WO2023177077A1 - 전자 장치 및 그의 동작 방법 - Google Patents

전자 장치 및 그의 동작 방법 Download PDF

Info

Publication number
WO2023177077A1
WO2023177077A1 PCT/KR2023/001388 KR2023001388W WO2023177077A1 WO 2023177077 A1 WO2023177077 A1 WO 2023177077A1 KR 2023001388 W KR2023001388 W KR 2023001388W WO 2023177077 A1 WO2023177077 A1 WO 2023177077A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
electronic device
information
gaze
processor
Prior art date
Application number
PCT/KR2023/001388
Other languages
English (en)
French (fr)
Inventor
이재환
Original Assignee
삼성전자 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
Priority claimed from KR1020220055845A external-priority patent/KR20230134961A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2023177077A1 publication Critical patent/WO2023177077A1/ko
Priority to US18/741,127 priority Critical patent/US20240331698A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/22—Procedures used during a speech recognition process, e.g. man-machine dialogue
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G10L17/22—Interactive procedures; Man-machine interfaces
    • G10L17/24—Interactive procedures; Man-machine interfaces the user being prompted to utter a password or a predefined phrase

Definitions

  • Embodiments disclosed in this document relate to an electronic device that uses a voice assistant and a method of operating the same using multi-modality technology.
  • new interaction models are being developed using multi-modality technology that combines multiple input methods such as gaze, facial expression, gesture, or voice.
  • a specific keyword such as “Hi Bixby,” or use the touch interface to press an on-screen button or hardware button. If repeated calls are required to use the voice assistant, the user must repeatedly press a button or repeatedly utter a specific keyword such as “Hi Bixby,” which limits the ability to use the voice assistant naturally.
  • Embodiments disclosed in this document are intended to provide an electronic device that can use a voice assistant and a method of operating the same by utilizing the user's natural movements (e.g., gaze, gestures, or facial expressions) in an AR/VR environment.
  • a voice assistant e.g., a voice assistant
  • a method of operating the same by utilizing the user's natural movements (e.g., gaze, gestures, or facial expressions) in an AR/VR environment.
  • An electronic device includes a communication circuit, a memory, and a processor operatively connected to the communication circuit and the memory, and the memory, when executed by the processor, The electronic device receives information indicating that the electronic device detects the user's gaze looking at a designated virtual object displayed on a display of the external electronic device wearable on at least a part of the user's body from the external electronic device through the communication circuit. and receive information analyzing the user's gaze, and analyze first information analyzing the user's face and a gesture of the user corresponding to the point in time when the user's gaze is detected by the external electronic device.
  • the user's voice command utterance intention is determined based on whether a specified condition is satisfied, and when it is determined that there is an utterance intention, the voice recognition application stored in the memory is executed, and the voice recognition application is used to detect the user's voice.
  • One or more instructions can be stored to control the state in which commands can be received.
  • a method of operating an electronic device detects the user's gaze looking at a designated virtual object displayed on the display of an external electronic device that can be worn on at least a part of the user's body.
  • Receiving the indicated information from the external electronic device through a communication circuit receiving information analyzing the user's gaze, and analyzing the user's face corresponding to the time when the user's gaze is detected by the external electronic device Receive first information, second information that analyzes the user's gesture, or third information that analyzes whether the user starts speaking, and receives the first information, the second information, or the third information.
  • the user's voice command utterance intention is determined based on at least one of and whether the user's gaze analysis information satisfies a specified condition, and when the utterance intention is determined, the voice recognition application stored in the memory can be executed and the voice recognition application can be controlled to receive the user's voice command.
  • an electronic device that can use a voice assistant and a method of operating the same can be provided by utilizing the user's natural movements (e.g., gaze, gestures, or facial expressions) in an AR/VR environment.
  • the user's natural movements e.g., gaze, gestures, or facial expressions
  • the voice assistant can be used more easily and naturally, and the usability of the voice assistant can be improved.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to various embodiments.
  • FIG. 2 is a schematic diagram of an electronic device, according to one embodiment.
  • Figure 3 is a schematic diagram of a gaze tracking and display method through a transparent member, according to one embodiment.
  • Figure 4 is a block diagram of an electronic device according to an embodiment.
  • Figure 5 is a block diagram showing software modules of an electronic device and an external electronic device according to an embodiment.
  • Figure 6 is a block diagram of an utterance start analyzer according to an embodiment.
  • Figure 7 is a flowchart showing the operation of an electronic device according to an embodiment.
  • FIG. 8 is a diagram illustrating a user interface provided by an electronic device according to an embodiment.
  • FIG. 9 is a diagram illustrating a user interface provided by an electronic device according to an embodiment.
  • Figure 10 is a flowchart showing the operation of an electronic device according to an embodiment.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • a first network 198 e.g., a short-range wireless communication network
  • a second network 199 e.g., a second network 199.
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores commands or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes a main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • a main processor 121 e.g., a central processing unit or an application processor
  • auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • Memory 130 may include volatile memory 132 or non-volatile memory 134.
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101.
  • the sound output module 155 may include, for example, a speaker or a receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 is a wireless communication module 192 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 within a communication network such as the first network 198 or the second network 199.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for a communication method used in a communication network such as the first network 198 or the second network 199 is connected to the plurality of antennas by, for example, the communication module 190. can be selected Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • a mmWave antenna module includes: a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a first side e.g., bottom side
  • a designated high frequency band e.g., mmWave band
  • a plurality of antennas e.g., array antennas
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199.
  • Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Figure 2 is a schematic diagram of an electronic device 201, according to one embodiment.
  • the electronic device 201 may be referred to as a head mounted display (HMD) device, a wearable device, smart glasses, or eyewear.
  • HMD head mounted display
  • the form of the electronic device 201 shown in FIG. 2 is illustrative, and the embodiments of this document are not limited thereto.
  • the electronic device 201 may be any electronic device set to provide augmented reality (AR) or virtual reality (VR).
  • AR augmented reality
  • VR virtual reality
  • the electronic device 201 may include at least some of the components of the electronic device 101 of FIG. 1 .
  • the electronic device 201 may include a display (e.g., the display module 160 of FIG. 1), a camera (e.g., the camera module 180 of FIG. 1), and at least one sensor (e.g., the sensor module of FIG. 1). 176), a processor (e.g., processor 120 in FIG. 1), a battery (e.g., battery 189 in FIG. 1), a memory (e.g., 130 in FIG. 1), or a communication circuit (e.g., FIG. 1). It may include at least one of the communication module 190). At least some of the components of the electronic device 201 may be located inside the housing of the electronic device 201 or may be exposed to the outside of the housing.
  • the electronic device 201 may include a display.
  • the electronic device 201 may include a first display 261-1 and/or a second display 261-2.
  • the first display 261-1 and/or the second display 261-2 may be a liquid crystal display (LCD), a digital mirror device (DMD), or a silicon liquid crystal display. It may include at least one of an on silicon device (LCoS device), an organic light emitting diode (OLED), or a micro light emitting diode (micro LED).
  • the display of the electronic device 201 may include at least one light source for emitting light.
  • the electronic device 201 is connected to the screen output area of the display. It may include at least one light source that irradiates light (260-1 and/or 260-2). For another example, if the display of the electronic device 201 is capable of generating light on its own, the display may not include a separate light source other than the light source included in the display.
  • the first display 261-1 and/or the second display 261-2 include at least one of an organic light emitting diode or a micro LED
  • the electronic device 201 provides an image to the user even if it does not include a separate light source. can be provided.
  • the display is implemented with organic light emitting diodes or micro LEDs, the weight of the electronic device 201 can be reduced by omitting a separate light source.
  • the electronic device 201 may include a first transparent member 296-1 and/or a second transparent member 296-2.
  • first transparent member 296-1 and/or a second transparent member 296-2 may be formed of at least one of a glass plate, a plastic plate, or a polymer, and may be transparent or translucent.
  • the first transparent member 296-1 may be disposed to face the user's right eye
  • the second transparent member 296-2 may be disposed to face the user's left eye.
  • the first transparent member 296-1 and/or the second transparent member 296-2 may be an optical waveguide.
  • the optical waveguide can transmit an image generated by a display (eg, the first display 261-1 and/or the second display 261-2) to the user's eyes.
  • Optical waveguides can be formed of glass, plastic, or polymer.
  • the optical waveguide may include a nanopattern (eg, a polygonal or curved grating structure) formed inside or on one surface.
  • light incident on one end of the optical waveguide may be propagated inside the optical waveguide by the nano-pattern and provided to the user's eyes.
  • an optical waveguide composed of a free-form prism may be configured to provide incident light to a user through a reflection mirror.
  • the optical waveguide may include at least one of at least one diffractive element (eg, a diffractive optical element (DOE), a holographic optical element (HOE)) or a reflective element (eg, a reflective mirror).
  • the optical waveguide may guide display light emitted from the light source unit to the user's eyes using at least one diffractive element or reflective element included in the optical waveguide.
  • the diffractive element may include input optics (eg, 262-1 and/or 262-2) and/or output optics (not shown).
  • the first input optical member 262-1 and/or the second input optical member 262-2 may be referred to as an input grating area, and the output optical member (not shown) may be referred to as an output grating area ( output grating area).
  • the input grating area transmits light output from a light source (e.g., Micro LED) to a transparent member (e.g., the first transparent member 296-1 and/or the second transparent member 296-2) of the screen display unit. To do this, light can be diffracted or reflected.
  • the output grating area may diffract or reflect light transmitted to the transparent member of the optical waveguide (e.g., the first transparent member 296-1 and/or the second transparent member 296-2) in the direction of the user's eyes. there is.
  • the reflective element may include a total internal reflection (TIR) optical element or a total internal reflection waveguide.
  • TIR total internal reflection
  • Total reflection can be referred to as a method of guiding light, and creates an angle of incidence so that the light (e.g. image) input through the input grating area is 100% reflected from one side (e.g. a specific side) of the optical waveguide, thereby producing the output grating. This may mean ensuring 100% delivery to the area.
  • the optical path of light emitted from the display may be guided into an optical waveguide by an input optical member. Light traveling inside the optical waveguide may be guided toward the user's eyes through the output optical member.
  • the screen output area 260-1 and/or 260-2 may be determined based on light emitted in the eye direction.
  • the electronic device 201 is described as providing images to the user using an optical waveguide, but the embodiments of this document are not limited thereto.
  • the display of the electronic device 201 may be a transparent or translucent display.
  • the display may be placed at a location facing the user's eyes (eg, the first screen output area 260-1 and/or the second screen output area 260-2).
  • the electronic device 201 may include at least one camera.
  • the electronic device 201 may include a first camera 280-1, a second camera 280-2, and/or a third camera 280-3.
  • the first camera 280-1 and the second camera 280-2 may be used for external image recognition.
  • the first camera 280-1 and the second camera 280-2 may be set to acquire images corresponding to a direction corresponding to the user's gaze (eg, +x direction).
  • the electronic device 201 performs head tracking (e.g., 3 degrees of freedom (DoF)) tracking using the first camera 280-1 and the second camera 280-2. ), hand image detection, hand image tracking, and/or spatial recognition may be performed.
  • DoF degrees of freedom
  • the first camera 280-1 and the second camera 280-2 are GS (global shutter) It could be a camera.
  • the electronic device 201 supports SLAM (simultaneous localization and mapping) technology by performing spatial recognition (e.g., 6-degree-of-freedom spatial recognition) and/or depth information acquisition using stereo cameras placed on the left and right. You can. Additionally, the electronic device 201 can recognize the user's gestures using stereo cameras placed on the left and right.
  • the electronic device 201 can detect faster hand movements and fine movements by using a GS camera, which has relatively less distortion than a rolling shutter (RS) camera.
  • the third camera 280-3 may be used for external image recognition.
  • the third camera 280-3 may be set to acquire an image corresponding to a direction corresponding to the user's gaze (eg, +x direction).
  • the third camera 280-3 may be a camera with a relatively higher resolution than the first camera 280-1 and the second camera 280-2.
  • the third camera 280-3 may be referred to as a high resolution (HR) camera or a photo video (PV) camera.
  • the third camera 280-3 may support functions for acquiring high-quality images, such as auto focus (AF) and/or optical image stabilization (OIS).
  • the third camera 280-3 may be a GS camera or an RS camera.
  • the electronic device 201 may include at least one eye-tracking sensor.
  • the electronic device 201 may include a first gaze tracking sensor 276-1 and a second gaze tracking sensor 276-2.
  • the first gaze tracking sensor 276-1 and the second gaze tracking sensor 276-2 may be, for example, cameras set to acquire images in a direction corresponding to the user's eyes.
  • the first eye tracking sensor 276-1 and the second eye tracking sensor 276-2 may be set to acquire the user's right eye image and the user's left eye image, respectively.
  • the electronic device 201 may be set to detect the user's pupils using the first gaze tracking sensor 276-1 and the second gaze tracking sensor 276-2.
  • the electronic device 201 may obtain the user's gaze from the user's eye image and provide an image based on the obtained gaze.
  • the electronic device 201 may display an image so that the image is located in the direction of the user's gaze.
  • the first eye tracking sensor 276-1 and the second eye tracking sensor 276-2 have the same specifications and performance (e.g., angle of view, shutter speed, resolution, and/or number of color bits, etc.). It may be a GS (global shutter) camera.
  • the electronic device 201 may include at least one illumination unit.
  • the lighting unit may include, for example, at least one LED.
  • the electronic device 201 may include a first lighting unit 281-1 and a second lighting unit 281-2.
  • the electronic device 201 uses the first lighting unit 281-1 and the second lighting unit 281-2 to display the first camera 280-1 and the second camera 280-2. , and/or may provide auxiliary lighting for the third camera 280-3.
  • the electronic device 201 may provide illumination for acquiring a pupil image using a lighting unit (not shown).
  • the electronic device 201 may provide illumination for the eye tracking sensor using an infrared wavelength LED.
  • the eye tracking sensor may include an image sensor for acquiring an infrared wavelength image.
  • the electronic device 201 may include at least one printed circuit board (PCB).
  • the electronic device 201 includes a first PCB 287-1 located on the first temple 298-1 and a second PCB 287-2 located on the second temple 298-2.
  • the first PCB 287-1 and/or the second PCB 287-2 may be electrically connected to other components of the electronic device 201 through signal lines and/or FPCB (flexible PCB).
  • FPCB flexible PCB
  • communication circuitry, memory, at least one sensor, and/or processor may be disposed on the first PCB 287-1 and/or the second PCB 287-2.
  • each of the first PCB 287-1 and the second PCB 287-2 may be composed of a plurality of PCBs spaced apart by an interposer.
  • the electronic device 201 may include at least one battery.
  • the electronic device 201 includes a first battery 289-1 located at one end of the first temple 298-1 and a second battery 289 located at one end of the second temple 298-2. -2) may be included.
  • the first battery 289-1 and the second battery 289-2 may be set to supply power to components of the electronic device 201.
  • the electronic device 201 may include at least one speaker.
  • the electronic device 201 may include a first speaker 270-1 and a second speaker 270-2.
  • the electronic device 201 may be set to provide stereo sound using speakers located on the left and right sides.
  • the electronic device 201 may include at least one microphone.
  • the electronic device 201 may include a first microphone 271-1, a second microphone 271-2, and/or a third microphone 271-3.
  • the first microphone 271-1 is located on the right side of the frame 297
  • the second microphone 271-2 is located on the left side of the frame 297
  • the third microphone 271-3 is located on the frame 297.
  • the electronic device 201 may perform beamforming using the first microphone 271-1, the second microphone 271-2, and/or the third microphone 271-3. there is.
  • the electronic device 201 may include a first temple 298-1, a second temple 298-2, and a frame 297.
  • the first temple 298-1, the second temple 298-2, and the frame 297 may be referred to as a housing.
  • the first temple 298-1 is physically connected to the frame 297 through the first hinge portion 299-1 and can support the frame 297 when worn.
  • the second temple 298-2 is physically connected to the frame 297 through the second hinge portion 299-2 and can support the frame 297 when worn.
  • the configuration of the electronic device 201 described above is illustrative, and the embodiments of this document are not limited thereto.
  • the electronic device 201 may not include at least some of the components described with reference to FIG. 2 or may further include components other than the components described.
  • the electronic device 201 may include at least one sensor (e.g., an acceleration sensor, a gyro sensor, and/or a touch sensor, etc.) and/or an antenna.
  • Figure 3 is a schematic diagram of a gaze tracking and display method through a transparent member, according to one embodiment.
  • the display 361 (e.g., the first display 261-1 or the second display 261-2 in FIG. 2) includes a transparent member 396 (e.g., the first transparent member in FIG. 2). (296-1) or the second transparent member (296-2)) may provide an image.
  • the display 361 displays the input optical member 362 (e.g., the first input optical member 262-1 or the second input optical member 262-2 in FIG. 2) through the lens 351. ) can input light corresponding to the image.
  • the input optical member 362 may reflect or diffract the incident light and input it into the optical waveguide 360.
  • the output optical member 364 may output light transmitted through the optical waveguide 360 toward the user's eyes 399.
  • lens 351 may be included in display 361. In one example, the position of the lens 351 may be determined based on the distance between the transparent member 396 and the user's eye 399.
  • the eye tracking sensor 371 acquires an image corresponding to at least a portion of the user's eye 399. can do. For example, light corresponding to the image of the user's eye 399 may be reflected and/or diffracted through a first splitter 381 and input into the optical waveguide 382. The light transmitted to the second splitter 383 through the optical waveguide 382 may be reflected and/or diffracted by the second splitter 383 and output in the direction of the eye tracking sensor 371.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one component from another, and to refer to that component in other respects (e.g., importance or order) is not limited.
  • One (e.g., first) component is said to be “coupled” or “connected” to another (e.g., second) component, with or without the terms “functionally” or “communicatively.”
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. For example, according to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or through an application store (e.g. Play Store TM ) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.
  • FIG. 4 is a block diagram 400 of an electronic device and an external electronic device according to an embodiment.
  • the electronic device 401 (e.g., the electronic device 101 of FIG. 1) includes a communication circuit 410 (e.g., the communication module 190 of FIG. 1) and a memory 420 (e.g., FIG. 1 memory 130), and a processor 430 (eg, processor 120 of FIG. 1).
  • the electronic device 401 may be a portable communication device such as a smartphone, or a computer device.
  • the external electronic device 402 (e.g., the electronic device 102 or 104 of FIG. 1, or the electronic device 201 of FIG. 2) is connected to the display 440 (e.g., the display module of FIG. 1). 160), or the display 261-1 and/or 261-2 of FIG. 2), the camera 450 (e.g., the camera module 180 of FIG. 1, or the camera 280-1, 280-2 of FIG. 2) , and/or 280-3) and/or eye tracking sensors 276-1 and 276-2), sensor 460 (e.g., sensor module 176 of FIG. 1), microphone 470 (e.g., FIG.
  • the external electronic device 402 may be wearable on at least part of the user's body.
  • the external electronic device 402 may be a head mounted display (HMD) device such as smart glasses.
  • HMD head mounted display
  • the external electronic device 402 may provide an augmented reality (AR) or virtual reality (VR) environment.
  • the electronic device 401 communicates with the external electronic device 402 and can control the AR or VR environment provided to the user through the external electronic device 402.
  • the electronic device 401 may provide a voice recognition service to a user experiencing an AR or VR environment through the external electronic device 402.
  • the electronic device 401 may provide a voice recognition service directly or through an external server.
  • the display 440 of the external electronic device 402 may visually provide information to the user.
  • display 440 may display images or a graphical user interface.
  • the image or graphic user interface (GUI) displayed on the display 440 may include a 3D image or 3D GUI.
  • An image or GUI displayed on the display 440 may include at least one virtual object. At least one virtual object may include an icon representing an application (or app).
  • the camera 450 of the external electronic device 402 may include a hand tracking camera, an eye tracking camera, and/or a depth camera.
  • the hand tracking camera can recognize the position and gestures of the user's (or wearer's) hand around the external electronic device 402. Eye tracking cameras can track the wearer's gaze.
  • the depth camera may include, for example, an infrared light emitting diode (LED).
  • the depth camera generates a 3D map of the real space around the external electronic device 402, and uses ToF (time of flight) to determine the distance from the external electronic device 402 to a point in the surrounding real space. can be measured and information that can estimate the current location of the external electronic device 402 can be provided.
  • ToF time of flight
  • the sensor 460 of the external electronic device 402 may include an acceleration sensor, a gyro sensor, and/or a geomagnetic sensor. Sensor 460 may measure specific forces, angles, and directions of the user's body. The sensor 460 can estimate the user's location and direction based on the measured data.
  • the microphone 470 of the external electronic device 402 may receive sound (or audio) surrounding the external electronic device 402.
  • the microphone 470 can pick up the voice of a user wearing the external electronic device 402, the voice of a person not wearing the external electronic device 402 around the external electronic device 402, and other ambient sounds. You can receive it.
  • the communication circuit 480 of the external electronic device 402 may communicate with the electronic device 401 through a wired or wireless communication network (eg, the first network 198 or the second network 199 in FIG. 1).
  • the communication circuit 480 may transmit data and information obtained through the camera 450 or sensor 460 to the electronic device 401.
  • the communication circuit 480 may transmit audio data obtained through the microphone 470 to the electronic device 401.
  • the communication circuit 480 may receive control signals and/or data from the electronic device 401.
  • the processor 490 of the external electronic device 402 may be operatively connected to the display 440, camera 450, sensor 460, microphone 470, and communication circuit 480.
  • the processor 490 may control the operation and state of the external electronic device 402 by controlling at least one other component of the external electronic device 402 connected to the processor 490.
  • the external electronic device 402 may further include other components.
  • the external electronic device 402 may further include a speaker (e.g., the sound output module 155 of FIG. 1) and/or a memory (e.g., the memory 130 of FIG. 1).
  • a speaker (not shown) of the external electronic device 402 may output an audio signal (eg, a voice signal).
  • a memory (not shown) of the external electronic device 402 may store one or more instructions executed by the processor 490 and data processed by the processor 490.
  • the processor 490 may acquire the user's gaze data using the camera 450 and analyze the user's gaze based on the acquired data. For example, the processor 490 may recognize a point corresponding to the user's gaze in an AR or VR environment. For example, if the recognized point corresponds to the location of the designated virtual object displayed on the display 440, the processor 490 may detect that the user is looking at the designated virtual object. The processor 490 may transmit information indicating that it detects the user's gaze looking at the designated virtual object to the electronic device 401 through the communication circuit 480. The processor 490 may transmit information analyzing the user's gaze to the electronic device 401.
  • information analyzing the user's gaze may include information about the direction corresponding to the user's gaze and/or the time the user's gaze stays.
  • the processor 490 may detect that the user's gaze looking at a specified virtual object continues for more than a specified time.
  • the processor 490 may transmit information indicating that the user's gaze looking at the specified virtual object continues for more than a specified time to the electronic device 401.
  • the processor 490 may acquire the user's face (or facial expression) data using the camera 450 and/or the sensor 460, and analyze the user's face based on the acquired data.
  • the processor 490 may analyze the user's face (or facial expression) based on eye tracking technology and head tracking technology. For example, the processor 490 may analyze the user's face by whether the user opens his eyes wide, squints his eyes, or slightly lifts his head.
  • the processor 490 may transmit information obtained by analyzing the user's face to the electronic device 401 through the communication circuit 480.
  • the processor 490 may acquire the position and movement data of the user's hand using the camera 450 and analyze the user's gesture based on the obtained data.
  • the processor 490 may analyze gestures related to the user's hands based on hand tracking technology. For example, the processor 490 may analyze the user's gesture by touching, tapping, stroking, or holding a designated virtual object displayed on the display 440.
  • the processor 490 may transmit information obtained by analyzing the user's gesture to the electronic device 401 through the communication circuit 480.
  • the processor 490 may analyze whether the user starts speaking (or whether a voice starts). For example, the processor 490 may determine whether to start speaking by analyzing the user's mouth shape and sound. The processor 490 may analyze the sound received through the microphone 470 and the movement detected through the sensor 460 to determine whether the user has started speaking.
  • the user may refer to a person wearing the external electronic device 402. For example, an audio signal (e.g., a voice signal) in a specified band (e.g., a human vocal range) and above a specified size is received through microphone 470, and a movement specified by sensor 460 (e.g., the wearer's speech) is received through microphone 470.
  • a specified band e.g., a human vocal range
  • a movement specified by sensor 460 e.g., the wearer's speech
  • the processor 490 may determine that the wearer has started speaking.
  • an audio signal e.g., a voice signal
  • a specified band e.g., human vocal range
  • the processor 490 may determine that an outsider has started speaking.
  • the processor 490 may determine that the received audio signal is noise. You can.
  • the processor 490 may transmit information analyzed as to whether the user has started speaking to the electronic device 401 through the communication circuit 480.
  • the communication circuit 410 of the electronic device 401 may communicate with the external electronic device 402 through a wired or wireless communication network (eg, the first network 198 or the second network 199 in FIG. 1). For example, the communication circuit 410 receives information from the external electronic device 402 about whether the external electronic device 402 (or the processor 490) analyzes the user's gaze, face, gesture, and/or whether a speech is started. Information can be received.
  • the communication circuit 410 may receive audio data received through the microphone 470 of the external electronic device 402. Audio data may correspond to a user's voice command. According to one embodiment, the user's voice command may not include a wake-up word (eg, Hi Bixby). The user's voice command may include only commands related to functions provided by the electronic device 401 and/or the external electronic device 402.
  • the communication circuit 410 may transmit control signals and/or data for controlling the external electronic device 402 to the external electronic device 402 .
  • the memory 420 of the electronic device 401 may store data used by at least one component (eg, the communication circuit 410 or the processor 430) of the electronic device 401.
  • the memory 420 can store data transmitted and received through the communication circuit 410.
  • Memory 420 may store one or more instructions executed by processor 430.
  • the processor 430 of the electronic device 401 may be operatively connected to the communication circuit 410 and the memory 420.
  • the processor 430 may control the operation and state of the electronic device 401 by controlling at least one other component of the electronic device 401 connected to the processor 430.
  • the processor 430 may receive information analyzing the user's gaze from the external electronic device 402 through the communication circuit 410. For example, information indicating that the processor 430 detects the user's gaze looking at a specified virtual object displayed on the display 440 of the external electronic device 402 and information indicating that the user's gaze continues for more than a specified time. can receive.
  • the designated virtual object may include an icon representing a voice recognition application installed on the electronic device 401.
  • a voice recognition application may be referred to as a voice assistant application.
  • the electronic device 401 may provide a voice recognition service to a user wearing the external electronic device 402 through a voice recognition application.
  • the processor 430 may determine the user's intention to issue a voice command in response to receiving information indicating that the user's gaze is detected looking at a designated virtual object from the external electronic device 402.
  • the processor 430 provides information analyzing the user's face, information analyzing the user's gesture, or the start of the user's speech corresponding to the point in time at which the user's gaze is detected by the external electronic device 402 through the communication circuit 410. You can receive information analyzing whether or not For example, the processor 430 may detect the external electronic device 402 (e.g., camera 450, sensor 460) within a specified time from when the external electronic device 402 detects the user's gaze on a specified virtual object. , and/or the information analyzed based on the information input through the microphone 470 may be received from the external electronic device 402.
  • the external electronic device 402 e.g., camera 450, sensor 460
  • the processor 430 may determine the user's intention to utter a voice command based on the received and analyzed information.
  • the processor 430 includes information analyzing the user's gaze, information analyzing the user's face corresponding to the point in time at which the user's gaze is detected, information analyzing the user's gesture, and information analyzing whether the user has started speaking. Based on this, the user's intention to utter a voice command can be determined.
  • the processor 430 may select among information analyzing the user's gaze, information analyzing the user's face corresponding to the point at which the user's gaze is detected, information analyzing the user's gesture, or information analyzing whether the user has started speaking.
  • the user's intention to issue a voice command may be determined based on whether at least one specified condition is satisfied.
  • the processor 430 determines whether the information analyzing the user's gaze satisfies the specified condition and selects the information analyzing the user's face, the information analyzing the user's gesture, or the information analyzing whether the user has started speaking. If at least one specified condition is satisfied, it may be determined that the user intends to utter a voice command. As another example, the processor 430 may determine that the first information, second information, and third information are If the conditions are not met, it may be determined that the user has no intention of uttering the voice command.
  • the electronic device 401 can more accurately determine whether the user intends to utter a voice command. there is.
  • the processor 430 may determine that the specified condition is satisfied. . For example, when the user looks at a designated virtual object for more than a designated time, the processor 430 may determine that the user intends to utter a voice command.
  • a specified virtual object e.g., an icon representing a voice recognition application
  • the processor 430 may determine that a specified condition is satisfied when information obtained by analyzing the user's face corresponding to the point in time at which the user's gaze is detected indicates a specified facial expression. For example, when the user looks at a designated virtual object for more than a designated time and makes a designated facial expression, the processor 430 may determine that the user intends to utter a voice command.
  • the designated facial expression may be an expression learned as an expression with speech intention by a machine learning algorithm or an expression preset by the user as an expression with speech intention.
  • the designated facial expression may include, for example, widening the eyes, frowning, or slightly lifting the head.
  • the processor 430 may determine that a specified condition is satisfied when information obtained by analyzing the user's gesture corresponding to the point in time at which the user's gaze is detected indicates a gesture for a specified virtual object. For example, when the user looks at a designated virtual object for more than a designated time and makes a gesture toward the designated virtual object, the processor 430 may determine that the user intends to utter a voice command. Gestures for a designated virtual object may include, for example, touching, tapping, stroking, or grasping the designated virtual object.
  • the processor 430 may determine the user's intention to utter a voice command in different ways depending on the gesture (or type of gesture) for the designated virtual object. For example, if the user's gesture corresponding to the point in time at which the user's gaze is detected is the first gesture for a designated virtual object, the processor 430 may determine that the user intends to utter a voice command. If the user's gesture corresponding to the point in time at which the user's gaze is detected is a second gesture for a designated virtual object, the processor 430 may transmit a request to ask about the speech intention to the external electronic device 402.
  • the external electronic device 402 may output a question asking the user about the intention of speech (e.g., “How can I help you?” or “Do you have something to say?”) in voice or text. there is.
  • the processor 430 may receive a response to the request from the external electronic device 402 and determine the user's intention to issue a voice command according to the received response.
  • the processor 430 may determine that the user does not intend to utter the voice command.
  • a response that indicates an illocutionary intent such as receiving a response from the user such as "Yes” or “OOO” to the question "How can I help you?” or "Do you have something to say?”
  • the processor 430 may determine that the user intends to utter a voice command.
  • the first gesture is a gesture in which the processor 430 is set to determine that the user has an intention to speak without asking additional questions.
  • the second gesture is a gesture in which the processor 430 asks the user one more question and then determines the speech intention based on the response to the question.
  • the first gesture may be a gesture in which the user's intention to call a voice recognition application indicated by a designated virtual object is clear.
  • the first gesture may be a gesture of tapping a designated virtual object.
  • the second gesture may be a gesture in which the user's intention to call the voice recognition application indicated by the designated virtual object is unclear.
  • the second gesture may be a gesture of stroking a designated virtual object.
  • the first gesture may be a gesture learned as a gesture with a clear speech intention by a machine learning algorithm, or a gesture preset by the user as a gesture with a clear speech intention.
  • the second gesture may be a gesture other than the learned gesture or the preset gesture.
  • the processor 430 may determine that a specified condition is satisfied when the information analyzed as to whether the user started speaking corresponding to the point in time at which the user's gaze was detected indicates that the user started speaking. .
  • a user can look at a designated virtual object for more than a designated time and utter a command without uttering a wake-up word.
  • the user may not be looking at the designated virtual object at the time of uttering the command, or the user may look at the designated virtual object for more than a designated time and then utter the command while looking at another point.
  • the processor 430 may determine that the user intends to utter a voice command.
  • the user may be a user wearing the external electronic device 402.
  • the processor 430 can be determined not to satisfy the specified conditions.
  • the processor 430 can be determined not to satisfy the specified conditions.
  • the information analyzing whether the user started speaking corresponding to the point in time when the user's gaze was detected indicates that the sound input to the external electronic device 402 is noise, it may be determined that the specified condition is not satisfied.
  • the sound input to the external electronic device 402 is not an audio signal (e.g., a voice signal) in a designated band (e.g., a human vocal range band), or even if it is a designated band (e.g., a human vocal range band), it is not specified as an audio signal (e.g., a human vocal range band). If the audio signal is smaller than the size, the input sound may be analyzed as noise.
  • a designated band e.g., a human vocal range band
  • the input sound may be analyzed as noise.
  • the processor 430 may provide a hint for a voice command based on context information related to the user.
  • the context information may include at least one of the user's usage history for the voice recognition application or the user's gestures.
  • context information may include a gesture for a virtual object representing an application that supports at least one function.
  • the processor 430 sends the user the above information from the external electronic device 402. Information indicating that a gesture is being made can be received.
  • the processor 430 may receive information from the external electronic device 402 indicating that the user's gaze is detected looking at the virtual object representing the voice recognition application while the user is holding the virtual object representing the gallery application. In this case, the processor 430 may provide a command to execute at least one function supported by the application corresponding to the virtual object held by the user as a hint to the user through the external electronic device 402 in natural language. . For example, if the application corresponding to the virtual object held by the user is a gallery application, the processor 430 executes at least one command such as “large”, “exit”, or “search for photos from yesterday.” It can be provided in natural language form. The external electronic device 402 may provide commands in the form of natural language to the user through voice or text.
  • the processor 430 After providing the hint, the processor 430 provides at least one of the information analyzed regarding the user's face, gesture, or speech start corresponding to the point in time at which the user's gaze is detected looking at the virtual object representing the voice recognition application. If the specified condition is satisfied, it may be determined that the user intends to utter a voice command regarding the virtual object held by the user.
  • the context information may include the user's usage history of the voice recognition application.
  • the usage history may include information about commands uttered more than a specified frequency, recently uttered commands, and/or commands uttered more than a specified number of times when the user executes a voice recognition application.
  • the processor 430 may provide commands uttered more than a specified frequency, recently uttered commands, and/or commands uttered more than a specified number of times as hints to the user through the external electronic device 402 in the form of natural language.
  • the processor 430 may receive information from the external electronic device 402 indicating that the user's gaze on a specified virtual object (eg, an icon representing a voice recognition application) continues for more than a specified time.
  • the processor 430 may transmit a request to inquire about the utterance intention to the external electronic device 402.
  • the external electronic device 402 may output a question asking the user about the intention of speaking in voice or text.
  • the processor 430 may receive a response to the request from the external electronic device 402 and determine the user's intention to issue a voice command according to the received response.
  • the processor 430 may ask the user, “Do you have something to say?” through the external electronic device 402. The user answered "Yes” to the question. Or you can respond with “No.” For example, when receiving a response of “Yes” from the user through the external electronic device 402, the processor 430 may determine that the user intends to utter a voice command. When receiving a response of “no” from the user through the external electronic device 402, the processor 430 may determine that the user does not intend to utter the voice command.
  • the processor 430 looks at a specified virtual object regardless of whether the information analyzing the user's face, gesture, and speech start corresponding to the point in time when the user's gaze was detected satisfies the specified condition.
  • a request to inquire about the intention of speech is transmitted to the external electronic device 402, and a voice command of the user according to the response received from the external electronic device 402 The intention of the utterance can be determined.
  • the processor 430 uses the specified virtual In response to receiving information indicating that the user's gaze looking at the object continues for more than a specified time, it may be determined that the user has an intention to utter a voice command, without asking the user about the utterance intention.
  • the processor 430 may execute the voice recognition application stored in the memory 420.
  • the processor 430 can control the voice recognition application to receive a user's voice command. For example, a state in which a user's voice command can be received may be referred to as a listening mode.
  • the processor 430 may receive audio data corresponding to the user's voice input from the external electronic device 402 through the communication circuit 410.
  • the user's voice input may be input through the microphone 470 of the external electronic device 402.
  • the user's voice input may not include a wake-up word.
  • the user's voice input may include only commands related to functions provided by the electronic device 401 and/or the external electronic device 402.
  • the processor 430 may execute commands corresponding to voice input through a voice recognition application. For example, the processor 430 converts audio data corresponding to a voice input into text data, determines the user's intention using the converted text data, and executes one or more operations based on the determined user's intention. You can execute commands corresponding to voice input. As another example, the processor 430 may process at least part of the above-described operations through an external server (eg, an intelligent server). For example, the processor 430 may convert audio data corresponding to a voice input into text data and then transmit the converted text data to an external server through the communication circuit 410. The processor 430 may receive information about the user's intention and/or one or more operations from an external server, and execute one or more operations based on the received information, thereby executing a command corresponding to the voice input.
  • an external server eg, an intelligent server
  • the processor 430 may transmit the execution result of a command corresponding to a voice input to the external electronic device 402 through the communication circuit 430 and display it on the display of the external electronic device 402. .
  • the processor 430 may terminate execution of the voice recognition application.
  • the processor 430 builds an utterance intention determination model using analysis information about the user's gaze, face, gesture, and whether utterance has started received from the external electronic device 402, and information about whether or not the voice recognition application is actually used. and can be learned. Whether or not the voice recognition application is actually used is determined by at least one of whether the user's voice input corresponding to the voice command is received or whether the voice command corresponding to the voice input is executed after the voice recognition application is executed based on the analysis information. may include. For example, if a user's voice input corresponding to a voice command is received after the voice recognition application is executed or a voice command corresponding to the received user's voice input is executed, the processor 430 executes the voice recognition application.
  • Analysis information based on can be learned together with the result value indicating the user's intention to utter a voice command. If the user's voice input corresponding to the voice command is not received after the voice recognition application is executed, or the voice command corresponding to the received user's voice input is not executed, the processor 430 performs the processing based on the execution of the voice recognition application. This analysis information can be learned along with the result that the user has no intention of uttering a voice command.
  • the processor 430 can determine speech intention more precisely by building and learning a speech intention determination model, and as the model is used, the speech recognition application can be used more naturally by personalizing it to the user.
  • the system 500 for determining the user's intention to utter a voice command may include the electronic device 401 and the external electronic device 402 of FIG. 4 .
  • FIG. 5 is a block diagram showing software modules of an electronic device and an external electronic device according to an embodiment.
  • the software modules of the electronic device and external electronic device shown in FIG. 5 may be implemented by the hardware configurations of the electronic device and external electronic device shown in FIG. 4.
  • the external electronic device 402 may include a gaze analyzer 510, a face analyzer 520, a gesture analyzer 530, and a speech start analyzer 540.
  • the gaze analyzer 510 may determine whether or not the user looked at a designated virtual object (eg, a virtual object representing a voice recognition application). The gaze analyzer 510 may determine the time the user's gaze stayed on the designated virtual object. The gaze analyzer 510 may determine whether the user's gaze looking at the specified virtual object continues for more than a specified time.
  • the designated virtual object may be implemented as, for example, an icon or a separate image object.
  • the face analyzer 520 may recognize the user's facial expressions and/or gestures related to the face based on eye tracking and/or head tracking technology using a camera and/or sensor mounted on the external electronic device 402. For example, the face analyzer 520 may recognize a gesture that expands the size of the user's eyes or slightly lifts the user's head.
  • the gesture analyzer 530 can recognize gestures related to the user's hands based on hand tracking technology using a camera mounted on the external electronic device 402. For example, the gesture analyzer 530 may recognize a gesture in which a user taps a designated virtual object (eg, a virtual object representing a voice recognition application). As another example, the gesture analyzer 530 may recognize a gesture in which the user holds a virtual object other than the designated virtual object (eg, a virtual object representing a voice recognition application). A virtual object other than a designated virtual object (eg, a virtual object representing a voice recognition application) may be a virtual object representing an application that supports at least one function. Another virtual object may be, for example, a gallery application.
  • a designated virtual object eg, a virtual object representing a voice recognition application
  • a virtual object other than a designated virtual object may be a virtual object representing an application that supports at least one function.
  • Another virtual object may be, for example, a gallery application.
  • the speech start analyzer 540 can detect whether the user speaks and whether an outsider speaks based on voice activity detection (VAD) technology.
  • VAD voice activity detection
  • a user may mean a person wearing the external electronic device 402
  • an outsider may mean a person not wearing the external electronic device 402.
  • the speech start analyzer 540 may detect an audio signal (e.g., a voice signal) of a specified sound range (e.g., a human sound range) and a specified size or greater from the received audio signal.
  • the speech start analyzer 540 may determine whether the user or an outsider is speaking based on whether a specified movement (e.g., movement due to the wearer's speech) is detected while the voice signal is detected.
  • a specified movement e.g., movement due to the wearer's speech
  • the speech start analyzer 540 may determine that the user has started speech. If a voice signal is detected and no movement due to the wearer's speech is detected while the voice signal is detected, the speech start analyzer 540 may determine that an outsider has started the speech.
  • the face analyzer 520, gesture analyzer 530, and speech start analyzer 540 each detect the user's gaze looking at a virtual object (e.g., a virtual object representing a voice recognition application) designated by the gaze analyzer 510. It is possible to analyze the user's face, gestures, and whether or not a speech has started based on information entered within a specified time from the start point.
  • a virtual object e.g., a virtual object representing a voice recognition application
  • the gaze analyzer 510, face analyzer 520, gesture analyzer 530, and speech start analyzer 540 of the external electronic device 402 may each transmit analysis information to the electronic device 401.
  • the electronic device 401 may include an utterance intent determination module 550, a learning module 560, and an execution module 570.
  • the speech intention determination module 550 may receive analysis information from the gaze analyzer 510, face analyzer 520, gesture analyzer 530, and speech start analyzer 540 of the external electronic device 402, respectively.
  • the speech intention determination module 550 determines the user's voice command speech intention based on the fact that the user is looking at a specified virtual object (e.g., a virtual object representing a voice recognition application) according to the analysis information received from the gaze analyzer 510. It can be judged first.
  • a specified virtual object e.g., a virtual object representing a voice recognition application
  • the speech intention determination module 550 may initially determine that the user intends to utter a voice command when the user is looking at a designated virtual object (eg, a virtual object representing a voice recognition application). For example, when the user looks at a designated virtual object representing a voice recognition application for more than a specified time, the speech intention determination module 550 determines that the user intends to utter a voice command, executes the voice recognition application, and The voice recognition application can be controlled to a state in which it can receive the user's voice commands (e.g., listening mode).
  • a designated virtual object e.g, a virtual object representing a voice recognition application
  • the speech intention determination module 550 utters the user's voice command based on whether at least one of the analysis information received from the face analyzer 520, the gesture analyzer 530, and the speech start analyzer 540 satisfies a specified condition. Intention can be finally judged.
  • the speech intention determination module 550 determines that the user intends to utter a voice command when at least one of the analysis information received from the face analyzer 520, the gesture analyzer 530, and the speech start analyzer 540 satisfies a specified condition. It can be finally determined that there is.
  • the speech intention determination module 550 may determine that a specified condition is satisfied when the analysis information received from the face analyzer 520 indicates that the user has a specified facial expression. For example, when the speech intention determination module 550 receives analysis information indicating that the user opens his eyes wide, squints his eyes, or slightly lifts his head, the speech intent determination module 550 receives the analysis information from the face analyzer 520. It may be determined that an analysis information satisfies specified conditions.
  • the speech intention determination module 550 may determine that the specified condition is satisfied when the analysis information received from the gesture analyzer 530 indicates the user's gesture toward the specified virtual object. For example, when the speech intention determination module 550 receives analysis information indicating that the user taps a specified virtual object from the gesture analyzer 530, it may determine that the received analysis information satisfies the specified condition.
  • the speech intention determination module 550 may vary the method of determining the user's speech intention depending on the user's gesture (or gesture type) received from the gesture analyzer 530. For example, when the speech intention determination module 550 receives analysis information indicating that the user is stroking a designated virtual object from the gesture analyzer 530, it asks the user about the speech intention again and responds to the question. Accordingly, the intention of the utterance can be determined.
  • the speech intention determination module 550 may determine that the user has an intention to speak for another virtual object. For example, when the speech intention determination module 550 receives analysis information indicating that the user is holding a virtual object representing the gallery application from the gesture analyzer 530, the user intends to utter a voice command for the gallery application. It can be determined that there is.
  • the speech intention determination module 550 may determine that a specified condition is satisfied when the analysis information received from the speech start analyzer 540 indicates that the user has started the speech.
  • the user may be referred to as the wearer of the external electronic device 402. If the analysis information received from the speech start analyzer 540 indicates that a user other than the user started the speech, the speech intention determination module 550 may determine that the specified condition is not satisfied. Other users may be referred to as outsiders, or persons who are not the wearer of external electronic device 402. If the analysis information received from the speech initiation analyzer 540 indicates that the sound input to the external electronic device 402 is noise, the speech intention determination module 550 may determine that the specified condition is not satisfied.
  • the utterance intent determination module 550 determines the user's utterance. You can ask about intent and determine the intent of the utterance based on the response to the question. If the analysis information received from the gaze analyzer 510 indicates that the user's gaze on the specified virtual object representing the voice recognition application continues for more than a specified time, the speech intention determination module 550 does not inquire about the user's speech intention, It may be determined that there is utterance intent.
  • a specified virtual object e.g., a virtual object representing a voice recognition application
  • the speech intention determination module 550 can more accurately determine the user's voice command speech intention based on the model built and learned by the learning module 560.
  • the learning module 560 collects analysis information received from the gaze analyzer 510, face analyzer 520, gesture analyzer 530, and speech start analyzer 540 and information about whether the user actually uttered the voice command. You can use it to learn a model based on a machine learning algorithm.
  • the execution module 570 executes the voice recognition application when it is determined through the speech intention determination module 550 that the user intends to utter a voice command, and configures the voice recognition application to receive the user's voice command. It can be controlled with .
  • the execution module 570 may execute a voice recognition application and switch the voice recognition application to a listening mode.
  • FIG. 6 is a block diagram of an utterance start analyzer according to an embodiment.
  • the speech start analyzer 540 shown in FIG. 6 may include a hardware module and a software module to determine whether the user has started speech.
  • the speech start analyzer 540 may include an audio reception circuit 610, a pre-processing module 620, a voice activity detection (VAD) module 630, and a sensor circuit 640.
  • the audio reception circuit 610 may receive an audio signal coming from outside the external electronic device 402.
  • audio receiving circuitry 610 may be referred to as a microphone.
  • the preprocessing module 620 may preprocess the audio signal received through the audio receiving circuit 610.
  • the non-preprocessed audio signal received through the audio receiving circuit 610 and the audio signal received through the audio receiving circuit 610 and preprocessed through the preprocessing module 620 may be transmitted to the VAD module 630.
  • the sensor circuit 640 can detect movement of the external electronic device 402.
  • Sensor circuit 640 may include, for example, a motion sensor, an acceleration sensor, and/or a gyro sensor. Movement of the device detected through the sensor circuit 640 may be transmitted to the VAD module 630.
  • the VAD module 630 can determine whether the user wearing the external electronic device 402 starts speaking by using the audio signal and the movement information of the device.
  • the VAD module 630 can detect a voice signal based on the band and size of the audio signal. For example, the VAD module 630 can detect a voice signal from an audio signal of a specified size or greater in the human vocal range.
  • the VAD module 630 can detect movement of the device using the sensor circuit 640 while the voice signal is detected. For example, the VAD module 630 may detect that the wearer is speaking if a specified movement is detected while a voice signal is detected.
  • the designated movement may refer to the movement of the device due to the wearer's speech.
  • the designated movement may be sensed by sensor circuit 640 in the form of movement or vibration.
  • the VAD module 630 can obtain information about the start time and end time of the wearer's speech based on the voice signal and designated movement.
  • the VAD module 630 may detect that an external person (e.g., a person other than the wearer) is speaking if no specified movement is detected while the voice signal is detected.
  • the speech start analyzer 540 may use different microphones to detect whether the speech is a user's speech or an outsider's speech.
  • external electronic device 402 may include an internal microphone and an external microphone.
  • the internal microphone may be placed in a direction facing the wearer, and the external microphone may be placed in a direction towards the outside of the wearer (eg, the direction the wearer faces).
  • the speech start analyzer 540 can detect an outsider's speech using an external microphone, and can detect the wearer's speech using an internal microphone.
  • the speech start analyzer 540 may determine whether the wearer starts speech based on the voice signal received through the internal microphone and the movement information of the device received through the sensor circuit 640.
  • FIG. 7 is a flowchart showing the operation of an electronic device according to an embodiment. The operations shown in FIG. 7 may be performed by the electronic device 401 of FIG. 4 or the processor 430 of the electronic device 401.
  • the electronic device may detect a user's gaze event.
  • a gaze event may be the user looking at a specified virtual object (e.g., a virtual object representing a voice recognition application).
  • the electronic device may detect that the user is looking at a designated virtual object through an external electronic device (e.g., the external electronic device 402 of FIG. 4) that is communicatively connected to the electronic device.
  • the electronic device may detect that the user continuously looks at a specified virtual object for more than a specified time through an external electronic device.
  • the electronic device may determine speech intention using face recognition, gesture recognition, and speech start recognition.
  • the electronic device can recognize the user's face, gesture, and start of speech corresponding to the point in time when the gaze event is detected through the external electronic device.
  • the electronic device may determine whether the user intends to speak based on information about the recognized user's face, gesture, and whether or not to start speaking.
  • the electronic device may determine that the user intends to utter a voice command when at least one of the recognized user's face, gesture, and information about whether to start speaking satisfies a specified condition.
  • the specified condition may include that information about the recognized user's face represents a specified expression.
  • the electronic device may determine that the user intends to utter a voice command based on recognizing that the user opens their eyes wide.
  • the specified condition may include that information about the recognized user's gesture represents a gesture for a virtual object representing a voice recognition application.
  • the electronic device may determine that the user intends to utter a voice command based on recognizing that the user taps a virtual object representing a voice recognition application.
  • the specified condition may include that information on whether the recognized user has started speaking indicates that the wearer has started speaking.
  • the electronic device may determine that the wearer intends to utter a voice command based on recognizing that the wearer has initiated speech.
  • the electronic device may determine that the user intends to utter a voice command based on detecting that the user looks at the virtual object representing the voice recognition application for more than a specified time.
  • the electronic device detects that the user continuously looks at the specified virtual object for more than a specified time, and at least one of the user's face, gesture, and information about whether or not to start speech is included. It may include an operation of determining that the user intends to utter a voice command based on satisfying a specified condition.
  • the electronic device determines whether at least one of the user's face, gesture, and information about whether to start speech satisfies a specified condition. It may be determined that the user intends to utter a voice command.
  • the electronic device can check whether there is a user's intention to speak. If it is determined in operation 703 that the user intends to utter a voice command, the electronic device may perform operation 707. If the electronic device determines in operation 703 that the user does not intend to utter a voice command, the electronic device may wait until detecting the next gaze event.
  • the electronic device can launch a voice assistant and receive a voice command from the user.
  • a voice assistant may be referred to as a voice recognition application that provides voice recognition services.
  • an electronic device can launch a voice assistant by executing a voice recognition application.
  • the electronic device can be controlled to receive voice commands by switching the voice recognition application to listening mode.
  • the electronic device can receive voice commands through an external electronic device in listening mode.
  • the electronic device 801 shown in FIGS. 8 and 9 may be the electronic device 401 of FIG. 4 .
  • the external electronic device 802 shown in FIGS. 8 and 9 may be the external electronic device 402 of FIG. 4 .
  • FIG. 8 is a diagram 800 showing a user interface provided by an electronic device according to an embodiment.
  • a user 810 wearing an external electronic device 802 can look at a virtual object 820 representing a voice recognition application.
  • the virtual object 820 may be, for example, an icon representing a voice recognition application, a character image, or an avatar.
  • the electronic device 801 may receive information indicating that it detects the user's gaze looking at the virtual object 820 from the external electronic device 802.
  • the electronic device 801 may receive information that analyzes the user's gaze.
  • the electronic device 801 may receive information from the external electronic device 802 analyzing whether the user's face, gesture, or speech start corresponding to the point in time at which the user's gaze is detected looking at the virtual object 820. .
  • the electronic device 801 is based on whether at least one of the information analyzing the user's gaze and the information analyzing the user's face, gesture, or speech start among the received analyzed information satisfies a specified condition.
  • the voice recognition application of the electronic device 801 can be executed and the voice recognition application can be controlled to receive voice commands.
  • the electronic device 801 executes a voice recognition application when the information analyzing the user's gaze satisfies a specified condition (e.g., the user's gaze looking at the virtual object 820 will last longer than a specified time). This allows you to control it so that it can receive voice commands.
  • the electronic device 801 After executing the voice recognition application based on the user's gaze, the electronic device 801 determines whether to provide a response corresponding to the user's voice command received based on the information analyzed by the user's face, gesture, or whether speech has started. You can decide whether or not.
  • the user 810 may speak while looking at the virtual object 820.
  • the electronic device 801 may receive a voice input corresponding to the user's utterance 830 while looking at the virtual object 820 from the external electronic device 802.
  • the user utterance 830 may not include a wake-up word (e.g., “Hi Bixby”) but only a command (e.g., “What day is today?”).
  • the user 810 may speak while looking at a different point after looking at the virtual object 820 for a specified time (eg, N seconds).
  • the electronic device 801 executes the voice recognition application and controls the voice recognition application to be capable of receiving voice commands. and can execute a voice command corresponding to the user utterance 830 that does not include a wake-up word received from the external electronic device 802.
  • the electronic device 801 may provide a result of executing a command corresponding to the user utterance 830 (eg, user interface 840) through the external electronic device 802.
  • the electronic device 801 may display a user interface 840 including date information on the display of the external electronic device 802 (eg, the display 440 of FIG. 4).
  • FIG. 9 is a diagram 900 showing a user interface provided by an electronic device according to an embodiment.
  • a user 810 wearing an external electronic device 802 may look somewhere else without looking at the virtual object 820 representing a voice recognition application.
  • the user 810 can speak without looking at the virtual object 820.
  • the electronic device 801 may receive a voice input corresponding to the user's utterance 930 from the external electronic device 802 while not looking at the virtual object 820.
  • the user utterance 930 may include a wake-up word (eg, “Hi Bixby”).
  • the electronic device 801 can execute a voice recognition application based on recognition of the wake-up word included in the user utterance 930 and control the voice recognition application to a state in which it can receive voice commands.
  • the electronic device 801 may execute a command corresponding to the user utterance received after the wake-up word.
  • the user utterance 930 may include a command (e.g., “Start a 30 second timer.”) after the wake-up word.
  • the electronic device 801 may provide a result of executing a command corresponding to the user utterance 930 (eg, user interface 940) through the external electronic device 802.
  • the electronic device 801 may display the user interface 940 of a timer application on the display of the external electronic device 802 (eg, the display 440 of FIG. 4).
  • FIG. 10 is a flowchart 1000 showing the operation of an electronic device according to an embodiment. Operations of the electronic device described later may be performed by the electronic device 401 of FIG. 4 or the processor 430 of the electronic device 401. Operations of the external electronic device described later may be performed by the external electronic device 402 of FIG. 4 or the processor 490 of the electronic device 402.
  • the electronic device may receive information indicating that it detects the user's gaze from an external electronic device.
  • the electronic device sends information indicating that it detects the user's gaze toward a designated object displayed on the display of the external electronic device (e.g., the display 440 of FIG. 4) to a communication circuit (e.g., the communication circuit 410 of FIG. 4). ) can be received from an external electronic device.
  • the external electronic device may be wearable on at least part of the user's body.
  • the designated object may be a virtual object representing a voice recognition application.
  • the electronic device may receive information analyzing the user's gaze from an external electronic device.
  • Information analyzing the user's gaze may be obtained using information input to a camera (e.g., camera 450 in FIG. 4) and/or sensor (e.g., sensor 460 in FIG. 4) of an external electronic device.
  • information analyzing the user's gaze may include information about the direction corresponding to the user's gaze and/or the time the user's gaze stays.
  • the electronic device may receive first information by analyzing the user's face, second information by analyzing the user's gesture, or third information by analyzing whether the user has started speaking from an external electronic device.
  • the electronic device may receive first information, second information, or third information corresponding to the point in time when the user's gaze is detected from an external electronic device.
  • the first information, second information, and third information may include information analyzed based on information input to an external electronic device within a specified time from when the user's gaze is detected.
  • the first information is eye tracking (eye tracking) by an external electronic device using information input to a camera (e.g., camera 450 in FIG. 4) and/or sensor (e.g., sensor 460 in FIG. 4).
  • This may be information that analyzes the user's face based on tracking and head tracking technology.
  • the second information may be information in which an external electronic device analyzes the user's gesture based on hand tracking technology using information input to the camera.
  • the third information may be information that analyzes whether the wearer of the external electronic device starts speaking based on an audio signal received through a microphone and movement information detected through a sensor.
  • the electronic device may determine the user's intention to issue a voice command.
  • the electronic device may determine the user's intention to utter a voice command based on whether at least one of the first information, second information, or third information and information obtained by analyzing the user's gaze satisfies a specified condition. If the information analyzing the user's gaze indicates that the user's gaze looking at the specified virtual object continues for more than a specified time, the electronic device may determine that the information analyzing the user's gaze satisfies the specified condition. If the first information represents a specified facial expression, the electronic device may determine that the first information satisfies the specified condition.
  • the designated facial expression may be an expression learned as an expression with speech intention by a machine learning algorithm or an expression preset by the user as an expression with speech intention.
  • the designated facial expression may include, for example, widening the eyes, frowning, or slightly lifting the head.
  • the electronic device may determine that the second information satisfies the specified condition.
  • a gesture for a designated virtual object may include, for example, touching, tapping, stroking, or holding the designated virtual object.
  • the electronic device may determine that the user intends to issue a voice command when the second information indicates the first gesture for the designated virtual object.
  • the electronic device transmits a request to inquire about utterance intention to the external electronic device, and determines the user's voice command utterance intention according to the response received from the external electronic device.
  • the first gesture is a gesture that is set to allow the electronic device to determine that the user has an intention to speak without asking additional questions.
  • the second gesture is a gesture set so that the electronic device asks the user one more question and then determines the speech intention based on the response to the question.
  • the first gesture may be a gesture in which the user's intention to call a voice recognition application indicated by a designated virtual object is clear.
  • the first gesture may be a gesture of tapping a designated virtual object.
  • the second gesture may be a gesture in which the user's intention to call the voice recognition application indicated by the designated virtual object is unclear.
  • the second gesture may be a gesture of stroking a designated virtual object.
  • the first gesture may be a gesture learned as a gesture with a clear speech intention by a machine learning algorithm, or a gesture preset by the user as a gesture with a clear speech intention.
  • the second gesture may be a gesture other than the learned gesture or the preset gesture.
  • the electronic device may determine that the third information satisfies a specified condition.
  • the user may be a user wearing an external electronic device. If the third information indicates that a user other than the user wearing the external electronic device (e.g., an outsider) started the speech, the electronic device may determine that the third information does not satisfy the specified condition.
  • the electronic device may determine that the third information does not satisfy a specified condition when the sound input to the external electronic device indicates noise.
  • noise may include audio signals that are not in a specified band (e.g., a human vocal range), or audio signals that are in a specified band but are less than a specified size.
  • the electronic device can determine whether there is an intention to utter an utterance.
  • the electronic device may determine that the user intends to issue a voice command when at least one of the first information, second information, or third information and information obtained by analyzing the user's gaze satisfies a specified condition. For example, the electronic device determines that the user intends to utter a voice command if the information that analyzed the user's gaze satisfies the specified condition and the first information, second information, or third information satisfies the specified condition. You can.
  • the electronic device determines that the user intends to utter a voice command. You can. If the information analyzing the user's gaze indicates that the user's gaze looking at the designated virtual object continues for more than a designated time, and the second information indicates a gesture toward the designated virtual object, the electronic device indicates that the user intends to utter a voice command. It can be determined that there is.
  • the electronic device indicates that the user intends to utter a voice command. It can be determined that there is.
  • the electronic device may perform operation 1011 when it determines that the user intends to utter a voice command.
  • the electronic device may display the first information, the second information, and the third information according to the specified conditions. If is not satisfied, it may be determined that the user has no intention of uttering the voice command. In this case, the electronic device may wait until the next gaze detection information is received from the external electronic device.
  • the electronic device executes a voice recognition application and controls the voice recognition application to receive a user's voice command.
  • the electronic device determines that there is an intention to utter a voice command, the electronic device executes a voice recognition application stored in a memory (e.g., memory 420 in FIG. 4) and uses the voice recognition application to receive the user's voice command. It can be controlled with .
  • the state in which a user's voice command can be received may be referred to as 'listening mode'.
  • the electronic device may receive audio data corresponding to the user's voice input from an external electronic device through a communication circuit.
  • the electronic device may receive audio data corresponding to the user's voice input through an external electronic device (or a microphone of the external electronic device (e.g., microphone 470 in FIG. 4) in listening mode.
  • Voice The input may not include a wake-up word.
  • voice input may only include commands.
  • the electronic device may execute commands corresponding to the voice input through a voice recognition application.
  • the electronic device converts audio data corresponding to voice input into text data directly or through an external server, uses the text data to obtain information about the user's intention and/or one or more actions, and A command corresponding to a voice input can be executed by executing one or more operations based on the voice input.
  • the electronic device may provide the execution result of a command corresponding to the voice input to the user through an external electronic device.
  • the electronic device may transmit the execution result of a command corresponding to a voice input to an external electronic device through a communication circuit and display it on a display of the external electronic device.
  • an electronic device e.g., the electronic device 101 of FIG. 1, the electronic device 401 of FIGS. 4 and 5, or the electronic device 801 of FIGS. 8 and 9
  • a communication circuit e.g., the communication module 190 in FIG. 1, the communication circuit 410 in FIG. 4
  • a memory e.g., the memory 130 in FIG. 1, the memory 420 in FIG. 4
  • a processor e.g., processor 120 of FIG. 1 or processor 430 of FIG.
  • the memory when executed by the processor, causes the electronic device to , an external electronic device that can be worn on at least part of the user's body (e.g., the electronic device 102 or the electronic device 104 of FIG. 1, the electronic device 201 of FIG. 2, the external electronic device of FIGS. 4 and 5 ( 402), or the display of the external electronic device 802 of FIGS. 8 and 9) (e.g., the display module 160 of FIG. 1, the display 261-1 and/or 261-2 of FIG. 2, or the display of FIG. 4) Receive information indicating detection of the user's gaze looking at a designated virtual object displayed on the display 440 from the external electronic device through the communication circuit, and receive information analyzing the user's gaze.
  • an external electronic device that can be worn on at least part of the user's body
  • the display module 160 of FIG. 1, the display 261-1 and/or 261-2 of FIG. 2, or the display of FIG. 4 and 9 Receive information indicating detection of the user's gaze looking at a designated virtual object displayed on the display 440
  • first information analyzing the user's face corresponding to the point in time when the user's gaze is detected by the external electronic device receives analyzed third information, and determine the user's voice based on whether at least one of the first information, the second information, or the third information and the information obtained by analyzing the user's gaze satisfies a specified condition.
  • One or more devices configured to determine an intention to utter a command, and upon determining that there is an intention to utter a command, execute a voice recognition application stored in the memory, and control the voice recognition application to a state capable of receiving the user's voice command. Instructions can be saved.
  • the instructions when executed by the processor, cause the electronic device to receive audio data corresponding to the user's voice input from the external electronic device through the communication circuit, and A command corresponding to the voice input is executed through a voice recognition application, and the voice input may not include a wake-up word.
  • the electronic device determines that the user's gaze analyzing the user's gaze continues for more than a specified time. , and when the first information represents a designated facial expression, it can be determined that there is an intention to utter the utterance.
  • the electronic device determines that the user's gaze analyzing the user's gaze continues for more than a specified time. , and when the second information indicates a gesture for the designated virtual object, it may be determined that there is an intention to utter the utterance.
  • the electronic device determines that the user's gaze analyzing the user's gaze continues for more than a specified time. , and when the third information indicates that the user has started speaking, it can be determined that there is an intention to speak.
  • the electronic device determines that there is an utterance intention if the second information indicates a first gesture for the designated virtual object. And, when the second information indicates a second gesture for the designated virtual object, a request to ask about the speech intention is transmitted to the external electronic device, and the speech intention is transmitted according to the response received from the external electronic device. can be decided.
  • the electronic device determines that the third information indicates that a user other than the user started the speech, or sends a message to the external electronic device. If the input sound indicates noise, it may be determined that the third information does not satisfy the specified condition.
  • the first information, the second information, and the third information may include information analyzed based on information input within a specified time from the point of detecting the user's gaze. You can.
  • the instructions when executed by the processor, cause the electronic device to provide a hint for a voice command based on context information related to the user through the voice recognition application
  • the context information may include at least one of the user's usage history of the voice recognition application or the user's gestures.
  • the instructions when executed by the processor, cause the electronic device to execute the at least one function based on the user's gesture toward a virtual object representing an application supporting at least one function.
  • the command to execute the function can be provided as the hint in natural language.
  • the electronic device determines that information analyzing the user's gaze continues for more than a specified time. If indicated, a request to inquire about the speech intention may be transmitted to the external electronic device, and the speech intention may be determined according to the response received from the external electronic device.
  • the electronic device when the instructions are executed by the processor, the electronic device generates analysis information including the first information, the second information, and the third information and the voice recognition application. It is possible to build and learn an utterance intention determination model using information about the actual use of .
  • the operation of an electronic device includes using an external electronic device (e.g., the electronic device 102 or 104 of FIG. 1, the electronic device 201 of FIG. 2, or the external electronic device of FIGS. 4 and 5) wearable on at least a portion of the user's body.
  • an external electronic device e.g., the electronic device 102 or 104 of FIG. 1, the electronic device 201 of FIG. 2, or the external electronic device of FIGS. 4 and 5) wearable on at least a portion of the user's body.
  • a display e.g., display module 160 of FIG. 1, display 261-1 and/or 261-2 of FIG. 2) of device 402, or external electronic device 802 of FIGS. 8 and 9, or Information indicating that the user's gaze is detected looking at a designated virtual object displayed on the display 440 of FIG.
  • a communication circuit e.g., the communication module 190 of FIG. 1, the communication circuit 410 of FIG. 4
  • the user's voice command utterance intention is determined based on whether the information analyzing the user's gaze satisfies a specified condition, and when it is determined that there is an utterance intention, the memory (e.g., memory 130 of FIG. 1) ), the voice recognition application stored in the memory 420 of FIG. 4) can be executed, and the voice recognition application can be controlled to receive the user's voice command.
  • the method receives audio data corresponding to the user's voice input from the external electronic device through the communication circuit, and generates a command corresponding to the voice input through the voice recognition application.
  • Executes, and the voice input may not include a wake-up word.
  • the method is such that the information analyzing the user's gaze indicates that the user's gaze looking at the specified virtual object continues for more than a specified time, and the first information represents the specified facial expression. In this case, it can be determined that there is an intention to utter the utterance.
  • the method is such that the information analyzing the user's gaze indicates that the user's gaze looking at the designated virtual object continues for more than a designated time, and the second information indicates that the designated virtual object If a gesture for , it can be determined that there is an intention to utter the above.
  • the method is such that the information analyzing the user's gaze indicates that the user's gaze looking at the designated virtual object continues for more than a designated time, and the third information indicates that the user's utterance If it indicates that the utterance has started, it can be determined that there is an intention to utter the utterance.
  • the method determines that there is an utterance intention when the second information indicates a first gesture for the designated virtual object, and the second information indicates a first gesture for the designated virtual object.
  • the second gesture is displayed, a request to ask about the speech intention may be transmitted to the external electronic device, and the speech intention may be determined according to the response received from the external electronic device.
  • the method may be performed when the third information indicates that a user other than the user started speaking or that the sound input to the external electronic device is noise, It may be determined that the third information does not satisfy the specified condition.
  • the first information, the second information, and the third information may include information analyzed based on information input within a specified time from the point of detecting the user's gaze. You can.
  • the method provides a hint for a voice command based on context information related to the user through the voice recognition application, and the context information is used to determine the user's use of the voice recognition application. It may include at least one of history or the user's gestures.
  • the method includes, based on the user's gesture toward a virtual object representing an application supporting at least one function, a command for executing the at least one function in natural language. It can be provided as a hint.
  • the method when receiving information from the external electronic device indicating that the user's gaze on the specified virtual object continues for more than a specified time, requests to inquire about the speech intention. It can be transmitted to the external electronic device, and the utterance intention can be determined according to the response received from the external electronic device.
  • the method uses analysis information including the first information, the second information, and the third information and information on whether or not the voice recognition application is actually used to indicate utterance intention.
  • Decision models can be built and trained.

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Acoustics & Sound (AREA)
  • Computational Linguistics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Ophthalmology & Optometry (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하는 전자 장치가 개시된다. 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치의 디스플레이에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자의 시선을 분석한 정보를 수신하고, 상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고, 상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고, 상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어하도록 하는 하나 이상의 인스트럭션들(instructions)을 저장할 수 있다.

Description

전자 장치 및 그의 동작 방법
본 문서에서 개시되는 실시 예들은, 멀티 모달리티(multi modality) 기술을 활용하여 음성 어시스턴트를 이용하는 전자 장치 및 그의 동작 방법에 관한 것이다.
AR(augmented reality)/VR(virtual reality) 글래스와 같은 전자 장치가 등장하고 가상 현실이라는 트렌드가 나타남에 따라, 기존의 터치 인터페이스에서 확장된 시선, 표정, 제스처와 같은 자연스러운 사용자 인터페이스가 일반적인 사용자 인터페이스로 발전하고 있다.
또한, 시선, 표정, 제스처, 또는 음성의 여러 입력 방식을 결합한 멀티 모달리티 기술을 활용한 새로운 인터랙션 모델이 개발되고 있다.
음성 어시스턴트를 호출하기 위해, “하이 빅스비”와 같은 특정 키워드를 발화하거나, 화면 내의 버튼이나 하드웨어 버튼을 누르는 터치 인터페이스를 활용할 수 있다. 음성 어시스턴트를 이용하기 위해 반복적인 호출이 필요한 경우 사용자가 반복적으로 버튼을 누르거나 “하이 빅스비”와 같은 특정 키워드를 반복하여 발화해야 하므로, 자연스럽게 음성 어시스턴트를 활용하는 데에 제약이 있다.
본 문서에 개시되는 실시 예들은, AR/VR 환경에서의 사용자의 자연스러운 동작들(예: 시선, 제스처, 또는 표정)을 활용하여 음성 어시스턴트를 이용할 수 있는 전자 장치 및 그의 동작 방법을 제공하고자 한다.
본 문서에 개시되는 일 실시 예에 따른 전자 장치는, 통신 회로, 메모리, 및 상기 통신 회로 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치의 디스플레이에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자의 시선을 분석한 정보를 수신하고, 상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고, 상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고, 상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어하도록 하는 하나 이상의 인스트럭션들(instructions)을 저장할 수 있다.
또한, 본 문서에 개시되는 일 실시 예에 따른 전자 장치의 동작 방법은, 사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치의 디스플레이에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자의 시선을 분석한 정보를 수신하고, 상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고, 상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고, 상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, AR/VR 환경에서의 사용자의 자연스러운 동작들(예: 시선, 제스처, 또는 표정)을 활용하여 음성 어시스턴트를 이용할 수 있는 전자 장치 및 그의 동작 방법을 제공할 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 음성 어시스턴트를 보다 쉽고 자연스럽게 활용할 수 있으며, 음성 어시스턴트의 사용성을 향상시킬 수 있다.
본 문서에 개시되는 실시 예들에 따르면, 사용자가 음성 명령을 발화할 의도가 있는지 여부를 정확하게 결정할 수 있다.
이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1은 다양한 실시 예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시 예에 따른, 전자 장치의 개략도이다.
도 3은 일 실시 예에 따른, 투명 부재를 통한 시선 추적 및 디스플레이 방법의 개략도이다.
도 4는 일 실시예에 따른 전자 장치의 블록도이다.
도 5는 일 실시예에 따른 전자 장치 및 외부 전자 장치의 소프트웨어 모듈을 나타낸 블록도이다.
도 6은 일 실시예에 따른 발화 시작 분석기의 블록도이다.
도 7은 일 실시예에 따른 전자 장치의 동작을 나타낸 흐름도이다.
도 8은 일 실시예에 따른 전자 장치가 제공하는 사용자 인터페이스를 나타낸 도면이다.
도 9는 일 실시예에 따른 전자 장치가 제공하는 사용자 인터페이스를 나타낸 도면이다.
도 10은 일 실시예에 따른 전자 장치의 동작을 나타낸 흐름도이다.
도면의 설명과 관련하여, 동일 또는 유사한 구성요소에 대해서는 동일 또는 유사한 참조 부호가 사용될 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시 예에 따른, 전자 장치(201)의 개략도이다.
도 2를 참조하여, 도 2의 예시에서, 전자 장치(201)는 HMD(head mounted display) 장치, 웨어러블 장치, 스마트 글래스(smart glasses), 또는 아이웨어(eyewear)로 참조될 수 있다. 도 2에 도시된 전자 장치(201)의 형태는 예시적인 것으로서, 본 문서의 실시예들이 이에 제한되는 것은 아니다. 예를 들어, 전자 장치(201)는 AR(augmented reality) 또는 VR(virtual reality)을 제공하도록 설정된 임의의 전자 장치일 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 도 1의 전자 장치(101)의 구성들 중 적어도 일부를 포함할 수 있다. 예를 들어, 전자 장치(201)는 디스플레이(예: 도 1의 디스플레이 모듈(160)), 카메라(예: 도 1의 카메라 모듈(180)), 적어도 하나의 센서(예: 도 1의 센서 모듈(176)), 프로세서(예: 도 1의 프로세서(120)), 배터리(예: 도 1의 배터리(189)), 메모리(예: 도 1의 130)), 또는 통신 회로(예: 도 1의 통신 모듈(190)) 중 적어도 하나를 포함할 수 있다. 전자 장치(201)의 구성 요소들 중 적어도 일부는 전자 장치(201)의 하우징 내부에 위치되거나, 하우징의 외부로 노출될 수 있다.
전자 장치(201)는 디스플레이를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 디스플레이(261-1) 및/또는 제2 디스플레이(261-2)를 포함할 수 있다. 제1 디스플레이(261-1) 및/또는 제2 디스플레이(261-2)는, 액정 표시 장치(liquid crystal display; LCD), 디지털 미러 장치(digital mirror device; DMD), 실리콘 액정 표시 장치(liquid crystal on silicon device; LCoS device), 유기 발광 다이오드(organic light emitting diode; OLED) 또는 마이크로 LED(micro light emitting diode; micro LED) 중 적어도 하나를 포함할 수 있다. 예를 들어, 전자 장치(201)의 디스플레이는 빛을 조사하기 위한 적어도 하나의 광원을 포함할 수 있다. 제1 디스플레이(261-1) 및/또는 제2 디스플레이(261-2)가 액정 표시 장치, 디지털 미러 장치 또는 실리콘 액정 표시 장치 중 하나를 포함하는 경우, 전자 장치(201)는 디스플레이의 화면 출력 영역(260-1 및/또는 260-2)으로 빛을 조사하는 적어도 하나의 광원을 포함할 수 있다. 다른 예를 들어, 전자 장치(201)의 디스플레이가 자체적으로 빛을 발생시킬 수 있는 경우, 디스플레이는 디스플레이에 포함된 광원 외에 별도의 광원을 포함하지 않을 수 있다. 제1 디스플레이(261-1) 및/또는 제2 디스플레이(261-2)가 유기 발광 다이오드 또는 마이크로 LED 중 적어도 하나를 포함하는 경우, 전자 장치(201)는 별도의 광원을 포함하지 않더라도 사용자에게 이미지를 제공할 수 있다. 디스플레이가 유기 발광 다이오드 또는 마이크로 LED로 구현되는 경우, 별도 광원의 생략을 통하여 전자 장치(201)의 무게가 감소될 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2)를 포함할 수 있다. 예를 들어, 사용자가 전자 장치(201)를 착용한 경우, 사용자는 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2)를 통하여 볼(see through) 수 있다. 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2)는 글래스 플레이트, 플라스틱 플레이트 또는 폴리머 중 적어도 하나로 형성될 수 있으며, 투명 또는 반투명할 수 있다. 예를 들어, 착용되었을 때, 제1 투명 부재(296-1)는 사용자의 우안에 대면하게 배치될 수 있고, 제2 투명 부재(296-2)는 사용자의 좌안에 대면하게 배치될 수 있다.
일 실시 예에 따르면, 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2)의 적어도 일부는 광도파로(waveguide)일 수 있다. 예를 들어, 광도파로는 디스플레이(예: 제1 디스플레이(261-1) 및/또는 제2 디스플레이(261-2))에 의하여 생성된 이미지를 사용자의 눈에 전달할 수 있다. 광도파로는 글래스, 플라스틱 또는 폴리머로 형성될 수 있다. 예를 들어, 광도파로는 내부 또는 일 표면에 형성된 나노 패턴(예: 다각형 또는 곡면 형상의 격자 구조(grating structure))을 포함할 수 있다. 일 예를 들어, 광도파로의 일단으로 입사된 광은 나노 패턴에 의해 광도파로 내부에서 전파되어 사용자의 눈으로 제공될 수 있다. 일 예를 들어, Free-form형 프리즘으로 구성된 광도파로는 입사된 광을 반사 미러를 통해 사용자에게 제공하도록 구성될 수 있다.
일 실시 예에 따르면, 광도파로는 적어도 하나의 회절 요소(예: DOE(Diffractive Optical Element), HOE(Holographic Optical Element)) 또는 반사 요소(예: 반사 거울) 중 적어도 하나를 포함할 수 있다. 상기 광도파로는 광도파로에 포함된 적어도 하나의 회절 요소 또는 반사 요소를 이용하여 광원부로부터 방출된 디스플레이 광을 사용자의 눈으로 유도할 수 있다. 예를 들어, 회절 요소는 입력 광학 부재(예: 262-1 및/또는 262-2) 및/또는 출력 광학 부재(미도시)를 포함할 수 있다. 제1 입력 광학 부재(262-1) 및/또는 제2 입력 광학 부재(262-2)는 입력 그레이팅 영역(input grating area)으로 참조될 수 있으며, 출력 광학 부재(미도시)는 출력 그레이팅 영역(output grating area)으로 참조될 수 있다. 입력 그레이팅 영역은 광원(예: Micro LED)으로부터 출력되는 빛을 화면 표시부의 투명 부재(예: 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2))로 빛을 전달하기 위해 빛을 회절 또는 반사시킬 수 있다. 출력 그레이팅 영역은 광도파로의 투명 부재(예: 제1 투명 부재(296-1) 및/또는 제2 투명 부재(296-2))에 전달된 빛을 사용자의 눈의 방향으로 회절 또는 반사시킬 수 있다. 예를 들어, 반사 요소는 전반사(total internal reflection, TIR)를 위한 전반사 광학 소자 또는 전반사 도파관을 포함할 수 있다. 전반사는 광을 유도하는 하나의 방식으로 참조될 수 있으며, 입력 그레이팅 영역을 통하여 입력되는 빛(예: 이미지)이 광도파로의 일면(예: 특정 면)에서 100% 반사되도록 입사각을 만들어, 출력 그레이팅 영역까지 100% 전달되도록 하는 것을 의미할 수 있다. 일 실시예에서, 디스플레이로부터 방출되는 광의 광 경로는 입력 광학 부재에 의하여 광도파로로 유도될 수 있다. 광도파로 내부를 이동하는 광은 출력 광학 부재를 통해 사용자 눈 방향으로 유도될 수 있다. 화면 출력 영역(260-1 및/또는 260-2)은 눈 방향으로 방출되는 광에 기반하여 결정될 수 있다.
도 2에는 전자 장치(201)가 광도파로를 이용하여 사용자에게 이미지를 제공하는 것으로 설명되었으나, 본 문서의 실시 예들이 이에 제한되는 것은 아니다. 일 실시 예에 다르면, 전자 장치(201)의 디스플레이는 투명 또는 반투명 디스플레이일 수 있다. 이 경우, 디스플레이는 사용자의 눈과 대면하는 위치(예: 제1 화면 출력 영역(260-1) 및/또는 제 화면 출력 영역(260-2))에 배치될 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 카메라를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 카메라(280-1), 제2 카메라(280-2), 및/또는 제3 카메라(280-3)를 포함할 수 있다. 예를 들어, 제1 카메라(280-1) 및 제2 카메라(280-2)는 외부 이미지 인식을 위하여 이용될 수 있다. 제1 카메라(280-1) 및 제2 카메라(280-2)는 사용자의 시선에 대응하는 방향(예: +x 방향)에 대응하는 이미지를 획득하도록 설정될 수 있다. 전자 장치(201)는 제1 카메라(280-1) 및 제2 카메라(280-2)를 이용하여 머리 트랙킹(head tracking)(예: 3 자유도 또는 6 자유도(degree of freedom; DoF) 트랙킹), 손 이미지 검출, 손 이미지 추적 및/또는 공간 인식을 수행할 수 있다. 일 예를 들어, 제1 카메라(280-1) 및 제2 카메라(280-2)는 동일한 규격 및 성능(예: 화각, 셔터 스피드, 해상도, 및/또는 컬러 비트 수 등)을 갖는 GS(global shutter) 카메라일 수 있다. 전자 장치(201)는 좌/우에 배치된 스테레오 카메라를 이용하여 공간 인식(예: 6 자유도 공간 인식) 및/또는 뎁스(depth) 정보 획득을 수행함으로써, SLAM(simultaneous localization and mapping) 기술을 지원할 수 있다. 또한, 전자 장치(201)는 좌/우에 배치된 스테레오 카메라를 사용자의 제스처를 인식할 수 있다. 전자 장치(201)는 RS(rolling shutter) 카메라에 비하여 상대적으로 왜곡이 적은 GS 카메라를 이용함으로써, 보다 빠른 손동작 및 미세 움직임을 검출할 수 있다. 예를 들어, 제3 카메라(280-3)는 외부 이미지 인식을 위하여 이용될 수 있다. 제3 카메라(280-3)는 사용자의 시선에 대응하는 방향(예: +x 방향)에 대응하는 이미지를 획득하도록 설정될 수 있다. 일 예에서, 제3 카메라(280-3)는 제1 카메라(280-1) 및 제2 카메라(280-2)에 비하여 상대적으로 높은 해상도를 갖는 카메라일 수 있다. 제3 카메라(280-3)는 HR(high resolution) 카메라 또는 PV(photo video) 카메라로 참조될 수 있다. 제3 카메라(280-3)는 AF(auto focus) 및/또는 OIS(optical image stabilization)와 같은 고화질 이미지 획득을 위한 기능들을 지원할 수 있다. 제3 카메라(280-3)는 GS 카메라 또는 RS 카메라일 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 시선 추적(eye-tracking) 센서를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 시선 추적 센서(276-1) 및 제2 시선 추적 센서(276-2)를 포함할 수 있다. 제1 시선 추적 센서(276-1) 및 제2 시선 추적 센서(276-2)는, 예를 들어, 사용자의 눈에 대응하는 방향의 이미지를 획득하도록 설정된 카메라일 수 있다. 제1 시선 추적 센서(276-1) 및 제2 시선 추적 센서(276-2)는 사용자의 우안 이미지와 사용자의 좌안 이미지를 각각 획득하도록 설정될 수 있다. 전자 장치(201)는 제1 시선 추적 센서(276-1) 및 제2 시선 추적 센서(276-2)를 이용하여 사용자의 눈동자(pupil)를 검출하도록 설정될 수 있다. 전자 장치(201)는 사용자의 눈동자 이미지로부터 사용자의 시선을 획득하고, 획득된 시선에 기반하여 이미지를 제공할 수 있다. 예를 들어, 전자 장치(201)는 사용자의 시선 방향에 이미지가 위치되도록 이미지를 디스플레이할 수 있다. 일 예를 들어, 제1 시선 추적 센서(276-1) 및 제2 시선 추적 센서(276-2)는 동일한 규격 및 성능(예: 화각, 셔터 스피드, 해상도, 및/또는 컬러 비트 수 등)을 갖는 GS(global shutter) 카메라일 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 조명 유닛(illumination unit)을 포함할 수 있다. 조명 유닛은, 예를 들어, 적어도 하나의 LED를 포함할 수 있다. 도 2에서, 전자 장치(201)는 제1 조명 유닛(281-1) 및 제2 조명 유닛(281-2)을 포함할 수 있다. 전자 장치(201)는, 예를 들어, 제1 조명 유닛(281-1) 및 제2 조명 유닛(281-2)을 이용하여 제1 카메라(280-1), 제2 카메라(280-2), 및/또는 제3 카메라(280-3)에 대한 보조 조명을 제공할 수 있다. 일 예에서, 전자 장치(201)는 조명 유닛(미도시)을 이용하여 동공 이미지 획득을 위한 조명을 제공할 수 있다. 예를 들어, 전자 장치(201)는 적외선 파장의 LED를 이용하여 시선 추적 센서에 대한 조명을 제공할 수 있다. 이 경우, 시선 추적 센서는 적외선 파장 이미지를 획득하기 위한 이미지 센서를 포함할 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 PCB(printed circuit board)를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 템플(temple, 298-1)에 위치된 제1 PCB(287-1) 및 제2 템플(298-2)에 위치된 제2 PCB(287-2)를 포함할 수 있다. 제1 PCB(287-1) 및/또는 제2 PCB(287-2)는 신호 선 및/또는 FPCB(flexible PCB)를 통하여 전자 장치(201)의 다른 구성 요소들과 전기적으로 연결될 수 있다. 예를 들어, 통신 회로, 메모리, 적어도 하나의 센서, 및/또는 프로세서는 제1 PCB(287-1) 및/또는 제2 PCB(287-2) 상에 배치될 수 있다. 예를 들어, 제1 PCB(287-1) 및 제2 PCB(287-2) 각각은 인터포저(interposer)에 의하여 이격된 복수의 PCB들로 구성될 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 배터리를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 템플(298-1)의 일단에 위치된 제1 배터리(289-1) 및 제2 템플(298-2)의 일단에 위치된 제2 배터리(289-2)를 포함할 수 있다. 제1 배터리(289-1) 및 제2 배터리(289-2)는 전자 장치(201)의 구성 요소들에 전력을 공급하도록 설정될 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 스피커를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 스피커(270-1) 및 제2 스피커(270-2)를 포함할 수 있다. 전자 장치(201)는 좌측 및 우측에 위치된 스피커들을 이용하여 스테레오 사운드를 제공하도록 설정될 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 적어도 하나의 마이크를 포함할 수 있다. 예를 들어, 전자 장치(201)는 제1 마이크(271-1), 제2 마이크(271-2), 및/또는 제3 마이크(271-3)를 포함할 수 있다. 제1 마이크(271-1)는 프레임(297)의 우측에 위치되고, 제2 마이크(271-2)는 프레임(297)의 좌측에 위치되고, 제3 마이크(271-3)는 프레임(297)의 브릿지에 위치될 수 있다. 일 예시에서, 전자 장치(201)는 1 마이크(271-1), 제2 마이크(271-2), 및/또는 제3 마이크(271-3)를 이용하여 빔포밍(beamforming)을 수행할 수 있다.
일 실시 예에 따르면, 전자 장치(201)는 제1 템플(298-1), 제2 템플(298-2), 및 프레임(297)을 포함할 수 있다. 제1 템플(298-1), 제2 템플(298-2), 및 프레임(297)은 하우징으로 참조될 수 있다. 제1 템플(298-1)은 제1 힌지부(299-1)를 통하여 프레임(297)에 물리적으로 연결되고, 착용되었을 때, 프레임(297)을 지지할 수 있다. 제2 템플(298-2)은 제2 힌지부(299-2)를 통하여 프레임(297)에 물리적으로 연결되고, 착용되었을 때, 프레임(297)을 지지할 수 있다.
상술된 전자 장치(201)의 구성은 예시적인 것으로서, 본 문서의 실시예들이 이에 제한되지 않는다. 예를 들어, 전자 장치(201)는 도 2와 관련하여 설명된 구성 요소의 적어도 일부를 포함하지 않거나, 설명된 구성 요소 외의 다른 구성 요소를 더 포함할 수 있다. 예를 들어, 전자 장치(201)는 적어도 하나의 센서(예: 가속도 센서, 자이로 센서, 및/또는 터치 센서 등) 및/또는 안테나를 포함할 수 있다.
도 3은 일 실시 예에 따른, 투명 부재를 통한 시선 추적 및 디스플레이 방법의 개략도이다.
도 3을 참조하여, 디스플레이(361)(예: 도 2의 제1 디스플레이(261-1) 또는 제2 디스플레이(261-2))는 투명 부재(396)(예: 도 2의 제1 투명 부재(296-1) 또는 제2 투명 부재(296-2))를 이미지를 제공할 수 있다. 일 실시 예에 따르면, 디스플레이(361)는 렌즈(351)를 통하여 입력 광학 부재(362)(예: 도 2의 제1 입력 광학 부재(262-1) 또는 제2 입력 광학 부재(262-2))에 이미지에 대응하는 광을 입력시킬 수 있다. 입력 광학 부재(362)는 입사된 광을 반사 또는 회절하여 광도파로(360)로 입력할 수 있다. 출력 광학 부재(364)는 광도파로(360)를 통하여 전달된 빛을 사용자의 눈(399) 방향으로 출력시킬 수 있다. 일 예에서, 렌즈(351)는 디스플레이(361)에 포함될 수 있다. 일 예시에서, 렌즈(351)의 위치는 투명 부재(396)와 사용자의 눈(399) 사이의 거리에 기반하여 결정될 수 있다.
시선 추적 센서(371)(예: 도 2의 제1 시선 추적 센서(276-1) 또는 제2 시선 추적 센서(276-2))는 사용자의 눈(399)의 적어도 일부에 대응하는 이미지를 획득할 수 있다. 예를 들어, 사용자의 눈(399)의 이미지에 대응하는 광은 제1 스플리터(splitter, 381)를 통하여 반사 및/또는 회절되어 광도파로(382)로 입력될 수 있다. 광도파로(382)를 통하여 제2 스플리터(383)에 전달된 광은, 제2 스플리터(383)에 의하여 반사 및/또는 회절되어 시선 추적 센서(371) 방향으로 출력될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 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 스토어™)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 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.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
이하, 도 4를 참조하여 일 실시예에 따른 전자 장치 및 외부 전자 장치의 구성 및 동작에 대하여 설명한다.
도 4는 일 실시예에 따른 전자 장치 및 외부 전자 장치의 블록도(400)이다.
일 실시예에 따르면, 전자 장치(401)(예: 도 1의 전자 장치(101))는 통신 회로(410)(예: 도 1의 통신 모듈(190)), 메모리(420)(예: 도 1의 메모리(130)), 및 프로세서(430)(예: 도 1의 프로세서(120))를 포함할 수 있다. 예를 들어, 전자 장치(401)는 스마트폰과 같은 휴대용 통신 장치, 또는 컴퓨터 장치일 수 있다.
일 실시예에 따르면, 외부 전자 장치(402)(예: 도 1의 전자 장치(102 또는 104), 또는 도 2의 전자 장치(201))는 디스플레이(440)(예: 도 1의 디스플레이 모듈(160), 또는 도 2의 디스플레이(261-1 및/또는 261-2)), 카메라(450)(예: 도 1의 카메라 모듈(180), 또는 도 2의 카메라(280-1, 280-2, 및/또는 280-3) 및/또는 시선 추적 센서(276-1 및 276-2)), 센서(460)(예: 도 1의 센서 모듈(176)), 마이크(470)(예: 도 1의 입력 모듈(150), 또는 도 2의 마이크(271-1, 271-2, 및/또는 271-3)), 통신 회로(480)(예: 도 1의 통신 모듈(190)), 및 프로세서(490)(예: 도 1의 프로세서(120))를 포함할 수 있다. 일 실시예에 따르면, 외부 전자 장치(402)는 사용자의 신체의 적어도 일부에 착용 가능할 수 있다. 예를 들어, 외부 전자 장치(402)는 스마트 글래스(smart glasses)와 같은 HMD(head mounted display) 장치일 수 있다.
일 실시예에 따르면, 외부 전자 장치(402)는 AR(augmented reality) 또는 VR(virtual reality) 환경을 제공할 수 있다. 전자 장치(401)는 외부 전자 장치(402)와 통신하며 외부 전자 장치(402)를 통해 사용자에게 제공되는 AR 또는 VR 환경을 제어할 수 있다. 전자 장치(401)는 외부 전자 장치(402)를 통해 AR 또는 VR 환경을 경험하는 사용자에게 음성 인식 서비스를 제공할 수 있다. 예를 들어, 전자 장치(401)는 직접 또는 외부 서버를 통해 음성 인식 서비스를 제공할 수 있다.
이하, 외부 전자 장치(402)의 구성들에 대하여 먼저 설명한다.
외부 전자 장치(402)의 디스플레이(440)는 사용자에게 정보를 시각적으로 제공할 수 있다. 예를 들어, 디스플레이(440)는 이미지 또는 그래픽 사용자 인터페이스를 표시할 수 있다. 디스플레이(440)에 표시되는 이미지 또는 그래픽 사용자 인터페이스(graphic user interface, GUI)는 3차원 이미지 또는 3차원 GUI를 포함할 수 있다. 디스플레이(440)에 표시되는 이미지 또는 GUI는 적어도 하나의 가상 객체를 포함할 수 있다. 적어도 하나의 가상 객체는 어플리케이션(또는, 앱)을 나타내는 아이콘을 포함할 수 있다.
외부 전자 장치(402)의 카메라(450)는 손 추적 카메라(hand tracking camera), 눈 추적 카메라(eye tracking camera), 및/또는 뎁스 카메라(depth camera)를 포함할 수 있다. 손 추적 카메라는 외부 전자 장치(402) 주변의 사용자(또는, 착용자)의 손의 위치 및 제스처를 인식할 수 있다. 눈 추적 카메라는 착용자의 시선을 추적할 수 있다. 뎁스 카메라는, 예를 들어, 적외선 LED(infrared light emitting diode)를 포함할 수 있다. 뎁스 카메라는 외부 전자 장치(402) 주변의 실제 공간의 3차원 지도(3D map)를 생성하고, ToF(time of flight)를 이용하여 외부 전자 장치(402)로부터 주변의 실제 공간 상의 지점까지의 거리를 측정하고, 외부 전자 장치(402)의 현재 위치를 추정할 수 있는 정보를 제공할 수 있다.
외부 전자 장치(402)의 센서(460)는 가속도 센서, 자이로 센서, 및/또는 지자기 센서를 포함할 수 있다. 센서(460)는 사용자의 신체의 특정 힘, 각도, 및 방향을 측정할 수 있다. 센서(460)는 측정된 데이터를 기반으로 사용자의 위치 및 방향을 추정할 수 있다.
외부 전자 장치(402)의 마이크(470)는 외부 전자 장치(402) 주변의 소리(또는, 오디오)를 수신할 수 있다. 예를 들어, 마이크(470)는 외부 전자 장치(402)를 착용한 사용자의 음성, 외부 전자 장치(402) 주변에 있는 외부 전자 장치(402)를 착용하지 않은 자의 음성, 및 그 외 주변 소리를 수신할 수 있다.
외부 전자 장치(402)의 통신 회로(480)는 유무선 통신 네트워크(예: 도 1의 제1 네트워크(198) 또는 제2 네트워크(199))를 통해 전자 장치(401)와 통신할 수 있다. 예를 들어, 통신 회로(480)는 카메라(450) 또는 센서(460)를 통해 획득된 데이터 및 정보를 전자 장치(401)로 송신할 수 있다. 통신 회로(480)는 마이크(470)를 통해 획득된 오디오 데이터를 전자 장치(401)로 송신할 수 있다. 다른 예로, 통신 회로(480)는 전자 장치(401)로부터 제어 신호 및/또는 데이터를 수신할 수 있다.
외부 전자 장치(402)의 프로세서(490)는 디스플레이(440), 카메라(450), 센서(460), 마이크(470), 및 통신 회로(480)와 작동적으로(operatively) 연결될 수 있다. 프로세서(490)는 프로세서(490)에 연결된 외부 전자 장치(402)의 적어도 하나의 다른 구성요소를 제어함으로써 외부 전자 장치(402)의 동작 및 상태를 제어할 수 있다.
도 4에 도시되지는 않았으나, 외부 전자 장치(402)는 다른 구성요소를 더 포함할 수 있다. 예를 들어, 외부 전자 장치(402)는 스피커(예: 도 1의 음향 출력 모듈(155)) 및/또는 메모리(예: 도 1의 메모리(130))를 더 포함할 수 있다. 외부 전자 장치(402)의 스피커(미도시)는 오디오 신호(예: 음성 신호)를 출력할 수 있다. 외부 전자 장치(402)의 메모리(미도시)는 프로세서(490)에 의해 실행되는 하나 이상의 인스트럭션들 및 프로세서(490)에 의해 처리된 데이터를 저장할 수 있다.
프로세서(490)는 카메라(450)를 이용하여 사용자의 시선 데이터를 획득하고, 획득된 데이터에 기반하여 사용자의 시선을 분석할 수 있다. 예를 들어, 프로세서(490)는 AR 또는 VR 환경에서 사용자의 시선에 대응되는 지점을 인식할 수 있다. 예를 들어, 인식된 지점이 디스플레이(440)에 표시된 지정된 가상 객체의 위치에 대응되는 경우, 프로세서(490)는 사용자가 지정된 가상 객체를 바라보고 있음을 감지할 수 있다. 프로세서(490)는 지정된 가상 객체를 바라보는 사용자의 시선을 감지함을 나타내는 정보를 통신 회로(480)를 통해 전자 장치(401)로 송신할 수 있다. 프로세서(490)는 사용자의 시선을 분석한 정보를 전자 장치(401)로 송신할 수 있다. 예를 들어, 사용자의 시선을 분석한 정보는 사용자의 시선에 대응하는 방향, 및/또는 사용자의 시선이 머무르는 시간에 대한 정보를 포함할 수 있다. 예를 들어, 프로세서(490)는 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 감지할 수 있다. 프로세서(490)는 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보를 전자 장치(401)로 송신할 수 있다.
프로세서(490)는 카메라(450) 및/또는 센서(460)를 이용하여 사용자의 얼굴(또는, 표정) 데이터를 획득하고, 획득된 데이터에 기반하여 사용자의 얼굴을 분석할 수 있다. 프로세서(490)는 눈 추적(eye tracking) 기술 및 머리 추적(head tracking) 기술에 기반하여 사용자의 얼굴(또는, 표정)을 분석할 수 있다. 예를 들어, 프로세서(490)는 사용자가 눈을 크게 뜨거나, 눈을 찡그리거나, 머리를 살짝 들어올리는 것으로 사용자의 얼굴을 분석할 수 있다. 프로세서(490)는 사용자의 얼굴을 분석한 정보를 통신 회로(480)를 통해 전자 장치(401)로 송신할 수 있다.
프로세서(490)는 카메라(450)를 이용하여 사용자의 손의 위치 및 움직임 데이터를 획득하고, 획득된 데이터에 기반하여 사용자의 제스처를 분석할 수 있다. 프로세서(490)는 손 추적(hand tracking) 기술에 기반하여 사용자의 손과 관련된 제스처를 분석할 수 있다. 예를 들어, 프로세서(490)는 사용자가 디스플레이(440)에 표시된 지정된 가상 객체를 터치(touch)하거나, 탭(tap)하거나, 쓰다듬거나, 잡는 것으로 사용자의 제스처를 분석할 수 있다. 프로세서(490)는 사용자의 제스처를 분석한 정보를 통신 회로(480)를 통해 전자 장치(401)로 송신할 수 있다.
프로세서(490)는 사용자의 발화 시작 여부(또는, 음성 시작 여부)를 분석할 수 있다. 예를 들어, 프로세서(490)는 사용자의 입모양 분석 및 소리 분석을 통해 발화 시작 여부를 판단할 수 있다. 프로세서(490)는 마이크(470)를 통해 수신된 소리를 분석하고, 센서(460)를 통해 감지된 움직임을 분석하여 사용자의 발화 시작 여부를 판단할 수 있다. 여기서, 사용자는 외부 전자 장치(402)를 착용한 사람을 의미할 수 있다. 예를 들어, 지정된 대역(예: 사람의 음역 대역) 및 지정된 크기 이상의 오디오 신호(예: 음성 신호)가 마이크(470)를 통해 수신되고, 센서(460)에 의해 지정된 움직임(예: 착용자의 발화로 인한 외부 전자 장치(402)의 움직임)이 감지되는 경우, 프로세서(490)는 착용자가 발화를 시작한 것으로 판단할 수 있다. 다른 예로, 지정된 대역(예: 사람의 음역 대역) 및 지정된 크기 이상의 오디오 신호(예: 음성 신호)가 마이크(470)를 통해 수신되었으나, 센서(460)에 의해 지정된 움직임(예: 착용자의 발화로 인한 외부 전자 장치(402)의 움직임)이 감지되지 않는 경우, 프로세서(490)는 외부인이 발화를 시작한 것으로 판단할 수 있다. 또 다른 예로, 지정된 대역(예: 사람의 음역 대역) 및 지정된 크기 이상의 오디오 신호(예: 음성 신호)가 수신되지 않은 경우, 프로세서(490)는 수신된 오디오 신호가 잡음(noise)인 것으로 판단할 수 있다. 프로세서(490)는 사용자의 발화 시작 여부를 분석한 정보를 통신 회로(480)를 통해 전자 장치(401)로 송신할 수 있다.
이하, 전자 장치(401)의 구성들에 대하여 설명한다.
전자 장치(401)의 통신 회로(410)는 유무선 통신 네트워크(예: 도 1의 제1 네트워크(198) 또는 제2 네트워크(199))를 통해 외부 전자 장치(402)와 통신할 수 있다. 예를 들어, 통신 회로(410)는 외부 전자 장치(402)로부터 외부 전자 장치(402)(또는, 프로세서(490))가 분석한 사용자의 시선, 얼굴, 제스처, 및/또는 발화 시작 여부에 대한 정보를 수신할 수 있다. 통신 회로(410)는 외부 전자 장치(402)의 마이크(470)를 통해 수신된 오디오 데이터를 수신할 수 있다. 오디오 데이터는 사용자의 음성 명령에 대응될 수 있다. 일 실시예에 따르면, 사용자의 음성 명령은 웨이크-업 워드(wake-up word)(예: 하이 빅스비(Hi Bixby))를 포함하지 않을 수 있다. 사용자의 음성 명령은 전자 장치(401) 및/또는 외부 전자 장치(402)가 제공하는 기능과 관련된 명령어만을 포함할 수 있다. 통신 회로(410)는 외부 전자 장치(402)를 제어하기 위한 제어 신호 및/또는 데이터를 외부 전자 장치(402)로 송신할 수 있다.
전자 장치(401)의 메모리(420)는 전자 장치(401)의 적어도 하나의 구성요소(예: 통신 회로(410) 또는 프로세서(430))에 의해 사용되는 데이터를 저장할 수 있다. 메모리(420)는 통신 회로(410)를 통해 송수신되는 데이터를 저장할 수 있다. 메모리(420)는 프로세서(430)에 의해 실행되는 하나 이상의 인스트럭션들(instructions)을 저장할 수 있다.
전자 장치(401)의 프로세서(430)는 통신 회로(410) 및 메모리(420)와 작동적으로 연결될 수 있다. 프로세서(430)는 프로세서(430)에 연결된 전자 장치(401)의 적어도 하나의 다른 구성요소를 제어함으로써 전자 장치(401)의 동작 및 상태를 제어할 수 있다.
프로세서(430)는 통신 회로(410)를 통해 외부 전자 장치(402)로부터 사용자의 시선을 분석한 정보를 수신할 수 있다. 예를 들어, 프로세서(430)는 외부 전자 장치(402)의 디스플레이(440)에 표시되는 지정된 가상 객체를 바라보는 사용자의 시선을 감지함을 나타내는 정보 및 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보를 수신할 수 있다. 지정된 가상 객체는, 전자 장치(401)에 설치된 음성 인식 어플리케이션을 나타내는 아이콘을 포함할 수 있다. 본 개시에서, 음성 인식 어플리케이션은 음성 어시스턴트 어플리케이션으로 참조될 수 있다. 전자 장치(401)는 음성 인식 어플리케이션을 통해 외부 전자 장치(402)를 착용한 사용자에게 음성 인식 서비스를 제공할 수 있다. 프로세서(430)는 외부 전자 장치(402)로부터 지정된 가상 객체를 바라보는 사용자의 시선을 감지함을 나타내는 정보를 수신함에 응답하여 사용자의 음성 명령 발화 의도를 결정할 수 있다.
프로세서(430)는 통신 회로(410)를 통해 외부 전자 장치(402)로부터 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴을 분석한 정보, 사용자의 제스처를 분석한 정보, 또는 사용자의 발화 시작 여부를 분석한 정보를 수신할 수 있다. 예를 들어, 프로세서(430)는 외부 전자 장치(402)가 지정된 가상 객체에 대한 사용자의 시선을 감지한 시점으로부터 지정된 시간 이내에 외부 전자 장치(402)(예: 카메라(450), 센서(460), 및/또는 마이크(470))로 입력되는 정보에 기반하여 분석된 정보를 외부 전자 장치(402)로부터 수신할 수 있다.
프로세서(430)는 수신된 분석된 정보에 기반하여 사용자의 음성 명령 발화 의도를 결정할 수 있다. 프로세서(430)는 사용자의 시선을 분석한 정보, 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴을 분석한 정보, 사용자의 제스처를 분석한 정보, 및 사용자의 발화 시작 여부를 분석한 정보에 기반하여 사용자의 음성 명령 발화 의도를 결정할 수 있다. 프로세서(430)는 사용자의 시선을 분석한 정보, 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴을 분석한 정보, 사용자의 제스처를 분석한 정보, 또는 사용자의 발화 시작 여부를 분석한 정보 중 적어도 하나가 지정된 조건을 만족하는지 여부에 기반하여 사용자의 음성 명령 발화 의도를 결정할 수 있다. 예를 들어, 프로세서(430)는 사용자의 시선을 분석한 정보가 지정된 조건을 만족하고, 사용자의 얼굴을 분석한 정보, 사용자의 제스처를 분석한 정보, 또는 사용자의 발화 시작 여부를 분석한 정보 중 적어도 하나가 지정된 조건을 만족하는 경우 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 다른 예로, 프로세서(430)는 사용자의 시선을 분석한 정보가 지정된 조건을 만족하지 않거나, 사용자의 시선을 분석한 정보가 지정된 조건을 만족하더라도 제1 정보, 제2 정보, 및 제3 정보가 지정된 조건을 만족하지 않는 경우 사용자의 음성 명령 발화 의도가 없는 것으로 결정할 수 있다. 사용자의 시선에만 기반하는 경우보다 사용자의 시선에 추가로 사용자의 표정, 제스처, 또는 발화 시작 여부를 더 고려함으로써 전자 장치(401)는 사용자가 음성 명령을 발화할 의도가 있는지 여부를 보다 정확하게 결정할 수 있다.
프로세서(430)는 사용자의 시선을 분석한 정보가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 아이콘)를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우, 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 사용자가 지정된 가상 객체를 지정된 시간 이상 바라본 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다.
일 실시예에 따르면, 프로세서(430)는 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴을 분석한 정보가 지정된 표정을 나타내는 경우, 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 사용자가 지정된 가상 객체를 지정된 시간 이상 바라보고 지정된 표정을 짓는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다. 지정된 표정은, 머신 러닝(machine learning) 알고리즘에 의해 발화 의도가 있는 표정으로 학습된 표정 또는 사용자에 의해 발화 의도가 있는 표정으로 미리 설정된 표정일 수 있다. 지정된 표정은, 예를 들어, 눈을 크게 뜨거나 찡그리는 표정을 짓거나, 머리를 살짝 들어올리는 것을 포함할 수 있다.
일 실시예에 따르면, 프로세서(430)는 사용자의 시선을 감지한 시점에 대응하는 사용자의 제스처를 분석한 정보가 지정된 가상 객체에 대한 제스처를 나타내는 경우, 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 사용자가 지정된 가상 객체를 지정된 시간 이상 바라보고 지정된 가상 객체에 대한 제스처를 취하는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다. 지정된 가상 객체에 대한 제스처는, 예를 들어, 지정된 가상 객체를 터치하거나, 탭하거나, 쓰다듬거나, 잡는 것을 포함할 수 있다.
프로세서(430)는 지정된 가상 객체에 대한 제스처(또는, 제스처의 유형)에 따라 다른 방법으로 사용자의 음성 명령 발화 의도를 결정할 수 있다. 예를 들어, 사용자의 시선을 감지한 시점에 대응하는 사용자의 제스처가 지정된 가상 객체에 대한 제1 제스처인 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다. 사용자의 시선을 감지한 시점에 대응하는 사용자의 제스처가 지정된 가상 객체에 대한 제2 제스처인 경우, 프로세서(430)는 발화 의도를 질문하도록 하는 요청을 외부 전자 장치(402)로 송신할 수 있다. 외부 전자 장치(402)는 상기 요청을 수신함에 응답하여 사용자에게 발화 의도를 묻는 질문(예: "무엇을 도와드릴까요?" 또는 "하실 말씀이 있으신가요?")을 음성 또는 텍스트로 출력할 수 있다. 프로세서(430)는 외부 전자 장치(402)로부터 상기 요청에 대한 응답을 수신할 수 있고, 수신된 응답에 따라 사용자의 음성 명령 발화 의도를 결정할 수 있다.
예를 들어, 사용자로부터 "무엇을 도와드릴까요?"라는 질문에 대하여 "아니야." 또는 "됐어."와 같은 응답을 수신하거나, "하실 말씀이 있으신가요?"라는 질문에 대하여 "없어."와 같은 응답을 수신하는 것과 같이 발화 의도가 없음을 나타내는 응답을 수신하는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 없다고 판단할 수 있다. 사용자로부터 "무엇을 도와드릴까요?"라는 질문 또는 "하실 말씀이 있으신가요?"라는 질문에 대하여 "응", 또는 "OOO 해줘."와 같은 응답을 수신하는 것과 같이 발화 의도가 있음을 나타내는 응답을 수신하거나 음성 명령을 수신하는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다.
일 실시예에 따르면, 제1 제스처는 프로세서(430)가 사용자에게 추가 질문 없이 발화 의도가 있는 것으로 결정하도록 설정된 제스처이다. 제2 제스처는 프로세서(430)가 사용자에게 한번 더 질문한 후 질문에 대한 응답에 기반하여 발화 의도를 결정하도록 설정된 제스처이다. 제1 제스처는 지정된 가상 객체가 나타내는 음성 인식 어플리케이션을 호출하려는 사용자의 의도가 명확한 제스처일 수 있다. 예를 들어, 제1 제스처는 지정된 가상 객체를 탭하는 제스처일 수 있다. 제2 제스처는 지정된 가상 객체가 나타내는 음성 인식 어플리케이션을 호출하려는 사용자의 의도가 불명확한 제스처일 수 있다. 예를 들어, 제2 제스처는 지정된 가상 객체를 쓰다듬는 제스처일 수 있다. 제1 제스처는 머신 러닝 알고리즘에 의해 발화 의도가 명확한 제스처로 학습된 제스처이거나 사용자에 의해 발화 의도가 명확한 제스처로 미리 설정된 제스처일 수 있다. 제2 제스처는 상기 학습된 제스처 또는 상기 미리 설정된 제스처를 제외한 제스처일 수 있다.
일 실시예에 따르면, 프로세서(430)는 사용자의 시선을 감지한 시점에 대응하는 사용자의 발화 시작 여부를 분석한 정보가 사용자가 발화를 시작하였음을 나타내는 경우, 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 사용자는 지정된 가상 객체를 지정된 시간 이상 바라보고 웨이크-업 워드의 발화 없이 명령어를 발화할 수 있다. 예를 들어, 사용자는 명령어를 발화하는 시점에는 지정된 가상 객체를 바라보고 있지 않을 수 있고, 지정된 가상 객체를 지정된 시간 이상 바라본 이후 다른 지점을 바라보는 상태에서 명령어를 발화할 수도 있다. 프로세서(430)는 사용자가 발화를 시작하는 경우, 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다. 여기서, 사용자는 외부 전자 장치(402)를 착용한 사용자일 수 있다. 예를 들어, 사용자의 시선을 감지한 시점에 대응하는 사용자의 발화 시작 여부를 분석한 정보가 외부 전자 장치(402)를 착용한 사용자가 아닌 다른 사용자가 발화를 시작하였음을 나타내는 경우, 프로세서(430)는 지정된 조건을 만족하지 않는 것으로 결정할 수 있다. 다른 예로, 사용자의 시선을 감지한 시점에 대응하는 사용자의 발화 시작 여부를 분석한 정보가 외부 전자 장치(402)로 입력된 소리가 잡음임을 나타내는 경우, 지정된 조건을 만족하지 않는 것으로 결정할 수 있다. 예를 들어, 외부 전자 장치(402)로 입력된 소리가 지정된 대역(예: 사람의 음역 대역)의 오디오 신호(예: 음성 신호)가 아니거나, 지정된 대역(예: 사람의 음역 대역)이더라도 지정된 크기 미만의 오디오 신호인 경우, 입력된 소리는 잡음인 것으로 분석될 수 있다.
프로세서(430)는 사용자와 관련된 컨텍스트 정보에 기반하여 음성 명령에 대한 힌트를 제공할 수 있다. 컨텍스트 정보는 사용자의 음성 인식 어플리케이션에 대한 사용 이력, 또는 사용자의 제스처 중 적어도 하나를 포함할 수 있다. 예를 들어, 컨텍스트 정보는 적어도 하나의 기능을 지원하는 어플리케이션을 나타내는 가상 객체에 대한 제스처를 포함할 수 있다. 예를 들어, 사용자가 AR 환경 또는 VR 환경에서 갤러리 어플리케이션(또는, 음성 인식 어플리케이션을 제외한 다른 어플리케이션)을 나타내는 가상 객체를 잡고 있는 경우, 프로세서(430)는 외부 전자 장치(402)로부터 사용자가 위와 같은 제스처를 취하고 있음을 나타내는 정보를 수신할 수 있다. 프로세서(430)는 사용자가 갤러리 어플리케이션을 나타내는 가상 객체를 잡고 있는 상태에서 음성 인식 어플리케이션을 나타내는 가상 객체를 바라보는 사용자의 시선을 감지함을 나타내는 정보를 외부 전자 장치(402)로부터 수신할 수 있다. 이 경우, 프로세서(430)는 사용자가 잡고 있는 가상 객체에 대응하는 어플리케이션이 지원하는 적어도 하나의 기능을 실행하도록 하는 명령어를 자연어 형태로 외부 전자 장치(402)를 통해 사용자에게 힌트로서 제공할 수 있다. 예를 들어, 사용자가 잡고 있는 가상 객체에 대응하는 어플리케이션이 갤러리 어플리케이션인 경우, 프로세서(430)는 "크게", "종료", 또는"어제 직은 사진 검색해줘."와 같은 적어도 하나의 명령어를 자연어 형태로 제공할 수 있다. 외부 전자 장치(402)는 자연어 형태의 명령어를 음성 또는 텍스트로 사용자에게 제공할 수 있다. 프로세서(430)는 힌트를 제공한 이후, 음성 인식 어플리케이션을 나타내는 가상 객체를 바라보는 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴, 제스처, 또는 발화 시작 여부에 대하여 분석된 정보 중 적어도 하나가 지정된 조건을 만족하는 경우, 사용자가 잡고 있는 가상 객체에 대한 사용자의 음성 명령 발화 의도가 있다고 판단할 수 있다.
다른 예로, 컨텍스트 정보는 사용자의 음성 인식 어플리케이션에 대한 사용 이력을 포함할 수 있다. 예를 들어, 사용 이력은 사용자가 음성 인식 어플리케이션 실행 시 지정된 빈도 이상 발화한 명령어, 최근에 발화한 명령어, 및/또는 지정된 횟수 이상 발화한 명령어에 대한 정보를 포함할 수 있다. 프로세서(430)는 지정된 빈도 이상 발화된 명령어, 최근에 발화된 명령어, 및/또는 지정된 횟수 이상 발화된 명령어를 자연어 형태로 외부 전자 장치(402)를 통해 사용자에게 힌트로서 제공할 수 있다.
일 실시예에 따르면, 프로세서(430)는 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 아이콘)에 대한 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보를 외부 전자 장치(402)로부터 수신할 수 있다. 프로세서(430)는 해당 정보를 수신한 경우, 발화 의도를 질문하도록 하는 요청을 외부 전자 장치(402)로 송신할 수 있다. 외부 전자 장치(402)는 상기 요청을 수신함에 응답하여 사용자에게 발화 의도를 묻는 질문을 음성 또는 텍스트로 출력할 수 있다. 프로세서(430)는 외부 전자 장치(402)로부터 상기 요청에 대한 응답을 수신할 수 있고, 수신된 응답에 따라 사용자의 음성 명령 발화 의도를 결정할 수 있다.
예를 들어, 프로세서(430)는 외부 전자 장치(402)를 통해 사용자에게 "하실 말씀이 있으신가요?"라는 질문을 할 수 있다. 사용자는 질문에 대하여 "응." 또는 "아니."의 응답을 할 수 있다. 예를 들어, 외부 전자 장치(402)를 통해 사용자로부터 "응."이라는 응답을 수신하는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 있다고 판단할 수 있다. 외부 전자 장치(402)를 통해 사용자로부터 "아니."라는 응답을 수신하는 경우, 프로세서(430)는 사용자가 음성 명령을 발화할 의도가 없다고 판단할 수 있다.
예를 들어, 프로세서(430)는 사용자의 시선이 감지된 시점에 대응하는 사용자의 얼굴, 제스처, 및 발화 시작 여부를 분석한 정보가 지정된 조건을 만족하는지 여부와 관계없이, 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보의 수신에 응답하여 발화 의도를 질문하도록 하는 요청을 외부 전자 장치(402)로 송신하고, 외부 전자 장치(402)로부터 수신된 응답에 따라 사용자의 음성 명령 발화 의도를 결정할 수 있다. 다른 예로, 상술한 바와 같이, 프로세서(430)는 사용자의 시선이 감지된 시점에 대응하는 사용자의 얼굴, 제스처, 및 발화 시작 여부를 분석한 정보가 지정된 조건을 만족하는지 여부와 관계없이, 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보의 수신에 응답하여, 사용자에게 발화 의도를 질문하지 않고, 사용자의 음성 명령 발화 의도가 있는 것으로 결정할 수 있다.
프로세서(430)는 사용자의 음성 명령 발화 의도가 있는 것으로 결정함에 따라, 메모리(420)에 저장된 음성 인식 어플리케이션을 실행할 수 있다. 프로세서(430)는 음성 인식 어플리케이션을 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 예를 들어, 사용자의 음성 명령을 수신할 수 있는 상태는, 리스닝 모드(listening mode)로 참조될 수 있다.
프로세서(430)는 통신 회로(410)를 통해 외부 전자 장치(402)로부터 사용자의 음성 입력에 대응하는 오디오 데이터를 수신할 수 있다. 사용자의 음성 입력은 외부 전자 장치(402)의 마이크(470)를 통해 입력될 수 있다. 사용자의 음성 입력은 웨이크-업 워드를 포함하지 않을 수 있다. 사용자의 음성 입력은 전자 장치(401) 및/또는 외부 전자 장치(402)가 제공하는 기능과 관련된 명령어만을 포함할 수 있다.
프로세서(430)는 음성 인식 어플리케이션을 통해 음성 입력에 대응하는 명령을 실행할 수 있다. 예를 들어, 프로세서(430)는 음성 입력에 대응하는 오디오 데이터를 텍스트 데이터로 변환하고, 변환된 텍스트 데이터를 이용하여 사용자의 의도를 결정하고, 결정된 사용자의 의도에 기초하여 하나 이상의 동작을 실행함으로써 음성 입력에 대응하는 명령을 실행할 수 있다. 다른 예로, 프로세서(430)는 상술한 동작의 적어도 일부를 외부 서버(예: 지능형 서버)를 통해 처리할 수도 있다. 예를 들어, 프로세서(430)는 음성 입력에 대응하는 오디오 데이터를 텍스트 데이터로 변환한 후, 변환된 텍스트 데이터를 통신 회로(410)를 통해 외부 서버로 전송할 수 있다. 프로세서(430)는 외부 서버로부터 사용자의 의도 및/또는 하나 이상의 동작에 대한 정보를 수신하고, 수신된 정보에 기반하여 하나 이상의 동작을 실행함으로써 음성 입력에 대응하는 명령을 실행할 수도 있다.
예를 들어, 프로세서(430)는 음성 입력에 대응하는 명령의 실행 결과를 통신 회로(430)를 통해 외부 전자 장치(402)로 전송하여, 외부 전자 장치(402)의 디스플레이를 통해 표시할 수 있다.
프로세서(430)는 음성 인식 어플리케이션을 실행한 이후 지정된 시간 이내에 사용자의 음성 입력이 수신되지 않는 경우, 음성 인식 어플리케이션의 실행을 종료할 수 있다.
프로세서(430)는 외부 전자 장치(402)로부터 수신한 사용자의 시선, 얼굴, 제스처, 및 발화 시작 여부에 대한 분석 정보와 음성 인식 어플리케이션의 실제 사용 여부에 관한 정보를 이용하여 발화 의도 결정 모델을 구축하고 학습시킬 수 있다. 음성 인식 어플리케이션의 실제 사용 여부는, 분석 정보에 기반하여 음성 인식 어플리케이션이 실행된 이후, 음성 명령에 대응하는 사용자의 음성 입력이 수신되었는지 여부 또는 음성 입력에 대응하는 음성 명령이 실행되었는지 여부 중 적어도 하나를 포함할 수 있다. 예를 들어, 프로세서(430)는 음성 인식 어플리케이션이 실행된 이후 음성 명령에 대응하는 사용자의 음성 입력이 수신되었거나, 수신된 사용자의 음성 입력에 대응하는 음성 명령이 실행된 경우, 음성 인식 어플리케이션의 실행에 기반이 된 분석 정보를 사용자의 음성 명령 발화 의도가 있다는 결과 값과 함께 학습시킬 수 있다. 프로세서(430)는 음성 인식 어플리케이션이 실행된 이후 음성 명령에 대응하는 사용자의 음성 입력이 수신되지 않거나, 수신된 사용자의 음성 입력에 대응하는 음성 명령이 실행되지 않은 경우, 음성 인식 어플리케이션의 실행에 기반이 된 분석 정보를 사용자의 음성 명령 발화 의도가 없다는 결과 값과 함께 학습시킬 수 있다.
프로세서(430)는 발화 의도 결정 모델을 구축 및 학습시킴으로써 보다 정밀하게 발화 의도를 결정할 수 있고, 모델을 사용할수록 사용자에게 개인화시켜 보다 자연스럽게 음성 인식 어플리케이션을 활용할 수 있다.
이하, 도 5를 참조하여 사용자의 음성 명령 발화 의도를 판단하는 시스템(500) 및 그 시스템(500)의 동작 방법에 대하여 설명한다. 사용자의 음성 명령 발화 의도를 판단하는 시스템(500)은 도 4의 전자 장치(401) 및 외부 전자 장치(402)를 포함할 수 있다.
도 5는 일 실시예에 따른 전자 장치 및 외부 전자 장치의 소프트웨어 모듈을 나타낸 블록도이다. 도 5에 도시된 전자 장치 및 외부 전자 장치의 소프트웨어 모듈들은 도 4에 도시된 전자 장치 및 외부 전자 장치의 하드웨어 구성들에 의하여 구현될 수 있다.
일 실시예에 따르면, 외부 전자 장치(402)는 시선 분석기(510), 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)를 포함할 수 있다.
시선 분석기(510)는 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 바라보았는지 아닌지 여부를 판단할 수 있다. 시선 분석기(510)는 사용자의 시선이 지정된 가상 객체에 머무른 시간을 판단할 수 있다. 시선 분석기(510)는 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속되었는지 여부를 판단할 수 있다. 지정된 가상 객체는, 예를 들어, 아이콘(icon) 또는 별도의 이미지 객체로 구현될 수 있다.
얼굴 분석기(520)는 외부 전자 장치(402)에 탑재된 카메라 및/또는 센서를 이용한 눈 추적 및/또는 머리 추적 기술을 기반으로 사용자의 얼굴 표정 및/또는 얼굴과 관련된 제스처를 인식할 수 있다. 예를 들어, 얼굴 분석기(520)는 사용자의 눈의 크기가 확장되거나, 사용자의 머리를 살짝 들어올리는 제스처를 인식할 수 있다.
제스처 분석기(530)는 외부 전자 장치(402)에 탑재된 카메라를 이용한 손 추적 기술을 기반으로 사용자의 손과 관련된 제스처를 인식할 수 있다. 예를 들어, 제스처 분석기(530)는 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 톡톡 쳐서 부르는 제스처를 인식할 수 있다. 다른 예로, 제스처 분석기(530)는 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)가 아닌 다른 가상 객체를 잡고 있는 제스처를 인식할 수 있다. 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)가 아닌 다른 가상 객체는 적어도 하나의 기능을 지원하는 어플리케이션을 나타내는 가상 객체일 수 있다. 다른 가상 객체는, 예를 들어, 갤러리 어플리케이션일 수 있다.
발화 시작 분석기(540)는 음성 활동 감지(voice activity detection, VAD) 기술을 기반으로 사용자의 발화 여부 및 외부인의 발화 여부를 감지할 수 있다. 여기서, 사용자란 외부 전자 장치(402)를 착용한 자를 의미하고, 외부인은 외부 전자 장치(402)를 착용하지 않은 자를 의미할 수 있다. 발화 시작 분석기(540)는 수신된 오디오 신호로부터 지정된 음역 대역(예: 사람의 음역 대역) 및 지정된 크기 이상의 오디오 신호(예: 음성 신호)를 감지할 수 있다. 발화 시작 분석기(540)는 음성 신호가 감지되는 동안 지정된 움직임(예: 착용자의 발화로 인한 움직임)이 감지되는지 여부에 기반하여 사용자가 발화하는지, 외부인이 발화하는지 여부를 결정할 수 있다. 예를 들어, 발화 시작 분석기(540)는 음성 신호가 감지되고, 음성 신호가 감지되는 동안 착용자의 발화로 인한 움직임이 감지된 경우, 사용자가 발화를 시작한 것으로 판단할 수 있다. 발화 시작 분석기(540)는 음성 신호가 감지되고, 음성 신호가 감지되는 동안 착용자의 발화로 인한 움직임이 감지되지 않은 경우, 외부인이 발화를 시작한 것으로 판단할 수 있다.
얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)는 각각 시선 분석기(510)에 의해 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 바라보는 사용자의 시선이 감지된 시점으로부터 지정된 시간 이내에 입력된 정보에 기반하여 사용자의 얼굴, 제스처, 및 발화 시작 여부를 분석할 수 있다.
외부 전자 장치(402)의 시선 분석기(510), 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)는 각각 분석 정보를 전자 장치(401)로 송신할 수 있다.
일 실시예에 따르면, 전자 장치(401)는 발화 의도 결정 모듈(550), 학습 모듈(560), 및 실행 모듈(570)을 포함할 수 있다. 발화 의도 결정 모듈(550)은 외부 전자 장치(402)의 시선 분석기(510), 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)로부터 각각 분석 정보를 수신할 수 있다. 발화 의도 결정 모듈(550)은 시선 분석기(510)로부터 수신한 분석 정보에 따라 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 바라보고 있음에 기반하여 사용자의 음성 명령 발화 의도를 일차적으로 판단할 수 있다. 발화 의도 결정 모듈(550)은 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 바라보고 있는 경우, 사용자가 음성 명령을 발화할 의도가 있다고 일차적으로 판단할 수 있다. 예를 들어, 발화 의도 결정 모듈(550)은 사용자가 음성 인식 어플리케이션을 나타내는 지정된 가상 객체를 지정된 시간 이상 바라보고 있는 경우, 사용자가 음성 명령을 발화할 의도가 있다고 판단하여, 음성 인식 어플리케이션을 실행하고 음성 인식 어플리케이션을 사용자의 음성 명령을 수신할 수 있는 상태(예: 리스닝 모드)로 제어할 수 있다.
발화 의도 결정 모듈(550)은 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)로부터 수신한 분석 정보 중 적어도 하나가 지정된 조건을 만족하는지 여부에 기반하여 사용자의 음성 명령 발화 의도를 최종적으로 판단할 수 있다. 발화 의도 결정 모듈(550)은 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)로부터 수신한 분석 정보 중 적어도 하나가 지정된 조건을 만족하는 경우 사용자가 음성 명령을 발화할 의도가 있다고 최종적으로 판단할 수 있다.
발화 의도 결정 모듈(550)은 얼굴 분석기(520)로부터 수신한 분석 정보가 사용자가 지정된 표정임을 나타내는 경우 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 발화 의도 결정 모듈(550)은 얼굴 분석기(520)로부터 사용자가 눈을 크게 뜨거나 눈을 찡그리거나 머리를 살짝 들어올림을 나타내는 분석 정보를 수신한 경우, 얼굴 분석기(520)로부터 수신한 분석 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다.
발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 수신한 분석 정보가 사용자의 지정된 가상 객체에 대한 제스처를 나타내는 경우 지정된 조건을 만족하는 것으로 결정할 수 있다. 예를 들어, 발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 사용자가 지정된 가상 객체를 톡톡 침을 나타내는 분석 정보를 수신한 경우, 수신한 분석 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다.
발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 수신한 사용자의 제스처(또는, 제스처 유형)에 따라 사용자의 발화 의도를 결정하는 방법을 달리할 수 있다. 예를 들어, 발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 사용자가 지정된 가상 객체를 쓰다듬음을 나타내는 분석 정보를 수신한 경우, 사용자에게 발화 의도를 한번 더 질문하고, 질문에 대한 응답에 따라 발화 의도를 결정할 수 있다.
발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 지정된 가상 객체가 아닌 다른 가상 객체에 대한 제스처를 수신한 경우, 사용자가 다른 가상 객체에 대한 발화 의도가 있는 것으로 결정할 수 있다. 예를 들어, 발화 의도 결정 모듈(550)은 제스처 분석기(530)로부터 사용자가 갤러리 어플리케이션을 나타내는 가상 객체를 잡고 있음을 나타내는 분석 정보를 수신한 경우, 사용자가 갤러리 어플리케이션에 대한 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다.
발화 의도 결정 모듈(550)은 발화 시작 분석기(540)로부터 수신한 분석 정보가 사용자가 발화를 시작하였음을 나타내는 경우 지정된 조건을 만족하는 것으로 결정할 수 있다. 사용자는 외부 전자 장치(402)의 착용자로 참조될 수 있다. 발화 의도 결정 모듈(550)은 발화 시작 분석기(540)로부터 수신한 분석 정보가 사용자가 아닌 다른 사용자가 발화를 시작하였음을 나타내는 경우 지정된 조건을 만족하지 않는 것으로 결정할 수 있다. 다른 사용자는 외부인, 또는 외부 전자 장치(402)의 착용자가 아닌 자로 참조될 수 있다. 발화 의도 결정 모듈(550)은 발화 시작 분석기(540)로부터 수신한 분석 정보가 외부 전자 장치(402)로 입력된 소리가 잡음임을 나타내는 경우 지정된 조건을 만족하지 않는 것으로 결정할 수 있다.
발화 의도 결정 모듈(550)은 시선 분석기(510)로부터 수신한 분석 정보가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)에 대한 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우, 사용자의 발화 의도를 질문하고, 질문에 대한 응답에 따라 발화 의도를 결정할 수 있다. 발화 의도 결정 모듈(550)은 시선 분석기(510)로부터 수신한 분석 정보가 음성 인식 어플리케이션을 나타내는 지정된 가상 객체에 대한 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우, 사용자의 발화 의도를 질문하지 않고, 발화 의도가 있는 것으로 결정할 수도 있다.
발화 의도 결정 모듈(550)은 학습 모듈(560)에 의해 구축 및 학습된 모델에 기반하여 사용자의 음성 명령 발화 의도를 보다 정확하게 결정할 수 있다. 학습 모듈(560)은 시선 분석기(510), 얼굴 분석기(520), 제스처 분석기(530), 및 발화 시작 분석기(540)로부터 수신한 분석 정보와 사용자가 음성 명령을 실제로 발화하였는지 여부에 대한 정보를 이용하여 머신 러닝 알고리즘을 기반으로 모델을 학습시킬 수 있다.
실행 모듈(570)은 발화 의도 결정 모듈(550)을 통해 사용자가 음성 명령을 발화할 의도가 있는 것으로 판단된 경우 음성 인식 어플리케이션을 실행하고, 음성 인식 어플리케이션을 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 예를 들어, 실행 모듈(570)은 음성 인식 어플리케이션을 실행하고 음성 인식 어플리케이션을 리스닝 모드(listening mode)로 전환할 수 있다.
이하, 도 6을 참조하여 발화 시작 분석기(540)에 대해 보다 상세히 설명한다.
도 6은 일 실시예에 따른 발화 시작 분석기의 블록도이다. 도 6에 도시된 발화 시작 분석기(540)는 사용자의 발화 시작 여부를 판단하기 위한 하드웨어 모듈 및 소프트웨어 모듈을 포함할 수 있다.
일 실시예에 따르면, 발화 시작 분석기(540)는 오디오 수신 회로(610), 전처리 모듈(620), VAD(voice activity detection) 모듈(630), 및 센서 회로(640)를 포함할 수 있다. 오디오 수신 회로(610)는 외부 전자 장치(402)의 외부로부터 들어오는 오디오 신호를 수신할 수 있다. 본 개시에서, 오디오 수신 회로(610)는 마이크로 참조될 수 있다. 전처리 모듈(620)은 오디오 수신 회로(610)를 통해 수신된 오디오 신호를 전처리할 수 있다. 오디오 수신 회로(610)를 통해 수신된 전처리되지 않은 오디오 신호 및 오디오 수신 회로(610)를 통해 수신되어 전처리 모듈(620)을 통해 전처리된 오디오 신호는 VAD 모듈(630)에 전달될 수 있다. 센서 회로(640)는 외부 전자 장치(402)의 움직임을 감지할 수 있다. 센서 회로(640)는, 예를 들어, 모션 센서, 가속도 센서, 및/또는 자이로 센서를 포함할 수 있다. 센서 회로(640)를 통해 감지된 장치의 움직임은 VAD 모듈(630)에 전달될 수 있다.
VAD 모듈(630)은 오디오 신호 및 장치의 움직임 정보를 이용하여 외부 전자 장치(402)를 착용한 사용자의 발화 시작 여부를 판단할 수 있다. VAD 모듈(630)은 오디오 신호의 대역 및 크기에 기반하여 음성 신호를 감지할 수 있다. 예를 들어, VAD 모듈(630)은 사람의 음역 대역에서 지정된 크기 이상의 오디오 신호로부터 음성 신호를 감지하 수 있다. VAD 모듈(630)은 음성 신호가 감지되는 동안 센서 회로(640)를 이용하여 장치의 움직임을 감지할 수 있다. 예를 들어, VAD 모듈(630)은 음성 신호가 감지되는 동안 지정된 움직임이 감지되는 경우, 착용자가 발화하고 있음을 감지할 수 있다. 지정된 움직임은 착용자의 발화로 인한 장치의 움직임을 의미할 수 있다. 지정된 움직임은 움직임 또는 진동의 형태로 센서 회로(640)에 의해 감지될 수 있다. VAD 모듈(630)은 음성 신호 및 지정된 움직임에 기반하여 착용자의 발화의 시작 시간과 끝 시간에 대한 정보를 획득할 수 있다. VAD 모듈(630)은 음성 신호가 감지되는 동안 지정된 움직임이 감지되지 않는 경우, 외부인(예: 착용자가 아닌 사람)이 발화하고 있음을 감지할 수 있다.
일 실시예에 따르면, 발화 시작 분석기(540)는 사용자의 발화인지 외부인의 발화인지 감지함에 있어서 상이한 마이크를 이용할 수 있다. 예를 들어, 외부 전자 장치(402)는 내부 마이크 및 외부 마이크를 포함할 수 있다. 예를 들어, 내부 마이크는 착용자를 향하는 방향으로 배치되고, 외부 마이크는 착용자의 외부를 향하는 방향(예: 착용자가 마주하는 방향)으로 배치될 수 있다. 발화 시작 분석기(540)는 외부 마이크를 이용하여 외부인의 발화를 감지할 수 있고, 내부 마이크를 이용하여 착용자의 발화를 감지할 수 있다. 발화 시작 분석기(540)는 내부 마이크를 통해 수신되는 음성 신호와 센서 회로(640)를 통해 수신되는 장치의 움직임 정보에 기반하여 착용자의 발화 시작 여부를 결정할 수 있다.
이하, 도 7을 참조하여 일 실시예에 따른 전자 장치의 동작에 대하여 설명한다.
도 7은 일 실시예에 따른 전자 장치의 동작을 나타낸 흐름도이다. 도 7에 도시된 동작들은 도 4의 전자 장치(401) 또는 전자 장치(401)의 프로세서(430)에 의해 수행될 수 있다.
동작 701에서, 전자 장치는 사용자의 시선 이벤트를 감지할 수 있다. 시선 이벤트는 사용자가 지정된 가상 객체(예: 음성 인식 어플리케이션을 나타내는 가상 객체)를 바라보는 것일 수 있다. 전자 장치는 전자 장치와 통신 연결된 외부 전자 장치(예: 도 4의 외부 전자 장치(402))를 통해 사용자가 지정된 가상 객체를 바라봄을 감지할 수 있다. 전자 장치는 외부 전자 장치를 통해 사용자가 지정된 가상 객체를 지정된 시간 이상 지속적으로 바라봄을 감지할 수 있다.
동작 703에서, 전자 장치는 얼굴 인식, 제스처 인식, 및 발화 시작 인식을 이용하여 발화 의도를 결정할 수 있다. 전자 장치는 외부 전자 장치를 통해 시선 이벤트가 감지된 시점에 대응하는 사용자의 얼굴, 제스처, 및 발화 시작을 인식할 수 있다. 전자 장치는 인식된 사용자의 얼굴, 제스처, 및 발화 시작 여부에 대한 정보에 기반하여 사용자의 발화 의도 유무를 결정할 수 있다. 전자 장치는 인식된 사용자의 얼굴, 제스처, 및 발화 시작 여부에 대한 정보 중 적어도 하나가 지정된 조건을 만족하는 경우 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 지정된 조건은 인식된 사용자의 얼굴에 대한 정보가 지정된 표정을 나타내는 것을 포함할 수 있다. 예를 들어, 전자 장치는 사용자가 눈을 크게 뜨는 것을 인식함에 기반하여 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 지정된 조건은 인식된 사용자의 제스처에 대한 정보가 음성 인식 어플리케이션을 나타내는 가상 객체에 대한 제스처를 나타내는 것을 포함할 수 있다. 예를 들어, 전자 장치는 사용자가 음성 인식 어플리케이션을 나타내는 가상 객체를 탭(tap)하는 것을 인식함에 기반하여 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 지정된 조건은 인식된 사용자의 발화 시작 여부에 대한 정보가 착용자가 발화를 시작하였음을 나타내는 것을 포함할 수 있다. 예를 들어, 전자 장치는 착용자가 발화를 시작하였음을 인식함에 기반하여 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다.
예를 들어, 전자 장치는 동작 701에서 사용자가 음성 인식 어플리케이션을 나타내는 가상 객체를 지정된 시간 이상 바라보는 것을 감지함에 기반하여, 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 상술한 동작 703은, 전자 장치가 동작 701을 수행함에 따라 사용자가 지정된 가상 객체를 바라보는 지정된 시간 이상 지속적으로 바라봄을 감지하고 사용자의 얼굴, 제스처, 및 발화 시작 여부에 대한 정보 중 적어도 하나가 지정된 조건을 만족함에 기반하여 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정하는 동작을 포함할 수 있다. 다른 예로, 전자 장치는 사용자가 음성 인식 어플리케이션을 나타내는 가상 객체를 지정된 시간 이상 바라보는 것을 감지한 경우 사용자의 얼굴, 제스처, 및 발화 시작 여부에 대한 정보 중 적어도 하나가 지정된 조건을 만족하는지 여부와 관계 없이 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수도 있다.
동작 705에서, 전자 장치는 사용자의 발화 의도가 있는지 여부를 확인할 수 있다. 전자 장치는 동작 703에 의해 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정된 경우, 동작 707을 수행할 수 있다. 전자 장치는 동작 703에 의해 사용자가 음성 명령을 발화할 의도가 없는 것으로 결정된 경우, 다음 시선 이벤트를 감지할 때까지 대기할 수 있다.
동작 707에서, 전자 장치는 음성 어시스턴트를 실행하고, 사용자의 음성 명령을 수신할 수 있다. 음성 어시스턴트는 음성 인식 서비스를 제공하는 음성 인식 어플리케이션으로 참조될 수 있다. 예를 들어, 전자 장치는 음성 인식 어플리케이션을 실행함으로써 음성 어시스턴트를 실행할 수 있다. 전자 장치는 음성 인식 어플리케이션을 리스닝 모드로 전환함으로써 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 전자 장치는 리스닝 모드에서 외부 전자 장치를 통해 음성 명령을 수신할 수 있다.
이하, 도 8 및 도 9를 참조하여 일 실시예에 따른 전자 장치가 제공하는 사용자 인터페이스에 대하여 설명한다. 도 8 및 도 9에 도시된 전자 장치(801)는 도 4의 전자 장치(401)일 수 있다. 도 8 및 도 9에 도시된 외부 전자 장치(802)는 도 4의 외부 전자 장치(402)일 수 있다.
도 8은 일 실시예에 따른 전자 장치가 제공하는 사용자 인터페이스를 나타낸 도면(800)이다.
도 8을 참조하면, 외부 전자 장치(802)를 착용한 사용자(810)는 음성 인식 어플리케이션을 나타내는 가상 객체(820)를 바라볼 수 있다. 가상 객체(820)는, 예를 들어, 음성 인식 어플리케이션을 나타내는 아이콘, 캐릭터 이미지, 또는 아바타일 수 있다. 전자 장치(801)는 외부 전자 장치(802)로부터 가상 객체(820)를 바라보는 사용자의 시선을 감지함을 나타내는 정보를 수신할 수 있다. 전자 장치(801)는 사용자의 시선을 분석한 정보를 수신할 수 있다. 전자 장치(801)는 외부 전자 장치(802)로부터 가상 객체(820)를 바라보는 사용자의 시선을 감지한 시점에 대응하는 사용자의 얼굴, 제스처, 또는 발화 시작 여부를 분석한 정보를 수신할 수 있다. 예를 들어, 전자 장치(801)는 수신한 분석된 정보 중 사용자의 시선을 분석한 정보와 사용자의 얼굴, 제스처, 또는 발화 시작 여부를 분석한 정보 중 적어도 하나가 지정된 조건을 만족함에 기반하여, 전자 장치(801)의 음성 인식 어플리케이션을 실행하고, 음성 인식 어플리케이션을 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 다른 예로, 전자 장치(801)는 사용자의 시선을 분석한 정보가 지정된 조건(예: 가상 객체(820)를 바라보는 사용자의 시선이 지정된 시간 이상 지속될 것)을 만족하는 경우, 음성 인식 어플리케이션을 실행하여 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 전자 장치(801)는 사용자의 시선에 기반하여 음성 인식 어플리케이션을 실행한 이후, 사용자의 얼굴, 제스처, 또는 발화 시작 여부를 분석한 정보에 기반하여 수신되는 사용자의 음성 명령에 대응하는 응답을 제공할지 여부를 결정할 수 있다.
예를 들어, 사용자(810)는 가상 객체(820)를 바라보는 상태에서 발화할 수 있다. 전자 장치(801)는 외부 전자 장치(802)로부터 가상 객체(820)를 바라보는 상태에서의 사용자 발화(830)에 대응하는 음성 입력을 수신할 수 있다. 사용자 발화(830)는 웨이크-업 워드(wake-up word)(예: "하이 빅스비")를 포함하지 않고, 명령어(예: "오늘 몇일이야?")만을 포함할 수 있다. 다른 예로, 사용자(810)는 가상 객체(820)를 지정된 시간(예: N초) 이상 바라본 이후 다른 지점을 바라보는 상태에서 발화할 수도 있다. 상술한 바와 같이, 전자 장치(801)는 가상 객체(820)를 바라보는 사용자의 시선이 지정된 시간 이상 지속되는 경우 음성 인식 어플리케이션을 실행하고 음성 인식 어플리케이션을 음성 명령을 수신할 수 있는 상태로 제어할 수 있고, 외부 전자 장치(802)로부터 수신되는 웨이크-업 워드를 포함하지 않는 사용자 발화(830)에 대응하는 음성 명령을 실행할 수 있다.
전자 장치(801)는 사용자 발화(830)에 대응하는 명령을 실행한 결과(예: 사용자 인터페이스(840))를 외부 전자 장치(802)를 통해 제공할 수 있다. 예를 들어, 전자 장치(801)는 날짜 정보를 포함하는 사용자 인터페이스(840)를 외부 전자 장치(802)의 디스플레이(예: 도 4의 디스플레이(440))에 표시할 수 있다.
도 9는 일 실시예에 따른 전자 장치가 제공하는 사용자 인터페이스를 나타낸 도면(900)이다.
도 9를 참조하면, 외부 전자 장치(802)를 착용한 사용자(810)는 음성 인식 어플리케이션을 나타내는 가상 객체(820)를 바라보지 않고 다른 곳을 바라볼 수 있다. 사용자(810)는 가상 객체(820)를 바라보지 않은 상태에서 발화할 수 있다. 전자 장치(801)는 외부 전자 장치(802)로부터 가상 객체(820)를 바라보지 않은 상태에서의 사용자 발화(930)에 대응하는 음성 입력을 수신할 수 있다. 사용자 발화(930)는 웨이크-업 워드(wake-up word)(예: "하이 빅스비")를 포함할 수 있다. 전자 장치(801)는 사용자 발화(930)에 포함된 웨이크-업 워드를 인식함에 기반하여 음성 인식 어플리케이션을 실행하고, 음성 인식 어플리케이션을 음성 명령을 수신할 수 있는 상태로 제어할 수 있다
전자 장치(801)는 웨이크-업 워드 이후에 수신된 사용자 발화에 대응하는 명령을 실행할 수 있다. 사용자 발화(930)는 웨이크-업 워드 이후에 명령어(예: "30초 타이머(timer) 시작해줘.")를 포함할 수 있다. 전자 장치(801)는 사용자 발화(930)에 대응하는 명령을 실행한 결과(예: 사용자 인터페이스(940))를 외부 전자 장치(802)를 통해 제공할 수 있다. 예를 들어, 전자 장치(801)는 타이머(timer) 어플리케이션의 사용자 인터페이스(940)를 외부 전자 장치(802)의 디스플레이(예: 도 4의 디스플레이(440))에 표시할 수 있다.
이하, 도 10을 참조하여 일 실시예에 따른 전자 장치의 동작에 대하여 설명한다.
도 10은 일 실시예에 따른 전자 장치의 동작을 나타낸 흐름도(1000)이다. 후술하는 전자 장치의 동작들은 도 4의 전자 장치(401) 또는 전자 장치(401)의 프로세서(430)에 의해 수행될 수 있다. 후술하는 외부 전자 장치의 동작들은 도 4의 외부 전자 장치(402) 또는 전자 장치(402)의 프로세서(490)에 의해 수행될 수 있다.
동작 1001에서, 전자 장치는 사용자의 시선을 감지함을 나타내는 정보를 외부 전자 장치로부터 수신할 수 있다. 전자 장치는 외부 전자 장치의 디스플레이(예: 도 4의 디스플레이(440))에 표시되는 지정된 객체를 바라보는 사용자의 시선을 감지함을 나타내는 정보를 통신 회로(예: 도 4의 통신 회로(410))를 통해 외부 전자 장치로부터 수신할 수 있다. 외부 전자 장치는 사용자의 신체의 적어도 일부에 착용 가능할 수 있다. 지정된 객체는 음성 인식 어플리케이션을 나타내는 가상 객체일 수 있다.
동작 1003에서, 전자 장치는 사용자의 시선을 분석한 정보를 외부 전자 장치로부터 수신할 수 있다. 사용자의 시선을 분석한 정보는 외부 전자 장치의 카메라(예: 도 4의 카메라(450)) 및/또는 센서(예: 도 4의 센서(460))에 입력된 정보를 이용하여 획득될 수 있다. 예를 들어, 사용자의 시선을 분석한 정보는 사용자의 시선에 대응하는 방향 및/또는 사용자의 시선이 머무르는 시간에 대한 정보를 포함할 수 있다.
동작 1005에서, 전자 장치는 사용자의 얼굴을 분석한 제1 정보, 사용자의 제스처를 분석한 제2 정보, 또는 사용자의 발화 시작 여부를 분석한 제3 정보를 외부 전자 장치로부터 수신할 수 있다. 전자 장치는 외부 전자 장치로부터 사용자의 시선을 감지한 시점에 대응하는 제1 정보, 제2 정보, 또는 제3 정보를 수신할 수 있다. 제1 정보, 제2 정보, 및 제3 정보는 사용자의 시선을 감지한 시점으로부터 지정된 시간 이내에 외부 전자 장치에 입력되는 정보에 기반하여 분석된 정보를 포함할 수 있다. 예를 들어, 제1 정보는 외부 전자 장치가 카메라(예: 도 4의 카메라(450)) 및/또는 센서(예: 도 4의 센서(460))에 입력된 정보를 이용하여 눈 추적(eye tracking) 및 머리 추적(head tracking) 기술을 기반으로 사용자의 얼굴을 분석한 정보일 수 있다. 예를 들어, 제2 정보는 외부 전자 장치가 카메라에 입력된 정보를 이용하여 손 추적(hand tracking) 기술을 기반으로 사용자의 제스처를 분석한 정보일 수 있다. 예를 들어, 제3 정보는 외부 전자 장치가 마이크를 통해 수신된 오디오 신호와 센서를 통해 감지된 움직임 정보에 기반하여 외부 전자 장치의 착용자의 발화 시작 여부를 분석한 정보일 수 있다.
동작 1005에서, 전자 장치는 사용자의 음성 명령 발화 의도를 결정할 수 있다. 전자 장치는 제1 정보, 제2 정보 또는 제3 정보 중 적어도 하나와 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 사용자의 음성 명령 발화 의도를 결정할 수 있다. 전자 장치는 사용자의 시선을 분석한 정보가 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다. 전자 장치는 제1 정보가 지정된 표정을 나타내는 경우 제1 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다. 지정된 표정은, 머신 러닝(machine learning) 알고리즘에 의해 발화 의도가 있는 표정으로 학습된 표정 또는 사용자에 의해 발화 의도가 있는 표정으로 미리 설정된 표정일 수 있다. 지정된 표정은, 예를 들어, 눈을 크게 뜨거나 찡그리는 표정을 짓거나, 머리를 살짝 들어올리는 것을 포함할 수 있다.
전자 장치는 제2 정보가 지정된 가상 객체에 대한 제스처를 나타내는 경우 제2 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다. 지정된 가상 객체에 대한 제스처는, 예를 들어, 지정된 가상 객체를 터치(touch)하거나, 탭(tap)하거나, 쓰다듬거나, 잡는 것을 포함할 수 있다.
전자 장치는 제2 정보가 지정된 가상 객체에 대한 제1 제스처를 나타내는 경우 사용자의 음성 명령 발화 의도가 있는 것으로 결정할 수 있다. 전자 장치는 제2 정보가 지정된 가상 객체에 대한 제2 제스처를 나타내는 경우 발화 의도를 질문하도록 하는 요청을 외부 전자 장치로 송신하고, 외부 전자 장치로부터 수신된 응답에 따라 사용자의 음성 명령 발화 의도를 결정할 수 있다. 제1 제스처는 전자 장치가 사용자에게 추가 질문 없이 발화 의도가 있는 것으로 결정하도록 설정된 제스처이다. 제2 제스처는 전자 장치가 사용자에게 한번 더 질문한 후 질문에 대한 응답에 기반하여 발화 의도를 결정하도록 설정된 제스처이다. 제1 제스처는 지정된 가상 객체가 나타내는 음성 인식 어플리케이션을 호출하려는 사용자의 의도가 명확한 제스처일 수 있다. 예를 들어, 제1 제스처는 지정된 가상 객체를 탭(tap)하는 제스처일 수 있다. 제2 제스처는 지정된 가상 객체가 나타내는 음성 인식 어플리케이션을 호출하려는 사용자의 의도가 불명확한 제스처일 수 있다. 예를 들어, 제2 제스처는 지정된 가상 객체를 쓰다듬는 제스처일 수 있다. 제1 제스처는 머신 러닝(machine learning) 알고리즘에 의해 발화 의도가 명확한 제스처로 학습된 제스처이거나 사용자에 의해 발화 의도가 명확한 제스처로 미리 설정된 제스처일 수 있다. 제2 제스처는 상기 학습된 제스처 또는 상기 미리 설정된 제스처를 제외한 제스처일 수 있다.
전자 장치는 제3 정보가 사용자가 발화를 시작하였음을 나타내는 경우 제3 정보가 지정된 조건을 만족하는 것으로 결정할 수 있다. 여기서, 사용자는 외부 전자 장치를 착용한 사용자일 수 있다. 전자 장치는 제3 정보가 외부 전자 장치를 착용한 사용자가 아닌 다른 사용자(예: 외부인)가 발화를 시작하였음을 나타내는 경우 제3 정보가 지정된 조건을 만족하지 않는 것으로 결정할 수 있다. 전자 장치는 제3 정보가 외부 전자 장치로 입력된 소리가 잡음(noise)을 나타내는 경우 제3 정보가 지정된 조건을 만족하지 않는 것으로 결정할 수 있다. 예를 들어, 잡음은 지정된 대역(예: 사람의 음역 대역)이 아닌 오디오 신호, 또는 지정된 대역이더라도 지정된 크기 미만인 경우의 오디오 신호를 포함할 수 있다.
동작 1009에서, 전자 장치는 발화 의도가 있는지 여부를 확인할 수 있다. 전자 장치는 제1 정보, 제2 정보, 또는 제3 정보 중 적어도 하나와 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는 경우 사용자의 음성 명령 발화 의도가 있는 것으로 결정할 수 있다. 예를 들어, 전자 장치는 사용자의 시선을 분석한 정보가 지정된 조건을 만족하고, 제1 정보, 제2 정보, 또는 제3 정보가 지정된 조건을 만족하는 경우 사용자의 음성 명령 발화 의도가 있는 것으로 결정할 수 있다. 전자 장치는 사용자의 시선을 분석한 정보가 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 제1 정보가 지정된 표정을 나타내는 경우, 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 전자 장치는 사용자의 시선을 분석한 정보가 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 제2 정보가 지정된 가상 객체에 대한 제스처를 나타내는 경우, 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 전자 장치는 사용자의 시선을 분석한 정보가 지정된 가상 객체를 바라보는 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 제3 정보가 사용자가 발화를 시작하였음을 나타내는 경우, 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정할 수 있다. 전자 장치는 사용자가 음성 명령을 발화할 의도가 있는 것으로 결정한 경우 동작 1011를 수행할 수 있다.
예를 들어, 전자 장치는 사용자의 시선을 분석한 정보가 지정된 조건을 만족하지 않거나, 사용자의 시선을 분석한 정보가 지정된 조건을 만족하더라도 제1 정보, 제2 정보, 및 제3 정보가 지정된 조건을 만족하지 않는 경우 사용자의 음성 명령 발화 의도가 없는 것으로 결정할 수 있다. 이 경우, 전자 장치는 다음 번의 시선 감지 정보를 외부 전자 장치로부터 수신할 때까지 대기할 수 있다.
동작 1011에서, 전자 장치는 음성 인식 어플리케이션을 실행하고, 음성 인식 어플리케이션을 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 전자 장치는 사용자의 음성 명령 발화 의도가 있는 것으로 결정함에 따라 메모리(예: 도 4의 메모리(420))에 저장된 음성 인식 어플리케이션을 실행하고, 음성 인식 어플리케이션을 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다. 사용자의 음성 명령을 수신할 수 있는 상태는 '리스닝 모드(listening mode)'로 참조될 수 있다.
전자 장치는 통신 회로를 통해 외부 전자 장치로부터 사용자의 음성 입력에 대응하는 오디오 데이터를 수신할 수 있다. 예를 들어, 전자 장치는 리스닝 모드에서 외부 전자 장치(또는, 외부 전자 장치의 마이크(예: 도 4의 마이크(470))를 통해 사용자의 음성 입력에 대응하는 오디오 데이터를 수신할 수 있다. 음성 입력은 웨이크-업 워드(wake-up word)를 포함하지 않을 수 있다. 예를 들어, 음성 입력은 명령어만을 포함할 수 있다. 전자 장치는 음성 인식 어플리케이션을 통해 음성 입력에 대응하는 명령을 실행할 수 있다. 전자 장치는 직접 또는 외부 서버를 통해 음성 입력에 대응하는 오디오 데이터를 텍스트 데이터로 변환하고, 텍스트 데이터를 이용하여 사용자의 의도 및/또는 하나 이상의 동작에 대한 정보를 획득하고, 획득된 정보에 기반하여 하나 이상의 동작을 실행함으로써 음성 입력에 대응하는 명령을 실행할 수 있다.
전자 장치는 음성 입력에 대응하는 명령의 실행 결과를 외부 전자 장치를 통해 사용자에게 제공할 수 있다. 예를 들어, 전자 장치는 음성 입력에 대응하는 명령의 실행 결과를 통신 회로를 통해 외부 전자 장치로 전송하여, 외부 전자 장치의 디스플레이를 통해 표시할 수 있다.
본 개시의 일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101), 도 4 및 도 5의 전자 장치(401), 또는 도 8 및 도 9의 전자 장치(801))는, 통신 회로(예: 도 1의 통신 모듈(190), 도 4의 통신 회로(410)), 메모리(예: 도 1의 메모리(130), 도 4의 메모리(420)), 및 상기 통신 회로 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서(예: 도 1의 프로세서(120), 또는 도 4의 프로세서(430))를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치(예: 도 1의 전자 장치(102) 또는 전자 장치(104), 도 2의 전자 장치(201), 도 4 및 도 5의 외부 전자 장치(402), 또는 도 8 및 도 9의 외부 전자 장치(802))의 디스플레이(예: 도 1의 디스플레이 모듈(160), 도 2의 디스플레이(261-1 및/또는 261-2), 또는 도 4의 디스플레이(440))에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자의 시선을 분석한 정보를 수신하고, 상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고, 상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고, 상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어하도록 하는 하나 이상의 인스트럭션들(instructions)을 저장할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 사용자의 음성 입력에 대응하는 오디오 데이터를 수신하고, 상기 음성 인식 어플리케이션을 통해 상기 음성 입력에 대응하는 명령을 실행하도록 하고, 상기 음성 입력은, 웨이크-업 워드(wake-up word)를 포함하지 않을 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제1 정보가 지정된 표정을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제3 정보가 상기 사용자가 발화를 시작하였음을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제1 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하고, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제2 제스처를 나타내는 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 제3 정보가 상기 사용자가 아닌 다른 사용자가 발화를 시작하였음을 나타내거나, 상기 외부 전자 장치로 입력된 소리가 잡음(noise)임을 나타내는 경우, 상기 제3 정보가 상기 지정된 조건을 만족하지 않는 것으로 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보는, 상기 사용자의 시선을 감지한 시점으로부터 지정된 시간 이내에 입력되는 정보에 기반하여 분석된 정보를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 음성 인식 어플리케이션을 통해 상기 사용자와 관련된 컨텍스트 정보에 기반하여 음성 명령에 대한 힌트를 제공하도록 하고, 상기 컨텍스트 정보는 사용자의 상기 음성 인식 어플리케이션에 대한 사용 이력, 또는 상기 사용자의 제스처 중 적어도 하나를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 적어도 하나의 기능을 지원하는 어플리케이션을 나타내는 가상 객체에 대한 상기 사용자의 제스처에 기반하여, 상기 적어도 하나의 기능을 실행하도록 하는 명령어를 자연어 형태로 상기 힌트로서 제공하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체에 대한 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정하도록 할 수 있다.
본 개시의 일 실시예에 따르면, 상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보를 포함하는 분석 정보와 상기 음성 인식 어플리케이션의 실제 사용 여부에 관한 정보를 이용하여 발화 의도 결정 모델을 구축하고 학습시키도록 할 수 있다.
본 개시의 일 실시예에 따르면, 전자 장치(예: 도 1의 전자 장치(101), 도 4 및 도 5의 전자 장치(401), 또는 도 8 및 도 9의 전자 장치(801))의 동작 방법은, 사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치(예: 도 1의 전자 장치(102) 또는 전자 장치(104), 도 2의 전자 장치(201), 도 4 및 도 5의 외부 전자 장치(402), 또는 도 8 및 도 9의 외부 전자 장치(802))의 디스플레이(예: 도 1의 디스플레이 모듈(160), 도 2의 디스플레이(261-1 및/또는 261-2), 또는 도 4의 디스플레이(440))에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 통신 회로(예: 도 1의 통신 모듈(190), 도 4의 통신 회로(410))를 통해 상기 외부 전자 장치로부터 수신하고, 상기 사용자의 시선을 분석한 정보를 수신하고, 상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고, 상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고, 상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리(예: 도 1의 메모리(130), 도 4의 메모리(420))에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 사용자의 음성 입력에 대응하는 오디오 데이터를 수신하고, 상기 음성 인식 어플리케이션을 통해 상기 음성 입력에 대응하는 명령을 실행하고, 상기 음성 입력은, 웨이크-업 워드(wake-up word)를 포함하지 않을 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제1 정보가 지정된 표정을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제3 정보가 상기 사용자가 발화를 시작하였음을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제1 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하고, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제2 제스처를 나타내는 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 제3 정보가 상기 사용자가 아닌 다른 사용자가 발화를 시작하였음을 나타내거나, 상기 외부 전자 장치로 입력된 소리가 잡음(noise)임을 나타내는 경우, 상기 제3 정보가 상기 지정된 조건을 만족하지 않는 것으로 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보는, 상기 사용자의 시선을 감지한 시점으로부터 지정된 시간 이내에 입력되는 정보에 기반하여 분석된 정보를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 음성 인식 어플리케이션을 통해 상기 사용자와 관련된 컨텍스트 정보에 기반하여 음성 명령에 대한 힌트를 제공하고, 상기 컨텍스트 정보는 사용자의 상기 음성 인식 어플리케이션에 대한 사용 이력, 또는 상기 사용자의 제스처 중 적어도 하나를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 적어도 하나의 기능을 지원하는 어플리케이션을 나타내는 가상 객체에 대한 상기 사용자의 제스처에 기반하여, 상기 적어도 하나의 기능을 실행하도록 하는 명령어를 자연어 형태로 상기 힌트로서 제공할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 지정된 가상 객체에 대한 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 정보를 상기 외부 전자 장치로부터 수신한 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정할 수 있다.
본 개시의 일 실시예에 따르면, 상기 방법은, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보를 포함하는 분석 정보와 상기 음성 인식 어플리케이션의 실제 사용 여부에 관한 정보를 이용하여 발화 의도 결정 모델을 구축하고 학습시킬 수 있다.

Claims (15)

  1. 전자 장치에 있어서,
    통신 회로;
    메모리; 및
    상기 통신 회로 및 상기 메모리와 작동적으로(operatively) 연결된 프로세서를 포함하고,
    상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치의 디스플레이에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 상기 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고,
    상기 사용자의 시선을 분석한 정보를 수신하고,
    상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고,
    상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고,
    상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어하도록 하는 하나 이상의 인스트럭션들(instructions)을 저장하는, 전자 장치.
  2. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 사용자의 음성 입력에 대응하는 오디오 데이터를 수신하고,
    상기 음성 인식 어플리케이션을 통해 상기 음성 입력에 대응하는 명령을 실행하도록 하고,
    상기 음성 입력은, 웨이크-업 워드(wake-up word)를 포함하지 않는, 전자 장치.
  3. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제1 정보가 지정된 표정을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 하는, 전자 장치.
  4. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제2 정보가 상기 지정된 가상 객체에 대한 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 하는, 전자 장치.
  5. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체를 바라보는 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내고, 상기 제3 정보가 상기 사용자가 발화를 시작하였음을 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하도록 하는, 전자 장치.
  6. 청구항 4에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 제2 정보가 상기 지정된 가상 객체에 대한 제1 제스처를 나타내는 경우, 상기 발화 의도가 있는 것으로 결정하고,
    상기 제2 정보가 상기 지정된 가상 객체에 대한 제2 제스처를 나타내는 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정하도록 하는, 전자 장치.
  7. 청구항 5에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 제3 정보가 상기 사용자가 아닌 다른 사용자가 발화를 시작하였음을 나타내거나, 상기 외부 전자 장치로 입력된 소리가 잡음(noise)임을 나타내는 경우, 상기 제3 정보가 상기 지정된 조건을 만족하지 않는 것으로 결정하도록 하는, 전자 장치.
  8. 청구항 1에 있어서,
    상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보는, 상기 사용자의 시선을 감지한 시점으로부터 지정된 시간 이내에 입력되는 정보에 기반하여 분석된 정보를 포함하는, 전자 장치.
  9. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 음성 인식 어플리케이션을 통해 상기 사용자와 관련된 컨텍스트 정보에 기반하여 음성 명령에 대한 힌트를 제공하도록 하고,
    상기 컨텍스트 정보는 사용자의 상기 음성 인식 어플리케이션에 대한 사용 이력, 또는 상기 사용자의 제스처 중 적어도 하나를 포함하는, 전자 장치.
  10. 청구항 9에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    적어도 하나의 기능을 지원하는 어플리케이션을 나타내는 가상 객체에 대한 상기 사용자의 제스처에 기반하여, 상기 적어도 하나의 기능을 실행하도록 하는 명령어를 자연어 형태로 상기 힌트로서 제공하도록 하는, 전자 장치.
  11. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 사용자의 시선을 분석한 정보가 상기 지정된 가상 객체에 대한 상기 사용자의 시선이 지정된 시간 이상 지속됨을 나타내는 경우, 상기 발화 의도를 질문하도록 하는 요청을 상기 외부 전자 장치로 송신하고, 상기 외부 전자 장치로부터 수신된 응답에 따라 상기 발화 의도를 결정하도록 하는, 전자 장치.
  12. 청구항 1에 있어서,
    상기 인스트럭션들은, 상기 프로세서에 의해 실행될 때, 상기 전자 장치가,
    상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보를 포함하는 분석 정보와 상기 음성 인식 어플리케이션의 실제 사용 여부에 관한 정보를 이용하여 발화 의도 결정 모델을 구축하고 학습시키도록 하는, 전자 장치.
  13. 전자 장치의 동작 방법에 있어서,
    사용자의 신체의 적어도 일부에 착용 가능한 외부 전자 장치의 디스플레이에 표시되는 지정된 가상 객체를 바라보는 상기 사용자의 시선을 감지함을 나타내는 정보를 통신 회로를 통해 상기 외부 전자 장치로부터 수신하고,
    상기 사용자의 시선을 분석한 정보를 수신하고,
    상기 외부 전자 장치로부터 상기 사용자의 시선을 감지한 시점에 대응하는 상기 사용자의 얼굴을 분석한 제1 정보, 상기 사용자의 제스처(gesture)를 분석한 제2 정보, 또는 상기 사용자의 발화 시작 여부를 분석한 제3 정보를 수신하고,
    상기 제1 정보, 상기 제2 정보, 또는 상기 제3 정보 중 적어도 하나와 상기 사용자의 시선을 분석한 정보가 지정된 조건을 만족하는지 여부에 기반하여 상기 사용자의 음성 명령 발화 의도를 결정하고,
    상기 발화 의도가 있는 것으로 결정함에 따라, 상기 메모리에 저장된 음성 인식 어플리케이션을 실행하고, 상기 음성 인식 어플리케이션을 상기 사용자의 음성 명령을 수신할 수 있는 상태로 제어하는, 방법.
  14. 청구항 13에 있어서,
    상기 방법은, 상기 통신 회로를 통해 상기 외부 전자 장치로부터 상기 사용자의 음성 입력에 대응하는 오디오 데이터를 수신하고,
    상기 음성 인식 어플리케이션을 통해 상기 음성 입력에 대응하는 명령을 실행하고,
    상기 음성 입력은, 웨이크-업 워드(wake-up word)를 포함하지 않는, 방법.
  15. 청구항 13에 있어서,
    상기 방법은, 상기 제1 정보, 상기 제2 정보, 및 상기 제3 정보를 포함하는 분석 정보와 상기 음성 인식 어플리케이션의 실제 사용 여부에 관한 정보를 이용하여 발화 의도 결정 모델을 구축하고 학습시키는, 방법.
PCT/KR2023/001388 2022-03-15 2023-01-31 전자 장치 및 그의 동작 방법 WO2023177077A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US18/741,127 US20240331698A1 (en) 2022-03-15 2024-06-12 Electronic device and operation method therefor

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20220031941 2022-03-15
KR10-2022-0031941 2022-03-15
KR1020220055845A KR20230134961A (ko) 2022-03-15 2022-05-06 전자 장치 및 그의 동작 방법
KR10-2022-0055845 2022-05-06

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US18/741,127 Continuation US20240331698A1 (en) 2022-03-15 2024-06-12 Electronic device and operation method therefor

Publications (1)

Publication Number Publication Date
WO2023177077A1 true WO2023177077A1 (ko) 2023-09-21

Family

ID=88023656

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/001388 WO2023177077A1 (ko) 2022-03-15 2023-01-31 전자 장치 및 그의 동작 방법

Country Status (2)

Country Link
US (1) US20240331698A1 (ko)
WO (1) WO2023177077A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190011031A (ko) * 2017-07-24 2019-02-01 삼성전자주식회사 자연어 표현 생성 방법 및 전자 장치
KR20200075885A (ko) * 2018-06-01 2020-06-26 애플 인크. 관심 인식 가상 어시스턴트 해제
KR20210002722A (ko) * 2018-05-04 2021-01-08 구글 엘엘씨 감지된 입 움직임 및/또는 시선을 기반으로 자동화된 어시스턴트 적응
US20210097776A1 (en) * 2019-09-28 2021-04-01 Apple Inc. Devices, Methods, and Graphical User Interfaces for Interacting with Three-Dimensional Environments
JP2021193572A (ja) * 2018-09-28 2021-12-23 アップル インコーポレイテッドApple Inc. 凝視情報を用いたデバイス制御

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190011031A (ko) * 2017-07-24 2019-02-01 삼성전자주식회사 자연어 표현 생성 방법 및 전자 장치
KR20210002722A (ko) * 2018-05-04 2021-01-08 구글 엘엘씨 감지된 입 움직임 및/또는 시선을 기반으로 자동화된 어시스턴트 적응
KR20200075885A (ko) * 2018-06-01 2020-06-26 애플 인크. 관심 인식 가상 어시스턴트 해제
JP2021193572A (ja) * 2018-09-28 2021-12-23 アップル インコーポレイテッドApple Inc. 凝視情報を用いたデバイス制御
US20210097776A1 (en) * 2019-09-28 2021-04-01 Apple Inc. Devices, Methods, and Graphical User Interfaces for Interacting with Three-Dimensional Environments

Also Published As

Publication number Publication date
US20240331698A1 (en) 2024-10-03

Similar Documents

Publication Publication Date Title
WO2022108076A1 (ko) 증강 현실 환경의 무선 연결 방법 및 이를 위한 전자 장치
WO2022019636A1 (ko) 가상 사용자 인터랙션을 수행하기 위한 방법 및 그 장치
WO2023017986A1 (ko) 영상 데이터 및 오디오 데이터 출력 방법 및 전자 시스템
WO2023177077A1 (ko) 전자 장치 및 그의 동작 방법
WO2022186454A1 (ko) 가요성 인쇄 회로 기판을 포함하는 전자 장치
WO2022191497A1 (ko) 디스플레이를 포함하는 웨어러블 전자 장치
WO2024029858A1 (ko) 디스플레이 모듈 제어 방법 및 상기 방법을 수행하는 전자 장치
WO2023080419A1 (ko) 비전 정보를 이용하여 전자기기를 제어하는 웨어러블 전자 장치 및 방법
WO2022102971A1 (ko) 유저 인터페이스를 표시하는 방법 및 이를 지원하는 전자 장치
WO2022231160A1 (ko) 손 제스처에 기반하여 기능을 실행하는 전자 장치 및 그 작동 방법
WO2024106796A1 (ko) 오디오 설정을 제어하는 방법 및 이를 지원하는 웨어러블 전자 장치
WO2024043611A1 (ko) 디스플레이 모듈 제어 방법 및 상기 방법을 수행하는 전자 장치
WO2024071681A1 (ko) 이미지를 제공하는 방법 및 이를 지원하는 웨어러블 전자 장치
WO2023063572A1 (ko) 바이저의 투과율과 디스플레이의 밝기를 조절하는 웨어러블 전자 장치
WO2024043564A1 (ko) 제 1 렌즈 상에 배치되는 발광 소자를 포함하는 렌즈 어셈블리 및 이를 포함하는 웨어러블 전자 장치
WO2024048937A1 (ko) 웨어러블 전자 장치 및 이를 포함하는 충전 시스템
WO2024076058A1 (ko) 센서를 포함하는 웨어러블 전자 장치 및 이의 동작 방법
WO2024043438A1 (ko) 카메라 모듈을 제어하는 웨어러블 전자 장치 및 그 동작 방법
WO2024155171A1 (ko) 조작 입력을 전송하는 헤드 마운트 장치 및 그의 동작 방법
WO2024101747A1 (ko) 카메라를 포함하는 웨어러블 전자 장치 및 이의 동작 방법
WO2023153611A1 (ko) 객체의 영상을 획득하는 방법 및 장치
WO2024043546A1 (ko) 사용자의 움직임을 트래킹 하기 위한 전자 장치 및 방법
WO2024043519A1 (ko) 복수의 디스플레이들을 제어하는 방법 및 이를 지원하는 전자 장치
WO2022255625A1 (ko) 영상 통화 중 다양한 커뮤니케이션을 지원하는 전자 장치 및 그의 동작 방법
WO2023080420A1 (ko) 가변형 그라운드를 포함하는 웨어러블 전자 장치

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: 23770957

Country of ref document: EP

Kind code of ref document: A1