WO2024014584A1 - 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법 - Google Patents

인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법 Download PDF

Info

Publication number
WO2024014584A1
WO2024014584A1 PCT/KR2022/010365 KR2022010365W WO2024014584A1 WO 2024014584 A1 WO2024014584 A1 WO 2024014584A1 KR 2022010365 W KR2022010365 W KR 2022010365W WO 2024014584 A1 WO2024014584 A1 WO 2024014584A1
Authority
WO
WIPO (PCT)
Prior art keywords
target device
user
artificial intelligence
processor
manual
Prior art date
Application number
PCT/KR2022/010365
Other languages
English (en)
French (fr)
Inventor
김재홍
전혜정
Original Assignee
엘지전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 엘지전자 주식회사 filed Critical 엘지전자 주식회사
Priority to PCT/KR2022/010365 priority Critical patent/WO2024014584A1/ko
Priority to US18/048,001 priority patent/US20240022488A1/en
Publication of WO2024014584A1 publication Critical patent/WO2024014584A1/ko

Links

Images

Classifications

    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L43/00—Arrangements for monitoring or testing data switching networks
    • H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
    • H04L43/0805—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability
    • H04L43/0817—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters by checking availability by checking functioning
    • 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
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback

Definitions

  • This disclosure relates to an artificial intelligence device that can diagnose an abnormality in a target device inquired by a user and provide a user manual corresponding to the abnormality diagnosis, and a method of providing a manual for the target device.
  • artificial intelligence is a field of computer engineering and information technology that studies ways to enable computers to do things like thinking, learning, and self-development that can be done with human intelligence. This means enabling imitation of intelligent behavior.
  • artificial intelligence does not exist by itself, but is directly or indirectly related to other fields of computer science.
  • attempts are being made very actively to introduce artificial intelligence elements in various fields of information technology and use them to solve problems in those fields.
  • the user if the user has any questions about product functions or malfunctions, he or she can send the inquiry by voice or text to the product service center through the user's terminal and receive guide information corresponding to the inquiry.
  • the guide information provided to the user was either one with reduced accuracy and reliability or too broad a range, so users had difficulty resetting the product because they did not understand the guide information provided, and the guide information was inaccurate.
  • the information may cause additional product failures, and there was the inconvenience of having to additionally search for only the desired guide information from a large amount of guide information.
  • artificial intelligence technology will be used to diagnose abnormalities in the target device that the user inquires about, and provide a user manual corresponding to the abnormality diagnosis based on AR (Augmented Reality), thereby improving user convenience and improving the convenience of the provided user manual.
  • AR Augmented Reality
  • the present disclosure aims to solve the above-described problems and other problems.
  • This disclosure analyzes user inquiries, sets the diagnostic range of the target device, performs diagnosis corresponding to the user inquiry within the set diagnostic range of the target device, and provides a user manual based on AR (Augmented Reality).
  • AR Augmented Reality
  • the purpose is to provide a method of providing manuals for artificial intelligence devices and their target devices that can improve user convenience.
  • the present disclosure provides an accurate and highly reliable user manual by performing a complex diagnosis based on the image data of the target device and the sensor data of the target device within the diagnostic range of the target device corresponding to the user's inquiry.
  • the purpose is to provide a method of providing manuals for artificial intelligence devices and their target devices.
  • An artificial intelligence device includes a communication unit that communicates with a user terminal, and a processor that controls the communication unit, and the processor analyzes the user inquiry when it receives a user inquiry from the user terminal through the communication unit. sets the diagnostic range of the target device, performs diagnosis corresponding to user inquiries within the set diagnostic range of the target device, creates a user manual for the performed diagnosis results, and sends the created user manual to the user terminal.
  • the communication unit can be controlled to transmit.
  • a method of providing a target device manual for an artificial intelligence device includes the steps of receiving a user inquiry from a user terminal, analyzing the user inquiry and setting the diagnostic range of the target device, and setting the diagnostic range of the target device. It may include performing a diagnosis corresponding to the user inquiry within the diagnosis scope, generating a user manual for the performed diagnosis results, and transmitting the generated user manual to the user terminal.
  • the artificial intelligence device analyzes the user inquiry, sets the diagnostic range of the target device, performs diagnosis corresponding to the user inquiry within the set diagnostic range of the target device, and performs a user manual.
  • AR Augmented Reality
  • the artificial intelligence device performs a complex diagnosis based on the image data of the target device and the sensor data of the target device within the diagnostic range of the target device corresponding to the user's inquiry, We can provide accurate and reliable user manuals.
  • FIG 1 shows an artificial intelligence device according to an embodiment of the present disclosure.
  • Figure 2 shows an artificial intelligence server according to an embodiment of the present disclosure.
  • Figure 3 shows an artificial intelligence system according to an embodiment of the present disclosure.
  • FIG. 4 is a diagram for explaining the operation of an artificial intelligence device according to an embodiment of the present disclosure.
  • FIG. 5 is a diagram illustrating a process for providing a user manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • Figures 6 to 10 are diagrams for explaining the diagnosis and user manual creation process for each target device of an artificial intelligence device according to an embodiment of the present disclosure.
  • 11 to 13 are diagrams for explaining a process for providing an AR-based user manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • 14 and 15 are flowcharts for explaining a method of providing a target device manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • a neural network may consist of a set of interconnected computational units, which can generally be referred to as “nodes.” These “nodes” may also be referred to as “neurons.”
  • a neural network is composed of at least two or more nodes. The nodes (or neurons) that make up neural networks may be interconnected by one or more “links.”
  • Machine learning refers to the field of defining various problems dealt with in the field of artificial intelligence and researching methodologies to solve them. it means.
  • Machine learning is also defined as an algorithm that improves the performance of a task through consistent experience.
  • ANN Artificial Neural Network
  • ANN is a model used in machine learning and can refer to an overall model with problem-solving capabilities that is composed of artificial neurons (nodes) that form a network through the combination of synapses.
  • Artificial neural networks can be defined by connection patterns between neurons in different layers, a learning process that updates model parameters, and an activation function that generates output values.
  • An artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer includes one or more neurons, and the artificial neural network may include synapses connecting neurons. In an artificial neural network, each neuron can output the activation function value for the input signals, weight, and bias input through the synapse.
  • Model parameters refer to parameters determined through learning and include the weight of synaptic connections and the bias of neurons.
  • Hyperparameters refer to parameters that must be set before learning in a machine learning algorithm and include learning rate, number of repetitions, mini-batch size, initialization function, etc.
  • the purpose of learning an artificial neural network can be seen as determining model parameters that minimize the loss function.
  • the loss function can be used as an indicator to determine optimal model parameters in the learning process of an artificial neural network.
  • Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning depending on the learning method.
  • Supervised learning refers to a method of training an artificial neural network with a given label for the learning data, and the label is the correct answer (or result value) that the artificial neural network must infer when the learning data is input to the artificial neural network. It can mean.
  • Unsupervised learning can refer to a method of training an artificial neural network in a state where no labels for training data are given.
  • Reinforcement learning can refer to a learning method in which an agent defined within an environment learns to select an action or action sequence that maximizes the cumulative reward in each state.
  • machine learning implemented as a deep neural network (DNN) that includes multiple hidden layers is also called deep learning, and deep learning is a part of machine learning.
  • DNN deep neural network
  • machine learning is used to include deep learning.
  • a robot can refer to a machine that automatically processes or operates a given task based on its own capabilities.
  • a robot that has the ability to recognize the environment, make decisions on its own, and perform actions can be called an intelligent robot.
  • Robots can be classified into industrial, medical, household, military, etc. depending on their purpose or field of use.
  • a robot is equipped with a driving unit including an actuator or motor and can perform various physical movements such as moving robot joints.
  • a mobile robot includes wheels, brakes, and propellers in the driving part, and can travel on the ground or fly in the air through the driving part.
  • Autonomous driving refers to technology that drives on its own, and an autonomous vehicle refers to a vehicle that drives without user intervention or with minimal user intervention.
  • autonomous driving includes technology that maintains the driving lane, technology that automatically adjusts speed such as adaptive cruise control, technology that automatically drives along a set route, technology that automatically sets the route and drives once the destination is set, etc. All of these can be included.
  • Vehicles include vehicles equipped only with an internal combustion engine, hybrid vehicles equipped with both an internal combustion engine and an electric motor, and electric vehicles equipped with only an electric motor, and may include not only cars but also trains and motorcycles.
  • the self-driving vehicle can be viewed as a robot with self-driving functions.
  • Extended reality refers collectively to virtual reality (VR), augmented reality (AR), and mixed reality (MR).
  • VR technology provides objects and backgrounds in the real world only as CG images
  • AR technology provides virtual CG images on top of images of real objects
  • MR technology provides computer technology that mixes and combines virtual objects in the real world. It is a graphic technology.
  • MR technology is similar to AR technology in that it shows real objects and virtual objects together. However, in AR technology, virtual objects are used to complement real objects, whereas in MR technology, virtual objects and real objects are used equally.
  • XR technology can be applied to HMD (Head-Mount Display), HUD (Head-Up Display), mobile phones, tablet PCs, laptops, desktops, TVs, digital signage, etc., and devices with XR technology applied are called XR Devices. It can be called.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • mobile phones tablet PCs, laptops, desktops, TVs, digital signage, etc.
  • XR Devices It can be called.
  • Figure 1 shows an AI device 100 according to an embodiment of the present disclosure.
  • the AI device 100 includes TVs, projectors, mobile phones, smartphones, desktop computers, laptops, digital broadcasting terminals, PDAs (personal digital assistants), PMPs (portable multimedia players), navigation, tablet PCs, wearable devices, and set-top boxes ( It can be implemented as a fixed or movable device, such as STB), DMB receiver, radio, washing machine, refrigerator, desktop computer, digital signage, robot, vehicle, etc.
  • the AI device 100 includes a communication unit 110, an input unit 120, a learning processor 130, a sensing unit 140, an output unit 150, a memory 170, and a processor 180. It may include etc.
  • the communication unit 110 can transmit and receive data with external devices such as other AI devices 100a to 100e or the AI server 200 using wired or wireless communication technology.
  • the communication unit 110 may transmit and receive sensor information, user input, learning models, and control signals with external devices.
  • communication technologies used by the communication unit 110 include GSM (Global System for Mobile communication), CDMA (Code Division Multi Access), LTE (Long Term Evolution), 5G, WLAN (Wireless LAN), and Wi-Fi (Wireless- Fidelity), Bluetooth, RFID (Radio Frequency Identification), Infrared Data Association (IrDA), ZigBee, NFC (Near Field Communication), etc.
  • GSM Global System for Mobile communication
  • CDMA Code Division Multi Access
  • LTE Long Term Evolution
  • 5G Fifth Generation
  • WLAN Wireless LAN
  • Wi-Fi Wireless- Fidelity
  • Bluetooth Bluetooth
  • RFID Radio Frequency Identification
  • IrDA Infrared Data Association
  • ZigBee ZigBee
  • NFC Near Field Communication
  • the input unit 120 can acquire various types of data.
  • the input unit 120 may include a camera for inputting video signals, a microphone for receiving audio signals, and a user input unit for receiving information from the user.
  • the camera or microphone may be treated as a sensor, and the signal obtained from the camera or microphone may be referred to as sensing data or sensor information.
  • the input unit 120 may acquire training data for model learning and input data to be used when obtaining an output using the learning model.
  • the input unit 120 may acquire unprocessed input data, and in this case, the processor 180 or the learning processor 130 may extract input features by preprocessing the input data.
  • the learning processor 130 can train a model composed of an artificial neural network using training data.
  • the learned artificial neural network may be referred to as a learning model.
  • a learning model can be used to infer a result value for new input data other than learning data, and the inferred value can be used as the basis for a decision to perform a certain operation.
  • the learning processor 130 may perform AI processing together with the learning processor 240 of the AI server 200 of FIG. 2.
  • the learning processor 130 may include a memory integrated or implemented in the AI device 100.
  • the learning processor 130 may be implemented using the memory 170, an external memory directly coupled to the AI device 100, or a memory maintained in an external device.
  • the sensing unit 140 may use various sensors to obtain at least one of internal information of the AI device 100, information about the surrounding environment of the AI device 100, and user information.
  • the sensors included in the sensing unit 140 include a proximity sensor, illuminance sensor, acceleration sensor, magnetic sensor, gyro sensor, inertial sensor, RGB sensor, IR sensor, fingerprint recognition sensor, ultrasonic sensor, light sensor, microphone, and There are Ida, Radar, etc.
  • the output unit 150 may generate output related to vision, hearing, or tactile sensation.
  • the output unit 150 may include a display unit that outputs visual information, a speaker that outputs auditory information, and a haptic module that outputs tactile information.
  • the memory 170 may store data supporting various functions of the AI device 100.
  • the memory 170 may store input data, learning data, learning models, learning history, etc. obtained from the input unit 120.
  • the processor 180 may determine at least one executable operation of the AI device 100 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. Additionally, the processor 180 may control the components of the AI device 100 to perform the determined operation.
  • the processor 180 may request, retrieve, receive, or utilize data from the learning processor 130 or the memory 170, and may perform an operation that is predicted or is determined to be desirable among the at least one executable operation. Components of the AI device 100 can be controlled to execute.
  • the processor 180 may generate a control signal to control the external device and transmit the generated control signal to the external device.
  • the processor 180 may obtain intent information regarding user input and determine the user's request based on the obtained intent information.
  • the processor 180 uses at least one of a STT (Speech To Text) engine for converting voice input into a character string or a Natural Language Processing (NLP) engine for acquiring intent information of natural language, Intent information corresponding to user input can be obtained.
  • STT Seech To Text
  • NLP Natural Language Processing
  • At this time, at least one of the STT engine or the NLP engine may be composed of at least a portion of an artificial neural network learned according to a machine learning algorithm. And, at least one of the STT engine or the NLP engine is learned by the learning processor 130, learned by the learning processor 240 of the AI server 200, or learned by distributed processing thereof. It may be.
  • the processor 180 collects history information including the operation content of the AI device 100 or user feedback on the operation, and stores it in the memory 170 or the learning processor 130, or the AI server 200, etc. Can be transmitted to external devices. The collected historical information can be used to update the learning model.
  • the processor 180 may control at least some of the components of the AI device 100 to run an application program stored in the memory 170. Furthermore, the processor 180 may operate two or more of the components included in the AI device 100 in combination with each other in order to run the application program.
  • Figure 2 shows an AI server 200 according to an embodiment of the present disclosure.
  • the AI server 200 may refer to a device that trains an artificial neural network using a machine learning algorithm or uses a learned artificial neural network.
  • the AI server 200 may be composed of a plurality of servers to perform distributed processing, and may be defined as a 5G network.
  • the AI server 200 may be included as a part of the AI device 100 and may perform at least part of the AI processing.
  • the AI server 200 may include a communication unit 210, a memory 230, a learning processor 240, and a processor 260.
  • the communication unit 210 can transmit and receive data with an external device such as the AI device 100.
  • the memory 230 may include a model storage unit 231.
  • the model storage unit 231 may store a model (or artificial neural network, 231a) that is being trained or has been learned through the learning processor 240.
  • the learning processor 240 can train the artificial neural network 231a using training data.
  • the learning model may be used while mounted on the AI server 200 of the artificial neural network, or may be mounted and used on an external device such as the AI device 100.
  • the learning model may be implemented in hardware, software, or a combination of hardware and software. When part or all of the learning model is implemented as software, one or more instructions constituting the learning model may be stored in the memory 230.
  • the processor 260 may infer a result value for new input data using a learning model and generate a response or control command based on the inferred result value.
  • Figure 3 shows an AI system 1 according to an embodiment of the present invention.
  • the AI system 1 includes at least one of an AI server 200, a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e. It is connected to this cloud network (10).
  • a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e to which AI technology is applied may be referred to as AI devices 100a to 100e.
  • the cloud network 10 may constitute part of a cloud computing infrastructure or may refer to a network that exists within the cloud computing infrastructure.
  • the cloud network 10 may be configured using a 3G network, 4G, Long Term Evolution (LTE) network, or 5G network.
  • each device (100a to 100e, 200) constituting the AI system 1 may be connected to each other through the cloud network 10.
  • the devices 100a to 100e and 200 may communicate with each other through a base station, but may also communicate directly with each other without going through the base station.
  • the AI server 200 may include a server that performs AI processing and a server that performs calculations on big data.
  • the AI server 200 is connected to at least one of the AI devices constituting the AI system 1: a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smartphone 100d, or a home appliance 100e. It is connected through the cloud network 10 and can assist at least some of the AI processing of the connected AI devices 100a to 100e.
  • the AI server 200 can train an artificial neural network according to a machine learning algorithm on behalf of the AI devices 100a to 100e, and directly store or transmit the learning model to the AI devices 100a to 100e.
  • the AI server 200 receives input data from the AI devices 100a to 100e, infers a result value for the received input data using a learning model, and provides a response or control command based on the inferred result value. It can be generated and transmitted to AI devices (100a to 100e).
  • the AI devices 100a to 100e may infer a result value for input data using a direct learning model and generate a response or control command based on the inferred result value.
  • AI devices 100a to 100e to which the above-described technology is applied will be described.
  • the AI devices 100a to 100e shown in FIG. 3 can be viewed as specific examples of the AI device 100 shown in FIG. 1.
  • the robot 100a applies AI technology and can be implemented as a guidance robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, etc.
  • the robot 100a may include a robot control module for controlling operations, and the robot control module may mean a software module or a chip implementing it as hardware.
  • the robot 100a uses sensor information obtained from various types of sensors to obtain status information of the robot 100a, detect (recognize) the surrounding environment and objects, generate map data, or determine movement path and driving. It can determine a plan, determine a response to user interaction, or determine an action.
  • the robot 100a may use sensor information acquired from at least one sensor among lidar, radar, and camera to determine the movement path and driving plan.
  • the robot 100a may perform the above operations using a learning model composed of at least one artificial neural network.
  • the robot 100a can recognize the surrounding environment and objects using a learning model, and can determine an operation using the recognized surrounding environment information or object information.
  • the learning model may be learned directly from the robot 100a or from an external device such as the AI server 200.
  • the robot 100a may perform an operation by generating a result using a direct learning model, but performs the operation by transmitting sensor information to an external device such as the AI server 200 and receiving the result generated accordingly. You may.
  • the robot 100a determines the movement path and driving plan using at least one of map data, object information detected from sensor information, or object information acquired from an external device, and controls the driving unit to follow the determined movement path and driving plan.
  • the robot 100a can be driven accordingly.
  • the map data may include object identification information about various objects arranged in the space where the robot 100a moves.
  • map data may include object identification information for fixed objects such as walls and doors and movable objects such as flower pots and desks.
  • object identification information may include name, type, distance, location, etc.
  • the robot 100a can perform actions or drive by controlling the driving unit based on the user's control/interaction. At this time, the robot 100a may acquire interaction intention information according to the user's motion or voice utterance, determine a response based on the acquired intention information, and perform the operation.
  • the self-driving vehicle 100b can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying AI technology.
  • the autonomous vehicle 100b may include an autonomous driving control module for controlling autonomous driving functions, and the autonomous driving control module may refer to a software module or a chip implementing it as hardware.
  • the self-driving control module may be included internally as a component of the self-driving vehicle 100b, but may also be configured as separate hardware and connected to the outside of the self-driving vehicle 100b.
  • the self-driving vehicle 100b uses sensor information obtained from various types of sensors to obtain status information of the self-driving vehicle 100b, detect (recognize) the surrounding environment and objects, generate map data, or You can determine the movement route and driving plan, or determine the action.
  • the autonomous vehicle 100b may use sensor information acquired from at least one sensor among lidar, radar, and camera to determine the movement path and driving plan.
  • the autonomous vehicle 100b can recognize the environment or objects in an area where the view is obscured or an area over a certain distance by receiving sensor information from external devices, or receive directly recognized information from external devices. .
  • the autonomous vehicle 100b may perform the above operations using a learning model composed of at least one artificial neural network.
  • the self-driving vehicle 100b can recognize the surrounding environment and objects using a learning model, and can determine a driving route using the recognized surrounding environment information or object information.
  • the learning model may be learned directly from the autonomous vehicle 100b or from an external device such as the AI server 200.
  • the self-driving vehicle 100b may perform operations by generating results using a direct learning model, but operates by transmitting sensor information to an external device such as the AI server 200 and receiving the results generated accordingly. You can also perform .
  • the autonomous vehicle 100b determines the movement path and driving plan using at least one of map data, object information detected from sensor information, or object information acquired from an external device, and controls the driving unit to maintain the determined movement path and driving.
  • the autonomous vehicle 100b can be driven according to a plan.
  • the map data may include object identification information about various objects placed in the space (eg, road) where the autonomous vehicle 100b drives.
  • map data may include object identification information for fixed objects such as streetlights, rocks, and buildings, and movable objects such as vehicles and pedestrians.
  • object identification information may include name, type, distance, location, etc.
  • the autonomous vehicle 100b can perform operations or drive by controlling the driving unit based on the user's control/interaction. At this time, the autonomous vehicle 100b may acquire interaction intention information according to the user's motion or voice utterance, determine a response based on the acquired intention information, and perform the operation.
  • the XR device (100c) is equipped with AI technology and can be used for HMD (Head-Mount Display), HUD (Head-Up Display) installed in vehicles, televisions, mobile phones, smart phones, computers, wearable devices, home appliances, and digital signage. , it can be implemented as a vehicle, a fixed robot, or a mobile robot.
  • HMD Head-Mount Display
  • HUD Head-Up Display
  • the XR device 100c analyzes 3D point cloud data or image data acquired through various sensors or from external devices to generate location data and attribute data for 3D points, thereby providing information about surrounding space or real objects.
  • the XR object to be acquired and output can be rendered and output.
  • the XR device 100c may output an XR object containing additional information about the recognized object in correspondence to the recognized object.
  • the XR device 100c may perform the above operations using a learning model composed of at least one artificial neural network.
  • the XR device 100c can recognize a real object from 3D point cloud data or image data using a learning model, and provide information corresponding to the recognized real object.
  • the learning model may be learned directly from the XR device 100c or may be learned from an external device such as the AI server 200.
  • the XR device 100c may perform an operation by generating a result using a direct learning model, but may perform the operation by transmitting sensor information to an external device such as the AI server 200 and receiving the result generated accordingly. It can also be done.
  • the robot 100a applies AI technology and autonomous driving technology, and can be implemented as a guidance robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, etc.
  • the robot 100a to which AI technology and autonomous driving technology is applied may refer to a robot itself with autonomous driving functions or a robot 100a that interacts with an autonomous vehicle 100b.
  • the robot 100a with an autonomous driving function may refer to devices that move on their own along a given route without user control or move by determining the route on their own.
  • a robot 100a and an autonomous vehicle 100b with autonomous driving functions may use a common sensing method to determine one or more of a movement path or a driving plan.
  • the robot 100a and the autonomous vehicle 100b with autonomous driving functions may determine one or more of a movement path or a driving plan using information sensed through lidar, radar, and cameras.
  • the robot 100a that interacts with the self-driving vehicle 100b exists separately from the self-driving vehicle 100b and is linked to the self-driving function inside the self-driving vehicle 100b or is connected to the self-driving vehicle 100b. You can perform actions linked to the user on board.
  • the robot 100a interacting with the self-driving vehicle 100b acquires sensor information on behalf of the self-driving vehicle 100b and provides it to the self-driving vehicle 100b, or acquires sensor information and provides surrounding environment information or By generating object information and providing it to the autonomous vehicle 100b, the autonomous driving function of the autonomous vehicle 100b can be controlled or assisted.
  • the robot 100a interacting with the self-driving vehicle 100b may monitor the user riding the self-driving vehicle 100b or control the functions of the self-driving vehicle 100b through interaction with the user. .
  • the robot 100a may activate the autonomous driving function of the autonomous vehicle 100b or assist in controlling the driving unit of the autonomous vehicle 100b.
  • the functions of the autonomous vehicle 100b controlled by the robot 100a may include not only the autonomous driving function but also functions provided by a navigation system or audio system provided inside the autonomous vehicle 100b.
  • the robot 100a interacting with the self-driving vehicle 100b may provide information to the self-driving vehicle 100b or assist its functions from outside the self-driving vehicle 100b.
  • the robot 100a may provide traffic information including signal information to the autonomous vehicle 100b, such as a smart traffic light, and may interact with the autonomous vehicle 100b, such as an automatic electric charger for an electric vehicle. You can also automatically connect an electric charger to the charging port.
  • the robot 100a applies AI technology and XR technology and can be implemented as a guidance robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, a drone, etc.
  • the robot 100a to which XR technology is applied may refer to a robot that is subject to control/interaction within an XR image.
  • the robot 100a is distinct from the XR device 100c and may be interoperable with each other.
  • the robot 100a which is the object of control/interaction within the XR image, acquires sensor information from sensors including a camera
  • the robot 100a or the XR device 100c generates an XR image based on the sensor information.
  • the XR device 100c can output the generated XR image.
  • this robot 100a may operate based on a control signal input through the XR device 100c or user interaction.
  • the user can check the XR image corresponding to the viewpoint of the remotely linked robot 100a through an external device such as the XR device 100c, and adjust the autonomous driving path of the robot 100a through interaction. , you can control movement or driving, or check information about surrounding objects.
  • the self-driving vehicle 100b can be implemented as a mobile robot, vehicle, unmanned aerial vehicle, etc. by applying AI technology and XR technology.
  • the autonomous vehicle 100b to which XR technology is applied may refer to an autonomous vehicle equipped with a means for providing XR images or an autonomous vehicle that is subject to control/interaction within XR images.
  • the autonomous vehicle 100b, which is the subject of control/interaction within the XR image is distinct from the XR device 100c and may be interoperable with each other.
  • An autonomous vehicle 100b equipped with a means for providing an XR image may acquire sensor information from sensors including a camera and output an XR image generated based on the acquired sensor information.
  • the self-driving vehicle 100b may be equipped with a HUD and output XR images, thereby providing occupants with XR objects corresponding to real objects or objects on the screen.
  • the XR object when the XR object is output to the HUD, at least a portion of the XR object may be output to overlap the actual object toward which the passenger's gaze is directed.
  • the XR object when the XR object is output to a display provided inside the autonomous vehicle 100b, at least part of the XR object may be output to overlap the object in the screen.
  • the autonomous vehicle 100b may output XR objects corresponding to objects such as lanes, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, buildings, etc.
  • the autonomous vehicle 100b which is the subject of control/interaction within the XR image, acquires sensor information from sensors including a camera, the autonomous vehicle 100b or the XR device 100c detects sensor information based on the sensor information. An XR image is generated, and the XR device 100c can output the generated XR image.
  • this autonomous vehicle 100b may operate based on a control signal input through an external device such as the XR device 100c or user interaction.
  • FIG. 4 is a diagram for explaining the operation of an artificial intelligence device according to an embodiment of the present disclosure.
  • the artificial intelligence device 100 of the present disclosure may include a communication unit 110 that communicates with the user terminal 20 and a processor 180 that controls the communication unit 110.
  • the processor 180 when the processor 180 receives a user inquiry from the user terminal 20 through the communication unit 110, the processor 180 analyzes the user inquiry, sets the diagnostic range of the target device 30, and sets the diagnostic range of the target device 30. ), the communication unit 110 can be controlled to perform a diagnosis corresponding to the user's inquiry within the diagnosis range, generate a user manual for the performed diagnosis results, and transmit the generated user manual to the user terminal 20. there is.
  • the processor 180 may receive the user inquiry in the form of at least one of voice data, video data, and text data.
  • the processor 180 converts the voice data into text, extracts keywords corresponding to device properties from the converted text, and uses the extracted keywords to Inquiries can be analyzed.
  • the processor 180 may convert voice data into text through STT (Speech-to-Text), but this is only an example and is not limited thereto.
  • the processor 180 may extract at least one keyword among device-related keywords, abnormal-related keywords, and request-related keywords.
  • the processor 180 estimates the target device 30 based on the device-related keyword, estimates the abnormal part of the target device 30 based on the abnormality-related keyword, and estimates the abnormal part of the target device 30 based on the request-related keyword.
  • the user's request for the target device 30 can be estimated.
  • the processor 180 inputs text converted from voice data into a pre-trained artificial intelligence model to extract keywords, and uses the extracted keywords as device-related keywords, abnormal-related keywords, It can be classified into at least one of the request-related keywords.
  • the processor 180 extracts text from the video data, extracts keywords corresponding to device properties from the extracted text, and answers the user inquiry based on the extracted keywords. It can be analyzed.
  • the processor 180 may extract text from the image data through optical character recognition, but this is only an example and is not limited thereto.
  • the processor 180 may extract at least one keyword among device-related keywords, abnormal-related keywords, and request-related keywords.
  • the processor 180 estimates the target device 30 based on the device-related keyword, estimates the abnormal part of the target device 30 based on the abnormality-related keyword, and estimates the abnormal part of the target device 30 based on the request-related keyword.
  • the user's request for the target device 30 can be estimated.
  • the processor 180 inputs text extracted from video data into a pre-trained artificial intelligence model to extract keywords, and uses the extracted keywords as device-related keywords, abnormal-related keywords, and request-related keywords. It can be classified by at least one of the keywords.
  • the processor 180 may extract keywords corresponding to device properties from the text data and analyze the user inquiry based on the extracted keywords.
  • the processor 180 may extract at least one keyword among device-related keywords, abnormal (abnormal)-related keywords, and request-related keywords.
  • the processor 180 estimates the target device 30 based on the device-related keyword, estimates the abnormal part of the target device 30 based on the abnormality-related keyword, and estimates the abnormal part of the target device 30 based on the request-related keyword.
  • the user's request for the target device 30 can be estimated.
  • the processor 180 extracts keywords by inputting text data into a pre-trained artificial intelligence model, and matches the extracted keywords to at least one of device-related keywords, abnormal-related keywords, and request-related keywords. It can be classified as either one.
  • the processor 180 when setting the diagnostic range of the target device 30, when a user inquiry is received, the processor 180 extracts keywords corresponding to device properties from the user inquiry, and uses the extracted keywords to The diagnostic range of the target device 30 can be set by analyzing the type of target device included in the inquiry, abnormal parts of the target device, and user requests for the target device.
  • the processor 180 when extracting keywords, the processor 180 inputs text data corresponding to the user's inquiry into a pre-trained artificial intelligence model to extract keywords, and uses the extracted keywords as device-related keywords and abnormal-related keywords. , can be classified into at least one of the request-related keywords.
  • the processor 180 when setting the diagnostic range of the target device 30, if the user inquiry is voice data, the processor 180 analyzes the user inquiry based on voice recognition and sets the diagnostic range of the target device 30 to the primary level. Once set and image data related to the target device is received, the target device 30 based on the image can be analyzed to secondly set the diagnostic range of the target device 30.
  • the processor 180 when the processor 180 first sets the diagnostic range of the target device 30, it requests the user terminal 20 to provide image data related to the target device, and provides image data related to the target device requested from the user terminal 20. When received, the image-based target device 30 can be analyzed and the diagnostic range of the target device 30 can be secondarily set.
  • the processor 180 may request the user terminal 20 to provide video data about the operation of the target device 30.
  • the processor 180 may stop secondary setting of the diagnostic range of the target device 30 when the image data related to the target device requested from the user terminal 20 is not received within the preset time.
  • the processor 180 analyzes the voice recognition-based user inquiry and sets the diagnostic range of the target device 30 to the primary level.
  • the image-based target device 30 is analyzed to secondary set the diagnostic range of the target device 30, and when sensor data of the target device 30 is received, Based on sensor data, abnormalities in the target device 30 can be analyzed to thirdly set the diagnostic range of the target device.
  • the processor 180 when the processor 180 first sets the diagnostic range of the target device 30, it requests the user terminal 20 to provide image data related to the target device 30, and the target device requested by the user terminal 20 (30) When related image data is received, the image-based target device 30 can be analyzed to secondly set the diagnostic range of the target device 30.
  • the processor 180 may request the user terminal 20 to provide video data about the operation of the target device 30.
  • the processor 180 may stop secondary setting of the diagnostic range of the target device 30 when the image data related to the target device requested from the user terminal 20 is not received within the preset time.
  • the processor 180 controls the communication unit 110 to establish a communication connection with the target device 30 when the diagnostic range of the target device 30 is secondarily set, and when communication is connected with the target device 30, the target device ( 30), and upon receiving the requested sensor data from the target device 30, the diagnostic range of the target device 30 can be set to the third level by analyzing abnormalities in the target device 30 based on the sensor data.
  • the processor 180 may request sensor data for specific sensors corresponding to the diagnostic range of the target device 30 among the sensors of the target device 30. there is.
  • the processor 180 may stop the third setting of the diagnostic range of the target device 30 if the sensor data requested from the target device 30 is not received within the preset time.
  • the processor 180 may analyze the voice recognition-based user inquiry to set the diagnostic range of the target device. .
  • the processor 180 may receive a user inquiry including voice data and image data of the target device, The diagnostic range of the target device 30 may be set by analyzing the target device.
  • the processor 180 when setting the diagnostic range of the target device 30, the processor 180 performs voice recognition-based
  • the diagnostic range of the target device 30 can be set by analyzing abnormalities in the target device based on user inquiries, image-based target devices, and sensor data.
  • the image data of the target device 30 includes image data about the operation of the target device 30, and the sensor data of the target device 30 includes the target device 30 among the sensors of the target device 30. It may include sensor data for specific sensors corresponding to the diagnostic range of .
  • the processor 180 determines the type of abnormality of the target device 30 within the diagnostic range of the target device 30 set based on the keyword extracted from the voice data if the user inquiry is voice data. The cause can be diagnosed.
  • the processor 180 when performing a diagnosis, receives at least one of image data and sensor data of the target device 30 and sets the target device based on at least one of the image data and sensor data.
  • the type and cause of abnormalities in the target device 30 can be diagnosed within the diagnostic range of (30).
  • the processor 180 may generate an Augmented Reality (AR)-based user manual that includes user response action information based on the cause of the abnormality.
  • AR Augmented Reality
  • the processor 180 when transmitting the user manual, when the target device 30 photographed through the camera of the user terminal 20 is displayed on the screen of the user terminal 20, the processor 180 adds augmentation around the target device displayed on the screen.
  • a reality-based user manual can be provided.
  • the processor 180 may provide the shape of a specific button around the target device displayed on the screen of the user terminal 20 in augmented reality when the user manual includes information related to manipulating a specific button of the target device.
  • the processor 180 when the user manual includes information related to manipulating a specific button on the target device, the processor 180 provides an identifier that indicates the location of the specific button displayed on the screen of the user terminal 20 in augmented reality. You may.
  • the processor 180 when the user manual includes information related to manipulating an abnormal part of the target device, the processor 180 provides an identifier that informs the target device of the location of the abnormal part displayed on the screen of the user terminal 20 in augmented reality. You may.
  • the processor 180 when transmitting the user manual, provides the user manual as voice data when the target device captured through the camera of the user terminal 20 is displayed on the screen of the user terminal 20 and displays it on the screen.
  • An identifier that informs the target device of a specific part indicated by the voice data in the user manual can also be provided in augmented reality.
  • the processor 180 when transmitting a user manual, the processor 180, when a target device photographed through the camera of the user terminal 20 is displayed on the screen of the user terminal 20, requests a re-request for the user manual around the target device displayed on the screen. Buttons can also be provided in augmented reality.
  • the processor 180 when the processor 180 receives a user input of selecting the user manual re-request button, it resets the diagnostic range of the target device 30 and corresponds to the user inquiry within the reset diagnostic range of the target device 30.
  • the diagnosis may be re-performed, and a user manual for the re-performed diagnosis results may be regenerated and provided to the user terminal 20.
  • the processor 180 may re-request the user inquiry to the user terminal 20 when a user input for selecting the user manual re-request button is received at least once.
  • the processor 180 may transmit the user manual in the form of at least one of audio data, video data, and text data.
  • the present disclosure analyzes user inquiries, sets the diagnostic range of the target device, performs diagnosis corresponding to the user inquiry within the set diagnostic range of the target device, and creates a user manual based on AR (Augmented Reality).
  • AR Augmented Reality
  • the present disclosure provides an accurate and highly reliable user manual by performing a complex diagnosis based on the image data of the target device and the sensor data of the target device within the diagnostic range of the target device corresponding to the user's inquiry. You can.
  • FIG. 5 is a diagram illustrating a process for providing a user manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • the artificial intelligence device of the present disclosure when the artificial intelligence device of the present disclosure receives voice data regarding a user inquiry from the user 15, it analyzes the user inquiry based on voice recognition and determines the diagnostic range of the target device 30. You can set it.
  • the artificial intelligence device converts voice data in response to user inquiries into text data, extracts keywords corresponding to device properties from the converted text data, and answers user inquiries based on the extracted keywords.
  • the diagnostic range of the target device 30 can be set by analyzing the type of target device included in the target device, abnormal parts of the target device, and user requests for the target device.
  • the artificial intelligence device inputs text data corresponding to the user inquiry into a pre-trained artificial intelligence model to extract keywords, and matches the extracted keywords to at least one of device-related keywords, abnormal-related keywords, and request-related keywords. It can be classified as either one.
  • the artificial intelligence device when the artificial intelligence device receives image data of the target device 30 from the user terminal 20, it can analyze the image-based target device 30 and diagnose the type and cause of the abnormality of the target device 30. .
  • the artificial intelligence device when the artificial intelligence device receives sensor data of the target device 30 from the target device 30, it can analyze the target device 30 based on the sensor data and diagnose the type and cause of the abnormality of the target device 30. there is.
  • the artificial intelligence device acquires sensor data from the horizontal sensor and vibration sensor of the drum washing machine to detect vibration abnormalities and causes of vibration of the drum washing machine. It can be diagnosed.
  • the artificial intelligence device of the present disclosure sets the diagnostic range of the target device 30 based on the keyword extracted from the voice data and sets at least one of the image data and sensor data of the target device 30.
  • the type and cause of an abnormality of the target device 30 can be diagnosed within the diagnostic range of the target device 30 based on at least one of image data and sensor data.
  • the artificial intelligence device can generate a user manual containing user response action information based on the cause of the abnormality.
  • the artificial intelligence device when the target device 30 captured through the camera of the user terminal 20 is displayed on the screen of the user terminal 20, the user based on AR (Augmented Reality) is displayed around the target device displayed on the screen.
  • AR Augmented Reality
  • a manual can be provided.
  • the artificial intelligence device may provide a message alarm regarding provision of a user manual to the user terminal 20.
  • the artificial intelligence device of the present disclosure performs a complex diagnosis based on the image data of the target device and the sensor data of the target device within the diagnostic range of the target device corresponding to the user's inquiry, thereby providing accurate and highly reliable user information.
  • a manual can be provided.
  • Figures 6 to 10 are diagrams for explaining the diagnosis and user manual creation process for each target device of an artificial intelligence device according to an embodiment of the present disclosure.
  • Figure 6 is a diagram for explaining the process of diagnosing a problem with the washing machine and creating a user manual when the target device of the user's inquiry is a washing machine.
  • the artificial intelligence device of the present disclosure converts the voice data into text data and performs the conversion process. Keywords corresponding to device properties can be extracted from the text data.
  • an artificial intelligence device can extract keywords such as washing machine, drum light, setting method, etc. from a user inquiry such as “Please tell me how to set the drum light of the washing machine” and set the diagnostic range to the drum light part of the washing machine.
  • the artificial intelligence device of the present disclosure can set the diagnostic range of the washing machine by analyzing the type of washing machine, abnormal parts of the washing machine, and user requests for the washing machine included in the user inquiry based on keywords.
  • the artificial intelligence device when it receives at least one of image data and sensor data of the washing machine, it can diagnose the type and cause of the drum light abnormality by analyzing the drum light part of the washing machine based on the image data and sensor data.
  • the artificial intelligence device can generate a user manual containing information on user response measures for drum light-related settings.
  • an artificial intelligence device may provide a user action section related to drum light operation in a user manual based on a question-answer system.
  • user actions related to drum light operation may include descriptions of operation methods to be performed sequentially by the user, such as additional function buttons, operation dial, drum light confirmation, operation dial, drum light on, etc. .
  • the artificial intelligence device can provide an AR (Augmented Reality)-based drum light on/off button to the washing machine displayed on the screen when the washing machine photographed through the camera of the user terminal is displayed on the screen of the user terminal.
  • AR Augmented Reality
  • the artificial intelligence device of the present disclosure can provide an augmented reality-based user manual for user convenience.
  • Figure 7 is a diagram for explaining the process of diagnosing an air purifier abnormality and creating a user manual when the target device of the user's inquiry is an air purifier.
  • the artificial intelligence device of the present disclosure converts the voice data into text data, Keywords corresponding to device properties can be extracted from the converted text data.
  • the artificial intelligence device extracts keywords such as air purifier, fine dust, concentration, and no change from the user inquiry, “The concentration of fine dust in the air purifier does not change,” and diagnoses the sensor and filter parts of the air purifier. can be set.
  • the artificial intelligence device of the present disclosure analyzes the type of air purifier included in the user inquiry, abnormal parts of the air purifier, and user requests for the air purifier based on keywords to set the diagnostic range of the air purifier. You can.
  • the artificial intelligence device receives at least one of the image data and sensor data of the air purifier, it analyzes the PM (Particulate Matter) sensor, odor sensor, and filter part of the air purifier based on the image data and sensor data to determine the quality of the air purifier.
  • PM Porate Matter
  • odor sensor odor sensor
  • filter part of the air purifier based on the image data and sensor data to determine the quality of the air purifier.
  • the type and cause of an abnormality can be diagnosed.
  • the artificial intelligence device may generate a user manual that includes user response action information regarding the PM sensor of the air purifier and the location of the air purifier.
  • the artificial intelligence device may provide a portion of the user manual for checking the PM sensor of the air purifier and user actions related to the location of the air purifier based on a question-answer system.
  • the user action may include a description of how to check the PM sensor of the air purifier and check whether the air purifier is in a corner location.
  • the artificial intelligence device provides AR (Augmented Reality)-based PM sensor location and air purifier location recommendations to the air purifier displayed on the screen when the air purifier captured through the camera of the user terminal is displayed on the screen of the user terminal. can do.
  • AR Augmented Reality
  • the artificial intelligence device of the present disclosure can provide an augmented reality-based user manual for user convenience.
  • Figure 8 is a diagram to explain the process of diagnosing an air purifier abnormality and creating a user manual when the target device of the user's inquiry is an air purifier.
  • the artificial intelligence device of the present disclosure converts the voice data into text data. And keywords corresponding to device properties can be extracted from the converted text data.
  • the artificial intelligence device extracts keywords such as air purifier, circulation fan, and intensity from the user inquiry "How do I change the intensity of the circulation fan of the air purifier?" and sets the diagnostic range to the circulation fan part of the air purifier. You can.
  • the artificial intelligence device of the present disclosure analyzes the type of air purifier included in the user inquiry, abnormal parts of the air purifier, and user requests for the air purifier based on keywords to set the diagnostic range of the air purifier. You can.
  • the artificial intelligence device when it receives at least one of the image data and sensor data of the air purifier, it can diagnose the type and cause of the air purifier's abnormality by analyzing the circulation fan operation part of the air purifier based on the image data and sensor data. there is.
  • the artificial intelligence device can generate a user manual that includes information on user response measures for operating settings in the clean booster mode of the air purifier and adjusting the intensity of the circulation fan.
  • the artificial intelligence device may provide a section of the user manual for user actions related to setting the air purifier to operate in clean booster mode and adjusting the intensity of the circulation fan based on a question-answer system.
  • the user action items may include a description of how to set operation in clean booster mode and how to adjust the intensity of the circulation fan.
  • the artificial intelligence device displays the AR (Augmented Reality)-based Clean Booster mode button and the circulation fan intensity control button on the air purifier displayed on the screen when the air purifier captured through the camera of the user terminal is displayed on the screen of the user terminal.
  • AR Augmented Reality
  • the circulation fan intensity control button on the air purifier displayed on the screen when the air purifier captured through the camera of the user terminal is displayed on the screen of the user terminal.
  • the artificial intelligence device of the present disclosure can provide an augmented reality-based user manual for user convenience.
  • FIG. 9 is a diagram illustrating the process of diagnosing an air conditioner abnormality and creating a user manual when the target device of a user inquiry is an air conditioner.
  • the artificial intelligence device of the present disclosure converts the voice data into text data. Keywords corresponding to device properties can be extracted from the processed and converted text data.
  • the artificial intelligence device extracts keywords such as air conditioner, cold wind, stops, weak, etc. from the user inquiry such as “The air conditioner stops blowing cold air and then stops producing cold air,” and sets the diagnostic range to the cooling and heating part of the air conditioner. there is.
  • keywords such as air conditioner, cold wind, stops, weak, etc.
  • the artificial intelligence device of the present disclosure can set the diagnostic range of the air conditioner by analyzing the type of air conditioner included in the user inquiry, abnormal parts of the air conditioner, and user requests for the air conditioner based on keywords.
  • the artificial intelligence device when it receives at least one of the image data and sensor data of the air conditioner, it can diagnose the type and cause of the air conditioner's abnormality by analyzing the cooling and heating operation part of the air conditioner based on the image data and sensor data.
  • sensor data may include heating and cooling sensor data and air conditioner setting data.
  • the artificial intelligence device can generate a user manual containing information on user response measures for the air conditioner's outdoor unit, set temperature, gas/refrigerant, power saving mode, operation immediately after stopping, operation mode, etc.
  • the artificial intelligence device may provide a user action section related to the cooling and heating operation mode of the air conditioner in the user manual based on a question-answer system.
  • the user action items may include a description of how to set the cooling/heating operation mode and other methods.
  • the artificial intelligence device can provide an AR (Augmented Reality)-based cooling and heating operation mode button to the air conditioner displayed on the screen.
  • AR Augmented Reality
  • the artificial intelligence device of the present disclosure can provide an augmented reality-based user manual for user convenience.
  • Figure 10 is a diagram for explaining the process of diagnosing a problem with the washing machine and creating a user manual when the target device of the user's inquiry is a washing machine.
  • the artificial intelligence device of the present disclosure converts the voice data into text data, Keywords corresponding to device properties can be extracted from the converted text data.
  • an artificial intelligence device can extract keywords such as washing machine, spin-drying, and severe vibration from a user inquiry such as “The vibration is too loud when the washing machine spins,” and set the diagnostic range to the vibrating part of the washing machine.
  • the artificial intelligence device of the present disclosure can set the diagnostic range of the washing machine by analyzing the type of washing machine, abnormal parts of the washing machine, and user requests for the washing machine included in the user inquiry based on keywords.
  • the artificial intelligence device when it receives at least one of image data and sensor data of the washing machine, it can diagnose the type and cause of the drum light abnormality by analyzing the vibration part of the washing machine based on the image data and sensor data.
  • sensor data may include vibration sensor data, horizontal sensor data, and laundry detection sensor data.
  • the artificial intelligence device can generate a user manual that includes information on user response actions regarding clumping of laundry, whether the washing machine is level, removal of fixing bolts, etc.
  • an artificial intelligence device may provide a user action section related to washing machine vibration in a user manual based on a question-answer system.
  • user actions related to washing machine vibration may include a description of how to adjust the leveling legs of the washing machine if the washing machine is not level.
  • the artificial intelligence device can provide AR (Augmented Reality)-based horizontal adjustment legs to the washing machine displayed on the screen of the user terminal when the washing machine photographed through the camera of the user terminal is displayed on the screen of the user terminal.
  • AR Augmented Reality
  • the artificial intelligence device of the present disclosure can provide an augmented reality-based user manual for user convenience.
  • 11 to 13 are diagrams for explaining a process for providing an AR-based user manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • the artificial intelligence device of the present disclosure displays the screen 21 of the user terminal 20 when the target device 30 captured through the camera of the user terminal 20 is displayed on the screen 21 of the user terminal 20.
  • An augmented reality-based user manual (22) can be provided around the target device (30) displayed above.
  • a specific button 24 is displayed around the target device 30 displayed on the screen 21 of the user terminal 20.
  • augmented reality can be provided.
  • the present disclosure provides that when the user manual includes information related to manipulating a specific button of the target device 30, a specific button 24 is displayed on the target device 30 displayed on the screen 21 of the user terminal 20.
  • An identifier indicating location can also be provided in augmented reality.
  • the present disclosure provides that the air purifier captured through the camera of the user terminal 20 is displayed on the screen 21 of the user terminal 20.
  • an augmented reality-based driving mode button and a circulation fan intensity button can be provided around the air purifier displayed on the screen 21.
  • the present disclosure can provide a user manual that says, “The current operation mode is auto mode, so first set the clean booster as the operation mode on the screen, and then adjust the circulation fan intensity.”
  • the present disclosure provides an identifier that informs the target device 30 of the location of the abnormal part displayed on the screen 21 of the user terminal 20 when the user manual includes information related to manipulating the abnormal part of the target device.
  • (32) can be provided as augmented reality.
  • the present disclosure provides a user manual as voice data when the target device 30 captured through the camera of the user terminal 20 is displayed on the screen 21 of the user terminal 20, and is displayed on the screen 21.
  • An identifier 32 indicating a specific part indicated by the voice data of the user manual may be provided to the displayed target device 30 in augmented reality.
  • the present disclosure provides a way to display the washing machine photographed through the camera of the user terminal 20 on the screen 21 of the user terminal 20. Then, an augmented reality-based user manual 22 and an identifier 32 can be provided around the washing machine displayed on the screen 21.
  • the present disclosure provides a user manual (22) that states, “The leveling leg needs to be readjusted in the lower part corresponding to the horizontal sensor,” and provides an identifier (32) that indicates the position of the leveling leg of the washing machine. can be provided.
  • the identifier 32 may have various shapes and colors.
  • the target device 30 captured through the camera of the user terminal 20 is displayed on the screen 21 of the user terminal 20, the target device 30 displayed on the screen 21 )
  • the user manual re-request button 26 can be provided nearby in augmented reality.
  • the diagnostic range of the target device 30 is reset, and the user inquiry is answered within the diagnostic range of the reset target device 30.
  • the corresponding diagnosis can be re-performed, and a user manual for the re-performed diagnosis results can be regenerated and provided to the user terminal 20.
  • the user inquiry can be re-requested to the user terminal 20.
  • the user manual re-request button 26 in response to user inquiries related to a washing machine, when a user manual that states, "The leveling leg at the bottom needs to be readjusted corresponding to the level sensor" is provided, the user manual re-request button 26 is used. Augmented reality can be provided around the washing machine, and a notification message can be provided that says, “If this is not the user manual you wanted, please select the user manual re-request button on the screen.”
  • 14 and 15 are flowcharts for explaining a method of providing a target device manual for an artificial intelligence device according to an embodiment of the present disclosure.
  • the present disclosure can receive user inquiries from the user terminal (S10).
  • the present disclosure can receive user inquiries in the form of at least one of voice data, video data, and text data.
  • the diagnostic range of the target device can be set by analyzing user inquiries (S20).
  • the present disclosure extracts keywords corresponding to device properties from the user inquiry when a user inquiry is received, and based on the extracted keywords, the type of target device included in the user inquiry, and the abnormality of the target device.
  • the diagnostic range of the target device can be set by analyzing user requests for the (abnormal) part and the target device.
  • the diagnostic range of the target device can be set by analyzing the user inquiry based on voice recognition.
  • the present disclosure may set the diagnostic range of the target device by analyzing the voice recognition-based user inquiry and the video-based target device when user inquiries including voice data and video data of the target device are received. .
  • the present disclosure provides, when a user inquiry including voice data, video data of the target device, and sensor data of the target device are received, a user inquiry based on voice recognition, a target device based on video, and sensor data based on sensor data are received. You can also analyze abnormalities in the target device and set the diagnostic range of the target device.
  • the present disclosure can perform diagnosis corresponding to the user's inquiry within the set diagnosis range of the target device (S30).
  • the type and cause of the abnormality of the target device can be diagnosed within the diagnosis range of the target device set based on keywords extracted from the voice data.
  • the present disclosure provides, upon receiving at least one of image data and sensor data of the target device, the type of abnormality of the target device and the diagnosis range of the target device set based on at least one of the image data and sensor data.
  • the cause can be diagnosed.
  • the present disclosure can generate a user manual for the results of the performed diagnosis (S40).
  • the present disclosure can generate an AR (Augmented Reality)-based user manual that includes user response action information based on the cause of the abnormality.
  • AR Augmented Reality
  • the generated user manual can be transmitted to the user terminal (S50).
  • the present disclosure can provide an augmented reality-based user manual around the target device displayed on the screen when the target device captured through the camera of the user terminal is displayed on the screen of the user terminal.
  • the present disclosure may transmit the user manual in the form of at least one of audio data, video data, and text data.
  • FIG. 15 is a diagram for explaining in detail step S20 of setting the diagnostic range of the target device of FIG. 14.
  • the present disclosure provides device properties (device properties) from the user inquiry when a user inquiry is received. Keywords corresponding to device property can be extracted (S22).
  • the present disclosure extracts keywords by inputting text data corresponding to user inquiries into a pre-trained artificial intelligence model, and converts the extracted keywords into at least one of device-related keywords, abnormal (abnormal)-related keywords, and request-related keywords. Can be classified.
  • the present disclosure can analyze the type of target device included in the user inquiry, abnormal parts of the target device, and user requests for the target device based on the extracted keywords (S24).
  • the diagnostic range of the target device can be set based on the analysis results (S26).
  • the diagnostic range of the target device is initially set by analyzing the voice recognition-based user inquiry, and when video data related to the target device is received, the video-based target device is analyzed.
  • the diagnostic range of the target device can be set secondary.
  • the user inquiry is voice data
  • the user inquiry based on voice recognition is analyzed to initially set the diagnostic range of the target device, and when video data related to the target device is received, the video-based target device is selected.
  • the diagnostic range of the target device is secondarily set by analysis, and when sensor data of the target device is received, the diagnostic range of the target device can be set thirdly by analyzing abnormalities in the target device based on the sensor data.
  • the present disclosure analyzes user inquiries, sets the diagnostic range of the target device, performs diagnosis corresponding to the user inquiry within the set diagnostic range of the target device, and creates a user manual based on AR (Augmented Reality).
  • AR Augmented Reality
  • the present disclosure provides an accurate and highly reliable user manual by performing a complex diagnosis based on the image data of the target device and the sensor data of the target device within the diagnostic range of the target device corresponding to the user's inquiry. You can.
  • the artificial intelligence device analyzes user inquiries, sets the diagnosis range of the target device, performs diagnosis corresponding to the user inquiry within the set diagnosis range of the target device, and provides a user manual based on AR. By doing so, there is an effect of improving user convenience, so industrial applicability is remarkable.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Environmental & Geological Engineering (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

본 개시는, 사용자가 문의하는 대상기기의 이상을 진단하여 이상 진단에 상응하는 사용자 매뉴얼을 제공할 수 있는 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법에 관한 것으로, 통신부를 통해 사용자 단말기로부터 사용자 문의 사항을 수신하면 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하며, 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하고, 생성한 사용자 매뉴얼을 사용자 단말기로 전송하도록 통신부를 제어할 수 있다.

Description

인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법
본 개시는, 사용자가 문의하는 대상기기의 이상을 진단하여 이상 진단에 상응하는 사용자 매뉴얼을 제공할 수 있는 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법에 관한 것이다.
일반적으로, 인공 지능(artificial intelligence)은, 인간의 지능으로 할 수 있는 사고, 학습, 자기계발 등을 컴퓨터가 할 수 있도록 하는 방법을 연구하는 컴퓨터 공학 및 정보기술의 한 분야로, 컴퓨터가 인간의 지능적인 행동을 모방할 수 있도록 하는 것을 의미한다.
또한, 인공지능은, 그 자체로 존재하는 것이 아니라, 컴퓨터 과학의 다른 분야와 직간접으로 많은 관련을 맺고 있다. 특히, 현대에는, 정보기술의 여러 분야에서 인공지능적 요소를 도입하여, 그 분야의 문제 풀이에 활용하려는 시도가 매우 활발하게 이루어지고 있다.
한편, 인공지능을 이용하여 주변의 상황을 인지 및 학습하고, 사용자가 원하는 정보를 원하는 형태로 제공하거나 사용자가 원하는 동작이나 기능을 수행하는 기술이 활발하게 연구되고 있다.
그리고, 이러한 각종 동작과 기능을 제공하는 전자장치를 인공지능 디바이스라고 명칭 할 수 있다.
한편, 사용자는, 제품 기능 및 고장 등에 대한 문의 사항이 있는 경우, 사용자의 단말기를 통해 음성 또는 텍스트 등으로 문의 사항을 제품 서비스 센터에 전달하면 문의 사항에 상응하는 가이드 정보를 제공받을 수 있었다.
하지만, 사용자가 제공받은 가이드 정보는, 정확성 및 신뢰성이 저하된 가이드 정보이거나 또는 너무 넓은 범위의 가이드 정보이므로, 사용자가 제공받은 가이드 정보를 이해하지 못하여 제품 재설정에 대한 어려움이 있었고, 정확하지 않은 가이드 정보로 인하여 제품의 추가 고장을 일으키는 원인이 생길 수 있으며, 방대한 가이드 정보로부터 원하는 가이드 정보만 추가적으로 찾아야 하는 불편함이 있었다.
따라서, 향후, 인공 지능 기술을 이용하여 사용자가 문의하는 대상기기의 이상을 진단하여 이상 진단에 상응하는 사용자 매뉴얼을 AR(Augmented Reality) 기반으로 제공함으로써, 사용자 편의성을 향상시키고, 제공되는 사용자 매뉴얼의 정확성을 높일 수 있는 기술의 개발이 필요하다.
본 개시는, 전술한 문제 및 다른 문제를 해결하는 것을 목적으로 한다.
본 개시는, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하여 사용자 매뉴얼을 AR(Augmented Reality) 기반으로 제공함으로써, 사용자 편의성을 향상시킬 수 있는 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법의 제공을 목적으로 한다.
또한, 본 개시는, 사용자 문의 사항에 상응하는 대상기기의 진단 범위 내에서 대상기기의 영상 데이터와 대상기기의 센서 데이터를 기반으로 복합적인 진단을 수행함으로써, 정확하고 신뢰성이 높은 사용자 매뉴얼을 제공할 수 있는 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법의 제공을 목적으로 한다.
본 개시의 일 실시예에 따른 인공 지능 장치는, 사용자 단말기와 통신하는 통신부, 그리고 통신부를 제어하는 프로세서를 포함하고, 프로세서는, 통신부를 통해 사용자 단말기로부터 사용자 문의 사항을 수신하면 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하며, 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하고, 생성한 사용자 매뉴얼을 사용자 단말기로 전송하도록 통신부를 제어할 수 있다.
본 개시의 일 실시예에 따른 인공 지능 장치의 대상기기 매뉴얼 제공 방법은, 사용자 단말기로부터 사용자 문의 사항을 수신하는 단계, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하는 단계, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하는 단계, 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하는 단계, 및 생성한 사용자 매뉴얼을 사용자 단말기로 전송하는 단계를 포함할 수 있다.
본 개시의 일 실시예에 따르면, 인공 지능 장치는, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하여 사용자 매뉴얼을 AR(Augmented Reality) 기반으로 제공함으로써, 사용자 편의성을 향상시킬 수 있다.
또한, 본 개시의 일 실시예에 따르면, 인공 지능 장치는, 사용자 문의 사항에 상응하는 대상기기의 진단 범위 내에서 대상기기의 영상 데이터와 대상기기의 센서 데이터를 기반으로 복합적인 진단을 수행함으로써, 정확하고 신뢰성이 높은 사용자 매뉴얼을 제공할 수 있다.
도 1은, 본 개시의 일 실시 예에 따른 인공 지능 장치를 나타낸다.
도 2는, 본 개시의 일 실시 예에 따른 인공 지능 서버를 나타낸다.
도 3은, 본 개시의 일 실시 예에 따른 인공 지능 시스템을 나타낸다.
도 4는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 동작을 설명하기 위한 도면이다.
도 5는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 사용자 매뉴얼 제공 과정을 설명하기 위한 도면이다.
도 6 내지 도 10은, 본 개시의 일 실시 예에 따른 인공 지능 장치의 대상기기별 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 11 내지 도 13은, 본 개시의 일 실시 예에 따른 인공 지능 장치의 AR 기반 사용자 매뉴얼 제공 과정을 설명하기 위한 도면이다.
도 14 및 도 15는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 대상기기 매뉴얼 제공 방법을 설명하기 위한 순서도이다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
또한, 본 명세서에 걸쳐, 뉴럴 네트워크(neural network), 신경망 네트워크, 네트워크 함수는, 동일한 의미로 사용될 수 있다. 뉴럴 네트워크는, 일반적으로 “노드”라 지칭될 수 있는 상호 연결된 계산 단위들의 집합으로 구성될 수 있다. 이러한 “노드”들은, “뉴런(neuron)”들로 지칭될 수도 있다. 뉴럴 네트워크는, 적어도 둘 이상의 노드들을 포함하여 구성된다. 뉴럴 네트워크들을 구성하는 노드(또는 뉴런)들은 하나 이상의 “링크”에 의해 상호 연결될 수 있다.
<인공 지능(AI: Artificial Intelligence)>
인공 지능은, 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.
인공 신경망(ANN: Artificial Neural Network)은, 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 업데이트하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.
인공 신경망은, 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
모델 파라미터는, 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.
인공 신경망의 학습의 목적은, 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.
머신 러닝은, 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.
지도 학습은, 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.
인공 신경망 중에서, 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.
<로봇(Robot)>
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.
로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.
로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.
<자율 주행(Self-Driving)>
자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.
예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.
차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.
이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.
<확장 현실(XR: eXtended Reality)>
확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.
MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.
XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.
도 1은, 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.
AI 장치(100)는, TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다.
도 1을 참조하면, AI 장치(100)는, 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.
통신부(110)는, 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신부(110)가 이용하는 통신 기술에는, GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth쪠), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.
입력부(120)는, 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력부(120)는, 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는, 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는, 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(130)는, 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은, 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.
이때, 러닝 프로세서(130)는, 도 2의 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(130)는, AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는, 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센싱부(140)는, 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센싱부(140)에 포함되는 센서에는, 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.
출력부(150)는, 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력부(150)에는, 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(170)는, AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(180)는, 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는, AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(180)는, 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(180)는, 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.
프로세서(180)는, 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(180)는, 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다.
이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(180)는, AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 업데이트하는데 이용될 수 있다.
프로세서(180)는, 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는, 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는, 본 개시의 일 실시 예에 따른 AI 서버(200)를 나타낸다.
도 2를 참조하면, AI 서버(200)는, 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는, 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(200)는, 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.
통신부(210)는, AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(230)는, 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는, 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.
러닝 프로세서(240)는, 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은, 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.
학습 모델은, 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.
프로세서(260)는, 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 발명의 일 실시 예에 따른 AI 시스템(1)을 나타낸다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.
클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.
즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다.
이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.
또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.
이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.
여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다.
맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+자율주행>
자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.
자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다.
여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.
자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.
맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.
또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+XR>
XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.
XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.
XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다.
이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
<AI+로봇+자율주행>
로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
<AI+로봇+XR>
로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다.
XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.
<AI+자율주행+XR>
자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다.
XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.
XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.
이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.
XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.
도 4는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 동작을 설명하기 위한 도면이다.
도 4에 도시된 바와 같이, 본 개시의 인공 지능 장치(100)는, 사용자 단말기(20)와 통신하는 통신부(110)와, 통신부(110)를 제어하는 프로세서(180)를 포함할 수 있다.
여기서, 프로세서(180)는, 통신부(110)를 통해 사용자 단말기(20)로부터 사용자 문의 사항을 수신하면 사용자 문의 사항을 분석하여 대상기기(30)의 진단 범위를 설정하고, 설정한 대상기기(30)의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하며, 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하고, 생성한 사용자 매뉴얼을 사용자 단말기(20)로 전송하도록 통신부(110)를 제어할 수 있다.
프로세서(180)는, 사용자 문의 사항을 수신할 때, 사용자 문의 사항을 음성 데이터, 영상 데이터 및 텍스트 데이터 중 적어도 어느 하나의 형태로 수신할 수 있다.
일 예로, 프로세서(180)는, 사용자 문의 사항이 음성 데이터이면 음성 데이터를 텍스트로 변환 처리하고, 변환 처리한 텍스트로부터 기기 속성(device property)에 상응하는 키워드를 추출하며, 추출한 키워드를 기반으로 사용자 문의 사항을 분석할 수 있다.
여기서, 프로세서(180)는, 음성 데이터를 텍스트로 변환 처리할 때, STT(Speech-to-Text)를 통해 음성 데이터를 텍스트로 변환 처리할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지 않는다.
그리고, 프로세서(180)는, 키워드를 추출할 때, 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나의 키워드를 추출할 수 있다.
이때, 프로세서(180)는, 기기 관련 키워드를 기반으로 대상기기(30)를 추정하고, 이상(abnormal) 관련 키워드를 기반으로 대상기기(30)의 이상 부분을 추정하며, 요청 관련 키워드를 기반으로 대상기기(30)에 대한 사용자의 요청 사항을 추정할 수 있다.
또한, 프로세서(180)는, 키워드를 추출할 때, 음성 데이터로부터 변환 처리된 텍스트를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
다른 예로, 프로세서(180)는, 사용자 문의 사항이 영상 데이터이면 영상 데이터로부터 텍스트를 추출하고, 추출한 텍스트로부터 기기 속성(device property)에 상응하는 키워드를 추출하며, 추출한 키워드를 기반으로 사용자 문의 사항을 분석할 수 있다.
여기서, 프로세서(180)는, 영상 데이터로부터 텍스트를 추출할 때, 광학 문자 인식(Optical Character Recognition)를 통해 영상 데이터로부터 텍스트를 추출할 수 있는데, 이는 일 실시예일 뿐, 이에 한정되지 않는다.
그리고, 프로세서(180)는, 키워드를 추출할 때, 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나의 키워드를 추출할 수 있다.
이때, 프로세서(180)는, 기기 관련 키워드를 기반으로 대상기기(30)를 추정하고, 이상(abnormal) 관련 키워드를 기반으로 대상기기(30)의 이상 부분을 추정하며, 요청 관련 키워드를 기반으로 대상기기(30)에 대한 사용자의 요청 사항을 추정할 수 있다.
또한, 프로세서(180)는, 키워드를 추출할 때, 영상 데이터로부터 추출한 텍스트를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
또 다른 예로, 프로세서(180)는, 사용자 문의 사항이 텍스트 데이터이면 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출하고, 추출한 키워드를 기반으로 사용자 문의 사항을 분석할 수 있다.
여기서, 프로세서(180)는, 키워드를 추출할 때, 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나의 키워드를 추출할 수 있다.
이때, 프로세서(180)는, 기기 관련 키워드를 기반으로 대상기기(30)를 추정하고, 이상(abnormal) 관련 키워드를 기반으로 대상기기(30)의 이상 부분을 추정하며, 요청 관련 키워드를 기반으로 대상기기(30)에 대한 사용자의 요청 사항을 추정할 수 있다.
또한, 프로세서(180)는, 키워드를 추출할 때, 텍스트 데이터를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
이어, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 사용자 문의 사항이 수신되면 사용자 문의 사항으로부터 기기 속성(device property)에 상응하는 키워드를 추출하고, 추출한 키워드를 기반으로 사용자 문의 사항에 포함되는 대상기기의 종류, 대상기기의 이상(abnormal) 부분 및 대상기기에 대한 사용자 요청을 분석하여 대상기기(30)의 진단 범위를 설정할 수 있다.
여기서, 프로세서(180)는, 키워드를 추출할 때, 사용자 문의 사항에 상응하는 텍스트 데이터를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
경우에 따라, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기(30)의 진단 범위를 1차 설정하고, 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기(30)를 분석하여 대상기기(30)의 진단 범위를 2차 설정할 수 있다.
여기서, 프로세서(180)는, 대상기기(30)의 진단 범위를 1차 설정하면 사용자 단말기(20)에 대상기기 관련 영상 데이터의 제공을 요청하고, 사용자 단말기(20)로부터 요청한 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기(30)를 분석하여 대상기기(30)의 진단 범위를 2차 설정할 수 있다.
이때, 프로세서(180)는, 대상기기 관련 영상 데이터를 요청할 때, 대상기기(30)의 동작에 대한 영상 데이터의 제공을 사용자 단말기(20)에 요청할 수 있다.
그리고, 프로세서(180)는, 사용자 단말기(20)로부터 요청한 대상기기 관련 영상 데이터가 기설정 시간 내에 미수신되면 대상기기(30)의 진단 범위에 대한 2차 설정을 중단할 수 있다.
다른 경우로서, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기(30)의 진단 범위를 1차 설정하고, 대상기기(30) 관련 영상 데이터를 수신하면 영상 기반의 대상기기(30)를 분석하여 대상기기(30)의 진단 범위를 2차 설정하며, 대상기기(30)의 센서 데이터를 수신하면 센서 데이터 기반으로 대상기기(30)의 이상을 분석하여 대상기기의 진단 범위를 3차 설정할 수도 있다.
여기서, 프로세서(180)는, 대상기기(30)의 진단 범위를 1차 설정하면 사용자 단말기(20)에 대상기기(30) 관련 영상 데이터의 제공을 요청하고, 사용자 단말기(20)로부터 요청한 대상기기(30) 관련 영상 데이터를 수신하면 영상 기반의 대상기기(30)를 분석하여 대상기기(30)의 진단 범위를 2차 설정할 수 있다.
이때, 프로세서(180)는, 대상기기(30) 관련 영상 데이터를 요청할 때, 대상기기(30)의 동작에 대한 영상 데이터의 제공을 사용자 단말기(20)에 요청할 수 있다.
그리고, 프로세서(180)는, 사용자 단말기(20)로부터 요청한 대상기기 관련 영상 데이터가 기설정 시간 내에 미수신되면 대상기기(30)의 진단 범위에 대한 2차 설정을 중단할 수 있다.
또한, 프로세서(180)는, 대상기기(30)의 진단 범위를 2차 설정하면 대상기기(30)와 통신 연결하도록 통신부(110)를 제어하고, 대상기기(30)와 통신 연결되면 대상기기(30)에 센서 데이터를 요청하며, 대상기기(30)로부터 요청한 센서 데이터를 수신하면 센서 데이터 기반으로 대상기기(30)의 이상을 분석하여 대상기기(30)의 진단 범위를 3차 설정할 수 있다.
여기서, 프로세서(180)는, 대상기기(30)에 센서 데이터를 요청할 때, 대상기기(30)의 센서들 중 대상기기(30)의 진단 범위에 상응하는 특정 센서들에 대한 센서 데이터를 요청할 수 있다.
이때, 프로세서(180)는, 대상기기(30)로부터 요청한 센서 데이터가 기설정 시간 내에 미수신되면 대상기기(30)의 진단 범위에 대한 3차 설정을 중단할 수 있다.
다음, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 음성 데이터를 포함하는 사용자 문의 사항이 수신되면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정할 수 있다.
경우에 따라, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 음성 데이터를 포함하는 사용자 문의 사항과 대상기기의 영상 데이터가 수신되면 음성인식 기반의 사용자 문의 사항과 영상 기반의 대상기기를 분석하여 대상기기(30)의 진단 범위를 설정할 수도 있다.
다른 경우로서, 프로세서(180)는, 대상기기(30)의 진단 범위를 설정할 때, 음성 데이터를 포함하는 사용자 문의 사항, 대상기기의 영상 데이터, 그리고 대상기기의 센서 데이터가 수신되면 음성인식 기반의 사용자 문의 사항, 영상 기반의 대상기기, 그리고 센서 데이터 기반으로 대상기기의 이상을 분석하여 대상기기(30)의 진단 범위를 설정할 수도 있다.
여기서, 대상기기(30)의 영상 데이터는, 대상기기(30)의 동작에 대한 영상 데이터을 포함하고, 대상기기(30)의 센서 데이터는, 대상기기(30)의 센서들 중 대상기기(30)의 진단 범위에 상응하는 특정 센서들에 대한 센서 데이터를 포함할 수 있다.
이어, 프로세서(180)는, 진단을 수행할 때, 사용자 문의 사항이 음성 데이터이면 음성 데이터로부터 추출한 키워드를 기반으로 설정한 대상기기(30)의 진단 범위 내에서 대상기기(30)의 이상 종류 및 원인을 진단할 수 있다.
경우에 따라, 프로세서(180)는, 진단을 수행할 때, 대상기기(30)의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 기반으로 설정한 대상기기(30)의 진단 범위 내에서 대상기기(30)의 이상 종류 및 원인을 진단할 수 있다.
그리고, 프로세서(180)는, 사용자 매뉴얼을 생성할 때, 이상 원인 기반의 사용자 대응 조치 정보를 포함하는 AR(Augmented Reality) 기반의 사용자 매뉴얼을 생성할 수 있다.
다음, 프로세서(180)는, 사용자 매뉴얼을 전송할 때, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기(30)가 사용자 단말기(20)의 화면 위에 표시되면 화면 위에 표시되는 대상기기 주변에 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
여기서, 프로세서(180)는, 사용자 매뉴얼에 대상기기의 특정 버튼 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면에 표시되는 대상기기 주변에 특정 버튼의 형상을 증강 현실로 제공할 수 있다.
경우에 따라, 프로세서(180)는, 사용자 매뉴얼에 대상기기의 특정 버튼 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면에 표시되는 대상기기에 특정 버튼의 위치를 알려주는 식별자를 증강 현실로 제공할 수도 있다.
다른 경우로서, 프로세서(180)는, 사용자 매뉴얼에 대상기기의 이상 부위 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면에 표시되는 대상기기에 이상 부위의 위치를 알려주는 식별자를 증강 현실로 제공할 수도 있다.
또한, 프로세서(180)는, 사용자 매뉴얼을 전송할 때, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기가 사용자 단말기(20)의 화면 위에 표시되면 사용자 매뉴얼을 음성 데이터로 제공하고, 화면 위에 표시되는 대상기기에 사용자 매뉴얼의 음성 데이터가 지시하는 특정 부위를 알려주는 식별자를 증강 현실로 제공할 수도 있다.
또한, 프로세서(180)는, 사용자 매뉴얼을 전송할 때, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기가 사용자 단말기(20)의 화면 위에 표시되면 화면 위에 표시되는 대상기기 주변에 사용자 매뉴얼 재요청 버튼을 증강 현실로 제공할 수도 있다.
여기서, 프로세서(180)는, 사용자 매뉴얼 재요청 버튼을 선택하는 사용자 입력을 수신하면 대상기기(30)의 진단 범위를 재설정하고, 재설정한 대상기기(30)의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 재수행하며, 재수행한 진단 결과에 대한 사용자 매뉴얼을 재생성하여 사용자 단말기(20)로 제공할 수 있다.
이때, 프로세서(180)는, 사용자 매뉴얼 재요청 버튼을 선택하는 사용자 입력이 1회 이상 수신되면 사용자 단말기(20)로 사용자 문의 사항을 재요청할 수 있다.
또한, 프로세서(180)는, 사용자 매뉴얼을 전송할 때, 사용자 매뉴얼을 음성 데이터, 영상 데이터 및 텍스트 데이터 중 적어도 어느 하나의 형태로 전송할 수도 있다.
이와 같이, 본 개시는, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하여 사용자 매뉴얼을 AR(Augmented Reality) 기반으로 제공함으로써, 사용자 편의성을 향상시킬 수 있다.
또한, 본 개시는, 사용자 문의 사항에 상응하는 대상기기의 진단 범위 내에서 대상기기의 영상 데이터와 대상기기의 센서 데이터를 기반으로 복합적인 진단을 수행함으로써, 정확하고 신뢰성이 높은 사용자 매뉴얼을 제공할 수 있다.
도 5는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 사용자 매뉴얼 제공 과정을 설명하기 위한 도면이다.
도 5에 도시된 바와 같이, 본 개시의 인공 지능 장치는, 사용자(15)로부터 사용자 문의 사항에 대한 음성 데이터를 수신하면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기(30)의 진단 범위를 설정할 수 있다.
즉, 인공 지능 장치는, 사용자 문의 사항에 대한 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출하며, 추출한 키워드를 기반으로 사용자 문의 사항에 포함되는 대상기기의 종류, 대상기기의 이상(abnormal) 부분 및 대상기기에 대한 사용자 요청을 분석하여 대상기기(30)의 진단 범위를 설정할 수 있다.
일 예로, 인공 지능 장치는, 사용자 문의 사항에 상응하는 텍스트 데이터를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
또한, 인공 지능 장치는, 사용자 단말기(20)로부터 대상기기(30)의 영상 데이터를 수신하면 영상 기반의 대상기기(30)를 분석하여 대상기기(30)의 이상 종류 및 원인을 진단할 수 있다.
또한, 인공 지능 장치는, 대상기기(30)로부터 대상기기(30)의 센서 데이터를 수신하면 센서 데이터 기반으로 대상기기(30)를 분석하여 대상기기(30)의 이상 종류 및 원인을 진단할 수 있다.
일 예로, 인공 지능 장치는, 대상기기(30)가 드럼 세탁기인 경우, 드럼 세탁기가 동작할 때, 드럼 세탁기의 수평 센서 및 진동 센서로부터 센서 데이터를 획득하여 드럼 세탁기의 진동 이상 및 진동 원인 등을 진단할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 문의 사항이 음성 데이터이면 음성 데이터로부터 추출한 키워드를 기반으로 대상기기(30)의 진단 범위를 설정하고, 대상기기(30)의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 기반으로 대상기기(30)의 진단 범위 내에서 대상기기(30)의 이상 종류 및 원인을 진단할 수 있다.
그리고, 인공 지능 장치는, 이상 원인 기반의 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기(30)가 사용자 단말기(20)의 화면 위에 표시되면 화면 위에 표시되는 대상기기 주변에 AR(Augmented Reality) 기반의 사용자 매뉴얼을 제공할 수 있다.
그리고, 인공 지능 장치는, 사용자 매뉴얼을 제공에 대한 메시지 알람을 사용자 단말기(20)로 제공할 수도 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 문의 사항에 상응하는 대상기기의 진단 범위 내에서 대상기기의 영상 데이터와 대상기기의 센서 데이터를 기반으로 복합적인 진단을 수행함으로써, 정확하고 신뢰성이 높은 사용자 매뉴얼을 제공할 수 있다.
도 6 내지 도 10은, 본 개시의 일 실시 예에 따른 인공 지능 장치의 대상기기별 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 6은, 사용자 문의 사항의 대상기기가 세탁기인 경우, 세탁기의 이상 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 6에 도시된 바와 같이, 사용자로부터 "세탁기 드럼 라이트 설정법을 알려주세요"라는 사용자 문의 사항이 음성 데이터로 입력되면, 본 개시의 인공 지능 장치는, 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다.
일 예로, 인공 지능 장치는, "세탁기 드럼 라이트 설정법을 알려주세요"라는 사용자 문의 사항으로부터 세탁기, 드럼 라이트, 설정법 등의 키워드를 추출하여 세탁기의 드럼 라이트 부분으로 진단 범위를 설정할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 키워드를 기반으로 사용자 문의 사항에 포함되는 세탁기의 종류, 세탁기의 이상(abnormal) 부분 및 세탁기에 대한 사용자 요청을 분석하여 세탁기의 진단 범위를 설정할 수 있다.
그리고, 인공 지능 장치는, 세탁기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 기반으로 세탁기의 드럼 라이트 부분을 분석하여 드럼 라이트의 이상 종류 및 원인을 진단할 수 있다.
다음, 인공 지능 장치는, 드럼 라이트 관련 설정법에 대한 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
일 예로, 인공 지능 장치는, 질의-응답(Question-Answer) 시스템 기반으로 사용자 매뉴얼 중 드럼 라이트 조작 관련 사용자 조치 사항 부분을 제공할 수 있다.
여기서, 드럼 라이트 조작 관련 사용자 조치 사항은, 부가 기능 버튼, 조작 다이얼, 드럼 라이트 확인, 조작 다이얼, 드럼 라이트 온(on) 등과 같이 사용자가 순차적으로 수행해야 할 조작 방법에 대한 설명을 포함할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기의 카메라를 통해 촬영되는 세탁기가 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 세탁기에 AR(Augmented Reality) 기반의 드럼 라이트 온/오프 버튼을 제공할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 편의성을 위하여 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
도 7은, 사용자 문의 사항의 대상기기가 공기 청정기인 경우, 공기 청정기의 이상 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 7에 도시된 바와 같이, 사용자로부터 "공기 청정기의 미세 먼지 농도가 변하지 않아요"라는 사용자 문의 사항이 음성 데이터로 입력되면, 본 개시의 인공 지능 장치는, 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다.
일 예로, 인공 지능 장치는, "공기 청정기의 미세 먼지 농도가 변하지 않아요"라는 사용자 문의 사항으로부터 공기 청정기, 미세 먼지, 농도, 변화 없음 등의 키워드를 추출하여 공기 청정기의 센서 및 필터 부분으로 진단 범위를 설정할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 키워드를 기반으로 사용자 문의 사항에 포함되는 공기 청정기의 종류, 공기 청정기의 이상(abnormal) 부분 및 공기 청정기에 대한 사용자 요청을 분석하여 공기 청정기의 진단 범위를 설정할 수 있다.
그리고, 인공 지능 장치는, 공기 청정기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 기반으로 공기 청정기의 PM(Particulate Matter) 센서, 냄새 센서, 필터 부분을 분석하여 공기 청정기의 이상 종류 및 원인을 진단할 수 있다.
다음, 인공 지능 장치는, 공기 청정기의 PM 센서 확인 및 공기 청정기의 위치에 대한 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
일 예로, 인공 지능 장치는, 질의-응답(Question-Answer) 시스템 기반으로 사용자 매뉴얼 중 공기 청정기의 PM 센서 확인 및 공기 청정기의 위치 관련 사용자 조치 사항 부분을 제공할 수 있다.
여기서, 사용자 조치 사항은, 공기 청정기의 PM 센서 확인 및 공기 청정기가 구석진 위치에 있는지를 확인하는 방법에 대한 설명을 포함할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기의 카메라를 통해 촬영되는 공기 청정기가 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 공기 청정기에 AR(Augmented Reality) 기반의 PM 센서 위치 및 공기 청정기의 위치 추천을 제공할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 편의성을 위하여 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
도 8은, 사용자 문의 사항의 대상기기가 공기 청정기인 경우, 공기 청정기의 이상 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 8에 도시된 바와 같이, 사용자로부터 "공기 청정기의 순환팬 세기를 어떻게 변경하나요?"라는 사용자 문의 사항이 음성 데이터로 입력되면, 본 개시의 인공 지능 장치는, 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다.
일 예로, 인공 지능 장치는, "공기 청정기의 순환팬 세기를 어떻게 변경하나요?"라는 사용자 문의 사항으로부터 공기 청정기, 순환팬, 세기 등의 키워드를 추출하여 공기 청정기의 순환팬 부분으로 진단 범위를 설정할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 키워드를 기반으로 사용자 문의 사항에 포함되는 공기 청정기의 종류, 공기 청정기의 이상(abnormal) 부분 및 공기 청정기에 대한 사용자 요청을 분석하여 공기 청정기의 진단 범위를 설정할 수 있다.
그리고, 인공 지능 장치는, 공기 청정기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 기반으로 공기 청정기의 순환팬 동작 부분을 분석하여 공기 청정기의 이상 종류 및 원인을 진단할 수 있다.
다음, 인공 지능 장치는, 공기 청정기의 클린부스터 모드로 운전 설정 및 순환팬 세기 조절에 대한 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
일 예로, 인공 지능 장치는, 질의-응답(Question-Answer) 시스템 기반으로 사용자 매뉴얼 중 공기 청정기의 클린부스터 모드로 운전 설정 및 순환팬 세기 조절 관련 사용자 조치 사항 부분을 제공할 수 있다.
여기서, 사용자 조치 사항은, 클린부스터 모드로 운전을 설정하는 방법과 순환팬 세기를 조절하는 방법에 대한 설명을 포함할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기의 카메라를 통해 촬영되는 공기 청정기가 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 공기 청정기에 AR(Augmented Reality) 기반의 클린부스터 모드 버튼 및 순환팬 세기 조절 버튼을 제공할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 편의성을 위하여 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
도 9는, 사용자 문의 사항의 대상기기가 에어컨인 경우, 에어컨의 이상 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 9에 도시된 바와 같이, 사용자로부터 "에어컨이 찬바람이 나오다가 멈추거나 찬바람이 약해요"라는 사용자 문의 사항이 음성 데이터로 입력되면, 본 개시의 인공 지능 장치는, 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다.
일 예로, 인공 지능 장치는, "에어컨이 찬바람이 나오다가 멈추거나 찬바람이 약해요"라는 사용자 문의 사항으로부터 에어컨, 찬바람, 멈춤, 약함 등의 키워드를 추출하여 에어컨의 냉난방 부분으로 진단 범위를 설정할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 키워드를 기반으로 사용자 문의 사항에 포함되는 에어컨의 종류, 에어컨의 이상(abnormal) 부분 및 에어컨에 대한 사용자 요청을 분석하여 에어컨의 진단 범위를 설정할 수 있다.
그리고, 인공 지능 장치는, 에어컨의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 기반으로 에어컨의 냉난방 동작 부분을 분석하여 에어컨의 이상 종류 및 원인을 진단할 수 있다.
일 예로, 센서 데이터는, 냉난방 센서 데이터 및 에어컨 설정 데이터 등을 포함할 수 있다.
다음, 인공 지능 장치는, 에어컨의 실외기, 설정온도, 가스/냉매, 절전모드, 정지후 바로 운전, 운전모드 등에 대한 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
일 예로, 인공 지능 장치는, 질의-응답(Question-Answer) 시스템 기반으로 사용자 매뉴얼 중 에어컨의 냉난방 동작 모드 관련 사용자 조치 사항 부분을 제공할 수 있다.
여기서, 사용자 조치 사항은, 냉난방 동작 모드를 설정하는 방법과 그 외의 다른 방법에 대한 설명을 포함할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기의 카메라를 통해 촬영되는 에어컨이 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 에어컨에 AR(Augmented Reality) 기반의 냉난방 운전 모드 버튼 등을 제공할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 편의성을 위하여 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
도 10은, 사용자 문의 사항의 대상기기가 세탁기인 경우, 세탁기의 이상 진단 및 사용자 매뉴얼 생성 과정을 설명하기 위한 도면이다.
도 10에 도시된 바와 같이, 사용자로부터 "세탁기 탈수 시에 진동이 너무 요란해요"라는 사용자 문의 사항이 음성 데이터로 입력되면, 본 개시의 인공 지능 장치는, 음성 데이터를 텍스트 데이터로 변환 처리하고, 변환 처리된 텍스트 데이터로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다.
일 예로, 인공 지능 장치는, "세탁기 탈수 시에 진동이 너무 요란해요"라는 사용자 문의 사항으로부터 세탁기, 탈수, 심한 진동 등의 키워드를 추출하여 세탁기의 진동 부분으로 진단 범위를 설정할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 키워드를 기반으로 사용자 문의 사항에 포함되는 세탁기의 종류, 세탁기의 이상(abnormal) 부분 및 세탁기에 대한 사용자 요청을 분석하여 세탁기의 진단 범위를 설정할 수 있다.
그리고, 인공 지능 장치는, 세탁기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 기반으로 세탁기의 진동 부분을 분석하여 드럼 라이트의 이상 종류 및 원인을 진단할 수 있다.
일 예로, 센서 데이터는, 진동 센서 데이터, 수평 센서 데이터 및 세탁물 감지 센서 데이터 등을 포함할 수 있다.
다음, 인공 지능 장치는, 세탁물의 뭉침, 세탁기의 수평 여부, 고정볼트 제거 등에 대한 사용자 대응 조치 정보를 포함하는 사용자 매뉴얼을 생성할 수 있다.
일 예로, 인공 지능 장치는, 질의-응답(Question-Answer) 시스템 기반으로 사용자 매뉴얼 중 세탁기 진동 관련 사용자 조치 사항 부분을 제공할 수 있다.
여기서, 세탁기 진동 관련 사용자 조치 사항은, 세탁기의 수평이 맞지 않으면 세탁기의 수평 조정 다리 조절 방법에 대한 설명을 포함할 수 있다.
이어, 인공 지능 장치는, 사용자 단말기의 카메라를 통해 촬영되는 세탁기가 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 세탁기에 AR(Augmented Reality) 기반의 수평 조정 다리를 제공할 수 있다.
이처럼, 본 개시의 인공 지능 장치는, 사용자 편의성을 위하여 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
도 11 내지 도 13은, 본 개시의 일 실시 예에 따른 인공 지능 장치의 AR 기반 사용자 매뉴얼 제공 과정을 설명하기 위한 도면이다.
도 11 내지 도 13에 도시된 바와 같이, 본 개시의 인공 지능 장치는, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기(30)가 사용자 단말기(20)의 화면(21) 위에 표시되면 화면(21) 위에 표시되는 대상기기(30) 주변에 증강 현실 기반의 사용자 매뉴얼(22)을 제공할 수 있다.
도 11과 같이, 본 개시는, 사용자 매뉴얼에 대상기기(30)의 특정 버튼 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면(21)에 표시되는 대상기기(30) 주변에 특정 버튼(24)의 형상을 증강 현실로 제공할 수 있다.
경우에 따라, 본 개시는, 사용자 매뉴얼에 대상기기(30)의 특정 버튼 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면(21)에 표시되는 대상기기(30)에 특정 버튼(24)의 위치를 알려주는 식별자를 증강 현실로 제공할 수도 있다.
일 예로, 사용자 문의 사항이 "공기 청정기의 순환팬 세기를 어떻게 변경하나요?"일 경우, 본 개시는, 사용자 단말기(20)의 카메라를 통해 촬영되는 공기 청정기가 사용자 단말기(20)의 화면(21) 위에 표시되면 화면(21) 위에 표시되는 공기 청정기 주변에 증강 현실 기반의 운전 모드 버튼과 순환팬 세기 버튼을 제공할 수 있다.
그리고, 본 개시는, "현재 운전 모드는 오토 모드이므로, 화면 상의 운전 모드로 클린 부스터를 먼저 설정하고, 순환팬세기를 조절하세요"라는 사용자 매뉴얼을 제공할 수 있다.
도 12와 같이, 본 개시는, 사용자 매뉴얼에 대상기기의 이상 부위 조작 관련 내용이 포함되면 사용자 단말기(20)의 화면(21)에 표시되는 대상기기(30)에 이상 부위의 위치를 알려주는 식별자(32)를 증강 현실로 제공할 수 있다.
또한, 본 개시는, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기(30)가 사용자 단말기(20)의 화면(21) 위에 표시되면 사용자 매뉴얼을 음성 데이터로 제공하고, 화면(21) 위에 표시되는 대상기기(30)에 사용자 매뉴얼의 음성 데이터가 지시하는 특정 부위를 알려주는 식별자(32)를 증강 현실로 제공할 수도 있다.
일 예로, 사용자 문의 사항이 "세탁기 탈수 시에 진동이 너무 요란해요"일 경우, 본 개시는, 사용자 단말기(20)의 카메라를 통해 촬영되는 세탁기가 사용자 단말기(20)의 화면(21) 위에 표시되면 화면(21) 위에 표시되는 세탁기 주변에 증강 현실 기반의 사용자 매뉴얼(22) 및 식별자(32)를 제공할 수 있다.
여기서, 본 개시는, "수평센서에 상응하여 아래 부분에 수평조정다리를 재조절이 필요합니다"라는 사용자 매뉴얼(22)을 제공하고, 세탁기의 수평조정다리의 위치를 알려주는 식별자(32)를 제공할 수 있다.
이때, 식별자(32)는, 다양한 형상 및 다양한 컬러를 가질 수 있다.
도 13과 같이, 본 개시는, 사용자 단말기(20)의 카메라를 통해 촬영되는 대상기기(30)가 사용자 단말기(20)의 화면(21) 위에 표시되면 화면(21) 위에 표시되는 대상기기(30) 주변에 사용자 매뉴얼 재요청 버튼(26)을 증강 현실로 제공할 수 있다.
여기서, 본 개시는, 사용자 매뉴얼 재요청 버튼(26)을 선택하는 사용자 입력을 수신하면 대상기기(30)의 진단 범위를 재설정하고, 재설정한 대상기기(30)의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 재수행하며, 재수행한 진단 결과에 대한 사용자 매뉴얼을 재생성하여 사용자 단말기(20)로 제공할 수 있다.
이때, 본 개시는, 사용자 매뉴얼 재요청 버튼(26)을 선택하는 사용자 입력이 1회 이상 수신되면 사용자 단말기(20)로 사용자 문의 사항을 재요청할 수 있다.
일 예로, 본 개시는, 세탁기 관련 사용자 문의 사항에 대해 "수평센서에 상응하여 아래 부분에 수평조정다리를 재조절이 필요합니다"라는 사용자 매뉴얼을 제공한 경우, 사용자 매뉴얼 재요청 버튼(26)을 세탁기 주변에 증강 현실로 제공하고, "원하신 사용자 매뉴얼이 아니면 화면 상의 사용자 매뉴얼 재요청 버튼을 선택하여 주세요"라는 알림 메시지를 제공할 수 있다.
도 14 및 도 15는, 본 개시의 일 실시 예에 따른 인공 지능 장치의 대상기기 매뉴얼 제공 방법을 설명하기 위한 순서도이다.
도 14에 도시된 바와 같이, 본 개시는, 사용자 단말기로부터 사용자 문의 사항을 수신할 수 있다(S10).
여기서, 본 개시는, 사용자 문의 사항을 음성 데이터, 영상 데이터 및 텍스트 데이터 중 적어도 어느 하나의 형태로 수신할 수 있다.
그리고, 본 개시는, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정할 수 있다(S20).
여기서, 본 개시는, 사용자 문의 사항이 수신되면 사용자 문의 사항으로부터 기기 속성(device property)에 상응하는 키워드를 추출하고, 추출한 키워드를 기반으로 사용자 문의 사항에 포함되는 대상기기의 종류, 대상기기의 이상(abnormal) 부분 및 대상기기에 대한 사용자 요청을 분석하여 대상기기의 진단 범위를 설정할 수 있다.
일 예로, 본 개시는, 음성 데이터를 포함하는 사용자 문의 사항이 수신되면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정할 수 있다.
경우에 따라, 본 개시는, 음성 데이터를 포함하는 사용자 문의 사항과 대상기기의 영상 데이터가 수신되면 음성인식 기반의 사용자 문의 사항과 영상 기반의 대상기기를 분석하여 대상기기의 진단 범위를 설정할 수도 있다.
다른 경우로서, 본 개시는, 음성 데이터를 포함하는 사용자 문의 사항, 대상기기의 영상 데이터, 그리고 대상기기의 센서 데이터가 수신되면 음성인식 기반의 사용자 문의 사항, 영상 기반의 대상기기, 그리고 센서 데이터 기반으로 대상기기의 이상을 분석하여 대상기기의 진단 범위를 설정할 수도 있다.
이어, 본 개시는, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행할 수 있다(S30).
여기서, 본 개시는, 사용자 문의 사항이 음성 데이터이면 음성 데이터로부터 추출한 키워드를 기반으로 설정한 대상기기의 진단 범위 내에서 대상기기의 이상 종류 및 원인을 진단할 수 있다.
경우에 따라, 본 개시는, 대상기기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 기반으로 설정한 대상기기의 진단 범위 내에서 대상기기의 이상 종류 및 원인을 진단할 수 있다.
다음, 본 개시는, 수행한 진단 결과에 대한 사용자 매뉴얼을 생성할 수 있다(S40).
여기서, 본 개시는, 이상 원인 기반의 사용자 대응 조치 정보를 포함하는 AR(Augmented Reality) 기반의 사용자 매뉴얼을 생성할 수 있다.
그리고, 본 개시는, 생성한 사용자 매뉴얼을 사용자 단말기로 전송할 수 있다(S50).
여기서, 본 개시는, 사용자 단말기의 카메라를 통해 촬영되는 대상기기가 사용자 단말기의 화면 위에 표시되면 화면 위에 표시되는 대상기기 주변에 증강 현실 기반의 사용자 매뉴얼을 제공할 수 있다.
또한, 본 개시는, 사용자 매뉴얼을 음성 데이터, 영상 데이터 및 텍스트 데이터 중 적어도 어느 하나의 형태로 전송할 수도 있다.
도 15는, 도 14의 대상기기의 진단 범위를 설정하는 단계 S20을 상세히 설명하기 위한 도면으로서, 도 15에 도시된 바와 같이, 본 개시는, 사용자 문의 사항이 수신되면 사용자 문의 사항으로부터 기기 속성(device property)에 상응하는 키워드를 추출할 수 있다(S22).
여기서, 본 개시는, 사용자 문의 사항에 상응하는 텍스트 데이터를 사전 학습한 인공지능 모델에 입력하여 키워드를 추출하고, 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류할 수 있다.
그리고, 본 개시는, 추출한 키워드를 기반으로 사용자 문의 사항에 포함되는 대상기기의 종류, 대상기기의 이상(abnormal) 부분 및 대상기기에 대한 사용자 요청을 분석할 수 있다(S24).
이어, 본 개시는, 분석 결과를 기반으로 대상기기의 진단 범위를 설정할 수 있다(S26).
여기서, 본 개시는, 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 1차 설정하고, 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기를 분석하여 대상기기의 진단 범위를 2차 설정할 수 있다.
경우에 따라, 본 개시는, 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 1차 설정하고, 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기를 분석하여 대상기기의 진단 범위를 2차 설정하며, 대상기기의 센서 데이터를 수신하면 센서 데이터 기반으로 대상기기의 이상을 분석하여 대상기기의 진단 범위를 3차 설정할 수도 있다.
이와 같이, 본 개시는, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하여 사용자 매뉴얼을 AR(Augmented Reality) 기반으로 제공함으로써, 사용자 편의성을 향상시킬 수 있다.
또한, 본 개시는, 사용자 문의 사항에 상응하는 대상기기의 진단 범위 내에서 대상기기의 영상 데이터와 대상기기의 센서 데이터를 기반으로 복합적인 진단을 수행함으로써, 정확하고 신뢰성이 높은 사용자 매뉴얼을 제공할 수 있다.
본 개시에 따른 인공 지능 장치에 의하면, 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고 설정한 대상기기의 진단 범위 내에서 사용자 문의 사항에 상응하는 진단을 수행하여 사용자 매뉴얼을 AR 기반으로 제공함으로써, 사용자 편의성을 향상시킬 수 있다는 효과가 있으므로, 산업상 이용가능성이 현저하다.

Claims (15)

  1. 사용자 단말기와 통신하는 통신부; 그리고,
    상기 통신부를 제어하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 통신부를 통해 상기 사용자 단말기로부터 사용자 문의 사항을 수신하면 상기 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하고, 상기 설정한 대상기기의 진단 범위 내에서 상기 사용자 문의 사항에 상응하는 진단을 수행하며, 상기 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하고, 상기 생성한 사용자 매뉴얼을 상기 사용자 단말기로 전송하도록 상기 통신부를 제어하는 것을 특징으로 하는 인공 지능 장치.
  2. 제1 항에 있어서,
    상기 프로세서는,
    상기 대상기기의 진단 범위를 설정할 때, 상기 사용자 문의 사항이 수신되면 상기 사용자 문의 사항으로부터 기기 속성(device property)에 상응하는 키워드를 추출하고, 상기 추출한 키워드를 기반으로 상기 사용자 문의 사항에 포함되는 대상기기의 종류, 상기 대상기기의 이상(abnormal) 부분 및 상기 대상기기에 대한 사용자 요청을 분석하여 상기 대상기기의 진단 범위를 설정하는 것을 특징으로 하는 인공 지능 장치.
  3. 제2 항에 있어서,
    상기 프로세서는,
    상기 키워드를 추출할 때, 상기 사용자 문의 사항에 상응하는 텍스트 데이터를 사전 학습한 인공지능 모델에 입력하여 상기 키워드를 추출하고, 상기 추출한 키워드를 기기 관련 키워드, 이상(abnormal) 관련 키워드, 요청 관련 키워드 중 적어도 어느 하나로 분류하는 것을 특징으로 하는 인공 지능 장치.
  4. 제2 항에 있어서,
    상기 프로세서는,
    상기 대상기기의 진단 범위를 설정할 때, 상기 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 상기 대상기기의 진단 범위를 1차 설정하고,
    상기 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기를 분석하여 상기 대상기기의 진단 범위를 2차 설정하는 것을 특징으로 하는 인공 지능 장치.
  5. 제2 항에 있어서,
    상기 프로세서는,
    상기 대상기기의 진단 범위를 설정할 때, 상기 사용자 문의 사항이 음성 데이터이면 음성인식 기반의 사용자 문의 사항을 분석하여 상기 대상기기의 진단 범위를 1차 설정하고,
    상기 대상기기 관련 영상 데이터를 수신하면 영상 기반의 대상기기를 분석하여 상기 대상기기의 진단 범위를 2차 설정하며,
    상기 대상기기의 센서 데이터를 수신하면 센서 데이터 기반으로 상기 대상기기의 이상을 분석하여 상기 대상기기의 진단 범위를 3차 설정하는 것을 특징으로 하는 인공 지능 장치.
  6. 제1 항에 있어서,
    상기 프로세서는,
    상기 진단을 수행할 때, 상기 사용자 문의 사항이 음성 데이터이면 상기 음성 데이터로부터 추출한 키워드를 기반으로 상기 설정한 대상기기의 진단 범위 내에서 상기 대상기기의 이상 종류 및 원인을 진단하는 것을 특징으로 하는 인공 지능 장치.
  7. 제1 항에 있어서,
    상기 프로세서는,
    상기 진단을 수행할 때, 상기 대상기기의 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 수신하면 상기 영상 데이터 및 센서 데이터 중 적어도 어느 하나를 기반으로 상기 설정한 대상기기의 진단 범위 내에서 상기 대상기기의 이상 종류 및 원인을 진단하는 것을 특징으로 하는 인공 지능 장치.
  8. 제1 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼을 생성할 때, 상기 이상 원인 기반의 사용자 대응 조치 정보를 포함하는 AR(Augmented Reality) 기반의 사용자 매뉴얼을 생성하는 것을 특징으로 하는 인공 지능 장치.
  9. 제1 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼을 전송할 때, 상기 사용자 단말기의 카메라를 통해 촬영되는 대상기기가 상기 사용자 단말기의 화면 위에 표시되면 상기 화면 위에 표시되는 대상기기 주변에 증강 현실 기반의 사용자 매뉴얼을 제공하는 것을 특징으로 하는 인공 지능 장치.
  10. 제9 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼에 대상기기의 특정 버튼 조작 관련 내용이 포함되면 상기 사용자 단말기의 화면에 표시되는 대상기기 주변에 상기 특정 버튼의 형상을 증강 현실로 제공하는 것을 특징으로 하는 인공 지능 장치.
  11. 제9 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼에 대상기기의 특정 버튼 조작 관련 내용이 포함되면 상기 사용자 단말기의 화면에 표시되는 대상기기에 상기 특정 버튼의 위치를 알려주는 식별자를 증강 현실로 제공하는 것을 특징으로 하는 인공 지능 장치.
  12. 제9 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼에 대상기기의 이상 부위 조작 관련 내용이 포함되면 상기 사용자 단말기의 화면에 표시되는 대상기기에 상기 이상 부위의 위치를 알려주는 식별자를 증강 현실로 제공하는 특징으로 하는 인공 지능 장치.
  13. 제1 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼을 전송할 때, 상기 사용자 단말기의 카메라를 통해 촬영되는 대상기기가 상기 사용자 단말기의 화면 위에 표시되면 상기 화면 위에 표시되는 대상기기 주변에 사용자 매뉴얼 재요청 버튼을 증강 현실로 제공하는 것을 특징으로 하는 인공 지능 장치.
  14. 제13 항에 있어서,
    상기 프로세서는,
    상기 사용자 매뉴얼 재요청 버튼을 선택하는 사용자 입력을 수신하면 상기 대상기기의 진단 범위를 재설정하고, 상기 재설정한 대상기기의 진단 범위 내에서 상기 사용자 문의 사항에 상응하는 진단을 재수행하며, 상기 재수행한 진단 결과에 대한 사용자 매뉴얼을 재생성하여 상기 사용자 단말기로 제공하는 것을 특징으로 하는 인공 지능 장치.
  15. 사용자 단말기에 통신 연결되는 인공 지능 장치의 대상기기 매뉴얼 제공 방법에 있어서,
    상기 사용자 단말기로부터 사용자 문의 사항을 수신하는 단계;
    상기 사용자 문의 사항을 분석하여 대상기기의 진단 범위를 설정하는 단계;
    상기 설정한 대상기기의 진단 범위 내에서 상기 사용자 문의 사항에 상응하는 진단을 수행하는 단계;
    상기 수행한 진단 결과에 대한 사용자 매뉴얼을 생성하는 단계; 및
    상기 생성한 사용자 매뉴얼을 상기 사용자 단말기로 전송하는 단계를 포함하는 것을 특징으로 하는 대상기기 매뉴얼 제공 방법.
PCT/KR2022/010365 2022-07-15 2022-07-15 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법 WO2024014584A1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/KR2022/010365 WO2024014584A1 (ko) 2022-07-15 2022-07-15 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법
US18/048,001 US20240022488A1 (en) 2022-07-15 2022-10-19 Artificial intelligence apparatus and method for providing target device manual thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2022/010365 WO2024014584A1 (ko) 2022-07-15 2022-07-15 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법

Publications (1)

Publication Number Publication Date
WO2024014584A1 true WO2024014584A1 (ko) 2024-01-18

Family

ID=89509405

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/010365 WO2024014584A1 (ko) 2022-07-15 2022-07-15 인공 지능 장치 및 그의 대상기기 매뉴얼 제공 방법

Country Status (2)

Country Link
US (1) US20240022488A1 (ko)
WO (1) WO2024014584A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160058523A (ko) * 2014-11-17 2016-05-25 삼성전자주식회사 음성 인식 시스템, 서버, 디스플레이 장치 및 그 제어 방법
JP2017097712A (ja) * 2015-11-26 2017-06-01 株式会社日立製作所 機器診断装置及びシステム及び方法
KR20190056935A (ko) * 2017-11-17 2019-05-27 주식회사 코이노 휴대단말과 원격관리장치 및 이를 이용한 증강현실 기반 원격 가이던스 방법
KR20210071523A (ko) * 2019-12-06 2021-06-16 엘지전자 주식회사 증강 현실에 기반한 공기 조화기의 정비 방법 및 장치
KR20210153165A (ko) * 2019-05-09 2021-12-17 엘지전자 주식회사 음성 인식 기능을 제공하는 인공 지능 기기, 인공 지능 기기의 동작 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160058523A (ko) * 2014-11-17 2016-05-25 삼성전자주식회사 음성 인식 시스템, 서버, 디스플레이 장치 및 그 제어 방법
JP2017097712A (ja) * 2015-11-26 2017-06-01 株式会社日立製作所 機器診断装置及びシステム及び方法
KR20190056935A (ko) * 2017-11-17 2019-05-27 주식회사 코이노 휴대단말과 원격관리장치 및 이를 이용한 증강현실 기반 원격 가이던스 방법
KR20210153165A (ko) * 2019-05-09 2021-12-17 엘지전자 주식회사 음성 인식 기능을 제공하는 인공 지능 기기, 인공 지능 기기의 동작 방법
KR20210071523A (ko) * 2019-12-06 2021-06-16 엘지전자 주식회사 증강 현실에 기반한 공기 조화기의 정비 방법 및 장치

Also Published As

Publication number Publication date
US20240022488A1 (en) 2024-01-18

Similar Documents

Publication Publication Date Title
WO2020246643A1 (ko) 서빙 로봇 및 그를 이용한 고객 접대 방법
WO2019132518A1 (en) Image acquisition device and method of controlling the same
WO2021006404A1 (ko) 인공지능 서버
WO2021091030A1 (en) Artificial intelligence cooking device
WO2020241920A1 (ko) 장치 정보에 기반하여, 다른 장치를 제어할 수 있는 인공 지능 장치
WO2020262746A1 (ko) 인공지능 기반의 세탁 코스 추천 장치 및 그 제어 방법
WO2021006368A1 (ko) 인공지능 기반의 에너지 사용량 예측 장치 및 예측 방법
WO2020246647A1 (ko) 인공 지능 시스템의 동작을 관리하는 인공 지능 장치 및 그 방법
WO2020231153A1 (en) Electronic device and method for assisting with driving of vehicle
WO2020246640A1 (ko) 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법
WO2021029457A1 (ko) 사용자에게 정보를 제공하는 인공 지능 서버 및 그 방법
WO2020251074A1 (ko) 음성 인식 기능을 제공하는 인공 지능 로봇 및 그의 동작 방법
WO2020145625A1 (ko) 인공 지능 장치 및 그의 동작 방법
WO2021206221A1 (en) Artificial intelligence apparatus using a plurality of output layers and method for same
WO2020251086A1 (ko) 인공지능 세탁물 처리 기기
WO2021215547A1 (ko) 스마트 홈 장치 및 방법
WO2021172642A1 (ko) 장치 간 연동에 기초한 장치 제어 기능을 제공하는 인공 지능 장치 및 그 방법
WO2020241919A1 (ko) 인공지능 기반의 세탁물 데이터 분석 장치
WO2020230928A1 (ko) 로봇 및 그의 제어 방법
WO2020256169A1 (ko) 인공 지능을 이용하여, 안내 서비스를 제공하는 로봇 및 그의 동작 방법
WO2021002493A1 (ko) 지능형 게이트웨이 장치 및 그를 포함하는 제어 시스템
WO2021040105A1 (ko) 개체명 테이블을 생성하는 인공 지능 장치 및 그 방법
WO2020251096A1 (ko) 인공 지능 로봇 및 그의 동작 방법
WO2020241923A1 (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법
WO2020262721A1 (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템

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: 22951239

Country of ref document: EP

Kind code of ref document: A1