WO2024071542A1 - Iot 기기에 대한 사용 경험을 공유하기 위한 전자 장치 - Google Patents

Iot 기기에 대한 사용 경험을 공유하기 위한 전자 장치 Download PDF

Info

Publication number
WO2024071542A1
WO2024071542A1 PCT/KR2023/004496 KR2023004496W WO2024071542A1 WO 2024071542 A1 WO2024071542 A1 WO 2024071542A1 KR 2023004496 W KR2023004496 W KR 2023004496W WO 2024071542 A1 WO2024071542 A1 WO 2024071542A1
Authority
WO
WIPO (PCT)
Prior art keywords
iot
model
matrix vector
vector
concept
Prior art date
Application number
PCT/KR2023/004496
Other languages
English (en)
French (fr)
Inventor
이충기
민황기
양정연
임동하
Original Assignee
삼성전자 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from KR1020220133935A external-priority patent/KR20240043024A/ko
Application filed by 삼성전자 주식회사 filed Critical 삼성전자 주식회사
Publication of WO2024071542A1 publication Critical patent/WO2024071542A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/51—Discovery or management thereof, e.g. service location protocol [SLP] or web services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H04L67/565—Conversion or adaptation of application format or content

Definitions

  • This disclosure relates to an electronic device that uses an artificial intelligence model to share user experiences with IoT (internet of things) devices.
  • IoT internet of things
  • IoT can be defined as a system consisting of various objects (e.g. home appliances, medical devices, wearable devices, smart phones) that can be connected to each other through the Internet, or a network for connecting objects.
  • An IoT device can be defined as an electronic device that is connected to other IoT devices through the Internet of Things and has built-in hardware and software for the purpose of exchanging data with other IoT devices and/or controlling other IoT devices.
  • Places comprised of IoT devices can be shared between users.
  • a visitor's portable electronic device e.g., smart phone
  • Various embodiments of the present disclosure can enable the portable electronic device of a visitor visiting a place configured with IoT devices to obtain data set by the owner of the place to use the IoT devices, and use the obtained data to The venue can provide visitors with the same experience as the owner.
  • the server includes communication circuitry for communicating with a user device; and a processor connected to the communication circuit; And it may include a memory connected to the processor.
  • the memory may store instructions that, when executed by the processor, cause the processor to receive first usage experience information about Internet of Things (IoT) devices from a first user device through the communication circuit.
  • IoT Internet of Things
  • the instructions allow the processor to input the first use experience information as an input value into a first artificial intelligence model learned to abstract the use experience information generated by the electronic device into a concept that can be understood by humans, and the first The first concept can be obtained from the output value of the artificial intelligence model.
  • the instructions may cause the processor to store the first concept in the memory.
  • the instructions are such that the processor receives a message requesting sharing of the usage experience for the IoT devices from a second user device through the communication circuit, and in response to the sharing request from the second user device, generates a concept as an electronic device.
  • the first concept can be input as an input value to a second artificial intelligence model that has been learned to convert it into use experience information that the device can understand, and the second use experience information can be obtained from the output value of the second artificial intelligence model.
  • the instructions may cause the processor to transmit the second usage experience information to the second user device through the communication circuit.
  • an electronic device includes a communication circuit for communicating with a server and IoT (internet of things) devices; a processor connected to the communication circuit; And it may include a memory connected to the processor.
  • the memory when executed by the processor, may store instructions that cause the processor to: Configure IoT device information for identifying the IoT devices into a column vector.
  • the instructions may cause the processor to configure configuration information for identifying functions set to an activated state and functions set to a deactivated state among functions configured in the electronic device into a first row vector.
  • the instructions may cause the processor to configure IoT usability information for identifying services experienced by the user using the IoT devices into a second row vector.
  • the instructions may cause the processor to generate a first matrix vector by multiplying the column vector and the first row vector, and to generate a second matrix vector by multiplying the column vector and the second row vector.
  • the instructions cause the processor to transmit the first matrix vector and the second matrix vector to the server so that the server abstracts the first matrix vector and the second matrix vector into a concept that can be understood by humans. can do.
  • a method of operating a server may include receiving first usage experience information about IoT (internet of things) devices from a first user device through a communication circuit of the server.
  • the method includes inputting the first use experience information as an input value into a first artificial intelligence model learned to abstract the use experience information generated from an electronic device into a concept that can be understood by humans, and then inputting the first use experience information into the first artificial intelligence model. It may include an operation of obtaining the first concept from the output value of .
  • the method may include storing the first concept in the memory.
  • the method may include receiving a message requesting sharing of usage experience with the IoT devices from a second user device through the communication circuit.
  • the method in response to a sharing request from the second user device, inputs the first concept as an input value into a second artificial intelligence model learned to convert the concept into use experience information understandable by the electronic device and uses the second user device. It may include an operation of acquiring experience information from the output value of the second artificial intelligence model. The method may include transmitting the second use experience information to the second user device through the communication circuit.
  • an electronic device can share the experience of using an IoT device with a person who visits the place where the IoT device is located.
  • various effects that can be directly or indirectly identified through this document may be provided.
  • FIG. 1 is a block diagram of an electronic device in a network environment, according to various embodiments.
  • FIG. 2 shows an Internet of Things (IoT) system according to one embodiment.
  • IoT Internet of Things
  • FIG 3 illustrates an IoT system configured to share experiences with IoT devices between users, according to one embodiment.
  • Figure 4 is a block diagram of a user device that supports sharing of usage experience between users for an IoT device, according to an embodiment.
  • FIGS. 5A and 5B are diagrams for explaining an operation of vectorizing the experience of using IoT devices, according to an embodiment.
  • FIG. 6 is a block diagram of an IoT server that supports sharing of usage experience between users for IoT devices, according to an embodiment.
  • FIG. 7 illustrates an IoT system that allows sharing of usage experience between user devices of the same type and between user devices of different types, according to an embodiment.
  • FIG. 8 is a block diagram of an IoT system that supports sharing of usage experience between users for IoT devices, according to an embodiment.
  • FIG. 9 is a diagram for explaining an example of operations performed by the feature extraction model and encoding model of FIG. 6.
  • FIG. 10 is a diagram for explaining an example of operations performed by the encoding model and decoding model of FIG. 6.
  • FIG. 1 is a block diagram of an electronic device 101 in a network environment 100, according to various embodiments.
  • the electronic device 101 communicates with the electronic device 102 through a first network 198 (e.g., a short-range wireless communication network) or a second network 199. It is possible to communicate with at least one of the electronic device 104 or the server 108 through (e.g., a long-distance wireless communication network). According to one embodiment, the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • a first network 198 e.g., a short-range wireless communication network
  • a second network 199 e.g., a second network 199.
  • the electronic device 101 may communicate with the electronic device 104 through the server 108.
  • the electronic device 101 includes a processor 120, a memory 130, an input module 150, an audio output module 155, a display module 160, an audio module 170, and a sensor module ( 176), interface 177, connection terminal 178, haptic module 179, camera module 180, power management module 188, battery 189, communication module 190, subscriber identification module 196 , or may include an antenna module 197.
  • at least one of these components eg, the connection terminal 178) may be omitted or one or more other components may be added to the electronic device 101.
  • some of these components e.g., sensor module 176, camera module 180, or antenna module 197) are integrated into one component (e.g., display module 160). It can be.
  • the processor 120 for example, executes software (e.g., program 140) to operate at least one other component (e.g., hardware or software component) of the electronic device 101 connected to the processor 120. It can be controlled and various data processing or calculations can be performed. According to one embodiment, as at least part of data processing or computation, the processor 120 stores instructions or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132. The commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • software e.g., program 140
  • the processor 120 stores instructions or data received from another component (e.g., sensor module 176 or communication module 190) in volatile memory 132.
  • the commands or data stored in the volatile memory 132 can be processed, and the resulting data can be stored in the non-volatile memory 134.
  • the processor 120 includes the main processor 121 (e.g., a central processing unit or an application processor) or an auxiliary processor 123 that can operate independently or together (e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor).
  • the main processor 121 e.g., a central processing unit or an application processor
  • an auxiliary processor 123 e.g., a graphics processing unit, a neural network processing unit ( It may include a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor.
  • the electronic device 101 includes a main processor 121 and a secondary processor 123
  • the secondary processor 123 may be set to use lower power than the main processor 121 or be specialized for a designated function. You can.
  • the auxiliary processor 123 may be implemented separately from the main processor 121 or as part of it.
  • the auxiliary processor 123 may, for example, act on behalf of the main processor 121 while the main processor 121 is in an inactive (e.g., sleep) state, or while the main processor 121 is in an active (e.g., application execution) state. ), together with the main processor 121, at least one of the components of the electronic device 101 (e.g., the display module 160, the sensor module 176, or the communication module 190) At least some of the functions or states related to can be controlled.
  • co-processor 123 e.g., image signal processor or communication processor
  • may be implemented as part of another functionally related component e.g., camera module 180 or communication module 190. there is.
  • the auxiliary processor 123 may include a hardware structure specialized for processing artificial intelligence models.
  • Artificial intelligence models can be created through machine learning. For example, such learning may be performed in the electronic device 101 itself on which the artificial intelligence model is performed, or may be performed through a separate server (e.g., server 108).
  • Learning algorithms may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but It is not limited.
  • An artificial intelligence model may include multiple artificial neural network layers.
  • Artificial neural networks include deep neural network (DNN), convolutional neural network (CNN), recurrent neural network (RNN), restricted boltzmann machine (RBM), belief deep network (DBN), bidirectional recurrent deep neural network (BRDNN), It may be one of deep Q-networks or a combination of two or more of the above, but is not limited to the examples described above.
  • artificial intelligence models may additionally or alternatively include software structures.
  • the memory 130 may store various data used by at least one component (eg, the processor 120 or the sensor module 176) of the electronic device 101. Data may include, for example, input data or output data for software (e.g., program 140) and instructions related thereto.
  • Memory 130 may include volatile memory 132 or non-volatile memory 134.
  • the program 140 may be stored as software in the memory 130 and may include, for example, an operating system 142, middleware 144, or application 146.
  • the input module 150 may receive commands or data to be used in a component of the electronic device 101 (e.g., the processor 120) from outside the electronic device 101 (e.g., a user).
  • the input module 150 may include, for example, a microphone, mouse, keyboard, keys (eg, buttons), or digital pen (eg, stylus pen).
  • the sound output module 155 may output sound signals to the outside of the electronic device 101.
  • the sound output module 155 may include, for example, a speaker or a receiver. Speakers can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive incoming calls. According to one embodiment, the receiver may be implemented separately from the speaker or as part of it.
  • the display module 160 can visually provide information to the outside of the electronic device 101 (eg, a user).
  • the display module 160 may include, for example, a display, a hologram device, or a projector, and a control circuit for controlling the device.
  • the display module 160 may include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of force generated by the touch.
  • the audio module 170 can convert sound into an electrical signal or, conversely, convert an electrical signal into sound. According to one embodiment, the audio module 170 acquires sound through the input module 150, the sound output module 155, or an external electronic device (e.g., directly or wirelessly connected to the electronic device 101). Sound may be output through the electronic device 102 (e.g., speaker or headphone).
  • the electronic device 102 e.g., speaker or headphone
  • the sensor module 176 detects the operating state (e.g., power or temperature) of the electronic device 101 or the external environmental state (e.g., user state) and generates an electrical signal or data value corresponding to the detected state. can do.
  • the sensor module 176 includes, for example, a gesture sensor, a gyro sensor, an air pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, It may include a temperature sensor, humidity sensor, or light sensor.
  • the interface 177 may support one or more designated protocols that can be used to connect the electronic device 101 directly or wirelessly with an external electronic device (eg, the electronic device 102).
  • the interface 177 may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card interface
  • audio interface audio interface
  • connection terminal 178 may include a connector through which the electronic device 101 can be physically connected to an external electronic device (eg, the electronic device 102).
  • the connection terminal 178 may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (eg, a headphone connector).
  • the haptic module 179 can convert electrical signals into mechanical stimulation (e.g., vibration or movement) or electrical stimulation that the user can perceive through tactile or kinesthetic senses.
  • the haptic module 179 may include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module 180 can capture still images and moving images.
  • the camera module 180 may include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module 188 can manage power supplied to the electronic device 101.
  • the power management module 188 may be implemented as at least a part of, for example, a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery 189 may supply power to at least one component of the electronic device 101.
  • the battery 189 may include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • Communication module 190 is configured to provide a direct (e.g., wired) communication channel or wireless communication channel between electronic device 101 and an external electronic device (e.g., electronic device 102, electronic device 104, or server 108). It can support establishment and communication through established communication channels. Communication module 190 operates independently of processor 120 (e.g., an application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • processor 120 e.g., an application processor
  • the communication module 190 may be a wireless communication module 192 (e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module) or a wired communication module 194 (e.g., : LAN (local area network) communication module, or power line communication module) may be included.
  • a wireless communication module 192 e.g., a cellular communication module, a short-range wireless communication module, or a global navigation satellite system (GNSS) communication module
  • GNSS global navigation satellite system
  • wired communication module 194 e.g., : LAN (local area network) communication module, or power line communication module
  • the corresponding communication module is a first network 198 (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network 199 (e.g., legacy It may communicate with an external electronic device 104 through a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., LAN or WAN).
  • a telecommunication network such as a cellular network, a 5G network, a next-generation communication network
  • the wireless communication module 192 uses subscriber information (e.g., International Mobile Subscriber Identifier (IMSI)) stored in the subscriber identification module 196 to communicate within a communication network such as the first network 198 or the second network 199.
  • subscriber information e.g., International Mobile Subscriber Identifier (IMSI)
  • IMSI International Mobile Subscriber Identifier
  • the wireless communication module 192 may support 5G networks after 4G networks and next-generation communication technologies, for example, NR access technology (new radio access technology).
  • NR access technology provides high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), minimization of terminal power and access to multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low latency). -latency communications)) can be supported.
  • the wireless communication module 192 may support high frequency bands (eg, mmWave bands), for example, to achieve high data rates.
  • the wireless communication module 192 uses various technologies to secure performance in high frequency bands, for example, beamforming, massive array multiple-input and multiple-output (MIMO), and full-dimensional multiplexing. It can support technologies such as input/output (FD-MIMO: full dimensional MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module 192 may support various requirements specified in the electronic device 101, an external electronic device (e.g., electronic device 104), or a network system (e.g., second network 199).
  • the wireless communication module 192 supports Peak data rate (e.g., 20 Gbps or more) for realizing eMBB, loss coverage (e.g., 164 dB or less) for realizing mmTC, or U-plane latency (e.g., 164 dB or less) for realizing URLLC.
  • Peak data rate e.g., 20 Gbps or more
  • loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 164 dB or less
  • the antenna module 197 may transmit or receive signals or power to or from the outside (eg, an external electronic device).
  • the antenna module 197 may include an antenna including a radiator made of a conductor or a conductive pattern formed on a substrate (eg, PCB).
  • the antenna module 197 may include a plurality of antennas (eg, an array antenna). In this case, at least one antenna suitable for the communication method used in the communication network, such as the first network 198 or the second network 199, is connected to the plurality of antennas by, for example, the communication module 190. can be selected Signals or power may be transmitted or received between the communication module 190 and an external electronic device through the at least one selected antenna.
  • other components eg, radio frequency integrated circuit (RFIC) may be additionally formed as part of the antenna module 197.
  • RFIC radio frequency integrated circuit
  • the antenna module 197 may form a mmWave antenna module.
  • a mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high-frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side) of the printed circuit board and capable of transmitting or receiving signals in the designated high frequency band. can do.
  • a mmWave antenna module includes a printed circuit board, an RFIC disposed on or adjacent to a first side (e.g., bottom side) of the printed circuit board and capable of supporting a designated high-frequency band (e.g., mmWave band); And a plurality of antennas (e.g., array antennas) disposed on or adjacent to the second side (e.g., top or side)
  • peripheral devices e.g., bus, general purpose input and output (GPIO), serial peripheral interface (SPI), or mobile industry processor interface (MIPI)
  • signal e.g. commands or data
  • commands or data may be transmitted or received between the electronic device 101 and the external electronic device 104 through the server 108 connected to the second network 199.
  • Each of the external electronic devices 102 or 104 may be of the same or different type as the electronic device 101.
  • all or part of the operations performed in the electronic device 101 may be executed in one or more of the external electronic devices 102, 104, or 108.
  • the electronic device 101 may perform the function or service instead of executing the function or service on its own.
  • one or more external electronic devices may be requested to perform at least part of the function or service.
  • One or more external electronic devices that have received the request may execute at least part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device 101.
  • the electronic device 101 may process the result as is or additionally and provide it as at least part of a response to the request.
  • cloud computing distributed computing, mobile edge computing (MEC), or client-server computing technology can be used.
  • the electronic device 101 may provide an ultra-low latency service using, for example, distributed computing or mobile edge computing.
  • the external electronic device 104 may include an Internet of Things (IoT) device.
  • Server 108 may be an intelligent server using machine learning and/or neural networks.
  • the external electronic device 104 or server 108 may be included in the second network 199.
  • the electronic device 101 may be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • Electronic devices may be of various types.
  • Electronic devices may include, for example, portable communication devices (e.g., smartphones), computer devices, portable multimedia devices, portable medical devices, cameras, wearable devices, or home appliances.
  • Electronic devices according to embodiments of this document are not limited to the above-described devices.
  • first, second, or first or second may be used simply to distinguish one element from another, and may be used to distinguish such elements in other respects, such as importance or order) is not limited.
  • One (e.g. first) component is said to be “coupled” or “connected” to another (e.g. second) component, with or without the terms “functionally” or “communicatively”.
  • any of the components can be connected to the other components directly (e.g. wired), wirelessly, or through a third component.
  • module used in various embodiments of this document may include a unit implemented in hardware, software, or firmware, and is interchangeable with terms such as logic, logic block, component, or circuit, for example. It can be used as A module may be an integrated part or a minimum unit of the parts or a part thereof that performs one or more functions. According to one embodiment, the module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • Various embodiments of the present document are one or more instructions stored in a storage medium (e.g., built-in memory 136 or external memory 138) that can be read by a machine (e.g., electronic device 101). It may be implemented as software (e.g., program 140) including these.
  • a processor e.g., processor 120
  • the one or more instructions may include code generated by a compiler or code that can be executed by an interpreter.
  • a storage medium that can be read by a device may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' only means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and this term refers to cases where data is semi-permanently stored in the storage medium. There is no distinction between temporary storage cases.
  • Computer program products are commodities and can be traded between sellers and buyers.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g. compact disc read only memory (CD-ROM)) or via an application store (e.g. Play Store TM ) or on two user devices (e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • a machine-readable storage medium e.g. compact disc read only memory (CD-ROM)
  • an application store e.g. Play Store TM
  • two user devices e.g. It can be distributed (e.g. downloaded or uploaded) directly between smart phones) or online.
  • at least a portion of the computer program product may be at least temporarily stored or temporarily created in a machine-readable storage medium, such as the memory of a manufacturer's server, an application store's server, or a relay server.
  • each component (e.g., module or program) of the above-described components may include a single or plural entity, and some of the plurality of entities may be separately placed in other components. there is.
  • one or more of the components or operations described above may be omitted, or one or more other components or operations may be added.
  • multiple components eg, modules or programs
  • the integrated component may perform one or more functions of each component of the plurality of components in the same or similar manner as those performed by the corresponding component of the plurality of components prior to the integration. .
  • operations performed by a module, program, or other component may be executed sequentially, in parallel, iteratively, or heuristically, or one or more of the operations may be executed in a different order, or omitted. Alternatively, one or more other operations may be added.
  • FIG. 2 shows an internet of things (IoT) system 200 according to one embodiment. At least some of the components in FIG. 2 may be omitted, and may be implemented to include additional components not shown.
  • IoT internet of things
  • the IoT system 200 includes a plurality of electronic devices connectable to a data network 216 or 246 (eg, the second network 199 of FIG. 1).
  • the IoT system 200 includes a first IoT server 210, a first node 220, a voice assistance server 230, a second IoT server 240, and a second node. 250, or may include at least one of the devices 221, 222, 223, 224, 225, 236, 237, 251, 252, and 253.
  • the first IoT server 210 may include at least one of a communication interface 211, a processor 212, or a storage unit 213.
  • the second IoT server 240 may include at least one of a communication interface 241, a processor 242, or a storage unit 243.
  • “IoT server” in this document refers to a relay device (e.g., a first node 220 or a second node), for example, based on a data network (e.g., data network 216 or data network 246). 250), or directly without a relay device, one or more devices (e.g., devices 221, 222, 223, 224, 225, 251, 252, 253) can be remotely controlled and/or monitored.
  • Device herein refers to a sensor, home appliance, office electronic device, or It is a device for performing processes, and there are no restrictions on its type.
  • a device that receives a control command and performs an operation corresponding to the control command may be named a “target device.”
  • the IoT server may be called a central server in that it selects a target device among a plurality of devices and provides control commands.
  • the first IoT server 210 may communicate with the devices 221, 222, and 223 through the data network 216.
  • Data network 216 may refer to a network for long-distance communication, such as the Internet or a computer network (e.g., LAN or WAN), or may include a cellular network.
  • the first IoT server 210 may be connected to the data network 216 through the communication interface 211.
  • the communication interface 211 may include a communication device (or communication module) to support communication of the data network 216, and may be integrated into one component (e.g., a single chip), or may be integrated into a plurality of separate components. It can be implemented with components (e.g., multiple chips).
  • the first IoT server 210 may communicate with the devices 221, 222, and 223 through the first node 220.
  • the first node 220 may receive data from the first IoT server 210 through the data network 216 and transmit the received data to at least some of the devices 221, 222, and 223.
  • the first node 220 may receive data from at least some of the devices 221, 222, and 223, and transmit the received data to the first IoT server 210 through the data network 216.
  • the first node 220 may function as a bridge between the data network 216 and the devices 221, 222, and 223. Meanwhile, in FIG. 2, it is shown as if there is only one first node 220, but this is simply an example and there is no limit to the number.
  • Node in this document may be an edge computing system, or may be a hub device.
  • the first node 220 supports wired and/or wireless communication of the data network 216, and may also support wired and/or wireless communication with the devices 221, 222, and 223.
  • the first node 220 may be configured through a short-range communication network such as at least one of Bluetooth, Wi-Fi, Wi-Fi direct, Z-wave, Zig-bee, INSETEON, X10, or IrDA (infrared data association). It can be connected to devices 221, 222, and 223, but there is no limitation on the type of communication.
  • the first node 220 is placed in an environment such as a home, office, factory, building, external location, or other types of premises. (or, location). Accordingly, the devices 221, 222, and 223 may be monitored and/or controlled by the service provided by the first IoT server 210, and the devices 221, 222, and 223 may be connected to the first IoT server 210. It may not be required to have the capability of complete network communication (e.g., Internet communication) for direct connection to the IoT server 210.
  • Devices 221, 222, and 223 may include, for example, a light switch, a proximity sensor, Although it is shown as being implemented as an electronic device in a home environment, such as a temperature sensor, this is illustrative and is not limiting.
  • the first IoT server 210 may support direct communication with the devices 224 and 225.
  • direct communication may mean communication without, for example, a relay device such as the first node 220, for example, communication through a cellular communication network and/or a data network.
  • the first IoT server 210 may transmit a control command to at least some of the devices 221, 222, 223, 224, and 225.
  • control command may mean data that causes a controllable device to perform a specific operation, and the specific operation is an operation performed by the device, such as outputting information, sensing information, reporting information, It may include management of information (e.g. deletion or creation), and there is no limit to the type.
  • the processor 212 generates a control command from an external source (e.g., the voice assistant server 230, the second IoT server 240, the external system 260, or at least some of the devices 221, 222, 223, 224, and 225).
  • control command may be generated based on the obtained information.
  • the processor 212 may generate a control command based on whether the monitoring results of at least some of the devices 221, 222, 223, 224, and 225 satisfy specified conditions.
  • the processor 212 may control the communication interface 211 to transmit control commands to the target device.
  • the processor 212, processor 232, or processor 242 is a central processing unit (CPU), a digital signal processor (DSP), an application processor (AP), a communication processor (CP), etc. It may be implemented as a combination of one or more of a general-purpose processor, a graphics-specific processor such as a graphical processing unit (GPU), a vision processing unit (VPU), or an artificial intelligence-specific processor such as a neural processing unit (NPU).
  • a general-purpose processor such as a graphical processing unit (GPU), a vision processing unit (VPU), or an artificial intelligence-specific processor such as a neural processing unit (NPU).
  • GPU graphical processing unit
  • VPU vision processing unit
  • NPU neural processing unit
  • the processor 212 may configure a web-based interface based on the API 214 or expose resources managed by the first IoT server 210 to the outside. .
  • the web-based interface may support communication between, for example, the first IoT server 210 and an external web service.
  • the processor 212 may, for example, allow the external system 260 to control and/or access the devices 221, 222, and 223.
  • External system 260 may be, for example, an independent system that is not related to or part of system 200.
  • External system 260 may be, for example, an external server or a website. However, security is required for access to the devices 221, 222, and 223 from the external system 260 or the resources of the first IoT server 210.
  • the processor 212 and the automation application may expose an API endpoint (eg, a universal resource locator (URL)) based on the API 214 to the outside.
  • the first IoT server 210 may transmit a control command to the target device among the devices 221, 222, and 223.
  • the description of the communication interface 241, the processor 242, the API 244 of the storage unit 243, and the database 245 of the second IoT server 240 are as follows. It may be substantially the same as the description of the interface 211, the processor 212, the API 214 of the storage unit 213, and the database 215.
  • the description of the second node 250 may be substantially the same as the description of the first node 220.
  • the second IoT server 240 may transmit a control command to a target device among the devices 251, 252, and 253.
  • the first IoT server 210 and the second IoT server 240 may be operated by the same service provider in one embodiment, but may be operated by different service providers in another embodiment.
  • the voice assistant server 230 may transmit and receive data with the first IoT server 210 through the data network 216.
  • the voice assistant server 230 may include at least one of a communication interface 231, a processor 232, and a storage unit 233.
  • the communication interface 231 may communicate with the smart phone 236 or the AI speaker 237 through a data network (not shown) and/or a cellular network (not shown).
  • the smart phone 236 e.g., the electronic device 101 of FIG. 1) or the AI speaker 237 (e.g., the electronic device 102 of FIG. 1) may include a microphone and transmit user voice. It can be acquired and converted into a voice signal, and the voice signal can be transmitted to the voice assistant server 230.
  • the processor 232 may receive a voice signal from the smart phone 236 or the AI speaker 237 through the communication interface 231.
  • the processor 232 may process the received voice signal based on the stored model 234.
  • the processor 232 may generate (or confirm) a control command using the processing result based on information stored in the database 235.
  • the storage units 213, 233, and 243 include flash memory type, hard disk type, multimedia card micro type, and card type memory (e.g. SD or It may include at least one type of non-transitory storage medium among (Only Memory), magnetic memory, magnetic disk, and optical disk, and there is no limit to its type.
  • FIG. 3 shows an IoT system 300 configured to share experiences with IoT devices between users, according to one embodiment.
  • the IoT system 300 includes an IoT device group 310 and a first user (e.g., a person who owns an IoT device) who has experience using at least one IoT device belonging to the IoT device group 310. ) owned by a first user device (e.g., a smart phone, tablet PC, or laptop PC carried by the first user, which may hereinafter be referred to as an experienced person's device) 320, a second user (e.g.
  • a second user device (e.g., a smartphone, tablet PC, or laptop PC carried by the second user) held by a person who visited the place where the IoT device group 310 is located, hereinafter referred to as a non-experienced person's device ) may be named) 330, and an IoT server 340.
  • the IoT server 340 (e.g., the IoT server 210 or 240 in FIG. 2) records the user's use experience with the IoT device(s) and the experiencer device 320 belonging to the IoT device group 310 to the experiencer device 320. ) may be configured to share with the subject device 330.
  • the prefixes “1st” and “2nd”, which will be described above and later, are only used to distinguish the names and do not have any special meaning such as importance or order.
  • the IoT device group 310 may communicate with the IoT server 340 through the network 350 (e.g., the second network 199 and the data network 216 or 246).
  • the experiencer device 320 and the experiencer device 330 can communicate with the IoT server 340 through the network 350.
  • the IoT device group 310 may include IoT devices located in a designated location (e.g., home).
  • the IoT device group 310 may include devices 221, 222, and 223 connected to the first node 220 or devices 251, 252, and 253 connected to the second node 250 in FIG. 2.
  • Data is transmitted and received between IoT devices in the IoT device group 310 through the network 350 or an access point (AP) located in the corresponding location, or by using peer to peer (P2P) communication technology (e.g., Wi-Fi Direct or Bluetooth). Alternatively, communication for remote control may be made.
  • P2P peer to peer
  • the experiencer device 320 is also an IoT device belonging to the IoT device group 310 and may have control authority over other IoT devices within the IoT device group 310.
  • the experiencer device 320 may log in to the IoT server 340 using a user account (eg, email address, mobile phone number).
  • the experiencer device 320 may have control authority by acquiring the product code of the IoT device using, for example, a QR scan function and registering it with the IoT server 340.
  • the experiencer device 320 transmits and receives data or remotely controls IoT devices in the IoT device group 310 through the network 350 or an AP located in the corresponding location, or by using P2P (peer to peer) communication technology. Communication can be performed.
  • the processor of the experiencer device 320 may store user setting information for operating an IoT device.
  • the processor of the experiencer device 320 uses the wireless communication circuitry of the experiencer device 320 to control IoT devices (e.g., TV, air conditioner, washing machine, refrigerator, light, speaker) within the IoT device group 310. , PC) operating status can be monitored.
  • the processor of the experiencer device 320 may inform the user of the monitoring results (e.g., laundry completion) through a display.
  • the processor of the experiencer device 320 may remotely control the operation of the corresponding IoT device based on setting information and/or monitoring results.
  • the experiencer device 320 may provide control authority for IoT devices within the group 310 to the experiencer device 320 through the IoT server 340.
  • the experiencer device 320 may provide the IoT device in the group 310 and the experience of using the experiencer device 320 to the experiencer device 320 through the IoT server 340.
  • the processor of the experiencer device 320 sends information (IoT device information) that allows other devices to identify which IoT devices belong to the IoT device group 310 to the IoT server 340. It can be provided to the subject through the device 320.
  • the processor determines which functions are configured in the experiencer device 320 and which functions are set to 'in use (activated state)' and which functions are set to 'disabled (disabled state)' among the configured functions.
  • Information that allows the device to identify can be provided to the subject device 320 through the IoT server 340.
  • the processor uses the IoT devices in the group 310 to send information (IoT usage information) that allows other devices to identify what IoT service the user has experienced to the user's device through the IoT server 340. It can be provided at (320).
  • the processor of the experiencer device 320 configures IoT device information and configuration information into a column vector (N*1) and a row vector (1*M), respectively, and multiplies the column vector and row vector to form a first matrix.
  • a (matrix) vector (N*M) may be generated and the first matrix vector may be provided to the subject device 320 through the IoT server 340.
  • the processor of the experiencer device 320 configures IoT device information and IoT usability information into a column vector (N*1) and a row vector (1*L), respectively, and multiplies the column vector and row vector to form a second matrix vector (N*L). ) may be generated and the second matrix vector may be provided to the subject device 320 through the IoT server 340.
  • the experiencer device 320 uses information (a first matrix vector and a second matrix vector) provided from the experiencer device 320 through the IoT server 340 to enable the user of the experiencer device 320 to use IoT devices.
  • a usage experience that is the same (or similar) to the experience of using the device can be provided to the user of the experienced user Xatch 330.
  • the subject device 330 recognizes the existence of an air conditioner in the group 310 from the provided IoT device information, recognizes the use experience of “indoor temperature 24 degrees” from the provided IoT usability information, and determines that the indoor temperature is 24 degrees.
  • the air conditioner can be remotely controlled to maintain the temperature at 24 degrees.
  • the subject device 320 sets the subject device 320 using the provided configuration information to provide the user of the subject device 320 with the same use experience as the user's experience with the experience subject device 320. You can.
  • FIG. 4 is a block diagram of a user device 400 that supports sharing of usage experience between users for an IoT device, according to an embodiment.
  • FIGS. 5A and 5B are diagrams for explaining an operation of vectorizing the experience of using IoT devices, according to an embodiment.
  • the user device 400 (e.g., the first user device 320 or the second user device 330) includes a user experience management module 410, a user experience synchronization module 420, and a first communication device. It may include a circuit 477, a first memory 488, and a first processor 499.
  • the modules 410 and 420 may be composed of instructions, stored in the first memory 488, and executed by the first processor 499.
  • the first communication circuit 477, first memory 488, and first processor 499 are implemented substantially the same as the communication module 190, memory 130, and processor 120 of FIG. 1, respectively. The same function can be performed by doing so.
  • the user experience management module 410 may be configured to manage information (use experience information) 430 representing the user's experience using IoT devices in the first IoT device group to which the user device 400 belongs.
  • management may include generating, storing, updating, or providing the usage experience information 430 to an IoT server (eg, IoT server 340 in FIG. 3) through the first communication circuit 477.
  • the IoT server may provide usage experience information received from the user device 400 to another user device (eg, the user device 330).
  • the usage experience information 430 may include IoT device information, configuration information, and IoT usability information.
  • the usage experience management module 410 may generate a first matrix vector and a second matrix vector using the usage experience information 430 and provide them to the IoT server.
  • the user experience management module 410 may generate an IoT device vector 510 expressing N elements corresponding to IoT devices as a column vector (N*1).
  • each element may have a value of 0 or 1 depending on whether the corresponding IoT device is a member of a group (owned by the user). For example, a value of 1 may be assigned to an element corresponding to an IoT device configured in an IoT device group, and a value of 0 may be assigned to an element corresponding to an IoT device not included in the IoT device group.
  • the user experience management module 410 may generate a configuration vector 520 representing M elements corresponding to functions configurable in the user device 400 as a row vector (1*M).
  • each element may have a value of 0 or 1 depending on whether the corresponding function is activated. For example, a value of 1 may be assigned to an element corresponding to a function in an activated state, and a value of 0 may be assigned to an element corresponding to a function in an inactive state.
  • the name indicating the function assigned to the element in the configuration vector 520 may change. For example, the name “Quick Share” shown in FIG.
  • the user experience management module 410 may generate an IoT usability vector 530 expressing L elements corresponding to IoT services provided by an IoT device group as a row vector (1*L).
  • a real value may be assigned to the element depending on the user's experience with the provided IoT service. Assigned real values can be normalized to values between 0 and 1, as shown in FIG. 5B. For example, as a voice assistant service, 0.2 if you have experience using Bixby, 0.4 if you have experience using Siri, 0.6 if you have experience using Alexa, and use of Google Voice. With experience, 0.8 can be assigned to that factor.
  • the corresponding element of the service “Set room temperature” may be assigned 0.5, corresponding to 24 degrees Celsius.
  • the user experience management module 410 may generate a first matrix vector 540 by performing a matrix multiplication operation on the IoT device vector 510 and the configuration vector 520.
  • the user experience management module 410 may generate a second matrix vector 550 by performing a matrix multiplication operation on the IoT device vector 510 and the IoT usability vector 530.
  • the user experience management module 410 may store the vectors 510, 520, 530, 540, and 550 in the first memory 488 and provide them to the IoT server.
  • Updates to the IoT device group may occur, such as adding a new IoT device as a member of the group or excluding an existing IoT device from the IoT device group.
  • the user experience management module 410 may acquire the product code of a new IoT device using a camera and register the obtained product code in the IoT server.
  • the user experience management module 410 may update the IoT device vector 510 by changing the value of the element corresponding to the new IoT device in the IoT device vector 510 to ‘1’.
  • the user experience management module 410 displays a list of IoT devices on the display, checks the IoT device vector 510 for elements corresponding to the IoT devices that the user has selected to exclude from the list, and sets the value of the identified elements to '0.
  • the IoT device vector 510 can be updated by changing it to '.
  • the user experience management module 410 may update the first matrix vector 540 and the second matrix vector 550 using the updated IoT device vector 510 and provide them to the IoT server.
  • the IoT server can update the corresponding concept stored in the concept DB (e.g., concept DB 650, which will be described later) using the updated matrix vectors.
  • the user experience management module 410 may display a user interface (e.g., pop-up window, settings screen) that allows the user to set the status of functions configured in the user device 400.
  • the user experience management module 410 checks the configuration vector 520 for an element corresponding to a function whose state has been changed by the user (changed from an enabled state to a disabled state or vice versa) in the user interface, and sets the value of the identified element.
  • the configuration vector 520 can be updated by changing it.
  • the user experience management module 410 may update the first matrix vector 540 using the updated configuration vector 520 and provide it to the IoT server.
  • the IoT server may update the corresponding concept stored in the concept DB (e.g., concept DB 650, which will be described later) using the updated first matrix vector.
  • the usage experience management module 410 may monitor the usage experience for the provided IoT service and update the IoT usability vector 530 based on the monitoring results. For example, the user experience management module 410 allows the user to remotely control the air conditioner using the user device 400 to change the set temperature of the air conditioner. The user experience management module 410 may recognize that the set temperature has changed and update the IoT usability vector 530 by changing the element corresponding to the indoor temperature setting service to a value corresponding to the changed set temperature. The user experience management module 410 may update the second matrix vector 550 using the updated IoT usability vector 530 and provide it to the IoT server. The IoT server may update the corresponding concept stored in the concept DB (e.g., concept DB 650, which will be described later) using the updated second matrix vector.
  • concept DB e.g., concept DB 650, which will be described later
  • the use experience synchronization module 420 receives a vector related to the user's use experience using another user device (e.g., the experiencer device 310) from the IoT server 340 through the first communication circuit 330 (e.g., It may be configured to receive a matrix vector, a second matrix vector) and extract IoT device information, configuration information, and IoT usability information from the received vectorized use experience information.
  • the usage experience synchronization module 420 may be configured to provide the user of the user device 400 with the same usage experience as the user's experience of using IoT devices in an IoT device group to which another user device belongs using the extracted information. .
  • the usage experience synchronization module 420 may check the indoor temperature setting value from the extracted IoT usability information and remotely control the air conditioner to maintain the indoor temperature at the confirmed setting value.
  • FIG. 6 is a block diagram of an IoT server 600 that supports sharing of usage experience between users for IoT devices, according to an embodiment.
  • data with the suffix “-S (server)” may be data produced by the IoT server 600 or data received by the user device from the IoT server 600.
  • Data with the suffix “-U (user)” may be data produced by the user device, data stored on the user device, or data provided to the user by the user device that the user responds to. These suffixes are used to distinguish components or data, and do not have any special meaning in themselves.
  • the IoT server 600 (e.g., IoT server 340) includes a feature extraction model 610, an encoding model 620, a decoding model 630, a matrix vector generation model 640, and a second It may include a communication circuit 677, a second memory 688, and a second processor 699.
  • the models 610, 620, 630, and 640 may each be composed of an artificial intelligence model that is machine learned using an artificial intelligence algorithm.
  • the models 610, 620, 630, and 640 may be learned using first training data used as input values and second training data used as output values, respectively.
  • the models 610, 620, 630, and 640 may be stored in the second memory 688 and executed by the second processor 699.
  • the second communication circuit 677, the second memory 688, and the second processor 699 are implemented substantially the same as the communication module 190, memory 130, and processor 120 of FIG. 1, respectively. The same function can be performed by doing so.
  • the second processor 699 transmits the first matrix vector-U (e.g., the first matrix vector 540) and the second matrix vector-U (e.g., the second matrix vector 550) to the second communication circuit 677. It can be received from the first user device (eg, the first user device 320) through .
  • the second processor 699 may input the first matrix vector-U and the second matrix vector-U into the feature extraction model 610 as input values.
  • a feature extraction model e.g., DenseNet (densely connected convolution networks)
  • 610 extracts a number of independent features from the first matrix vector-U and the second matrix vector-U and outputs the extracted features as result values. You can.
  • the second processor 699 may input features extracted from the feature extraction model 610 into the encoding model 620 as input values.
  • the encoding model 620 may generate a concept mapped to the extracted features or a concept mapped to features to be attended to among the extracted features and output them as a result.
  • the concept is to abstract (or simplify) the core content of the user experience information generated from electronic devices (e.g., IoT device information, configuration information, IoT usability information) so that people can easily and clearly understand it.
  • Illustrative concepts include: “Maintain indoor temperature of 00 degrees”, “Maintain good fine dust”, “Wash in lukewarm water”, “Dryer temperature (medium)”, “Air dresser (removal of fine dust)”, “Sound” bar (e.g. AI speaker 237) (volume 7)”, and “dishwasher (low noise mode)”.
  • the second processor 699 may store the concept output from the encoding model 620 in the concept DB 650, which is a memory area allocated to store the concept in the second memory 688. Additionally, the second processor 699 may share the concept generated by the encoding model 620 with the first user device.
  • the feature extraction model 610 and the encoding model 620 have the function of converting matrix vectors into concepts, which are intermediate operation values, so that the usage experience obtained using a specific user device can be universally applied to other user devices. It can be seen that it is being carried out.
  • the second processor 699 receives the IoT device group (e.g., IoT device group 310) to which the first user device belongs from the second user device (e.g., the second user device 330) through the second communication circuit 677. You may receive a message requesting to share your experience using ).
  • the second processor 699 uses the decoding model 630 and the matrix vector generation model 640 to generate a first matrix vector -S and a second matrix vector -S. You can.
  • the second processor 699 may obtain a concept corresponding to the first user device from the concept DB 640 and input the obtained concept into the decoding model 630 as an input value.
  • the decoding model 630 can output a number of features mapped to a concept as result values.
  • the second processor 699 may input the features output from the decoding model 630 into the matrix vector generation model (eg, DenseNet) 630 as input values.
  • the matrix vector generation model 630 can convert features into a first matrix vector-S and a second matrix vector-S and output them as result values.
  • the second processor 699 may transmit the first matrix vector -S and the second matrix vector -S to the second user device through the second communication circuit 6787.
  • the processor of the second user device may extract IoT device information, configuration information, and IoT usability information from the received first matrix vector-S and second matrix vector-S.
  • the second processor 699 may set up the second user device using the extracted configuration information.
  • the second processor 699 can remotely control and/or monitor IoT devices using the extracted IoT device information and IoT usability information.
  • the second processor 699 may check the set value of the indoor temperature from the extracted IoT usability information and remotely control the air conditioner to maintain the indoor temperature at the confirmed set value.
  • the second processor 699 learns the models 610, 620, 630, and 640 using the first training data (matrix vector) and the second training data (concept), so that the first user's usage experience is changed to that of the second user. You can increase the probability that it will be completely delivered to you.
  • the second processor 699 may generate models 610 so that the coincidence rate between the first matrix vector-U and the first matrix vector-S and the coincidence rate between the second matrix vector-U and the second matrix vector-S are high. 620, 630, 640) can be learned.
  • FIG. 7 illustrates an IoT system that allows sharing of usage experience between user devices of the same type and between user devices of different types, according to an embodiment.
  • FIG. 7 detailed descriptions of the same configuration as that of FIG. 6 may be brief or omitted.
  • the IoT server 700 includes a plurality of feature extraction models 711 and 712, a plurality of encoding models 721 and 722, a plurality of decoding models 731 and 732, and a plurality of matrices. It may include vector generation models 741 and 742. According to one embodiment, at least one model (eg, decoding model) among the feature extraction model, encoding model, decoding model, and matrix vector generation model may be classified according to the type of user device.
  • a model eg, decoding model
  • the first feature extraction model 711, the first encoding model 721, the first decoding model 731, and the first matrix vector generation model 741 are used for a first type of user device (e.g., Android TM It may be a model learned to share the experience of users using IoT devices using the installed model.
  • the second feature extraction model 712, the second encoding model 722, the second decoding model 732, and the second matrix vector generation model 742 are used for a second type of user device (e.g., equipped with iOS TM) . It may be a model learned to share the experience of users using IoT devices.
  • the decoding model is divided by model, and the feature extraction model, encoding model, and matrix vector generation model are regardless of the model (i.e., without being divided into “first” and “second” as shown). ), can be used for general purposes.
  • the first user device 701 vectorizes IoT device information, configuration information, and IoT usability information, respectively, and vectorized information 701a (e.g., IoT device vector 510, configuration vector 520). , and the IoT usability vector 530) can be used to generate matrix vectors 701b (e.g., the first matrix vector 540 and the second matrix vector 550) and provide them to the IoT server 700. .
  • the matrix vectors 701b may be used as input values of the first feature extraction model 711 corresponding to the model of the first user device 701 in the IoT server 700.
  • the first feature extraction model 711 may extract first features from the matrix vectors 701b.
  • the first features may be used as input values of the first encoding model 721.
  • the first encoding model 721 may generate a first concept 750 mapped to the first features and store it in the concept DB.
  • the IoT server 700 may share the first concept 750 with the first user device 701.
  • the second user device 702 vectorizes IoT device information, configuration information, and IoT usability information, generates matrix vectors 702b using the vectorized information 702a, and generates matrix vectors 702b.
  • (702b) can be provided to the IoT server 700.
  • the matrix vectors 702b may be used as input values of the second feature extraction model 712 corresponding to the model of the second user device 702 in the IoT server 700.
  • the second feature extraction model 712 may extract second features from the matrix vectors 702b.
  • the second features may be used as input values of the second encoding model 722.
  • the second encoding model 722 may generate a second concept 760 mapped to the second features and store it in the concept DB.
  • the IoT server 700 may share the second concept 760 with the second user device 702.
  • the IoT server 700 receives the IoT device group (e.g., the IoT device group to which the first user device 701 belongs from the third user device 703).
  • the IoT device group e.g., the IoT device group to which the first user device 701 belongs from the third user device 703.
  • a message requesting sharing of usage experience for the IoT device group 310 can be received.
  • the IoT server 700 may select the first concept 750 corresponding to the first user device 701.
  • the IoT server 700 confirms the model of the third user device 703, confirms that the confirmed model is the same as the model of the first user device 701, and based on confirmation that it is the same model, the first user device 700
  • the decoding model 731 may be selected as a decoding model to process the first concept 750.
  • the first decoding model 731 may output a number of features mapped to the first concept 750 as result values.
  • the IoT server 700 may input the features output from the first decoding model 731 into the first matrix vector generation model 741 as input values.
  • the first matrix vector generation model 741 may convert the features into matrix vectors 703a and output them to the third user device 703.
  • the third user device 703 extracts vectorized information 703b from the matrix vectors 703a and uses the extracted information 703b to connect IoT devices in the IoT device group to which the first user device 701 belongs.
  • the user of the third user device 703 can be provided with the same experience as that of the user who has used the device.
  • the IoT server 700 requests sharing of the usage experience for the IoT device group (e.g., IoT device group 310) to which the first user device 701 belongs from the fourth user device 704. You can receive a message saying:
  • the IoT server 700 may select the first concept 750 corresponding to the model of the first user device 701.
  • the IoT server 700 confirms the model of the fourth user device 703, confirms that the confirmed model corresponds to the second decoding model 732, and based on this, converts the second decoding model 732 into the first Concept 750 can be selected as the decoding model to be processed.
  • the second decoding model 732 may output a number of features mapped to the first concept 750 as result values.
  • the IoT server 700 may input the features output from the second decoding model 732 into the second matrix vector generation model 742 as input values.
  • the second matrix vector generation model 742 may convert the features into matrix vectors 704a and output them to the fourth user device 704.
  • the fourth user device 704 extracts vectorized information 704b from the matrix vectors 704a and uses the extracted information 704b to select IoT devices in the IoT device group to which the first user device 701 belongs.
  • the user of the fourth user device 704 can be provided with the same experience as that of the user who has used it.
  • the IoT server 700 may receive a message from the fifth user device 705 requesting sharing of the usage experience for the IoT device group to which the second user device 702 belongs.
  • the IoT server 700 may select the second concept 760 corresponding to the second user device 702.
  • the IoT server 700 confirms the model of the fifth user device 705, confirms that the confirmed model is the same as the model of the second user device 702, and based on confirmation that it is the same model, the second user device 700
  • the decoding model 732 may be selected as a decoding model to process the second concept 760.
  • the second decoding model 732 may output a number of features mapped to the second concept 760 as result values.
  • the IoT server 700 may input the features output from the second decoding model 732 into the second matrix vector generation model 742 as input values.
  • the second matrix vector generation model 742 may convert the features into matrix vectors 705a and output them to the fifth user device 705.
  • the fifth user device 705 extracts vectorized information 705b from the matrix vectors 705a and uses the extracted information 705b to connect IoT devices in the IoT device group to which the second user device 702 belongs.
  • the user of the fifth user device 705 can be provided with the same experience as that of the user who has used it.
  • FIG. 8 is a block diagram of an IoT system that supports sharing of usage experience between users for IoT devices, according to an embodiment.
  • data with the suffixes “-S(server)1” and “-S2” may be data produced by the IoT server 800 or data received by the user device from the IoT server 800.
  • Data with the suffixes “-U(user)1” and “-U2” may be data produced by the user device, data stored on the user device, or data provided to the user by the user device and data to which the user responds. .
  • These suffixes are used to distinguish components or data, and do not have any special meaning in themselves. In the configuration of FIG. 8, detailed descriptions of the same configuration as that of FIG. 7 may be brief or omitted.
  • the first user device 801 uses user experience information-U1 (e.g., use experience information 430) to create a matrix vector-U1.
  • user experience information-U1 e.g., use experience information 430
  • matrix vector-U1 may be generated and matrix vector-U1 may be provided to the IoT server 800 (e.g., IoT server 700).
  • the feature extraction model 810 may extract first features from the matrix vector-U1.
  • the encoding model 820 e.g., the first encoding model 721 may generate a first concept 888 mapped to the first features and store it in the concept DB.
  • the IoT server 800 receives the IoT device group (e.g., IoT device) to which the first user device 801 belongs from the second user device 802 (e.g., the third user device 703 or the fourth user device 704).
  • a message requesting sharing of usage experience with the group 310 may be received.
  • the IoT server 800 may select the first concept 888 corresponding to the first user device 801.
  • the IoT server 700 may input the first concept 888 into the decoding model 830 (e.g., the first decoding model 731 or the second decoding model 732).
  • the decoding model 830 may output a number of features mapped to the first concept 888 as result values.
  • the IoT server 700 uses the features output from the decoding model 830 as input values to the matrix vector generation model 840 (e.g., the first matrix vector generation model 741 or the second matrix vector generation model 742). You can put it in.
  • the matrix vector generation model 840 may convert the features into a matrix vector-S1 and output to the second user device 802.
  • the second user device 802 obtains usage experience information-S1 from the matrix vector-S1, and uses the usage experience information-S1 to identify users who have used IoT devices in the IoT device group to which the first user device 801 belongs.
  • the same usage experience as the experience may be provided to the user of the second user device 802.
  • the second user device 802 may update the usage experience information-S1 to the usage experience information-U2 as the usage experience is added to the second user device 802.
  • the second user device 802 may convert the usage experience information-U2 into a matrix vector-U2 and provide the matrix vector-U2 to the IoT server 800.
  • the IoT server 800 responds to the second user device 802 as a reply to the second user device 802 for transmitting a matrix vector -S1 corresponding to the first concept 888 to the second user device 802. ) can receive the matrix vector-U2 from.
  • IoT server 800 In response to receiving matrix vector-U2 from second user device 802, IoT server 800 generates a surrogate encoding model 821 by replicating encoding model 820 and generates matrix vector-U2. It can be input as an input value to the feature extraction model 810 (e.g., the first feature extraction model 711 or the second feature extraction model 712).
  • the feature extraction model 810 may extract second features from the matrix vector-U2.
  • the alternative encoding module 821 may generate a second concept 899 mapped to the second features and store it in the concept DB.
  • the second concept 899 may be a user experience called ‘motion photo on’ added to the first concept 888.
  • the IoT server 800 may input the second concept 899 into the decoding model 830 (e.g., the first decoding model 731 or the second decoding model 732).
  • the decoding model 830 may output a number of features mapped to the second concept 899 as result values.
  • the IoT server 700 uses the features output from the decoding model 830 as input values to the matrix vector generation model 840 (e.g., the first matrix vector generation model 741 or the second matrix vector generation model 742). You can put it in.
  • the matrix vector generation model 840 may convert the features into a matrix vector-S2 and output it to the first user device 801.
  • the first user device 801 obtains the usage experience information-S2 from the matrix vector-S2, and uses the usage experience information-S2 to display the usage experience added by the second user device 801 to the first user device 801. ) can be provided to users.
  • FIG. 9 is a diagram for explaining an example of operations performed by the feature extraction model 610 and the encoding model 620 of FIG. 6.
  • the feature extraction model 610 may receive matrix vectors 901 that combine IoT device information, configuration information, and IoT usability information.
  • the feature extraction model 610 can separate the matrix vectors 901 into N individual feature vectors 902 for operation for each IoT device and output them.
  • the encoding model 620 can obtain N concepts 903 that are each mapped to the feature vectors 902 by compressing the feature vectors 902 into machine language with reduced dimensions.
  • the encoding model 620 can use attention during the encoding process.
  • the encoding model 620 may relatively focus on the portion related to the operation of the IoT device among all the input feature vectors 920.
  • the concept created by this focus can be expressed in a single sentence related to IoT devices. For example, rather than “indoor temperature” and “maintaining 24 degrees Celsius” being encoded separately, a single concept related to air conditioning, “maintaining indoor temperature 24 degrees with an air conditioner,” can be created.
  • FIG. 10 is a diagram for explaining an example of operations performed by the encoding model 620 and decoding model 630 of FIG. 6.
  • the encoding model 620 can obtain N concepts 1002 that map N input feature vectors 1001, respectively.
  • the encoding model 620 may include a matrix vector 1003 with sizes of K columns and L rows corresponding to various types of user devices.
  • K may correspond to the number of models learned in the encoding model 620.
  • the first row may correspond to a first type of user device (e.g., a model equipped with Android TM ) and the second column may correspond to a second type of user device (e.g., a model equipped with iOS TM ).
  • the matrix vector 1002 can mean various combinations of user experience (e.g., device driving experience) that can be created as weights between nodes connected to the layer of a dense net.
  • the decoding model 630 may output N feature vectors 1004, each mapped to N concepts 1002, as result values.
  • the decoding model 630 may include a matrix vector 1005 with sizes of K columns and L rows corresponding to various types of user devices.
  • the encoding model 620 and decoding model 630 can be learned to share usage experiences between various types of user devices. Referring to Table 1 below, in the encoding model 620, the first column vector may be used when transferring a usage experience from a first type of user device to a first type of user device. In the encoding model 620, the second column vector may be used when transferring a usage experience from a second type of user device to a second type of user device.
  • the heat vector used When a usage experience needs to be transferred from a first type of user device to a second type of user device, the heat vector used may be changed from the first heat vector to the second heat vector. When a usage experience needs to be transferred from a second type of user device to a first type of user device, the heat vector used may be changed from the second heat vector to the first heat vector.
  • IN may refer to a device that delivers a usage experience
  • OUT may refer to a device that receives a usage experience.
  • a server eg, IoT server 340 or IoT server 600
  • a communication circuit for communication with a user device; and a processor connected to the communication circuit; And it may include a memory connected to the processor.
  • the memory when executed by the processor, causes the processor to receive a first use experience for Internet of Things (IoT) devices from a first user device (e.g., first user device 320) through the communication circuit.
  • IoT Internet of Things
  • Instructions for receiving information can be stored.
  • the instructions include a first artificial intelligence model (e.g., feature extraction model 610 and encoding model 620) that is trained by the processor to abstract usage experience information generated from an electronic device into a concept that can be understood by humans.
  • a first artificial intelligence model e.g., feature extraction model 610 and encoding model 620
  • the first usage experience information can be input as an input value and the first concept can be obtained from the output value of the first artificial intelligence model.
  • the instructions may cause the processor to store the first concept in the memory.
  • the instructions include: the processor receives a message requesting sharing of the usage experience for the IoT devices from a second user device (e.g., the second user device 330) through the communication circuit, and the second user In response to the device's sharing request, the first concept is sent to a second artificial intelligence model (e.g., the decoding model 630 and the matrix vector generation model 640) trained to convert the concept into use experience information understandable by the electronic device. can be input as an input value, and second usage experience information can be obtained from the output value of the second artificial intelligence model.
  • the instructions may cause the processor to transmit the second usage experience information to the second user device through the communication circuit.
  • the instructions allow the processor to identify, as the first use experience information, IoT device information for identifying the IoT devices, a function set to an activated state and a function set to a deactivated state among the functions configured in the first user device.
  • Configuration information for and IoT usability information for identifying services experienced by the user using the IoT devices can be received from the first user device through the communication circuit.
  • a first matrix vector is generated through a matrix multiplication operation of the IoT device information composed of a column vector and the configuration information composed of a row vector, and the matrix product of the IoT device information composed of a column vector and the IoT usability information composed of a row vector
  • a second matrix vector may be generated through operation.
  • the instructions may cause the processor to receive the first matrix vector and the second matrix vector as the first usage experience information from a first user device through the communication circuit.
  • the first artificial intelligence model may include a feature extraction model and an encoding model.
  • the instructions may cause the processor to input the first matrix vector and the second matrix vector into the feature extraction model and obtain features from result values output from the feature extraction model.
  • the instructions cause the processor to input features obtained from the result values of the feature extraction model into the encoding model as input values, and include features obtained from the result values of the feature extraction model from the result values output from the encoding model. It is possible to obtain the first concept that is mapped to .
  • the feature extraction model and the matrix vector generation model may include DenseNet (densely connected convolution networks).
  • the second artificial intelligence model may include a decoding model and a matrix vector generation module.
  • the instructions allow the processor to input the first concept into the decoding model as an input value in response to a sharing request from the second user device, and map the result value output from the decoding model to the first concept.
  • the features can be extracted.
  • the instructions cause the processor to input features obtained from the result value of the decoding model as input values to the matrix vector generation module, and to generate a first matrix vector corresponding to the first matrix vector in the result value output from the matrix vector generation module. It is possible to obtain three matrix vectors and a fourth matrix vector corresponding to the second matrix vector.
  • the instructions may cause the processor to transmit the third matrix vector and the fourth matrix vector as the second use experience information to the second user device.
  • the decoding model may include a first decoding model and a second decoding model.
  • the instructions cause the processor to learn the first decoding model corresponding to a user device having a first operating system, and to learn the second decoding model corresponding to a user device having a second operating system different from the first operating system. You can learn.
  • the instructions may cause the processor to receive a fifth matrix vector corresponding to an updated version of the first matrix vector and a sixth matrix vector corresponding to an updated version of the second matrix vector from the second user device. .
  • the instructions may cause the processor, in response to receiving the fifth matrix vector and the sixth matrix vector from the second user device, to generate a replacement encoding model by replicating the encoding model.
  • the instructions allow the processor to input the fifth matrix vector and the sixth matrix vector into the feature extraction model, obtain a second concept from the result value output from the feature extraction model, and generate the second concept. can be stored in the memory.
  • the instructions may cause the processor to input the second concept into the decoding model as an input value and extract features mapped to the second concept from the result value output from the decoding model.
  • the instructions allow the processor to input features obtained from the result value of the decoding model as input values to the matrix vector generation module, and to generate a second matrix vector corresponding to the fifth matrix vector in the result value output from the matrix vector generation module. It is possible to obtain the 7th matrix vector and the 8th matrix vector corresponding to the 6th matrix vector.
  • the instructions may cause the processor to transmit the seventh matrix vector and the eighth matrix vector as third use experience information to the first user device.
  • an electronic device e.g., user device 400
  • a communication circuit for communicating with a server and IoT (internet of things) devices; a processor connected to the communication circuit; And it may include a memory connected to the processor.
  • the memory when executed by the processor, may store instructions that cause the processor to: Configure IoT device information for identifying the IoT devices into a column vector.
  • the instructions may cause the processor to configure configuration information for identifying functions set to an activated state and functions set to a deactivated state among functions configured in the electronic device into a first row vector.
  • the instructions may cause the processor to configure IoT usability information for identifying services experienced by the user using the IoT devices into a second row vector.
  • the instructions may cause the processor to generate a first matrix vector by multiplying the column vector and the first row vector, and to generate a second matrix vector by multiplying the column vector and the second row vector.
  • the instructions cause the processor to transmit the first matrix vector and the second matrix vector to the server so that the server abstracts the first matrix vector and the second matrix vector into a concept that can be understood by humans. can do.
  • a method of operating a server includes receiving information about IoT (internet of things) devices from a first user device through a communication circuit of the server. It may include an operation of receiving first use experience information.
  • the method includes inputting the first use experience information as an input value into a first artificial intelligence model learned to abstract the use experience information generated from an electronic device into a concept that can be understood by humans, and then inputting the first use experience information into the first artificial intelligence model. It may include an operation of obtaining the first concept from the output value of .
  • the method may include storing the first concept in the memory.
  • the method may include receiving a message requesting sharing of usage experience with the IoT devices from a second user device through the communication circuit.
  • the method in response to a sharing request from the second user device, inputs the first concept as an input value into a second artificial intelligence model learned to convert the concept into use experience information understandable by the electronic device and uses the second user device. It may include an operation of acquiring experience information from the output value of the second artificial intelligence model.
  • the method may include transmitting the second use experience information to the second user device through the communication circuit.
  • the operation of receiving the first use experience information includes IoT device information for identifying the IoT devices, and configuration information for identifying a function set to an activated state and a function set to a deactivated state among the functions configured in the first user device. , and may include receiving IoT usability information to identify services experienced by the user using the IoT devices.
  • a first matrix vector is generated through a matrix multiplication operation of the IoT device information composed of a column vector and the configuration information composed of a row vector, and the matrix product of the IoT device information composed of a column vector and the IoT usability information composed of a row vector
  • a second matrix vector may be generated through operation.
  • the operation of receiving the first use experience information may include receiving the first matrix vector and the second matrix vector.
  • the first artificial intelligence model may include a feature extraction model and an encoding model.
  • the operation of acquiring the first concept includes inputting the first matrix vector and the second matrix vector as input values to the feature extraction model and acquiring features from result values output from the feature extraction model; And the first inputs the features obtained from the result value of the feature extraction model as input values to the encoding model and maps the result value output from the encoding model to the features obtained from the result value of the feature extraction model. It may include actions to acquire the concept.
  • the second artificial intelligence model may include a decoding model and a matrix vector generation module.
  • the operation of acquiring the second use experience information includes inputting the first concept into the decoding model as an input value and extracting features mapped to the first concept from the result value output from the decoding model; And the features obtained from the result of the decoding model are input to the matrix vector generation module, and the third matrix vector and the second matrix vector corresponding to the first matrix vector are input from the result value output from the matrix vector generation module. It may include an operation of obtaining a fourth matrix vector corresponding to the matrix vector.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Telephonic Communication Services (AREA)

Abstract

IoT(internet of things) 서버는, 서버의 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하는 동작, 전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하고 메모리에 저장하는 동작, 상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하는 동작, 상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주는 동작, 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하는 동작, 및 상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하는 동작을 수행할 수 있다.?

Description

IOT 기기에 대한 사용 경험을 공유하기 위한 전자 장치
본 개시는 인공 지능 모델을 이용하여 IoT(internet of things) 기기에 대한 사용자 경험을 공유하도록 한 전자 장치에 관한 것이다.
IoT는 인터넷을 통해 서로 연결 가능한 각종 사물들(예: 가전 제품, 의료 기기, 웨어러블 기기, 스마트 폰)로 이루어진 시스템 또는 사물들을 연결하기 위한 네트워크로 정의될 수 있다. IoT 기기는 사물 인터넷을 통해 다른 IoT 기기에 연결되고 다른 IoT 기기와 데이터를 교환 및/또는 다른 IoT 기기를 제어하기 위한 목적으로 하드웨어와 소프트웨어를 내장한 전자 장치로 정의될 수 있다.
사용자들 간에는 IoT 기기들로 구성된 장소(예: 홈, 카페)를 공유할 수 있다. 방문자의 휴대 전자 장치(예: 스마트 폰)는, 해당 장소 오너의 승인 하에, IoT 기기들에 대한 제어권을 가질 수 있다. 이에 따라 방문자는 방문 장소에 있는 IoT 기기를 사용할 수 있다.
현대인들은 누구나 조금씩은 IoT 기기를 사용한 경험을 갖는다. 사용 경험이 없더라도, 스마트 폰을 보유한 사람이라면 누구나 IoT 기기를 사용 경험할 준비가 되어있다고 할 수 있다.
사용자들 간 IoT 환경에 대한 사용 경험을 공유할 수 있다. 그런데, 문제는, 사용자 각자가 경험한 IoT 환경이 다르고 해당 장소에 참여한 사용자들이 갖는 전자 장치(예: 스마트 폰)가 보유한 기능 및/또는 성능에 차이가 있을 수 있고 이에 따라 사용자들 간 사용 경험의 공유가 쉽지 않다는 점이다.
본 개시의 다양한 실시예는 IoT 기기들로 구성된 장소에 방문한 방문자의 휴대 전자 장치가 해당 장소의 오너가 IoT 기기들을 사용하기 위해 설정한 데이터를 획득하게 할 수 있고, 획득된 데이터를 이용하여, 해당 장소에서 오너의 사용 경험과 동일한 사용 경험을 방문자에게 제공하게 할 수 있다.
본 개시에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따르면, 서버는, 사용자 장치와 통신을 위한 통신 회로; 및 상기 통신 회로에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가, 상기 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하도록 하는 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 컨셉을 상기 메모리에 저장하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하고, 상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주고, 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하도록 할 수 있다.
일 실시예에 따르면, 전자 장치는, 서버 및 IoT(internet of things) 기기들과 통신하기 위한 통신 회로; 상기 통신 회로에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가: 상기 IoT 기기들을 식별하기 위한 IoT 기기 정보를 열 벡터로 구성하도록 하는 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 전자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보를 제1 행 벡터로 구성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 제2 행 벡터로 구성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 열 벡터와 상기 제1 행 벡터를 곱해서 제1 행렬 벡터를 생성하고, 상기 열 벡터와 상기 제2 행 벡터를 곱해서 제2 행렬 벡터를 생성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 서버로 전송함으로써 상기 서버가 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 할 수 있다.
일 실시예에 따르면, 서버를 동작하는 방법은, 상기 서버의 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하는 동작을 포함할 수 있다. 상기 방법은, 전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 제1 컨셉을 상기 메모리에 저장하는 동작을 포함할 수 있다. 상기 방법은, 상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하는 동작을 포함할 수 있다. 상기 방법은, 상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주고 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하는 동작을 포함할 수 있다.
다양한 실시예에 따르면, 전자 장치는 IoT 기기에 대한 사용 경험을 IoT 기기가 위치한 장소에 방문한 사람에게 공유해 줄 수 있다. 이 외에, 본 문서를 통해 직접적 또는 간접적으로 파악되는 다양한 효과들이 제공될 수 있다.
도 1 은, 다양한 실시예에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2 는 일 실시예에 따른 IoT(internet of things) 시스템을 도시한다.
도 3은, 일 실시예에 따른, 사용자들 간에 IoT 기기에 대한 경험을 공유하도록 구성된 IoT 시스템을 도시한다.
도 4는, 일 실시예에 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 사용자 장치의 블록도이다.
도 5a 및 5b는, 일 실시예에 따른, IoT 기기들에 대한 사용 경험을 벡터화하는 동작을 설명하기 위한 도면들이다.
도 6 은, 일 실시예 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 IoT 서버의 블록도이다.
도 7 은, 일 실시예에 따른, 기종이 동일한 사용자 장치들 간 그리고 기종이 다른 사용자 장치들 간에 사용 경험을 공유할 수 있도록 하는 IoT 시스템을 도시한다.
도 8은, 일 실시예에 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 IoT 시스템의 블록도이다.
도 9는, 도 6의 특징 추출 모델과 인코딩 모델에 의해 수행되는 동작들의 일례를 설명하기 위한 도면이다.
도 10은, 도 6의 인코딩 모델과 디코딩 모델에 의해 수행되는 동작들의 일례를 설명하기 위한 도면이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108) 중 적어도 하나와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능 모델이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제1 네트워크(198) 또는 제2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제1", "제2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제1) 구성요소가 다른(예: 제2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는 일 실시예에 따른 IoT(internet of things) 시스템(200)을 도시한다. 도 2의 구성 요소 중 적어도 일부는 생략될 수도 있으며, 도시되지 않은 구성 요소가 더 포함되도록 구현될 수도 있다.
도 2을 참조하면, 일 실시예에 따른 IoT 시스템(200)은, 데이터 네트워크(216 또는 246)(예: 도 1의 제2 네트워크(199))에 연결 가능한 복수의 전자 장치들을 포함한다. 예를 들어, IoT 시스템(200)은 제1 IoT 서버(210), 제1 노드(node)(220), 보이스 어시스턴트(voice assistance) 서버(230), 제2 IoT 서버(240), 제2 노드(250), 또는 디바이스들(221,222,223,224,225,236,237,251,252,253) 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 제1 IoT 서버(210)는, 통신 인터페이스(211), 프로세서(212), 또는 저장부(213) 중 적어도 하나를 포함할 수 있다. 제2 IoT 서버(240)는, 통신 인터페이스(241), 프로세서(242), 또는 저장부(243) 중 적어도 하나를 포함할 수 있다. 본 문서에서의 “IoT 서버”는, 예를 들어 데이터 네트워크(예: 데이터 네트워크(216) 또는 데이터 네트워크(246))에 기반하여, 중계 디바이스(예: 제1 노드(220) 또는 제2 노드(250))를 통하거나, 또는 중계 디바이스 없이 직접적으로(directly), 하나 또는 그 이상의 디바이스들(예: 디바이스들(221,222,223,224,225,251,252,253))을 원격으로 제어 및/또는 모니터링할 수 있다. 여기에서의 “디바이스”는, 예를 들어 가택, 사무실, 공장, 빌딩, 외부 지점, 또는 다른 타입의 부지들과 같은 로컬 환경 내에 배치되는(또는, 위치하는) 센서, 가전, 사무용 전자 디바이스, 또는 공정 수행을 위한 디바이스로, 그 종류에는 제한이 없다. 제어 명령을 수신하고 제어 명령에 대응하는 동작을 수행하는 디바이스는 “타겟 디바이스”로 명명될 수 있다. IoT 서버는, 복수의 디바이스들 중 타겟 디바이스를 선택하고 제어 명령을 제공하는 점에서, 중앙 서버(central server)로 명명될 수도 있다.
일 실시예에 따라서, 제1 IoT 서버(210)는, 데이터 네트워크(216)를 통하여 디바이스들(221,222,223)과 통신을 수행할 수 있다. 데이터 네트워크(216)는, 예를 들어 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신을 위한 네트워크를 의미할 수 있으며, 또는 셀룰러 네트워크를 포함할 수도 있다.
일 실시예에 따라서, 제1 IoT 서버(210)는, 통신 인터페이스(211)를 통하여 데이터 네트워크(216)에 연결될 수 있다. 통신 인터페이스(211)는, 데이터 네트워크(216)의 통신을 지원하기 위한 통신 디바이스(또는, 통신 모듈)를 포함할 수 있으며, 하나의 구성 요소(예: 단일 칩)로 통합되거나, 또는 별도의 복수의 구성 요소들(예: 복수 칩들)로 구현될 수 있다. 제1 IoT 서버(210)는, 제1 노드(220)를 통하여 디바이스들(221,222,223)와 통신을 수행할 수 있다. 제1 노드(220)는, 제1 IoT 서버(210)로부터의 데이터를 데이터 네트워크(216)를 통하여 수신하고, 수신한 데이터를 디바이스들(221,222,223) 중 적어도 일부로 송신할 수 있다. 또는, 제1 노드(220)는, 디바이스들(221,222,223) 중 적어도 일부로부터 데이터를 수신하고, 수신한 데이터를 데이터 네트워크(216)를 통하여 제1 IoT 서버(210)로 송신할 수 있다. 제1 노드(220)는, 데이터 네트워크(216) 및 디바이스들(221,222,223) 사이의 브릿지(bridge)로서 기능할 수 있다. 한편, 도 2에서는 제1 노드(220)가 하나인 것과 같이 도시되어 있지만 이는 단순히 예시적인 것으로, 그 숫자에는 제한이 없다.
본 문서에서의 “노드”는, 엣지 컴퓨팅 시스템(edge computing system)일 수 있거나, 또는 허브(hub) 디바이스일 수 있다. 일 실시예에 따라서, 제1 노드(220)는, 데이터 네트워크(216)의 유선 및/또는 무선의 통신을 지원하며, 아울러 디바이스들(221,222,223)과의 유선 및/또는 무선의 통신을 지원할 수 있다. 예를 들어, 제1 노드(220)는, 블루투스, Wi-Fi, Wi-Fi direct, Z-wave, Zig-bee, INSETEON, X10 또는 IrDA(infrared data association 중 적어도 하나와 같은 근거리 통신 네트워크를 통하여 디바이스들(221,222,223)과 연결될 수 있으나, 통신 종류에는 제한이 없다. 제1 노드(220)는, 예를 들어 가택, 사무실, 공장, 빌딩, 외부 지점, 또는 다른 타입의 부지들과 같은 환경 내에 배치(또는, 위치)될 수 있다. 이에 따라, 디바이스들(221,222,223)은, 제1 IoT 서버(210)에 의하여 제공되는 서비스에 의하여 모니터링 및/또는 제어될 수 있으며, 디바이스들(221,222,223)은 제1 IoT 서버(210)로의 직접 연결을 위한 완전한 네트워크 통신(예: 인터넷 통신)의 캐퍼빌리티(capability)를 갖출 것이 요구되지 않을 수 있다. 디바이스들(221,222,223)은, 예를 들어 전등 스위치, 근접 센서, 온도 센서 등으로 가택 환경 내의 전자 장치로 구현된 것과 같이 도시되었지만, 이는 예시적인 것으로 제한은 없다.
일 실시예에 따라서, 제1 IoT 서버(210)는, 디바이스들(224,225)과의 직접 통신(direct communication)을 지원할 수도 있다. 여기에서, “직접 통신”은, 예를 들어 제1 노드(220)와 같은 중계 디바이스를 통하지 않은 통신으로, 예를 들어 셀룰러 통신 네트워크 및/또는 데이터 네트워크를 통한 통신을 의미할 수 있다.
일 실시예에 따라서, 제1 IoT 서버(210)는, 디바이스들(221,222,223,224,225) 중 적어도 일부로 제어 명령을 송신할 수 있다. 여기에서, “제어 명령”은, 제어 가능한 디바이스가 특정 동작을 수행하도록 야기하는 데이터를 의미할 수 있으며, 특정 동작은 디바이스에 의하여 수행되는 동작으로, 정보의 출력, 정보의 센싱, 정보의 보고, 정보의 관리(예: 삭제, 또는 생성)를 포함할 수 있으며, 그 종류에는 제한이 없다. 예를 들어, 프로세서(212)는, 외부(예: 보이스 어시스턴트 서버(230), 제2 IoT 서버(240), 외부 시스템(260), 또는 디바이스들(221,222,223,224,225) 중 적어도 일부)로부터 제어 명령을 생성하기 위한 정보(또는, 요청)를 획득하고, 획득한 정보에 기반하여 제어 명령을 생성할 수 있다. 또는, 프로세서(212)는, 디바이스들(221,222,223,224,225) 중 적어도 일부의 모니터링 결과가 지정된 조건을 만족함에 기반하여 제어 명령을 생성할 수 있다. 프로세서(212)는, 제어 명령을, 타겟 디바이스로 송신하도록 통신 인터페이스(211)를 제어할 수 있다.
일 실시예에 따라서, 프로세서(212), 프로세서(232), 또는 프로세서(242)는, CPU(central processing unit), DSP(digital signal processor), AP(application processor), CP(communication processor) 등과 같은 범용 프로세서, GPU(graphical processing unit), VPU(vision processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU(neural processing unit)와 같은 인공 지능 전용 프로세서 중 하나 이상의 조합으로 구현될 수 있다. 상술한 처리 유닛은 단순히 예시적인 것으로, 프로세서(212)는, 예를 들어 메모리(213)에 저장된 인스트럭션을 실행하여, 실행된 결과를 출력할 수 있는 연산 수단이라면 제한이 없음을 당업자는 이해할 것이다.
일 실시예에 따라서, 프로세서(212)는, API(214)에 기반하여 웹-기반 인터페이스를 구성하거나, 또는 제1 IoT 서버(210)에 의하여 관리되는 리소스(resource)를 외부에 노출시킬 수 있다. 웹-기반 인터페이스는, 예를 들어 제1 IoT 서버(210) 및 외부 웹 서비스 사이의 통신을 지원할 수 있다. 프로세서(212)는, 예를 들어 외부 시스템(260)으로 하여금 디바이스들(221,222,223)의 제어 및/또는 억세스를 허용할 수도 있다. 외부 시스템(260)은, 예를 들어 시스템(200)과 연관이 없거나, 또는 일부가 아닌 독립적인 시스템일 수 있다. 외부 시스템(260)은, 예를 들어 외부 서버이거나, 또는 웹 사이트일 수 있다. 하지만, 외부 시스템(260)으로부터의 디바이스들(221,222,223), 또는 제1 IoT 서버(210)의 리소스로의 억세스에 대한 보안이 요구된다. 일 실시예에 따라서, 프로세서(212)는, 자동화 어플리케이션은 API(214)에 기반한 API 엔드 포인트(예: URL(universal resource locator))를 외부에 노출할 수 있다. 상술한 바에 따라서, 제1 IoT 서버(210)는, 제어 명령을 디바이스들(221,222,223) 중 타겟 디바이스에게 전달할 수 있다. 한편, 제2 IoT 서버(240)의 통신 인터페이스(241), 프로세서(242), 저장부(243)의 API(244), 데이터베이스(245)에 대한 설명은, 제1 IoT 서버(210)의 통신 인터페이스(211), 프로세서(212), 저장부(213)의 API(214), 데이터베이스(215)에 대한 설명과 실질적으로 동일할 수 있다. 아울러, 제2 노드(250)에 대한 설명은, 제1 노드(220)에 대한 설명과 실질적으로 동일할 수 있다. 제2 IoT 서버(240)는, 제어 명령을 디바이스들(251,252,253) 중 타겟 디바이스에게 전달할 수 있다. 제1 IoT 서버(210) 및 제2 IoT 서버(240)는, 하나의 실시예에서는 동일한 서비스 제공자에 의하여 운영될 수 있으나, 다른 실시예에서는 상이한 서비스 제공자들에 의하여 각각 운영될 수도 있다.
일 실시예에 따라서, 보이스 어시스턴트 서버(230)는, 데이터 네트워크(216)를 통하여 제1 IoT 서버(210)와 데이터를 송수신할 수 있다. 일 실시예에 따른 보이스 어시스턴트 서버(230)는, 통신 인터페이스(231), 프로세서(232), 또는 저장부(233) 중 적어도 하나를 포함할 수 있다. 통신 인터페이스(231)는, 데이터 네트워크(미도시) 및/또는 셀룰러 네트워크(미도시)를 통하여 스마트 폰(236) 또는 AI 스피커(237)와 통신을 수행할 수 있다. 스마트 폰(236)(예: 도 1의 전자 장치(101)) 또는 AI 스피커(237)(예: 도 1의 전자 장치(102))는 마이크를 포함할 수 있으며, 사용자 음성(user voice)을 획득하여 음성 신호로 변환하여, 음성 신호를 보이스 어시스턴트 서버(230)로 송신할 수 있다. 프로세서(232)는, 통신 인터페이스(231)를 통하여 스마트 폰(236) 또는 AI 스피커(237)로부터 음성 신호를 수신할 수 있다. 프로세서(232)는, 수신한 음성 신호를 저장된 모델(234)에 기반하여 처리할 수 있다. 프로세서(232)는, 데이터베이스(235)에 저장된 정보에 기반하여, 처리 결과를 이용하여 제어 명령을 생성(또는, 확인)할 수 있다. 일 실시예에 따라서, 저장부(213,233,243)는, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory), SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 비 일시적(non-transitory) 저장매체를 포함할 수 있으며, 그 종류에는 제한이 없다.
도 3은, 일 실시예에 따른, 사용자들 간에 IoT 기기에 대한 경험을 공유하도록 구성된 IoT 시스템(300)을 도시한다.
도 3을 참조하면, IoT 시스템(300)은 IoT 기기 그룹(310), IoT 기기 그룹(310)에 속한 적어도 하나의 IoT 기기를 사용해 본 경험이 있는 제1 사용자(예: IoT 기기를 소유한 사람)가 보유한 제1 사용자 장치(예컨대, 제1 사용자가 휴대하는 스마트 폰, 태블릿 PC, 또는 노트북 PC로서 이하, 경험자 장치(experienced person's device)로 명명될 수 있음)(320), 제2 사용자(예: IoT 기기 그룹(310)이 위치한 장소에 방문한 사람)가 보유한 제2 사용자 장치(예컨대, 제2 사용자가 휴대하는 스마트 폰, 태블릿 PC, 또는 노트북 PC로서 이하, 피경험자 장치(non-experienced person's device)로 명명될 수 있음)(330), 및 IoT 서버(340)를 포함할 수 있다. IoT서버(340)(예: 도 2의 IoT 서버(210 or 240))는 IoT 기기 그룹(310)에 속한 IoT 기기(들)과 경험자 장치(320)에 대한 사용자의 사용 경험을 경험자 장치(320)에서 피경험자 장치(330)로 공유하도록 구성될 수 있다. 위에서 그리고 후술하게 될 접두사 “제1” 및 “제2”는 해당 명칭의 구분을 위한 것일 뿐 그 자체에 중요도나 순서 등과 같이 특별한 의미가 부여된 것은 아니다.
IoT 시스템(300)에서 IoT 기기 그룹(310)은 네트워크(350)(예: 제2 네트워크(199), 데이터 네트워크(216 or 246))를 통해 IoT서버(340)와 통신할 수 있다. 경험자 장치(320)와 피 경험자 장치(330)는 네트워크(350)를 통해 IoT서버(340)와 통신할 수 있다. IoT 기기 그룹(310)은 지정된 장소(예: home)에 위치한 IoT 기기들을 포함할 수 있다. 예컨대, IoT 기기 그룹(310)은 도 2에서 제1 노드(220)에 연결된 디바이스들(221,222,223) 또는 제2 노드(250)에 연결된 디바이스들(251, 252, 253)을 포함할 수 있다. IoT 기기 그룹(310) 내 IoT 기기들 간에는 네트워크(350)나 해당 장소에 위치한 AP(access point)를 통해서 또는 P2P(peer to peer) 통신 기술(예: 와이파이 다이렉트 또는 블루투스)을 이용하여, 데이터 송수신 또는 원격 제어를 위한 통신이 이루어질 수 있다.
경험자 장치(320) 역시, IoT 기기 그룹(310)에 속한 IoT 기기이며 IoT 기기 그룹(310) 내 다른 IoT 기기들에 대한 제어 권한을 가질 수 있다. 예를 들어, 경험자 장치(320)는, 사용자 계정(예: 이메일 주소, 휴대 전화 번호)을 이용하여, IoT 서버(340)에 로그인할 수 있다. 경험자 장치(320)는 IoT 기기의 제품 코드를 예컨대 QR 스캔 기능을 이용하여 획득하고 IoT 서버(340)에 등록함으로써 제어 권한을 가질 수 있다.
경험자 장치(320)는, 네트워크(350) 또는 해당 장소에 위치한 AP를 통해서 또는 P2P(peer to peer) 통신 기술을 이용하여, IoT 기기 그룹(310) 내 IoT 기기들과 데이터 송수신 또는 원격 제어를 위한 통신을 수행할 수 있다. 예컨대, 경험자 장치(320)의 프로세서는 IoT 기기의 작동을 위한 사용자의 설정 정보를 저장할 수 있다. 경험자 장치(320)의 프로세서는, 경험자 장치(320)의 무선 통신 회로(wireless communication circuitry)를 이용하여, IoT 기기 그룹(310) 내 IoT 기기(예: TV, 에어컨, 세탁기, 냉장고, 전등, 스피커, PC)의 작동 상태를 모니터링할 수 있다. 경험자 장치(320)의 프로세서는 모니터링 결과(예: 세탁 완료)를 사용자에게 디스플레이를 통해 안내할 수 있다. 경험자 장치(320)의 프로세서는, 설정 정보 및/또는 모니터링 결과에 기반하여, 해당 IoT 기기의 작동을 원격 제어할 수 있다.
경험자 장치(320)는 그룹(310) 내 IoT 기기의 대한 제어 권한을 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다. 경험자 장치(320)는 그룹(310) 내 IoT 기기 및 경험자 장치(320)에 대한 사용 경험을 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다. 일 실시예에 따르면, 경험자 장치(320)의 프로세서는, IoT 기기 그룹(310)에 어떠한 IoT 기기들이 속해 있는지를 다른 장치가 식별할 수 있도록 하는 정보(IoT 기기 정보)를 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다. 프로세서는 경험자 장치(320)에 어떠한 기능들로 구성되어 있고 구성된 기능들 중에서 어떠한 기능이 ‘사용 중(활성화 상태)’으로 설정되고 어떠한 기능이 ‘사용 안함(비활성화 상태)’으로 설정되어 있는지를 다른 장치가 식별할 수 있도록 한(구성(configuration) 정보)를 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다. 프로세서는 그룹(310) 내 IoT 기기들을 이용하여 사용자가 어떠한 IoT 서비스를 경험을 했는지를 다른 장치가 식별할 수 있도록 한 정보(IoT 사용성(usages) 정보)를 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다.
일 실시예에 따르면, 경험자 장치(320)의 프로세서는 IoT 기기 정보와 구성 정보를 각각 열 벡터(N*1)와 행 벡터(1*M)로 구성하고 열 벡터와 행 벡터를 곱해서 제1 행렬(matrix) 벡터(N*M)를 생성하고 제1 행렬 벡터를 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다. 경험자 장치(320)의 프로세서는 IoT 기기 정보와 IoT 사용성 정보를 각각 열 벡터(N*1)와 행 벡터(1*L)로 구성하고 열 벡터와 행 벡터를 곱해서 제2 행렬 벡터(N*L)를 생성하고 제2 행렬 벡터를 IoT 서버(340)를 통해 피경험자 장치(320)로 제공할 수 있다.
피경험자 장치(320)는, IoT 서버(340)를 통해 경험자 장치(320)로부터 제공받은 정보(제1 행렬 벡터와 제2 행렬 벡터)를 이용하여, 경험자 장치(320)의 사용자가 IoT 기기들을 사용해 본 경험과 동일(또는, 유사)한 사용 경험을 피경험자 잗치(330)의 사용자에게 제공할 수 있다. 예를 들어, 피경험자 장치(330)는 제공받은 IoT 기기 정보로부터 그룹(310) 내 에어컨이 존재한다는 것을 인지하고 제공받은 IoT 사용성 정보로부터 “실내 온도 24도”라는 사용 경험을 인지하고 실내 온도가 24도로 유지되게 에어컨을 원격 제어할 수 있다. 피경험자 장치(320)는 제공받은 구성 정보를 이용하여 피경험자 장치(320)를 설정함으로써 경험자 장치(320)에 대한 사용자의 사용 경험과 동일한 사용 경험을 피경험자 장치(320)의 사용자에게 제공할 수 있다.
도 4는, 일 실시예에 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 사용자 장치(400)의 블록도이다. 도 5a 및 5b는, 일 실시예에 따른, IoT 기기들에 대한 사용 경험을 벡터화하는 동작을 설명하기 위한 도면들이다.
도 4를 참조하면, 사용자 장치(400)(예: 제1 사용자 장치(320) 또는 제2 사용자 장치(330))는 사용 경험 관리 모듈(410), 사용 경험 동기화 모듈(420), 제1 통신 회로(477), 제1 메모리(488), 및 제1 프로세서(499)를 포함할 수 있다. 상기 모듈들(410, 420)은 인스트럭션들(instructions)로 구성되어 제1 메모리(488)에 저장되고 제1 프로세서(499)에 의해 실행될 수 있다. 제1 통신 회로(477), 제1 메모리(488), 및 제1 프로세서(499)는 각각, 도 1의 통신 모듈(190), 메모리(130), 및 프로세서(120)와 실질적으로 동일하게 구현됨으로써 동일한 기능을 수행할 수 있다.
사용 경험 관리 모듈(410)은 사용자 장치(400)가 속한 제1 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험을 나타내는 정보(사용 경험 정보)(430)를 관리하도록 구성될 수 있다. 여기서, 관리는 사용 경험 정보(430)를 생성, 저장, 갱신, 또는 제1 통신 회로(477)를 통해 IoT 서버(예: 도 3의 IoT 서버(340))로 제공을 포함할 수 있다. IoT 서버는 사용자 장치(400)로부터 수신된 사용 경험 정보를 다른 사용자 장치(예: 피경험자 장치(330))로 제공할 수 있다. 일 실시예에 따르면, 사용 경험 정보(430)는 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보를 포함할 수 있다. 사용 경험 관리 모듈(410)은 사용 경험 정보(430)를 이용하여 제1 행렬 벡터와 제2 행렬 벡터를 생성하고 IoT 서버로 제공할 수 있다.
도 5a 및 5b를 참조하면, 사용 경험 관리 모듈(410)은 IoT 기기들에 대응하는 N개의 요소들을 열 벡터(N*1)로 표현한 IoT 기기 벡터(510)를 생성할 수 있다. IoT 기기 벡터(510)에서 각 요소는 해당 IoT 기기가 그룹의 일원인지 여부(사용자가 보유하고 있는지 여부)에 따라 0 또는 1의 값을 가질 수 있다. 예컨대, IoT 기기 그룹에 구성된 IoT 기기에 대응하는 요소에는 1의 값이 할당되고 IoT 기기 그룹에 구성되어 있지 않은 IoT 기기에 대응하는 요소에는 0의 값이 할당될 수 있다. 사용 경험 관리 모듈(410)은 사용자 장치(400)에 구성 가능한 기능들에 대응하는 M 개의 요소들을 행 벡터(1*M)로 표현한 구성 벡터(520)를 생성할 수 있다. 구성 요소(520)에서 각 요소는 해당 기능의 활성화 여부에 따라 0 또는 1의 값을 가질 수 있다. 예컨대, 활성화 상태인 기능에 대응하는 요소에는 1의 값이 할당되고 비활성화 상태인 기능에 대응하는 요소에는 0의 값이 할당될 수 있다. 사용자 장치(400)의 종류(기종)에 따라 구성 벡터(520)에서 요소에 지정된 기능을 나타내는 명칭은 변경될 수 있다. 예컨대, 도 5a에 도시된 “Quick Share”라는 명칭은, 동일(또는, 유사)한 기능에 해당되나, 명칭만 다른 “Air Drop”으로 변경될 수 있다. 사용 경험 관리 모듈(410)은 IoT 기기 그룹에서 제공되는 IoT 서비스들에 대응하는 L개의 요소들을 행 벡터(1*L)로 표현한 IoT 사용성 벡터(530)를 생성할 수 있다. 제공되는 IoT 서비스에 대한 사용자의 경험 유무에 따라 해당 요소에 실수 값(real value)이 할당될 수 있다. 할당된 실수 값들은 도 5b에 도시된 바와 같이 0과 1 사이의 값으로 정규화될 수 있다. 예컨대, 음성 비서 서비스로서, 빅스비(Bixby)에 대한 사용 경험이 있으면 0.2, 쉬리(Siri)에 대한 사용 경험이 있으면 0.4, 알렉사(alexa)에 대한 사용 경험이 있으면 0.6, 그리고 구글 보이스에 대한 사용 경험이 있으면 0.8이 해당 요소에 할당될 수 있다. 또 하나의 예로, “실내 온도 설정”이라는 서비스의 해당 요소에 섭씨 24도에 대응하는 0.5가 할당될 수 있다.
다시 도 5a 및 5b를 참조하면, 사용 경험 관리 모듈(410)은 IoT 기기 벡터(510)와 구성 벡터(520)를 행렬 곱 연산하여 제1 행렬 벡터(540)를 생성할 수 있다. 사용 경험 관리 모듈(410)은 IoT 기기 벡터(510)와 IoT 사용성 벡터(530)을 행렬 곱 연산하여 제2 행렬 벡터(550)를 생성할 수 있다. 사용 경험 관리 모듈(410)은 벡터들(510, 520, 530, 540, 550)을 제1 메모리(488)에 저장하고 IoT 서버에 제공할 수 있다.
신규 IoT 기기가 그룹의 일원으로 추가되거나 IoT 기기 그룹에서 기존 IoT 기기가 제외되는 것과 같은 IoT 기기 그룹의 업데이트가 발생될 수 있다. 예컨대, 사용 경험 관리 모듈(410)은 신규 IoT 기기의 제품 코드를 카메라를 이용하여 획득하고 획득된 제품 코드를 IoT 서버에 등록할 수 있다. 사용 경험 관리 모듈(410)은 IoT 기기 벡터(510)에서 신규 IoT 기기에 해당하는 요소의 값을 ‘1’로 변경함으로써 IoT 기기 벡터(510)를 갱신할 수 있다. 사용 경험 관리 모듈(410)은 IoT 기기들의 목록을 디스플레이에 표시하고, 목록에서 사용자가 제외를 선택한 IoT 기기에 대응하는 요소를 IoT 기기 벡터(510)에서 확인하고, 확인된 요소의 값을 ‘0’으로 변경함으로써 IoT 기기 벡터(510)를 갱신할 수 있다. 사용 경험 관리 모듈(410)은 갱신된 IoT 기기 벡터(510)를 이용하여 제1 행렬 벡터(540) 및 제2 행렬 벡터(550)를 갱신하고 IoT 서버에 제공할 수 있다. IoT 서버는 갱신된 행렬 벡터들을 이용하여 컨셉 DB(예: 후술할 컨셉 DB(650))에 저장된 해당 컨셉을 갱신할 수 있다.
사용 경험 관리 모듈(410)은 사용자 장치(400)에 구성된 기능들에 대한 상태를 사용자가 설정할 수 있도록 하는 사용자 인터페이스(예: 팝업 윈도우, 설정 화면)를 디스플레이 표시할 수 있다. 사용 경험 관리 모듈(410)은 사용자 인터페이스에서 사용자가 상태 변경(활성화 상태에서 비활성화 상태로 변경 또는 그 반대로 변경)한 기능에 대응하는 요소를 구성 벡터(520)에서 확인하고, 확인된 요소의 값을 변경함으로써 구성 벡터(520)를 갱신할 수 있다. 사용 경험 관리 모듈(410)은 갱신된 구성 벡터(520)를 이용하여 제1 행렬 벡터(540)를 갱신하고 IoT 서버에 제공할 수 있다. IoT 서버는 갱신된 제1 행렬 벡터를 이용하여 컨셉 DB(예: 후술할 컨셉 DB(650))에 저장된 해당 컨셉을 갱신할 수 있다.
사용 경험 관리 모듈(410)은 제공되는 IoT 서비스에 대한 사용 경험을 모니터링하고 모니터링 결과에 기반하여 IoT 사용성 벡터(530)를 갱신할 수 있다. 예를 들어, 사용 경험 관리 모듈(410)은 사용자가 사용자 장치(400)를 이용하여 에어컨을 원격 제어함으로써 에어컨의 설정 온도를 변경할 수 있다. 사용 경험 관리 모듈(410)은 설정 온도가 변경되었음을 인지하고 실내 온도 설정 서비스에 대응하는 요소를 변경된 설정 온도에 대응하는 값으로 변경함으로써 IoT 사용성 벡터(530)를 갱신할 수 있다. 사용 경험 관리 모듈(410)은 갱신된 IoT 사용성 벡터(530)를 이용하여 제2 행렬 벡터(550)를 갱신하고 IoT 서버에 제공할 수 있다. IoT 서버는 갱신된 제2 행렬 벡터를 이용하여 컨셉 DB(예: 후술할 컨셉 DB(650))에 저장된 해당 컨셉을 갱신할 수 있다.
사용 경험 동기화 모듈(420)은 제1 통신 회로(330)를 통해 IoT 서버(340)로부터 다른 사용자 장치(예: 경험자 장치(310))를 사용하는 사용자의 사용 경험과 관련한 벡터(예: 제1 행렬 벡터, 제2 행렬 벡터)를 수신하고 수신된 벡터화된 사용 경험 정보에서 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보를 추출하도록 구성될 수 있다. 사용 경험 동기화 모듈(420)은 추출된 정보를 이용하여 다른 사용자 장치가 속한 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험과 동일한 사용 경험을 사용자 장치(400)의 사용자에게 제공하도록 구성될 수 있다. 예를 들어, 사용 경험 동기화 모듈(420)은 추출된 IoT 사용성 정보에서 실내 온도의 설정 값을 확인하고, 확인된 설정 값으로 실내 온도 유지되도록 에어컨을 원격 제어할 수 있다.
도 6 은, 일 실시예 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 IoT 서버(600)의 블록도이다. 아래 설명에서, 접미사 “-S(server)”가 붙은 데이터는 IoT 서버(600)에서 생산된 데이터이거나 사용자 장치가 IoT 서버(600)로부터 수신한 데이터일 수 있다. 접미사 “-U(user)”가 붙은 데이터는 사용자 장치에서 생산된 데이터, 사용자 장치에 저장된 데이터, 또는 사용자 장치가 사용자에게 제공한 데이터 중에서 사용자가 반응을 보인 데이터일 수 있다. 이러한 접미사는, 구성 요소나 데이터 구분을 위한 것이지, 그 자체에 특별한 의미가 부여된 것은 아니다.
도 6을 참조하면, IoT 서버(600)(예: IoT 서버(340))는 특징 추출 모델(610), 인코딩 모델(620), 디코딩 모델(630), 행렬 벡터 생성 모델(640), 제2 통신 회로(677), 제2 메모리(688), 및 제2 프로세서(699)를 포함할 수 있다. 모델들(610, 620, 630, 640)은 각각, 인공 지능 알고리즘을 이용하여 기계 학습된 인공 지능 모델로 구성될 수 있다. 모델들(610, 620, 630, 640)은 각각, 입력 값으로 이용되는 제1 훈련 데이터 및 출력 값으로 이용되는 제2 훈련 데이터를 이용하여 학습될 수 있다. 모델들(610, 620, 630, 640)은 제2메모리(688)에 저장되고 제2프로세서(699)에 의해 실행될 수 있다. 제2 통신 회로(677), 제2 메모리(688), 및 제2 프로세서(699)는 각각, 도 1의 통신 모듈(190), 메모리(130), 및 프로세서(120)와 실질적으로 동일하게 구현됨으로써 동일한 기능을 수행할 수 있다.
제 2 프로세서(699)는 제1 행렬 벡터-U(예: 제1 행렬 벡터(540))와 제2 행렬 벡터-U(예: 제2 행렬 벡터(550))를 제2 통신 회로(677)를 통해 제1 사용자 장치(예: 제1 사용자 장치(320))로부터 수신할 수 있다. 제2 프로세서(699)는 제1 행렬 벡터-U와 제2 행렬 벡터-U를 특징 추출 모델(610)에 입력 값으로 넣어 줄 수 있다. 특징 추출 모델(예: DenseNet(densely connected convolution networks))(610)은 제1 행렬 벡터-U와 제2 행렬 벡터-U에서 서로 독립적인 다수의 특징들을 추출하고 추출된 특징들을 결과 값으로 출력할 수 있다. 제2 프로세서(699)는 특징 추출 모델(610)에서 추출된 특징들을 인코딩 모델(620) 에 입력 값으로 넣어줄 수 있다. 인코딩 모델(620)은 추출된 특징들에 매핑이 되는 컨셉(concept) 또는 추출된 특징들 중 주목(attention)해야 할 특징들에 매핑된 컨셉을 생성해서 결과 값으로 출력할 수 있다. 컨셉은, 전자 장치에서 생성된 사용 경험 정보(예: IoT 기기 정보, 구성 정보, IoT 사용성 정보)가 쉽고 명확하게 사람이 이해되도록 사용 경험 정보의 핵심적인 내용이 추상화(abstraction)(또는, 단순화)된 것으로 정의될 수 있다. 예시적으로 컨셉은, “실내 온도 00도 유지”, “미세먼지 좋음 유지”, “미온수 세탁”, “건조기 온도(중)”, “에어 드레서(air dresser)(미세먼지 제거)”, “사운드 바(예: AI 스피커(237))(음량 7)”, 및 “식기세척기(저소음 모드)”를 포함할 수 있다. 제2 프로세서(699)는 인코딩 모델(620)에서 출력된 컨셉을 제2 메모리(688)에서 컨셉을 저장하도록 할당된 메모리 영역인 컨셉 DB(650)에 저장할 수 있다. 추가적으로, 제2 프로세서(699)는 인코딩 모델(620)에 의해 생성된 컨셉을 제1 사용자 장치로 공유해 줄 수 있다. 요약하자면, 특징 추출 모델(610)과 인코딩 모델(620)은 특정 사용자 장치를 이용하여 획득된 사용 경험이 다른 사용자 장치들에 범용적으로 적용될 수 있게 행렬 벡터들을 중간 연산 값인 컨셉으로 변환해주는 기능을 수행한다고 볼 수 있다.
제2 프로세서(699)는 제2 통신 회로(677)를 통해 제2 사용자 장치(예: 제2 사용자 장치(330))로부터 제1 사용자 장치가 속한 IoT 기기 그룹(예: IoT 기기 그룹(310))에 대한 사용 경험의 공유를 요청하는 메시지를 수신할 수 있다. 제2 사용자 장치의 공유 요청에 반응하여, 제2 프로세서(699)는 디코딩 모델(630)과 행렬 벡터 생성 모델(640)을 이용하여 제1 행렬벡터-S와 제2 행렬벡터-S를 생성할 수 있다. 일 실시예에 따르면, 제2 프로세서(699)는 제1 사용자 장치에 대응하는 컨셉을 컨셉 DB(640)에서 획득하고, 획득된 컨셉을 디코딩 모델(630)에 입력 값으로 넣어줄 수 있다. 디코딩 모델(630) 은 컨셉에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. 제2 프로세서(699)는 디코딩 모델(630)에서 출력된 특징들을 행렬 벡터 생성 모델(예: DenseNet)(630)에 입력 값으로 넣어줄 수 있다. 행렬 벡터 생성 모델(630)은 특징들을 제1 행렬벡터-S와 제2 행렬벡터-S로 변환하고 결과 값으로 출력할 수 있다. 제2 사용자 장치의 공유 요청에 반응하여, 제2 프로세서(699)는 제1 행렬벡터-S와 제2 행렬벡터-S를 제2 통신 회로(6787)를 통해 제2 사용자 장치에게 전달할 수 있다. 제2 사용자 장치의 프로세서는 수신된 제1 행렬벡터-S와 제2 행렬벡터-S에서 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보를 추출할 수 있다. 제2 프로세서(699)는 추출된 구성 정보를 이용하여 제2 사용자 장치를 설정할 수 있다. 제2 프로세서(699)는 추출된 IoT 기기 정보와 IoT 사용성 정보를 이용하여 IoT 기기들을 원격으로 제어 및/또는 모니터링할 수 있다. 예를 들어, 제2 프로세서(699)는 추출된 IoT 사용성 정보에서 실내 온도의 설정 값을 확인하고, 확인된 설정 값으로 실내 온도 유지되도록 에어컨을 원격 제어할 수 있다.
제2 프로세서(699)는 제1 학습 데이터(행렬 벡터)와 제2 학습 데이터(컨셉)를 이용하여 모델들(610, 620, 630, 640)을 학습함으로써 제1 사용자의 사용 경험이 제2 사용자에게 온전히 전달될 확률을 높일 수 있다. 예를 들어, 제2 프로세서(699)는 제1 행렬 벡터-U와 제1 행렬 벡터-S 간의 일치율과 제2 행렬 벡터-U와 제2 행렬 벡터-S 간의 일치율이 높도록 모델들(610, 620, 630, 640)을 학습할 수 있다.
도 7 은, 일 실시예에 따른, 기종이 동일한 사용자 장치들 간 그리고 기종이 다른 사용자 장치들 간에 사용 경험을 공유할 수 있도록 하는 IoT 시스템을 도시한다. 도 7의 구성에서 도 6의 구성과 동일한 구성에 대한 구체적인 설명은 간략하거나 생략될 수 있다.
도 7의 IoT 시스템에서 IoT 서버(700)는 다수의 특징 추출 모델들(711, 712), 다수의 인코딩 모델들(721, 722), 다수의 디코딩 모델들(731, 732), 및 다수의 행렬 벡터 생성 모델(741, 742)을 포함할 수 있다. 일 실시예에 따르면, 특징 추출 모델, 인코딩 모델, 디코딩 모델, 및 행렬 백터 생성 모델 중 적어도 하나의 모델(예: 디코딩 모델)은 사용자 장치의 기종에 따라 구분될 수 있다. 예컨대, 제1 특징 추출 모델(711), 제1 인코딩 모델(721), 제1 디코딩 모델(731), 및 제1 행렬 벡터 생성 모델(741)은 제1 타입의 사용자 장치(예: AndroidTM가 탑재된 기종)를 이용해서 IoT 기기를 사용하는 사용자의 경험을 공유하기 위해 학습된 모델일 수 있다. 제2 특징 추출 모델(712), 제2 인코딩 모델(722), 제2 디코딩 모델(732), 및 제2 행렬 벡터 생성 모델(742)은 제2 타입의 사용자 장치(예: iOSTM가 탑재된 기종)를 이용해서 IoT 기기를 사용하는 사용자의 경험을 공유하기 위해 학습된 모델일 수 있다. 다른 예로, 디코딩 모델은 기종 별로 구분되고, 특징 추출 모델, 인코딩 모델, 및 행렬 벡터 생성 모델은, 기종과 상관없이(즉, 도시된 바와 같이 “제1”과 “제2”로 구분함이 없이), 범용적으로 사용될 수 있다.
도 7의 IoT 시스템에서 제1 사용자 장치(701)는 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보를 각각 벡터화하고 벡터화된 정보(701a)(예: IoT 기기 벡터(510), 구성 벡터(520), 및 IoT 사용성 벡터(530))를 이용하여 행렬 벡터들(701b)(예: 제1 행렬 벡터(540), 제2 행렬 벡터(550))를 생성하고 IoT 서버(700)로 제공할 수 있다. 행렬 벡터들(701b)은 IoT 서버(700)에서 제1 사용자 장치(701)의 기종에 대응하는 제1 특징 추출 모델(711)의 입력 값으로 사용될 수 있다. 제1 특징 추출 모델(711)은 행렬 벡터들(701b)에서 제1 특징들을 추출할 수 있다. 제1 특징들은 제1 인코딩 모델(721)의 입력 값으로 사용될 수 있다. 제1 인코딩 모델(721)은 제1 특징들에 매핑이 되는 제1 컨셉(750)을 생성해서 컨셉 DB에 저장할 수 있다. IoT 서버(700)는 제1 컨셉(750)을 제1 사용자 장치(701)로 공유해 줄 수 있다.
도 7의 IoT 시스템에서 제2 사용자 장치(702)는 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보를 각각 벡터화하고 벡터화된 정보(702a)를 이용하여 행렬 벡터들(702b)를 생성하고 행렬 벡터들(702b)을 IoT 서버(700)로 제공할 수 있다. 행렬 벡터들(702b)은 IoT 서버(700)에서 제2 사용자 장치(702)의 기종에 대응하는 제2 특징 추출 모델(712)의 입력 값으로 사용될 수 있다. 제2 특징 추출 모델(712)은 행렬 벡터들(702b)에서 제2 특징들을 추출할 수 있다. 제2 특징들은 제2 인코딩 모델(722)의 입력 값으로 사용될 수 있다. 제2 인코딩 모델(722)은 제2 특징들에 매핑이 되는 제2 컨셉(760)을 생성해서 컨셉 DB에 저장할 수 있다. IoT 서버(700)는 제2 컨셉(760)을 제2 사용자 장치(702)로 공유해 줄 수 있다.
도 7의 IoT 시스템에서 IoT 서버(700)(예: IoT 서버(600)의 제2 프로세서(699))는 제3 사용자 장치(703)로부터 제1 사용자 장치(701)가 속한 IoT 기기 그룹(예: IoT 기기 그룹(310))에 대한 사용 경험의 공유를 요청하는 메시지를 수신할 수 있다. 제3 사용자 장치(703)의 공유 요청에 반응하여, IoT 서버(700)는 제1 사용자 장치(701)에 대응하는 제1 컨셉(750)을 선택할 수 있다. IoT 서버(700)는 제3 사용자 장치(703)의 기종을 확인하고, 확인된 기종이 제1 사용자 장치(701)의 기종과 동일함을 확인하고, 동일 기종임이 확인된 것에 기반하여, 제1 디코딩 모델(731)을 제1 컨셉(750)을 처리할 디코딩 모델로 선택할 수 있다. 제1 디코딩 모델(731)은 제1 컨셉(750)에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. IoT 서버(700)는 제1 디코딩 모델(731)에서 출력된 특징들을 제1 행렬 벡터 생성 모델(741)에 입력 값으로 넣어줄 수 있다. 제1 행렬 벡터 생성 모델(741)은 특징들을 행렬 벡터들(703a)로 변환하고 제3 사용자 장치(703)로 출력할 수 있다. 제3 사용자 장치(703)는 행렬 벡터들(703a)로부터 벡터화된 정보(703b)를 추출하고, 추출된 정보(703b)를 이용하여 제1 사용자 장치(701)가 속한 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험과 동일한 사용 경험을 제3 사용자 장치(703)의 사용자에게 제공할 수 있다.
도 7의 IoT 시스템에서 IoT 서버(700)는 제4 사용자 장치(704)로부터 제1 사용자 장치(701)가 속한 IoT 기기 그룹(예: IoT 기기 그룹(310))에 대한 사용 경험의 공유를 요청하는 메시지를 수신할 수 있다. 제4 사용자 장치(704)의 공유 요청에 반응하여, IoT 서버(700)는 제1 사용자 장치(701)의 기종에 대응하는 제1 컨셉(750)을 선택할 수 있다. IoT 서버(700)는 제4 사용자 장치(703)의 기종을 확인하고, 확인된 기종이 제2 디코딩 모델(732)에 대응함을 확인하고, 이에 기반하여, 제2 디코딩 모델(732)을 제1 컨셉(750)을 처리할 디코딩 모델로 선택할 수 있다. 제2 디코딩 모델(732)은 제1 컨셉(750)에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. IoT 서버(700)는 제2 디코딩 모델(732)에서 출력된 특징들을 제2 행렬 벡터 생성 모델(742)에 입력 값으로 넣어줄 수 있다. 제2 행렬 벡터 생성 모델(742)은 특징들을 행렬 벡터들(704a)로 변환하고 제4 사용자 장치(704)로 출력할 수 있다. 제4 사용자 장치(704)는 행렬 벡터들(704a)로부터 벡터화된 정보(704b)를 추출하고, 추출된 정보(704b)를 이용하여 제1 사용자 장치(701)가 속한 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험과 동일한 사용 경험을 제4 사용자 장치(704)의 사용자에게 제공할 수 있다.
도 7의 IoT 시스템에서 IoT 서버(700)는 제5 사용자 장치(705)로부터 제2 사용자 장치(702)가 속한 IoT 기기 그룹에 대한 사용 경험의 공유를 요청하는 메시지를 수신할 수 있다. 제5 사용자 장치(705)의 공유 요청에 반응하여, IoT 서버(700)는 제2 사용자 장치(702)에 대응하는 제2 컨셉(760)을 선택할 수 있다. IoT 서버(700)는 제5 사용자 장치(705)의 기종을 확인하고, 확인된 기종이 제2 사용자 장치(702)의 기종과 동일함을 확인하고, 동일 기종임이 확인된 것에 기반하여, 제2 디코딩 모델(732)을 제2 컨셉(760)을 처리할 디코딩 모델로 선택할 수 있다. 제2 디코딩 모델(732)은 제2 컨셉(760)에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. IoT 서버(700)는 제2 디코딩 모델(732)에서 출력된 특징들을 제2 행렬 벡터 생성 모델(742)에 입력 값으로 넣어줄 수 있다. 제2 행렬 벡터 생성 모델(742)은 특징들을 행렬 벡터들(705a)로 변환하고 제5 사용자 장치(705)로 출력할 수 있다. 제5 사용자 장치(705)는 행렬 벡터들(705a)로부터 벡터화된 정보(705b)를 추출하고, 추출된 정보(705b)를 이용하여 제2 사용자 장치(702)가 속한 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험과 동일한 사용 경험을 제5 사용자 장치(705)의 사용자에게 제공할 수 있다.
도 8 은, 일 실시예에 따른, IoT 기기에 대한 사용자들 간의 사용 경험의 공유를 지원하는 IoT 시스템의 블록도이다. 아래 설명에서, 접미사 “-S(server)1”가 및 “-S2”가 붙은 데이터는 IoT 서버(800)에서 생산된 데이터이거나 사용자 장치가 IoT 서버(800)로부터 수신한 데이터일 수 있다. 접미사 “-U(user)1” 및 “-U2”가 붙은 데이터는 사용자 장치에서 생산된 데이터, 사용자 장치에 저장된 데이터, 또는 사용자 장치가 사용자에게 제공한 데이터 중에서 사용자가 반응을 보인 데이터일 수 있다. 이러한 접미사는, 구성 요소나 데이터 구분을 위한 것이지, 그 자체에 특별한 의미가 부여된 것은 아니다. 도 8의 구성에서 도 7의 구성과 동일한 구성에 대한 구체적인 설명은 간략하거나 생략될 수 있다.
도 8의 IoT 시스템에서 제1 사용자 장치(801)(예: 도 7에서 제1 사용자 장치(701))는 사용자 경험 정보-U1(예: 사용 경험 정보(430))를 이용하여 행렬 벡터-U1(예: 제1 행렬 벡터(540), 제2 행렬 벡터(550))를 생성하고 행렬 벡터-U1을 IoT 서버(800)(예: IoT 서버(700))로 제공할 수 있다.
도 8의 IoT 서버(800)에서 특징 추출 모델(810)(예: 제1 특징 추출 모델(711))은 행렬 벡터-U1에서 제1 특징들을 추출할 수 있다. 인코딩 모델(820)(예: 제1 인코딩 모델(721))은 제1 특징들에 매핑이 되는 제1 컨셉(888)을 생성해서 컨셉 DB에 저장할 수 있다. IoT 서버(800)는 제2 사용자 장치(802)(예: 제3 사용자 장치(703) 또는 제4 사용자 장치(704))로부터 제1 사용자 장치(801)가 속한 IoT 기기 그룹(예: IoT 기기 그룹(310))에 대한 사용 경험의 공유를 요청하는 메시지를 수신할 수 있다.
제2 사용자 장치(802)의 공유 요청에 반응하여, IoT 서버(800)는 제1 사용자 장치(801)에 대응하는 제1 컨셉(888)을 선택할 수 있다. IoT 서버(700)는 제1 컨셉(888)을 디코딩 모델(830)(예: 제1 디코딩 모델(731) 또는 제2 디코딩 모델(732))에 입력 값으로 넣어줄 수 있다. 디코딩 모델(830)은 제1 컨셉(888)에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. IoT 서버(700)는 디코딩 모델(830)에서 출력된 특징들을 행렬 벡터 생성 모델(840)(예: 제1 행렬 벡터 생성 모델(741) 또는 제2 행렬 벡터 생성 모델(742))에 입력 값으로 넣어줄 수 있다. 행렬 벡터 생성 모델(840)은 특징들을 행렬 벡터-S1으로 변환하고 제2 사용자 장치(802)로 출력할 수 있다. 제2 사용자 장치(802)는 행렬 벡터-S1으로부터 사용 경험 정보-S1을 획득하고, 사용 경험 정보-S1을 이용하여 제1 사용자 장치(801)가 속한 IoT 기기 그룹 내 IoT 기기들을 사용해 본 사용자의 경험과 동일한 사용 경험을 제2 사용자 장치(802)의 사용자에게 제공할 수 있다.
도 8의 IoT 시스템에서 제2 사용자 장치(802)는 제2 사용자 장치(802)에서 사용 경험이 추가됨에 따라 사용 경험 정보-S1을 사용 경험 정보-U2로 갱신할 수 있다. 제2 사용자 장치(802)는 사용 경험 정보-U2를 행렬 벡터-U2로 변환하고 행렬 벡터-U2를 IoT 서버(800)로 제공할 수 있다.
IoT 서버(800)는, 제1 컨셉(888)에 대응하는 행렬 벡터-S1을 제2 사용자 장치(802)로 전송한 것에 대한 제2 사용자 장치(802)의 회신으로서, 제2 사용자 장치(802)로부터 행렬 벡터-U2를 수신할 수 있다. 행렬 벡터-U2가 제2 사용자 장치(802)로부터 수신된 것에 반응하여, IoT 서버(800)는 인코딩 모델(820)을 복제함으로써 대체(surrogate) 인코딩 모델(821)을 생성하고 행렬 벡터-U2를 특징 추출 모델(810)(예: 제1 특징 추출 모델(711) 또는 제2 특징 추출 모델(712))에 입력 값으로 넣어줄 수 있다. 특징 추출 모델(810)은 행렬 벡터-U2에서 제2 특징들을 추출할 수 있다. 대체 인코딩 모듈(821)은 제2 특징들에 매핑이 되는 제2 컨셉(899)을 생성해서 컨셉 DB에 저장할 수 있다. 하나의 예시로 제2 컨셉(899)은 ‘모션 포토 온(on)’이라는 사용 경험이 제1 컨셉(888)에 추가된 것일 수 있다.
IoT 서버(800)는 제2 컨셉(899)을 디코딩 모델(830)(예: 제1 디코딩 모델(731) 또는 제2 디코딩 모델(732))에 입력 값으로 넣어줄 수 있다. 디코딩 모델(830)은 제2 컨셉(899)에 매핑이 되는 다수의 특징들을 결과 값으로 출력할 수 있다. IoT 서버(700)는 디코딩 모델(830)에서 출력된 특징들을 행렬 벡터 생성 모델(840)(예: 제1 행렬 벡터 생성 모델(741) 또는 제2 행렬 벡터 생성 모델(742))에 입력 값으로 넣어줄 수 있다. 행렬 벡터 생성 모델(840)은 특징들을 행렬 벡터-S2로 변환하고 제1 사용자 장치(801)로 출력할 수 있다. 제1 사용자 장치(801)는 행렬 벡터-S2으로부터 사용 경험 정보-S2를 획득하고, 사용 경험 정보-S2를 이용하여 제2 사용자 장치(801)에 의해 추가된 사용 경험을 제1 사용자 장치(801)의 사용자에게 제공할 수 있다.
도 9는, 도 6의 특징 추출 모델(610)과 인코딩 모델(620)에 의해 수행되는 동작들의 일례를 설명하기 위한 도면이다.
도 9를 참조하면, 특징 추출 모델(610)은 IoT 기기 정보, 구성 정보, 및 IoT 사용성 정보가 합쳐진 행렬 벡터들(901)을 수신할 수 있다. 특징 추출 모델(610)은 행렬 벡터들(901)을 IoT 기기 별로 운영에 대한 개별적인 N개의 특징 벡터들(902)로 분리해서 출력할 수 있다. 인코딩 모델(620)은 특징 벡터들(902)을 디멘션(dimension)이 축소된 기계어로 압축(encoding)함으로써 특징 벡터들(902)에 각각 매핑이 되는 N개의 컨셉(903)을 획득할 수 있다. 인코딩 모델(620)은 인코딩 과정에서 어텐션(attention)을 이용할 수 있다. 예를 들어, 인코딩 모델(620)은 입력된 전체 특징 벡터들(920) 중에서 IoT 기기의 운영과 연관된 부분을 비교적 집중(attention)할 수 있다. 이러한 집중에 의해 생성되는 컨셉은 IoT 기기와 연관된 하나의 문장으로 표현될 수 있다. 예컨대, “실내 온도”, “24도 유지”가 각각 인코딩되는 것이 아니라, “에어컨으로 실내 온도 24도 유지”라는 에어컨과 연관된 하나의 컨셉이 생성될 수 있다.
도 10은, 도 6의 인코딩 모델(620)과 디코딩 모델(630)에 의해 수행되는 동작들의 일례를 설명하기 위한 도면이다.
도 10을 참조하면, 인코딩 모델(620)은 입력된 N개의 특징 벡터들(1001)을 각각 매핑이 되는 N개의 컨셉(1002)을 획득할 수 있다. 인코딩 모델(620)은 다양한 기종의 사용자 장치들에 대응하는 K열과 L행의 크기를 갖는 행렬 벡터(1003)를 포함할 수 있다. 여기서, K는 인코딩 모델(620)에서 학습된 기종의 수에 대응될 수 있다. 예컨대, 제1 열은 제1 타입의 사용자 장치(예: AndroidTM가 탑재된 기종)에 해당되고 제2 열은 제2 타입의 사용자 장치(예: iOSTM가 탑재된 기종)에 해당될 수 있다. 예컨대, 행렬 벡터(1002)는 Dense net의 레이어(layer)와 연결되는 노드(node)들 간의 가중치(weight)로 만들 수 있는, 사용자 경험(예: 기기 운전 경험)에 관한 다양한 조합을 의미할 수 있다. 디코딩 모델(630)은 N개의 컨셉(1002)에 각각 매핑이 되는 N개의 특징 벡터들(1004)을 결과 값으로 출력할 수 있다. 디코딩 모델(630)은 다양한 기종의 사용자 장치들에 대응하는 K열과 L행의 크기를 갖는 행렬 벡터(1005)를 포함할 수 있다. 인코딩 모델(620)과 디코딩 모델(630)은 다양한 기종의 사용자 장치들 간에 사용 경험을 공유하도록 학습될 수 있다. 아래 표 1을 참조하면, 인코딩 모델(620)에서 제1 열 벡터는 제1 타입의 사용자 장치에서 제1 타입의 사용자 장치로 사용 경험을 전달할 때 이용될 수 있다. 인코딩 모델(620)에서 제2 열 벡터는 제2 타입의 사용자 장치에서 제2 타입의 사용자 장치로 사용 경험을 전달할 때 이용될 수 있다. 제1 타입의 사용자 장치에서 제2 타입의 사용자 장치로 사용 경험이 전달되어야 할 경우, 이용되는 열 벡터는 제1 열 벡터에서 제2 열 벡터로 변경될 수 있다. 제2 타입의 사용자 장치에서 제1 타입의 사용자 장치로 사용 경험이 전달되어야 할 경우, 이용되는 열 벡터는 제2 열 벡터에서 제1 열 벡터로 변경될 수 있다. 아래 표 1에서 IN은 사용 경험을 전달하는 장치를 의미하고 OUT은 사용 경험을 수신하는 장치를 의미할 수 있다.
사용 경험 공유 인코딩 모델
제1열 벡터		 인코딩 모델
제2열 벡터
제1 타입의 사용자 장치 → 제1 타입의 사용자 장치 IN, OUT -
제2 타입의 사용자 장치 → 제2 타입의 사용자 장치 - IN, OUT
제1 타입의 사용자 장치 → 제2 타입의 사용자 장치 IN OUT
제2 타입의 사용자 장치 → 제1 타입의 사용자 장치 OUT IN
일 실시예에 따르면, 서버(예: IoT 서버(340) 또는 IoT 서버(600))는, 사용자 장치와 통신을 위한 통신 회로; 및 상기 통신 회로에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가, 상기 통신 회로를 통해 제1 사용자 장치(예: 제1 사용자 장치(320))로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하도록 하는 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델(예: 특징 추출 모델(610) 및 인코딩 모델(620))에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 컨셉을 상기 메모리에 저장하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 통신 회로를 통해 제2 사용자 장치(예: 제2 사용자 장치(330))로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하고, 상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델(예: 디코딩 모델(630) 및 행렬 벡터 생성 모델(640))에 상기 제1 컨셉을 입력 값으로 넣어주고, 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하도록 할 수 있다.
상기 인스트럭션들은 상기 프로세서가, 상기 제1 사용 경험 정보로서, 상기 IoT 기기들을 식별하기 위한 IoT 기기 정보, 상기 제1 사용자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보, 및 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 상기 통신 회로를 통해 제1 사용자 장치로부터 수신하도록 할 수 있다.
열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 구성 정보의 행렬 곱 연산을 통해 제1 행렬 벡터가 생성되고, 열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 IoT 사용성 정보의 행렬 곱 연산을 통해 제2 행렬 벡터가 생성될 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 사용 경험 정보로서, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 통신 회로를 통해 제1 사용자 장치로부터 수신하도록 할 수 있다.
상기 제1 인공 지능 모델은 특징 추출 모델과 인코딩 모델을 포함할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어 주고, 상기 특징 추출 모델에서 출력된 결과 값에서 특징들을 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 특징 추출 모델의 결과 값에서 획득된 특징들을 상기 인코딩 모델에 입력 값으로 넣어주고, 상기 인코딩 모델에서 출력된 결과 값에서 상기 특징 추출 모델의 결과 값에서 획득된 특징들에 매핑이 되는 상기 제1 컨셉을 획득하도록 할 수 있다.
상기 특징 추출 모델과 상기 행렬 벡터 생성 모델은 DenseNet(densely connected convolution networks)을 포함할 수 있다.
상기 제2 인공 지능 모델은 디코딩 모델과 행렬 벡터 생성 모듈을 포함할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제2 사용자 장치의 공유 요청에 반응하여, 상기 제1 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고, 상기 디코딩 모델에서 출력된 결과 값에서 상기 제1 컨셉에 매핑이 되는 특징들을 추출하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고, 상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제1 행렬 벡터에 대응하는 제3 행렬 벡터와 상기 제2 행렬 벡터에 대응하는 제4 행렬 벡터를 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제3 행렬 벡터와 상기 제4 행렬 벡터를 상기 제2 사용 경험 정보로서 상기 제2 사용자 장치로 전송하도록 할 수 있다.
상기 디코딩 모델은 제1 디코딩 모델과 제2 디코딩 모델을 포함할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 제1 운영 체제를 갖는 사용자 장치에 대응하여 상기 제1 디코딩 모델을 학습하고, 상기 제1 운영 체제와 다른 제2 운영 체제를 갖는 사용자 장치에 대응하여 상기 제2 디코딩 모델을 학습하도록 할 수 있다.
상기 인스트럭션들은 상기 프로세서가, 상기 제1 행렬 벡터의 업데이트 버전에 해당하는 제5 행렬 벡터와 상기 제2 행렬 벡터의 업데이트 버전에 해당하는 제6 행렬 벡터를 상기 제2 사용자 장치로부터 수신하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제5 행렬 벡터와 상기 제6 행렬 벡터가 상기 제2 사용자 장치로부터 수신된 것에 반응하여, 상기 인코딩 모델을 복제함으로써 대체 인코딩 모델을 생성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제5 행렬 벡터와 상기 제6 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어주고, 상기 특징 추출 모델에서 출력된 결과 값에서 제2 컨셉을 획득하고 상기 제2 컨셉을 상기 메모리에 저장하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제2 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고, 상기 디코딩 모델에서 출력된 결과 값에서 상기 제2 컨셉에 매핑이 되는 특징들을 추출하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고, 상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제5 행렬 벡터에 대응하는 제7 행렬 벡터와 상기 제6 행렬 벡터에 대응하는 제8 행렬 벡터를 획득하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제7 행렬 벡터와 상기 제8 행렬 벡터를 제3 사용 경험 정보로서 상기 제1 사용자 장치로 전송하도록 할 수 있다.
일 실시예에 따르면, 전자 장치(예: 사용자 장치(400))는, 서버 및 IoT(internet of things) 기기들과 통신하기 위한 통신 회로; 상기 통신 회로에 연결된 프로세서; 및 상기 프로세서와 연결된 메모리를 포함할 수 있다. 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가: 상기 IoT 기기들을 식별하기 위한 IoT 기기 정보를 열 벡터로 구성하도록 하는 인스트럭션들을 저장할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 전자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보를 제1 행 벡터로 구성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 제2 행 벡터로 구성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 열 벡터와 상기 제1 행 벡터를 곱해서 제1 행렬 벡터를 생성하고, 상기 열 벡터와 상기 제2 행 벡터를 곱해서 제2 행렬 벡터를 생성하도록 할 수 있다. 상기 인스트럭션들은 상기 프로세서가, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 서버로 전송함으로써 상기 서버가 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 할 수 있다.
일 실시예에 따르면, 서버(예: IoT 서버(340) 또는 IoT 서버(600))를 동작하는 방법은, 상기 서버의 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하는 동작을 포함할 수 있다. 상기 방법은, 전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 제1 컨셉을 상기 메모리에 저장하는 동작을 포함할 수 있다. 상기 방법은, 상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하는 동작을 포함할 수 있다. 상기 방법은, 상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주고 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하는 동작을 포함할 수 있다. 상기 방법은, 상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하는 동작을 포함할 수 있다.
상기 제1 사용 경험 정보를 수신하는 동작은, 상기 IoT 기기들을 식별하기 위한 IoT 기기 정보, 상기 제1 사용자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보, 및 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 수신하는 동작을 포함할 수 있다.
열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 구성 정보의 행렬 곱 연산을 통해 제1 행렬 벡터가 생성되고, 열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 IoT 사용성 정보의 행렬 곱 연산을 통해 제2 행렬 벡터가 생성될 수 있다. 상기 제1 사용 경험 정보를 수신하는 동작은, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 수신하는 동작을 포함할 수 있다.
상기 제1 인공 지능 모델은 특징 추출 모델과 인코딩 모델을 포함할 수 있다. 상기 제1 컨셉을 획득하는 동작은, 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어 주고 상기 특징 추출 모델에서 출력된 결과 값에서 특징들을 획득하는 동작; 및 상기 특징 추출 모델의 결과 값에서 획득된 특징들을 상기 인코딩 모델에 입력 값으로 넣어주고 상기 인코딩 모델에서 출력된 결과 값에서 상기 특징 추출 모델의 결과 값에서 획득된 특징들에 매핑이 되는 상기 제1 컨셉을 획득하는 동작을 포함할 수 있다.
상기 제2 인공 지능 모델은 디코딩 모델과 행렬 벡터 생성 모듈을 포함할 수 있다. 상기 제2 사용 경험 정보를 획득하는 동작은, 상기 제1 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고 상기 디코딩 모델에서 출력된 결과 값에서 상기 제1 컨셉에 매핑이 되는 특징들을 추출하는 동작; 및 상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고 상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제1 행렬 벡터에 대응하는 제3 행렬 벡터와 상기 제2 행렬 벡터에 대응하는 제4 행렬 벡터를 획득하는 동작을 포함할 수 있다.

Claims (15)

  1. 서버에 있어서,
    사용자 장치와 통신을 위한 통신 회로; 및
    상기 통신 회로에 연결된 프로세서; 및
    상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가:
    상기 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하고,
    전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고,
    상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하고,
    상기 제1 컨셉을 상기 메모리에 저장하고,
    상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하고,
    상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주고,
    제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하고,
    상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하도록 하는 인스트럭션들을 저장하는 서버.
  2. 제1 항에 있어서, 상기 인스트럭션들은 상기 프로세서가, 상기 제1 사용 경험 정보로서,
    상기 IoT 기기들을 식별하기 위한 IoT 기기 정보, 상기 제1 사용자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보, 및 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 상기 통신 회로를 통해 제1 사용자 장치로부터 수신하도록 하는 서버.
  3. 제2 항에 있어서,
    열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 구성 정보의 행렬 곱 연산을 통해 제1 행렬 벡터가 생성되고, 열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 IoT 사용성 정보의 행렬 곱 연산을 통해 제2 행렬 벡터가 생성되되,
    상기 인스트럭션들은 상기 프로세서가, 상기 제1 사용 경험 정보로서,
    상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 통신 회로를 통해 제1 사용자 장치로부터 수신하도록 하는 서버.
  4. 제3 항에 있어서, 상기 제1 인공 지능 모델은 특징 추출 모델과 인코딩 모델을 포함하되, 상기 인스트럭션들은 상기 프로세서가,
    상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어 주고,
    상기 특징 추출 모델에서 출력된 결과 값에서 특징들을 획득하고,
    상기 특징 추출 모델의 결과 값에서 획득된 특징들을 상기 인코딩 모델에 입력 값으로 넣어주고,
    상기 인코딩 모델에서 출력된 결과 값에서 상기 특징 추출 모델의 결과 값에서 획득된 특징들에 매핑이 되는 상기 제1 컨셉을 획득하도록 하는 서버.
  5. 제4 항에 있어서, 상기 특징 추출 모델과 상기 행렬 벡터 생성 모델은 DenseNet(densely connected convolution networks)을 포함하는 서버.
  6. 제4 항 또는 제5 항에 있어서, 상기 제2 인공 지능 모델은 디코딩 모델과 행렬 벡터 생성 모듈을 포함하되, 상기 인스트럭션들은 상기 프로세서가, 상기 제2 사용자 장치의 공유 요청에 반응하여,
    상기 제1 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고,
    상기 디코딩 모델에서 출력된 결과 값에서 상기 제1 컨셉에 매핑이 되는 특징들을 추출하고,
    상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고,
    상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제1 행렬 벡터에 대응하는 제3 행렬 벡터와 상기 제2 행렬 벡터에 대응하는 제4 행렬 벡터를 획득하고,
    상기 제3 행렬 벡터와 상기 제4 행렬 벡터를 상기 제2 사용 경험 정보로서 상기 제2 사용자 장치로 전송하도록 하는 서버.
  7. 제6 항에 있어서, 상기 디코딩 모델은 제1 디코딩 모델과 제2 디코딩 모델을 포함하되, 상기 인스트럭션들은 상기 프로세서가,
    제1 운영 체제를 갖는 사용자 장치에 대응하여 상기 제1 디코딩 모델을 학습하고,
    상기 제1 운영 체제와 다른 제2 운영 체제를 갖는 사용자 장치에 대응하여 상기 제2 디코딩 모델을 학습하도록 하는 서버.
  8. 제6 항 또는 제7 항에 있어서, 상기 인스트럭션들은 상기 프로세서가,
    상기 제1 행렬 벡터의 업데이트 버전에 해당하는 제5 행렬 벡터와 상기 제2 행렬 벡터의 업데이트 버전에 해당하는 제6 행렬 벡터를 상기 제2 사용자 장치로부터 수신하고,
    상기 제5 행렬 벡터와 상기 제6 행렬 벡터 가 상기 제2 사용자 장치로부터 수신된 것에 반응하여, 상기 인코딩 모델을 복제함으로써 대체 인코딩 모델을 생성하고,
    상기 제5 행렬 벡터와 상기 제6 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어주고,
    상기 특징 추출 모델에서 출력된 결과 값에서 제2 컨셉을 획득하고,
    상기 제2 컨셉을 상기 메모리에 저장하고,
    상기 제2 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고,
    상기 디코딩 모델에서 출력된 결과 값에서 상기 제2 컨셉에 매핑이 되는 특징들을 추출하고,
    상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고,
    상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제5 행렬 벡터에 대응하는 제7 행렬 벡터와 상기 제6 행렬 벡터에 대응하는 제8 행렬 벡터를 획득하고,
    상기 제7 행렬 벡터와 상기 제8 행렬 벡터 를 제3 사용 경험 정보로서 상기 제1 사용자 장치로 전송하도록 하는 서버.
  9. 전자 장치에 있어서,
    서버 및 IoT(internet of things) 기기들과 통신하기 위한 통신 회로;
    상기 통신 회로에 연결된 프로세서; 및
    상기 프로세서와 연결된 메모리를 포함하고, 상기 메모리는, 상기 프로세서에 의해 실행될 때, 상기 프로세서가:
    상기 IoT 기기들을 식별하기 위한 IoT 기기 정보를 열 벡터로 구성하고,
    상기 전자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보를 제1 행 벡터로 구성하고,
    상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 제2 행 벡터로 구성하고,
    상기 열 벡터와 상기 제1 행 벡터를 곱해서 제1 행렬 벡터를 생성하고,
    상기 열 벡터와 상기 제2 행 벡터를 곱해서 제2 행렬 벡터를 생성하고,
    상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 서버로 전송함으로써 상기 서버가 상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 하는 인스트럭션들을 저장하는 전자 장치.
  10. 서버를 동작하는 방법에 있어서,
    상기 서버의 통신 회로를 통해 제1 사용자 장치로부터 IoT(internet of things) 기기들에 대한 제1 사용 경험 정보를 수신하는 동작;
    전자 장치에서 생성된 사용 경험 정보를 사람이 이해 가능한 컨셉(concept)으로 추상화하도록 학습된 제1 인공 지능 모델에 상기 제1 사용 경험 정보를 입력 값으로 넣어주고 상기 제1 인공 지능 모델의 출력 값에서 제1 컨셉을 획득하는 동작;
    상기 제1 컨셉을 상기 메모리에 저장하는 동작;
    상기 통신 회로를 통해 제2 사용자 장치로부터 상기 IoT 기기들에 대한 사용 경험의 공유를 요청하는 메시지를 수신하는 동작;
    상기 제2 사용자 장치의 공유 요청에 반응하여, 컨셉을 전자 장치가 이해 가능한 사용 경험 정보로 변환하도록 학습된 제2 인공 지능 모델에 상기 제1 컨셉을 입력 값으로 넣어주고 제2 사용 경험 정보를 상기 제2 인공 지능 모델의 출력 값에서 획득하는 동작; 및
    상기 제2 사용 경험 정보를 상기 통신 회로를 통해 상기 제2 사용자 장치로 전송하는 동작을 포함하는 방법.
  11. 제10 항에 있어서, 상기 제1 사용 경험 정보를 수신하는 동작은,
    상기 IoT 기기들을 식별하기 위한 IoT 기기 정보, 상기 제1 사용자 장치에 구성된 기능들 중 활성화 상태로 설정된 기능과 비활성화 상태로 설정된 기능을 식별하기 위한 구성 정보, 및 상기 IoT 기기들을 이용해서 사용자가 경험한 서비스를 식별하기 위한 IoT 사용성 정보를 수신하는 동작을 포함하는 방법.
  12. 제11 항에 있어서, 열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 구성 정보의 행렬 곱 연산을 통해 제1 행렬 벡터가 생성되고, 열 벡터로 구성된 상기 IoT 기기 정보와 행 벡터로 구성된 상기 IoT 사용성 정보의 행렬 곱 연산을 통해 제2 행렬 벡터가 생성되되,
    상기 제1 사용 경험 정보를 수신하는 동작은,
    상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 수신하는 동작을 포함하는 방법.
  13. 제12 항에 있어서, 상기 제1 인공 지능 모델은 특징 추출 모델과 인코딩 모델을 포함하되, 상기 제1 컨셉을 획득하는 동작은,
    상기 제1 행렬 벡터와 상기 제2 행렬 벡터를 상기 특징 추출 모델에 입력 값으로 넣어 주고 상기 특징 추출 모델에서 출력된 결과 값에서 특징들을 획득하는 동작; 및
    상기 특징 추출 모델의 결과 값에서 획득된 특징들을 상기 인코딩 모델에 입력 값으로 넣어주고 상기 인코딩 모델에서 출력된 결과 값에서 상기 특징 추출 모델의 결과 값에서 획득된 특징들에 매핑이 되는 상기 제1 컨셉을 획득하는 동작을 포함하는 방법.
  14. 제13 항에 있어서, 상기 특징 추출 모델과 상기 행렬 벡터 생성 모델은 DenseNet(densely connected convolution networks)을 포함하는 방법.
  15. 제13 항 또는 제14 항에 있어서, 상기 제2 인공 지능 모델은 디코딩 모델과 행렬 벡터 생성 모듈을 포함하되, 상기 제2 사용 경험 정보를 획득하는 동작은,
    상기 제1 컨셉을 상기 디코딩 모델에 입력 값으로 넣어주고 상기 디코딩 모델에서 출력된 결과 값에서 상기 제1 컨셉에 매핑이 되는 특징들을 추출하는 동작; 및
    상기 디코딩 모델의 결과 값에서 획득된 특징들을 상기 행렬 벡터 생성 모듈에 입력 값으로 넣어주고 상기 행렬 벡터 생성 모듈에서 출력된 결과 값에서 상기 제1 행렬 벡터에 대응하는 제3 행렬 벡터와 상기 제2 행렬 벡터에 대응하는 제4 행렬 벡터를 획득하는 동작을 포함하는 방법.
PCT/KR2023/004496 2022-09-26 2023-04-04 Iot 기기에 대한 사용 경험을 공유하기 위한 전자 장치 WO2024071542A1 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR10-2022-0121897 2022-09-26
KR20220121897 2022-09-26
KR10-2022-0133935 2022-10-18
KR1020220133935A KR20240043024A (ko) 2022-09-26 2022-10-18 IoT 기기에 대한 사용 경험을 공유하기 위한 전자 장치

Publications (1)

Publication Number Publication Date
WO2024071542A1 true WO2024071542A1 (ko) 2024-04-04

Family

ID=90478203

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/004496 WO2024071542A1 (ko) 2022-09-26 2023-04-04 Iot 기기에 대한 사용 경험을 공유하기 위한 전자 장치

Country Status (1)

Country Link
WO (1) WO2024071542A1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102259156B1 (ko) * 2020-09-28 2021-06-01 박나은 네트워크 환경 내 디바이스 인증 시스템 및 방법

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102259156B1 (ko) * 2020-09-28 2021-06-01 박나은 네트워크 환경 내 디바이스 인증 시스템 및 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"A Data-centric Internet of Things Framework Based on Public Cloud", vol. 1850, 13 September 2019, LINKÖPING UNIVERSITY ELECTRONIC PRESS, Linköping, ISBN: 978-91-7-519013-6, ISSN: 0280-7971, article LIU YU: "A Data-centric Internet of Things Framework Based on Public Cloud", XP093151285 *
SYED ABBAS SHAH, SIERRA-SOSA DANIEL, KUMAR ANUP, ELMAGHRABY ADEL: "IoT in Smart Cities: A Survey of Technologies, Practices and Challenges", SMART CITIES, vol. 4, no. 2, pages 429 - 475, XP093151280, ISSN: 2624-6511, DOI: 10.3390/smartcities4020024 *
TALEBKHAH MARIEH; SALI ADUWATI; MARJANI MOHSEN; GORDAN MEISAM; HASHIM SHAIFUL JAHARI; ROKHANI FAKHRUL ZAMAN: "IoT and Big Data Applications in Smart Cities: Recent Advances, Challenges, and Critical Issues", IEEE ACCESS, IEEE, USA, vol. 9, 5 April 2021 (2021-04-05), USA , pages 55465 - 55484, XP011849708, DOI: 10.1109/ACCESS.2021.3070905 *
TAN TINGTING: "Intelligent Application of Artificial Intelligence Internet of Things Technology in the Economic and Legal Fields", HINDAWI, MOBILE INFORMATION SYSTEMS, IOS PRESS, NETHERLANDS, vol. 2021, 12 November 2021 (2021-11-12), Netherlands , pages 1 - 12, XP093151287, ISSN: 1574-017X, DOI: 10.1155/2021/3118733 *

Similar Documents

Publication Publication Date Title
KR20220012042A (ko) 엣지 컴퓨팅 시스템 및 방법
WO2024071542A1 (ko) Iot 기기에 대한 사용 경험을 공유하기 위한 전자 장치
WO2022149763A1 (ko) 요청된 기능을 수행하는 외부 전자 장치를 관리하기 위한 전자 장치 및 그 작동 방법
WO2022102960A1 (en) Electronic device for managing task relating to processing of audio signal, and operation method therefor
WO2022030860A1 (ko) Iot 환경에서 타겟 전자 장치를 제어하기 위한 전자 장치 및 그에 관한 방법
WO2022114648A1 (ko) 배경 화면을 설정하기 위한 전자 장치 및 그의 동작 방법
KR20240043024A (ko) IoT 기기에 대한 사용 경험을 공유하기 위한 전자 장치
WO2023075337A1 (ko) 외부 전자 장치와 통신하는 전자 장치 및 그 동작 방법
WO2022235039A1 (ko) 블록체인 네트워크에 포함된 노드에 대응하는 전자 장치와 이의 동작 방법
WO2023075425A1 (ko) 외부 전자 장치를 제어하는 어플리케이션을 결정하는 전자 장치 및 그 동작 방법
WO2023219230A1 (ko) 사물 인터넷 장치를 제어하는 전자 장치 및 그 동작 방법
WO2023163407A1 (ko) 무선 네트워크에서의 무선 통신 방법 및 이를 수행하는 전자 장치
WO2023022359A1 (ko) 어플리케이션의 실행 오류를 검출하는 전자 장치 및 그 작동 방법
WO2024136605A2 (ko) 온보딩을 제어하는 전자 장치 및 이의 동작 방법
WO2023219286A1 (ko) 데이터 전송 순서 조정 방법 및 이를 수행하는 장치
WO2022203182A1 (ko) 인공 지능 모델을 최적화하기 위한 전자 장치 및 그 동작 방법
WO2023153622A1 (ko) 기기 설정 동기화 방법 및 장치
WO2021256720A1 (ko) 외부 장치로 요청을 전송하는 방법 및 이를 지원하는 전자 장치
WO2022119133A1 (ko) 오토메이션 서비스를 지원하는 전자 장치
WO2023054991A1 (ko) 적어도 하나의 입력 장치를 제어하는 전자 장치 및 그 제어 방법
WO2024143735A1 (ko) 분산형 데이터 베이스 구조를 지원하는 서버 및 이의 동작 방법
WO2022215865A1 (ko) 전자 장치 및 iot 제어 정보 공유 방법
WO2024072117A1 (ko) 전자 장치 및 어플리케이션 간의 통신 방법
WO2024010177A1 (ko) 보안 회로의 애플릿을 갱신하기 위한 전자 장치 및 그의 동작 방법
WO2024063516A1 (ko) 커스터마이징 소프트웨어 제공 장치 및 방법

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: 23872673

Country of ref document: EP

Kind code of ref document: A1