapped.
  • the user's gaze direction ⁇ G i on the grid map may be a direction corresponding to 30-1 of FIG. 4A .
  • 4A and 4B are diagrams illustrating position coordinates and a gaze direction corresponding to a user on a grid map.
  • FIG. 4A is a diagram illustrating location coordinates (30,p t i ) corresponding to the user's location (X G i ) on the map and the user's gaze direction (30-1, ⁇ G i ) on the grid map.
  • the information conversion module 1400 uses information about the mapped grid map to , can generate input data.
  • FIG. 4A shows that the location coordinates and the gaze direction corresponding to one user are matched on the grid map 400
  • the present disclosure is not limited thereto, and the location coordinates corresponding to each of a plurality of users and a plurality of A gaze direction for each user may be matched on the grid map 400 . That is, when two users are included in the image captured by the robot 100, the information conversion module 1400 displays the position coordinates 30 and 40 of each of the two users on the grid map 400 as shown in FIG. 4B. and gaze directions 30 - 1 and 40 - 1 for each of the two users may be matched.
  • FIG. 5A is a diagram for explaining a method for generating input data of an artificial intelligence model, according to an embodiment of the present disclosure
  • FIG. 5B is a diagram illustrating input data of an artificial intelligence model, according to an embodiment of the present disclosure. It is a drawing for
  • the information conversion module 1400 uses the location coordinates 30 mapped on the grid map as shown in FIG. 4A and the gaze direction 30-1 of the user to input data for input to the artificial intelligence model as shown in FIG. 5B. can create
  • the artificial intelligence model according to the present disclosure may be an artificial intelligence model trained to identify an object on a map corresponding to an environment in which the robot 100 operates, and a method for learning the artificial intelligence model will be described later with reference to FIG. 8 . .
  • the information conversion module 1400 is the user's gaze direction (30-1, ⁇ G i ) and location coordinates (30,p t i ) mapped on the grid map within a preset angle (eg, 20 degrees) Grid coordinates can be identified.
  • the user's gaze direction (30-1, ⁇ G i ) and location coordinates (30,p t i ) based on the location coordinates (30,p t i ) on the grid map 400 are
  • the angle ⁇ 400-1 between the directions of the first grid coordinates 400-1 may be less than or equal to a preset angle (eg, 20 degrees).
  • the second grid coordinates based on the user's gaze direction (30-1, ⁇ G i ) and the position coordinates (30,p t i ) based on the location coordinates (30,p t i ) may exceed a preset angle (eg, 20 degrees).
  • the information conversion module 1400 maps to '1' for the first grid coordinates 400-1 on the grid map, and maps to '0' for the second grid coordinates 400-2 (not shown). ) can do.
  • the information conversion module 1400 may generate the input data 500 having binary data as shown in FIG. 5B by performing the above-described mapping process for all grid coordinates on the grid map.
  • the object identification module 1500 may input the input data 500 into the learned artificial intelligence model to identify an object corresponding to the user's gaze direction on the map.
  • the object identification module 1500 is configured to identify an object corresponding to the user's gaze direction on the map.
  • the object identification module 1500 may obtain the output data by inputting the input data to the learned artificial intelligence model 600 .
  • the artificial intelligence model 600 is a model for generating output data in which probability values for each of grid coordinates in which an object is predicted to exist are displayed on a grid map.
  • the output data is data in the form of a heat map in which the probability that the object corresponding to the user's gaze direction is predicted to exist in each grid coordinate on the grid map is displayed for each grid coordinate.
  • the artificial intelligence model 600 may be implemented as a convolutional encoder/decoder network.
  • the convolutional encoder/decoder network can be implemented with Mean-2D-Enc, 2D-Enc, 3D-Enc, and 3D/2D U-Net structures.
  • the artificial intelligence model 600 is the first input data on which labeling is performed based on the direction from one coordinate on the grid map to the first object and/or looking at the first object in the environment in which the robot operates. Learning is carried out by using the second input data obtained based on the image taken by the user as input data, and data in which the probability values of the grid coordinates corresponding to the first object are displayed on the grid map as output data. can be performed. A specific method for learning the artificial intelligence model 600 will be described later with reference to FIG. 8 .
  • 6A and 6B are diagrams for explaining a method of obtaining output data by inputting input data into the learned artificial intelligence model 600 .
  • the object identification module 1500 inputs input data 600-1 generated based on an image photographed by one user into the artificial intelligence model 600, to each of the grid coordinates on the grid map.
  • output data 650-1 in the form of a heat map indicating a probability value where the object is expected to be located may be obtained. That is, the output data 650-1 of FIG. 6A indicates that an object corresponding to the gaze direction of the user may exist on the grid map based on the second information corresponding to the image captured by one user as shown in FIG. 4A. It may be output data in which an expected probability value is indicated in each grid coordinate.
  • the object identification module 1500 inputs input data 600 - 2 generated based on images captured by two users into the artificial intelligence model 600 , Output data 650 - 2 having a probability value may be obtained. That is, the output data 650-2 of FIG. 6B shows the gaze direction of each of the two users with respect to each grid coordinate on the grid map, based on the second information corresponding to the image captured by the two users as shown in FIG. 4B . It may be output data indicating a probability value at which two objects corresponding to n are expected to be located.
  • the object identification module 1500 uses the output data 750 and the map 300 corresponding to the environment in which the robot 100 operates, as shown in FIG. 7 , the map 300
  • the object 70 - 1 corresponding to the user's gaze direction may be identified.
  • 7 is a diagram for explaining a method for identifying an object 70 - 1 corresponding to a user's gaze direction on the map 300 .
  • the object identification module 1500 may identify the estimated coordinates of the object corresponding to the user's gaze direction by using the output data 750 obtained through the artificial intelligence model. Specifically, the object identification module 1500 may identify the estimated coordinates by obtaining local maximum points with respect to the output data 750 using a peak detection technique. That is, the object identification module 1500 may identify a grid coordinate corresponding to a local maximum in a function of each probability value of grid coordinates on the output data 750 as the estimated coordinates.
  • the object identification module 1500 may identify object coordinates of each of at least one object included on the map 300 . In addition, the object identification module 1500 may compare at least one object coordinate with the estimated coordinates to identify the coordinates corresponding to the estimated coordinates and the closest object 70 - 1 . In addition, the object 70-1 corresponding to the coordinates of the identified object may be identified as an object corresponding to the user's gaze direction.
  • Functions related to artificial intelligence according to the present disclosure are operated through the processor 130 and the memory 110 .
  • the processor 130 may include one or a plurality of processors.
  • processors are general-purpose processors such as CPUs and APs, GPUs. It may be a graphics-only processor, such as a VPU, or an artificial intelligence-only processor, such as an NPU.
  • One or more processors control to process input data according to predefined operation rules or artificial intelligence models stored in the memory.
  • a predefined action rule or artificial intelligence model is characterized by being created through learning.
  • a predefined operation rule or artificial intelligence model of a desired characteristic is created by applying a learning algorithm to a plurality of learning data.
  • Such learning may be performed in the device itself on which artificial intelligence according to the present disclosure is performed, or may be performed through a separate server/system.
  • the artificial intelligence model may be composed of a plurality of neural network layers. Each layer has a plurality of weight values, and the layer operation is performed through the operation of the previous layer and the operation of the plurality of weights.
  • Examples of neural networks include Convolutional Neural Network (CNN), Deep Neural Network (DNN), Recurrent Neural Network (RNN), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), Bidirectional Recurrent Deep Neural Network (BRDNN), and deep There is a Q-network (Deep Q-Networks), and the neural network in the present disclosure is not limited to the above-described example, except as otherwise specified.
  • the learning algorithm is a method of training a predetermined target device (eg, a robot) using a plurality of learning data so that the predetermined target device can make a decision or make a prediction by itself.
  • Examples of the learning algorithm include supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, and the learning algorithm in the present disclosure is specified when It is not limited to the above example except for.
  • FIG. 8 is a diagram for describing learning data for learning an artificial intelligence model, according to an embodiment of the present disclosure.
  • the artificial intelligence model 800 uses a plurality of input training data 800-1 to 800-N as input data, and uses one output training data 850 as a plurality of input training data 800-N. 1 to 800-N) can be learned as output data for each.
  • the plurality of input learning data 800-1 to 800-N are binary data mapped on the grid map based on information on the direction in which the object faces the coordinates corresponding to the position at one coordinate on the grid map. It may be the first input data.
  • the first input data is not input data obtained based on an image of a real user, but information corresponding to the user's gaze direction on the object at coordinates corresponding to the location of the virtual user on the grid map. It may be input data mapped onto the image.
  • the output training data 850 for the plurality of input training data 800-1 to 800-N is a heat map generated based on coordinates corresponding to the location of the real object corresponding to the input training data on the grid map. It can be any type of data. That is, the output learning data 850 is data about a probability value generated based on the location of an actual object, not data about a probability value that an object is expected to exist.
  • a plurality of input training data 800-1 to 800-N is binary according to direction information from coordinates corresponding to the location of one virtual user per one input training data to coordinates corresponding to one object.
  • the input learning data according to the present disclosure is not limited thereto.
  • the input learning data may be binary data according to each direction information from each of coordinates corresponding to a plurality of virtual user locations to coordinates corresponding to one object.
  • the input learning data may be binary data according to each direction information from each of coordinates corresponding to a plurality of virtual user locations to coordinates corresponding to a plurality of objects.
  • the output training data may be data in the form of a heat map generated based on coordinates corresponding to positions of a plurality of real objects corresponding to the input training data on the grid map.
  • the plurality of input learning data 800 - 1 to 800 -N of FIG. 8 may be second input data obtained based on an image captured by at least one user. That is, the second input data may be input data obtained based on an image of at least one user looking at at least one object in an environment in which the robot 100 operates.
  • the output learning data corresponding to the second input data may be data in the form of a heat map generated based on coordinates corresponding to the location of at least one object that at least one user is actually looking at.
  • the robot 100 may learn the artificial intelligence model 800 based on learning data for each object existing on a map corresponding to an environment in which the robot 100 operates. That is, the first artificial intelligence model corresponding to the first map is an artificial intelligence model trained based on learning data for all objects existing on the first map, and the second artificial intelligence model corresponding to the second map is the second artificial intelligence model corresponding to the second map. 2 It may be an artificial intelligence model trained based on training data for all objects existing on the map.
  • the robot 100 may update the artificial intelligence model by learning the artificial intelligence model 800 through the above-described learning data.
  • the present invention is not limited thereto, and the robot 100 may acquire an artificial intelligence model on which learning is performed through an external server.
  • the robot 100 may learn the artificial intelligence model 800 at a preset period (eg, 24 hours), so that the artificial intelligence model 800 may be updated.
  • a preset period eg, 24 hours
  • the present invention is not limited thereto, and the artificial intelligence model 800 may be manually trained by the manager of the robot 100 .
  • the robot 100 when the position of at least one object is changed or an object is added on the map corresponding to the environment in which the robot 100 operates, the robot 100 is based on the learning data for each position of the updated object. to train the artificial intelligence model 800 .
  • 9A to 9C are diagrams for explaining a method of identifying an object further using a direction corresponding to a user's hand, according to an embodiment of the present disclosure.
  • the robot 100 uses the user's head pose or the user's eye gaze direction detected based on the user's eye area to determine the user's gaze direction. ) can be identified.
  • the present disclosure is not limited thereto, and the user's gaze direction is identified by further using a direction corresponding to the user's hand together with the user's head pose or eye gaze direction. can do.
  • the robot 100 may acquire an image obtained by photographing the head of the user 90 .
  • the robot 100 may acquire an image of the head of the user 90 .
  • the command corresponding to the object 90 - 1 of the user 90 may be, for example, a user's voice command such as 'this is it' or 'bring that one'.
  • the robot 100 may primarily estimate the object 90 - 1 corresponding to the user's gaze direction based on the image obtained by photographing the head of the user 90 .
  • FIG. 9B is a diagram illustrating the position of the user 90 , the position of the robot 100 , and the estimated position of the object 90 - 1 .
  • the robot 100 may rotate to include the object 90 - 1 within the viewing angle of the camera 120 .
  • the robot 100 captures an image including the user's 90's hand as shown in FIG. , it is possible to identify direction information corresponding to the hand of the user 90 .
  • the direction information corresponding to the hand may be direction information toward which the finger is pointing.
  • the robot 100 updates the information on the gaze direction included in the existing second information based on the direction information corresponding to the hand to obtain third information.
  • the third information may be information in which the information on the gaze direction included in the second information is updated based on the direction information corresponding to the hand.
  • the robot 100 may generate input data corresponding to the third information. Then, the robot 100 may identify the object 90 - 1 corresponding to the gaze of the user 90 by inputting the input data generated based on the third information to the learned artificial intelligence model.
  • the robot 100 may perform a task corresponding to the user's command.
  • FIG. 10 is a flowchart illustrating a method for controlling a robot according to the present disclosure.
  • the robot 100 may acquire an image of the user (S1010).
  • the robot 100 may acquire an image of the user.
  • the image may not include an object corresponding to the user's gaze direction.
  • the robot 100 may acquire an image of the user.
  • the robot 100 may obtain first information about the user's location and the user's gaze direction by analyzing the image (S1020). As an example, the robot 100 may identify a region corresponding to the user's head in the image, and identify the user's location based on the identified region. And, the robot 100 may identify the gaze direction based on the head posture in the identified area.
  • the robot 100 may acquire matching information for matching the first information on a map corresponding to the environment in which the robot 100 operates based on the photographing position and the photographing direction of the image (S1030).
  • the robot 100 identifies information about the position and direction of the robot when capturing an image on a map corresponding to the environment in which the robot 100 operates through a SLAM (Simultaneous Localization and Mapping) method. information can be obtained.
  • SLAM Simultaneous Localization and Mapping
  • the robot 100 may acquire second information about the user's location and gaze direction on the map based on the matching information and the first information (S1040).
  • the robot 100 may input the second information to the artificial intelligence model learned to identify the object on the map, and identify the object corresponding to the user's gaze direction on the map (S1050).
  • the robot 100 may acquire input data by mapping the second information on a grid map corresponding to the map. Then, the robot 100 may input the input data into the artificial intelligence model to identify coordinates corresponding to the object on the grid map.
  • the robot 100 may obtain output data in the form of a heat map indicating a probability value that an object is expected to exist on a grid map by inputting input data into the artificial intelligence model.
  • the robot 100 may identify the coordinates corresponding to the local maximum point in the output data as the coordinates corresponding to the object.
  • the robot 100 may identify an object corresponding to the user's gaze direction on the map based on the identified coordinates.
  • FIG. 11 is a block diagram illustrating a detailed configuration of a robot according to an embodiment of the present disclosure. As an embodiment, FIG. 11 may be a block diagram for a case in which the robot 2100 is a traversable robot.
  • the robot 2100 includes a memory 2110 , a camera 2120 , a processor 2130 , a display 2140 , a sensor 2150 , a communication unit 2160 , an input/output interface 2170 , and a battery 2180 .
  • a driving unit 2190 may be included.
  • a configuration is an example, and it goes without saying that a new configuration may be added or some configuration may be omitted in addition to such a configuration in carrying out the present disclosure.
  • the memory 2110 may be implemented as a non-volatile memory, a volatile memory, a flash-memory, a hard disk drive (HDD), or a solid state drive (SSD).
  • the memory 2110 is accessed by the processor 2130 , and reading/writing/modification/deletion/update of data by the processor 2130 may be performed.
  • programs and data for configuring various screens to be displayed in the display area of the display may be stored in the memory 2110 .
  • the processor 2130 may be electrically connected to the memory 2110 to control overall operations and functions of the robot 2100 .
  • the processor 2130 controls the overall operation of the robot 2100 .
  • the processor 2130 may include one or more of a central processing unit (CPU), an application processor (AP), or a communication processor (CP).
  • the processor 2130 may be implemented in various ways.
  • the processor 2130 may include an Application Specific Integrated Circuit (ASIC), an embedded processor, a microprocessor, hardware control logic, a hardware finite state machine (FSM), or a digital signal processor (Digital Signal). Processor, DSP).
  • ASIC Application Specific Integrated Circuit
  • FSM hardware finite state machine
  • DSP digital signal processor
  • the term processor 2130 may be used to include a central processing unit (CPU), a graphic processing unit (GPU), a main processing unit (MPU), and the like.
  • the memory 2110 , the camera 2120 , and the processor 2130 have been described in detail with reference to FIG. 1 . Hereinafter, the rest of the configuration will be described.
  • the display 2140 may display various information under the control of the processor 2130 .
  • the display 2140 is a display of various types such as liquid crystal display (LCD), light emitting diode (LED), organic light emitting diodes (OLED), liquid crystal on silicon (LCoS), digital light processing (DLP), etc. can be implemented.
  • the display 2140 may include a driving circuit, a backlight unit, and the like, which may be implemented in the form of an a-si TFT, a low temperature poly silicon (LTPS) TFT, or an organic TFT (OTFT).
  • the display 2140 may be implemented as a touch screen in combination with a touch sensor.
  • the display 2140 may display various user interfaces (UIs) and icons.
  • UIs user interfaces
  • the display 2140 may display text corresponding to the user's voice command.
  • the display 2140 may display a UI asking whether the identified object is correct.
  • the display 2140 may provide a map on which an object corresponding to the user's gaze direction is displayed.
  • the sensor 2150 may include various sensors necessary for the operation of the robot 2100 .
  • the sensor 2150 may include a vision sensor, a distance sensor, a lidar sensor, a geomagnetic sensor, and the like.
  • the present invention is not limited thereto, and the robot 2100 may further include various sensors for detecting the position of the object and the robot 2100 .
  • the vision sensor is a sensor for identifying a region corresponding to the user's head in the image captured by the camera 2120 .
  • the vision sensor may be implemented as an RGB sensor or an RGB-D sensor.
  • the distance sensor is a configuration for obtaining distance information of the robot 2100 from an object, and the distance sensor is implemented as an infrared sensor, an infrared sensor, an ultrasonic sensor, an RF sensor, etc. may be, and may be provided on one side of the inside or outside of the robot 900 .
  • a LiDAR sensor emits a laser pulse and uses the time it takes for a laser pulse to be scattered or reflected from a target device to return, and changes in the intensity, frequency, and polarization state of the scattered or reflected laser to provide physical properties related to the target object. It is a sensor capable of acquiring information about (the position and direction of the robot 2100 , the distance and direction between the robot 2100 and the target object, the shape and movement speed of the target object, etc.).
  • the robot 2100 may acquire a lidar map by scanning the periphery of the robot 2100 using a lidar sensor.
  • the lidar map is a map that can be acquired using information about the physical characteristics of the robot 2100 acquired using a laser pulse of the lidar sensor.
  • the robot 2100 performs SLAM using a lidar sensor to obtain information on the position of the robot 2100 on the lidar map and position information corresponding to at least one object on the lidar map. can
  • the geomagnetic sensor is a sensor for detecting a value of the geomagnetism, and through the geomagnetism sensor, information on a geomagnetism direction around the geomagnetic sensor and information on a geomagnetism size may be obtained.
  • the communication unit 2160 may communicate with an external device and an external server through various communication methods.
  • the communication connection of the communication unit 2160 with an external device and an external server may include communicating through a third device (eg, a repeater, a hub, an access point, a gateway, etc.).
  • the communication unit 2160 may include various communication modules to communicate with an external device.
  • the communication unit 2160 may include a wireless communication module, for example, LTE, LTE Advance (LTE-A), CDMA (code division multiple access), WCDMA (wideband CDMA), UMTS (universal mobile telecommunications) system), a cellular communication module using at least one of Wireless Broadband (WiBro), Global System for Mobile Communications (GSM), and the like.
  • the wireless communication module may include, for example, at least one of wireless fidelity (WiFi), Bluetooth, Bluetooth low energy (BLE), and Zigbee.
  • the processor 2130 may receive a lidar map or a geomagnetic map corresponding to an environment in which the robot 2100 operates from an external device or an external server through the communication unit 2160 and store it in the memory 2110. there is.
  • the input/output interface 2170 is configured to receive an audio signal from the outside and output audio data to the outside.
  • the input/output interface 2170 may include a microphone for receiving an audio signal from the outside and an audio output unit for outputting audio data to the outside.
  • the microphone may receive an audio signal from the outside, and the audio signal may include a user's voice command.
  • the audio output unit may output audio data under the control of the processor 2130 .
  • the audio output unit may output audio data corresponding to a user's voice command.
  • the audio output unit may be implemented as a speaker output terminal, a headphone output terminal, and a S/PDIF output terminal.
  • the battery 2180 is configured to supply power to the robot 2100 , and the battery 2180 may be charged by the charging station.
  • the battery 2180 may include a reception resonator for wireless charging.
  • the charging method of the battery 2180 is CCCV (Constant Current Constant Voltage) charging in which a preset capacity is rapidly charged through a CC (Constant Current) charging method, and the remaining capacity is charged through a CV (Constant Voltage) method. method, but is not limited thereto and may be charged in various ways.
  • the driving unit 2190 is configured to move the robot 2100 under the control of the processor 2130 , and may include a motor and a plurality of wheels. Specifically, the driving unit 2190 may change the moving direction and the moving speed of the robot 2100 under the control of the processor 2130 . Also, the driving unit 2190 may further include a motor capable of rotating the robot 2100 .
  • expressions such as “have,” “may have,” “include,” or “may include” indicate the presence of a corresponding characteristic (eg, a numerical value, function, operation, or component such as a part). and does not exclude the presence of additional features.
  • expressions such as “A or B,” “at least one of A and/and B,” or “one or more of A or/and B” may include all possible combinations of the items listed together.
  • “A or B,” “at least one of A and B,” or “at least one of A or B” means (1) includes at least one A, (2) includes at least one B; Or (3) it may refer to all cases including both at least one A and at least one B.
  • a component eg, a first component
  • another component eg, a second component
  • the certain element may be directly connected to the other element or may be connected through another element (eg, a third element).
  • a component eg, a first component
  • another component eg, a second component
  • the expression “a device configured to” may mean that the device is “capable of” with other devices or parts.
  • a processor configured (or configured to perform) A, B, and C refers to a dedicated processor (eg, an embedded processor) for performing the corresponding operations, or by executing one or more software programs stored in a memory device.
  • a generic-purpose processor eg, a CPU or an application processor
  • a 'module' or 'unit' performs at least one function or operation, and may be implemented as hardware or software, or a combination of hardware and software.
  • a plurality of 'modules' or a plurality of 'units' may be integrated into at least one module and implemented with at least one processor, except for 'modules' or 'units' that need to be implemented with specific hardware.
  • the various embodiments described above may be implemented in a recording medium readable by a computer or a similar device using software, hardware, or a combination thereof.
  • the embodiments described in the present disclosure are ASICs (Application Specific Integrated Circuits), DSPs (digital signal processors), DSPDs (digital signal processing devices), PLDs (programmable logic devices), FPGAs (field programmable gate arrays) ), processors, controllers, micro-controllers, microprocessors, and other electrical units for performing other functions may be implemented using at least one.
  • the embodiments described herein may be implemented by the processor itself.
  • embodiments such as procedures and functions described in this specification may be implemented as separate software modules. Each of the software modules may perform one or more functions and operations described herein.
  • the above-described method according to various embodiments of the present disclosure may be stored in a non-transitory readable medium.
  • a non-transitory readable medium may be mounted on various devices and used.
  • the non-transitory readable medium refers to a medium that stores data semi-permanently, rather than a medium that stores data for a short moment, such as a register, cache, memory, and the like, and can be read by a device.
  • programs for performing the above-described various methods may be provided by being stored in a non-transitory readable medium such as a CD, DVD, hard disk, Blu-ray disk, USB, memory card, ROM, and the like.
  • the method according to various embodiments disclosed in this document may be provided as included in a computer program product.
  • Computer program products may be traded between sellers and buyers as commodities.
  • the computer program product may be distributed in the form of a machine-readable storage medium (eg compact disc read only memory (CD-ROM)) or online through an application store (eg Play Store TM ).
  • an application store eg Play Store TM
  • at least a portion of the computer program product may be temporarily stored or temporarily generated in a storage medium such as a memory of a server of a manufacturer, a server of an application store, or a relay server.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • Artificial Intelligence (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Fuzzy Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Ophthalmology & Optometry (AREA)
  • Image Analysis (AREA)
  • Manipulator (AREA)

Abstract

로봇 및 로봇의 제어 방법이 개시된다. 본 개시에 따른 로봇의 제어 방법은 사용자를 촬영한 영상을 획득하는 단계, 영상을 분석하여 사용자의 위치 및 사용자의 시선 방향에 대한 제1 정보를 획득하는 단계, 영상의 촬영 위치 및 촬영 방향을 바탕으로, 로봇이 동작하는 환경에 대응되는 지도 상에 제1 정보를 매칭 하기 위한 매칭 정보를 획득하는 단계, 매칭 정보 및 제1 정보를 바탕으로, 지도 상에서의 사용자의 위치 및 시선 방향에 대한 제2 정보를 획득하는 단계 및 지도 상에서 객체를 식별하도록 학습된 인공 지능 모델에 제2 정보를 입력하여, 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별하는 단계를 포함한다.

Description

로봇 및 이의 제어 방법
본 개시는 로봇 및 이의 제어 방법에 관한 것으로서, 더욱 상세하게는 로봇이 촬영한 영상 내의 사용자가 응시하고 있는 객체를 식별하기 위한 로봇 및 이의 제어 방법에 관한 것이다.
종래에는 사용자를 촬영한 영상에서 사용자의 시선 방향을 통해 사용자가 응시하는 객체를 식별하기 위한 다양한 방법들이 존재하였다.
구체적으로, 영상 내에서 사용자의 머리 자세(head pose) 또는 시선(eye gaze) 방향을 식별하여, 영상 내에서 사용자가 응시하고 있는 객체를 식별하기 위한 기술들이 존재하였다.
다만, 종래의 다양한 방법들에는 영상 내에 사용자가 응시하는 객체 또한 포함되어 있어야 하였으며, 영상 내에 사용자가 응시하는 객체가 포함되어 있지 않은 경우, 객체를 식별하는데 어려운 문제점이 존재하였다.
본 개시는 상술한 문제점을 해결하기 위해 안출된 것으로, 본 개시는 사용자를 촬영한 영상 및 로봇이 동작하는 환경에 대응되는 지도 정보를 이용하여, 사용자가 응시하고 있는 객체를 식별할 수 있는 로봇 및 이의 제어 방법을 제공함에 있다.
상기 목적을 달성하기 위한 본 개시의 일 실시 예에 따른, 로봇의 제어 방법은, 사용자(user)를 촬영한 영상을 획득하는 단계; 상기 영상을 분석하여 상기 사용자의 위치 및 상기 사용자의 시선 방향에 대한 제1 정보를 획득하는 단계; 상기 영상의 촬영 위치 및 촬영 방향을 바탕으로, 상기 로봇이 동작하는 환경에 대응되는 지도 상에 상기 제1 정보를 매칭 하기 위한 매칭 정보를 획득하는 단계; 상기 매칭 정보 및 상기 제1 정보를 바탕으로, 상기 지도 상에서의 상기 사용자의 위치 및 상기 시선 방향에 대한 제2 정보를 획득하는 단계; 및 상기 지도상에서 객체를 식별하도록 학습된 인공 지능 모델에 상기 제2 정보를 입력하여, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 단계;를 포함한다.
그리고, 상기 제1 정보를 식별하는 단계는, 상기 영상에서 상기 사용자의 머리(head)에 대응되는 영역을 식별하는 단계; 상기 식별된 영역을 바탕으로, 상기 사용자의 위치를 식별하는 단계; 및 상기 식별된 영역 내의 머리 자세(pose)를 바탕으로 상기 시선 방향을 식별하는 단계;를 더 포함할 수 있다.
그리고, 상기 매칭 정보를 획득하는 단계는, SLAM(Simultaneous Localization and Mapping) 방식을 통해 상기 지도 상에서 상기 영상을 촬영할 때의 상기 로봇의 위치 및 방향에 대한 정보를 식별함으로, 상기 매칭 정보를 획득하는 단계일 수 있다.
그리고, 상기 제2 정보를 획득하는 단계는, 상기 제2 정보를 상기 지도에 대응되는 그리드 맵 상에 매핑하여 입력 데이터를 획득하는 단계;를 더 포함하고, 상기 객체를 식별하는 단계는, 상기 입력 데이터를 상기 인공 지능 모델에 입력하여, 상기 그리드 맵 상에서 상기 객체에 대응되는 좌표를 식별하는 단계; 및 상기 식별된 좌표를 바탕으로, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 단계;를 더 포함하는 것을 특징으로 할 수 있다.
그리고, 상기 인공 지능 모델은 상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며, 상기 그리드 맵 상의 일 좌표로부터 상기 객체를 향하는 방향을 바탕으로 상기 그리드 맵 상에 binary 데이터가 매핑된 제1 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 할 수 있다.
그리고, 상기 인공 지능 모델은 상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며, 상기 로봇이 동작하는 환경 내에서 상기 객체를 바라보는 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 할 수 있다.
그리고, 상기 객체가 식별되면, 상기 객체가 상기 로봇의 카메라의 시야각 내에 포함되도록 회전하는 단계; 상기 회전하는 동안, 상기 사용자의 손(hand)이 상기 카메라의 시야각 내에 포함되면, 상기 손에 대응되는 방향 정보를 식별하는 단계; 상기 손에 대응되는 방향 정보를 바탕으로, 상기 제2 정보에 포함된 상기 시선 방향에 대한 정보가 업데이트된 제3 정보를 획득하는 단계; 및 상기 제3 정보를 학습된 인공 지능 모델에 적용하여, 상기 지도 상에서 상기 사용자의 시선에 대응되는 객체를 식별하는 단계;를 더 포함할 수 있다.
그리고, 상기 사용자의 상기 객체에 대응되는 명령이 감지되면, 상기 영상을 획득하여 상기 지도 상에서 상기 사용자의 시선에 대응되는 객체를 식별하는 단계; 및 상기 명령에 대응되는 테스크를 수행하는 단계;를 더 포함할 수 있다.
그리고, 상기 객체는 상기 영상 내에 포함되어 있지 않은 것을 특징으로 할 수 있다.
한편, 상기 목적을 달성하기 위한 본 개시의 일 실시 예에 따른, 로봇은, 적어도 하나의 인스트럭션을 저장하는 메모리; 사용자(user)를 촬영하기 위한 카메라; 및 상기 메모리 및 상기 카메라와 연결되며 상기 로봇을 제어하는 프로세서를 포함하고, 상기 프로세서는 상기 적어도 하나의 인스트럭션을 실행함으로써, 상기 카메라를 통해 상기 사용자를 촬영한 영상을 획득하고, 상기 영상을 분석하여 상기 사용자의 위치 및 상기 사용자의 시선 방향에 대한 제1 정보를 획득하고, 상기 영상의 촬영 위치 및 촬영 방향을 바탕으로, 상기 로봇이 동작하는 환경에 대응되는 지도 상에 상기 제1 정보를 매칭 하기 위한 매칭 정보를 획득하고, 상기 매칭 정보 및 상기 제1 정보를 바탕으로, 상기 지도 상에서의 상기 사용자의 위치 및 상기 시선 방향에 대한 제2 정보를 획득하고, 상기 지도상에서 객체를 식별하도록 학습된 인공 지능 모델에 상기 제2 정보를 입력하여, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별한다.
그리고, 상기 프로세서는, 상기 영상에서 상기 사용자의 머리(head)에 대응되는 영역을 식별하고, 상기 식별된 영역을 바탕으로, 상기 사용자의 위치를 식별하고, 상기 식별된 영역 내의 머리 자세(pose)를 바탕으로 상기 시선 방향을 식별할 수 있다.
그리고, 상기 프로세서는, SLAM(Simultaneous Localization and Mapping) 방식을 통해 상기 지도 상에서 상기 영상을 촬영할 때의 상기 로봇의 위치 및 방향에 대한 정보를 식별함으로, 상기 매칭 정보를 획득하는 것을 특징으로 할 수 있다.
그리고, 상기 프로세서는, 상기 제2 정보를 상기 지도에 대응되는 그리드 맵 상에 매핑하여 입력 데이터를 획득하고, 상기 입력 데이터를 상기 인공 지능 모델에 입력하여, 상기 그리드 맵 상에서 상기 객체에 대응되는 좌표를 식별하고, 상기 식별된 좌표를 바탕으로, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 것을 특징으로 할 수 있다.
그리고, 상기 인공 지능 모델은 상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며, 상기 그리드 맵 상의 일 좌표로부터 상기 객체를 향하는 방향을 바탕으로 상기 그리드 맵 상에 binary 데이터가 매핑된 제1 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 할 수 있다.
그리고, 상기 인공 지능 모델은 상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며, 상기 로봇이 동작하는 환경 내에서 상기 객체를 바라보는 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 할 수 있다.
상술한 바와 같이 본 개시의 다양한 실시 예에 의해, 로봇의 카메라 시야 각 내에 사용자가 응시하고 있는 객체가 존재하지 않더라도, 사용자가 응시하고 있는 객체를 식별할 수 있다.
도 1은 본 개시의 일 실시 예에 따른, 로봇의 구성을 설명하기 위한 블록도이다.
도 2a는 로봇이 카메라를 통해 사용자를 촬영한 영상을 나타내는 도면이다.
도 2b는 로봇을 기준으로 영상 내 사용자의 위 및 사용자의 시선 방향에 대한 정보를 가상의 탑뷰(top-view) 지도 상에 표시한 도면이다.
도 3a는 로봇이 동작하는 환경에 대응되는 지도상에 로봇의 촬영 위치 및 촬영 방향을 도시한 도면이다.
도 3b는 로봇이 동작하는 환경에 대응되는 지도 상에 영상 내 사용자의 위치 및 사용자의 시선 방향을 도시한 도면이다.
도 4a는 한 명의 사용자에 대응되는 위치 좌표 및 시선 방향을 그리드 맵 상에 도시한 도면이다.
도 4b는 두 명의 사용자에 대응되는 위치 좌표 및 시선 방향을 그리드 맵 상에 도시한 도면이다.
도 5a는 본 개시의 일 실시 예에 따른, 인공 지능 모델의 입력 데이터를 생성하기 위한 방법을 설명하기 위한 도면이다.
도 5b는 본 개시의 일 실시 예에 따른, 인공 지능 모델의 입력 데이터를 설명하기 위한 도면이다.
도 6a는 입력 데이터를 학습된 인공 지능 모델에 입력하여, 출력 데이터를 획득하는 방법을 설명하기 위한 도면이다.
도 6b는 입력 데이터를 학습된 인공 지능 모델에 입력하여, 출력 데이터를 획득하는 방법을 설명하기 위한 도면이다.
도 7은 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별하기 위한 방법을 설명하기 위한 도면이다.
도 8은 본 개시의 일 실시 예에 따른, 인공 지능 모델을 학습하기 위한 학습 데이터를 설명하기 위한 도면이다.
도 9a는 본 개시의 일 실시 예에 따른, 사용자의 손에 대응되는 방향 이용하여 객체를 식별하는 방법을 설명하기 위한 도면이다.
도 9b는 본 개시의 일 실시 예에 따른, 사용자의 손에 대응되는 방향을 이용하여 객체를 식별하는 방법을 설명하기 위한 도면이다.
도 9c는 본 개시의 일 실시 예에 따른, 사용자의 손에 대응되는 방향을 이용하여 객체를 식별하는 방법을 설명하기 위한 도면이다.
도 10은 본 개시에 따른, 로봇의 제어 방법을 설명하기 위한 흐름도이다.
도 11은 본 개시의 일 실시 예에 따른, 로봇의 구체적인 구성을 설명하기 위한 블록도 이다.
이하에서는, 첨부된 도면을 통해 본 개시를 상세히 설명한다.
도 1은 본 개시의 일 실시 예에 따른, 로봇의 구성을 설명하기 위한 블록도이다. 본 개시에 따른 로봇(100)는 카메라(120)를 통해 촬영한 복수의 객체에 대한 위치를 결정할 수 있다.
도 1을 참조하면, 로봇(100)는 메모리(110), 카메라(120) 및 프로세서(130)를 포함할 수 있다. 본 개시에 따른, 로봇(100)는 자율적으로 주행 가능한 다양한 형태의 전자 장치로 구현될 수 있다.
메모리(110)는 로봇(100)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 구체적으로, 메모리(110)에는 적어도 하나의 명령어가 저장될 수 있다. 프로세서(130)는 메모리(110)에 저장된 명령어를 실행함으로써 로봇(100)의 동작을 수행할 수 있다.
카메라(120)는 로봇(100)이 주행하는 동안, 로봇(100)이 동작하는 환경을 촬영할 수 있다. 로봇(100)은 카메라(120)를 통해, 사용자(User)의 얼굴이 포함된 영상을 촬영할 수 있다.
프로세서(130)는 운영 체제 또는 응용 프로그램을 구동하여 프로세서(140)에 연결된 하드웨어 또는 소프트웨어 구성요소들을 제어할 수 있고, 각종 데이터 처리 및 연산을 수행할 수 있다. 또한, 프로세서(140)는 다른 구성요소들 중 적어도 하나로부터 수신된 명령 또는 데이터를 휘발성 메모리에 로드하여 처리하고, 다양한 데이터를 비휘발성 메모리에 저장할 수 있다.
특히, 프로세서(130)는 사용자가 응시하고 있는 객체를 식별하기 위한 응시 객체 식별 기능을 제공할 수 있다. 즉, 응시 객체 식별 기능을 통해 로봇(100)은 로봇(100)이 동작하는 환경 내 존재 하는 복수의 객체 중 사용자가 응시하고 있는 객체를 식별할 수 있다.
본 개시에 따른, 일 실시 예로, 도 1에 도시된 바와 같이, 프로세서(130)에 포함된 복수의 모듈(1100 내지 1500)을 통해 응시 객체 식별 기능이 구현될 수 있다. 응시 객체 식별 기능을 구현하기 위한 복수의 모듈이 로봇(100)에 포함될 수 있으나, 이는 일 실시 예에 불과할 뿐, 응시 객체 식별 기능을 구현하기 위한 모듈 중 적어도 일부가 외부 서버에 포함될 수 있다.
상술한 바와 같이, 복수의 모듈(1100 내지 1500)이 프로세서(130)에 위치할 수 있으나, 이에 한정되지 않고, 복수의 모듈(1100 내지 1500)이 메모리(110)에 위치할 수 있다. 복수의 모듈(1100 내지 1500)이 메모리(110)에 위치하는 경우, 프로세서(130)는 복수의 모듈(1100 내지 1500)을 비휘발성 메모리에서 휘발성 메모리로 로딩(loading)하여 복수의 모듈(1100 내지 1500)의 각 기능들을 실행할 수 있다. 로딩(loading)이란, 프로세서(130)가 액세스할 수 있도록 비휘발성 메모리에 저장된 데이터를 휘발성 메모리에 불러들여 저장하는 동작을 의미한다.
영상 획득 모듈(1100)은 로봇(100)이 카메라(120)를 통해 사용자를 촬영한 영상을 획득하기 위한 구성이다.
일 실시 예로, 사용자의 객체에 대응되는 명령이 감지되면, 영상 획득 모듈(1100)은 도 2a와 같이 카메라(120)를 통해 사용자를 촬영한 영상을 획득할 수 있다. 도 2a는 로봇(100)이 카메라(120)를 통해 사용자를 촬영한 영상이다. 도 2a에서는 카메라(120)를 통해 촬영한 영상에 한 명의 사용자만이 포함된 것으로 도시되어 있으나, 이에 한정되지 않고 영상 획득 모듈(1100)은 복수의 사용자들을 촬영한 영상을 획득할 수 있다. 또한, 일 실시 예로, 로봇(100)이 촬영한 영상에는 사용자의 시선 방향(Gaze direction)에 대응되는 객체가 포함되어 있지 않을 수 있다.
객체에 대응되는 명령이란, '이거 머야', '저 거 가져와' 와 같이 로봇(100)에게 객체에 대응되는 테스크를 명령하기 위한 음성 명령일 수 있다. 일 실시 예로, 객체에 대응되는 명령은 사용자의 음성 명령일 수 있다. 다만, 이에 한정되지 않고, 객체에 대응되는 명령은 사용자의 스마트폰을 이용한 명령 등 다양한 사용자 명령을 포함할 수 있다.
상술한 설명에서는 객체에 대응되는 명령이 감지되면, 영상 획득 모듈(1100)이 사용자를 촬영한 영상을 획득하는 것으로 설명하였지만, 이에 한정되지 않는다. 일 실시 예로, 로봇(100)의 시야각 내에 사용자가 감지되면, 영상 획득 모듈(1100) 사용자를 촬영한 영상을 획득할 수 있다.
영상 분석 모듈(1200)은 영상 획득 모듈(1100)을 통해 획득한 영상 내의 사용자의 위치 및 사용자의 시선 방향에 대한 제1 정보를 식별하기 위한 구성이다.
영상 분석 모듈(1200)은 영상에서 사용자의 머리(head)에 대응되는 영역을 식별할 수 있다. 일 실시 예로, 영상 분석 모듈(1200)은 도 2a의 영상에서 사용자의 머리에 대응되는 영역(5)을 식별할 수 있다.
일 실시 예로, 영상 분석 모듈(1200)은 비전 센서(예로, RGB 센서, RGB-D 센서)를 통해, 영상 내에서 사용자의 머리에 대응되는 영역을 식별할 수 있다. 즉, 영상 분석 모듈(1200)은 Object Detection 방식을 통해 영상 내에서 사용자의 머리(head)에 대응되는 B-Box(Bounding Box) 영역을 획득할 수 있다. Object Detection 방식은 영상 내에서 일정 간격의 그리드(grid)내에 객체가 존재하는지 여부를 식별하며, 객체가 존재하는 영역을 B-Box 영역으로 식별하는 방식이다.
일 실시 예로, 영상 분석 모듈(1200)은 Semantic Segmentation 방식을 통해 영상 내에서 사용자의 머리(head)에 대응되는 픽셀 영역들을 획득할 수 있다. Semantic Segmentation 방식은 영상 내의 모든 픽셀을 특정 클래스(class)로 분류하여, 픽셀 단위로 객체가 위치하는 영역을 분류하는 방식이다.
영상에서 사용자의 머리(head)에 대응되는 영역이 식별되면, 영상 분석 모듈(1200)은 식별된 영역을 바탕으로, 사용자의 위치 및 사용자의 시선 방향(Gaze direction)에 대한 정보를 획득할 수 있다. 사용자의 시선 방향에 대한 정보는 영상에서 사용자의 머리(head)가 향하는 방향 또는 영상에서의 사용자의 시선(eye gaze) 방향을 바탕으로 획득될 수 있다.
도 2b는 로봇(100)을 기준으로 영상 내 사용자의 위치(20) 및 사용자의 시선 방향(20-1)에 대한 정보를 가상의 탑뷰(top-view) 지도 상에 표시한 도면이다. 영상 분석 모듈(1200)은 도 2b와 같이, 로봇(100)을 기준으로, 사용자의 위치 및 사용자의 시선 방향에 대한 정보를 획득할 수 있다.
위치 식별 모듈(1300)은 로봇이 동작하는 환경에 대응되는 지도 상에서, 로봇(100)이 영상을 촬영한 촬영 위치 및 촬영 방향을 식별하기 위한 구성이다.
로봇(100)은 라이다 센서를 이용한 SLAM (Simultaneous Localization and Mapping) 방식 또는 카메라를 이용한 비전 SLAM 방식을 이용하여 로봇(100)이 동작하는 환경에 대응되는 지도를 획득할 수 있다. SLAM(Simultaneous localization and mapping)이란 임의의 공간을 이동하면서 주변을 탐색할 수 있는 전자 장치에 대해 그 공간의 지도 및 현재의 전자 장치의 위치를 추정하기 위한 기술이다.
로봇(100)은 로봇(100)이 동작하는 환경에 대응되는 지도를 자체적으로 생성할 수 있으나, 이에 한정되지 않는다. 로봇(100)은 외부 서버로부터 로봇(100)이 동작하는 환경에 대응되는 지도를 수신하여 메모리(110)에 저장할 수도 있다.
도 3a는 로봇이 동작하는 환경에 대응되는 지도(300) 상에 로봇의 촬영 위치 및 촬영 방향을 도시한 도면이다. 위치 식별 모듈(1300)은 도 3a와 같이, 획득된 지도 상에서의 로봇(100)이 영상을 촬영한 촬영 위치(10) 및 촬영 방향(10-1)을 바탕으로 매칭 정보를 획득할 수 있다. 일 실시 예로, 로봇(100)이 영상을 촬영한 촬영 방향(10-1)은 로봇(100)이 영상을 촬영할 때의 카메라(120)의 시야각의 중심이 향하는 방향일 수 있다. 일 실시 예로, 로봇(100)이 영상을 촬영한 촬영 방향(10-1)은 로봇(100)이 영상을 촬영할 때의 정면 방향일 수 있다.
매칭 정보란 지도 상에 제1 정보를 매칭하기 위한 정보로, 지도 상에서의 로봇(100)이 영상을 촬영한 촬영 위치 및 촬영 방향에 대한 정보를 포함할 수 있다. 예로, 위치 식별 모듈(1300)은 SLAM(Simultaneous Localization and Mapping) 방식을 통해 지도(300) 상에서 영상을 촬영할 때의 로봇(100)의 위치 및 방향에 대한 정보를 식별함으로, 매칭 정보를 획득할 수 있다.
그리고, 매칭 정보가 획득되면, 정보 변환 모듈(1400)은 영상 분석 모듈(1200)에서 로봇(100)을 기준으로 획득된 영상 내의 사용자의 위치 및 사용자의 시선 방향에 대한 정보(제1 정보)와 지도(300) 상에서 영상을 촬영할 때의 로봇(100)의 위치 및 방향에 대한 정보(매칭 정보)를 바탕으로, 지도 상에서의 사용자의 위치 및 사용자의 시선 방향에 대한 제2 정보를 획득할 수 있다.
정보 변환 모듈(1400)은 로봇(100)을 기준으로 획득된 사용자의 위치 및 사용자의 시선 방향에 대한 제1 정보를 지도 상에서의 제2 정보로 변환하기 위한 구성이다.
도 3b는 로봇(100)이 동작하는 환경에 대응되는 지도 상에 영상 내 사용자의 위치(30) 및 사용자의 시선 방향(30-1)을 도시한 도면이다.
정보 변환 모듈(1400)은 제1 정보 및 매칭 정보를 바탕으로, 지도 상에서의 사용자의 위치(30) 및 시선 방향(30-1)에 대한 제2 정보를 획득할 수 있다.
도 2b, 도 3a 및 도 3b를 통해 설명하면, 제1 정보에 포함된 i번째 사용자의 로봇(100)을 기준으로 한 위치(20)를 XL i = (xL i, yL i), i번째 사용자의 로봇(100)을 기준으로 한 시선 방향(20-1)을 ΦL i로 정의 하고, 지도(300) 상에서의 로봇(100)의 촬영 위치(10)인 (xG r,yG r) 및 촬영 방향(10-1)인 θG r를 포함하는 매칭 정보를 XG r=(xG r,yG r,θG r)로 정의할 수 있다.
그리고, 정보 변환 모듈(1400)은 i번째 사용자의 로봇(100)을 기준으로 한 위치(20)를 XL i = (xL i, yL i)를 매칭 정보 XG r=(xG r,yG r,θG r)를 이용하여, 로봇(100)이 동작하는 환경에 대응되는 지도(300) 상에서의 사용자의 위치(30)인 XG i=(xG i,yG i)로 변환할 수 있다. XL i을 XG i로 변환하기 위한 수식은 수학식 1과 같다.
Figure PCTKR2021008435-appb-img-000001
그리고, 정보 변환 모듈(1400)은 한 i번째 사용자의 로봇(100)을 기준으로 한 시선 방향(20-1)인 ΦL i을 매칭 정보를 이용하여, 로봇이 동작하는 환경에 대응되는 지도(300) 상에서의 시선 방향(30-1)인 ΦG i로 변환할 수 있다. ΦL i을 ΦG i로 변환하기 위한 수식은 수학식 2와 같다.
[수학식 2]
ΦG i = ΦL i - θG r
그리고, 지도(300) 상에서의 사용자의 위치(30)인 XG r가 획득되면, 정보 변환 모듈(1400)은 지도(300) 상에서의 사용자의 위치(30)인 XG r를 그리드 맵 상의 위치 좌표 pt i=(ut i, vt i)로 매핑할 수 있다. 예로, 그리드 맵 상의 위치 사용자의 위치 좌표 pt i는 도 4a의 30에 대응되는 좌표일 수 있다.
그리드 맵이란, 로봇(100)이 동작하는 환경에 대응되는 지도 상의 영역을 SU X SV 크기의 2차원의 격자(gird)로 변환한 지도이다. SU는 그리드 맵 x축의 격자(gird)의 개수를 나타내며, SV는 그리드 맵 y축의 격자(gird)의 개수를 나타낸다. 예로, 하나의 격자의 크기는 5cm일 수 있으나 이에 한정되지 않는다.
위치 좌표 pt i는 그리드 맵 상에서 i번째 사용자의 t 시간에서의 위치 좌표를 나타낸다. 지도 상에서의 사용자의 위치 XG i를 그리드 맵 상의 위치 좌표 pt i=(ut i, vt i)로 매핑하기 위한 수식은 수학식 3과 같다.
Figure PCTKR2021008435-appb-img-000002
x ∈ [xmin, xmax], y ∈ [ymin, ymax]
수학식 3의 [xmin, xmax] 은 사용자의 시선 방향에 대한 x축 기준 경계 영역 범위이며,[ymin, ymax]은 사용자의 시선 방향에 대한 y축 기준 경계 영역 범위로, 일 실시 예로, 경계 영역 범위는 로봇(100)이 동작하는 환경에 대응되는 지도의 전체 영역에 대응되는 범위일 수 있다. 다만, 이에 한정되지 않고, 경계 영역 범위는 지도 상 사용자가 위치하는 공간(예로, 거실) 내에 대응되는 범위일 수 있다.
그리고, 지도 상에서의 사용자의 위치 XG i가 그리드 맵 상의 위치 좌표 pt i=(ut i, vt i)로 매핑되면, 정보 변환 모듈(1400)은 그리드 맵 상에서 사용자의 시선 방향(ΦG i)을 매핑할 수 있다. 예로, 그리드 맵 상의 사용자의 시선 방향(ΦG i)은 도 4a의 30-1에 대응되는 방향일 수 있다.
도 4a 및 도 4b는 사용자에 대응되는 위치 좌표 및 시선 방향을 그리드 맵 상에 도시한 도면이다.
도 4a는 그리드 맵 상에서 지도 상에서의 사용자의 위치(XG i)에 대응되는 위치 좌표(30,pt i) 및 사용자의 시선 방향(30-1,ΦG i)을 도시한 도면이다.
그리드 맵(400) 상에서 위치 좌표(30,pt i) 및 사용자의 시선 방향(30-1,ΦG i)이 매칭되면, 정보 변환 모듈(1400)은 매핑된 그리드 맵에 대한 정보를 이용하여, 입력 데이터를 생성할 수 있다.
도 4a는 같이 한 명의 사용자에 대응되는 위치 좌표 및 시선 방향을 그리드 맵(400) 상에 매칭한 것을 도시하였으나, 본 개시는 이에 한정되지 않고, 복수의 사용자에 각각에 대응되는 위치 좌표 및 복수의 사용자 각각에 대한 시선 방향을 그리드 맵(400) 상에 매칭할 수 있다. 즉, 로봇(100)이 촬영한 영상 내에 두 명의 사용자가 포함되어 있는 경우, 정보 변환 모듈(1400)은 도 4b와 같이, 그리드 맵(400) 상에서 두 명의 사용자 각각의 위치 좌표(30, 40) 및 두 명의 사용자 각각에 대한 시선 방향(30-1, 40-1)을 매칭할 수 있다.
도 5a는 본 개시의 일 실시 예에 따른, 인공 지능 모델의 입력 데이터를 생성하기 위한 방법을 설명하기 위한 도면이며, 도 5b는 본 개시의 일 실시 예에 따른, 인공 지능 모델의 입력 데이터를 설명하기 위한 도면이다.
정보 변환 모듈(1400)은 도 4a와 같은 그리드 맵 상에 매핑된 위치 좌표(30) 및 사용자의 시선 방향(30-1)을 이용하여, 도 5b와 같이 인공 지능 모델에 입력하기 위한 입력 데이터를 생성할 수 있다. 본 개시에 따른 인공 지능 모델은 로봇(100)이 동작하는 환경에 대응되는 지도 상에서 객체를 식별하도록 학습된 인공 지능 모델일 수 있으며, 인공 지능 모델을 학습하는 방법에 대해서는 도 8을 통해 후술하도록 한다.
구체적으로, 정보 변환 모듈(1400)은 그리드 맵 상에 매핑된 사용자의 시선 방향(30-1,ΦG i)과 위치 좌표(30,pt i) 기준 기 설정 각도(예로, 20도) 내의 격자 좌표들을 식별할 수 있다.
예로, 도 5a를 참조하면, 그리드 맵(400) 상에서 위치 좌표(30,pt i)를 기준으로 사용자의 시선 방향(30-1,ΦG i)과 위치 좌표(30,pt i)를 기준으로 제1 격자 좌표(400-1)의 방향 사이의 각도(θ400-1)는 기 설정 각도(예로, 20도) 이하일 수 있다.
그리고, 그리드 맵(400) 상에서 위치 좌표(30,pt i)를 기준으로 사용자의 시선 방향(30-1,ΦG i)과 위치 좌표(30,pt i)를 기준으로 제2 격자 좌표(400-2)의 방향 사이의 각도(θ400-2)는 기 설정 각도(예로, 20도)를 초과할 수 있다. 이 경우, 정보 변환 모듈(1400)은 그리드 맵 상에서 제1 격자 좌표(400-1)에 대해서는 '1'로 매핑하고, 제2 격자 좌표(400-2)에 대해서는 '0'으로 매핑(미도시) 할 수 있다.
정보 변환 모듈(1400)은 그리드 맵 상의 모든 격자 좌표에 대해 상술한 매핑 과정을 수행하여, 도 5b와 같은 이진(binary) 데이터를 가지는 입력 데이터(500)를 생성할 수 있다.
그리고, 입력 데이터가 생성되면, 객체 식별 모듈(1500)은 입력 데이터(500)를 학습된 인공 지능 모델에 입력하여, 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별할 수 있다.
객체 식별 모듈(1500)은 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별하기 위한 구성이다.
정보 변환 모듈(1400)로부터 입력 데이터가 생성되면, 객체 식별 모듈(1500)은 입력 데이터를 학습된 인공 지능 모델(600)이 입력하여, 출력 데이터를 획득할 수 있다. 인공 지능 모델(600)은 객체가 존재 할 것으로 예측되는 격자 좌표들 각각에 대한 확률 값을 그리드 맵 상에 표시한 출력 데이터를 생성하기 위한 모델이다. 출력 데이터는 사용자의 시선 방향에 대응되는 객체가 그리드 맵 상의 격자 좌표 각각에 존재 할 것으로 예측되는 확률을 격자 좌표 별로 표시한 히트 맵(Heat Map) 형식의 데이터이다.
일 실시 예로, 인공 지능 모델(600)은 convolutional encoder/decoder network로 구현될 수 있다. 예로, convolutional encoder/decoder network는 Mean-2D-Enc, 2D-Enc, 3D-Enc 및 3D/2D U-Net 구조로 구현될 수 있다.
일 실시 예로, 인공 지능 모델(600)은 그리드 맵 상의 일 좌표로부터 제1 객체를 향하는 방향을 바탕으로 라벨링이 수행된 제1 입력 데이터 및/또는 로봇이 동작하는 환경 내에서 제1 객체를 바라보는 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터를 입력 데이터로 이용하고, 제1 객체에 대응되는 격자 좌표들 각각의 확률 값을 그리드 맵 상에 표시한 데이터를 출력 데이터로 이용하여 학습이 수행될 수 있다. 인공 지능 모델(600)을 학습하는 구체적인 방법에 대해서는 도 8을 통해 후술하도록 한다.
도 6a 및 도 6b는 입력 데이터를 학습된 인공 지능 모델(600)에 입력하여, 출력 데이터를 획득하는 방법을 설명하기 위한 도면이다.
도 6a을 참조하면, 객체 식별 모듈(1500)은 한 명의 사용자를 촬영한 영상을 바탕으로 생성된 입력 데이터(600-1)를 인공 지능 모델(600)에 입력하여, 그리드 맵 상의 격자 좌표 각각에, 객체가 위치할 것으로 예상되는 확률 값을 나타내는 히트 맵 형식의 출력 데이터(650-1)를 획득할 수 있다. 즉, 도 6a의 출력 데이터(650-1)는 도 4a와 같이 한 명의 사용자를 촬영한 영상에 대응되는 제2 정보를 바탕으로, 그리드 맵 상에 해당 사용자의 시선 방향에 대응되는 객체가 존재 할 것으로 예상되는 확률 값을 격자 좌표 각각에 나타낸 출력 데이터일 수 있다.
그리고, 도 6b을 참조하면, 객체 식별 모듈(1500)은 두 명의 사용자를 촬영한 영상을 바탕으로 생성된 입력 데이터(600-2)를 인공 지능 모델(600)에 입력하여, 두 개의 객체에 대한 확률 값을 가지는 출력 데이터(650-2)를 획득할 수 있다. 즉, 도 6b의 출력 데이터(650-2)는 도 4b와 같이 두 명의 사용자를 촬영한 영상에 대응되는 제2 정보를 바탕으로, 그리드 맵 상의 격자 좌표 각각에 대한, 두 명의 사용자 각각의 시선 방향에 대응되는 두개의 객체가 위치할 것으로 예상되는 확률 값을 나타내는 출력 데이터일 수 있다.
인공 지능 모델로부터 출력 데이터가 획득되면, 객체 식별 모듈(1500)은 도 7과 같이 출력 데이터(750) 및 로봇(100)이 동작하는 환경에 대응되는 지도(300)를 이용하여, 지도(300) 상에서 사용자의 시선 방향에 대응되는 객체(70-1)를 식별할 수 있다. 도 7은 지도(300) 상에서 사용자의 시선 방향에 대응되는 객체(70-1)를 식별하기 위한 방법을 설명하기 위한 도면이다.
객체 식별 모듈(1500)은 인공 지능 모델을 통해 획득된 출력 데이터(750)를 이용하여 사용자의 시선 방향에 대응되는 객체에 대한 추정 좌표를 식별할 수 있다. 구체적으로, 객체 식별 모듈(1500)은 출력 데이터(750)에 대하여 Peak 검출 기법을 이용하여 국소 최대점(local maximum point)들을 구함으로써 추정 좌표를 식별할 수 있다. 즉, 객체 식별 모듈(1500)은 출력 데이터(750) 상의 격자 좌표 각각의 확률 값들에 대한 함수에서의 국소 최대점에 대응되는 격자 좌표를 추정 좌표로 식별할 수 있다.
그리고, 객체 식별 모듈(1500)은 지도(300) 상에 포함된 적어도 하나의 객체 각각의 객체 좌표를 식별할 수 있다. 그리고, 객체 식별 모듈(1500)은 적어도 하나의 객체 좌표와 추정 좌표를 비교하여, 추정 좌표와 가장 가까운 객체(70-1)에 대응되는 좌표를 식별할 수 있다. 그리고, 식별된 객체의 좌표에 대응되는 객체(70-1)를 사용자의 시선 방향에 대응되는 객체로 식별할 수 있다.
본 개시에 따른 인공 지능과 관련된 기능은 프로세서(130)와 메모리(110)를 통해 동작된다.
프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP 등과 같은 범용 프로세서, GPU. VPU 등과 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서일 수 있다.
하나 또는 복수의 프로세서는, 메모리에 저장된 기정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 기정의된 동작 규칙 또는 인공 지능 모델은 학습을 통해 만들어진 것을 특징으로 한다.
여기서, 학습을 통해 만들어진다는 것은, 다수의 학습 데이터들에 학습 알고리즘을 적용함으로써, 원하는 특성의 기정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공 지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버/시스템을 통해 이루어 질 수도 있다.
인공 지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 각 레이어는 복수의 가중치(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치의 연산을 통해 레이어의 연산을 수행한다. 신경망의 예로는, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 및 심층 Q-네트워크 (Deep Q-Networks)이 있으며, 본 개시에서의 신경망은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
학습 알고리즘은, 다수의 학습 데이터들을 이용하여 소정의 대상 기기(예컨대, 로봇)을 훈련시켜 소정의 대상 기기 스스로 결정을 내리거나 예측을 할 수 있도록 하는 방법이다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으며, 본 개시에서의 학습 알고리즘은 명시한 경우를 제외하고 전술한 예에 한정되지 않는다.
도 8은 본 개시의 일 실시 예에 따른, 인공 지능 모델을 학습하기 위한 학습 데이터를 설명하기 위한 도면이다.
도 8을 참조하면, 인공 지능 모델(800)은 복수의 입력 학습 데이터(800-1 내지 800-N)를 입력 데이터로 하고, 하나의 출력 학습 데이터(850)를 복수의 입력 학습 데이터(800-1 내지 800-N) 각각에 대한 출력 데이터로 하여 학습될 수 있다.
일 실시 예로, 복수의 입력 학습 데이터(800-1 내지 800-N)는 그리드 맵 상의 일 좌표에서 객체가 위치에 대응되는 좌표를 향하는 방향에 대한 정보를 바탕으로 그리드 맵 상에 이진 데이터가 매핑된 제1 입력 데이터일 수 있다.
즉, 제1 입력 데이터는 실제 사용자를 촬영한 영상을 바탕으로 획득된 입력 데이터가 아닌, 그리드 맵 상에서 가상의 사용자의 위치에 대응되는 좌표에서 객체에 대한 사용자의 시선 방향에 대응되는 정보를 그리드 맵 상에 매핑한 입력 데이터일 수 있다.
그리고, 복수의 입력 학습 데이터(800-1 내지 800-N)에 대한 출력 학습 데이터(850)는 그리드 맵 상에 입력 학습 데이터에 대응되는 실제 객체의 위치에 대응되는 좌표를 바탕으로 생성된 히트 맵 형식의 데이터일 수 있다. 즉, 출력 학습 데이터(850)는 객체가 존재하는 것으로 예상되는 확률 값에 대한 데이터가 아닌, 실제 객체의 위치를 바탕으로 생성된 확률 값에 대한 데이터이다.
도 8에서는 복수의 입력 학습 데이터(800-1 내지 800-N)가 하나의 입력 학습 데이터 당 가상의 한 명의 사용자의 위치에 대응되는 좌표에서 하나의 객체에 대응되는 좌표로의 방향 정보에 따른 이진 데이터인 것으로 도시되어 있지만, 본 개시에 따른 입력 학습 데이터는 이에 한정되지 않는다.
일 실시 예로, 입력 학습 데이터는 가상의 복수의 사용자의 위치에 대응되는 좌표 각각에서 하나의 객체에 대응되는 좌표로의 방향 정보 각각에 따른 이진 데이터일 수 있다.
일 실시 예로, 입력 학습 데이터는 가상의 복수의 사용자의 위치에 대응되는 좌표 각각에서 복수의 객체에 대응되는 좌표로의 방향 정보 각각에 따른 이진 데이터일 수 있다. 이 경우, 출력 학습 데이터는 그리드 맵 상에 입력 학습 데이터에 대응되는 복수의 실제 객체의 위치에 대응되는 좌표를 바탕으로 생성된 히트 맵 형식의 데이터일 수 있다.
일 실시 예로, 도 8의 복수의 입력 학습 데이터(800-1 내지 800-N)는 적어도 하나의 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터일 수 있다. 즉, 제2 입력 데이터는 로봇(100)이 동작하는 환경 내에서 적어도 하나의 객체를 바라보는 적어도 하나의 사용자를 촬영한 영상을 바탕으로 획득된 입력 데이터일 수 있다.
그리고, 제2 입력 데이터에 대응되는 출력 학습 데이터는 적어도 하나의 사용자가 실제 바라보고 있는 적어도 하나의 객체의 위치에 대응되는 좌표를 바탕으로 생성된 히트 맵 형식의 데이터일 수 있다.
그리고, 로봇(100)은 로봇(100)이 동작하는 환경에 대응되는 지도에 존재하는 객체 각각에 대한 학습 데이터를 바탕으로 인공 지능 모델(800)을 학습시킬 수 있다. 즉, 제1 지도에 대응되는 제1 인공 지능 모델은 제1 지도 상에 존재하는 모든 객체에 대한 학습 데이터를 바탕으로 학습된 인공 지능 모델이며, 제2 지도에 대응되는 제2 인공 지능 모델은 제2 지도 상에 존재하는 모든 객체에 대한 학습 데이터를 바탕으로 학습된 인공 지능 모델일 수 있다.
로봇(100)은 상술한 학습 데이터들을 통해 인공 지능 모델(800)을 학습 시켜, 인공 지능 모델을 업데이트 할 수 있다. 다만, 이에 한정되지 않고, 로봇(100)은 외부 서버를 통해 학습이 수행된 인공 지능 모델을 획득할 수 도 있다.
일 실시 예로, 로봇(100)은 인공 지능 모델(800)을 기 설정된 주기(예로, 24시간)로 학습시켜, 인공 지능 모델(800)이 업데이트 될 수 있다. 다만, 이에 한정되지 않고 로봇(100)의 관리자에 의해 수동으로 인공 지능 모델(800)을 학습시킬 수 있다.
일 실시 예로, 로봇(100)이 동작하는 환경에 대응되는 지도 상에 적어도 하나의 객체의 위치가 변경되거나 객체가 추가되는 경우, 로봇(100)은 업데이트된 객체의 위치 각각에 대한 학습 데이터를 바탕으로 인공 지능 모델(800)을 학습시킬 수 있다.
도 9a 내지 도 9c는 본 개시의 일 실시 예에 따른, 사용자의 손에 대응되는 방향을 더 이용하여 객체를 식별하는 방법을 설명하기 위한 도면이다.
앞서 도면들을 통해 상술한 바와 같이, 로봇(100)은 사용자의 머리 자세(head pose) 또는 사용자의 눈 영역을 바탕으로 검출된 시선 방향(eye gaze direction)을 이용하여, 사용자의 시선 방향(Gaze direction)을 식별할 수 있다. 다만, 본 개시는 이에 한정되지 않고, 사용자의 머리 자세(head pose) 또는 시선 방향(eye gaze direction)과 함께 사용자의 손에 대응되는 방향을 더 이용하여, 사용자의 시선 방향(Gaze direction)을 식별할 수 있다.
즉, 도 9a를 참조하면, 로봇(100)은 사용자(90)의 머리를 촬영한 영상을 획득할 수 있다. 일 실시 예로, 사용자(90)의 객체(90-1)에 대응되는 명령이 감지되면, 로봇(100)은 사용자(90)의 머리를 촬영한 영상을 획득할 수 있다. 사용자(90)의 객체(90-1)에 대응되는 명령은 예로, '이거 머야', '저 거 가져와'와 같은 사용자의 음성 명령일 수 있다.
그리고, 로봇(100)은 사용자(90)의 머리를 촬영한 영상을 바탕으로, 1차적으로 사용자의 시선 방향에 대응되는 객체(90-1)를 추정할 수 있다.
도 9b는 사용자(90)의 위치, 로봇(100)의 위치 및 추정된 객체(90-1)의 위치를 도시한 도면이다. 객체(90-1)가 추정되면, 로봇(100)은 카메라(120)의 시야각 내에 객체(90-1)가 포함되도록 회전 할 수 있다. 그리고, 로봇(100)이 회전하는 동안, 사용자(90)의 손이 카메라(120)의 시야각 내에 포함되면, 로봇(100)은 도 9c와 같이 사용자(90)의 손을 포함하는 영상을 촬영하여, 사용자(90)의 손에 대응되는 방향 정보를 식별할 수 있다. 일 실시 예로, 손에 대응되는 방향 정보는 손가락이 향하는 방향 정보일 수 있다.
사용자(90)의 손에 대응되는 방향 정보가 식별되면, 로봇(100)은 손에 대응되는 방향 정보를 바탕으로, 기존 제2 정보에 포함된 시선 방향에 대한 정보를 업데이트 하여 제3 정보를 획득할 수 있다. 즉, 제3 정보는 제2 정보에 포함된 시선 방향에 대한 정보가 손에 대응되는 방향 정보를 바탕으로 업데이트된 정보일 수 있다.
그리고, 로봇(100)은 제3 정보에 대응되는 입력 데이터를 생성할 수 있다. 그리고, 로봇(100)은 제3 정보를 바탕으로 생성된 입력 데이터를 학습된 인공 지능 모델에 입력하여, 사용자(90)의 시선에 대응되는 객체(90-1)를 식별할 수 있다.
그리고, 객체(90-1)가 식별되면, 로봇(100)은 사용자의 명령에 대응되는 테스크를 수행할 수 있다.
도 10은 본 개시에 따른, 로봇의 제어 방법을 설명하기 위한 흐름도이다.
로봇(100)은 사용자를 촬영한 영상을 획득할 수 있다(S1010).
일 실시 예로. 사용자의 객체에 대응되는 명령이 감지되면, 로봇(100)은 사용자를 촬영한 영상을 획득할 수 있다. 일 실시 예로, 영상에는 사용자의 시선 방향에 대응되는 객체가 포함되어 있지 않을 수 있다.
일 실시 예로, 로봇(100)의 시야각 내에 사용자가 감지되면, 로봇(100)은 사용자를 촬영한 영상을 획득할 수 있다.
그리고, 로봇(100)은 영상을 분석하여 사용자의 위치 및 사용자의 시선 방향에 대한 제1 정보를 획득할 수 있다(S1020). 일 실시 예로, 로봇(100)은 영상에서 사용자의 머리에 대응되는 영역을 식별하고, 식별된 영역을 바탕으로 사용자의 위치를 식별할 수 있다. 그리고, 로봇(100)은 식별된 영역 내의 머리 자세를 바탕으로 시선 방향을 식별할 수 있다.
그리고, 로봇(100)은 영상의 촬영 위치 및 촬영 방향을 바탕으로, 로봇(100)이 동작하는 환경에 대응되는 지도 상에 제1 정보를 매칭하기 위한 매칭 정보를 획득할 수 있다(S1030). 일 실시 예로, 로봇(100)은 SLAM(Simultaneous Localization and Mapping) 방식을 통해 로봇(100)이 동작하는 환경에 대응되는 지도 상에서 영상을 촬영할 때의 로봇의 위치 및 방향에 대한 정보를 식별함으로, 매칭 정보를 획득할 수 있다.
그리고, 로봇(100)은 매칭 정보 및 제1 정보를 바탕으로, 지도 상에서의 사용자의 위치 및 시선 방향에 대한 제2 정보를 획득할 수 있다(S1040).
그리고, 로봇(100)은 지도상에서 객체를 식별하도록 학습된 인공 지능 모델에 제2 정보를 입력하여, 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별할 수 있다(S1050).
일 실시 예로, 로봇(100)은 제2 정보를 지도에 대응되는 그리드 맵 상에 매핑하여 입력 데이터를 획득할 수 있다. 그리고, 로봇(100)은 입력 데이터를 인공 지능 모델에 입력하여, 그리드 맵 상에서 객체에 대응되는 좌표를 식별할 수 있다. 일 실시 예로, 로봇(100)은 입력 데이터를 인공 지능 모델에 입력하여, 그리드 맵 상에서 객체가 존재할 것으로 예상되는 확률 값을 나타내는 히트 맵 형식의 출력 데이터를 획득할 수 있다. 그리고, 로봇(100)은 출력 데이터에서 국소 최대점에 대응되는 좌표를 객체에 대응되는 좌표로 식별할 수 있다. 그리고, 로봇(100)은 식별된 좌표를 바탕으로, 지도 상에서 사용자의 시선 방향에 대응되는 객체를 식별할 수 있다.
도 11은 본 개시의 일 실시 예에 따른, 로봇의 구체적인 구성을 설명하기 위한 블록도 이다. 일 실시 예로, 도 11는 로봇(2100)이 주행 가능한 로봇인 경우에 대한 블록도 일 수 있다.
도 11을 참조하면, 로봇(2100)은 메모리(2110), 카메라(2120), 프로세서(2130), 디스플레이(2140), 센서(2150), 통신부(2160), 입출력 인터페이스(2170), 배터리(2180) 및 주행부(2190)를 포함할 수 있다. 그러나, 이와 같은 구성은 예시적인 것으로서, 본 개시를 실시함에 있어 이와 같은 구성에 더하여 새로운 구성이 추가되거나 일부 구성이 생략될 수 있음을 물론이다.
메모리(2110)는 비휘발성 메모리, 휘발성 메모리, 플래시메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SSD) 등으로 구현될 수 있다. 메모리(2110)는 프로세서(2130)에 의해 액세스되며, 프로세서(2130)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(2110)에는 디스플레이의 디스플레이 영역에 표시될 각종 화면을 구성하기 위한 프로그램 및 데이터 등이 저장될 수 있다.
프로세서(2130)는 메모리(2110)와 전기적으로 연결되어 로봇(2100)의 전반적인 동작 및 기능을 제어할 수 있다. 프로세서(2130)는 로봇(2100)의 전반적인 동작을 제어한다. 이를 위해, 프로세서(2130)는 중앙처리장치(central processing unit(CPU)), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)) 중 하나 또는 그 이상을 포함할 수 있다. 프로세서(2130)는 다양한 방식으로 구현될 수 있다. 예를 들어, 프로세서(2130)는 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 임베디드 프로세서, 마이크로 프로세서, 하드웨어 컨트롤 로직, 하드웨어 유한 상태 기계(hardware Finite State Machine, FSM), 디지털 신호 프로세서(Digital Signal Processor, DSP) 중 적어도 하나로 구현될 수 있다. 한편, 본 개시에서 프로세서(2130)라는 용어는 CPU(Central Processing Unit), GPU(Graphic Processing Unit) 및 MPU(Main Processing Unit)등을 포함하는 의미로 사용될 수 있다.
메모리(2110), 카메라(2120) 및 프로세서(2130)에 대해서는 도 1을 참조하여 상세히 설명 하였는바, 이하에서는 나머지 구성에 대해 설명한다.
디스플레이(2140)는 프로세서(2130)의 제어에 따라 다양한 정보를 표시할 수 있다. 그리고, 디스플레이(2140)는 LCD(Liquid Crystal Display), LED(light emitting diode), OLED(Organic Light Emitting Diodes), LCoS(Liquid Crystal on Silicon), DLP(Digital Light Processing) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 또한, 디스플레이(2140) 내에는 a-si TFT, LTPS(low temperature poly silicon) TFT, OTFT(organic TFT) 등과 같은 형태로 구현될 수 있는 구동 회로, 백라이트 유닛 등도 함께 포함될 수 있다.
일 실시 예로, 디스플레이(2140)는 터치 센서와 결합되어 터치 스크린으로 구현될 수도 있다.
일 실시 예로, 디스플레이(2140)는 각종 유저 인터페이스(UI) 및 아이콘을 표시할 수도 있다.
일 실시 예로, 디스플레이(2140)는 사용자의 음성 명령에 대응되는 텍스트를 표시할 수 있다.
일 실시 예로, 디스플레이(2140)는 사용자의 시선 방향에 대응되는 객체가 식별되면, 식별된 객체가 맞는지 여부를 묻는 UI를 표시할 수 있다.
일 실시 예로, 디스플레이(2140)는 사용자의 시선 방향에 대응되는 객체가 표시된 지도를 제공할 수 있다.
센서(2150)는 로봇(2100)의 동작에 필요한 다양한 센서를 포함할 수 있다. 예로, 센서(2150)는 비전 센서, 거리 센서, 라이다 센서, 지자기 센서 등을 포함할 수 있다. 다만, 이에 한정되지 않고, 로봇(2100)은 객체 및 로봇(2100)의 위치를 검출하기 위한 다양한 센서들을 더 포함할 수 있다.
비전 센서는 카메라(2120)가 촬영한 영상 내에서 사용자의 머리에 대응되는 영역을 식별하기 위한 센서이다. 일 실시 예로, 비전 센서는 RGB 센서 또는 RGB-D 센서로 구현될 수 있다.
거리 센서는 로봇(2100)의 객체와의 거리 정보를 획득하기 위한 구성으로 거리 센서는 적외선 센서 적외선 센서(Infrared Ray Sensor), 초음파 센서(Ultra Sonic Sensor), RF 센서(Radio Frequency Sensor) 등으로 구현될 수 있으며, 로봇 (900)의 내부나 외부의 일 측에 구비될 수 있다.
라이다(LiDAR) 센서는 레이저 펄스를 발사하여 산란되거나 타겟 디바이스로부터 반사된 레이저 펄스가 돌아오는데 걸리는 시간, 산란 또는 반사된 레이저의 강도, 주파수, 편광 상태의 변화를 이용하여 타겟 오브젝트와 관련된 물리적 특성 (로봇(2100)의 위치 및 방향, 로봇(2100)과 타겟 오브젝트와의 거리, 방향, 타겟 오브젝트의 형상 및 이동 속도 등)에 대한 정보를 획득할 수 있는 센서이다.
구체적으로, 로봇(2100)은 라이다 센서를 이용하여 로봇(2100)의 주변을 스캐닝하여 라이다 지도를 획득할 수 있다. 라이다 지도는 라이다 센서의 레이저 펄스를 이용하여 획득된 로봇(2100)의 물리적 특성에 대한 정보를 이용하여 획득될 수 있는 지도이다. 또한, 로봇(2100)은 라이다 센서를 이용하여 SLAM을 수행하여, 라이다 지도에서의 로봇(2100)의 위치에 대한 정보 및 라이다 지도에서의 적어도 하나의 객체에 대응되는 위치 정보를 획득할 수 있다.
지자기 센서는 지자기에 대한 값을 검출하기 위한 센서로, 지자기 센서를 통해, 지자기 센서 주변의 지자기 방향에 대한 정보 및 지자기 크기에 대한 정보가 획득될 수 있다.
통신부(2160)는 다양한 통신 방식을 통해 외부 장치 및 외부 서버와 통신을 수행할 수 있다. 통신부(2160)가 외부 장치 및 외부 서버와 통신 연결되는 것은 제3 기기(예로, 중계기, 허브, 엑세스 포인트, 게이트웨이 등)를 거쳐서 통신하는 것을 포함할 수 있다.
한편, 통신부(2160)는 외부 장치와 통신을 수행하기 위해 다양한 통신 모듈을 포함할 수 있다. 일 예로, 통신부(2160)는 무선 통신 모듈을 포함할 수 있으며, 예를 들면, LTE, LTE-A(LTE Advance), CDMA(code division multiple access), WCDMA(wideband CDMA), UMTS(universal mobile telecommunications system), WiBro(Wireless Broadband), 또는 GSM(Global System for Mobile Communications) 등 중 적어도 하나를 사용하는 셀룰러 통신 모듈을 포함할 수 있다. 또 다른 예로, 무선 통신 모듈은, 예를 들면, WiFi(wireless fidelity), 블루투스, 블루투스 저전력(BLE), 지그비(Zigbee), 중 적어도 하나를 포함할 수 있다.
일 실시 예로, 프로세서(2130)는 통신부(2160)를 통해, 외부 장치 또는 외부 서버로부터 로봇(2100)이 동작하는 환경에 대응되는 라이다 지도 또는 지자기 지도 등을 수신하여 메모리(2110)에 저장할 수 있다.
입출력 인터페이스(2170)는 외부로부터 오디오 신호를 수신하고, 외부로 오디오 데이터를 출력하기 위한 구성이다. 구체적으로 입출력 인터페이스(2170)는 외부로부터 오디오 신호를 수신하는 마이크 및 외부로 오디오 데이터를 출력하는 오디오 출력부를 포함할 수 있다.
마이크는 외부로부터 오디오 신호를 수신할 수 있으며, 오디오 신호에는 사용자의 음성 명령이 포함될 수 있다. 오디오 출력부는 프로세서(2130)의 제어에 의해 오디오 데이터를 출력할 수 있다. 일 실시 예로, 오디오 출력부는 사용자의 음성 명령에 대응되는 오디오 데이터를 출력할 수 있다. 오디오 출력부는 스피커 출력 단자, 헤드폰 출력 단자, S/PDIF 출력 단자로 구현될 수 있다.
배터리(2180)는 로봇(2100)의 전력을 공급하기 위한 구성으로, 충전 스테이션에 의해 배터리(2180)가 충전될 수 있다. 일 실시 예로, 배터리(2180)는 무선 충전을 위한 수신 공진기를 포함할 수 있다. 일 실시 예로, 배터리(2180)의 충전 방식은 CC(Constant Current) 충전 방식을 통해 기 설정된 용량을 급속 충전하고, CV(Constant Voltage) 방식을 통해 나머지 용량을 충전하는 CCCV(Constant Current Constant Voltage) 충전 방식일 수 있으나, 이에 한정되지 않으며 다양한 방식으로 충전될 수 있다.
주행부(2190)는 프로세서(2130) 제어에 의해 로봇(2100)을 이동시킬 수 있는 구성이며, 모터 및 복수 개의 바퀴를 포함할 수 있다. 구체적으로, 주행부(2190)는 프로세서(2130) 제어에 의해 로봇(2100)의 이동 방향 및 이동 속도를 변경할 수 있다. 또한, 주행부(2190)는 로봇(2100)을 회전시킬 수 있는 모터를 더 포함할 수 있다.
본 실시 예들은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는바, 특정 실시 예들을 도면에 예시하고 상세한 설명에 상세하게 설명하였다. 그러나 이는 특정한 실시 형태에 대해 범위를 한정하려는 것이 아니며, 본 개시의 실시 예의 다양한 변경(modifications), 균등물(equivalents), 및/또는 대체물(alternatives)을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다.
본 개시를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 개시의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다.
덧붙여, 상술한 실시 예들은 여러 가지 다른 형태로 변형될 수 있으며, 본 개시의 기술적 사상의 범위가 하기 실시 예에 한정되는 것은 아니다. 오히려, 이들 실시 예는 본 개시를 더욱 충실하고 완전하게 하고, 당업자에게 본 개시의 기술적 사상을 완전하게 전달하기 위하여 제공되는 것이다.
본 개시에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 권리범위를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 개시에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 개시에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상"등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 개시에서 사용된 "제1," "제2," "첫째," 또는 "둘째,"등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 개시에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히 설계된(specifically designed to)" 것만을 반드시 의미하지 않을 수 있다.
대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된) 프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
실시 예에 있어서 '모듈' 혹은 '부'는 적어도 하나의 기능이나 동작을 수행하며, 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다. 또한, 복수의 '모듈' 혹은 복수의 '부'는 특정한 하드웨어로 구현될 필요가 있는 '모듈' 혹은 '부'를 제외하고는 적어도 하나의 모듈로 일체화되어 적어도 하나의 프로세서로 구현될 수 있다.
한편, 도면에서의 다양한 요소와 영역은 개략적으로 그려진 것이다. 따라서, 본 개시의 기술적 사상은 첨부한 도면에 그려진 상대적인 크기나 간격에 의해 제한되지 않는다.
한편, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합된 것을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록 매체 내에서 구현될 수 있다. 하드웨어적인 구현에 의하면, 본 개시에서 설명되는 실시 예들은 ASICs(Application Specific Integrated Circuits), DSPs(digital signal processors), DSPDs(digital signal processing devices), PLDs(programmable logic devices), FPGAs(field programmable gate arrays), 프로세서(processors), 제어기(controllers), 마이크로 컨트롤러(micro-controllers), 마이크로 프로세서(microprocessors), 기타 기능 수행을 위한 전기적인 유닛(unit) 중 적어도 하나를 이용하여 구현될 수 있다. 일부의 경우에 본 명세서에서 설명되는 실시 예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시 예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 상기 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 작동을 수행할 수 있다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법은 비일시적 판독 가능 매체(non-transitory readable medium) 에 저장될 수 있다. 이러한 비일시적 판독 가능 매체는 다양한 장치에 탑재되어 사용될 수 있다.
비일시적 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 구체적으로는, 상술한 다양한 방법을 수행하기 위한 프로그램들은 CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등과 같은 비일시적 판독 가능 매체에 저장되어 제공될 수 있다.
일 실시 예에 따르면, 본 문서에 개시된 다양한 실시 예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory (CD-ROM))의 형태로, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 온라인으로 배포될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
또한, 이상에서는 본 개시의 바람직한 실시 예에 대하여 도시하고 설명하였지만, 본 개시는 상술한 특정의 실시 예에 한정되지 아니하며, 청구범위에서 청구하는 본 개시의 요지를 벗어남이 없이 당해 개시가 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어서는 안될 것이다.

Claims (15)

  1. 로봇의 제어 방법에 있어서,
    사용자(user)를 촬영한 영상을 획득하는 단계;
    상기 영상을 분석하여 상기 사용자의 위치 및 상기 사용자의 시선 방향에 대한 제1 정보를 획득하는 단계;
    상기 영상의 촬영 위치 및 촬영 방향을 바탕으로, 상기 로봇이 동작하는 환경에 대응되는 지도 상에 상기 제1 정보를 매칭 하기 위한 매칭 정보를 획득하는 단계;
    상기 매칭 정보 및 상기 제1 정보를 바탕으로, 상기 지도 상에서의 상기 사용자의 위치 및 상기 시선 방향에 대한 제2 정보를 획득하는 단계; 및
    상기 지도 상에서 객체를 식별하도록 학습된 인공 지능 모델에 상기 제2 정보를 입력하여, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 단계;를 포함하는 제어 방법.
  2. 제1항에 있어서,
    상기 제1 정보를 식별하는 단계는,
    상기 영상에서 상기 사용자의 머리(head)에 대응되는 영역을 식별하는 단계;
    상기 식별된 영역을 바탕으로, 상기 사용자의 위치를 식별하는 단계; 및
    상기 식별된 영역 내의 머리 자세(pose)를 바탕으로 상기 시선 방향을 식별하는 단계;를 더 포함하는 제어 방법.
  3. 제1항에 있어서,
    상기 매칭 정보를 획득하는 단계는,
    SLAM(Simultaneous Localization and Mapping) 방식을 통해 상기 지도 상에서 상기 영상을 촬영할 때의 상기 로봇의 위치 및 방향에 대한 정보를 식별함으로, 상기 매칭 정보를 획득하는 단계인 제어 방법.
  4. 제1항에 있어서,
    상기 제2 정보를 획득하는 단계는,
    상기 제2 정보를 상기 지도에 대응되는 그리드 맵 상에 매핑하여 입력 데이터를 획득하는 단계;를 더 포함하고,
    상기 객체를 식별하는 단계는,
    상기 입력 데이터를 상기 인공 지능 모델에 입력하여, 상기 그리드 맵 상에서 상기 객체에 대응되는 좌표를 식별하는 단계; 및
    상기 식별된 좌표를 바탕으로, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 단계;를 더 포함하는 것을 특징으로 하는 제어 방법.
  5. 제4항에 있어서,
    상기 인공 지능 모델은
    상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며,
    상기 그리드 맵 상의 일 좌표로부터 상기 객체를 향하는 방향을 바탕으로 상기 그리드 맵 상에 binary 데이터가 매핑된 제1 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 하는 제어 방법.
  6. 제4항에 있어서,
    상기 인공 지능 모델은
    상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며,
    상기 로봇이 동작하는 환경 내에서 상기 객체를 바라보는 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 하는 제어 방법.
  7. 제1항에 있어서,
    상기 객체가 식별되면, 상기 객체가 상기 로봇의 카메라의 시야각 내에 포함되도록 회전하는 단계;
    상기 회전하는 동안, 상기 사용자의 손(hand)이 상기 카메라의 시야각 내에 포함되면, 상기 손에 대응되는 방향 정보를 식별하는 단계;
    상기 손에 대응되는 방향 정보를 바탕으로, 상기 제2 정보에 포함된 상기 시선 방향에 대한 정보가 업데이트된 제3 정보를 획득하는 단계; 및
    상기 제3 정보를 학습된 인공 지능 모델에 적용하여, 상기 지도 상에서 상기 사용자의 시선에 대응되는 객체를 식별하는 단계;를 더 포함하는 제어 방법.
  8. 제1항에 있어서,
    상기 사용자의 상기 객체에 대응되는 명령이 감지되면, 상기 영상을 획득하여 상기 지도 상에서 상기 사용자의 시선에 대응되는 객체를 식별하는 단계; 및
    상기 명령에 대응되는 테스크를 수행하는 단계;를 더 포함하는 제어 방법.
  9. 제1항에 있어서,
    상기 객체는 상기 영상 내에 포함되어 있지 않은 것을 특징으로 하는 제어 방법.
  10. 로봇에 있어서,
    적어도 하나의 인스트럭션을 저장하는 메모리;
    사용자(user)를 촬영하기 위한 카메라; 및
    상기 메모리 및 상기 카메라와 연결되며 상기 로봇을 제어하는 프로세서를 포함하고,
    상기 프로세서는 상기 적어도 하나의 인스트럭션을 실행함으로써,
    상기 카메라를 통해 사용자를 촬영한 영상을 획득하고,
    상기 영상을 분석하여 상기 사용자의 위치 및 상기 사용자의 시선 방향에 대한 제1 정보를 획득하고,
    상기 영상의 촬영 위치 및 촬영 방향을 바탕으로, 상기 로봇이 동작하는 환경에 대응되는 지도 상에 상기 제1 정보를 매칭 하기 위한 매칭 정보를 획득하고,
    상기 매칭 정보 및 상기 제1 정보를 바탕으로, 상기 지도 상에서의 상기 사용자의 위치 및 상기 시선 방향에 대한 제2 정보를 획득하고,
    상기 지도 상에서 객체를 식별하도록 학습된 인공 지능 모델에 상기 제2 정보를 입력하여, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 로봇.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 영상에서 상기 사용자의 머리(head)에 대응되는 영역을 식별하고,
    상기 식별된 영역을 바탕으로, 상기 사용자의 위치를 식별하고,
    상기 식별된 영역 내의 머리 자세(pose)를 바탕으로 상기 시선 방향을 식별하는 로봇.
  12. 제10항에 있어서,
    상기 프로세서는,
    SLAM(Simultaneous Localization and Mapping) 방식을 통해 상기 지도 상에서 상기 영상을 촬영할 때의 상기 로봇의 위치 및 방향에 대한 정보를 식별함으로, 상기 매칭 정보를 획득하는 것을 특징으로 하는 로봇.
  13. 제10항에 있어서,
    상기 프로세서는,
    상기 제2 정보를 상기 지도에 대응되는 그리드 맵 상에 매핑하여 입력 데이터를 획득하고,
    상기 입력 데이터를 상기 인공 지능 모델에 입력하여, 상기 그리드 맵 상에서 상기 객체에 대응되는 좌표를 식별하고,
    상기 식별된 좌표를 바탕으로, 상기 지도 상에서 상기 사용자의 시선 방향에 대응되는 객체를 식별하는 것을 특징으로 하는 로봇.
  14. 제13항에 있어서,
    상기 인공 지능 모델은
    상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며,
    상기 그리드 맵 상의 일 좌표로부터 상기 객체를 향하는 방향을 바탕으로 상기 그리드 맵 상에 binary 데이터가 매핑된 제1 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 하는 로봇.
  15. 제13항에 있어서,
    상기 인공 지능 모델은
    상기 그리드 맵 상에서의 상기 객체에 대응되는 좌표에 대한 데이터를 출력 데이터로 하며,
    상기 로봇이 동작하는 환경 내에서 상기 객체를 바라보는 사용자를 촬영한 영상을 바탕으로 획득된 제2 입력 데이터를 입력 데이터로 하여 상기 인공 지능 모델이 학습되는 것을 특징으로 하는 로봇.
PCT/KR2021/008435 2020-08-14 2021-07-02 로봇 및 이의 제어 방법 WO2022035054A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP21856061.3A EP4186650A4 (en) 2020-08-14 2021-07-02 ROBOTS AND METHOD FOR CONTROLLING SAME
US18/109,025 US20230195113A1 (en) 2020-08-14 2023-02-13 Robot and method for controlling same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0102283 2020-08-14
KR1020200102283A KR20220021581A (ko) 2020-08-14 2020-08-14 로봇 및 이의 제어 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/109,025 Continuation US20230195113A1 (en) 2020-08-14 2023-02-13 Robot and method for controlling same

Publications (1)

Publication Number Publication Date
WO2022035054A1 true WO2022035054A1 (ko) 2022-02-17

Family

ID=80246774

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2021/008435 WO2022035054A1 (ko) 2020-08-14 2021-07-02 로봇 및 이의 제어 방법

Country Status (4)

Country Link
US (1) US20230195113A1 (ko)
EP (1) EP4186650A4 (ko)
KR (1) KR20220021581A (ko)
WO (1) WO2022035054A1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230110464A1 (en) * 2021-10-08 2023-04-13 Woven Alpha, Inc. Vehicle occupant gaze detection system and method of using
KR102669060B1 (ko) * 2023-05-08 2024-05-29 (주)로보케어 추적 대상의 위치를 추정하는 방법 및 장치

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190118091A1 (en) * 2017-09-08 2019-04-25 Sony Interactive Entertainment Inc. Spatially and user aware second screen projection from a companion robot or device
KR20190047640A (ko) * 2017-10-27 2019-05-08 서울대학교산학협력단 전력 및 모션 감응형 교육용 로봇
KR20190102148A (ko) * 2019-03-08 2019-09-03 엘지전자 주식회사 로봇
KR102043954B1 (ko) * 2018-07-27 2019-11-12 엘지전자 주식회사 차량에 구비된 차량용 로봇 및 차량용 로봇의 제어방법
US20200061822A1 (en) * 2017-04-21 2020-02-27 Cloundminds (Shenzhen) Robotics Systems Co., Ltd. Method for controlling robot and robot device

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11126257B2 (en) * 2018-04-17 2021-09-21 Toyota Research Institute, Inc. System and method for detecting human gaze and gesture in unconstrained environments

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200061822A1 (en) * 2017-04-21 2020-02-27 Cloundminds (Shenzhen) Robotics Systems Co., Ltd. Method for controlling robot and robot device
US20190118091A1 (en) * 2017-09-08 2019-04-25 Sony Interactive Entertainment Inc. Spatially and user aware second screen projection from a companion robot or device
KR20190047640A (ko) * 2017-10-27 2019-05-08 서울대학교산학협력단 전력 및 모션 감응형 교육용 로봇
KR102043954B1 (ko) * 2018-07-27 2019-11-12 엘지전자 주식회사 차량에 구비된 차량용 로봇 및 차량용 로봇의 제어방법
KR20190102148A (ko) * 2019-03-08 2019-09-03 엘지전자 주식회사 로봇

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4186650A4 *

Also Published As

Publication number Publication date
EP4186650A1 (en) 2023-05-31
KR20220021581A (ko) 2022-02-22
EP4186650A4 (en) 2023-12-20
US20230195113A1 (en) 2023-06-22

Similar Documents

Publication Publication Date Title
WO2020141924A1 (en) Apparatus and method of generating map data of cleaning space
WO2019164232A1 (ko) 전자 장치, 이의 영상 처리 방법 및 컴퓨터 판독가능 기록 매체
WO2018012945A1 (en) Method and device for obtaining image, and recording medium thereof
WO2018093055A1 (en) Mobile robot system and mobile robot
WO2022035054A1 (ko) 로봇 및 이의 제어 방법
WO2018110848A1 (en) Method for operating unmanned aerial vehicle and electronic device for supporting the same
WO2018088806A1 (ko) 영상처리장치 및 영상처리방법
WO2019151735A1 (en) Vision inspection management method and vision inspection system
WO2020050636A1 (ko) 사용자 의도 기반 제스처 인식 방법 및 장치
WO2021096233A1 (en) Electronic apparatus and control method thereof
WO2020046038A1 (ko) 로봇 및 그의 제어 방법
WO2022025706A1 (en) Angle of arrival capability in electronic devices
WO2019172642A1 (ko) 심장 박동을 측정하기 위한 전자 장치 및 방법
WO2021096144A1 (en) Mistakenly ingested object identifying robot cleaner and controlling method thereof
WO2016126083A1 (ko) 주변 상황 정보를 통지하기 위한 방법, 전자 장치 및 저장 매체
WO2020204355A1 (ko) 전자 장치 및 그 제어 방법
WO2019245320A1 (ko) 이미지 센서와 복수의 지자기 센서를 융합하여 위치 보정하는 이동 로봇 장치 및 제어 방법
WO2019190171A1 (ko) 전자 장치 및 그 제어 방법
WO2019160325A1 (en) Electronic device and control method thereof
WO2020251151A1 (ko) 3차원 가상 공간 모델을 이용한 사용자 포즈 추정 방법 및 장치
WO2023287103A1 (ko) 청소 로봇을 제어하는 전자 장치 및 그 동작 방법
WO2020122513A1 (ko) 2차원 이미지 처리 방법 및 이 방법을 실행하는 디바이스
WO2019124728A1 (ko) 객체를 식별하기 위한 장치 및 방법
WO2022098164A1 (ko) 전자 장치 및 전자 장치의 제어 방법
WO2022039494A1 (ko) 단말의 모델을 갱신하는 서버 및 그 동작 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21856061

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2021856061

Country of ref document: EP

ENP Entry into the national phase

Ref document number: 2021856061

Country of ref document: EP

Effective date: 20230223

NENP Non-entry into the national phase

Ref country code: DE