WO2024053755A1 - 로봇 - Google Patents

로봇 Download PDF

Info

Publication number
WO2024053755A1
WO2024053755A1 PCT/KR2022/013341 KR2022013341W WO2024053755A1 WO 2024053755 A1 WO2024053755 A1 WO 2024053755A1 KR 2022013341 W KR2022013341 W KR 2022013341W WO 2024053755 A1 WO2024053755 A1 WO 2024053755A1
Authority
WO
WIPO (PCT)
Prior art keywords
brush
caster
robot
sensor
driving
Prior art date
Application number
PCT/KR2022/013341
Other languages
English (en)
French (fr)
Inventor
이일재
신성민
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/KR2022/013341 priority Critical patent/WO2024053755A1/ko
Publication of WO2024053755A1 publication Critical patent/WO2024053755A1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
    • B25J19/02—Sensing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J5/00—Manipulators mounted on wheels or on carriages

Definitions

  • the present invention relates to robots.
  • a robot is a machine that automatically processes or operates a given task based on its own abilities.
  • the application fields of robots can be broadly classified into industrial, medical, space, underwater, etc., and can be used in a variety of fields.
  • An example of a robot may include a driving wheel, a front caster, and a rear caster, and such a robot is disclosed in Korean Patent Publication No. 10-2020-0085661 (published on July 15, 2020).
  • the robot includes a main body provided with a traveling unit, and the traveling unit includes a driving wheel rotating around a driving shaft extending left and right; and a drive motor that provides rotational power to the drive wheel.
  • a front caster provided on the front bottom of the main body; It includes a rear caster provided at the rear bottom of the main body.
  • the purpose of this embodiment is to provide a robot that can minimize floor damage caused by foreign substances on casters.
  • the purpose of this embodiment is to provide a robot that can keep casters clean and minimize the cleaning work of casters.
  • This embodiment aims to provide a robot with improved cleanliness.
  • the robot according to this embodiment includes driving wheels; Casters placed around the drive wheel; and a brush that comes into contact with the caster and removes foreign substances from the caster surface.
  • the robot includes a sensor that detects foreign substances on the caster surface; And it may include a brush mover that moves the brush to a contact position in contact with the caster or moves the brush to a spaced position away from the caster, depending on the sensed value of the sensor.
  • the sensor may include a ToF sensor or an infrared sensor positioned spaced apart from the caster surface.
  • the brush mover is a solenoid that is activated when the sensing value of the sensor exceeds the standard value; And it may include a spring connecting the solenoid and the brush.
  • It may include a processor that operates the brush mover in a forward mode or a retractable mode.
  • the brush may be advanced to the caster. If the sensor's sensing value is within the standard value, the brush can be retracted from the caster.
  • the brush Upon completion of the brush's advancement, the brush can be maintained for a set time.
  • the sensor can operate on a set cycle.
  • the robot may further include an input interface that varies the setting cycle.
  • the robot may further include a fan installed in the main body and blowing air to the caster.
  • the fan When the brush is advanced, the fan may be activated.
  • the brush when the drive wheel is driving and the sensing value of the sensor exceeds the reference value, the brush may be advanced to the caster.
  • the brush can be advanced by the caster.
  • the brush can remove foreign substances stuck on the caster from the caster, and damage to the floor caused by foreign substances stuck on the caster can be minimized.
  • the caster can be kept clean and the cleaning work of the caster can be minimized.
  • the air blown from the fan can minimize foreign substances separated from the caster from entering the main body, and the robot can be kept clean.
  • FIG. 1 is a diagram showing an AI device including a robot according to this embodiment
  • Figure 2 is a diagram showing an AI server connected to a robot according to this embodiment
  • FIG. 3 is a diagram showing an AI system according to this embodiment
  • FIG. 4 is a perspective view of a robot according to this embodiment
  • FIG. 5 is a diagram showing a driving wheel and caster according to this embodiment.
  • Figure 6 is a diagram showing an example of a caster and an example of a brush according to this embodiment
  • FIG. 7 is a diagram showing another example of a caster and another example of a brush according to this embodiment.
  • FIG. 8 is a perspective view of a brush according to this embodiment.
  • FIG. 9 is a diagram showing a caster of an example of a robot according to this embodiment when foreign substances are removed by a brush;
  • FIG. 10 is a diagram showing a caster of another example of a robot according to this embodiment when foreign substances are removed by a brush;
  • Figure 11 is a diagram showing a caster of another example robot according to this embodiment when foreign substances are removed by a brush.
  • 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.
  • Machine learning refers to the field of defining various problems dealt with in the field of artificial intelligence and researching methodologies to solve them. do.
  • 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. It 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 artificial neural network learning 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.
  • a label refers to the correct answer (or result value) that the artificial neural network must infer when 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 with a deep neural network is also called deep learning, and deep learning is a part of machine learning.
  • machine learning is used to include deep learning.
  • 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.
  • FIG. 1 is a diagram illustrating an AI device including a robot according to this embodiment.
  • the AI device 10 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 (STBs). ), DMB receivers, radios, washing machines, refrigerators, desktop computers, digital signage, robots, vehicles, etc., can be implemented as fixed or movable devices.
  • the AI device 10 includes a communication interface 11, an input interface 12, a learning processor 13, a sensor 14, an output interface 15, a memory 17, and a processor 18. It may include etc.
  • the communication interface 11 can transmit and receive data with external devices such as other AI devices 10a to 10e or the AI server 20 using wired or wireless communication technology.
  • the communication interface 11 can transmit and receive sensor information, user input, learning models, control signals, etc. with external devices.
  • communication technologies used by the communication interface 11 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 interface 12 can acquire various types of data.
  • the input interface 12 may include a camera for inputting video signals, a microphone for receiving audio signals, and a user input interface 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 interface 12 can obtain training data for model learning and input data to be used when obtaining an output using the learning model.
  • the input interface 12 may acquire unprocessed input data, and in this case, the processor 18 or the learning processor 13 may extract input features by preprocessing the input data.
  • the learning processor 13 can learn 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 an operation.
  • the learning processor 13 may perform AI processing together with the learning processor 24 of the AI server 20.
  • the learning processor 13 may include a memory integrated or implemented in the AI device 10.
  • the learning processor 13 may be implemented using the memory 17, an external memory directly coupled to the AI device 10, or a memory maintained in an external device.
  • the sensor 14 may use various sensors to obtain at least one of internal information of the AI device 10, information about the surrounding environment of the AI device 10, and user information.
  • the sensors included in the sensor 14 include a proximity sensor, illuminance sensor, acceleration sensor, magnetic sensor, gyro sensor, inertial sensor, RGB sensor, IR sensor, fingerprint recognition sensor, ultrasonic sensor, optical sensor, microphone, lidar, Radar, etc.
  • the output interface 15 may generate output related to vision, hearing, or tactile sensation.
  • the output interface 15 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 17 can store data supporting various functions of the AI device 10.
  • the memory 17 may store input data, learning data, learning models, learning history, etc. obtained from the input interface 12.
  • Processor 18 may determine at least one executable operation of AI device 10 based on information determined or generated using a data analysis algorithm or machine learning algorithm. And, the processor 18 can control the components of the AI device 10 to perform the determined operation.
  • the processor 18 may request, retrieve, receive, or utilize data from the learning processor 13 or the memory 17, and perform an operation that is predicted or determined to be desirable among the at least one executable operation.
  • Components of the AI device 10 can be controlled to execute.
  • the processor 18 may generate a control signal to control the external device and transmit the generated control signal to the external device.
  • the processor 18 may obtain intent information for user input and determine the user's requirements based on the obtained intent information.
  • the processor 18 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, so that the user Intent information corresponding to the 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 NLP engine is learned by the learning processor 13, learned by the learning processor 24 of the AI server 20, or learned by distributed processing thereof. It may be.
  • the processor 18 collects history information including the user's feedback on the operation of the AI device 10 and stores it in the memory 17 or the learning processor 13, or in the AI server 20, etc. Can be transmitted to an external device. The collected historical information can be used to update the learning model.
  • the processor 18 may control at least some of the components of the AI device 10 to run the application program stored in the memory 17. Furthermore, the processor 18 may operate two or more of the components included in the AI device 10 in combination with each other in order to run the application program.
  • Figure 2 is a diagram showing an AI server connected to a robot according to this embodiment.
  • the AI server 20 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 20 may be composed of a plurality of servers to perform distributed processing, and may be defined as a 5G network.
  • the AI server 20 may be included as a part of the AI device 10 and perform at least part of the AI processing.
  • the AI server 20 may include a communication interface 21, a memory 23, a learning processor 24, and a processor 26.
  • the communication interface 21 can transmit and receive data with an external device such as the AI device 10.
  • Memory 23 may include model storage 23a.
  • the model storage 23a may store a model (or artificial neural network, 23b) that is being trained or has been learned through the learning processor 24.
  • the learning processor 24 can train the artificial neural network 23b using learning data.
  • the learning model may be used while mounted on the AI server 20 of the artificial neural network, or may be mounted and used on an external device such as the AI device 10.
  • Learning models can be implemented in hardware, software, or a combination of hardware and software.
  • one or more instructions constituting the learning model may be stored in the memory 23.
  • the processor 26 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.
  • FIG. 3 is a diagram showing an AI system according to this embodiment.
  • the AI system 1 includes at least one of an AI server 20, a robot 10a, an autonomous vehicle 10b, an XR device 10c, a smartphone 10d, or a home appliance 10e. It is connected to this cloud network (2).
  • a robot 10a, an autonomous vehicle 10b, an XR device 10c, a smartphone 10d, or a home appliance 10e to which AI technology is applied may be referred to as AI devices 10a to 10e.
  • 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 of the devices 10a to 10e, 20 constituting the AI system 1 may be connected to each other through the cloud network 10.
  • the devices 10a to 10e, 20 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 20 may include a server that performs AI processing and a server that performs calculations on big data.
  • the AI server 20 is connected to at least one of the AI devices constituting the AI system 1: a robot 10a, an autonomous vehicle 10b, an XR device 10c, a smartphone 10d, or a home appliance 10e. It is connected through the cloud network 10 and can assist at least some of the AI processing of the connected AI devices 10a to 10e.
  • the AI server 20 can train an artificial neural network according to a machine learning algorithm on behalf of the AI devices 10a to 10e, and directly store or transmit the learning model to the AI devices 10a to 10e.
  • the AI server 20 receives input data from the AI devices 10a to 10e, 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 (10a to 10e).
  • the AI devices 10a to 10e 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 10a to 10e to which the above-described technology is applied will be described.
  • the AI devices 10a to 10e shown in FIG. 3 can be viewed as specific examples of the AI device 10 shown in FIG. 1.
  • the robot 10a 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 10a may include a robot control module to control its movements, and the robot control module may mean a software module or a chip implementing it as hardware.
  • the robot 10a uses sensor information obtained from various types of sensors to acquire status information of the robot 10a, 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 10a 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 10a can perform the above operations using a learning model composed of at least one artificial neural network.
  • the robot 10a 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 10a or from an external device such as the AI server 20.
  • the robot 10a 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 20 and receiving the result generated accordingly. You may.
  • the robot 10a 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 10a can be driven accordingly.
  • the map data may include object identification information about various objects arranged in the space where the robot 10a 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 10a can perform actions or travel by controlling the driving unit based on the user's control/interaction. At this time, the robot 10a 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 robot 10a 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 10a to which AI technology and autonomous driving technology are applied may refer to a robot itself with autonomous driving functions or a robot 10a that interacts with an autonomous vehicle 10b.
  • the robot 10a with an autonomous driving function may refer to devices that move on their own along a given route without user control or that determine the route on their own.
  • the robot 10a and the autonomous vehicle 10b 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 10a and the autonomous vehicle 10b with autonomous driving functions can determine one or more of a movement path or a driving plan using information sensed through lidar, radar, and cameras.
  • the robot 10a that interacts with the autonomous vehicle 10b exists separately from the autonomous vehicle 10b and is linked to the autonomous driving function inside the autonomous vehicle 10b or is connected to the autonomous vehicle 10b. You can perform actions linked to the user on board.
  • the robot 10a interacting with the self-driving vehicle 10b acquires sensor information on behalf of the self-driving vehicle 10b and provides it to the self-driving vehicle 10b, or acquires sensor information and provides surrounding environment information or By generating object information and providing it to the autonomous vehicle 10b, the autonomous driving function of the autonomous vehicle 10b can be controlled or assisted.
  • the robot 10a interacting with the autonomous vehicle 10b may monitor the user riding the autonomous vehicle 10b or control the functions of the autonomous vehicle 10b through interaction with the user. .
  • the robot 10a may activate the autonomous driving function of the autonomous vehicle 10b or assist in controlling the driving unit of the autonomous vehicle 10b.
  • the functions of the autonomous vehicle 10b controlled by the robot 10a may include not only the autonomous driving function but also functions provided by a navigation system or audio system provided inside the autonomous vehicle 10b.
  • the robot 10a interacting with the autonomous vehicle 10b may provide information to the autonomous vehicle 10b or assist a function from outside the autonomous vehicle 10b.
  • the robot 10a may provide traffic information including signal information to the autonomous vehicle 10b, such as a smart traffic light, and may interact with the autonomous vehicle 10b, such as an automatic electric charger for an electric vehicle. You can also automatically connect an electric charger to the charging port.
  • Figure 4 is a perspective view of a robot according to this embodiment.
  • the robot 10a may include a main body 30.
  • the robot 10a is a guide robot that provides various information to users at airports, subways, bus terminals, etc., a serving robot that can serve various items to guests in restaurants, hotels, etc., or deliveries such as food, medicine, and delivery goods (hereinafter, It may be a delivery robot that can transport (referred to as “delivery”).
  • the main body 30 may be composed of a combination of a plurality of members and may be a robot body.
  • the main body 30 may be provided with at least one display 32, and the main body 30 may include at least one outer cover 34 that forms an appearance.
  • the outer cover 34 may have a front opening 34a formed in the front portion.
  • At least one camera that photographs the surroundings of the robot 10a may be disposed on the main body 30.
  • Figure 5 is a diagram showing a driving wheel and a caster according to this embodiment
  • Figure 6 is a diagram showing an example of a caster and an example of a brush according to this embodiment
  • Figure 7 is a diagram showing an example of a caster according to this embodiment. Another example and another example of a brush are shown
  • Figure 8 is a perspective view of a brush according to this embodiment.
  • the main body 30 may include a frame 36 disposed inside the outer cover 34.
  • a LIDAR 35 (see FIG. 5) may be placed on the main body 30, which measures the position coordinates of the reflector by shooting a laser pulse and measuring the time it takes to reflect and return.
  • LiDAR 35 may be mounted on the main body 30 to be located inside the front opening 34a shown in FIG. 4. The laser pulse generated from the lidar 35 may pass through the opening 34a of the outer cover 34.
  • the frame 36 may include a base plate 38 spaced apart from the ground.
  • the main body 30, particularly the frame 36, may be provided with a driving unit 40.
  • the driving unit 40 may be a traveling module that drives the robot 10a.
  • the driving unit 40 may support the main body 30 so that the main body 30 is spaced apart from the ground.
  • the driving unit 40 may include at least one driving wheel and a motor that drives the driving wheel.
  • An example of the driving unit 40 may include an in-wheel motor 50.
  • the in-wheel motor 50 may include a motor 52 and a drive wheel 54.
  • the motor 52 may be coupled to the lower body 53 disposed below the main body 30.
  • An example of the lower body 53 may be fixedly disposed at the lower part of the main body 30.
  • Another example of the lower body 53 may be rotatably disposed at the lower part of the main body 30.
  • the lower body 53 may be disposed long in the front-back direction (X) below the base plate 38.
  • the lower body 53 may be a front mounter on which the in-wheel motor 50 and the front caster 62 are mounted together.
  • the lower body 53 may be a front link that rotates around the rotation axis 56 (see FIG. 6).
  • the rotation axis 56 may be formed on a screw or bolt fastened to the main body 30, especially the frame 36.
  • a damper 57 may be connected to the rotation shaft 56.
  • the damper 57 may include at least one damping member connected to the rotation shaft 56 and a damper case that protects the damping member from the outside of the damping member.
  • the damper case may be fastened to the lower body 53.
  • a motor mounter 59 may be disposed on the lower body 53 to which the motor 52 of the in-wheel motor 50 is fastened with a fastening member 58 such as a bolt.
  • the driving wheel 54 may be located at the lower part of the main body 30.
  • the drive wheel 54 may be rotated by a motor 52.
  • the drive wheel 54 may be connected to the rotation shaft of the motor 52 or to a reducer connected to the rotation shaft of the motor 52.
  • the drive wheel 54 may be connected to a motor 52 or a reducer and placed at the lower part of the main body 30.
  • the driving unit 40 may include a caster 60 that helps the robot 10a travel by the driving wheel 54.
  • the caster 60 may be disposed around the driving wheel 54.
  • the caster 60 may be spaced apart from the driving wheel 54.
  • a plurality of casters 60 may be provided to the robot 10a.
  • the plurality of casters may include a front caster 62 and a rear caster 64.
  • the front caster 62 may be spaced apart from the rear caster 64 in the front-to-back direction (X).
  • An example of the front caster 62 may be mounted on the lower body 53.
  • the front caster 62 can be connected to the lower body 53 along the front vertical axis and can rotate 360° around the front vertical axis.
  • the front caster 62 may include a caster bracket with a front vertical axis protruding upward, and a caster wheel connected to the caster bracket with a horizontal axis and rotating about the horizontal axis.
  • the rear caster 64 may be formed in the same structure as the front caster 62.
  • One example of the rear caster 64 may be mounted on the rear bracket 39 disposed on the base plate 38.
  • the rear caster 64 can be connected to the rear bracket 39 along the rear vertical axis and can rotate 360° around the rear vertical axis.
  • the rear caster 64 may include a caster bracket whose rear vertical axis protrudes upward, and a caster wheel connected to the caster bracket with a horizontal axis and rotated about the horizontal axis.
  • the robot 10a may further include auxiliary wheels 70.
  • the auxiliary wheels 70 can assist the front caster 62 so that the robot 10a can easily overcome obstacles such as bumps on the ground.
  • the auxiliary wheel 70 may be located further forward than the front caster 62. As shown in FIG. 5, the distance from the tip of the main body 30 to the tip of the auxiliary wheel 70 may be shorter than the distance from the tip of the main body 30 to the tip of the front caster 62.
  • the auxiliary wheels 70 can overcome obstacles before the front caster 62.
  • a driving wheel 54, a front caster 62, a rear caster 64, and an auxiliary wheel 70 may be provided in pairs on the left and right sides of the lower part of the main body 30.
  • the robot 10a may further include at least one brush 80 (see FIGS. 6 to 8).
  • the brush 80 can remove foreign substances on the surface of the caster 60.
  • the brush 80 may be disposed close to at least one of the front caster 62 and the rear caster 64.
  • the brush 80 may include a front brush 82 (see FIG. 6) that removes foreign substances on the surface of the front caster 62.
  • the brush 80 may include a rear brush 84 (see FIG. 7) that removes foreign substances on the surface of the rear caster 64.
  • the brush 80 may include a bracket 86 and a plurality of bristles 88 disposed on the bracket 81.
  • the bracket 86 may be made of ABS material.
  • the bristles 88 may be made of a soft material.
  • the bracket 81 may be mounted so that the plurality of bristles 88 face the caster 60 in the front-back direction (X), and another example of the brush 80 is the plurality of bristles 88. It is also possible for the bracket 81 to be mounted so that (88) faces the caster 60 in the vertical direction (Z),
  • the bracket 86 is mounted on the lower body 53 so that the plurality of bristles 88 face the front caster 62 in the front-back direction (X). You can.
  • the bracket 86 is mounted on the rear bracket 39 so that the plurality of bristles 88 face the rear caster 64 in the vertical direction (Z). You can.
  • the brush 80 is arranged to be in constant contact with the caster 60, making it possible to remove foreign substances from the caster 60, and is arranged to be spaced apart from the caster 60, so as not to interfere with the rotation of the caster 60. It is also possible.
  • the brush 80 When the brush 80 is arranged to be movable or rotatable around the caster 60, it can contact the caster 60 to remove foreign substances on the caster 60, and is spaced apart from the caster 60. , can help the caster 60 rotate smoothly.
  • Figure 9 is a diagram showing a caster of an example of a robot according to this embodiment when foreign substances are removed by a brush.
  • Figure 9 (a) is a diagram when the sensor 90 senses foreign substances on the surface of the caster 60
  • Figure 9 (b) is a diagram when the brush 80 is advanced to the caster 60
  • 9(c) is a diagram when the brush 80 is retracted from the caster 60.
  • the robot 10a may include a sensor 90 and a brush mover 100.
  • the sensor 90 can sense foreign substances on the surface of the caster 60.
  • the sensor 90 can sense the amount of foreign matter on the surface of the caster 60.
  • An example of the sensor 90 may be an infrared sensor disposed spaced apart from the surface of the caster 60, and may be a Time of Flight (Tof) sensor or an infrared ray (IR) sensor.
  • Tof Time of Flight
  • IR infrared ray
  • the ToF sensor is a 3D sensor that can recognize the three-dimensional effect of foreign substances by calculating the distance in time from which light emitted to the caster 60 bounces and returns through infrared wavelengths.
  • the IR sensor can detect the amount of foreign matter on the caster 60 by irradiating infrared rays toward the caster 60.
  • the sensor 90 may be placed on the main body 30, lower body 53, or rear bracket 39.
  • the sensor 90 operates at a set cycle and can sense foreign substances on the caster 60.
  • Examples of setting cycles may be 1 hour, 3 hours, 24 hours, 1 week, 1 month, etc.
  • the robot manager can vary the setting cycle through the input interface 12 of the robot 10a.
  • the processor 18 can operate the sensor 90 with the changed setting cycle.
  • the robot manager can adjust the setting cycle according to the characteristics of the place where the robot 10a is installed.
  • the brush mover 100 may be a gap adjustment mechanism that adjusts the gap between the brush 80 and the caster 60.
  • the brush mover 100 can move the brush 80 to the contact position (P1) and the spaced position (P2).
  • the brush mover 100 is capable of moving the brush 80 in the forward and backward direction (X), and is also possible to move the brush 80 in the up and down direction (Z).
  • the brush mover 100 can move the brush 80 to a contact position (P1) in contact with the caster 60.
  • the brush mover 100 can move the brush 80 to a spaced position P2 away from the caster 60.
  • the contact position P1 may be a position where the brush 80 removes foreign substances attached to the caster 60 from the caster 60 .
  • the spaced position P2 may be a position where the brush 80 is spaced apart from the caster 60 and the caster 60 can be rotated without being hindered by the brush 80 .
  • the brush mover 100 may include a solenoid 102 that is activated when the sensing value of the sensor 90 exceeds a reference value.
  • An example of the brush mover 100 may further include a spring 104 connecting the solenoid 102 and the brush 80.
  • the solenoid 102 may be a driving source that provides driving force to move the brush 80.
  • the spring 104 can absorb shock that may occur when the brush 80 contacts the caster 60.
  • the spring 104 can prevent the brush 80 from leaving and can generate an overlap effect between the caster 60 and the brush 80.
  • spring 104 may be a coil spring. One end of the spring 104 may be connected to the shaft of the solenoid 102, and the other end of the spring 104 may be connected to the bracket 86 of the brush 80.
  • the brush mover 100 may be placed on the mounting portion 55 formed on the main body 30, lower body 53, or rear bracket 39.
  • the brush mover 100 can also include a linear motor connected to the brush 80, and the motor and the rotational force of the motor in the perspective of the motor and brush are applied to the brush 80.
  • a power transmission member such as a gear that converts to linear motion.
  • the brush mover 100 may be a brush rotor that rotates the brush 60, and the brush rotor can rotate the brush 60 to the contact position P1 in contact with the caster 60, and the brush (80) can be rotated to a spaced position (P2) away from the caster (60).
  • the processor 18 of the robot 10a sets the sensor 90 to detect foreign substances at a set period (e.g., 1 hour, 3 hours, 24 hours, 1 week,
  • the sensor 90 can be operated for 1 month, etc.).
  • the processor 18 of the robot 10a may output a signal to operate the brush mover 100.
  • the processor 18 of the robot 10a may output an operation signal of the brush mover 100 according to the sensing value of the sensor 90, and the brush mover 100 may operate the brush 80 on the caster 60.
  • the brush 80 can be moved to contact the wheel.
  • the processor 18 can output a signal to operate the brush mover 100 in the forward mode, and the brush 80 moves as shown in (b) of FIG. 9, It can be advanced with the caster 60.
  • the processor 18 can wait for a set time (i.e., foreign matter removal time), and the brush 80 can be maintained for the set time.
  • the brush 80 can maintain a state in contact with the caster 80 for a set time.
  • the processor 18 may output a signal to operate the brush mover 100 in a retraction mode.
  • the processor 18 can operate the sensor 90 again when the set time has elapsed, and if the sensing value of the sensor 90 is within the reference value, it can output a signal to operate the brush mover 100 in a retraction mode.
  • the brush 80 may be retracted from the caster 60, as shown in (c) of FIG. 9.
  • processor 18 when the set time has elapsed, it is possible to retract the brush 80 regardless of the sensing value of the sensor 90.
  • processor 18 when the set time has elapsed, the sensor 90 can be retracted. If the sensing value of 90 is within the reference value, it is possible to retract the brush 80.
  • Figure 10 is a diagram showing a caster of another example of a robot according to this embodiment when foreign substances are removed by a brush.
  • the robot 10a may further include a fan 110 that blows air to the caster 80.
  • Figure 10 (a) is a diagram when the sensor 90 senses foreign matter on the surface of the caster 60
  • Figure 10 (b) shows the brush 80 moving forward to the caster 60 and the fan 110.
  • ) is a diagram when it operates
  • (c) in FIG. 10 is a diagram when the brush 80 is retracted from the caster 60 and the fan 110 is stopped.
  • the fan 110 may be installed in the main body 30.
  • the fan 110 may be operated by the processor 18.
  • the fan 110 can be operated simultaneously, and foreign substances separated from the caster 60 do not flow into the main body 30, but are moved by the air flowing from the fan 110. It can be moved to the outside of the robot 10a.
  • the fan 110 may be operated from the start of the forward mode of the brush 80, or may be operated while the brush 80 is moving forward. When the brush 80 reaches the contact position P1, It is also possible that it works.
  • the fan 110 may be stopped.
  • the fan 110 can be stopped from the start of the retraction mode of the brush 80, or it can be stopped while the brush 80 is retracting. When the brush 80 has reached the separation position P2, It is also possible to stop.
  • the example shown in FIG. 10 may be the same or similar to the example shown in FIG. 9 in terms of the presence or absence of the fan 110 and other configurations and operations other than the control of the fan 110, and the detailed description is provided to avoid redundant explanation. is omitted.
  • Figure 11 is a diagram showing a caster of another example robot according to this embodiment when foreign substances are removed by a brush.
  • the brush 80 may be advanced to the caster 60.
  • Figure 11 (a) is a diagram showing when the driving wheel 54 is driving and the sensor 90 senses foreign matter on the surface of the caster 60
  • Figure 11 (b) is a diagram showing the driving wheel 54 This is a diagram when the brush 80 is being driven and the brush 80 is advancing toward the caster 60
  • Figure 11 (c) is a diagram when the drive wheel 54 is being driven and the brush 80 is being retracted from the caster 60. It's a degree.
  • the sensing value of the sensor 90 may exceed the reference value, and the processor 18 may control the brush mover 100 in a forward mode.
  • the brush 80 may be in contact with the caster 60 that rotates together with the driving wheel 54, and foreign substances on the surface of the caster 60 may be separated from the caster 60 by contacting the brush 80.
  • the processor 18 may operate the sensor 90 again, and if the sensing value of the sensor 90 is within the reference value, the processor 18 Can control the brush mover 100 in retraction mode.
  • the brush 80 may be separated from the caster 60 that rotates together with the drive wheel 54.
  • the conditions for advancing the brush 80 may be different from the example shown in FIG. 11 .
  • the brush 80 can be moved forward by the caster 60.
  • the sensing value of the sensor 90 may exceed the reference value, and at this time, if the robot 10a is currently traveling in a straight line, such as forward or backward, the processor 18 moves the brush mover ( 100) can be controlled in forward mode.
  • the brush 80 may be in contact with the caster 60 that rotates together with the driving wheel 54, and foreign substances on the surface of the caster 60 may be separated from the caster 60 by contacting the brush 80.
  • the processor 18 may operate the sensor 90 again, and if the sensing value of the sensor 90 is within the reference value, the processor 18 Can control the brush mover 100 in a retraction mode, and the brush 80 can be separated from the caster 60 that rotates together with the drive wheel 54.
  • the robot 10a can be switched from straight travel to turning travel (right turn travel or left turn travel).
  • the brush mover 100 may be driven in a retraction mode to separate the brush 80 from the caster 60.
  • the brush mover 100 is driven in a forward mode, making it possible to bring the brush 80 into contact with the caster 60. , the temporary removal of foreign substances can be resumed.

Landscapes

  • Engineering & Computer Science (AREA)
  • Robotics (AREA)
  • Mechanical Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Manipulator (AREA)

Abstract

본 실시예는 구동 휠; 구동 휠 주변에 배치된 캐스터; 캐스터 표면의 이물질을 센싱하는 센서; 캐스터 표면의 이물질을 제거하기 위한 브러시; 및 센서의 센싱값에 따라 브러시를 캐스터와 접촉하는 접촉위치로 이동시키거나 브러시를 캐스터와 이격되는 이격위치로 이동시키는 브러시 무버를 포함한다.

Description

로봇
본 발명은 로봇에 관한 것이다.
로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는　기계로서, 로봇의 응용분야는 대체로, 산업용, 의료용, 우주용, 해저용 등으로 분류될 수 있고, 다양한 분야에서 사용될 수 있다.
로봇의 일 예는 구동휠과, 프론트 캐스터와, 리어 캐스터를 포함할 수 있고, 대한민국 공개특허공보 10-2020-0085661(2020년07월15일 공개)에는 이러한 로봇이 개시되어 있다.
상기 로봇은 주행 유닛이 구비된 본체를 포함하고, 주행 유닛은 좌우로 길게 형성된 구동축을 중심으로 회전하는 구동휠; 및 상기 구동휠에 회전 동력을 제공하는 구동 모터; 본체의 저면 전방부에 구비된 프론트 캐스터; 본체의 저면 후방부에 구비된 리어 캐스터를 포함한다.
본 실시 예는 캐스터에 묻은 이물질에 의한 바닥의 손상을 최소화할 수 있는 로봇을 제공하는데 있다.
본 실시 예는 캐스터를 청결하게 유지할 수 있고, 캐스터의 청소 작업을 최소화할 수 있는 로봇을 제공하는데 있다.
본 실시 예는 청결성이 향상된 로봇을 제공하는데 있다.
본 실시 예에 따른 로봇은 구동 휠; 구동 휠 주변에 배치된 캐스터; 및 캐스터와 접촉되어 캐스터 표면의 이물질을 제거하는 브러시를 포함한다.
로봇은 캐스터 표면의 이물질을 센싱하는 센서; 및 센서의 센싱값에 따라 브러시를 캐스터와 접촉하는 접촉위치로 이동시키거나 브러시를 캐스터와 이격되는 이격위치로 이동시키는 브러시 무버를 포함할 수 있다.
센서는 캐스터 표면과 이격되게 배치된 Tof 센서 또는 적외선 센서를 포함할 수 있다.
브러시 무버는 센서의 센싱값이 기준값을 초과하면 작동되는 솔레노이드; 및 솔레노이드와 브러시를 연결하는 스프링을 포함할 수 있다.
브러시 무버를 전진 모드나 후퇴 모드로 작동시키는 프로세서를 포함할 수 있다.
일 예로, 센서의 센싱값이 기준값을 초과하면 브러시는 캐스터로 전진될 수 있다. 센서의 센싱값이 기준값 이내이면 브러시는 캐스터에서 후퇴될 수 있다.
브러시의 전진 완료시, 브러시는 설정 시간 동안 유지할 수 있다.
센서는 설정 주기로 작동할 수 있다.
로봇은 설정 주기를 가변하는 입력 인터페이스를 더 포함할 수 있다.
로봇은 메인 바디에 설치되고 상기 캐스터로 공기를 송풍하는 팬을 더 포함할 수 있다.
브러시의 전진시, 팬은 작동될 수 있다.
다른 예로, 구동휠이 구동 중이고, 센서의 센싱값이 기준값을 초과하면 브러시는 캐스터로 전진될 수 있다.
또 다른 예로 구동휠이 구동 중이고, 로봇이 직선 주행이며, 센서의 센싱값이 기준값을 초과하면 브러시는 캐스터로 전진될 수 있다.
본 실시 예에 따르면, 브러시가 캐스터에 묻은 이물질을 캐스터에서 떼어낼 수 있고, 캐스터에 묻은 이물질에 의한 바닥의 손상을 최소화할 수 있다.
또한, 캐스터가 청결하게 유지될 수 있고, 캐스터의 청소 작업을 최소화할 수 잇다.
또한, 팬에서 송풍된 공기에 의해 캐스터에서 분리된 이물질이 본체로 유입되는 것을 최소화할 수 있고, 로봇이 청결하게 유지될 수 있다.
도 1은 본 실시 예에 따른 로봇을 포함하는 AI 장치가 도시된 도,
도 2는 본 실시 예에 따른 로봇과 연결되는 AI 서버가 도시된 도,
도 3은 본 실시 예에 따른 AI 시스템이 도시된 도,
도 4은 본 실시 예에 따른 로봇의 사시도,
도 5는 본 실시 예에 따른 구동휠 및 캐스터가 도시된 도,
도 6은 본 실시 예에 따른 캐스터의 일 예와 브러시의 일 예가 도시된 도이고,
도 7은 본 실시 예에 따른 캐스터의 다른 예와 브러시의 다른 예가 도시된 도,
도 8는 본 실시 예에 따른 브러시의 사시도,
도 9는 본 실시 예에 따른 로봇 일 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도,
도 10는 본 실시 예에 따른 로봇 다른 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도,
도 11는 본 실시 예에 따른 로봇 또 다른 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도이다.
이하에서는 본 발명의 구체적인 실시 예를 도면과 함께 상세히 설명하도록 한다.
이하에서, 일 요소가 타 요소에 "체결" 또는 "연결"된다고 기재된 것은, 두 요소가 직접 체결되거나 연결된 것을 의미하거나, 두 요소 사이에 제3의 요소가 존재하고 상기 제3의 요소에 의해 두 요소가 서로 연결되거나 체결된 것을 의미할 수 있다. 반면, 일 요소가 타 요소에 "직접 체결" 또는 "직접 연결"된다고 기재한 것은, 두 요소 사이에 제3의 요소가 존재하지 않는다고 이해될 수 있을 것이다.
<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.
<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 갱신하는 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.
<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.
도 1은 본 실시 예에 따른 로봇을 포함하는 AI 장치가 도시된 도이다.
AI 장치(10)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, AI장치(10)는 통신 인터페이스(11), 입력 인터페이스(12), 러닝 프로세서(13), 센서(14), 출력 인터페이스(15), 메모리(17) 및 프로세서(18) 등을 포함할 수 있다.
통신 인터페이스(11)는 유무선 통신 기술을 이용하여 다른 AI 장치(10a 내지 10e)나 AI 서버(20) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신 인터페이스(11)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.
이때, 통신 인터페이스(11)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.
입력 인터페이스(12)는 다양한 종류의 데이터를 획득할 수 있다.
이때, 입력 인터페이스(12)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력 인터페이스 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.
입력 인터페이스(12)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력 인터페이스(12)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(18) 또는 러닝 프로세서(13)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.
러닝 프로세서(13)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(13)는 AI 서버(20)의 러닝 프로세서(24)과 함께 AI 프로세싱을 수행할 수 있다.
이때, 러닝 프로세서(13)는 AI 장치(10)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(13)는 메모리(17), AI 장치(10)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.
센서(14)는 다양한 센서들을 이용하여 AI 장치(10) 내부 정보, AI 장치(10)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.
이때, 센서(14)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.
출력 인터페이스(15)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다.
이때, 출력 인터페이스(15)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.
메모리(17)는 AI 장치(10)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(17)는 입력 인터페이스(12)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.
프로세서(18)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(10)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(18)는 AI 장치(10)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.
이를 위해, 프로세서(18)는 러닝 프로세서(13) 또는 메모리(17)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(10)의 구성 요소들을 제어할 수 있다.
이때, 프로세서(18)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(18)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.
이때, 프로세서(18)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(13)에 의해 학습된 것이나, AI 서버(20)의 러닝 프로세서(24)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.
프로세서(18)는 AI 장치(10)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(17) 또는 러닝 프로세서(13)에 저장하거나, AI 서버(20) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.
프로세서(18)는 메모리(17)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(10)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(18)는 상기 응용 프로그램의 구동을 위하여, AI 장치(10)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.
도 2는 본 실시 예에 따른 로봇과 연결되는 AI 서버가 도시된 도이다.
도 2를 참조하면, AI 서버(20)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(20)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(20)는 AI 장치(10)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.
AI 서버(20)는 통신 인터페이스(21), 메모리(23), 러닝 프로세서(24) 및 프로세서(26) 등을 포함할 수 있다.
통신 인터페이스(21)는 AI 장치(10) 등의 외부 장치와 데이터를 송수신할 수 있다.
메모리(23)는 모델 스토리지(23a)를 포함할 수 있다. 모델 스토리지(23a)는 러닝 프로세서(24)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 23b)을 저장할 수 있다.
러닝 프로세서(24)는 학습 데이터를 이용하여 인공 신경망(23b)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(20)에 탑재된 상태에서 이용되거나, AI 장치(10) 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(23)에 저장될 수 있다.
프로세서(26)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.
도 3은 본 실시 예에 따른 AI 시스템이 도시된 도이다.
도 3을 참조하면, AI 시스템(1)은 AI 서버(20), 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 중에서 적어도 하나 이상이 클라우드 네트워크(2)와 연결된다. 여기서, AI 기술이 적용된 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 등을 AI 장치(10a 내지 10e)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(10a 내지 10e, 20)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(10a 내지 10e, 20)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.
AI 서버(20)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.
AI 서버(20)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(10a), 자율 주행 차량(10b), XR 장치(10c), 스마트폰(10d) 또는 가전(10e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(10a 내지 10e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.
이때, AI 서버(20)는 AI 장치(10a 내지 10e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(10a 내지 10e)에 전송할 수 있다.
이때, AI 서버(20)는 AI 장치(10a 내지 10e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(10a 내지 10e)로 전송할 수 있다.
또는, AI 장치(10a 내지 10e)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(10a 내지 10e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(10a 내지 10e)는 도 1에 도시된 AI 장치(10)의 구체적인 실시 예로 볼 수 있다.
<AI+로봇>
로봇(10a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.
로봇(10a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.
로봇(10a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(10a)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(10a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.
로봇(10a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(10a)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(10a)에서 직접 학습되거나, AI 서버(20) 등의 외부 장치에서 학습된 것일 수 있다.
이때, 로봇(10a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(20) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.
로봇(10a)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(10a)을 주행시킬 수 있다.
맵 데이터에는 로봇(10a)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(10a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(10a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.
<AI+로봇+자율주행>
로봇(10a)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(10a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(10b)과 상호작용하는 로봇(10a) 등을 의미할 수 있다.
자율 주행 기능을 가진 로봇(10a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.
자율 주행 기능을 가진 로봇(10a) 및 자율 주행 차량(10b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(10a) 및 자율 주행 차량(10b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.
자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)과 별개로 존재하면서, 자율 주행 차량(10b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(10b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.
이때, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(10b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(10b)에 제공함으로써, 자율 주행 차량(10b)의 자율 주행 기능을 제어하거나 보조할 수 있다.
또는, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(10b)의 기능을 제어할 수 있다. 예컨대, 로봇(10a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(10b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(10b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(10a)이 제어하는 자율 주행 차량(10b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(10b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.
또는, 자율 주행 차량(10b)과 상호작용하는 로봇(10a)은 자율 주행 차량(10b)의 외부에서 자율 주행 차량(10b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(10a)은 스마트 신호등과 같이 자율 주행 차량(10b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(10b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.
도 4은 본 실시 예에 따른 로봇의 사시도이다.
로봇(10a)은 메인 바디(30)을 포함할 수 있다.
로봇(10a)은 공항, 지하철, 버스 터미널 등에서 이용객에게 각종 정보를 안내하는 안내 로봇이거나 식당, 호텔 등에서 손님에게 각종 물품을 서빙할 수 있는 서빙 로봇이거나 음식물, 의약품, 배달 물품 등 배송물(이하, 배송물이라 칭함)을 운반할 수 있는 배송로봇일 수 있다.
메인 바디(30)는 복수개 부재의 결합체로 구성될 수 있고, 로봇 본체일 수 있다.
메인 바디(30)에는 적어도 하나의 디스플레이(32)가 제공될 수 있고, 메인 바디(30)는 외관을 형성하는 적어도 하나의 아우터 커버(34)를 포함할 수 있다. 아우터 커버(34)는 전방부에 프론트 개구부(34a)가 형성될 수 있다. 메인 바디(30)에는 로봇(10a)의 주변을 촬영하는 적어도 하나의 카메라가 배치될 수 있다.
도 5는 본 실시 예에 따른 구동휠 및 캐스터가 도시된 도이고, 도 6은 본 실시 예에 따른 캐스터의 일 예와 브러시의 일 예가 도시된 도이며, 도 7은 본 실시 예에 따른 캐스터의 다른 예와 브러시의 다른 예가 도시된 도이고, 도 8는 본 실시 예에 따른 브러시의 사시도이다.
메인 바디(30)에는 아우터 커버(34) 내측에 배치된 프레임(36)을 포함할 수 있다.
메인 바디(30)에는　레이저　펄스를 쏘고 반사되어 돌아오는 시간을 측정하여 반사체의 위치좌표를 측정하는　라이다(35, 도 5 참조)가 배치될 수 있다. 라이다(35)는 도 4에 도시된 프론트 개구부(34a) 내측에 위치되게 메인 바디(30)에 장착될 수 있다. 라이다(35)에서 발생된 레이저 펄스는 아우터 커버(34)의 개구부(34a)를 통과할 수 있다.
프레임(36)은 지면과 이격되는 베이스 플레이트(38)를 포함할 수 있다.
메인 바디(30) 특히, 프레임(36)에는 구동부(40)가 제공될 수 있다.
구동부(40)는 로봇(10a)을 주행시키는 주행 모듈일 수 있다. 구동부(40)는 메인 바디(30)가 지면과 이격되도록 메인 바디(30)를 지지할 수 있다.
구동부(40)는 적어도 하나의 구동휠과, 구동휠을 구동시키는 모터를 포함할 수 있다.
구동부(40)의 일 예는 인휠 모터(50)를 포함할 수 있다. 인휠 모터(50)는 모터(52)와, 구동휠(54)을 갖을 수 있다.
모터(52)는 메인 바디(30)의 하부에 배치된 로어 바디(53)에 결합될 수 있다.
로어 바디(53)의 일 예는 메인 바디(30)의 하부에 고정되게 배치될 수 있다. 로어 바디(53)의 다른 예는 메인 바디(30)의 하부에 회전되게 배치될 수 있다.
로어 바디(53)는 베이스 플레이트(38)의 하부에 전후 방향(X)으로 길게 배치될 수 있다.
로어 바디(53)는 인휠 모터(50)와 프론트 캐스터(62)가 함께 장착되는 프론트 마운터일 수 있다.
로어 바디(53)는 회전축(56, 도 6 참조)을 중심으로 회전되는 프론트 링크일 수 있다. 회전축(56)는 메인 바디(30) 특히 프레임(36)에 체결되는 스크류 또는 볼트에 형성될 수 있다.
회전축(56)에는 댐퍼(57)가 연결될 수 있다. 댐퍼(57)는 회전축(56)에 연결된 적어도 하나의 댐핑 부재와, 댐핑 부재의 외부에서 댐핑 부재를 보호하는 댐퍼 케이스를 포함할 수 있다. 댐퍼 케이스는 로어 바디(53)에 체결될 수 있다.
로어 바디(53)에는 인휠 모터(50)의 모터(52)가 볼트 등의 체결부재(58)로 체결되는 모터 마운터(59)가 배치될 수 있다.
구동휠(54)은 메인 바디(30)의 하부에 위치될 수 있다. 구동휠(54)는 모터(52)에 의해 회전될 수 있다. 구동휠(54)은 모터(52)의 회전축에 연결되거나 모터(52)의 회전축과 연결된 감속기에 연결될 수 있다. 구동휠(54)는 모터(52)나 감속기에 연결되어 메인 바디(30)의 하부에 배치될 수 있다.
구동부(40)는 구동휠(54)에 의한 로봇(10a)의 주행을 돕는 캐스터(60)를 포함할 수 있다. 캐스터(60)는 구동휠(54)의 주변에 배치될 수 있다. 캐스터(60)는 구동휠(54)과 이격될 수 있다.
캐스터(60)는 로봇(10a)에 복수개 제공될 수 있다. 복수개의 캐스터는 프론트 캐스터(62)와 리어 캐스터(64)를 포함할 수 있다.
프론트 캐스터(62)는 리어 캐스터(64)와 전후 방향(X)으로 이격될 수 있다. 프론트 캐스터(62)의 일 예는 로어 바디(53)에 장착될 수 있다.
프론트 캐스터(62)는 로어 바디(53)에 프론트 수직축으로 연결될 수 있고, 프론트 수직축을 중심으로 360°회전할 수 있다.
프론트 캐스터(62)는 프론트 수직축이 상방향으로 돌출된 캐스터 브라켓과, 캐스터 브라켓에 수평축으로 연결되어 수평축을 중심으로 회전되는 캐스터 휠을 포함할 수 있다.
리어 캐스터(64)는 프론트 캐스터(62)와 동일 구조로 형성될 수 있다. 리어 캐스터(64)의 일 예는 베이스 플레이트(38)에 배치된 리어 브래킷(39)에 장착될 수 있다.
리어 캐스터(64)는 리어 브래킷(39)에 리어 수직축으로 연결될 수 있고, 리어 수직축을 중심으로 360°회전할 수 있다.
리어 캐스터(64)는 리어 수직축이 상방향으로 돌출된 캐스터 브라켓과, 캐스터 브라켓에 수평축으로 연결되어 수평축을 중심으로 회전되는 캐스터 휠을 포함할 수 있다.
한편, 로봇(10a)는 보조 바퀴(70)를 더 포함할 수 있다. 보조 바퀴(70)는 로봇(10a)이 지면의 턱 등의 장애물을 잘 넘을 수 있도록 프론트 캐스터(62)를 보조할 수 있다.
보조 바퀴(70)는 도 5에 도시된 바와 같이, 프론트 캐스터(62) 보다 더 전방에 위치될 수 있다. 도 5에 도시된 바와 같이, 메인 바디(30)의 선단에서 보조 바퀴(70)의 선단까지의 거리는 메인 바디(30)의 선단에서 프론트 캐스터(62)의 선단까지의 거리 보다 짧을 수 있다.
로봇(10a)의 전진 주행시, 보조 바퀴(70)는 프론트 캐스터(62) 보다 먼저 장애물을 넘을 수 있다.
구동휠(54)와 프론트 캐스터(62)와 리어 캐스터(64) 및 보조 바퀴(70)는 메인 바디(30)의 하부에 좌,우 한쌍 씩 제공될 수 있다.
로봇(10a)은 적어도 하나의 브러시(80, 도 6 내지 도 8 참조)을 더 포함할 수 있다.
브러시(80)는 캐스터(60)의 표면에 묻은 이물질을 제거할 수 있다.
브러시(80)는 프론트 캐스터(62)와 리어 캐스터(64) 중 적어도 하나와 근접하게 배치될 수 있다.
브러시(80)는 프론트 캐스터(62)의 표면에 묻은 이물질을 제거하는 프론트 브러시(82, 도 6 참조)를 포함할 수 있다.
브러시(80)는 리어 캐스터(64)의 표면에 묻은 이물질을 제거하는 리어 브러시(84, 도 7 참조)를 포함할 수 있다.
브러시(80)는 도 8에 도시된 바와 같이, 브래킷(86)와, 브래킷(81)에 배치된 복수의 모(88)를 포함할 수 있다.
브래킷(86)는 ABS 재질일 수 있다.
모(88)는 부드러운 재질일 수 있다.
브러시(80)의 일 예는 복수의 모(88)가 전후 방향(X)으로 캐스터(60)를 향하도록 브래킷(81)이 장착되는 것도 가능하고, 브러시(80)의 다른 예는 복수의 모(88)가 상하 방향(Z)으로 캐스터(60)를 향하도록 브래킷(81)이 장착되는 것도 가능하고,
프론트 브러시(82)의 예는 도 6에 도시된 바와 같이, 복수의 모(88)가 전후 방향(X)으로 프론트 캐스터(62)를 향하도록 브래킷(86)이 로어 바디(53)에 장착될 수 있다.
리어 브러시(84)의 예는 도 7에 도시된 바와 같이, 복수의 모(88)가 상하 방향(Z)으로 리어 캐스터(64)를 향하도록 브래킷(86)이 리어 브래킷(39)에 장착될 수 있다.
브러시(80)는 캐스터(60)에 상시 접촉되게 배치되어, 캐스터(60)의 이물질을 제거하는 것도 가능하고, 캐스터(60)와 이격 가능하게 배치되어, 캐스터(60)의 회전을 방해하지 않는 것도 가능하다.
브러시(80)가 캐스터(60)에 주변에 무빙 가능하게 배치되거나 회전 가능하게 배치될 경우, 캐스터(60)와 접촉되어 캐스터(60)의 이물질을 제거할 수 있고, 캐스터(60)와 이격되어, 캐스터(60)의 원할한 회전을 도울 수 있다.
도 9는 본 실시 예에 따른 로봇 일 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도이다.
도 9의 (a)는 센서(90)가 캐스터(60) 표면에 묻은 이물질을 센싱할 때의 도이고, 도 9의 (b)는 브러시(80)가 캐스터(60)로 전진될 때의 도이며, 도 9의 (c)는 브러시(80)가 캐스터(60)에서 후퇴될 때의 도이다.
로봇(10a)은 센서(90)와, 브러시 무버(100)를 포함할 수 있다.
센서(90)는 캐스터(60) 표면의 이물질을 센싱할 수 있다. 센서(90)는 캐스터(60) 표면의 이물질의 양을 센싱할 수 있다.
센서(90)의 예는 캐스터(60) 표면과 이격되게 배치된 적외선 센서일 수 있고, Tof(Time　of Flight) 센서나 IR(infrared ray) 센서일 수 있다.
Tof 센서는 3차원 센서로 적외선 파장을 통해 캐스터(60)로 발사한 빛이 튕겨져 돌아오는 거리를 시간으로 계산, 이물질의 입체감을 인식할 수 있다.
IR 센서는 캐스터(60)를 향해 적외선을 조사하여, 캐스터(60)에 묻은 이물질의 량을 센싱할 수 있다.
센서(90)는 메인 바디(30)나 로어 바디(53)나 리어 브래킷(39)에 배치될 수 있다.
센서(90)는 설정 주기로 작동하여, 캐스터(60)의 이물질을 센싱할 수 있다.
설정 주기의 예는 1시간, 3시간, 24시간, 1주일, 1달 등일 수 있다.
로봇 관리자는 로봇(10a)의 입력 인터페이스(12)를 통해 설정 주기를 가변할 수 있다. 로봇(10a)의 입력 인터페이스(12)를 통해 설정 주기의 변경이 입력되면, 프로세서(18)는 변경된 설정 주기로 센서(90)를 작동할 수 있다.
로봇 관리자는 로봇(10a)이 설치된 장소의 특성에 따라, 설정 주기를 조정할 수 있다.
브러시 무버(100)는 브러시(80)와 캐스터(60)의 간격을 조절하는 간격 조절기구일 수 있다.
브러시 무버(100)는 브러시(80)를 접촉위치(P1)와 이격위치(P2)로 이동시킬 수 있다. 브러시 무버(100)는 브러시(80)를 전후 방향(X)으로 무빙시키는 것도 가능하고, 브러시(80)를 상하 방향(Z)으로 무빙시키는 것도 가능하다.
브러시 무버(100)는 브러시(80)를 캐스터(60)와 접촉하는 접촉위치(P1)로 이동시킬 수 있다. 브러시 무버(100)는 브러시(80)를 캐스터(60)와 이격되는 이격위치(P2)로 이동시킬 수 있다.
접촉위치(P1)는 브러시(80)가 캐스터(60)에 붙은 이물질을 캐스터(60)에서 떼어 내는 위치일 수 있다.
이격위치(P2)는 브러시(80)가 캐스터(60)와 이격되고, 캐스터(60)가 브러시(80)에 방해받지 않고 회전될 수 있는 위치일 수 있다.
브러시 무버(100)는 센서(90)의 센싱값이 기준값을 초과하면 작동되는 솔레노이드(102)를 포함할 수 있다.
브러시 무버(100)의 일 예는 솔레노이드(102)와 브러시(80)를 연결하는 스프링(104)을 더 포함할 수 있다.
솔레노이드(102)는 브러시(80)을 무빙시키는 구동력을 제공하는 구동원일 수 있다.
스프링(104)는 브러시(80)가 캐스터(60)에 접촉될 때 발생될 수 있는 충격을 흡수할 수 잇다. 스프링(104)는 브러시(80)의 이탈을 막을 수 있고, 캐스터(60)와 브러시(80)의 오버랩 효과를 발생시킬 수 있다.
스프링(104)의 일 예는 코일 스프링일 수 있다. 스프링(104)의 일단은 솔레노이드(102)의 샤프트에 연결될 수 있고, 스프링(104)의 타단은 브러시(80)의 브래킷(86)에 연결될 수 있다.
브러시 무버(100)는 메인 바디(30)나 로어 바디(53)나 리어 브래킷(39)에 형성된 장착부(55)에 배치될 수 있다.
브러시 무버(100)는 브러시(80)를 이동시킬 수 있는 구성이면, 브러시(80)에 연결된 리니어 모터를 포함하는 것도 가능하며, 모터와, 모터와 브러시 사시에서 모터의 회전력을 브러시(80)의 직선 운동으로 변환하는 기어 등을 동력전달부재를 포함하는 것도 가능함은 물론이다.
브러시 무버(100)의 다른 예는 브러시(60)를 회전시키는 브러시 로터인 것도 가능하고, 브러시 로터는 브러시(60)를 캐스터(60)와 접촉하는 접촉위치(P1)로 회전시킬 수 있고, 브러시(80)를 캐스터(60)와 이격되는 이격위치(P2)로 회전시킬 수 있다.
로봇(10a)의 프로세서(18)은 도 9의 (a)에 도시된 바와 같이, 센서(90)가 이물질을 감지하도록 설정 주기(예를 들면, 1시간, 3시간, 24시간, 1주일, 1달 등)로 센서(90)를 동작시킬 수 있다.
로봇(10a)의 프로세서(18)은 브러시 무버(100)를 작동시키는 신호를 출력할 수 있다.
로봇(10a)의 프로세서(18)는 센서(90)의 센싱값에 따라 브러시 무버(100)의 작동 신호를 출력할 수 있고, 브러시 무버(100)는 브러시(80)가 캐스터(60)의 캐스터 휠과 접촉되도록 브러시(80)를 무빙시킬 수 있다.
센서(90)의 센싱값이 기준값을 초과하면, 프로세서(18)는 브러시 무버(100)를 전진 모드로 작동하는 신호를 출력할 수 있고, 브러시(80)는 도 9의 (b)와 같이, 캐스터(60)로 전진될 수 있다.
브러시(80)가 접촉위치(P1)에 도달되면, 프로세서(18)는 설정 시간(즉, 이물 제거 시간) 동안 대기할 수 있고, 브러시(80)는 설정 시간 동안 유지할 수 있다.
즉, 브러시(80)의 전진 완료시, 브러시(80)는 캐스터(80)와 접촉된 상태를 설정 시간 동안 유지할 수 있다.
프로세서(18)는 센서(90)의 센싱값이 기준값 이내이면, 브러시 무버(100)를 후퇴 모드로 작동하는 신호를 출력할 수 있다.
프로세서(18)는 설정 시간이 경과되면 센서(90)를 다시 작동시킬 수 있고, 센서(90)의 센싱값이 기준값 이내이면 브러시 무버(100)를 후퇴 모드로 작동하는 신호를 출력할 수 있다.
브러시(80)는 도 9의 (c)와 같이, 캐스터(60)에서 후퇴될 수 있다.
프로세서(18)의 일 예는 설정 시간이 경과되면, 센서(90)의 센싱값과 무관하게 브러시(80)을 후퇴시키는 것도 가능하고, 프로세서(18)의 다른 예는 설정 시간이 경과되고, 센서(90)의 센싱값이 기준값 이내이면, 브러시(80)을 후퇴시키는 것도 가능하다.
도 10는 본 실시 예에 따른 로봇 다른 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도이다.
로봇(10a)은 캐스터(80)로 공기를 송풍하는 팬(110)을 더 포함할 수 잇다.
도 10의 (a)는 센서(90)가 캐스터(60) 표면에 묻은 이물질을 센싱할 때의 도이고, 도 10의 (b)는 브러시(80)가 캐스터(60)로 전진되고 팬(110)이 작동할 때의 도이며, 도 10의 (c)는 브러시(80)가 캐스터(60)에서 후퇴되고, 팬(110)이 작동 정지될 때의 도이다.
팬(110)은 메인 바디(30)에 설치될 수 있다. 팬(110)은 프로세서(18)에 의해 동작될 수 있다.
브러시(80)의 전진시, 팬(110)은 동시에 작동될 수 있고, 캐스터(60)에서 분리된 이물질은 메인 바디(30)의 내부로 유입되지 않고, 팬(110)에서 유동된 공기에 의해 로봇(10a)의 외측으로 이동될 수 잇다.
팬(110)은 브러시(80)의 전진 모드 개시 시점부터 작동되는 것도 가능하고, 브러시(80)가 전진 되는 도중에 작동되는 것도 가능하고, 브러시(80)가 접촉위치(P1)에 도달 완료되면, 작동되는 것도 가능하다.
브러시(80)의 후퇴시, 팬(110)은 정지될 수 있다.
팬(110)은 브러시(80)의 후퇴 모드 개시 시점부터 정지되는 것도 가능하고, 브러시(80)가 후퇴 되는 도중에 정지되는 것도 가능하고, 브러시(80)가 이격위치(P2)에 도달 완료되면, 정저되는 것도 가능하다.
도 10에 도시된 예는 팬(110)의 유무 및 팬(110)의 제어 이외의 기타 구성 및 작용이 도 9에 도시된 예와 동일하거나 유사할 수 있고, 중복된 설명을 피하기 위해 그 상세한 설명은 생략한다.
도 11는 본 실시 예에 따른 로봇 또 다른 예의 캐스터가 브러시에 의해 이물질이 제거될 때의 도이다.
도 11에 도시된 예는 구동휠(54, 도 5 참조)이 구동 중이고, 센서(90)의 센싱값이 기준값을 초과하면, 브러시(80)가 캐스터(60)로 전진될 수 있다.
도 11의 (a)는 구동휠(54)이 구동 중이고, 센서(90)가 캐스터(60) 표면에 묻은 이물질을 센싱할 때의 도이고, 도 11의 (b)는 구동휠(54)이 구동 중이고, 브러시(80)가 캐스터(60)로 전진될 때의 도이며, 도 11의 (c)는 구동휠(54)이 구동 중이고, 브러시(80)가 캐스터(60)에서 후퇴될 때의 도이다.
구동휠(54, 도 5 참조)이 구동 중인 도중에, 센서(90)의 센싱값은 기준값을 초과할 수 있고, 프로세서(18)는 브러시 무버(100)를 전진 모드로 제어할 수 있다.
브러시(80)는 구동휠(54)과 함께 회전되는 캐스터(60)와 접촉될 수 있고, 캐스터(60) 표면의 이물질은 브러시(80)에 접촉되어 캐스터(60)에서 분리될 수 있다.
구동휠(54)이 구동 중인 도중에, 설정 시간은 경과될 수 있고, 프로세서(18)은 센서(90)를 다시 작동할 수 있고, 센서(90)의 센싱값이 기준값 이내이면, 프로세서(18)는 브러시 무버(100)를 후퇴 모드로 제어할 수 있다.
브러시(80)는 구동휠(54)과 함께 회전되는 캐스터(60)와 분리될 수 있다.
도 11에 도시된 예의 변형예는 브러시(80)의 전진 조건이 도 11에 도시된 예와 차이가 있을 수 있다.
구동휠(54)이 구동 중이고, 로봇(10a)이 전진이나 후진의 직선 주행이며, 센서(90)의 센싱값이 기준값을 초과하면, 브러시(80)는 캐스터(60)로 전진될 수 있다.
구동휠(54)이 구동 중인 도중에, 센서(90)의 센싱값은 기준값을 초과할 수 있고, 이때, 현재 로봇(10a)이 전진이나 후진 등의 직선 주행이면, 프로세서(18)는 브러시 무버(100)를 전진 모드로 제어할 수 있다.
브러시(80)는 구동휠(54)과 함께 회전되는 캐스터(60)와 접촉될 수 있고, 캐스터(60) 표면의 이물질은 브러시(80)에 접촉되어 캐스터(60)에서 분리될 수 있다.
구동휠(54)이 구동 중인 도중에, 설정 시간은 경과될 수 있고, 프로세서(18)은 센서(90)를 다시 작동할 수 있고, 센서(90)의 센싱값이 기준값 이내이면, 프로세서(18)는 브러시 무버(100)를 후퇴 모드로 제어할 수 있고, 브러시(80)는 구동휠(54)과 함께 회전되는 캐스터(60)와 분리될 수 있다.
한편, 브러시 무버(100)가 전진 모드로 구동되어 브러시(80)가 캐스터(60)와 접촉인 상태에서, 로봇(10a)은 직선 주행에서 선회 주행(우회전 주행 또는 좌회전 주행)으로 전환될 수 있고, 도 11에 도시된 예의 변형예는 브러시 무버(100)가 후퇴 모드로 구동되어 브러시(80)를 캐스터(60)와 이격시킬 수 있다.
이후, 로봇(10a)이 다시 선회 주행(우회전 주행 또는 좌회전 주행)에서 직선 주행으로 전환되면, 브러시 무버(100)는 전진 모드로 구동되어 브러시(80)를 캐스터(60)와 접촉시키는 것도 가능하고, 일시 정지되었던 이물질 제거를 다시 재개할 수 있다.
도 11에 도시된 예는 브러시(80)의 전진 조건과 후퇴 조건 이외의 기타 구성 및 작용이 도 9나 도 10에 도시된 예와 동일하거나 유사할 수 있고, 중복된 설명을 피하기 위해 그 상세한 설명은 생략한다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다.
따라서, 본 발명에 개시된 실시 예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시 예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다.
본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (13)

  1. 구동 휠;
    상기 구동 휠 주변에 배치된 캐스터; 및
    상기 캐스터와 접촉되어 상기 캐스터 표면의 이물질을 제거하는 브러시를 포함하는 로봇.
  2. 제 1 항에 있어서,
    상기 캐스터 표면의 이물질을 센싱하는 센서; 및
    상기 센서의 센싱값에 따라 상기 브러시를 상기 캐스터와 접촉하는 접촉위치로 이동시키거나 상기 브러시를 상기 캐스터와 이격되는 이격위치로 이동시키는 브러시 무버를 포함하는 로봇.
  3. 제 2 항에 있어서,
    상기 센서는 상기 캐스터 표면과 이격되게 배치된 Tof 센서 또는 적외선 센서를 포함하는 로봇.
  4. 제 2 항에 있어서,
    상기 브러시 무버는
    상기 센서의 센싱값이 기준값을 초과하면 작동되는 솔레노이드; 및
    상기 솔레노이드와 브러시를 연결하는 스프링을 포함하는 로봇.
  5. 제 2 항에 있어서,
    상기 브러시 무버를 전진 모드나 후퇴 모드로 작동시키는 프로세서를 포함하는 로봇.
  6. 제 2 항에 있어서,
    상기 센서의 센싱값이 기준값 초과하면 상기 브러시는 상기 캐스터로 전진되고,
    상기 센서의 센싱값이 기준값 이내이면 상기 브러시는 상기 캐스터에서 후퇴되는 로봇.
  7. 제 2 항에 있어서,
    상기 브러시의 전진 완료시, 상기 브러시는 설정 시간 동안 유지하는 로봇.
  8. 제 2 항에 있어서,
    상기 센서는 설정 주기로 작동하는 로봇.
  9. 제 8 항에 있어서,
    상기 설정 주기를 가변하는 입력 인터페이스를 더 포함하는 로봇.
  10. 제 2 항에 있어서,
    메인 바디에 설치되고 상기 캐스터로 공기를 송풍하는 팬을 더 포함하는 로봇.
  11. 제 10 항에 있어서,
    상기 브러시의 전진시, 상기 팬은 작동되는 로봇.
  12. 제 2 항에 있어서,
    상기 구동휠이 구동 중이고, 상기 센서의 센싱값이 기준값을 초과하면 상기 브러시는 상기 캐스터로 전진되는 로봇.
  13. 제 2 항에 있어서,
    상기 구동휠이 구동 중이고, 로봇이 직선 주행이며, 상기 센서의 센싱값이 기준값을 초과하면 상기 브러시는 상기 캐스터로 전진되는 로봇.
PCT/KR2022/013341 2022-09-06 2022-09-06 로봇 WO2024053755A1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/KR2022/013341 WO2024053755A1 (ko) 2022-09-06 2022-09-06 로봇

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/KR2022/013341 WO2024053755A1 (ko) 2022-09-06 2022-09-06 로봇

Publications (1)

Publication Number Publication Date
WO2024053755A1 true WO2024053755A1 (ko) 2024-03-14

Family

ID=90191361

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/013341 WO2024053755A1 (ko) 2022-09-06 2022-09-06 로봇

Country Status (1)

Country Link
WO (1) WO2024053755A1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100884671B1 (ko) * 2007-09-11 2009-02-18 대우조선해양 주식회사 곡면 수직벽 주행이 가능한 고소 작업용 로봇 플랫폼 장치
KR20100066622A (ko) * 2008-12-10 2010-06-18 삼성전자주식회사 바퀴조립체 및 이를 가지는 로봇 청소기
KR20140003069U (ko) * 2012-11-15 2014-05-27 현대중공업 주식회사 이동용 블라스팅 장치
KR20170123802A (ko) * 2016-04-29 2017-11-09 윤형민 바퀴의 이물질 제거장치
US20210394240A1 (en) * 2020-06-22 2021-12-23 Toyota Motor North America, Inc. Systems and methods for automatically cleaning wheels

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100884671B1 (ko) * 2007-09-11 2009-02-18 대우조선해양 주식회사 곡면 수직벽 주행이 가능한 고소 작업용 로봇 플랫폼 장치
KR20100066622A (ko) * 2008-12-10 2010-06-18 삼성전자주식회사 바퀴조립체 및 이를 가지는 로봇 청소기
KR20140003069U (ko) * 2012-11-15 2014-05-27 현대중공업 주식회사 이동용 블라스팅 장치
KR20170123802A (ko) * 2016-04-29 2017-11-09 윤형민 바퀴의 이물질 제거장치
US20210394240A1 (en) * 2020-06-22 2021-12-23 Toyota Motor North America, Inc. Systems and methods for automatically cleaning wheels

Similar Documents

Publication Publication Date Title
WO2021010502A1 (ko) 로봇 및 그를 이용한 물품 관리 방법
WO2020241929A1 (ko) 청소 로봇
EP3525992A1 (en) Mobile robot system and mobile robot
WO2020032412A1 (en) Moving robot and following setting method thereof
WO2021002511A1 (ko) 마커, 마커 추종 모드로 이동하는 방법 및 이를 구현하는 카트로봇
WO2020256195A1 (ko) 빌딩 관리 로봇 및 그를 이용한 서비스 제공 방법
WO2021002499A1 (ko) 군집 로봇을 이용하여 사용자의 위치를 추적하는 방법, 태그장치 및 이를 구현하는 로봇
WO2020262746A1 (ko) 인공지능 기반의 세탁 코스 추천 장치 및 그 제어 방법
WO2021215547A1 (ko) 스마트 홈 장치 및 방법
WO2020256180A1 (ko) 사용자 인식 기반의 유모차 로봇 및 그 제어 방법
WO2020246625A1 (ko) 로봇 및 그를 포함하는 로봇 시스템
WO2022055002A1 (ko) 로봇
WO2020251086A1 (ko) 인공지능 세탁물 처리 기기
WO2020241920A1 (ko) 장치 정보에 기반하여, 다른 장치를 제어할 수 있는 인공 지능 장치
WO2020246640A1 (ko) 사용자의 위치를 결정하는 인공 지능 장치 및 그 방법
WO2020251100A1 (ko) 퓨전 슬램에서 맵을 업데이트하는 방법 및 이를 구현하는 로봇
WO2020241919A1 (ko) 인공지능 기반의 세탁물 데이터 분석 장치
WO2020262721A1 (ko) 인공 지능을 이용하여, 복수의 로봇들을 제어하는 관제 시스템
WO2020251074A1 (ko) 음성 인식 기능을 제공하는 인공 지능 로봇 및 그의 동작 방법
WO2020251096A1 (ko) 인공 지능 로봇 및 그의 동작 방법
WO2021040105A1 (ko) 개체명 테이블을 생성하는 인공 지능 장치 및 그 방법
WO2020241923A1 (ko) 사용자 환경에서의 음성 인식 모델의 성능을 예측하는 인공 지능 장치 및 그 방법
WO2021002493A1 (ko) 지능형 게이트웨이 장치 및 그를 포함하는 제어 시스템
WO2022071668A1 (ko) 로봇 및 그 제어방법
WO2024053755A1 (ko) 로봇

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: 22958210

Country of ref document: EP

Kind code of ref document: A1