WO2022158700A1 - 전자 장치 및 그 제어 방법 - Google Patents
전자 장치 및 그 제어 방법 Download PDFInfo
- Publication number
- WO2022158700A1 WO2022158700A1 PCT/KR2021/018117 KR2021018117W WO2022158700A1 WO 2022158700 A1 WO2022158700 A1 WO 2022158700A1 KR 2021018117 W KR2021018117 W KR 2021018117W WO 2022158700 A1 WO2022158700 A1 WO 2022158700A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- washing
- laundry
- drying
- weight
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000005406 washing Methods 0.000 claims abstract description 234
- 238000001035 drying Methods 0.000 claims abstract description 155
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 105
- 238000004891 communication Methods 0.000 claims abstract description 46
- 230000015654 memory Effects 0.000 claims abstract description 42
- 235000014787 Vitis vinifera Nutrition 0.000 claims description 3
- 240000006365 Vitis vinifera Species 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 239000004744 fabric Substances 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000014509 gene expression Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000000428 dust Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000002096 quantum dot Substances 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000001954 sterilising effect Effects 0.000 description 2
- 238000004659 sterilization and disinfection Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000003599 detergent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 229910021420 polycrystalline silicon Inorganic materials 0.000 description 1
- 229920005591 polysilicon Polymers 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000002268 wool Anatomy 0.000 description 1
Images
Classifications
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F33/00—Control of operations performed in washing machines or washer-dryers
- D06F33/30—Control of washing machines characterised by the purpose or target of the control
- D06F33/44—Control of the operating time, e.g. reduction of overall operating time
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/04—Signal transfer or data transmission arrangements
- D06F34/05—Signal transfer or data transmission arrangements for wireless communication between components, e.g. for remote monitoring or control
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/06—Timing arrangements
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/14—Arrangements for detecting or measuring specific parameters
- D06F34/18—Condition of the laundry, e.g. nature or weight
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F34/00—Details of control systems for washing machines, washer-dryers or laundry dryers
- D06F34/28—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress
- D06F34/34—Arrangements for program selection, e.g. control panels therefor; Arrangements for indicating program parameters, e.g. the selected program or its progress characterised by mounting or attachment features, e.g. detachable control panels or detachable display panels
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F58/00—Domestic laundry dryers
- D06F58/32—Control of operations performed in domestic laundry dryers
- D06F58/34—Control of operations performed in domestic laundry dryers characterised by the purpose or target of the control
- D06F58/46—Control of the operating time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2103/00—Parameters monitored or detected for the control of domestic laundry washing machines, washer-dryers or laundry dryers
- D06F2103/02—Characteristics of laundry or load
- D06F2103/04—Quantity, e.g. weight or variation of weight
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
- D06F2105/56—Remaining operation time; Remaining operational cycles
-
- D—TEXTILES; PAPER
- D06—TREATMENT OF TEXTILES OR THE LIKE; LAUNDERING; FLEXIBLE MATERIALS NOT OTHERWISE PROVIDED FOR
- D06F—LAUNDERING, DRYING, IRONING, PRESSING OR FOLDING TEXTILE ARTICLES
- D06F2105/00—Systems or parameters controlled or affected by the control systems of washing machines, washer-dryers or laundry dryers
- D06F2105/58—Indications or alarms to the control system or to the user
Definitions
- the processor may receive the laundry course information and drying course information corresponding to the laundry course information from the user terminal through the communication interface.
- the user executes an application in the user terminal 40 and inputs a user account, and can log in to the electronic device 100, for example, the server through the input user account, and the user terminal 40 is the logged in user account. Based on the , communication with the electronic device 100 may be performed.
- the electronic device 100 may register the laundry related device 10 to a corresponding user account.
- the user terminal 40 performs communication with the laundry-related device 10 operating in the access point (AP) mode, and the access point (ie, Wi-Fi access point) for The information may be transmitted to the laundry related device 10 .
- AP access point
- the processor 130 may include a digital signal processor (DSP), a microprocessor (microprocessor), a graphics processing unit (GPU), an artificial intelligence (AI) processor, a neural network (NPU) for processing a digital image signal.
- DSP digital signal processor
- microprocessor microprocessor
- GPU graphics processing unit
- AI artificial intelligence
- NPU neural network
- Processing Unit TCON (Time controller), but is not limited thereto, Central processing unit (CPU), MCU (Micro Controller Unit), MPU (micro processing unit), controller (controller), application processor (application processor (AP)), communication processor (communication processor (CP)), may include one or more of an ARM processor, or may be defined by the term.
- the processor 130 may be implemented as a system on chip (SoC), large scale integration (LSI), or an application specific integrated circuit (ASIC) or field programmable gate array (FPGA) with a built-in processing algorithm.
- SoC system on chip
- LSI large scale integration
- ASIC application specific integrated circuit
- FPGA field
- this is an example of supervised learning, and it is possible to train an artificial intelligence model based on unsupervised learning that trains an artificial intelligence model by inputting only input data without using recommended administrative information as output data. to be.
- FIG. 6A illustrates a UI screen provided when a specific application is executed, and an icon image representing a controllable home appliance may be provided on the UI screen 610 .
- a UI screen 620 including washing course information may be provided as shown in FIG. 6B .
- a navigation GUI 622 for selecting laundry course information may be provided.
- drying course information 623 corresponding to the selected laundry course information may be automatically mapped and provided.
- FIG. 6C a UI screen 630 including information on an integrated required time 631 according to the washing cycle and the drying cycle may be provided.
- the learned control method of the electronic device shown in FIG. 8 when weight information of laundry before washing and washing course information are received from the washing machine ( S810 ), the received weight information of laundry before washing and washing course information are read It is possible to obtain information on the weight of the laundry after washing by input to the first artificial intelligence model (S820).
- the weight information of the laundry before washing may include at least one of the weight of the dry cloth before washing and the weight of the wet cloth before washing.
- each of the components may be composed of a singular or a plurality of entities, and some sub-components of the above-described corresponding sub-components may be omitted, or other sub-components may be omitted. Components may be further included in various embodiments. Alternatively or additionally, some components (eg, a module or a program) may be integrated into a single entity to perform the same or similar functions performed by each corresponding component prior to integration. According to various embodiments, operations performed by a module, program, or other component may be sequentially, parallel, repetitively or heuristically executed, or at least some operations may be executed in a different order, omitted, or other operations may be added. can
Landscapes
- Engineering & Computer Science (AREA)
- Textile Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Control Of Washing Machine And Dryer (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
전자 장치가 개시된다. 전자 장치는 학습된 제1 인공 지능 모델 및 학습된 제2 인공 지능 모델에 대한 정보가 저장된 메모리, 통신 인터페이스 및 메모리 및 통신 인터페이스와 전기적으로 결합된 프로세서를 포함하며, 프로세서는, 세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하고, 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득하고, 획득된 건조 시간 정보를 통신 인터페이스를 통해 세탁 기기 또는 건조 기기 중 적어도 하나로 전송한다.
Description
본 개시는 전자 장치 및 그 제어 방법에 관한 것으로, 더욱 상세하게는 가전 기기를 관리하는 전자 장치 및 그 제어 방법에 관한 것이다.
전자 기술의 발달에 힘입어 다양한 유형의 전자 기기가 개발 및 보급되고 있다. 특히, 가정에서 이용되는 가전 기기는 사용자의 니즈를 만족시키기 위하여 최근 수년 간 지속적으로 발전하고 있다.
최근에는 세탁기 뿐 아니라, 건조기, 에어드레서와 같은 다양한 세탁 관련 기능을 제공하는 기기가 보급되고 있다.
일 예에 따라 건조기는 행정 시간을 예측하여 표시할 때 세탁물을 충분히 텀블링(tumbling)한 후, 측정된 무게를 기반으로 예측 시간을 표시하여 시간이 오래 걸리는 문제가 있다. 또한, 세탁기 및 건조기에 각각 세탁물이 투입된 후 개별적으로 행정 시간이 예측되기 때문에 세탁 시작 시점에 사용자가 통합 소요 시간을 알기 어렵다는 문제점이 있었다.
본 개시는 상술한 필요성에 따른 것으로, 본 개시의 목적은 세탁 기기의 세탁 행정 및 건조 기기의 건조 행정에 따른 통합 소요 시간을 예측하여 제공하는 전자 장치 및 그 제어 방법을 제공함에 있다.
이상과 같은 목적을 달성하기 위한 본 개시의 일 실시 예에 따른 전자 장치는, 학습된 제1 인공 지능 모델 및 제2 인공 지능 모델에 대한 정보가 저장된 메모리, 통신 인터페이스 및, 세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 상기 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 상기 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하고, 상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 상기 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득하고, 상기 획득된 건조 시간 정보를 상기 통신 인터페이스를 통해 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는 프로세서를 포함한다.
또한, 상기 프로세서는, 상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 상기 세탁 기기로 전송할 수 있다.
또한, 상기 프로세서는, 상기 세탁 기기로부터 상기 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신할 수 있다.
또한, 상기 세탁 전 세탁물의 무게 정보는, 세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함할 수 있다.
또한, 상기 프로세서는, 상기 수신된 세탁 코스 정보에 기초하여 상기 세탁 코스 정보에 대응되는 건조 코스 정보를 획득할 수 있다.
또한, 상기 제1 인공 지능 모델은, 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 입력 데이터로 이용하고 세탁 후 세탁물의 무게 정보를 출력 데이터로 이용하여 학습되며, 상기 제2 인공 지능 모델은, 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 입력 데이터로 이용하고 건조 시간 정보를 출력 데이터로 이용하여 학습될 수 있다.
또한, 상기 프로세서는, 사용자 단말로부터 상기 세탁 코스 정보 및 상기 세탁 코스 정보에 대응되는 건조 코스 정보를 상기 통신 인터페이스를 통해 수신할 수 있다.
또한, 상기 프로세서는, 상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 상기 사용자 단말로 전송할 수 있다.
또한, 상기 프로세서는, 상기 세탁 전 세탁물의 무게 정보, 상기 세탁 코스 정보 및 세탁 옵션 정보를를 상기 제1 인공 지능 모델에 입력하여 상기 세탁 후 세탁물의 무게 정보를 획득하고, 상기 세탁 후 세탁물의 무게 정보, 상기 건조 코스 정보 및 건조 옵션 정보를 상기 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 있다.
본 개시의 일 실시 예에 따른 세탁 기기는, 디스플레이, 및 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 전자 장치로 전송하고, 상기 전자 장치로부터 예측된 건조 행정에 소요되는 건조 시간 정보가 수신되면, 상기 수신된 건조 시간 정보 및 상기 세탁 코스 정보에 대응되는 세탁 시간 정보에 기초하여 통합 소요 시간 정보를 디스플레이하도록 상기 디스플레이를 제어하는 프로세서를 포함하며, 상기 전자 장치는, 상기 세탁 기기로부터 수신된 세탁물의 무게 정보 및 세탁 코스 정보를 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하고, 상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득하고, 상기 획득된 건조 시간 정보를 상기 세탁 기기로 전송할 수 있다.
한편 본 개시의 일 실시 예에 따른 학습된 제1 인공 지능 모델 및 제2 인공 지능 모델에 대한 정보를 저장하는 전자 장치의 제어 방법은, 세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 상기 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 상기 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하는 단계, 상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 상기 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득하는 단계, 및 상기 획득된 건조 시간 정보를 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는 단계를 포함할 수 있다.
또한, 상기 획득된 건조 시간 정보를 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는 단계는, 상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 세탁 기기로 전송할 수 있다.
또한, 상기 제어 방법은, 상기 세탁 기기로부터 상기 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신하는 단계를 더 포함할 수 있다.
또한, 상기 세탁 전 세탁물의 무게 정보는, 세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함할 수 있다.
또한, 상기 제어 방법은, 상기 수신된 세탁 코스 정보에 기초하여 상기 세탁 코스 정보에 대응되는 건조 코스 정보를 획득하는 단계를 더 포함할 수 있다.
또한, 상기 제1 인공 지능 모델은, 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 입력 데이터로 이용하고 세탁 후 세탁물의 무게 정보를 출력 데이터로 이용하여 학습되며, 상기 제2 인공 지능 모델은, 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 입력 데이터로 이용하고 건조 시간 정보를 출력 데이터로 이용하여 학습될 수 있다.
또한, 상기 제어 방법은, 사용자 단말로부터 상기 세탁 코스 정보 및 상기 세탁 코스 정보에 대응되는 건조 코스 정보를 수신하는 단계를 더 포함할 수 있다.
또한, 상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 상기 사용자 단말로 전송하는 단계를 더 포함할 수 있다.
또한, 상기 세탁 후 세탁물의 무게 정보를 획득하는 단계는, 상기 세탁 전 세탁물의 무게 정보, 상기 세탁 코스 정보 및 세탁 옵션 정보를를 상기 제1 인공 지능 모델에 입력하여 상기 세탁 후 세탁물의 무게 정보를 획득하고, 상기 건조 시간 정보를 획득하는 단계는, 상기 세탁 후 세탁물의 무게 정보, 상기 건조 코스 정보 및 건조 옵션 정보를 상기 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 있다.
상술한 다양한 실시 예에 따르면, 세탁 시작 시점에 세탁 행정 및 건조 행정에 소요되는 통합 소요 시간을 제공할 수 있게 되므로 사용자의 편의성이 향상된다.
상술한 다양한 실시 예에 따르면, 세탁 시작 시점에 세탁 행정 및 건조 행정에 소요되는 통합 소요 시간을 제공할 수 있게 되므로 사용자의 편의성이 향상된다.
하기의 상세한 설명을 수행하기 전에, 이 특허 문서 전체에서 사용되는 특정 단어 및 구문의 정의를 설명하는 것이 유리할 수 있다: "포함하다" 및 "구성하다" 및 그 파생어는 제한 없는 포함을 의미한다. "또는"이라는 용어는 포괄적이며, 및/또는을 의미한다. "~와 관련된" 및 "그와 관련된"이라는 문구와 그 파생어는 포함하는, 포함되는, 상호 연결되는, 함유하는, 안에 포함, 연결 또는 함께, 통신 가능, 협력하다, 끼워 넣다, 병치시키다, ~에 근접하다, ~에 결속되다, ~의 속성을 가지다, 소유를 의미할 수 있다. "컨트롤러"라는 용어는 적어도 하나의 동작을 제어하는 임의의 장치, 시스템 또는 그 일부를 의미하며, 이러한 장치는 하드웨어, 펌웨어 또는 소프트웨어, 또는 이들 중 적어도 2개의 조합으로 구현될 수 있다. 특정 컨트롤러와 관련된 기능은 로컬이든 원격이든 중앙 집중화되거나 분산될 수 있다.
더욱이, 이하에서 설명되는 다양한 기능은 하나 이상의 컴퓨터 프로그램에 의해 구현되거나 지원될 수 있으며, 각각은 컴퓨터가 읽을 수 있는 프로그램 코드로 형성되고 컴퓨터가 읽을 수 있는 매체에 구현된다. "응용 프로그램" 및 "프로그램"이라는 용어는 하나 이상의 컴퓨터 프로그램, 소프트웨어 구성 요소, 명령 세트, 절차, 기능, 객체, 클래스, 인스턴스, 관련 데이터 또는 적절한 컴퓨터 판독 가능 프로그램 코드로 구현하도록 구성된 그 일부를 나타낸다. "컴퓨터가 읽을 수 있는 프로그램 코드"라는 문구에는 소스 코드, 목적 코드 및 실행 코드를 포함한 모든 유형의 컴퓨터 코드가 포함된다. "컴퓨터 판독 가능 매체"라는 문구는 ROM(Read Only Memory), RAM(Random Access Memory), 하드 디스크 드라이브, CD(Compact Disc), 디지털 디스크, 비디오 디스크(DVD) 또는 기타 유형의 메모리 등과 같이 컴퓨터에서 액세스할 수 있는 모든 유형의 매체를 포함한다. "비일시적" 컴퓨터 판독 가능 매체는 일시적인 전기 신호 또는 기타 신호를 전송하는 유선, 무선, 광학 또는 기타 통신 링크를 제외한다. 비일시적 컴퓨터 판독 가능 매체는 재기록 가능한 광 디스크 또는 소거 가능한 메모리 장치와 같이 데이터가 영구적으로 저장될 수 있는 매체 및 데이터가 저장되고 나중에 덮어쓸 수 있는 매체를 포함한다.
특정 단어 및 구에 대한 정의는 이 특허 문서 전체에 제공되며, 당업자는 많은 경우, 대부분의 경우는 아니지만 이러한 정의는 정의된 단어 및 구의 이전 사용 및 향후 사용에 적용된다.
본 개시내용 및 그 유리한 점의 보다 완전한 이해를 위해, 유사한 참조 번호가 유사한 부분을 나타내는 첨부 도면과 함께 취해진 다음 설명을 이제 참조한다:
도 1a 및 도 1b는 본 개시의 일 실시 예에 따른 전자 시스템의 구성을 나타내는 도면들이다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치의 구성을 나타내는 블럭도이다.
도 3a 및 도 3b는 본 개시의 일 실시 예에 따른 인공 지능 모델의 학습 방법을 설명하기 위한 도면들이다.
도 4는 본 개시의 다른 실시 예에 따른 세탁 기기의 구성을 나타내는 블럭도이다.
도 5, 도 6a, 도 6b 및 도 6c는 본 개시의 일 실시 예에 따라 제공되는 UI 화면을 나타내는 도면들이다.
도 7는 일 실시 예에 따른 전자 시스템의 동작을 설명하기 위한 시퀀스도이다.
도 8은 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
아래에서 논의되는 도 1a 내지 도 8, 및 이 특허 문서에서 본 개시의 원리를 설명하기 위해 사용된 다양한 실시예는 단지 예시를 위한 것이며 개시의 범위를 제한하는 방식으로 해석되어서는 안 된다. 당업자는 본 개시내용의 원리가 임의의 적절하게 배열된 시스템 또는 장치에서 구현될 수 있음을 이해할 것이다.
이하에서는 첨부 도면을 참조하여 본 개시를 상세히 설명한다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
본 개시의 실시 예에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 개시의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
본 명세서에서, "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.
A 또는/및 B 중 적어도 하나라는 표현은 "A" 또는 "B" 또는 "A 및 B" 중 어느 하나를 나타내는 것으로 이해되어야 한다.
본 명세서에서 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, 어떤 구성요소가 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구성되다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 개시에서 "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 프로세서(미도시)로 구현될 수 있다.
이하 첨부된 도면들을 참조하여 본 개시의 일 실시 예를 보다 상세하게 설명한다.
도 1a 및 도 1b는 본 개시의 일 실시 예에 따른 전자 시스템의 구성을 나타내는 도면들이다.
도 1a에 따르면, 전자 시스템은 전자 장치(100) 및 복수의 가전 기기(10, 20)을 포함할 수 있다.
전자 장치(100)는 등록된 다양한 기기(가령, 가전 기기 및 IoT(Internet of Things) 기기 등)를 제어하고 관리할 수 있다. 예를 들어, 전자 장치(100)는 사용자 계정 별로 기기를 등록하고 관리할 수 있다. 일 예에 따라 전자 장치(100)는 서버, 특히, 클라우드 서버로 구현될 수 있으나, 이에 한정되는 것은 아니다.
제어 대상 기기(10, 20)는 전자 장치(100)로부터 수신된 신호에 의해 제어 가능한 IoT (Internet of Things) 기기일 수 있다. 일 실시 예에 따라 물과 세제를 이용하여 세탁물을 세탁하고 젖은 세탁물에 대한 탈수를 수행하는 세탁 기기 또는 의류 등에 대한 건조 기능을 수행하는 건조 기기, 의류 등에 대한 청정 기능을 수행하는 의류 청정 기기 등과 같이 세탁과 관련된 다양한 기능을 수행하는 기기로 구현될 수 있다. 특히, 본 개시의 일 실시 예에 따르면 제어 대상 기기(10, 20)는 세탁 기기 및 건조 기기를 포함할 수 있다. 설명의 편의를 위하여 세탁 기기(10) 및 건조 기기(20)는 동일한 사용자 계정에 등록된 기기인 것으로 상정하여 설명하도록 한다.
전자 장치(100)은 액세스 포인트를 세탁 기기(10) 및 건조 기기(20)와 통신하거나, LTE, 5G 등과 같은 이동 통신 네트워크를 통해 세탁 기기(10) 및 건조 기기(20)와 통신을 수행할 수 있다. 특히, 전자 장치(100)는 세탁 기기(10) 및 건조 기기(20)로부터 수신된 사용 정보에 기초하여 인공 지능 모델을 학습하고, 학습된 인공 지능 모델을 이용하여 세탁 행정 및 건조 행정과 관련된 통합 소요 시간 정보를 제공할 수 있다.
도 1b에 따르면, 시스템은 전자 장치(100), 세탁 기기(10), 건조 기기(20), 데이터 서버(30) 및 사용자 단말(40)을 포함할 수 있다.
도 1b에 도시된 일 실시 예에 따르면, 전자 장치(100)는 세탁 기기(10), 건조 기기(20)의 사용 정보를 세탁 기기(10) 및 건조 기기(20)로부터 직접 수신하지 않고, 데이터 서버(30) 통해 수신하는 것도 가능하다. 이 경우, 데이터 서버(30)는 세탁 기기(10) 및 건조 기기(20)의 사용 정보를 저장하고 관리하는 데이터베이스 서버로 구현될 수 있다. 예를 들어, 데이터 서버(30)는 세탁 기기(10) 및 건조 기기(20)의 사용 정보에 기초하여 세탁 기기(10) 및 건조 기기(20)의 고장 수리 서비스를 제공하는 서버로 구현될 수 있으나, 이에 한정되는 것은 아니다.
도 1b에 도시된 다른 실시 예에 따르면, 전자 장치(100)는 사용자 단말(40)과 통신을 수행할 수 있다.
사용자 단말(40)은 어플리케이션을 제공하는 서버(미도시)로부터 어플리케이션을 다운로드받아 설치할 수 있다. 일 예에 따라 사용자 단말(40)은 스마트 폰, 태블릿과 같은 사용자 단말로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 사용자 단말(40)은 노트북, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 전자책 단말기, 디지털 방송용 단말기, 네비게이션, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치로 구현되거나, 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 단말기일 수 있다. 여기서, 세탁 기기(10) 및 건조 기기(20)는 사용자 단말(40)에 설치된 어플리케이션을 통해 제어 가능한 IoT (Internet of Things) 기기일 수 있다.
사용자는 사용자 단말(40)에서 어플리케이션을 실행하고 사용자 계정을 입력하여, 입력된 사용자 계정을 통해 전자 장치(100), 예를 들어 서버에 로그인할 수 있으며, 사용자 단말(40)은 로그인된 사용자 계정을 기반으로 전자 장치(100)와 통신을 수행할 수 있다. 전자 장치(100)는 세탁 관련 기기(10)를 대응되는 사용자 계정에 등록할 수 있다. 예를 들어, 사용자 단말(40)은 액세스 포인트(Access Point, AP) 모드로 동작하는 세탁 관련 기기(10)와 통신을 수행하여, 액세스 포인트(즉, 와이파이(Wi-Fi) 액세스 포인트)에 대한 정보를 세탁 관련 기기(10)로 전송할 수 있다. 예를 들어, 사용자 단말(40)은 연결 가능한 액세스 포인트에 대한 리스트를 사용자 단말(40)의 디스플레이에 표시하고, 리스트 상에서 사용자 명령에 따라 선택된 액세스 포인트에 대한 정보를 세탁 기기(10) 및 건조 기기(20)로 전송할 수 있다. 이 경우, 세탁 기기(10) 및 건조 기기(20)는 사용자 단말(40)로부터 수신된 액세스 포인트에 대한 정보를 이용하여 액세스 포인트와 통신 연결을 수행하고, 액세스 포인트를 통해 전자 장치(100)에 접속할 수 있다. 이에 따라, 전자 장치(100)는 액세스 포인트를 통해 세탁 기기(10) 및 건조 기기(20)가 접속되면, 로그인된 사용자 계정에 세탁 기기(10) 및 건조 기기(20)를 등록할 수 있다.
이하에서는, 본 개시의 다양한 실시 예에 따라 전자 장치(100)에서 세탁 기기(10)에서 통합 소요 시간 정보를 제공하는 다양한 실시 예에 대해 설명하도록 한다.
도 2는 본 개시의 일 실시 예에 따른 전자 장치(100)의 구성을 나타내는 블럭도이다.
도 2에 따른 전자 장치(100)는 메모리(110), 통신 인터페이스(120) 및 프로세서(130)를 포함한다.
전자 장치(100)는 서버로 구현 가능하며, 예를 들어, 클라우딩 컴퓨팅 환경이 구축된 서버로 구현될 수 있다. 이에 한정되는 것은 아니며, 인공 지능 모델을 이용하여 데이터를 처리하는 장치라면 한정되지 않고 적용 가능하다.
메모리(110)는 본 개시의 다양한 실시 예를 위해 필요한 데이터를 저장할 수 있다. 메모리(110)는 데이터 저장 용도에 따라 전자 장치(100)에 임베디드된 메모리 형태로 구현되거나, 전자 장치(100)와 통신 가능한(또는 탈부착 가능한) 메모리 형태로 구현될 수도 있다. 예를 들어, 전자 장치(100)의 구동을 위한 데이터의 경우 전자 장치(100)에 임베디드된 메모리에 저장되고, 전자 장치(100)의 확장 기능을 위한 데이터의 경우 전자 장치(100)와 통신 가능한 메모리에 저장될 수 있다. 한편, 전자 장치(100)에 임베디드된 메모리의 경우 휘발성 메모리(예: DRAM(dynamic RAM), SRAM(static RAM), 또는 SDRAM(synchronous dynamic RAM) 등), 비휘발성 메모리(non-volatile Memory)(예: OTPROM(one time programmable ROM), PROM(programmable ROM), EPROM(erasable and programmable ROM), EEPROM(electrically erasable and programmable ROM), mask ROM, flash ROM, 플래시 메모리(예: NAND flash 또는 NOR flash 등), 하드 드라이브, 또는 솔리드 스테이트 드라이브(solid state drive(SSD)) 중 적어도 하나로 구현될 수 있다. 또한, 전자 장치(100)와 통신 가능한 메모리의 경우 메모리 카드(예를 들어, CF(compact flash), SD(secure digital), Micro-SD(micro secure digital), Mini-SD(mini secure digital), xD(extreme digital), MMC(multi-media card) 등), USB 포트에 연결가능한 외부 메모리(예를 들어, USB 메모리) 등과 같은 형태로 구현될 수 있다.
일 예에 따라 메모리(110)는 전자 장치(100)를 제어하기 위한 적어도 하나의 인스트럭션(instruction) 또는 인스트럭션들을 포함하는 컴퓨터 프로그램을 저장할 수 있다.
다른 예에 따라, 메모리(110)는 복수의 레이어를 포함하는 인공 지능 모델에 관한 정보를 저장할 수 있다. 여기서, 인공 지능 모델에 관한 정보를 저장한다는 것은 인공 지능 모델의 동작과 관련된 다양한 정보, 예를 들어 인공 지능 모델에 포함된 복수의 레이어에 대한 정보, 복수의 레이어 각각에서 이용되는 파라미터(예를 들어, 필터 계수, 바이어스 등)에 대한 정보 등을 저장한다는 것을 의미할 수 있다. 예를 들어, 메모리(110)는 일 실시 예에 따라 세탁 후 세탁물의 무게 정보 획득하도록 학습된 제1 인공 지능 모델에 대한 정보 및 건조 시간 정보를 획득하도록 학습된 제2 인공 지능 모델에 대한 정보를 저장할 수 있다. 다만, 프로세서(130)가 인공 지능 모델 전용 하드웨어로 구현되는 경우, 인공 지능 모델에 관한 정보는 프로세서(130) 내부 메모리에 저장될 수도 있다.
일 실시 예에 따르면, 메모리(110)는 본 개시에 따른 다양한 동작들에서 생성되는 데이터를 저장하는 단일 메모리로 구현될 수 있다. 다만, 다른 실시 예에 따르면, 메모리(110)는 상이한 타입의 데이터를 각각 저장하거나, 상이한 단계에서 생성되는 데이터를 각각 저장하는 복수의 메모리를 포함하도록 구현될 수도 있다.
통신 인터페이스(120)는 세탁 기기(10) 및 건조 기기(20)와 통신을 수행할 수 있다.
일 실시 예에 따라 통신 인터페이스(120)는 세탁 기기(10) 및 건조 기기(20)와 통신을 수행하는 무선 통신 모듈을 포함할 수 있다. 다른 실시 예에 따라 통신 인터페이스(120)는 데이터 서버(30) 또는 사용자 단말(40) 중 적어도 하나와 추가적으로 통신을 수행할 수 있다.
예를 들어, 통신 인터페이스(120)는 무선 통신 모듈, 예를 들어, Wi-Fi 모듈을 포함할 수 있다. 다만, 이에 한정되는 것은 아니며, 통신 인터페이스(120)는 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격, 적외선 통신(IrDA, infrared Data Association) 기술 등에 따라 통신을 수행할 수도 있다.
프로세서(130)는 메모리(110)와 전기적으로 연결되어 전자 장치(100)의 전반적인 동작을 제어한다. 프로세서(130)는 하나 또는 복수의 프로세서로 구성될 수 있다. 구체적으로, 프로세서(130)는 메모리(110)에 저장된 적어도 하나의 인스트럭션(instruction)을 실행함으로써, 본 개시의 다양한 실시 예에 따른 전자 장치(100)의 동작을 수행할 수 있다.
일 실시 예에 따라 프로세서(130)는 디지털 영상 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로 프로세서(microprocessor), GPU(Graphics Processing Unit), AI(Artificial Intelligence) 프로세서, NPU (Neural Processing Unit), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서(130)는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, ASIC(application specific integrated circuit), FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.
또한, 일 실시 예에 따른 인공 지능 모델을 실행하기 위한 프로세서(130)는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서과 소프트웨어의 조합을 통해 구현될 수 있다. 프로세서(130)는, 메모리(110)에 저장된 기 정의된 동작 규칙 또는 인공 지능 모델에 따라, 입력 데이터를 처리하도록 제어할 수 있다. 또는, 프로세서(130)가 전용 프로세서(또는 인공 지능 전용 프로세서)인 경우, 특정 인공 지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다. 예를 들어, 특정 인공 지능 모델의 처리에 특화된 하드웨어는 ASIC, FPGA 등의 하드웨어 칩으로 설계될 수 있다. 프로세서(130)가 전용 프로세서로 구현되는 경우, 본 개시의 실시 예를 구현하기 위한 메모리를 포함하도록 구현되거나, 외부 메모리를 이용하기 위한 메모리 처리 기능을 포함하도록 구현될 수 있다.
일 실시 예에 따르면, 프로세서(130)는 제1 및 제2 인공 지능 모델을 이용하여 건조 시간 또는 통합 소요 시간 중 적어도 하나를 획득하고 획득된 시간 정보를 통신 인터페이스(120)를 통해 세탁 기기(10)로 전송할 수 있다. 다만 경우에 따라 해당 정보를 건조 기기(20)로 전송할 수도 있다.
일 예에 따라 인공 지능 모델은 CNN (Convolutional Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등으로 구현될 수 있으나, 이에 한정되지 않는다.
일 실시 예에 따르면, 프로세서(130)는 세탁 기기(10)로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득할 수 있다. 또한, 프로세서(130)는 세탁 전 세탁물의 무게 정보, 세탁 코스 정보 뿐 아니라, 세탁 옵션 정보도 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득할 수 있다. 여기서, 제1 인공 지능 모델로 입력되는 세탁 전 세탁물의 무게 정보는 세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함할 수 있다. 예를 들어, 프로세서(130)는 세탁 기기(10)로부터 세탁 전 건포 무게 만을 수신할 수도 있으나, 세탁 전 건포 무게 및 세탁 전 습포 무게를 모두 수신할 수도 있다.
또한, 프로세서(130)는 제1 인공 지능 모델을 통해 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 있다. 또한, 프로세서(130)는 세탁 후 세탁물의 무게 정보, 건조 코스 정보 뿐 아니라 건조 옵션 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 잇다.
이어서, 프로세서(130)는 획득된 건조 시간 정보 또는 통합 소요 시간 정보를 세탁 기기 또는 건조 기기 중 적어도 하나로 전송할 수 있다.
일 예에 따라 프로세서(130)는 획득된 건조 시간 정보를 세탁 기기(10) 또는 건조 기기(20) 중 적어도 하나로 전송할 수 있다.
다른 예에 따라 프로세서(130)는 세탁 코스 정보에 대응되는 세탁 시간 정보 및 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 획득된 통합 소요 시간 정보를 세탁 기기(10)로 전송할 수 있다. 이 경우, 프로세서(130)는 세탁 기기(10)로부터 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신할 수 있다.
일 실시 예에 따르면, 프로세서(130)는 세탁 기기(10)로부터 수신된 세탁 코스 정보에 기초하여 세탁 코스 정보에 대응되는 제2 인공 지능 모델로 입력하기 위한 건조 코스 정보를 획득할 수 있다.
다른 실시 예에 따르면, 프로세서(130)는 사용자 단말(40)로부터 사용자에 의해 선택된 세탁 코스 정보 및 세탁 코스 정보에 대응되는 건조 코스 정보를 수신할 수 있다. 또는 세탁 전 세탁물의 무게 정보도 사용자 단말(40)로부터 수신하는 것도 가능하다.
한편, 코스 정보 및 옵션 정보(예를 들어 코스 별 옵션 정보)는 다양한 정보를 포함할 수 있다. 예를 들어, 세탁 코스는 표준 코스, 울세탁 코스, 아기 세탁 코스, 소프트 버블 등을 포함할 수 있고, 옵션 정보는 세탁 시간, 물 온도, 건조 시간 등을 포함할 수 있다. 다만, 건조기의 경우, 코스 정보는 이불/먼지 털기, 살균 코스, 강력 코스 등을 포함하고, 옵션 정보는, 건조 레벨, 건조 시간 등을 포함할 수 있다. 의류 청정기의 경우, 코스 정보는 표준 코스, 미세 먼지 코스, 급속 코스, 살균 코스 등을 포함하고, 옵션 정보는 관리 레벨, 관리 시간 등을 포함할 수 있다. 다만, 이는 코스 정보 및 옵션 정보의 일 예를 든 것이며, 다양한 정보가 추가될 수 있음은 물론이다.
도 3a 및 도 3b는 다양한 실시 예에 따른 인공 지능 모델의 학습 방법을 설명하기 위한 도면들이다.
일 실시 예에 따르면, 인공 지능 모델은 입력 훈련 데이터 및 출력 훈련 데이터 쌍에 기초하여 학습되거나, 입력 훈련 데이터에 기초하여 학습될 수 있다. 여기서, 인공 지능 모델이 학습된다는 것은, 기본 인공 지능 모델(예를 들어 임의의 랜덤한 파라미터를 포함하는 인공 지능 모델)이 학습 알고리즘에 의하여 다수의 훈련 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공 지능 모델이 만들어짐을 의미한다. 이러한 학습은 전자 장치(100)를 통해 이루어질 수 있으나, 이에 한정되는 것은 아니며 별도의 서버 및/또는 시스템을 통해 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다. 다만, 이는 지도 학습의 경우를 예를 든 것이며, 출력 데이터로서 추천 행정 정보를 이용하지 않고 입력 데이터 만을 입력하여 인공 지능 모델을 학습시키는 비지도 학습에 기초하여 인공 지능 모델을 학습시킬 수 있음은 물론이다.
예를 들어, 도 3a에 도시된 바와 같이 전자 장치(100)는 세탁 행정 및 건조 행정 수행에 따른 데이터를 DB에 저장하고, 해당 정보에 기초하여 제1 인공 지능 모델(311) 및 제2 인공 지능 모델(312)을 학습시킬 수 있다. 예를 들어, 세탁 수행 이력 정보(세탁 코스 정보, 세탁 옵션 정보), 세탁 수행 전 건포/습포 무게, 세탁 종료 후 빨래 무게, 건조 수행 이력 정보(건조 코스 정보, 건조 옵션 정보), 건조 수행 전 습포 무게, 건조 수행 시간 등을 포함하는 다양한 데이터가 제1 인공 지능 모델(311) 및 제2 인공 지능 모델(312)에 이용될 수 있다.
일 예에 따르면, 도 3b에 도시된 바와 같이 제1 인공 지능 모델(311)은 세탁 이력 정보에 포함된 세탁 전 무게, 세탁 코스 정보(및 세탁 옵션 정보) 및 세탁 후 무게를 각각 입출력 훈련 데이터 쌍으로 이용하여 학습될 수 있다. 예를 들어, 제1 인공 지능 모델(311)은 도 3b에 도시된 바와 같이 세탁 전 무게 및 세탁 코스 정보의 입력 데이터, 및 세탁 후 무게의 출력 데이터를 입출력 훈련 데이터 쌍으로 이용하여 학습될 수 있다. 또한, 제2 인공 지능 모델(312)은 건조 이력 정보에 포함된 세탁 후 무게(건조 수행 전 습포 무게), 건조 코스 정보(및 건조 옵션 정보) 및 건조 시간 정보를 각각 입출력 훈련 데이터 쌍으로 이용하여 학습될 수 있다. 예를 들어, 제2 인공 지능 모델(312)은 도 3b에 도시된 바와 같이 세탁 후 무게 및 건조 코스 정보의 입력 데이터, 및 건조 시간 정보의 출력 데이터를 입출력 훈련 데이터 쌍으로 이용하여 학습될 수 있다.
다만, 이는 지도 학습의 경우를 예를 든 것이며, 출력 데이터로서 추천 행정 정보를 이용하지 않고 입력 데이터 만을 입력하여 인공 지능 모델을 학습시키는 비지도 학습에 기초하여 인공 지능 모델을 학습시킬 수 있음은 물론이다.
다만, 다른 실시 예에 따르면, 세탁 기기(10) 및 건조 기기(20)의 사용 정보 양이 인공 지능 모델을 학습시키기에 부족한 경우 사용자의 사용 정보와 동일한 성향의 사용 정보를 이용하여 인공 지능 모델을 학습시킬 수도 있다. 이에 따라, 세탁 기기(10) 및 건조 기기(20)의 사용 정보가 충분히 축적되지 않은 경우에도 인공 지능 모델을 학습시킬 수 있게 된다. 예를 들어, 프로세서(130)는 K-means 알고리즘을 이용하여 복수의 세탁 관련 기기를 적어도 하나의 그룹으로 그룹핑하고, 사용자와 유사한 성향을 가지는 사용자가 속한 그룹의 사용 정보를 이용하여 인공 지능 모델을 학습시킬 수도 있다.
다른 실시 예에 따르면 제1 및 제2 인공 지능 모델(311, 312)은 타 세탁 기기 및 타 건조 기기로부터 획득된 사용 이력 정보에 기초하여 학습되는 것도 가능하다. 예를 들어, 사용자의 세탁 기기(10) 및 건조 기기(20)의 사용 이력 정보에 따른 데이터가 부족한 경우 인공 지능 모델의 학습이 지연될 수 있다. 이에 따라 프로세서(130)는 사용자와 사용 성향이 유사한 타 사용자의 세탁 기기 및 건조 기기로부터 획득된 사용 이력 정보에 기초하여 제1 및 제2 인공 지능 모델(311, 312)을 학습시킬 수도 있다.
다른 실시 예에 따르면, 제1 및 제2 인공 지능 모델(311, 312)의 학습에는 사용 이력 정보 뿐 아니라 다양한 컨텍스트 정보, 예를 들어 날씨 정보, 시간 정보, 기기 정보 등이 추가적으로 이용되는 것도 가능하다. 여기서, 기기 정보는 세탁 관련 기기(10)와 관련된 다양한 정보, 예를 들어, 기능, 모델, 타입, 제조사, 위치 등 다양한 정보를 포함할 수 있고, 시간 정보는 시간, 요일, 휴일 등 시간과 관련된 다양한 정보를 포함할 수 있고, 날씨 정보는 온도, 먼지, 오존지수, 강수, 바람, 습도 등 날씨와 관련된 다양한 정보를 포함할 수 있다.
한편, 학습된 제1 인공 지능 모델(311)은 세탁 후 무게 정보 및 해당 정보에 대응되는 확률 값을 출력할 수 있다. 예를 들어 프로세서(130)는 제1 인공 지능 모델(311)로부터 복수의 세탁 후 무게 정보가 출력되면, 대응되는 확률 값에 기초하여 최종 세탁 후 무게 정보를 획득할 수 있다. 또한, 학습된 제2 인공 지능 모델(312)은 건조 시간 정보 및 해당 정보에 대응되는 확률 값을 출력할 수 있다. 예를 들어 프로세서(130)는 제2 인공 지능 모델(312)로부터 복수의 건조 시간 정보가 출력되면, 대응되는 확률 값에 기초하여 최종 건조 시간 정보를 획득할 수 있다.
이 경우, 인공 지능 모델의 출력 부분은 softmax 처리가 가능하도록 구현될 수 있다. 여기서, softmax 는 입력받은 값을 0 ~ 1 사이 값으로 모두 정규화하며 출력 값들의 총합을 항상 1로 만드는 함수로, 각 class 별 즉, 각 추천 행정 정보의 확률 값을 출력하는 기능을 할 수 있다. 경우에 따라 인공 지능 모델의 출력 부분은 Argmax 처리가 가능하도록 구현될 수 있다. Argmax 는 다수의 label 중에서 가장 가능성 높은 것을 선택해 주는 함수로, 여기에서는 각 class 별 확률 값을 확률 값 중 가장 큰 값을 가지는 비율을 선택해 주는 기능을 할 수 있다. 즉, 인공 지능 모델은 각각의 출력 부분이 Argmax 처리되어 있는 경우, 가장 높은 확률 값을 가지는 하나의 정보 만이 출력될 수 있게 된다.
도 2로 돌아와서, 프로세서(130)는 제2 인공 지능 모델(312)로부터 획득된 건조 시간 정보 또는 건조 시간 정보에 기초하여 획득된 통합 소요 시간 정보를 세탁 기기(10), 건조 기기(20) 또는 사용자 단말(40) 중 적어도 하나로 전송할 수 있다.
도 4는 본 개시의 다른 실시 예에 따른 타 전자 장치의 일 구현 예를 나타내는 도면이다.
도 4에 따르면, 전자 장치(200)는 메모리(210), 통신 인터페이스(220), 디스플레이(230), 사용자 인터페이스(240) 및 프로세서(250)를 포함한다. 여기서, 전자 장치(200)는 도 1a 및 도 1b에 도시된 세탁 기기(10) 또는 사용자 단말(40)로 구현 가능하다.
메모리(210)는 전자 장치(200)를 구동하기 위한 다양한 모듈을 저장한다. 예를 들어, 메모리(210)에는 베이스 모듈, 센싱 모듈, 통신 모듈, 프리젠테이션 모듈, 웹 브라우저 모듈, 서비스 모듈을 포함하는 소프트웨어가 저장될 수 있다.
일 실시 예에 따라, 전자 장치(200)가 세탁 기기(10)로 구현되는 경우, 세탁 기기(10)에서 획득되는 다양한 사용 정보를 저장할 수 있다.
다른 실시 예에 따라 전자 장치(200)가 사용자 단말(40)로 구현되는 경우, 메모리(210)는 외부 기기를 제어하기 위한 어플리케이션(예를 들어, 도 1b에서 설명된 어플리케이션)을 저장할 수 있다. 여기서 어플리케이션은 홈 내의 가전 기기 등을 원격 제어하기 위한 어플리케이션일 수 있다.
통신 인터페이스(220)는 외부 장치(예를 들어 도 1a 및 도 1b의 전자 장치(100))와 통신을 수행할 수 있다.
일 실시 예에 따라 통신 인터페이스(220)는 예를 들어, Wi-Fi 모듈을 포함할 수 있다. 와이 파이 모듈은 802.11a, 802.11b, 802.11g, 802.11n 중 802.11ac 적어도 하나의 규격 버전에 따라 통신을 수행할 수 있으나, 이에 한정되는 것은 아니며 추후 개발되는 새로운 버전이 포함될 수 있음은 물론이다. 다만, 이에 한정되는 것은 아니며, 통신 인터페이스(220)는 상술한 통신 방식 이외에 지그비(zigbee), 3G(3rd Generation), 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), LTE-A(LTE Advanced), 4G(4th Generation), 5G(5th Generation)등과 같은 다양한 무선 통신 규격, 적외선 통신(IrDA, infrared Data Association) 기술 등에 따라 통신을 수행할 수도 있다.
디스플레이(230)는 자발광 소자를 포함하는 디스플레이 또는, 비자발광 소자 및 백라이트를 포함하는 디스플레이로 구현될 수 있다. 예를 들어, LCD(Liquid Crystal Display), OLED(Organic Light Emitting Diodes) 디스플레이, LED(Light Emitting Diodes), 마이크로 LED(micro LED), Mini LED, PDP(Plasma Display Panel), QD(Quantum dot) 디스플레이, QLED(Quantum dot light-emitting diodes) 등과 같은 다양한 형태의 디스플레이로 구현될 수 있다. 디스플레이(230) 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. 한편, 디스플레이(230)는 터치 센서와 결합된 터치 스크린, 플렉시블 디스플레이(flexible display), 롤러블 디스플레이(rollable display), 3차원 디스플레이(3D display), 복수의 디스플레이 모듈이 물리적으로 연결된 디스플레이 등으로 구현될 수 있다.
사용자 인터페이스(240)는 버튼, 터치 패드, 마우스 및 키보드와 같은 장치로 구현되거나, 상술한 디스플레이 기능 및 조작 입력 기능도 함께 수행 가능한 터치 스크린으로도 구현될 수 있다. 여기서, 버튼은 전자 장치(200)의 본체 외관의 전면부나 측면부, 배면부 등의 임의의 영역에 형성된 기계적 버튼, 터치 패드, 휠 등과 같은 다양한 유형의 버튼이 될 수 있다.
프로세서(250)는 전자 장치(200)의 전반적인 동작을 제어한다.
특히, 프로세서(250)는 UI 화면을 디스플레이하도록 디스플레이(230)를 제어할 수 있다. 여기서, UI 화면은 이미지, 동영상, 텍스트, 음악 등과 같은 다양한 컨텐츠 재생 화면, 다양한 컨텐츠를 포함하는 어플리케이션 실행 화면, 웹 브라우저 화면, GUI(Graphic User Interface) 화면 등을 포함할 수 있다.
일 실시 예에 따라 프로세서(250)는 전자 장치(200)를 제어하기 위한 UI 또는 외부 기기와 관련된 UI 화면을 제공하도록 디스플레이(230)를 제어할 수 있다. 이 경우, 해당 UI 화면은 OS 상에서 사용자가 직접 사용하게 되는 소프트웨어인 어플리케이션(Application)을 통해 제공될 수 있다. 이 경우, 어플리케이션은 디스플레이(230) 화면 상에서 아이콘 인터페이스 형태로 제공될 수 있다. 일 예에 따라 전자 장치(200)가 사용자 단말(40)로 구현되는 경우 프로세서(250)는 외부 기기와 관련된 UI 화면을 제공하도록 디스플레이(230)를 제어할 수 있다. 이 경우 외부 기기는 세탁 기기(10) 또는 건조 기기(20)가 될 수 있다.
일 예에 따라 어플리케이션을 통해 제공되는 UI 화면은 세탁 기기(10) 또는 건조 기기(20의 행정과 관련된 다양한 정보를 제공할 수 있으며, 세탁 관련 기기의 컨트롤을 위해 입력 및 출력이 가능한 컨트롤 패널의 기능을 할 수 있다. 즉, UI 화면은 사용자와 인터페이스를 위한 구성으로, 사용자의 입력을 수신하기 위한 입력 인터페이스 및 사용자 입력에 따른 정보(예를 들어 제어 정보)를 표시하는 출력 인터페이스를 포함할 수 있다.
일 실시 예에 따르면, 전자 장치(200)는 세탁 시작 시점에 세탁 행정 및 건조 행정에 따른 통합 소요 시간을 포함하는 UI 화면을 제공할 수 있다.
도 5, 도 6a 내지 도 6c는 일 실시 예에 따라 제공되는 UI 화면을 나타내는 도면들이다.
도 5는 전자 장치(200)가 세탁 관련 기기(10)로 구현되는 경우의 UI 화면을 나타낸다
도 5에 따르면, 기설정된 이벤트에 따라 통합 소요 시간 정보(511)를 제공하는 UI 화면(510)이 제공될 수 있다. 여기서, 기설정된 이벤트는 세탁 기기(10)에 세탁물이 투입되고, 세탁 코스 정보가 선택되는 이벤트가 될 수 있다.
도 6a 내지 도 6c는 전자 장치(200)가 사용자 단말(40)로 구현되는 경우의 UI 화면을 나타낸다.
도 6a는 특정 어플리케이션이 실행된 경우 제공되는 UI 화면을 도시한 것으로 해당 UI 화면(610)에는 제어 가능한 가전 기기를 나타내는 아이콘 이미지가 제공될 수 있다. 여기서, 사용자의 터치 입력에 의해 세탁 기기(611)가 선택되면, 도 6b에 도시된 바와 같이 세탁 코스 정보를 포함하는 UI 화면(620)이 제공될 수 있다. 또한, 세탁 코스 정보를 선택하기 위한 네비게이션 GUI(622)가 함께 제공될 수 있다. 또한, 이 경우, 선택된 세탁 코스 정보에 대응되는 건조 코스 정보(623)가 자동으로 맵핑되어 제공될 수 있다. 다만, 경우에 따라서는 건조 코스 정보 또한 사용자가 선택할 수 있음은 물론이다. 이어서, 도 6c에 도시된 바와 같이 세탁 행정 및 건조 행정에 따른 통합 소요 시간 정보(631)을 포함하는 UI 화면(630)이 제공될 수 있다.
그 밖에 전자 장치(200)는 다양한 입출력 인터페이스(미도시), 스피커(미도시), 마이크(미도시)를 더 포함할 수 있다. 마이크는 사용자 음성이나 기타 소리를 입력받아 오디오 데이터로 변환하기 위한 구성이다. 예를 들어, 본 개시의 다양한 실시 예에 따른 UI 화면에 포함된 정보가 스피커(미도시)를 통해 음성으로 제공되고, 마이크(미도시)를 통해 사용자 명령이 음성으로 입력될 수도 있다.
도 7은 일 실시 예에 따른 전자 시스템의 동작을 설명하기 위한 시퀀스도이다.
도 7에서는 전자 장치(200)가 세탁 기기(100)로 구현되는 경우를 상정하였다.
도 7에 도시된 시퀀스도에 따르면, 전자 장치(200) 즉, 세탁 기기(10)에 세탁물이 투입되고, 세탁 코스가 선택되면(S710), 세탁 기기(10)는 전자 장치(100)로 세탁 코스 정보 및 세탁 전 무게 정보를 전송한다(S720).
전자 장치(100)는 세탁 기기(10)로부터 수신된 세탁 코스 정보 및 세탁 전 무게 정보를 제1 인공 지능 모델에 입력하여 세탁 후 무게 정보를 획득할 수 있다(S730).
이어서, 전자 장치(100)는 획득된 세탁 후 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 있다(S740).
이어서, 전자 장치(100)는 획득된 건조 시간 정보 또는 통합 소요 시간 정보(건조 시간 정보+세탁 시간 정보)를 세탁 기기(10)로 전송할 수 있다(S750).
이 경우, 세탁 기기(10)는 전자 장치(100)로부터 수신된 건조 시간 정보 또는 통합 소요 시간 정보(건조 시간 정보+세탁 시간 정보)에 기초하여 통합 소요 시간 정보를 UI를 통해 제공할 수 있다(S760)
도 8은 일 실시 예에 따른 전자 장치의 제어 방법을 설명하기 위한 흐름도이다.
도 8에 도시된 학습된 전자 장치의 제어 방법에 따르면, 세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면(S810), 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 학습된 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득할 수 있다(S820). 여기서, 세탁 전 세탁물의 무게 정보는, 세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함할 수 있다.
이어서, 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득할 수 있다(S830).
이 후, 획득된 건조 시간 정보를 세탁 기기 또는 건조 기기 중 적어도 하나로 전송할 수 있다(S840).
또한, S840 단계에서는, 세탁 코스 정보에 대응되는 세탁 시간 정보 및 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 획득된 통합 소요 시간 정보를 세탁 기기로 전송할 수 있다.
또한, 상기 제어 방법은, 세탁 기기로부터 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신하는 단계를 더 포함할 수 있다.
또한, 상기 제어 방법은, 수신된 세탁 코스 정보에 기초하여 세탁 코스 정보에 대응되는 건조 코스 정보를 획득하는 단계를 더 포함할 수 있다.
이 경우, 제1 인공 지능 모델은, 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 입력 데이터로 이용하고 세탁 후 세탁물의 무게 정보를 출력 데이터로 이용하여 학습될 수 있다. 또한, 제2 인공 지능 모델은, 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 입력 데이터로 이용하고 건조 시간 정보를 출력 데이터로 이용하여 학습될 수 있다.
또한, 상기 제어 방법은, 사용자 단말로부터 세탁 코스 정보 및 세탁 코스 정보에 대응되는 건조 코스 정보를 수신하는 단계를 더 포함할 수 있다.
또한, 상기 제어 방법은, 세탁 코스 정보에 대응되는 세탁 시간 정보 및 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 사용자 단말로 전송하는 단계를 더 포함할 수 있다.
또한, S820 단계에서는, 세탁 전 세탁물의 무게 정보, 세탁 코스 정보 및 세탁 옵션 정보를 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득할 수 있다. 또한, S830 단계에서는, 세탁 후 세탁물의 무게 정보, 건조 코스 정보 및 건조 옵션 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득할 수 있다.
상술한 다양한 실시 예에 따르면, 세탁 시작 시점에 세탁 행정 및 건조 행정에 소요되는 통합 소요 시간을 제공할 수 있게 되므로 사용자의 편의성이 향상된다.
한편, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 설치 가능한 어플리케이션 형태로 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들에 따른 방법들은, 기존 전자 장치에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.
또한, 상술한 본 개시의 다양한 실시 예들은 전자 장치에 구비된 임베디드 서버, 또는 전자 장치 중 적어도 하나의 외부 서버를 통해 수행되는 것도 가능하다.
한편, 본 개시의 일 실시 예에 따르면, 이상에서 설명된 다양한 실시 예들은 기기(machine)(예: 컴퓨터)로 읽을 수 있는 저장 매체(machine-readable storage media에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 기기는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 전자 장치(예: 전자 장치(A))를 포함할 수 있다. 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 프로세서의 제어 하에 다른 구성요소들을 이용하여 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장매체는, 비일시적(non-transitory) 저장매체의 형태로 제공될 수 있다. 여기서,‘비일시적 저장매체'는 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다. 예로, '비일시적 저장매체'는 데이터가 임시적으로 저장되는 버퍼를 포함할 수 있다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 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 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두개의 사용자 장치들(예: 스마트폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품(예: 다운로더블 앱(downloadable app))의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
또한, 상술한 다양한 실시 예들에 따른 구성 요소(예: 모듈 또는 프로그램) 각각은 단수 또는 복수의 개체로 구성될 수 있으며, 전술한 해당 서브 구성 요소들 중 일부 서브 구성 요소가 생략되거나, 또는 다른 서브 구성 요소가 다양한 실시 예에 더 포함될 수 있다. 대체적으로 또는 추가적으로, 일부 구성 요소들(예: 모듈 또는 프로그램)은 하나의 개체로 통합되어, 통합되기 이전의 각각의 해당 구성 요소에 의해 수행되는 기능을 동일 또는 유사하게 수행할 수 있다. 다양한 실시 예들에 따른, 모듈, 프로그램 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱하게 실행되거나, 적어도 일부 동작이 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
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 개시에 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 개시의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.
본 개시는 다양한 실시예로 설명되었지만, 다양한 변경 및 수정이 당업자에게 제안될 수 있다. 본 개시내용은 첨부된 청구범위 내에 속하는 그러한 변경 및 수정을 포함하도록 의도된다.
Claims (15)
- 학습된 제1 인공 지능 모델 및 학습된 제2 인공 지능 모델에 대한 정보가 저장된 메모리;통신 인터페이스; 및상기 메모리 및 상기 통신 인터페이스와 전기적으로 결합된 프로세서;를 포함하며,상기 프로세서는,세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 상기 수신된 세탁 전 세탁물의 무게 정보 및 상기 세탁 코스 정보를 상기 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하고,상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 상기 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득하고,상기 획득된 건조 시간 정보를 상기 통신 인터페이스를 통해 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는, 전자 장치.
- 제1항에 있어서,상기 프로세서는,상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 상기 세탁 기기로 전송하는, 전자 장치.
- 제2항에 있어서,상기 프로세서는,상기 세탁 기기로부터 상기 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신하는, 전자 장치.
- 제1항에 있어서,상기 세탁 전 세탁물의 무게 정보는,세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함하는, 전자 장치.
- 제1항에 있어서,상기 프로세서는,상기 수신된 세탁 코스 정보에 기초하여 상기 세탁 코스 정보에 대응되는 상기 건조 코스 정보를 획득하는, 전자 장치.
- 제1항에 있어서,상기 제1 인공 지능 모델은,세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 입력 데이터로 이용하고 세탁 후 세탁물의 무게 정보를 출력 데이터로 이용하여 학습되며,상기 제2 인공 지능 모델은,세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 입력 데이터로 이용하고 건조 시간 정보를 출력 데이터로 이용하여 학습되는, 전자 장치.
- 제1항에 있어서,상기 프로세서는,사용자 단말로부터 상기 세탁 코스 정보 및 상기 세탁 코스 정보에 대응되는 건조 코스 정보를 상기 통신 인터페이스를 통해 수신하는, 전자 장치.
- 제7항에 있어서,상기 프로세서는,상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 통신 인터페이스를 통해 상기 사용자 단말로 전송하는, 전자 장치.
- 제1항에 있어서,상기 프로세서는,상기 세탁 전 세탁물의 무게 정보, 상기 세탁 코스 정보 및 세탁 옵션 정보를 상기 제1 인공 지능 모델에 입력하여 상기 세탁 후 세탁물의 무게 정보를 획득하고,상기 세탁 후 세탁물의 무게 정보, 상기 건조 코스 정보 및 건조 옵션 정보를 상기 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득하는, 전자 장치.
- 세탁 기기를 포함하는 전자 시스템에 있어서,디스플레이; 및상기 디스플레이와 전기적으로 결합된 프로세서;를 포함하고,상기 프로세서는,세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 전자 장치로 전송하고,상기 전자 장치로부터 예측된 건조 행정에 소요되는 건조 시간 정보가 수신되면, 상기 수신된 건조 시간 정보 및 상기 세탁 코스 정보에 대응되는 세탁 시간 정보에 기초하여 통합 소요 시간 정보를 디스플레이하도록 상기 디스플레이를 제어하며,상기 전자 시스템에 포함된 전자 장치의 프로세서는,상기 세탁 기기로부터 수신된 세탁물의 무게 정보 및 세탁 코스 정보를 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하고, 상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 제2 인공 지능 모델에 입력하여 건조 시간 정보를 획득하고, 상기 획득된 건조 시간 정보를 상기 세탁 기기로 전송하는, 전자 시스템.
- 학습된 제1 인공 지능 모델 및 학습된 제2 인공 지능 모델에 대한 정보를 저장하는 전자 장치의 제어 방법에 있어서,세탁 기기로부터 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보가 수신되면, 상기 수신된 세탁 전 세탁물의 무게 정보 및 세탁 코스 정보를 상기 제1 인공 지능 모델에 입력하여 세탁 후 세탁물의 무게 정보를 획득하는 단계;상기 획득된 세탁 후 세탁물의 무게 정보 및 건조 코스 정보를 상기 제2 인공 지능 모델에 입력하여 건조 행정에 소요되는 건조 시간 정보를 획득하는 단계; 및상기 획득된 건조 시간 정보를 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는 단계;를 포함하는 제어 방법.
- 제11항에 있어서,상기 획득된 건조 시간 정보를 상기 세탁 기기 또는 건조 기기 중 적어도 하나로 전송하는 단계는,상기 세탁 코스 정보에 대응되는 세탁 시간 정보 및 상기 획득된 건조 시간 정보에 기초하여 통합 소요 시간 정보를 획득하고, 상기 획득된 통합 소요 시간 정보를 상기 세탁 기기로 전송하는, 제어 방법.
- 제12항에 있어서,상기 세탁 기기로부터 상기 세탁 코스 정보에 대응되는 세탁 시간 정보를 수신하는 단계;를 더 포함하는 제어 방법.
- 제11항에 있어서,상기 세탁 전 세탁물의 무게 정보는,세탁 전 건포 무게 또는 세탁 전 습포 무게 중 적어도 하나를 포함하는, 제어 방법.
- 제11항에 있어서,상기 수신된 세탁 코스 정보에 기초하여 상기 세탁 코스 정보에 대응되는 상기 건조 코스 정보를 획득하는 단계;를 더 포함하는, 제어 방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP21921459.0A EP4239116A4 (en) | 2021-01-21 | 2021-12-02 | ELECTRONIC DEVICE AND CONTROL METHOD THEREFOR |
| CN202180091305.6A CN116710608A (zh) | 2021-01-21 | 2021-12-02 | 电子装置及其控制方法 |
| US17/670,313 US20220228308A1 (en) | 2021-01-21 | 2022-02-11 | Electronic apparatus and control method thereof |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020210008557A KR20220105782A (ko) | 2021-01-21 | 2021-01-21 | 전자 장치 및 그 제어 방법 |
| KR10-2021-0008557 | 2021-01-21 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| US17/670,313 Continuation US20220228308A1 (en) | 2021-01-21 | 2022-02-11 | Electronic apparatus and control method thereof |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022158700A1 true WO2022158700A1 (ko) | 2022-07-28 |
Family
ID=82549539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/KR2021/018117 WO2022158700A1 (ko) | 2021-01-21 | 2021-12-02 | 전자 장치 및 그 제어 방법 |
Country Status (2)
| Country | Link |
|---|---|
| KR (1) | KR20220105782A (ko) |
| WO (1) | WO2022158700A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20240035158A (ko) * | 2022-09-08 | 2024-03-15 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
| WO2024071963A1 (ko) * | 2022-09-26 | 2024-04-04 | 엘지전자 주식회사 | 의류처리장치의 제어방법 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3067923B2 (ja) * | 1993-03-04 | 2000-07-24 | シャープ株式会社 | ドラム式洗濯乾燥機の制御方法 |
| KR101024919B1 (ko) * | 2004-06-24 | 2011-03-31 | 엘지전자 주식회사 | 자동 건조 세탁기의 제어 방법 |
| KR20170076397A (ko) * | 2015-12-24 | 2017-07-04 | 삼성전자주식회사 | 건조기 및 그의 제어 방법 |
| KR20180074375A (ko) * | 2016-12-23 | 2018-07-03 | 삼성전자주식회사 | 세탁기 및 세탁기의 제어 방법 |
| KR102177970B1 (ko) * | 2019-08-09 | 2020-11-12 | 엘지전자 주식회사 | 인공지능 건조기 |
-
2021
- 2021-01-21 KR KR1020210008557A patent/KR20220105782A/ko active Search and Examination
- 2021-12-02 WO PCT/KR2021/018117 patent/WO2022158700A1/ko active Application Filing
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3067923B2 (ja) * | 1993-03-04 | 2000-07-24 | シャープ株式会社 | ドラム式洗濯乾燥機の制御方法 |
| KR101024919B1 (ko) * | 2004-06-24 | 2011-03-31 | 엘지전자 주식회사 | 자동 건조 세탁기의 제어 방법 |
| KR20170076397A (ko) * | 2015-12-24 | 2017-07-04 | 삼성전자주식회사 | 건조기 및 그의 제어 방법 |
| KR20180074375A (ko) * | 2016-12-23 | 2018-07-03 | 삼성전자주식회사 | 세탁기 및 세탁기의 제어 방법 |
| KR102177970B1 (ko) * | 2019-08-09 | 2020-11-12 | 엘지전자 주식회사 | 인공지능 건조기 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20220105782A (ko) | 2022-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021137661A1 (ko) | 전자 장치 및 그 제어 방법 | |
| WO2016108537A1 (ko) | 회전체를 포함하는 전자 장치 및 그 제어 방법 | |
| WO2020256460A1 (en) | Apparatus and method for driving display based on frequency operation cycle set differently according to frequency | |
| WO2022158700A1 (ko) | 전자 장치 및 그 제어 방법 | |
| AU2015340172B2 (en) | Electronic device and method of controlling power of electronic device | |
| WO2016163739A1 (en) | Apparatus and method for setting camera | |
| WO2018128389A1 (en) | Electronic device and method for displaying history of executed application thereof | |
| WO2015167160A1 (en) | Command displaying method and command displaying device | |
| EP3669254A1 (en) | Apparatus and method for providing haptic feedback through wearable device | |
| AU2018216529B2 (en) | Method for switching applications, and electronic device thereof | |
| WO2015108300A1 (ko) | 프레임률 제어 방법 및 그 전자 장치 | |
| WO2019017687A1 (en) | METHOD FOR OPERATING A SPEECH RECOGNITION SERVICE, AND ELECTRONIC DEVICE AND SERVER ASSUMING IT | |
| EP3831085A1 (en) | Electronic device and method for controlling electronic device thereof | |
| WO2021107667A1 (ko) | 사용자 단말 및 그 제어 방법 | |
| EP3100162A1 (en) | Task scheduling method and apparatus | |
| WO2021145551A1 (ko) | 전자 장치 및 그 제어 방법 | |
| WO2020071854A1 (en) | Electronic apparatus and control method thereof | |
| WO2017126767A1 (ko) | 전자 장치 및 전자 장치의 동작 방법 | |
| WO2016039532A1 (en) | Method of controlling display of electronic device and electronic device thereof | |
| WO2019164145A1 (ko) | 전자 장치 및 그의 자세 교정 방법 | |
| WO2019151689A1 (ko) | 전자 장치 및 이의 제어 방법 | |
| WO2018026110A1 (en) | Electronic device and method for outputting thumbnail corresponding to user input | |
| WO2022030889A1 (ko) | 터치 기능을 제어하는 전자 장치 및 방법 | |
| WO2021132898A1 (ko) | 전자 장치 및 그 제어 방법 | |
| WO2021167289A1 (en) | Device and control method thereof |
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: 21921459 Country of ref document: EP Kind code of ref document: A1 |
|
| ENP | Entry into the national phase |
Ref document number: 2021921459 Country of ref document: EP Effective date: 20230531 |
|
| WWE | Wipo information: entry into national phase |
Ref document number: 202180091305.6 Country of ref document: CN |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |