WO2022065580A1 - 진공청소기 - Google Patents

진공청소기 Download PDF

Info

Publication number
WO2022065580A1
WO2022065580A1 PCT/KR2020/015886 KR2020015886W WO2022065580A1 WO 2022065580 A1 WO2022065580 A1 WO 2022065580A1 KR 2020015886 W KR2020015886 W KR 2020015886W WO 2022065580 A1 WO2022065580 A1 WO 2022065580A1
Authority
WO
WIPO (PCT)
Prior art keywords
information
probability
vacuum cleaner
probability value
mode
Prior art date
Application number
PCT/KR2020/015886
Other languages
English (en)
French (fr)
Inventor
박기홍
박정섭
최가형
진연섭
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to US18/042,836 priority Critical patent/US20230292967A1/en
Publication of WO2022065580A1 publication Critical patent/WO2022065580A1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2842—Suction motors or blowers
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/02—Nozzles
    • A47L9/04—Nozzles with driven brushes or agitators
    • A47L9/0405—Driving means for the brushes or agitators
    • A47L9/0411—Driving means for the brushes or agitators driven by electric motor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805—Parameters or conditions being sensed
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805—Parameters or conditions being sensed
    • A47L9/2826—Parameters or conditions being sensed the condition of the floor
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2805—Parameters or conditions being sensed
    • A47L9/2831—Motor parameters, e.g. motor load or speed
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
    • A47L9/2847—Surface treating elements
    • A—HUMAN NECESSITIES
    • A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
    • A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
    • A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
    • A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
    • A47L9/2868—Arrangements for power supply of vacuum cleaners or the accessories thereof
    • A47L9/2884—Details of arrangements of batteries or their installation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/003—Measuring mean values of current or voltage during a given time interval
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/3644—Constructional arrangements
    • G01R31/3648—Constructional arrangements comprising digital calculation means, e.g. for performing an algorithm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/36—Arrangements for testing, measuring or monitoring the electrical condition of accumulators or electric batteries, e.g. capacity or state of charge [SoC]
    • G01R31/367—Software therefor, e.g. for battery testing using modelling or look-up tables
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Definitions

  • the present invention relates to a vacuum cleaner, and more particularly, to a vacuum cleaner capable of calculating a probability for the type of floor being cleaned using artificial intelligence technology and automatically changing the suction power of the cleaner according to circumstances.
  • a vacuum cleaner is a device that performs cleaning by sucking in dust or foreign substances in an area to be cleaned.
  • a vacuum cleaner may be divided into a manual cleaner in which a user directly moves the cleaner to perform cleaning, and an automatic cleaner in which the user performs cleaning while driving by themselves.
  • the manual vacuum cleaner may be classified into a canister type, an upright type, a handy type, a stick type, and the like according to the type of the vacuum cleaner.
  • the vacuum cleaner may use a nozzle to clean the floor surface.
  • a nozzle can be used to suck in air and dust.
  • a mop is attached to the nozzle and the floor can be cleaned with the mop.
  • the user when the floor material being cleaned by using a vacuum cleaner changes, the user can recognize or determine it.
  • the user may apply an input for changing the output of the cleaner during the cleaning operation.
  • the control unit it is common for the control unit to change the output of the suction motor by receiving an input for changing the output of the cleaner from the user.
  • recently developed vacuum cleaners include a sensing unit capable of detecting a change in floor material.
  • the control unit may receive this and provide a function of automatically changing the suction power.
  • vacuum cleaners vary the suction power by determining the type of floor based on the current flowing through the nozzle motor attached to the head.
  • Korean Patent Registration No. 10-1411742 which is a prior document, discloses a robot cleaner that changes suction power according to a floor detection result. The variation of the suction force was set to change depending on whether the current load measured at the nozzle part exceeds a threshold.
  • the present invention proposes a vacuum cleaner capable of detecting a floor surface by applying a probabilistic modeling technique based on one or more complex data.
  • the vacuum cleaner according to the embodiments may include an artificial intelligence unit capable of providing reliable sensing performance in various situations by using an artificial intelligence model formed by utilizing machine learning.
  • a vacuum cleaner includes a suction motor providing a suction force, a rotating unit, and a dust inlet, and a nozzle unit for receiving the suction power from the suction motor and sucking the dust on the floor surface , a nozzle motor provided in the nozzle unit to transmit a driving force to the rotating unit, and a nozzle shutter provided in the nozzle unit to adjust the size of the dust inlet.
  • the nozzle motor may include a suction motor, a nozzle shutter, and a battery that provides power to the nozzle shutter, and a model selection unit that generates information about the operation state corresponding to the operation mode of the suction motor and whether the nozzle shutter is opened or closed, the nozzle motor It may include an artificial intelligence unit that generates probability information through an artificial intelligence model using at least one of current information about the flowing current value, voltage information about the voltage value of the battery, and information about the operating state, and corresponds to the probability information to include a control unit for controlling the driving mode.
  • the probability information of the vacuum cleaner according to the embodiments may include a first probability value that is a probability that the floor surface is the first type and a second probability value that is a probability that the floor surface is the second type.
  • the driving mode of the vacuum cleaner may include a first mode and a second mode, and the suction motor may have a higher suction force in the first mode than in the second mode.
  • the controller may drive the suction motor in the first mode when the first probability value is greater than the second probability value, and drive the suction motor in the second mode when the first probability value is not greater than the second probability value.
  • the operating state of the vacuum cleaner includes a first state in which the nozzle shutter is open and the suction motor operates in a first mode, a second state in which the nozzle shutter is open and the suction motor operates in a second mode, and It may be one of the third states in which the nozzle shutter is closed and the suction motor operates in the first mode.
  • the artificial intelligence model is obtained through a machine learning method, and may include information for determining a first probability value and a second probability value corresponding to the first to third states.
  • the artificial intelligence unit may acquire the first probability value and the second probability value in one of the first to third states by using the artificial intelligence model.
  • the artificial intelligence model of the vacuum cleaner may include a first model machine-learned in a first state, a second model machine-learned in a second state, and a third model machine-learned in a third state .
  • the artificial intelligence unit uses the first model when the operating state is the first state, uses the second model when the operating state is the second state, and uses the third model when the operating state is the third state.
  • a probability value and a second probability value may be obtained.
  • the artificial intelligence model of the vacuum cleaner may include a learning model including a first probability value and a second probability value corresponding to a combination of voltage information and current information.
  • the artificial intelligence unit may find the first probability value and the second probability value corresponding to the current information and the voltage information through the learning model, and generate the probability information.
  • the vacuum cleaner according to the exemplary embodiment may further include a preprocessor configured to generate current information by processing a current value flowing through the nozzle motor.
  • the preprocessor may generate current information by arithmetic average of current values measured for a set time length and time interval.
  • the first step of generating information about the operating state by receiving the driving mode of the suction motor and whether the nozzle shutter is open or closed, the value of the current flowing through the nozzle motor The second step of generating current information by receiving the voltage value, the third step of generating voltage information by receiving the voltage value of the battery, generating probability information through an artificial intelligence model using at least one of the operating state, current information, and voltage information and a fifth step of controlling the driving mode of the suction motor in response to the fourth step and the probability information.
  • the probability information of the vacuum cleaner control method may include a first probability value that is a probability that the floor surface being cleaned is a first type and a second probability value that is a probability that the floor surface is a second type.
  • the driving mode of the vacuum cleaner control method may include a first mode and a second mode.
  • the suction motor may have a higher suction force in the first mode than in the second mode.
  • the controller may drive the suction motor in the first mode when the first probability value is greater than the second probability value, and drive the suction motor in the second mode when the first probability value is not greater than the second probability value.
  • the operating state of the vacuum cleaner control method is a first state in which the nozzle shutter is open and the suction motor operates in the first mode, and a second state in which the nozzle shutter is open and the suction motor operates in the second mode. and a third state in which the nozzle shutter is closed and the suction motor operates in the first mode.
  • the artificial intelligence model may be obtained through a machine learning method and may include information for determining a first probability value and a second probability value corresponding to the first to third states. In the fourth step, a first probability value and a second probability value may be obtained in one of the first to third states.
  • the artificial intelligence model of the vacuum cleaner control method may include a first model machine-learned in a first state, a second machine-learned model in a second state, and a third model machine-learned in a third state.
  • the first model is used when the operating state is the first state
  • the second model is used when the operating state is the second state
  • the third model is used when the operating state is the third state.
  • a first probability value and a second probability value may be obtained.
  • the artificial intelligence model of the vacuum cleaner control method may include a learning model including a first probability value and a second probability value corresponding to a combination of voltage information and current information.
  • the first probability value and the second probability value corresponding to the current information and the voltage information may be found in the learning model to generate the probability information.
  • current information may be generated by arithmetic average of current values measured for a set time length and time interval.
  • the artificial intelligence unit included in the vacuum cleaner according to the present invention may generate probability information about what type of floor surface the user is cleaning.
  • the control unit may receive the probability information about the floor type from the artificial intelligence unit, and control the driving mode of the vacuum cleaner.
  • the artificial intelligence unit can predict the type of floor being cleaned by using the existing machine-learning neural network model.
  • the artificial intelligence unit may predict the type of the floor being cleaned by using at least one information of a current value flowing through the nozzle motor, a voltage value of the battery, whether the nozzle shutter is opened or closed, and a driving mode of the suction motor. This increases the probability of accurately predicting the floor type compared to the prior art using only the current flowing through the nozzle motor.
  • FIG. 1 is a perspective view illustrating a state in which a vacuum cleaner according to embodiments cleans a floor surface
  • FIG. 2 is a perspective view and an exploded view illustrating a nozzle unit of a vacuum cleaner according to embodiments
  • FIG. 3 is a flowchart illustrating a method of controlling a driving mode of a vacuum cleaner according to embodiments.
  • FIG. 4 is a flowchart illustrating a method of controlling a driving mode of a vacuum cleaner including a preprocessor.
  • 5 is a conceptual diagram illustrating a synthetic neural network, which is one of the methods of machine learning.
  • FIG. 6 is a diagram illustrating a situation in which a vacuum cleaner according to embodiments determines a floor type using only current information.
  • FIG. 7 is a view illustrating various problem situations that the vacuum cleaner according to the embodiments may experience when determining a floor type.
  • FIG. 8 is a view showing various problem situations that the vacuum cleaner according to the embodiments may experience when determining a floor type.
  • FIG 9 is a view illustrating that the vacuum cleaner according to the embodiments determines the floor type using pre-processed current information.
  • FIG. 10 is a diagram illustrating that the vacuum cleaner according to the embodiments determines a floor type using information about a driving mode and current information.
  • FIG. 11 is a diagram illustrating that the vacuum cleaner according to the embodiments determines the floor type using voltage information and current information.
  • FIG. 12 is a diagram illustrating that the vacuum cleaner according to the embodiments determines the floor type using different voltage information for a specific current value.
  • FIG. 13 is a view showing an experimental result for verifying the floor surface discrimination performance of the vacuum cleaner according to the embodiments.
  • first component may be named as the second component, similarly the second component may also be named as the first component.
  • FIG. 1 is a view illustrating that the vacuum cleaner 1 according to the embodiments sucks dust located on the floor 500 .
  • a battery 300 for supplying power is mounted on a handle located at one end of the vacuum cleaner 1 .
  • the suction motor 200 receives power from the battery 300 to generate suction power.
  • the nozzle unit 100 located at the other end of the vacuum cleaner 1 is connected to the suction motor 200 by the communication unit.
  • the nozzle unit 100 may suck dust and/or foreign substances located on the bottom surface 500 based on the suction force generated by the suction motor 200 .
  • FIG. 2(a) is a view showing the basic structure of the nozzle unit 100 included in the vacuum cleaner 1
  • FIG. 2(b) is an exploded view showing parts constituting the nozzle unit 100. As shown in FIG.
  • the nozzle unit 100 may include a rotating unit 103 configured of a brush or the like to move the dust on the floor to a dust inlet (not shown).
  • the nozzle unit 100 receives power from the battery 300 and receives power from the nozzle motor 102 and the battery 300 for transmitting driving force to the rotating unit 103 to measure the size of the dust inlet (not shown). It may include a nozzle shutter 101 to adjust.
  • the nozzle shutter 101 may be in an open state or a closed state.
  • the nozzle shutter 101 When the nozzle shutter 101 is in an open state, the area of the dust inlet (not shown) increases, so that a relatively large foreign material can be sucked in.
  • the nozzle shutter 101 When the nozzle shutter 101 is in the closed state, the area of the dust inlet (not shown) is reduced, and thus the suction power of the vacuum cleaner 1 is increased.
  • the nozzle shutter 101 When the nozzle shutter 101 is in an open state, the area of the dust inlet increases and the suction power decreases. At this time, the suction power of the nozzle part 100 and the floor is weakened by the reduced suction power. In this case, since the rotating part 103 moves relatively easily on the floor surface, the amount of current flowing through the nozzle motor 102 is reduced.
  • the nozzle shutter 101 when the nozzle shutter 101 is in the closed state, the area of the dust inlet is reduced and the suction power is increased. At this time, the suction power of the nozzle part 100 and the floor is strengthened by the increased suction power. At this time, in order to make the rotating part 103 move easily on the floor surface, the amount of current flowing through the nozzle motor 102 is increased.
  • the vacuum cleaner 1 When the user proceeds to clean the floor using the vacuum cleaner 1 , it may be assumed that there are two types of the floor surface. In the case of hard-type floors such as rugs and parquets, dust and the like are exposed on the floor, so it is possible to clean effectively even with low suction power. On the other hand, in the case of carpet-type floors such as Wilton or Flush, dust is hidden in the floor, and cleaning must be performed with high suction power.
  • the cleaning area may be assumed that the user moves the cleaning area to the carpet-type floor while cleaning the hard floor.
  • the cleaning operation of the vacuum cleaner 1 is stopped according to the user's judgment, and the user inputs a button provided in the vacuum cleaner to provide suction power The ability to change the .
  • the vacuum cleaner 1 having a function of automatically changing the suction power provided a function of varying the suction power by determining the change of the floor material by the sensing unit of the vacuum cleaner 1 itself.
  • the rotating unit 103 receives different rotational resistance according to different floor types, so that the amount of current flowing through the nozzle motor 102 is changed It is mainly used for
  • the prior art controls the vacuum cleaner on the assumption that the range of the current flowing through the nozzle motor 102 is different according to the type of the floor being cleaned. Therefore, when the current flowing through the nozzle motor 102 exceeds the threshold, it is determined that the carpet-type floor is being cleaned, and when it does not exceed the threshold, it is determined that the hard-type floor is being cleaned. .
  • the technique of classifying the type of the floor being cleaned using only the current flowing through the nozzle motor 102 has various limitations and drawbacks.
  • the vacuum cleaner 1 includes a suction motor 200 providing a suction force, a rotating part 103 and a dust inlet, and a nozzle for receiving the suction power from the suction motor 200 to suck the dust on the floor
  • the unit 100, a nozzle motor 102 provided in the nozzle unit 100 to transmit driving force to the rotating unit 103, and a nozzle shutter 101 provided in the nozzle unit 100 to adjust the size of the dust inlet can do.
  • the suction motor 200 , the nozzle motor 102 , and the battery 300 providing power to the nozzle shutter 101 may be included.
  • the vacuum cleaner 1 includes a model selection unit (S101) that generates information about an operating state corresponding to the driving mode (W) of the suction motor 200 and whether the nozzle shutter is opened or closed (O). and may include an artificial intelligence unit (S103) for generating probability information about the type of floor being cleaned through an artificial intelligence model.
  • the artificial intelligence model utilizes current information (A) about the current value flowing through the nozzle motor 102, voltage information (V) about the voltage value of the battery 300, and information about the operating state of the vacuum cleaner (1) In this way, probability information can be generated.
  • the control unit S104 included in the vacuum cleaner 1 may control the driving mode W of the suction motor 200 in response to the probability information generated from the artificial intelligence unit S103 .
  • the vacuum cleaner 1 may use at least one of information about an operating state, current information A, and voltage information V in determining the type of the floor being cleaned. This may have a higher floor type prediction performance compared to the prior art using only the current information A.
  • the probability information according to the embodiments may include a first probability (PC) value that is a probability that the floor surface being cleaned is the first type and a second probability (PH) value that is a probability that the floor surface being cleaned is the second type.
  • the first-type floor surface may be a carpet-type floor surface that needs to be cleaned with a relatively high suction force.
  • the second type of floor surface may be a hard type floor surface that can be cleaned even with a relatively low suction force.
  • the driving mode W may include a first mode M1 and a second mode M2.
  • the suction motor 200 may have a higher suction force in the first mode M1 than in the second mode M2.
  • the controller S104 may drive the suction motor 200 in the first mode M1 when the first probability PC value is greater than the second probability value PH. Also, the controller S104 may drive the suction motor 200 in the second mode M2 when the first probability PC value is not greater than the second probability PH value.
  • the controller S104 may drive the suction motor 200 in the first mode M1.
  • the controller S104 may drive the suction motor 200 in the second mode M2 .
  • the operating state of the vacuum cleaner 1 is a first state in which the nozzle shutter 101 is in an open state and the suction motor 200 operates in the first mode M1, or the nozzle shutter 101 is A second state in which the suction motor 200 operates in the second mode (M2) in an open state, or a third state in which the nozzle shutter 101 is closed and the suction motor 200 operates in the first mode (M1) can be
  • the artificial intelligence model may be obtained through a machine learning method, and may determine a first probability (PC) value and a second probability (PH) value corresponding to the first to third states. may contain information.
  • the artificial intelligence unit S103 may obtain a first probability (PC) value and a second probability (PH) value in one of the first to third states by using the artificial intelligence model.
  • FIG. 3 is a block diagram illustrating a basic control method of the vacuum cleaner 1 according to embodiments.
  • the model selection unit S101 of the vacuum cleaner 1 generates information about the operating state by receiving the driving mode W of the suction motor 200 and whether the nozzle shutter is open or closed (O).
  • the artificial intelligence unit (S103) can receive the operating state, current information (A) and voltage information (V), and can generate a first probability (PC) value and a second probability (PH) value using the artificial intelligence model.
  • the control unit S104 receives the first probability (PC) value and the second probability (PH) value and increases the output of the suction motor 200 when the first probability (PC) value is higher than the second probability (PH) value It is possible, and when the first probability (PC) value is not higher than the second probability (PH) value, the output of the suction motor 200 may be reduced.
  • the above process is continuously fed back and the driving mode W of the vacuum cleaner 1 can be controlled.
  • the control unit S104 of the vacuum cleaner 1 does not determine the type of the floor by the absolute size of the first probability (PC) value and the second probability (PH) value as in the prior art, A relative comparison between probability estimates for each type can be used. Through this, it is possible to implement a complex judgment method that can cover various types of floor types. For example, even if both the first probability (PC) value and the second probability (PH) value are low, a larger value among them may be selected to determine the floor type.
  • the control unit S104 may increase the output of the suction motor 200 or drive it in the first mode M1 when the first probability PC value is higher than the second probability value PH.
  • the model parameter used by the controller S104 in the next time may be in the first state or the third state.
  • the controller ( S104 ) may lower the output of the suction motor 200 or drive it in the second mode ( M2 ).
  • the model parameter used by the control unit S104 at the next time may be in the second state.
  • FIG. 4 is a block diagram illustrating a control method of the vacuum cleaner 1 including the pre-processing unit S102 according to embodiments.
  • the control method of the vacuum cleaner 1 may be a method that additionally includes the preprocessor S102 in the control method according to FIG. 3 .
  • the pre-processing unit S102 may generate the pre-processed current information Ad by processing the current value flowing through the nozzle motor 102 .
  • the pre-processing unit (S102) generates the pre-processed current information (Ad) by taking the arithmetic mean of the current values of the nozzle motor 102 measured for the set time length (t) and the time interval (n), and it is artificial intelligence It can be transmitted to the unit (S103).
  • FIG. 5 is an embodiment of a method of obtaining a first probability (PC) value and a second probability (PH) value through an artificial intelligence model according to embodiments.
  • a machine learning technique such as a Convolution Neural Network (CNN) or Multi-Layer Perceptron (MLP) may be used.
  • CNN Convolution Neural Network
  • MLP Multi-Layer Perceptron
  • the AI model can receive preprocessed current information (Ad) and voltage information (V) respectively.
  • the parameter related to the operating status information is by calculating the intermediate result can be obtained.
  • the final layer is the result of can be obtained.
  • the arithmetic expression used to obtain the result value can be
  • AI models can be trained by cleaning different types of floor surfaces for different operating states. Therefore, there is no need to manually model, and it is possible to optimize and derive the relevant situation data. This may enable easy high-dimensional modeling. Since the artificial intelligence model according to the embodiments uses high-dimensional modeling, the complexity of the model may increase, and it is possible to precisely analyze a complex causal relationship between complex input data items.
  • the artificial intelligence model according to the embodiments may be designed as a high-dimensional model that can cope with various situations compared to the existing single threshold determination method. In addition, it is possible to determine the type of the floor surface with higher accuracy than before.
  • FIG. 6 is a diagram for explaining a problem that occurs when determining a floor type using only current information A according to the prior art when different first type floor surfaces exist.
  • the control unit S104 of the vacuum cleaner 1 may determine that the type of the floor being cleaned is the first type when the current flowing through the nozzle motor 102 continues to exceed the threshold. In addition, when the current flowing through the nozzle motor 102 continues to exist in a range that does not exceed a threshold, it may be determined that the type of the floor being cleaned is the second type.
  • the first type bottom surface may be a first type bottom surface of various types such as a Wilton, a flush, and a rug. Also, the first type bottom surface may be a bottom surface of the first case T1a, the second case T1b, and/or the third case T1c having different characteristics.
  • the current range (T1 Region) in the first-type floor surface according to conditions such as the circuit configuration or suction power of the vacuum cleaner 1 and a current range (T2 Region) in the second type bottom surface overlaps with a large overlap.
  • T1 Region current range in the first-type floor surface according to conditions such as the circuit configuration or suction power of the vacuum cleaner 1 and a current range (T2 Region) in the second type bottom surface overlaps with a large overlap.
  • a case that may cause a judgment error may include a case in which there are curves and foreign substances on the floor surface during cleaning, a case in which a direction is moved during cleaning, or a case in which the nozzle unit 100 collides with an obstacle.
  • frictional force between the nozzle unit 100 and the bottom surface may increase.
  • a force that deviates from the rotational direction of the rotating part 103 may be generated and frictional force may increase.
  • the vacuum cleaner 1 collides with an obstacle the rotation of the rotating part 103 may be hindered and frictional force may increase.
  • the frictional force increases, the current flowing through the nozzle motor 102 increases, and the possibility of erroneously determining that the floor surface being cleaned is the first type floor surface increases.
  • the current value increases instantaneously in the A1, A2, and A3 situations listed above to exceed the threshold indicates that The prior art may erroneously determine that the first type floor surface is being cleaned even though the second type floor surface is actually being cleaned in the above situation.
  • FIG. 7 (b) shows an embodiment of the vacuum cleaner 1 including the pre-processing unit (S102).
  • Fig. 8(a) includes a current value T3 in a case that may cause a judgment error in addition to the current value T1 at the first type floor and the current value T2 at the second type floor.
  • a case that may cause a judgment error is a case in which the load on the rotating unit 103 is reduced due to the nozzle unit 100 being lifted into the air by a low object above and below the first type floor surface, or a case in which there is a curvature in the first type floor surface.
  • cases may include.
  • the nozzle unit 100 may be floated.
  • the floor surface is a carpet, etc., the carpet may be aged or folded, so that a part of the nozzle unit 100 may be floated in the air.
  • frictional force may be reduced.
  • the frictional force is reduced, the current flowing through the nozzle motor 102 is reduced, and the possibility of erroneously judging that the floor surface being cleaned is the second type floor surface increases.
  • the current value T3 in the case of causing a judgment error represents a situation in which the current value is momentarily decreased in the above-listed situations, A4, A5, and A6, which are the above-listed situations, and has a value below the threshold. are doing
  • the prior art may erroneously determine that the second type floor surface is being cleaned even though the first type floor surface is actually being cleaned in the above situation.
  • FIG. 8(b) shows an embodiment of the vacuum cleaner 1 including the pre-processing unit S102.
  • Fig. 9 shows the current range (T1 Region) in the first type bottom surface and the current range (T2 Region) in the second type bottom surface with respect to the current value flowing through the nozzle motor 102 .
  • Fig. 9 (a) is a raw current value
  • Fig. 9 (b) is a current value pre-processed with a time length of 400 ms
  • Fig. 9 (c) is a current value pre-processed with a time length of 800 ms
  • Fig. 9 (d) is It represents the preprocessed current value with a time length of 1200ms.
  • the first type bottom surface may be a first type bottom surface of various types such as a Wilton, a flush, and a rug. Also, the first type bottom surface may be a bottom surface of the first case T1a, the second case T1b, and/or the third case T1c having different characteristics. For different types of the first type bottom surface, different characteristics may exist in each current value range. In this case, the range of the current value for the first type floor surface increases, and an overlap with the range of the current value for the second type floor surface may occur.
  • the current range T1 region in the first type floor surface and the current range T2 region in the second type floor surface are formed widely. This is a phenomenon that occurs because, as described above, an unusual current value is included in the current range.
  • the arithmetic mean is obtained by measuring the current flowing through the nozzle motor 102 at a given time length and time interval, the influence of an unusual current value can be minimized.
  • the current value is pre-processed by setting the time length to 400 ms, the overlap of the current range for both types of floor surfaces is not significantly reduced compared to the data that is not pre-processed.
  • the current value is pre-processed by setting the time length to 800 ms or 1200 ms, it can be seen that the overlap of the current ranges for both types of floors is greatly reduced. If the overlap between the current ranges is reduced, it becomes easier to set the threshold, and the accuracy of determining the floor type can be improved.
  • a time length of 800 ms may correspond to a time in which the vacuum cleaner performs one stroke in consideration of the user's cleaning pattern.
  • data at a level similar to that of the preprocessing result having a time length of 800 ms can be obtained.
  • the result of pre-processing by accumulating data for a time length of 800 ms can be used to determine the floor type.
  • a method of obtaining an arithmetic average of current values flowing through the nozzle motor 102 may be utilized. For example, if the set time length is 800 ms and the time interval for measuring the current value is 40 ms, 20 accumulated current values may be obtained.
  • the pre-processing unit S102 may provide the arithmetic average of the accumulated 20 current values to the artificial intelligence unit S103.
  • the first type floor surface may be a first type floor surface of various types such as a Wilton, a flush, and a rug.
  • the first type bottom surface may be a bottom surface of the first case T1a, the second case T1b, and/or the third case T1c having different characteristics.
  • FIG. 10( b ) shows current values flowing through the nozzle motor 102 according to each floor type when the driving mode W of the suction motor 200 is the first mode M1 .
  • the current information (A) in the first mode (M1) in which the output of the suction motor 200 is relatively high and the current information (A) in the second mode (M2) in which the output is relatively low ) may be different from each other.
  • the current information A may be independently determined in the first mode M1 and the second mode M2.
  • the suction force between the nozzle part 100 and the bottom surface is high, and the current flowing through the nozzle motor 102 may have a relatively high magnitude.
  • the suction force between the nozzle part 100 and the bottom surface is low, so that the current flowing through the nozzle motor 102 may have a relatively small size.
  • the vacuum cleaner 1 shows only the current value range when the driving mode W of the suction motor 200 is the first mode M1.
  • the vacuum cleaner 1 according to the embodiments collects the current information A based on only a specific driving mode W in order to remove an overlap between current ranges in different driving modes W. can figure out
  • the vacuum cleaner 1 according to the embodiments determines the current information A based on only a specific output value in order to remove an overlap between current ranges with respect to the outputs of the different suction motors 200 . can Through this, it is possible to minimize the overlap between the respective current ranges, and it is easy to set the threshold for determining the first probability (PC) value and the second probability (PH) value.
  • PC first probability
  • PH second probability
  • the first type floor surface may be a first type floor surface of various types such as a Wilton, a flush, and a rug.
  • the first type bottom surface may be a bottom surface of the first case T1a, the second case T1b, and/or the third case T1c having different characteristics.
  • the artificial intelligence model may include a learning model regarding a first probability (PC) value and a second probability (PH) value corresponding to a combination of voltage information (V) and current information (A) .
  • the artificial intelligence unit S103 may generate a first probability (PC) value and a second probability (PH) value corresponding to the current information (A) and voltage information (V) through the learning model.
  • the nozzle motor 102 when cleaning the floor with the vacuum cleaner 1, the nozzle motor 102 is operated so that the rotating part 103 rotates at a constant speed.
  • the rotation speed of the rotating unit 103 may be determined by the amount of power consumed by the nozzle motor 102 .
  • the amount of power consumed can be expressed as the product of voltage and current. Accordingly, in a motor rotating at the same rotational speed, a current flowing through the nozzle motor 102 at a low voltage may have a greater value than a current flowing through the nozzle motor 102 at a high voltage.
  • the voltage of the battery 300 gradually decreases as the user proceeds with the cleaning operation, and finally the battery 300 is discharged.
  • the value of the current flowing through the nozzle motor 102 is relatively increased. Even in the case of cleaning the same type of floor surface, the current value flowing through the nozzle motor 102 may vary depending on the usage of the battery 300 , which makes it difficult to determine the floor surface type.
  • the voltage provided by the battery 300 to the vacuum cleaner 1 may be a first voltage Vo1 or a second voltage Vo2 .
  • the first voltage Vo1 may be a higher voltage value than the second voltage Vo2 .
  • the embodiment of FIG. 11( a ) does not distinguish the current range when the first voltage Vo1 or the second voltage Vo2 is applied, and the current range T1 region on the bottom surface of the first type and the second type An overlap between the current ranges (T2 Region) on the bottom surface is occurring.
  • FIG. 11( b ) shows a method of determining the floor type using only the current range at the first voltage Vo1 .
  • the embodiment of FIG. 11(c) shows a method of determining the floor type using the second voltage Vo2.
  • T1 Region current range
  • T2 Region current range
  • PC probability
  • PH second probability
  • the artificial intelligence unit S103 of the vacuum cleaner 1 and the artificial intelligence model that generate probability information for each floor type by considering the voltage information V together even when the same current value is obtained Let's look at the examples.
  • 12( a ) is a graph showing that the determination result of the bottom surface is different for the same current information (A) according to different voltage information (V).
  • 12(b) is an enlarged graph of the dotted line portion of FIG. 12(a).
  • the average current value may be relatively high even though it is the second type of floor.
  • the average current value may be relatively low even on the first-type floor surface.
  • the vacuum cleaner 1 according to the embodiments may more accurately determine the floor type by considering the voltage value of the battery 300 even if the current flowing through the nozzle motor 102 is the same.
  • the bottom surface is determined as the first type if the voltage value is 26V or more, and the bottom surface is determined as the second type if the voltage value is less than 26V, even when the current value is 0.7A and the same is obtained.
  • the artificial intelligence unit S103 and the artificial intelligence model according to the embodiments may obtain different probability information when different voltage values are given even for the same current value. That is, by additionally considering the voltage information (V) in addition to the current information (A), it is possible to improve the discrimination performance of the floor type at the boundary value.
  • FIG. 13 is a graph showing the results of checking the floor detection performance according to each floor condition by configuring an experiment with two types of flooring, a first type and a second type.
  • the vacuum cleaner 1 stably outputs a floor type recognition result with respect to a change in an actual current value represented by a solid line.
  • the vacuum cleaner 1 determines that the floor surface is the first type indicates.
  • the vacuum cleaner 1 according to the embodiments is cleaning the first type floor by overcoming the obstacle environment of the E1 area and the E2 area, the value of the floor recognition result is returned to 0 and the second type floor surface It can be seen that the value of the floor recognition result is returned as 1. This corresponds to deriving a much superior performance result compared with the prior art.

Abstract

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

Description

진공청소기
본 발명은 진공청소기에 관한 것으로서, 특히 인공지능 기술을 이용하여 청소중인 바닥의 타입에 대한 확률을 연산하고, 상황에 따라 자동으로 청소기의 흡입력을 변동시킬 수 있는 진공청소기에 관한 것이다.
진공청소기는 청소 대상 영역의 먼지나 이물질을 흡입하여 청소를 수행하는 기기이다. 이러한 청소기는, 사용자가 직접 청소기를 이동시키면서 청소를 수행하기 위한 수동 청소기와, 스스로 주행하면서 청소를 수행하는 자동 청소기로 구분될 수 있다.
수동 청소기는, 청소기의 형태에 따라 캐니스터 타입, 업라이트 타입, 핸디형 타입, 스틱형 타입 등으로 구분될 수 있다.
청소기는 노즐을 이용하여 바닥면을 청소할 수 있다. 일반적으로 노즐은 공기와 먼지를 흡입하기 위하여 사용될 수 있다. 그러나 노즐의 종류에 따라서 노즐에 걸레가 부착되어 걸레로 바닥을 청소할 수 있다.
종래기술에 따르면, 청소기를 사용하여 청소중인 바닥재질이 변화하는 경우 이를 사용자가 인지 또는 판단할 수 있다. 이 경우 사용자는 청소동작 중 청소기의 출력을 변화시키는 입력을 인가할 수 있다. 제어부는 사용자로부터 청소기의 출력을 변화시키는 입력을 전달 받아, 흡입모터의 출력을 변동시키는 것이 일반적이었다.
또한 최근에 개발되는 진공청소기들은, 바닥재질의 변화를 감지할 수 있는 감지부를 포함한다. 감지부가 청소 중 바닥재질이 변화하는 것을 감지하는 경우, 제어부는 이를 전달받아 자동으로 흡입력을 변동시키는 기능을 제공할 수 있다.
일반적으로 진공청소기는, 헤드에 달린 노즐모터에 흐르는 전류를 기준으로 바닥의 종류를 판단하여 흡입력을 변동시킨다. 구체적으로, 선행문헌인 한국 등록특허 10-1411742 는, 바닥 감지 결과에 따라 흡입력을 변동시키는 로봇청소기를 개시하고 있다. 흡입력의 변동은, 노즐부에서 측정된 전류부하가 기준치(Threshold)를 초과하는지 여부에 따라 변하도록 설정되었다.
그러나 종래 기술과 같이 단일한 기준치(Threshold)에 따라 바닥면의 타입을 예측하는 경우, 사용자의 청소패턴 변화나 장애물과의 충돌 등에 의하여 의도치 않은 결과를 도출할 수 있어 기기의 오작동을 일으키는 문제가 존재할 수 있다.
본 발명은 하나 이상의 복합 데이터에 기반한 확률 모델링 기법을 적용하여 바닥면을 감지할 수 있는 진공청소기를 제시한다. 특히 실시예들에 따른 진공청소기는, 기계학습을 활용하여 형성된 인공지능모델을 이용하여, 다양한 상황에서 신뢰성 높은 감지성능을 제공할 수 있는 인공지능부를 포함할 수 있다.
상기와 같은 목적을 달성하기 위해, 본 발명의 일 실시예에 따른 진공청소기는 흡입력을 제공하는 흡입모터, 회전부 및 먼지유입구를 구비하며 흡입모터로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부, 노즐부에 구비되어 회전부에 구동력을 전달하는 노즐모터, 노즐부에 구비되어 먼지유입구의 크기를 조절하는 노즐셔터를 포함할 수 있다. 또한, 흡입모터, 노즐셔터 및 노즐셔터에 동력을 제공하는 배터리를 포함할 수 있으며 흡입모터의 구동모드 및 노즐셔터의 개폐여부에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부, 노즐모터에 흐르는 전류값에 관한 전류정보, 배터리의 전압값에 관한 전압정보 및 작동상태에 관한 정보 중 적어도 하나를 사용하여 인공지능모델을 통해 확률정보를 생성하는 인공지능부를 포함할 수 있고, 확률정보에 대응하여 구동모드를 제어하는 제어부를 포함할 수 있다.
실시예들에 따른 진공청소기의 확률정보는, 바닥면이 제1 타입일 확률인 제1 확률값 및 바닥면이 제2 타입일 확률인 제2 확률값을 포함할 수 있다.
실시예들에 따른 진공청소기의 구동모드는, 제1 모드 및 제2 모드를 포함할 수 있고, 흡입모터는 제2 모드보다 제1 모드에서 더 높은 흡입력을 가질 수 있다. 제어부는, 제1 확률값이 제2 확률값보다 큰 경우 흡입모터를 제1 모드로 구동시키며, 제1 확률값이 제2 확률값보다 크지 않은 경우 흡입모터를 제2 모드로 구동시킬 수 있다.
실시예들에 따른 진공청소기의 작동상태는, 노즐셔터가 개방상태이며 흡입모터가 제1 모드로 작동하는 제1 상태, 노즐셔터가 개방상태이며 흡입모터가 제2 모드로 작동하는 제2 상태 및 노즐셔터가 폐쇄상태이며 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나일 수 있다. 인공지능모델은 기계학습방법을 통하여 획득되며, 제1 상태 내지 제3 상태에 대응하여 제1 확률값 및 제2 확률값을 판단할 수 있는 정보를 포함할 수 있다. 인공지능부는 인공지능모델을 이용하여 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률값 및 제2 확률값을 획득할 수 있다.
실시예들에 따른 진공청소기의 인공지능모델은, 제1 상태에서 기계학습된 제1 모델, 제2 상태에서 기계학습된 제2 모델 및 제3 상태에서 기계학습된 제3 모델을 포함할 수 있다. 인공지능부는, 작동상태가 제1 상태인 경우 제1 모델을 이용하고, 작동상태가 제2 상태인 경우 제2 모델을 이용하고, 작동상태가 제3 상태인 경우 제3 모델을 이용하여 제1 확률값 및 제2 확률값을 획득할 수 있다.
실시예들에 따른 진공청소기의 인공지능모델은, 전압정보 및 전류정보의 조합에 대응되는 제1 확률값 및 제2 확률값을 포함하는 학습모델을 포함할 수 있다. 인공지능부는, 학습모델을 통하여 전류정보 및 전압정보에 대응하는 제1 확률값 및 제2 확률값을 찾아내고, 확률정보를 생성할 수 있다.
실시예들에 따른 진공청소기는, 노즐모터에 흐르는 전류값을 가공하여 전류정보를 생성하는 전처리부를 더 포함할 수 있다. 전처리부는, 설정된 시간길이 및 시간간격으로 측정된 전류값의 산술평균을 내어 전류정보를 생성할 수 있다.
또한, 본 발명의 일 실시예에 따른 진공청소기의 제어방법은, 흡입모터의 구동모드 및 노즐셔터의 개폐여부를 전달받아 작동상태에 관한 정보를 생성하는 제1 단계, 노즐모터에 흐르는 전류값을 전달받아 전류정보를 생성하는 제2 단계, 배터리의 전압값을 전달받아 전압정보를 생성하는 제3 단계, 작동상태와 전류정보 및 전압정보 중 적어도 하나를 사용하여 인공지능모델을 통해 확률정보를 생성하는 제4 단계 및 확률정보에 대응하여 흡입모터의 구동모드를 제어하는 제5 단계를 포함할 수 있다.
실시예들에 따른 진공청소기 제어방법의 확률정보는, 청소중인 바닥면이 제1 타입일 확률인 제1 확률값 및 바닥면이 제2 타입일 확률인 제2 확률값을 포함할 수 있다.
실시예들에 따른 진공청소기 제어방법의 구동모드는 제1 모드 및 제2 모드를 포함할 수 있다. 흡입모터는 제2 모드보다 제1 모드에서 더 높은 흡입력을 가질 수 있다. 제어부는 제1 확률값이 제2 확률값보다 큰 경우 흡입모터를 제1 모드로 구동시키며, 제1 확률값이 제2 확률값보다 크지 않은 경우 흡입모터를 제2 모드로 구동시킬 수 있다.
실시예들에 따른 진공청소기 제어방법의 작동상태는 노즐셔터가 개방상태이며 흡입모터가 제1 모드로 작동하는 제1 상태, 노즐셔터가 개방상태이며 흡입모터가 제2 모드로 작동하는 제2 상태 및 노즐셔터가 폐쇄상태이며 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나일 수 있다. 인공지능모델은 기계학습방법을 통하여 획득될 수 있으며 제1 상태 내지 제3 상태에 대응하여 제1 확률값 및 제2 확률값을 판단할 수 있는 정보를 포함할 수 있다. 제4 단계는 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률값 및 제2 확률값을 획득할 수 있다.
실시예들에 따른 진공청소기 제어방법의 인공지능모델은, 제1 상태에서 기계학습된 제1 모델, 제2 상태에서 기계학습된 제2 모델 및 제3 상태에서 기계학습된 제3 모델을 포함할 수 있다. 제4 단계에서는, 작동상태가 제1 상태일 때 제1 모델을 이용하고, 작동상태가 제2 상태일 때 제2 모델을 이용하고, 작동상태가 제3 상태일 때 제3 모델을 이용하여 제1 확률값 및 제2 확률값을 획득할 수 있다.
실시예들에 따른 진공청소기 제어방법의 인공지능 모델은, 전압정보 및 전류정보의 조합에 대응되는 제1 확률값 및 제2 확률값을 포함하는 학습모델을 포함할 수 있다. 제4 단계는, 전류정보 및 전압정보에 대응하는 제1 확률값 및 제2 확률값을 학습모델에서 찾아 확률정보를 생성할 수 있다.
실시예들에 따른 진공청소기 제어방법의 제2 단계는, 설정된 시간길이 및 시간간격으로 측정된 전류값의 산술평균을 내어 전류정보를 생성할 수 있다.
본 발명에 따른 진공청소기가 포함하는 인공지능부는, 사용자가 청소중인 바닥면이 어떤 타입의 바닥면인지에 대한 확률정보를 생성할 수 있다. 제어부는 인공지능부로부터 바닥면 타입에 대한 확률정보를 전달받아, 진공청소기의 구동모드를 제어할 수 있다.
구체적으로, 인공지능부는 기존에 기계학습된 신경망 모델을 활용하여 청소중인 바닥면 타입을 예측할 수 있다. 또한 인공지능부는, 노즐모터에 흐르는 전류값, 배터리의 전압값, 노즐셔터의 개폐여부, 흡입모터의 구동모드 중 적어도 하나 이상의 정보를 이용하여 청소중인 바닥면의 타입을 예측할 수 있다. 이는 노즐모터에 흐르는 전류만을 활용하던 종래기술에 비하여, 바닥면 타입을 정확히 예측할 확률을 높여준다.
도 1은 실시예들에 따른 진공청소기가 바닥면을 청소하는 상태를 나타낸 사시도잇다.
도 2는 실시예들에 따른 진공청소기의 노즐부를 나타낸 사시도 및 분해도이다.
도 3은 실시예들에 따른 진공청소기의 구동모드를 제어하는 방법을 나타낸 흐름도이다.
도 4는 전처리부를 포함하는 진공청소기의 구동모드를 제어하는 방법을 나타낸 흐름도이다.
도 5는 기계학습의 방법 중 하나인 합성 신경망을 나타낸 개념도이다.
도 6은 실시예들에 따른 진공청소기가, 전류정보만을 이용하여 바닥면 타입을 판별하는 상황을 나타낸 도면이다.
도 7은 실시예들에 따른 진공청소기가, 바닥면 타입을 판별할 때 겪을 수 있는 다양한 문제 상황을 나타낸 도면이다.
도 8은 실시예들에 따른 진공청소기가, 바닥면 타입을 판별할 때 겪을 수 있는 다양한 문제 상황을 나타낸 도면이다.
도 9는 실시예들에 따른 진공청소기가, 전처리된 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 10은 실시예들에 따른 진공청소기가, 구동모드에 관한 정보 및 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 11은 실시예들에 따른 진공청소기가, 전압정보 및 전류정보를 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 12는 실시예들에 따른 진공청소기가, 특정 전류값에 대한 서로 다른 전압정보들을 사용하여 바닥면 타입을 판별한 것을 나타낸 도면이다.
도 13은 실시예들에 따른 진공청소기의 바닥면 판별 성능을 검증하기 위한 실험결과를 나타낸 도면이다.
이하 상기 발명의 목적을 구체적으로 이해 및 실현할 수 있도록, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다.
이 과정에서 도면에 도시된 구성요소의 크기나 형상 등은 설명의 명료성과 편의성을 위하여 과장되게 도시될 수 있다. 또한 본 발명의 구성 및 작용을 고려하여 특별히 정의된 용어들은 사용자 및 운용자의 의도 또는 관례에 따라 달라질 수 있다.
한편 본 발명에서 '제1' '및/또는' '제2' 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 한정되지 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소들과 구별하는 목적으로만 사용될 뿐이다. 예컨대 본 발명의 개념에 따른 권리범위로부터 벗어나지 않는 범위 내에서, 제1 구성요소는 제2 구성요소로 명명될 수 있으며, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
이러한 용어들은 본 명세서 전반에 걸친 내용을 토대로 정의 및 이해되어야 한다.
이하 도 1 및 도 2를 참조하여 실시예들이 포함하는 진공청소기(1)의 기본적 구조에 대하여 설명하겠다.
도 1은 실시예들에 따른 진공청소기(1)가 바닥면(500)에 위치한 먼지를 빨아들이는 것을 나타낸 도면이다.
도 1이 나타내는 것과 같이, 핸드스틱 타입의 진공청소기(1)를 사용하는 경우 사용자가 손잡이를 잡고 실내 및/또는 실외를 돌아다니며 바닥면(500)을 청소하는 것이 일반적이다. 진공청소기(1)의 일 단에 위치한 손잡이 부분에는 전력을 공급하는 배터리(300)가 실장된다. 흡입모터(200)는 배터리(300)로부터 전력을 전달받아 흡입력을 발생시킨다. 진공청소기(1) 타 단에 위치한 노즐부(100)는 연통부에 의하여 흡입모터(200)와 연결된다. 노즐부(100)는, 흡입모터(200)에 의하여 발생된 흡입력을 바탕으로 바닥면(500)에 위치하는 먼지 및/또는 이물질을 빨아들일 수 있다.
도 2(a)는 진공청소기(1)가 포함하는 노즐부(100)의 기본적 구조를 나타낸 도면이고, 도 2(b)는 노즐부(100)를 구성하는 부품을 나타낸 분해도이다.
도 2가 나타내는 것과 같이, 노즐부(100)의 일 면에는 바닥면의 먼지 및/또는 이물질이 흡입될 수 있는 먼지유입구(미도시)가 존재한다. 노즐부(100)는, 브러쉬 등으로 구성되어 바닥면의 먼지를 먼지유입구(미도시)로 이동시키는 회전부(103)를 포함할 수 있다. 또한 노즐부(100)는, 배터리(300)로부터 동력을 전달받아 회전부(103)에 구동력을 전달하는 노즐모터(102) 및 배터리(300)로부터 동력을 전달받아 먼지유입구(미도시)의 크기를 조절하는 노즐셔터(101)를 포함할 수 있다.
노즐셔터(101)는 개방상태 또는 폐쇄상태일 수 있다. 노즐셔터(101)가 개방상태인 경우 먼지유입구(미도시)의 면적이 증가하는 효과가 있어 상대적으로 크기가 큰 이물질을 빨아들일 수 있다. 노즐셔터(101)가 폐쇄상태인 경우 먼지유입구(미도시)의 면적이 감소하는 효과가 있어, 진공청소기(1)의 흡입력이 증대되는 효과를 가진다.
노즐셔터(101)가 개방상태가 되면 먼지유입구의 면적이 증가하며 흡입력이 감소하게 된다. 이 때 감소된 흡입력에 의하여 노즐부(100)와 바닥의 흡착력이 약해지게 된다. 이 경우 회전부(103)가 바닥면 위에서 상대적으로 쉽게 움직이게 되므로, 노즐모터(102)를 흐르는 전류의 양은 감소하게 된다.
반대로, 노즐셔터(101)가 폐쇄상태가 되면 먼지유입구의 면적이 감소해서 흡입력이 증가하게 된다. 이 때 증가된 흡입력에 의하여 노즐부(100)와 바닥의 흡착력이 강해지게 된다. 이 때 회전부(103)가 바닥면 위에서 쉽게 움직이게 하기 위하여, 노즐모터(102)를 흐르는 전류의 양은 증가하게 된다.
사용자가 진공청소기(1)를 이용하여 바닥면의 청소를 진행하는 경우, 바닥면이 두 가지 타입을 가진다고 가정할 수 있다. 장판이나 마루 같은 하드타입 바닥의 경우 바닥면에 먼지 등이 그대로 노출되어 있어, 낮은 흡입력으로도 효과적인 청소가 가능하다. 반면, 윌튼이나 플러쉬 같은 카펫타입의 바닥의 경우 먼지가 바닥면 속에 감추어져 있어, 높은 흡입력으로 청소를 진행하여야 한다.
사용자가 딱딱한 바닥을 청소하는 도중 카펫타입의 바닥으로 청소하는 영역을 옮기는 경우를 가정할 수 있다. 종래의 기술 중 초기 타입의 진공청소기(1)는, 사용자가 바닥재질의 변화를 감지하면 사용자의 판단에 따라 진공청소기(1)의 청소동작을 정지시키고, 사용자가 청소기에 구비된 버튼을 입력하여 흡입력을 변동할 수 있는 기능을 제공하였다.
또한 종래의 기술 중, 자동으로 흡입력을 변화시키는 기능을 가진 진공청소기(1)는, 진공청소기(1)의 감지부가 바닥재질의 변화를 자체적으로 판단하여 흡입력을 변동시키는 기능을 제공하였다.
종래기술 중 청소기가 바닥타입을 자동으로 판단하여 흡입력을 변동시키는 기술의 경우, 회전부(103)가 서로 다른 바닥면 타입에 따라 상이한 회전저항을 받게 되어 노즐모터(102)를 흐르는 전류의 양이 변화하는 점을 주로 이용하고 있다.
종래기술들은, 청소중인 바닥면의 종류에 따라 노즐모터(102)를 흐르는 전류값의 범위가 상이하다는 가정하에 진공청소기를 제어한다. 따라서, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하는 경우 카펫타입의 바닥을 청소하고 있다고 판단하며, 기준치(Threshold)를 초과하지 않는 경우 하드타입의 바닥을 청소하고 있다고 판단하게 된다. 그러나 노즐모터(102)를 흐르는 전류만을 이용하여 청소중인 바닥면 타입을 분류하는 기법은, 여러 가지 한계 및 결점이 존재한다.
실시예들에 따른 진공청소기(1)는, 흡입력을 제공하는 흡입모터(200), 회전부(103) 및 먼지유입구를 구비하며 흡입모터(200)로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부(100), 노즐부(100)에 구비되어 회전부(103)에 구동력을 전달하는 노즐모터(102), 노즐부(100)에 구비되어 먼지유입구의 크기를 조절하는 노즐셔터(101)를 구비할 수 있다. 또한, 흡입모터(200)와 노즐모터(102) 및 노즐셔터(101)에 동력을 제공하는 배터리(300)를 포함할 수 있다.
또한 실시예들에 따른 진공청소기(1)는, 흡입모터(200)의 구동모드(W) 및 노즐셔터의 개폐여부(O)에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부(S101)를 포함할 수 있으며 인공지능모델을 통하여 청소중인 바닥면의 타입에 대한 확률정보를 생성하는 인공지능부(S103)를 포함할 수 있다. 인공지능모델은, 노즐모터(102)에 흐르는 전류값에 관한 전류정보(A), 배터리(300)의 전압값에 관한 전압정보(V) 및 진공청소기(1)의 작동상태에 관한 정보를 활용하여 확률정보를 생성할 수 있다.
진공청소기(1)가 포함하는 제어부(S104)는, 인공지능부(S103)로부터 생성된 확률정보에 대응하여 흡입모터(200)의 구동모드(W)를 제어할 수 있다.
즉, 실시예들에 따른 진공청소기(1)는 청소 중인 바닥면의 타입을 파악하는 데 있어서 작동상태에 관한 정보, 전류정보(A) 및 전압정보(V) 중 적어도 하나를 이용할 수 있다. 이는 전류정보(A)만을 사용하는 종래 기술에 비하여 더 높은 바닥면 타입 예측 성능을 가질 수 있다.
실시예들에 따른 확률정보는, 청소중인 바닥면이 제1 타입일 확률인 제1 확률(PC)값 및 청소중인 바닥면이 제2 타입일 확률인 제2 확률(PH)값을 포함할 수 있다. 이 때 제1 타입의 바닥면은, 상대적으로 높은 흡입력으로 청소해야 하는 카펫 타입의 바닥면일 수 있다. 또한 제2 타입의 바닥면은, 상대적으로 낮은 흡입력으로도 청소가 가능한 하드타입의 바닥면일 수 있다.
실시예들에 따른 구동모드(W)는, 제1 모드(M1) 및 제2 모드(M2)를 포함할 수 있다. 흡입모터(200)는 제2 모드(M2)보다 제1 모드(M1)에서 더 높은 흡입력을 가질 수 있다. 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 큰 경우 흡입모터(200)를 제1 모드(M1)로 구동시킬 수 있다. 또한 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 크지 않은 경우 흡입모터(200)를 제2 모드(M2)로 구동시킬 수 있다.
구체적으로, 청소중인 바닥면이 카펫타입일 확률이 하드타입일 확률보다 더 높다고 판단되는 경우, 제어부(S104)는 흡입모터(200)를 제1 모드(M1)로 구동시킬 수 있다. 또한, 청소중인 바닥면이 하드타입일 확률이 카펫타입일 확률보다 더 높다고 판단되는 경우, 제어부(S104)는 흡입모터(200)를 제2 모드(M2)로 구동시킬 수 있다.
실시예들에 따른 진공청소기(1)의 작동상태는, 노즐셔터(101)가 개방상태이며 흡입모터(200)가 제1 모드(M1)로 작동하는 제1 상태이거나, 노즐셔터(101)가 개방상태이며 흡입모터(200)가 제2 모드(M2)로 작동하는 제2 상태이거나, 노즐셔터(101)가 폐쇄상태이며 흡입모터(200)가 제1 모드(M1)로 작동하는 제3 상태일 수 있다.
실시예들에 따른 인공지능 모델은, 기계학습 방법을 통하여 획득될 수 있으며, 제1 상태 내지 제3 상태에 대응하여 제1 확률(PC)값 및 제2 확률(PH)값을 판단할 수 있는 정보를 포함할 수 있다. 인공지능부(S103)는 인공지능모델을 이용하여 제1 상태 내지 제3 상태 중 하나의 상태에서 제1 확률(PC)값 및 제2 확률(PH)값을 획득할 수 있다.
이하 도 3 내지 도 5를 참조하여 실시예들에 따른 진공청소기(1)의 제어 방법에 대한 로직을 알아본다.
도 3은 실시예들에 따른 진공청소기(1)의 기본적인 제어 방법을 나타낸 블록 선도이다.
실시예들에 따른 진공청소기(1)의 모델선택부(S101)는, 흡입모터(200)의 구동모드(W)와 노즐셔터의 개폐여부(O)를 전달받아 작동상태에 관한 정보를 생성할 수 있다. 인공지능부(S103)는 작동상태, 전류정보(A) 및 전압정보(V)를 전달받을 수 있으며 인공지능모델을 이용하여 제1 확률(PC)값 및 제2 확률(PH)값을 생성할 수 있다. 제어부(S104)는 제1 확률(PC)값 및 제2 확률(PH)값을 전달받아 제1 확률(PC)값이 제2 확률(PH)값보다 높은 경우 흡입모터(200)의 출력을 증가실 수 있으며, 제1 확률(PC)값이 제2 확률(PH)값보다 높지 않은 경우 흡입모터(200)의 출력을 감소시킬 수 있다. 상기와 같은 과정이 계속 피드백되며 진공청소기(1)의 구동모드(W)가 제어될 수 있다.
실시예들에 따른 진공청소기(1)의 제어부(S104)는, 종래기술과 같이 제1 확률(PC)값 및 제2 확률(PH)값의 절대적인 크기로 바닥면의 타입을 판별하는 것이 아닌, 각 종류별 확률 추정값들 간의 상대적인 비교를 사용할 수 있다. 이를 통하여 다양한 타입의 바닥면 타입을 포괄할 수 있는 복합적인 판단방법을 구현하는 것이 가능하다. 예를들면, 제1 확률(PC)값 및 제2 확률(PH)값이 모두 낮아도 그 중 큰 값을 선택하여 바닥면의 타입을 판단할 수 있다.
실시예들에 따른 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 더 높은 경우 흡입모터(200)의 출력을 높이거나, 제1 모드(M1)로 구동시킬 수 있다. 이 때 다음 시기에서 제어부(S104)가 사용하는 모델 파라미터는 제1 상태 또는 제3 상태일 수 있다. 또한 제어부(S104)는, 제1 확률(PC)값이 제2 확률(PH)값보다 높지 않은 경우 흡입모터(200)의 출력을 낮추거나, 제2 모드(M2)로 구동시킬 수 있다. 이 때 다음 시기에서 제어부(S104)가 사용하는 모델 파라미터는 제2 상태일 수 있다.
도 4는 실시예들에 따라 전처리부(S102)를 포함하는 진공청소기(1)의 제어 방법을 나타낸 블록 선도이다.
실시예들에 따른 진공청소기(1)의 제어 방법은, 도 3에 따른 제어 방법에서 전처리부(S102)를 추가적으로 포함하는 방법일 수 있다. 전처리부(S102)는 노즐모터(102)에 흐르는 전류값을 가공하여 전처리된 전류정보(Ad)를 생성할 수 있다. 구체적으로 전처리부(S102)는, 설정된 시간길이(t) 및 시간간격(n)으로 측정된 노즐모터(102) 전류값의 산술평균을 내어 전처리된 전류정보(Ad)를 생성하고, 이를 인공지능부(S103)에 전달할 수 있다.
도 5는 실시예들에 따른 인공지능모델을 통하여 제1 확률(PC)값 및 제2 확률(PH)값을 획득하는 방법에 대한 실시예이다. 인공지능모델을 획득하기 위해서는 CNN(Convolution Neural Network) 또는 MLP(Multi-Layer Perceptron) 등의 머신러닝 기법이 이용될 수 있다.
실시예들에 따라 MLP를 이용하여 확률정보를 획득하는 방법을 살펴본다. 인공지능모델은 전처리된 전류정보(Ad)와 전압정보(V)를 각각 입력받을 수 있다. 이 때 작동상태정보에 관한 파라미터인
Figure PCTKR2020015886-appb-img-000001
을 연산시켜 중간 결과 값인
Figure PCTKR2020015886-appb-img-000002
을 획득할 수 있다. 이를 반복하여 수행하면 최종 층인
Figure PCTKR2020015886-appb-img-000003
의 결과값인
Figure PCTKR2020015886-appb-img-000004
를 획득할 수 있다. 결과값을 얻기 위하여 사용되는 연산식은
Figure PCTKR2020015886-appb-img-000005
일 수 있다.
인공지능모델은, 서로다른 작동상태에 대하여 서로다른 종류의 바닥면을 청소하며 학습될 수 있다. 따라서 수동으로 모델링을 할 필요가 없으며, 해당 상황 데이터에 최적화되어 도출되는 것이 가능하다. 이는 손쉬운 고차원 모델링을 가능케 할 수 있다. 실시예들에 따른 인공지능모델은 고차원 모델링을 이용하기 때문에, 모델의 복잡도가 증가할 수 있으며, 복합적인 입력 데이터 항목들 간의 복잡한 인과 관계를 정밀하게 분석하는 것이 가능하다.
실시예들에 따른 인공지능모델은, 기존의 단일한 기준치(Threshold) 판단법에 비하여 다양한 상황에서 대처 가능한 고차원의 모델로서 설계될 수 있다. 또한, 기존보다 높은 정확도로 바닥면의 종류를 판별하는 것이 가능하다.
이하 도 6 내지 도 8을 참조하여, 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악하는 방법의 문제점에 대하여 살펴본다.
도 6은 서로 다른 제1 타입 바닥면이 존재하는 경우, 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때 발생하는 문제점을 설명하기 위한 도면이다.
도 6(a)는 일반적으로 종래기술에 따라 바닥면을 파악할 때의 시간 - 전류 관계를 나타낸 그래프이다. 진공청소기(1)의 제어부(S104)는, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하는 범위에 계속 존재하는 경우 청소중인 바닥면의 타입이 제1 타입이라고 판단할 수 있다. 또한, 노즐모터(102)를 흐르는 전류가 기준치(Threshold)를 초과하지 않는 범위에 계속 존재하는 경우 청소중인 바닥면의 타입이 제2 타입이라고 판단할 수 있다.
제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.
도 6(b)를 살펴보면, 서로 다른 종류의 제1 타입 바닥면이 존재하는 경우, 진공청소기(1)의 회로 구성이나 흡입력 등의 조건에 따라 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region) 가 겹치는 범위(Overlap)가 크게 발생하게 된다. 이 경우, 종래기술에 따른 방법으로는 바닥면 타입 판별을 위한 기준치(Threshold)를 설정하는 것이 용이하지 않게 되는 문제가 존재한다.
도 7은 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때, 제2 타입 바닥면을 제1 타입 바닥면으로 오판단 할 가능성이 있는 경우를 설명하고, 전처리부(S102)를 포함하는 진공청소기(1)가 가지는 이점을 설명하기 위한 도면이다.
도 7(a)는 제1 타입 바닥면에서의 전류값(T1)과 제2 타입 바닥면에서의 전류값(T2) 이외에도, 판단오류를 일으킬 수 있는 경우의 전류값(T3)를 포함하고 있다. 판단오류를 일으킬 수 있는 경우란, 청소 중 바닥면에 굴곡 및 이물질이 있는 경우나 청소 중 방향이동을 하는 경우 또는 노즐부(100)가 장애물에 부딪히는 경우 등을 포함할 수 있다.
구체적으로, 바닥면에 굴곡이 존재하거나 테이프, 음료수, 끈적이는 물체 등이 존재하면 노즐부(100)와 바닥면 사이에 마찰력이 증가할 수 있다. 또한, 청소 중 방향이동을 하거나 곡선으로 스트로크 하는 경우, 회전부(103)의 회전 방향과 어긋나는 힘이 발생하게 되며 마찰력이 증가할 수 있다. 또한, 진공청소기(1)가 장애물에 부딪히는 경우 회전부(103)의 회전이 방해를 받아 마찰력이 증가할 수 있다. 마찰력이 증가하면 노즐모터(102)를 흐르는 전류가 증가하게 되며, 청소중인 바닥면을 제1 타입 바닥면이라고 오판단할 가능성이 증가한다.
도 7(a)를 참조하여 판단오류를 일으킬 수 있는 경우의 전류값(T3)을 살펴보면, 상기 나열한 상황인 A1, A2 및 A3 상황에서 순간적으로 전류값이 증가하여 기준치(Threshold)를 초과하게 되는 것을 나타내고 있다. 종래기술은, 상기 상황에서 실제로는 제2 타입 바닥면을 청소중임에도 제1 타입 바닥면을 청소중이라고 오판단할 수 있다.
도 7(b)는 전처리부(S102)를 포함하는 진공청소기(1)의 실시예를 나타내었다. 이를 통하여 본 발명의 실시예들 중 하나가 갖는 이점인, 기준치(Threshold)를 넘는 전류값들로 인하여 일어날 수 있는 오판단 가능성 제거 기능을 확인할 수 있다.
도 8은 종래 기술에 따라 전류정보(A)만을 이용하여 바닥면 타입을 파악할 때, 제1 타입 바닥면을 제2 타입 바닥면으로 오판단 할 가능성이 있는 경우를 설명하고, 전처리부(S102)를 포함하는 진공청소기(1)가 가지는 이점을 설명하기 위한 도면이다.
도 8(a)는 제1 타입 바닥면에서의 전류값(T1)과 제2 타입 바닥면에서의 전류값(T2) 이외에도, 판단오류를 일으킬 수 있는 경우의 전류값(T3)을 포함하고 있다. 판단오류를 일으킬 수 있는 경우란, 제1 타입 바닥면 위아래의 낮은 물체에 의하여 노즐부(100)가 공중으로 들림에 의하여 회전부(103)의 부하가 감소하는 경우나 제1 타입 바닥면에 굴곡이 생겨서 노즐부(100)가 공중에 들림에 의하여 회전부(103)의 부하가 감소하는 경우 또는 청소 중 스트로크로 인하여 노즐부(100)의 뒷부분이 공중으로 들림에 의하여 회전부(103)의 부하가 감소하는 경우 등을 포함할 수 있다.
구체적으로, 바닥면에 전선이나 막대기, 공책 등의 물체가 존재하는 경우 노즐부(100)가 띄워질 수 있다. 또한, 바닥면이 카펫 등인 경우 카펫이 노후화되거나 접혀서 노즐부(100)의 일부가 공중으로 띄워질 수 있고, 사용자가 청소 중 진공청소기(1)를 급격하게 당기는 경우 또는 사용자의 신장이 매우 커서 청소 중 진공청소기(1)를 들어올리는 경우 마찰력이 감소할 수 있다. 마찰력이 감소하면 노즐모터(102)를 흐르는 전류가 감소하게 되며, 청소중인 바닥면을 제2 타입 바닥면이라고 오판단할 가능성이 증가한다.
판단오류를 일으킬 수 있는 경우의 전류값(T3)은 상기 나열한 상황인 상기 나열한 상황인 A4, A5 및 A6 상황에서 순간적으로 전류값이 감소하여, 기준치(Threshold) 아래의 값을 가지게 되는 상황을 표현하고 있다. 종래기술은, 상기 상황에서 실제로는 제1 타입 바닥면을 청소중임에도 제2 타입 바닥면을 청소중이라고 오판단할 수 있다.
도 8(b)는 전처리부(S102)를 포함하는 진공청소기(1)의 실시예를 나타내었다. 이를 통하여 본 발명의 실시예들 중 하나가 갖는 이점인, 기준치(Threshold)이하의 값을 가지는 전류로 인하여 일어날 수 있는 오판단 가능성 제거 기능을 확인할 수 있다.
이하 도 9를 참조하여 실시예들에 따라 전처리부(S102)를 포함하는 진공청소기(1)가, 서로 다른 제1 타입의 바닥면 및 제2 타입의 바닥면을 판별할 때 가지는 이점에 대하여 살펴본다.
도 9는 노즐모터(102)에 흐르는 전류값에 대하여, 제1 타입 바닥면에서의 전류범위(T1 Region) 및 제2 타입 바닥면에서의 전류범위(T2 Region)를 나타내고 있다. 도 9(a)는 가공되지 않은 전류값, 도 9(b)는 400ms의 시간길이로 전처리된 전류값, 도 9(c)는 800ms의 시간길이로 전처리된 전류값, 도 9(d)는 1200ms의 시간길이로 전처리된 전류값을 나타낸다.
제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다. 서로 다른 종류의 제1 타입 바닥면에 대하여는, 각각의 전류값 범위가 상이한 특징이 존재할 수 있다. 이 경우 제1 타입 바닥면에 대한 전류값이 가지는 범위가 증가하게 되며 제2 타입 바닥면의 전류값이 가지는 범위와 겹치는 부분(Overlap)이 생길 수 있다.
가공되지 않은 전류값을 이용하여 바닥면을 판단하는 경우, 제1 타입 바닥면에서의 전류범위(T1 Region) 및 제2 타입 바닥면에서의 전류범위(T2 Region)가 넓게 형성된다. 이는 전술한 바와 같이, 통상적이지 않은 전류값도 전류범위에 포함시키기 때문에 나타나는 현상이다. 그러나, 노즐모터(102)에 흐르는 전류를 주어진 시간길이 및 시간간격으로 측정하여 산술평균을 획득하는 경우, 통상적이지 않은 전류값의 영향을 최소화할 수 있다. 시간길이를 400ms로 두어 전류값을 전처리 하는 경우, 전처리되지 않은 데이터와 비교해서 양 타입의 바닥면에 대한 전류범위가 겹치는 부분(Overlap)이 크게 줄어들지는 않는다. 그러나 시간길이를 800ms 또는 1200ms로 두어 전류값을 전처리 하는 경우, 양 타입의 바닥면에 대한 전류범위가 겹치는 부분(Overlap)이 크게 감소하는 것을 확인할 수 있다. 전류범위간 겹치는 부분(Overlap)이 감소하면 기준치(Threshold)를 설정하는 것이 용이해지며, 바닥면 타입의 판별 정확도를 높일 수 있다.
800ms라는 시간길이는 사용자의 청소 패턴을 고려하여 청소기가 한번 왕복(Stroke)가 이루어지는 시간에 해당할 수 있다. 이 이상의 시간길이를 가지는 전처리 결과에 대하여는 800ms의 시간길이를 가지는 전처리 결과와 비슷한 수준의 데이터를 획득할 수 있다. 알고리즘의 반응속도와 정확도를 고려하여 800ms의 시간길이동안 데이터를 누적하여 전처리를 수행한 결과를 바닥면 타입 판별에 활용할 수 있다.
구체적으로, 전류정보(A)의 전처리 방법은, 노즐모터(102)에 흐르는 전류값에 대한 산술평균을 획득하는 방법을 활용할 수 있다. 일례로, 설정된 시간길이가 800ms이고, 전류값을 측정하는 시간간격이 40ms라면 20개의 누적 전류값을 획득할 수 있을 것이다. 전처리부(S102)는 누적된 20 개의 전류값들의 산술평균을 인공지능부(S103)에 제공할 수 있다.
이하 도 10을 참조하여 실시예들에 따른 진공청소기(1)가 전류정보(A) 및 구동모드(W)를 파라미터로 하여 바닥면을 판단하는 방법에 대하여 살펴본다.
도 10(a)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1) 및 제2 모드(M2)인 모든 경우에서, 각각의 바닥면 타입에 따라 노즐모터(102)에 흐르는 전류값을 나타낸 도면이다. 이 때, 제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.
도 10(b)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1)인 경우에서 각각의 바닥면 타입에 따라 노즐모터(102)에 흐르는 전류값을 나타낸 것이다.
같은 타입의 바닥면에 대해서도, 흡입모터(200)의 출력이 상대적으로 높은 제1 모드(M1)에서의 전류정보(A)와 출력이 상대적으로 낮은 제2 모드(M2)에서의 전류정보(A)는 서로 상이할 수 있다. 이 때 제1 모드(M1)와 제2 모드(M2)에서 독립적으로 전류정보(A)를 판단할 수 있다.
구체적으로, 제1 모드(M1)에서는 노즐부(100)와 바닥면의 흡착력이 높아, 노즐모터(102)를 흐르는 전류값은 상대적으로 높은 크기를 가질 수 있다. 제2 모드(M2)에서는 노즐부(100)와 바닥면의 흡착력이 낮아, 노즐모터(102)를 흐르는 전류값이 상대적으로 작은 크기를 가질 수 있다.
이 때 제1 모드(M1)에서 제2 타입의 바닥면을 청소하는 경우 전류값이 상대적으로 높아져 제2 타입 바닥면에서의 전류범위(T2 Region)의 상한선이 높아지고, 제2 모드(M2)에서 제1 타입의 바닥면을 청소하는 경우 전류값이 상대적으로 낮아져 제1 타입 바닥면에서의 전류범위(T1 Region)의 하한선이 낮아진다. 따라서 두 타입의 바닥면에서의 전류범위 값이 겹치는 부분(Overlap)이 늘어나게 된다.
도 10(b)는 흡입모터(200)의 구동모드(W)가 제1 모드(M1)인 경우의 전류값 범위만을 나타내고 있다. 이와 같이 실시예들에 따른 진공청소기(1)는, 서로 다른 구동모드(W)에서 전류범위들간의 겹치는 부분(Overlap)을 제거하기 위하여 특정 구동모드(W)만을 기준으로 전류정보(A)를 파악할 수 있다. 또한 실시예들에 따른 진공청소기(1)는, 서로 다른 흡입모터(200)의 출력들에 대하여 전류범위들간의 겹치는 부분(Overlap)을 제거하기 위하여 특정 출력값만을 기준으로 전류정보(A)를 파악할 수 있다. 이를 통하여 각각의 전류범위간의 겹치는 부분(Overlap)을 최소화할 수 있고, 제1 확률(PC)값 및 제2 확률(PH)값을 판단하기 위한 기준치(Threshold)를 설정하는 것이 용이하게 된다.
이하 도 11을참조하여, 서로 다른 전압정보(V)와 전류정보(A)의 조합을 활용하여 각각의 바닥면 타입에 대한 확률정보를 생성하는 진공청소기(1)의 실시예에 대하여 살펴본다. 이 때, 제1 타입 바닥면은 윌튼, 플러시, 러그 등 다양한 타입의 제1 타입 바닥면일 수 있다. 또한 제1 타입 바닥면은 서로 다른 특징을 가지는 제1 경우(T1a), 제2 경우(T1b) 및/또는 제3 경우(T1c)의 바닥면일 수 있다.
실시예들에 따른 인공지능모델은, 전압정보(V) 및 전류정보(A)의 조합에 대응되는 제1 확률(PC)값 및 제2 확률(PH)값에 관한 학습모델을 포함할 수 있다. 인공지능부(S103)는, 학습모델을 통하여 전류정보(A) 및 전압정보(V)에 대응하는 제1 확률(PC)값 및 제2 확률(PH)값을 생성할 수 있다.
구체적으로, 진공청소기(1)로 바닥을 청소하는 경우, 회전부(103)가 일정한 속도로 회전하게끔 노즐모터(102)가 작동하게 된다. 회전부(103)의 회전속도는 노즐모터(102)에서 소비되는 전력의 양에 의하여 결정될 수 있다. 소비되는 전력의 양은 전압과 전류의 곱으로 표현될 수 있다. 따라서 동일한 회전속도로 회전하는 모터에서, 낮은 전압일 때 노즐모터(102)에 흐르는 전류는, 높은 전압일 때 노즐모터(102)에 흐르는 전류보다 큰 값을 가질 수 있다.
구체적으로, 진공청소기(1)가 완충된 후, 사용자가 청소작업을 진행함에 따라 배터리(300)의 전압은 점차 낮아지며 최종적으로 배터리(300)는 방전된다.
반면, 회전부(103)의 회전속도는 청소작업 중 일정하게 유지되어야 하므로 노즐모터(102)를 흐르는 전류값은 상대적으로 증가한다. 같은 타입의 바닥면을 청소하는 경우일지라도, 배터리(300)의 용랑에 따라 노즐모터(102)를 흐르는 전류값이 달라질 수 있으며 이는 바닥면 타입 판단을 어렵게 만드는 요인이 된다.
도 11(a)는, 종래기술에 따라 배터리(300)의 전압과 무관하게 바닥면의 타입별 전류범위를 파악하는 방법을 나타낸 것이다. 배터리(300)가 진공청소기(1)에 제공하는 전압은 제1 전압(Vo1) 또는 제2 전압(Vo2)일 수 있다. 이 때 제1 전압(Vo1)은 제2 전압(Vo2)보다 높은 전압값일 수 있다. 도 11(a)의 실시예는 제1 전압(Vo1) 또는 제2 전압(Vo2)일 때의 전류범위를 구분하지 않고 있으며, 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region)간의 겹치는 부분(Overlap)이 발생하고 있다.
도 11(b)의 실시예는 제1 전압(Vo1)일 때의 전류범위만을 이용하여 바닥면 타입을 판단하는 방법을 나타내고 있다. 도 11(c)의 실시예는 제2 전압(Vo2)일 떄의 이용하여 바닥면 타입을 판단하는 방법을 나타내고 있다. 이 경우 양 타입의 바닥면에서, 제1 타입 바닥면에서의 전류범위(T1 Region)와 제2 타입 바닥면에서의 전류범위(T2 Region)가 서로 겹치는 영역(Overlap)이 존재하지 않음을 볼 수 있다. 이에 따라 제1 확률(PC)값 및 제2 확률(PH)값을 판단하기 위한 기준치(Threshold)를 설정하는 것이 용이하게 된다.
이하 도 12를 참조하여, 동일한 전류치를 획득했음에도 전압정보(V)를 함께 고려하여 각각의 바닥면 타입에 대한 확률정보를 생성하는 진공청소기(1)의 인공지능부(S103) 및 인공지능모델의 실시예에 대하여 살펴본다.
도 12(a)는, 동일한 전류정보(A)에 대하여, 서로 다른 전압정보(V)에 따라 바닥면의 판단 결과를 달리하는 것을 나타낸 그래프이다. 도 12(b)는 도 12(a)의 점선 부분을 확대한 그래프이다.
구체적으로, 흡착력이 높은 바닥면의 경우 제2 타입의 바닥면임에도 평균전류치가 상대적으로 높을 수 있다. 반면, 부드러운 타입의 Plush 같은 카펫의 경우 제1 타입의 바닥면임에도 평균전류치가 상대적으로 낮을 수 있다. 실시예들에 따른 진공청소기(1)는, 노즐모터(102)에 흐르는 전류가 동일하더라도 배터리(300)의 전압값까지 함께 고려하여 바닥면의 타입을 더 정확하게 판단할 수 있다.
도 12는 전류값이 0.7A 로 동일하게 얻어지는 경우라도 전압값이 26V 이상이라면 바닥면을 제1 타입으로 판단하고, 26V 미만이라면 바닥면을 제2 타입으로 판단하는 실시예를 개시하고 있다. 실시예들에 따른 인공지능부(S103) 및 인공지능 모델은, 동일한 전류값에 대하여도, 서로 다른 전압값이 주어지는 경우 서로 다른 확률정보를 획득할 수 있다. 즉, 전류정보(A) 이외에도 전압정보(V)를 추가적으로 고려하여, 경계값에서 바닥면 타입의 판별 성능을 향상시키는 것이 가능하다.
이하 도 13을 참조하여, 실시예들에 따른 진공청소기(1)의 바닥면 타입 판별 성능 실험에 대한 결과를 살펴본다.
도 13은 제1 타입과 제2 타입의 두 가지 바닥 종류로 실험을 구성하여, 각 바닥 상태에 따른 바닥 감지 성능을 확인한 결과를 나타낸 그래프이다.
실제 제2 타입 바닥면에서 제1 타입 바닥면으로 청소 영역을 변경하는 실험을 진행하였다.
추가적으로, 장애물에 걸린 상황을 시뮬레이션 하기 위하여 제2 타입 바닥면에서 청소를 하는 도중, 제1 타입 바닥면에서보다 평균 전류값이 더 커지는 경우를 120ms동안 임의적으로 삽입하였고, 이는 E1 영역에서 나타나고 있다.
또한, 사용자의 조작에 따라 제1 타입 바닥면을 청소하는 경우에도 제2 타입의 경우와 유사한 수준까지 전류값이 감소하는 경우를 삽입하였다. 이는 E2 영역에서 나타나고 있다.
도 13을 참조하면, 실선으로 표현된 실제 전류값 변화에 대하여, 실시예들에 따른 진공청소기(1)가 안정적으로 바닥면 타입 인지 결과를 출력하는 것을 나타낸다. 바닥면 인지결과의 값이 0일 때, 진공청소기(1)가 바닥면을 제2 타입으로 판단하였음을 나타내며, 값이 1일 때 진공청소기(1)가 바닥면을 제1 타입으로 판단하였음을 나타낸다. 실시예들에 따른 진공청소기(1)가 E1 영역 및 E2 영역의 장애 환경을 극복하여, 제1 타입 바닥면을 청소중인 경우에는 바닥면 인지결과의 값을 0으로 반환하고, 제2 타입 바닥면을 청소중인 경우에는 바닥면 인지결과의 값을 1로 반환하는 것을 볼 수 있다. 이는 종래기술과 비교할 때 훨씬 뛰어난 성능결과를 도출하는 것에 해당한다.
종래기술의 전류정보(A)를 이용한 바닥면 타입 판별 기법으로는 해결이 어려운 상황들에서, 본 발명의 실시예들에 따른 바닥면 감지 성능의 신뢰성을 입증할 수 있다.
이상 본 발명은 상술한 실시예에 한정되지 않는다. 첨부된 청구범위에서 알 수 있는 바와 같이 본 발명은 본 발명이 속한 분야의 통상의 지식을 가진 기술자에 의해 변형이 가능하고, 이러한 변형은 본 발명의 범위에 속한다.

Claims (15)

  1. 흡입력을 제공하는 흡입모터;
    회전부 및 먼지유입구를 구비하며, 상기 흡입모터로부터 흡입력을 전달받아 바닥면의 먼지를 흡입하는 노즐부;
    상기 노즐부에 구비되어, 상기 회전부에 구동력을 전달하는 노즐모터;
    상기 노즐부에 구비되어, 상기 먼지유입구의 크기를 조절하는 노즐셔터;
    상기 흡입모터, 상기 노즐모터 및 상기 노즐셔터에 동력을 제공하는 배터리;
    상기 흡입모터의 구동모드 및 상기 노즐셔터의 개폐여부에 대응하는 작동상태에 관한 정보를 생성하는 모델선택부;
    상기 노즐모터에 흐르는 전류값에 관한 전류정보, 상기 배터리의 전압값에 관한 전압정보 및 상기 작동상태에 관한 정보 중 적어도 하나를 사용하여, 인공지능모델을 통해 확률정보를 생성하는 인공지능부; 및
    상기 확률정보에 대응하여 상기 구동모드를 제어하는 제어부; 를 포함하는
    진공청소기.
  2. 제 1항에 있어서,
    상기 확률정보는,
    상기 바닥면이 제1 타입일 확률인 제1 확률값; 및
    상기 바닥면이 제2 타입일 확률인 제2 확률값;을 포함하는
    진공청소기.
  3. 제 2항에 있어서
    상기 구동모드는 제1 모드 및 제2 모드를 포함하고,
    상기 흡입모터는 상기 제2 모드보다 상기 제1 모드에서 더 높은 흡입력을 가지고,
    상기 제어부는
    상기 제1 확률값이 상기 제2 확률값보다 큰 경우 상기 흡입모터를 상기 제1 모드로 구동시키며,
    상기 제1 확률값이 상기 제2 확률값보다 크지 않은 경우 상기 흡입모터를 상기 제2 모드로 구동시키는 것을 특징으로 하는
    진공청소기.
  4. 제 3항에 있어서
    상기 작동상태는
    상기 노즐셔터가 개방상태이며 상기 흡입모터가 제1 모드로 작동하는 제1 상태;
    상기 노즐셔터가 개방상태이며 상기 흡입모터가 제2 모드로 작동하는 제2 상태; 및
    상기 노즐셔터가 폐쇄상태이며 상기 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나이고,
    상기 인공지능모델은 기계학습방법을 통하여 획득되며, 상기 제1 상태 내지 제3 상태에 대응하여 상기 제1 확률값 및 상기 제2 확률값을 판단할 수 있는 정보를 포함하고,
    상기 인공지능부는 상기 인공지능모델을 이용하여 상기 제1 상태 내지 제3 상태 중 하나의 상태에서 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
    진공청소기.
  5. 제 4항에 있어서
    상기 인공지능모델은 상기 제1 상태에서 기계학습된 제1 모델, 상기 제2 상태에서 기계학습된 제2 모델 및 상기 제3 상태에서 기계학습된 제3 모델을 포함하며
    상기 인공지능부는
    상기 작동상태가 상기 제1 상태일 때는 상기 제1 모델을 이용하고,
    상기 작동상태가 상기 제2 상태일 때는 상기 제2 모델을 이용하고,
    상기 작동상태가 상기 제3 상태일 때는 상기 제3 모델을 이용하여 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
    진공청소기.
  6. 제 2항에 있어서
    상기 인공지능모델은
    상기 전압정보 및 상기 전류정보의 조합에 대응되는 상기 제1 확률값 및 상기 제2 확률값에 관한 학습모델을 포함하며
    상기 인공지능부는, 상기 학습모델을 통하여 상기 전류정보 및 상기 전압정보에 대응하는 상기 제1 확률값 및 상기 제2 확률값을 생성하는 것을 특징으로 하는
    진공청소기.
  7. 제 1항에 있어서
    상기 진공청소기는 상기 노즐모터에 흐르는 전류값을 가공하여 상기 전류정보를 생성하는 전처리부를 더 포함하는 것을 특징으로 하는
    진공청소기.
  8. 제 7항에 있어서
    상기 전처리부는, 설정된 시간길이 및 시간간격으로 측정된 상기 전류값의 산술평균을 내어 상기 전류정보를 생성하는 것을 특징으로 하는
    진공청소기.
  9. 흡입모터의 구동모드 및 노즐셔터의 개폐여부를 전달받아, 작동상태에 관한 정보를 생성하는 제1 단계;
    노즐모터에 흐르는 전류값을 전달받아, 전류정보를 생성하는 제2 단계;
    배터리의 전압값을 전달받아, 전압정보를 생성하는 제3 단계;
    상기 작동상태, 상기 전류정보 및 상기 전압정보 중 적어도 하나를 사용하여, 인공지능모델을 통해 확률정보를 생성하는 제4 단계; 및
    상기 확률정보에 대응하여 상기 흡입모터의 구동모드를 제어하는 제5 단계;를 포함하는
    진공청소기의 제어방법.
  10. 제 9항에 있어서
    상기 확률정보는,
    청소중인 바닥면이 제1 타입일 확률인 제1 확률값; 및
    상기 바닥면이 제2 타입일 확률인 제2 확률값;을 포함하는
    진공청소기의 제어방법.
  11. 제 10항에 있어서
    상기 구동모드는 제1 모드 및 제2 모드를 포함하고,
    상기 흡입모터는 상기 제2 모드보다 상기 제1 모드에서 더 높은 흡입력을 가지고,
    상기 제어부는
    상기 제1 확률값이 상기 제2 확률값보다 큰 경우 상기 흡입모터를 상기 제1 모드로 구동시키며,
    상기 제1 확률값이 상기 제2 확률값보다 크지 않은 경우 상기 흡입모터를 상기 제2 모드로 구동시키는 것을 특징으로 하는
    진공청소기의 제어방법.
  12. 제 11항에 있어서
    상기 작동상태는
    상기 노즐셔터가 개방상태이며 상기 흡입모터가 제1 모드로 작동하는 제1 상태;
    상기 노즐셔터가 개방상태이며 상기 흡입모터가 제2 모드로 작동하는 제2 상태; 및
    상기 노즐셔터가 폐쇄상태이며 상기 흡입모터가 제1 모드로 작동하는 제3 상태 중 하나이며
    상기 인공지능모델은 기계학습방법을 통하여 획득되며, 상기 제1 상태 내지 제3 상태에 대응하여 상기 제1 확률값 및 상기 제2 확률값을 판단할 수 있는 정보를 포함하고,
    상기 제4 단계는
    상기 제1 상태 내지 제3 상태 중 하나의 상태에서 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
    진공청소기의 제어방법.
  13. 제 12항에 있어서
    상기 인공지능모델은 상기 제1 상태에서 기계학습된 제1 모델, 상기 제2 상태에서 기계학습된 제2 모델 및 상기 제3 상태에서 기계학습된 제3 모델을 포함하며
    상기 제4 단계에서는
    상기 작동상태가 상기 제1 상태일 때는 상기 제1 모델을 이용하고,
    상기 작동상태가 상기 제2 상태일 때는 상기 제2 모델을 이용하고,
    상기 작동상태가 상기 제3 상태일 때는 상기 제3 모델을 이용하여 상기 제1 확률값 및 상기 제2 확률값을 획득하는 것을 특징으로 하는
    진공청소기의 제어방법.
  14. 제 10항에 있어서
    상기 인공지능모델은,
    상기 전압정보 및 상기 전류정보의 조합에 대응되는 상기 제1 확률값 및 상기 제2 확률값을 포함하는 학습모델을 포함하며,
    상기 제4 단계는
    상기 전류정보 및 상기 전압정보에 대응하는 상기 제1 확률값 및 상기 제2 확률값을 상기 학습모델에서 찾아 상기 확률정보를 생성하는 것을 특징으로 하는
    진공청소기의 제어방법.
  15. 제 9항에 있어서
    상기 제2 단계는,
    설정된 시간길이 및 시간간격으로 측정된 상기 전류값의 산술평균을 내어 상기 전류정보를 생성하는 것을 특징으로 하는
    진공청소기의 제어방법.
PCT/KR2020/015886 2020-09-28 2020-11-12 진공청소기 WO2022065580A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/042,836 US20230292967A1 (en) 2020-09-28 2020-11-12 Vacuum cleaner

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0125958 2020-09-28
KR1020200125958A KR102459280B1 (ko) 2020-09-28 2020-09-28 진공청소기

Publications (1)

Publication Number Publication Date
WO2022065580A1 true WO2022065580A1 (ko) 2022-03-31

Family

ID=80845598

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2020/015886 WO2022065580A1 (ko) 2020-09-28 2020-11-12 진공청소기

Country Status (3)

Country Link
US (1) US20230292967A1 (ko)
KR (1) KR102459280B1 (ko)
WO (1) WO2022065580A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023219297A1 (ko) * 2022-05-13 2023-11-16 삼성전자주식회사 청소 장치 및 그 제어 방법

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05317213A (ja) * 1992-05-18 1993-12-03 Hitachi Ltd 電気掃除機のエアタービン吸込具
JP2006116058A (ja) * 2004-10-21 2006-05-11 Sanyo Electric Co Ltd 床用吸込具及び電気掃除機
KR20200009680A (ko) * 2018-07-19 2020-01-30 엘지전자 주식회사 로봇 청소기
US20200288930A1 (en) * 2019-03-11 2020-09-17 Sharkninja Operating, Llc Dust cup shutter for robotic cleaner
JP2020151010A (ja) * 2019-03-18 2020-09-24 シャープ株式会社 電気掃除機

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05317213A (ja) * 1992-05-18 1993-12-03 Hitachi Ltd 電気掃除機のエアタービン吸込具
JP2006116058A (ja) * 2004-10-21 2006-05-11 Sanyo Electric Co Ltd 床用吸込具及び電気掃除機
KR20200009680A (ko) * 2018-07-19 2020-01-30 엘지전자 주식회사 로봇 청소기
US20200288930A1 (en) * 2019-03-11 2020-09-17 Sharkninja Operating, Llc Dust cup shutter for robotic cleaner
JP2020151010A (ja) * 2019-03-18 2020-09-24 シャープ株式会社 電気掃除機

Also Published As

Publication number Publication date
KR20220042746A (ko) 2022-04-05
US20230292967A1 (en) 2023-09-21
KR102459280B1 (ko) 2022-10-26

Similar Documents

Publication Publication Date Title
WO2022065580A1 (ko) 진공청소기
WO2019124913A1 (en) Robot cleaners and controlling method thereof
WO2022014850A1 (ko) 청소기
WO2021006674A2 (ko) 이동 로봇 및 그 제어방법
CN111938510A (zh) 清洁机器人、表面类型检测方法及控制方法
WO2022181874A1 (ko) 협업 멀티 로봇청소기의 도킹스테이션 및 그것의 제어방법
WO2021015411A1 (en) Robot cleaner and method for controlling the same
WO2022075570A1 (ko) 청소 시스템과 도킹장치
WO2017196084A1 (ko) 이동 로봇 및 그 제어방법
CN110522360A (zh) 地毯检测方法、装置、扫地机器人和计算机存储介质
WO2018117514A1 (ko) 공항용 로봇 및 그의 동작 방법
CN109363581A (zh) 一种清洁机器人的吸尘控制方法、芯片及清洁机器人
WO2019132063A1 (ko) 로봇 서비스 학습 시스템 및 그 방법
Brandfonbrener et al. Visual backtracking teleoperation: A data collection protocol for offline image-based reinforcement learning
WO2020251274A1 (en) Robot cleaner using artificial intelligence and control method thereof
WO2019172733A2 (ko) 감지대상체와 상호작용이 가능한 이동로봇 및 이동로봇과 감지대상체의 상호작용 방법
WO2021060678A1 (ko) 로봇 청소기 및 이의 제어 방법
WO2020105778A1 (ko) 개인 맞춤형 정리로봇 및 그것을 이용한 물건정리방법
WO2021118079A1 (ko) 맞춤형 청소 정보를 제공하는 방법과, 청소기와, 그 청소기를 제어하는 방법
WO2020180108A1 (ko) 이동 로봇 및 이동 로봇의 제어방법
WO2021006550A1 (en) Robot cleaner using artificial intelligence and controlling method thereof
WO2023224229A1 (ko) 진공 청소기 및 그 제어 방법
WO2023219297A1 (ko) 청소 장치 및 그 제어 방법
WO2024025113A1 (ko) 진공 청소기 및 그 제어 방법
WO2020246824A1 (en) Method of controlling electronic devices

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: 20955378

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20955378

Country of ref document: EP

Kind code of ref document: A1