KR102567525B1 - 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 - Google Patents
이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 Download PDFInfo
- Publication number
- KR102567525B1 KR102567525B1 KR1020160153535A KR20160153535A KR102567525B1 KR 102567525 B1 KR102567525 B1 KR 102567525B1 KR 1020160153535 A KR1020160153535 A KR 1020160153535A KR 20160153535 A KR20160153535 A KR 20160153535A KR 102567525 B1 KR102567525 B1 KR 102567525B1
- Authority
- KR
- South Korea
- Prior art keywords
- information
- driving
- mobile robot
- moving space
- server
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 53
- 238000004891 communication Methods 0.000 claims abstract description 46
- 238000013135 deep learning Methods 0.000 claims description 55
- 230000033001 locomotion Effects 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 abstract description 8
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 238000013528 artificial neural network Methods 0.000 description 10
- 238000004140 cleaning Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 241000282326 Felis catus Species 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/0011—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement
- G05D1/0027—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots associated with a remote control arrangement involving a plurality of vehicles, e.g. fleet or convoy travelling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1628—Programme controls characterised by the control loop
- B25J9/163—Programme controls characterised by the control loop learning, adaptive, model based, rule based expert control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1664—Programme controls characterised by programming, planning systems for manipulators characterised by motion, path, trajectory planning
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L9/00—Details or accessories of suction cleaners, e.g. mechanical means for controlling the suction or for effecting pulsating action; Storing devices specially adapted to suction cleaners or parts thereof; Carrying-vehicles specially adapted for suction cleaners
- A47L9/28—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means
- A47L9/2836—Installation of the electric equipment, e.g. adaptation or attachment to the suction cleaner; Controlling suction cleaners by electric means characterised by the parts which are controlled
- A47L9/2852—Elements for displacement of the vacuum cleaner or the accessories therefor, e.g. wheels, casters or nozzles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
- B25J11/008—Manipulators for service tasks
- B25J11/0085—Cleaning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/006—Controls for manipulators by means of a wireless system for controlling one or several manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/06—Control stands, e.g. consoles, switchboards
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
- B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J5/00—Manipulators mounted on wheels or on carriages
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/0003—Home robots, i.e. small robots for domestic use
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
- B25J9/1671—Programme controls characterised by programming, planning systems for manipulators characterised by simulation, either to verify existing program or to create and verify new program, CAD/CAM oriented, graphic oriented programming systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1674—Programme controls characterised by safety, monitoring, diagnostic
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
- G05D1/0282—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal generated in a local control room
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/008—Artificial life, i.e. computing arrangements simulating life based on physical entities controlled by simulated intelligence so as to replicate intelligent life forms, e.g. based on robots replicating pets or humans in their appearance or behaviour
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/33—Services specially adapted for particular environments, situations or purposes for indoor environments, e.g. buildings
-
- A—HUMAN NECESSITIES
- A47—FURNITURE; DOMESTIC ARTICLES OR APPLIANCES; COFFEE MILLS; SPICE MILLS; SUCTION CLEANERS IN GENERAL
- A47L—DOMESTIC WASHING OR CLEANING; SUCTION CLEANERS IN GENERAL
- A47L2201/00—Robotic cleaning machines, i.e. with automatic control of the travelling movement or the cleaning operation
- A47L2201/04—Automatic control of the travelling movement; Automatic obstacle detection
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/40—Robotics, robotics mapping to robotics vision
- G05B2219/40494—Neural network for object trajectory prediction, fuzzy for robot path
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
본 발명은 이동 로봇 시스템에 있어서, 이동 공간에 대한 주행 정보를 생성하고 저장하는 서버와 상기 이동 공간을 주행하는 이동 로봇을 포함하고 상기 이동 로봇은 상기 이동 로봇을 이동시키는 주행부와 상기 서버로부터 상기 주행 정보를 수신하는 통신부와 상기 통신부에서 수신한 주행 정보를 기초로 상기 주행부를 제어하는 제어부를 포함하고 상기 서버는 적어도 하나의 다른 외부 로봇으로부터 상기 이동 공간에 대한 정보를 수신하고 이를 기초로 상기 주행 정보를 생성할 수 있다.
본 발명의 경우 다른 이동 로봇으로부터 학습된 주행 정보를 통하여 주행을 할 수 있으므로 경험해 보지 못한 새로운 공간에 이동 로봇이 배치되어도 보다 안전적으로 새로운 공간에서 주행을 할 수 있는 장점이 있다. 또한, 주행 정보에 관하여 지속적인 학습을 함으로써, 더욱 더 지능적인 주행을 할 수 있는 효과가 있다.
본 발명의 경우 다른 이동 로봇으로부터 학습된 주행 정보를 통하여 주행을 할 수 있으므로 경험해 보지 못한 새로운 공간에 이동 로봇이 배치되어도 보다 안전적으로 새로운 공간에서 주행을 할 수 있는 장점이 있다. 또한, 주행 정보에 관하여 지속적인 학습을 함으로써, 더욱 더 지능적인 주행을 할 수 있는 효과가 있다.
Description
본 발명은 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법에 관한 발명으로서, 보다 상세하게는 이동 공간에 대한 정보를 외부 로봇으로부터 수신하고 이를 기초로 심층학습을 하여 주행 정보를 생성하는 기술에 관한 발명이다.
일반적으로, 과거 로봇은 산업 기술 분야용으로 많이 개발되어 공장 자동화의 일부분으로 많이 사용되어 왔다. 그러나 최근에는 로봇을 응용한 분야가 더욱 확대되어 의료용 로봇, 우주 항공 로봇 등이 개발되었고, 일반 가정에서 사용할 수 있는 가정용 이동 로봇 또한 만들어지고 있다.
이동 로봇은 사용자의 조작 없이도 주행하고자 하는 영역을 자율적으로 이동하면서 사용자로부터 명령 받은 작업을 수행하는 로봇을 말한다. 그 예로는 청소 로봇, 텔레프레전스 로봇(telepresence robot), 경비 로봇(security robot) 등이 있으며, 근래에는 이동 로봇을 이용한 응용 기술이 개발되고 있다.
예를 들어, 네트워크 기능을 가지고 있어 사용자와 이동 로봇이 멀리 떨어져 있어도 사용자가 이동 로봇에게 제어 명령을 내릴 수 있거나 이동 로봇을 통하여 사용자가 모니터 할 수 없는 지역을 모니터할 수 있는 기능들이 개발되고 있다.
또한, 이동 로봇들이 특정 구역내에서 자유롭고 안전하게 주행할 수 있도록 많은 기술들이 개발되고 있는데 최근에는 심층 학습의 일종으로서 딥 러닝(Deep Learning)이 많이 개발되고 있다. 이는 컴퓨터가 여러 데이터를 이용해 마치 사람처럼 스스로 학습할 수 있게 하기 위해 인공 신경망(ANN: artificial neural network)을 기반으로 한 기계 학습을 말한다.
심층 학습의 핵심은 분류를 통한 예측이다. 수많은 데이터 속에서 패턴을 발견해 인간이 사물을 구분하듯 컴퓨터가 데이터를 나눈다. 이와 같은 분별 방식은 크게 '지도 학습(Supervised Learning)'과 '비지도 학습(Unsupervised Learning)' 방식으로 나뉠 수 있다.
지도 학습 방식은 기존의 기계 학습 알고리즘은 대부분을 차지하였던 방식으로서, 이동 로봇에 이동 로봇에 관한 정보 및 환경 정보를 직접 입력하여 가르치는 방법을 말한다. 그에 반해 비지도 학습은 컴퓨터가 기존의 자료를 이용하여 스스로 학습하여 주행 능력을 개발하는 방법을 말한다.
비지도 학습의 경우 학습 자료의 양이 많을수록, 학습의 단계가 세분화될수록 성능이 좋아지며, 사용자가 모든 환경에 대한 정보를 입력할 필요가 없는 장점이 존재한다.
다만, 기존의 지도 학습 방식을 이용하는 이동 로봇의 경우, 외부 서버와 연계하여 주행에 필요한 정보를 외부 서버로부터 수신하고 이를 기초로 주행을 하는 하는데, 기존 방식의 경우 단순히 이동 로봇이 요구한 정보를 외부 서버로부터 수신하는 정도에 지나지 않았다.
따라서, 종래의 기술만으로는 이동 로봇이 주행에 필요한 실제 정보를 능동적으로 수신하고 이를 반영할 수 없어 주행 기술이 향상이 어려운 문제가 있었으며, 이러한 문제는 이동 로봇이 새로운 이동 공간으로 이동하였을 때 새로운 공간에 대한 정보가 부족하여 효율적으로 주행을 하는데 많은 어려움이 존재하였다.
따라서, 본 발명은 상기 설명한 문제점을 해결하기 위해 고안된 발명으로서, 다른 이동 로봇으로부터 수신한 이동 공간에 관한 정보를 외부 서버로부터 수신한 후, 이를 기초로 스스로 심층학습을 하여 보다 다양한 환경에서 안전하고 유연하게 주행을 할 수 있는 이동 로봇 시스템 및 이동 로봇을 제공하는데 그 목적이 있다.
본 발명의 일 실시예에 따른 이동 로봇 시스템은 이동 공간에 대한 주행 정보를 생성하고 저장하는 서버와 상기 이동 공간을 주행하는 이동 로봇을 포함하고 상기 이동 로봇은 상기 이동 로봇을 이동시키는 주행부와 상기 서버로부터 상기 주행 정보를 수신하는 통신부와 상기 통신부에서 수신한 주행 정보를 기초로 상기 주행부를 제어하는 제어부를 포함하고 상기 서버는 적어도 하나의 다른 외부 로봇으로부터 상기 이동 공간에 대한 정보를 수신하고 이를 기초로 상기 주행 정보를 생성할 수 있다.
상기 이동 공간에 대한 정보는, 상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보일 수 있다.
상기 이동 공간에 대한 정보는, 상기 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보일 수 있다.
상기 주행 관련 정보는, 상기 이동 공간을 주행하면서 취득한 상기 외부 로봇의 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함할 수 있다.
상기 서버는, 상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성할 수 있다.
상기 주행 정보는, 제 1주행 정보를 포함하고 상기 제어부는 상기 제 1주행 정보를 기초로 제 2주행 정보를 생성하고 생성된 상기 제 2주행 정보에 따라 상기 주행부를 제어할 수 있다.
상기 통신부는, 상기 이동 로봇이 주행하면서 취득한 상기 이동 공간에 관한 정보를 상기 서버로 송신할 수 있다.
상기 이동 로봇 시스템은, 상기 이동 공간 내에 존재하는 물체들을 감지하는 센서부와 상기 물체들을 운반하는 동작부를 더 포함할 수 있고 상기 서버는 상기 물체들에 대한 정보를 상기 로봇 및 상기 외부 로봇 중 적어도 하나로부터 수신하고 저장할 수 있다.
상기 통신부는, 감지된 상기 물체들에 대한 정보가 존재하지 않는 경우 상기 서버로부터 상기 물체들에 대한 정보를 수신할 수 있고 상기 제어부는 수신한 상기 물체들에 대한 정보를 기초로 상기 주행부 및 상기 동작부 중 적어도 하나를 제어할 수 있다.
상기 서버는, 사용자가 미리 설정해 놓은 물체들에 대한 정보는 수신하지 않을 수 있다.
본 발명의 다른 실시예에 따른 이동 로봇은 본체와 상기 본체를 이동시키는 주행부와 이동 공간에 대한 정보를 외부 서버로부터 수신하는 통신부와 상기 통신부에서 수신한 정보를 기초로 상기 이동 공간에 대한 주행 정보를 생성하고 생성된 주행 정보에 따라 상기 주행부를 제어하는 제어부를 포함하고 상기 주행 정보는 적어도 하나의 다른 외부 로봇으로부터 수신한 상기 이동 공간에 대한 정보를 기초로 생성된 정보일 수 있다.
상기 이동 공간에 대한 정보는, 상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보일 수 있다.
상기 이동 공간에 대한 정보는, 상기 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보일 수 있다.
상기 주행 관련 정보는, 상기 이동 공간을 주행하면서 취득한 상기 외부 로봇의 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함할 수 있다.
상기 제어부는, 상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성할 수 있다.
본 발명의 또 다른 실시예에 따른 이동 로봇의 제어 방법은 적어도 하나의 외부 로봇으로부터 이동 공간에 대한 정보를 수신하는 단계와 상기 수신한 주행 정보를 기초로 상기 이동 공간에 대한 주행 정보를 생성하는 단계와 상기 주행 정보를 수신 하고 이를 기초로 이동 로봇의 이동을 제어하는 단계를 포함할 수 있다.
상기 이동 공간에 대한 정보는 상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보일 수 있다.
상기 이동 공간에 대한 정보는 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보일 수 있다.
상기 주행 정보를 생성하는 단계는, 상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성하는 단계를 포함할 수 있다.
상기 이동 로봇의 제어 방법은 상기 이동 로봇이 주행하면서 취득한 상기 이동 공간에 대한 정보를 서버로 송신하는 단계를 더 포함할 수 있다.
본 발명의 경우 다른 이동 로봇으로부터 학습된 주행 정보를 외부 서버로부터 수신하여 이를 기초로 주행을 할 수 있어, 이동 로봇이 경험해 보지 못한 새로운 공간에 배치되어도 보다 안전적으로 주행을 할 수 있는 장점이 있다. 또한, 주행 정보에 관하여 지속적인 학습을 함으로써, 더욱더 지능적인 주행을 할 수 있는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 이동 로봇 시스템의 전체 구성 외관을 도시한 도면이다.
도 2는 본 발명의 일 실시예에 따른 이동 로봇의 외관을 도시한 도면이다. 세탁물이 내부로 유입되는 과정을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 이동 로봇 시스템의 구성을 나타낸 블럭도이다.
도 4는 본 발명의 일 실시예에 따라 이동 로봇 시스템의 제어 방법을 나타낸 순서도이다.
도 5는 본 발명의 일 실시예에 따른 이동 로봇의 구성을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따라 이동 로봇의 제어 방법을 나타낸 순서도이다.
도 7은 심층학습의 기본 개념 순서를 도시한 도면이다.
도 8은 심층학습의 일 과정으로서, 거리 센서 데이터로 2D 이미지 데이터를 생성하는 방법을 나타낸 도면이다.
도 9는 도 8에 따라 생성된 이미지를 기초로 심층학습을 하는 과정을 나타낸 도면이다.
도 10은 본 발명의 또 다른 실시예인 이동 로봇 시스템의 제어 흐름을 나타낸 순서도이다.
도 2는 본 발명의 일 실시예에 따른 이동 로봇의 외관을 도시한 도면이다. 세탁물이 내부로 유입되는 과정을 도시한 도면이다.
도 3은 본 발명의 일 실시예에 따른 이동 로봇 시스템의 구성을 나타낸 블럭도이다.
도 4는 본 발명의 일 실시예에 따라 이동 로봇 시스템의 제어 방법을 나타낸 순서도이다.
도 5는 본 발명의 일 실시예에 따른 이동 로봇의 구성을 나타낸 도면이다.
도 6은 본 발명의 일 실시예에 따라 이동 로봇의 제어 방법을 나타낸 순서도이다.
도 7은 심층학습의 기본 개념 순서를 도시한 도면이다.
도 8은 심층학습의 일 과정으로서, 거리 센서 데이터로 2D 이미지 데이터를 생성하는 방법을 나타낸 도면이다.
도 9는 도 8에 따라 생성된 이미지를 기초로 심층학습을 하는 과정을 나타낸 도면이다.
도 10은 본 발명의 또 다른 실시예인 이동 로봇 시스템의 제어 흐름을 나타낸 순서도이다.
본 명세서에 기재된 실시 예와 도면에 도시된 구성은 개시된 발명의 바람직한 일 예이며, 본 출원의 출원 시점에 있어서 본 명세서의 실시 예와 도면을 대체할 수 있는 다양한 변형 예들이 있을 수 있다.
또한, 본 명세서에서 사용한 용어는 실시 예를 설명하기 위해 사용된 것으로, 개시된 발명을 제한 및/또는 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
본 명세서에서, "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는다.
또한, 본 명세서에서 사용한 "제 1", "제 2" 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되지는 않으며, 상기 용어들은 하나의 구성 요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제 1구성 요소는 제 2구성 요소로 명명될 수 있고, 유사하게 제2 구성요소도 제 1구성 요소로 명명될 수 있다. "및/또는" 이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.
아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략한다.
또한, 이하 도면들은 설명의 편의를 위해 청소 로봇을 기준으로 도시하였지만 본 발명의 구성 및 작동 원리는 청소 로봇에 한정되는 것은 아니고 이동할 수 있는 모든 로봇에 적용될 수 있다.
도 1은 개시된 발명의 일 실시예에 의한 이동 로봇 시스템의 전체 구성을 도시한 도면이다.
도 1에서, 개시된 발명의 일 실시예에 의한 이동 로봇 시스템(1)은 일정 영역을 자율적으로 이동하면서 작업을 수행하는 이동 로봇(100)과, 이동 로봇(100)과 분리되어 이동 로봇(100)을 원격으로 제어하는 디바이스(200)와, 이동 로봇(100)과 분리되어 이동 로봇(100)의 배터리 전원을 충전하는 충전 스테이션(300) 및 주행 공간에 대한 각종 정보가 저장되어 있는 서버(400)를 포함할 수 있다.
이동 로봇(100)은 디바이스(200)의 제어 명령을 전달받아 제어 명령에 대응하는 동작을 수행하는 장치로, 충전 가능한 배터리(미도시)를 구비하고, 주행 중 장애물을 피할 수 있는 장애물 센서를 구비하여 작업 영역을 자율적으로 주행하며 작업할 수 있다.
또한, 이동 로봇(100)은 센서부(130)를 통해 주변 환경에 대한 사전 정보 없이 자신의 위치를 인식하고, 환경에 대한 정보로부터 지도를 작성하는 위치 인식(Localization)과 지도 작성(Map-building)의 과정, 즉 Visual SLAM을 수행할 수 있다.
디바이스(200)는 이동 로봇(100)의 이동을 제어하거나 이동 로봇(100)의 작업을 수행하기 위한 제어 명령을 무선으로 송신하는 원격 제어 장치로, 휴대폰(Cellphone, PCS phone), 스마트 폰(smart phone), 휴대 단말기(Personal Digital Assistants: PDA), 휴대용 멀티미디어 플레이어(Portable Multimedia Player: PMP), 노트북 컴퓨터(laptop computer), 디지털 방송용 단말기, 넷북, 태블릿, 네비게이션(Navigation) 등을 포함할 수 있다.
이외에도, 디바이스(200)는 유무선 통신 기능이 내장된 디지털 카메라, 캠코더 등과 같이 여러 응용 프로그램을 이용한 다양한 기능의 구현이 가능한 모든 장치를 포함한다.
또한, 디바이스(200)는 간단한 형태의 일반적인 리모컨일 수 있다. 리모컨은 일반적으로 적외선 통신(IrDA, infrared Data Association)을 이용하여 이동 로봇(100)과 신호를 송수신한다.
또한, 디바이스(200)는 RF(Radio Frequency), 와이파이(Wireless Fidelity, Wi-Fi), 블루투스(Bluetooth), 지그비(Zigbee), 엔에프씨(near field communication: NFC), 초광대역(Ultra-Wide Band: UWB) 통신 등 다양한 방식을 이용하여 이동 로봇(100)과 무선 통신 신호를 송수신할 수 있으며, 디바이스(200)와 이동 로봇(100)이 무선 통신 신호를 주고 받을 수 있는 것이면, 어느 방식을 사용하여도 무방하다.
또한, 디바이스(200)는 이동 로봇(100)의 전원을 온/오프 제어하기 위한 전원 버튼과, 이동 로봇(100)의 배터리 충전을 위해 충전 스테이션(300)으로 복귀하도록 지시하기 위한 충전 복귀 버튼과, 이동 로봇(100)의 제어 모드를 변경하기 위한 모드 버튼과, 이동 로봇(100)의 동작을 시작/정지하거나 제어 명령의 개시, 취소 및 확인을 위한 시작/정지 버튼과, 다이얼 등을 포함할 수 있다.
충전 스테이션(300)은 이동 로봇(100)의 배터리 충전을 위한 것으로, 이동 로봇(100)이 도킹되는 것을 안내하는 가이드 부재(미 도시)가 마련되어 있고, 가이드 부재(미 도시)에는 이동 로봇(100)에 구비된 전원부를 충전시키기 위해 접속 단자(미 도시)가 마련되어 있을 수 있다.
서버(400)는 이동 로봇(100) 및 외부의 다른 이동 로봇(100)으로부터 이동 공간에 대한 정보를 수신하고 저장하는 역할을 할 수 있다. 또한 수신한 이동 공간에 대한 정보를 기초로 심층학습을 하여 이동 공간에 대한 주행 정보를 생성하고 이를 이동 로봇(100)으로 송신할 수 있다. 심층학습과 서버(400)에 대한 구체적인 설명은 도 3과 도 4에서 설명하도록 한다.
도 2는 개시된 발명의 일 실시예에 의한 이동 로봇의 외관을 개략적으로 도시한 도면이다.
도 2를 참조하면, 이동 로봇(100)은 외관을 형성하는 본체(101)와, 본체(101)의 상부를 덮는 커버(102)와, 본체(101)를 구동시키기 위한 구동 전원을 공급하는 전원부(171)와, 본체(101)를 이동시키는 주행부(160)를 포함할 수 있다.
본체(101)는 이동 로봇(100)의 외관을 형성하는 한편, 그 내부에 설치되는 각종 부품들을 지지할 수 있다.
전원부(171)는 주행부(160) 및 그 외 본체(101)를 구동시키기 위한 각 부하와 전기적으로 연결되어 구동 전원을 공급하는 배터리를 포함할 수 있다. 배터리는 재충전이 가능한 2차 배터리로 마련되며, 본체(101)가 작업을 완료하고 충전 스테이션(300)에 결합된 경우 충전 스테이션(300)으로부터 전력을 공급받아 충전될 수 있다.
또한, 전원부(171)는 충전 잔량이 부족하면 충전 스테이션(300)으로부터 충전 전류를 공급받아 충전할 수 있다.
또한, 본체(101)의 전방에는 이동 로봇(100)이 이동하는 바닥 면의 상태에 따라 회전하는 각도가 변화하는 캐스터 휠(Wheel)이 설치될 수 있다. 캐스터 휠은 이동 로봇(100)의 자세 안정 및 추락 방지 등에 활용되어 이동 로봇(100)을 지지하며, 롤러나 캐스터 형상의 휠로 구성될 수 있다.
도 3은 개시된 발명의 일 실시예에 의한 이동 로봇 시스템(1)의 구성도이다.
도 3에서, 개시된 발명의 일 실시예에 의한 이동 로봇 시스템은(1)은 도 1에 도시한 구성 요소 이외에 제어부(110), 유저 인터페이스(120), 센서부(130), 통신부(140), 위치 검출부(150), 주행부(160), 동작부(170) 및 저장부(180)를 더 포함할 수 있다.
유저 인터페이스(120)는 이동 로봇(100)의 본체(101) 상면에 마련될 수 있으며, 사용자로부터 제어 명령을 수신하는 입력 버튼(121)과 이동 로봇(100)의 동작 정보를 표시하는 디스플레이(123)를 포함할 수 있다.
입력 버튼(121)은 이동 로봇(100)를 턴온 또는 턴오프시키는 전원 버튼, 이동 로봇(100)를 동작시키거나 정지시키는 동작/정지 버튼, 이동 로봇(100)를 충전 스테이션(300)으로 복귀시키는 복귀 버튼 등을 포함할 수 있다.
또한, 입력 버튼(121)은 사용자의 가압을 감지하는 푸시 스위치(push switch), 멤브레인 스위치(membrane) 또는 사용자의 신체 일부의 접촉을 감지하는 터치 스위치(touch switch)를 채용할 수 있다.
디스플레이(123)는 사용자가 입력한 제어 명령에 대응하여 이동 로봇(100)의 정보를 표시한다, 예를 들어, 디스플레이(123)는 이동 로봇(100)의 동작 상태, 전원의 상태, 사용자가 선택한 청소 모드, 충전 스테이션으로의 복귀 여부 등을 표시할 수 있다.
또한, 디스플레이(123)는 자체 발광이 가능한 발광 다이오드(Light Emitting Diode: LED)와 유기 발광 다이오드(Organic Light Emitting Diode: OLED) 또는 별도의 발원을 구비하는 액정 디스플레이(Liquid Crystal Display) 등을 채용할 수 있다.
또한, 도면에는 도시되지 않았으나, 실시 형태에 따라 유저 인터페이스(120)는 사용자로부터 제어 명령을 입력 받고, 입력 받은 제어 명령에 대응하는 동작 정보를 표시하는 터치 스크린 패널(Touch Screen Panel: TSP)을 포함할 수 있다.
터치 스크린 패널은 동작 정보 및 사용자가 입력할 수 있는 제어 명령을 표시하는 디스플레이, 사용자의 신체 일부가 접촉한 좌표를 검출하는 터치 패널(touch panel), 터치 패널이 검출한 접촉 좌표를 기초로 사용자가 입력한 명령을 판단하는 터치 스크린 컨트롤러를 포함할 수 있다.
센서부(130)는 적어도 하나의 카메라(131)와 센서(132)를 포함하고 있고 이동 로봇(100)이 현재 위치하고 있는 환경의 각종 데이터를 획득하는 역할을 할 수 있다.
카메라(131)는 외부의 영상 이미지인 프레임을 포착(capture)하여 이를 디지털 신호로 변환해주는 장치이며, CCD(Charge Coupled Device) 모듈이나 CMOS(Complementary Metal Oxide Semiconductor) 모듈을 포함하여 구성될 수 있다.
특히, 도 3에서 도시되지 않았지만, 센서부(130)는 이동 로봇(100) 주변의 영상을 제어부(110)가 처리할 수 있는 전기적 신호로 변환하고, 상방 영상에 대응하는 전기적 신호를 제어부(110)에 전달하는 모듈을 포함할 수 있다.
또한, 개시된 발명에서 카메라(131)가 제공한 영상은 제어부(110)가 이동 로봇(100)의 위치를 검출하는데 이용될 수 있다.
센서(131)는 이동 로봇(100)이 주행하는 공간의 물체를 인식하는 장치로서, 측정 대상까지의 거리를 측정하여 이동 로봇(100)이 위치한 실제 환경의 거리 데이터를 획득할 수 있다.
따라서, 센서(131)는 데이터를 획득하기 위한 다양한 센서 예를 들어, 2D 센서 또는 3D 센서 등을 포함할 수 있다. 3D 공간 인식 센서로는 KINECT(RGB-D 센서), TOF(Structured Light Sensor), 스테레오 카메라(Stereo Camera) 등이 사용될 수 있으며 이에 한정되지 않고 이와 유사한 기능을 할 수 있는 다른 장치들도 포함될 수 있다.
또한, 개시된 발명은 이동 로봇(100)의 현재 위치에 대한 데이터를 입력 받는 수단으로 카메라(131)와 센서(132)를 예시하고 있으나, 주위의 영상을 획득할 수 있는 다른 장치면 이에 포함될 수 있다.
통신부(140)는 외부에 존재하는 서버(400)와 이동 로봇(100)의 정보 및 주행과 관련된 각종 정보를 무선으로 송수신하는 역할을 할 수 있다.
구체적으로, 통신부(140)는 서버(400)에 저장되어 있는 다른 외부 로봇에 의해 수신된 이동 공간에 대한 정보 또는 이를 기초로 서버(400)가 생성한 주행 정보를 수신할 수 있으며, 동시에 이동 로봇(100)이 주행하면서 취득한 주행 정보를 서버(400)로 송신하는 역할을 할 수 있다.
따라서, 통신부(140)는 RF(Radio Frequency), 와이파이(Wireless Fidelity, Wi-Fi), 블루투스(Bluetooth), 지그비(Zigbee), 엔에프씨(near field communication: NFC), 초광대역(Ultra-Wide Band: UWB) 통신 등 다양한 방식을 이용하여 서버(400)와 무선 통신 신호를 송수신할 수 있으며, 서버(400)와 이동 통신부(140)가 무선 통신 신호를 주고 받을 수 있는 것이면, 어느 방식을 사용하여도 무방하다.
위치 검출부(150)는 센서부(130)에서 촬영한 영상을 통해서 시각적 주행거리를 측정한다. 또한 위치 검출부(140)는 이러한 시각적 주행거리 측정을 위해서 촬영된 영상의 모션 블러를 제거하고, 선명해진 영상을 비교하여 이동 로봇(100)의 위치를 검출한다.
주행부(160)는 본체(101)의 중앙부 양측에 각각 마련되어 본체(101)가 작업을 수행하는 과정에서 전진, 후진 및 회전주행 등의 이동 동작이 가능하도록 하며 주행부(160)의 전반적인 동작은 제어부(110)의 명령에 기초하여 움직일 수 있다.
양 주행부(160)는 후술하는 제어부(110)의 명령에 따라 전진 또는 후진 방향으로 각각 회전하여 이동 로봇(100)이 전진 또는 후진하거나 회전할 수 있도록 한다.
예를 들면 양 주행부(160)를 전진 또는 후진 방향으로 회전시켜 이동 로봇(100)이 전진 또는 후진 주행하도록 한다. 또한 좌측 주행부(160)를 후진 방향으로 회전시키는 동안 우측 주행부(160)를 전진 방향으로 회전시켜 이동 로봇(100)이 전방을 기준으로 좌측 방향으로 회전하도록 하고, 우측 주행부(160)를 후진 방향으로 회전시키는 동안 좌측 주행부(160)를 전진 방향으로 회전시켜 이동 로봇(100)이 전방을 기준으로 우측 방향으로 회전하도록 한다.
주행부(160)는 이동 로봇(100)를 이동시키며, 도 2 에 도시된 바와 같이 바퀴 구동 모터(161), 주행 바퀴(163)를 포함할 수 있다.
주행 바퀴(163)는 본체(101) 저면의 양단에 마련될 수 있으며, 이동 로봇(100)의 전방을 기준으로 이동 로봇(100)의 좌측에 마련되는 좌측 주행 바퀴와 이동 로봇(100)의 우측에 마련되는 우측 주행 바퀴를 포함할 수 있다.
한편, 주행 바퀴(163)는 바퀴 구동 모터(161)로부터 회전력을 제공받아 이동 로봇(100)를 이동시킨다.
바퀴 구동 모터(161)는 주행 바퀴(163)를 회전시키는 회전력을 생성하며, 좌측 주행 바퀴를 회전시키는 좌측 구동 모터와 우측 주행 바퀴를 회전시키는 우측 구동 모터를 포함한다.
좌측 구동 모터와 우측 구동 모터는 각각 제어부(110)로부터 구동 제어 신호를 수신하여 독립적으로 동작할 수도 있다. 이와 같이 독립적으로 동작하는 좌측 구동 모터와 우측 구동 모터에 의하여 좌측 주행 바퀴와 우측 주행 바퀴는 서로 독립적으로 회전할 수 있다.
또한, 좌측 주행 바퀴와 우측 주행 바퀴가 독립적으로 회전할 수 있으므로 이동 로봇(100)은 앞서 언급한 전진 주행, 후진 주행, 회전 주행 및 제자리 회전 등 다양한 주행이 가능하다.
또한, 이외에도 주행부(160)는 제어부(110)의 제어 신호에 따라 바퀴 구동 모터(163)에 구동 전류를 공급하는 모터 구동 회로(미도시), 바퀴 구동 모터(161)의 회전력을 주행 바퀴(163)에 전달하는 동력 전달 모듈(미도시), 바퀴 구동 모터(161) 또는 주행 바퀴(163)의 회전 변위 및 회전 속도를 검출하는 회전 감지 센서(미 도시) 등을 더 포함할 수 있다.
동작부(170)는 이동 로봇(100)을 특정 위치로 이동시키는 주행부(160)의 역할을 제외한, 사용자의 명령에 따른 각종 동작을 수행하는 역할을 할 수 있다. 따라서, 이동 로봇(100)이 청소 로봇이라면 청소 동작을 수행하는 역할을 할 수 있고 이동 로봇(100)이 물체를 운반하는 로봇이라면 물체를 이동시키는 수단, 예를 들어 사람의 팔과 같은 구성이 이에 해당할 수 있다.
동작부(170)의 전반적인 동작은 제어부(110)에 의해 제어되며, 제어부(110)는 통신부(140)를 통하여 수신 받은 물체에 대한 정보를 기초로 동작부(170)를 제어하여 사용자의 명령을 수행할 수 있다.
구체적으로, 센서부(130)가 이동 공간 내에 인식 가능한 물체가 존재하면, 통신부(140)는 서버에 인식한 물체에 대한 정보를 요청하고 서버(400)는 인식한 물체에 대한 정보가 서버에 존재하는지 판단하고 이를 통신부(140)로 송신한다. 만약, 요청된 물체에 대한 정보가 존재하지 않는다면 서버(400)다른 다른 외부 이동 로봇으로부터 상기 물체에 대한 정보를 수신하고 수신된 정보들을 기초로 가장 최적화된 물체의 사용 방법을 결정하고 이를 통신부(140)로 송신한다.
그 후 제어부(110)는 통신부(140)가 수신한 물체에 가장 최적화된 사용 방법을 기초로 동작부(170)를 제어하여 사용자의 명령을 수행한다. 이에 대한 자세한 설명은 도 10에서 다시 후술하도록 한다.
저장부(180)는 카메라(131)가 촬영한 영상을 실 시간으로 저장하고, 이동 로봇(100)이 동작하는 환경의 지도와 이동 로봇(100)의 동작을 위한 운영 프로그램과 주행 패턴, 주행 과정에서 획득한 이동 로봇(100)의 위치 정보와 장애물 정보 등을 저장하는 메모리이다.
또한, 저장부(180)는 이동 로봇(100)의 동작을 제어하기 위한 제어 데이터, 이동 로봇(100)의 동작 제어 중 사용되는 기준 데이터, 이동 로봇(100)이 소정의 동작을 수행하는 중에 발생되는 동작 데이터, 이동 로봇(100)이 소정 동작을 수행하도록 디바이스(200)에 의해 입력된 설정 데이터 등과 같은 사용자 입력 정보가 저장될 수 있다.
한편, 저장부(180)는 아래에서 설명할 제어부(110)에 포함된 메모리(115)를 보조하는 보조 기억 장치로서 동작할 수 있으며, 이동 로봇(100)가 전원이 차단되더라도 저장된 데이터가 소멸되지 않는 비 휘발성 저장 매체로 구성될 수 있다.
이와 같은 저장부(180)는 반도체 소자에 데이터를 저장하는 반도체 소자 드라이브(181), 자기 디스크에 데이터를 저장하는 자기 디스크 드라이브(183) 등을 포함할 수 있다.
서버(400)는 이동 로봇(100) 및 외부의 다른 이동 로봇(100)으로부터 이동 공간에 대한 정보를 수신하고 저장하는 역할을 할 수 있다. 또한 수신한 이동 공간에 대한 정보를 기초로 이동 로봇(100)이 이동하는 이동 공간에 대한 주행 정보를 심층 학습(Deep-Learning)을 하여 생성할 수 있다. 그리고 생성된 정보는 통신부(140)로 송신할 수 있다.
또한, 서버(400)는 이동 로봇(100)이 송신한 이동 공간에 관한 정보 및 다른 외부 로봇이 송신한 이동 공간에 정보 중 적어도 하나를 이용하여 심층 학습을 하여 주행 정보를 생성할 수 있고 동시에 주행 시뮬레이션 정보를 기초로 심층 학습을 하여 주행 정보를 생성할 수 있다. 심층 학습은 학습 데이터가 많을수록 그 정확성이 증가할 수 있다. 따라서 개시된 서버(400)는 이동 로봇(100) 또는 다른 외부 로봇들과 네트워크로 연결되고, 심층 학습에 필요한 데이터를 수집할 수 있다.
일 예에 따른 서버(400)는 클라우드(Cloud) 서버를 포함할 수 있다. 클라우드 서버는 가상 사설 서버(Virtual private server)를 의미하며, 하나의 물리적 서버를 나누어 여러 개의 가상 서버로 사용하는 가상화 방법의 한 형태이다. 심층학습에 관한 자세한 설명은 도 7 ~ 도 9에서 설명하도록 한다.
또한, 서버(400)는 이동 공간에 관한 정보와 주행 정보를 제외하고 이동 공간 내에 존재하는 물체들에 대한 각종 정보를 저장할 수 있다.
구체적으로, 서버(400)는 사용자로부터 혹은 다른 외부 로봇으로부터 받은 특정 물체에 대한 정보, 예를 들어 물체를 다룰 때 유의해야 하는 사항, 물체를 보관하는 방법 등 물체에 관한 다양한 정보 등을 수신하고 저장할 수 있다.
또한, 서버(400)는 이러한 정보들을 통신부(140)를 송신하고 제어부(110)는 수신한 정보들을 기초로 사용자의 명령을 최적으로 수행할 수 있다. 이데 대한 자세한 설명은 도 10에서 설명하도록 한다.
제어부(110)는 이동 로봇(100)을 포함한 이동 로봇 시스템(100)의 동작을 전반적으로 제어하는 역할을 할 수 있다.
구체적으로, 제어부(110)는 이동 로봇(100)에 포함된 각종 구성 장치와 제어부(110) 사이에서 데이터 출입을 매개하는 입출력 인터페이스(117), 프로그램 및 데이터를 기억하는 메모리(115), 영상 처리를 수행하는 그래픽 프로세서(113) 및 메모리(113)에 기억된 프로그램 및 데이터에 따라 연산 동작을 수행하고 이동 로봇(100)의 제1위치 정보를 보정하는 메인 프로세서(111), 입출력 인터페이스(117), 메모리(115), 그래픽 프로세서(113) 및 메인 프로세서(111) 사이의 데이터 송수신의 통로가 되는 시스템 버스(119)를 포함할 수 있다.
입출력 인터페이스(117)는 센서부(130)로부터 수신된 영상, 위치 검출부(140)가 검출한 위치 정보 및 결과 등을 수신하고, 이를 시스템 버스(119)를 통하여 메인 프로세서(111), 그래픽 프로세서(113), 메모리(115) 등으로 전송한다.
뿐만 아니라, 입출력 인터페이스(117)는 메인 프로세서(111)가 출력하는 각종 제어 신호를 주행부(160) 및 이동 로봇(100)의 각종 제어 구성에 전달할 수 있다.
메모리(115)는 이동 로봇(100)의 동작을 제어하기 위한 제어 프로그램 및 제어 데이터를 저장부(180)로부터 불러와 기억하거나, 센서부(130)가 획득한 영상 또는 위치 검출부(140)의 위치 정보 및 결과 등을 임시로 기억할 수 있다.
메모리(115)는 S램, D랩 등의 휘발성 메모리를 포함할 수 있다. 다만, 이에 한정되는 것은 아니며, 경우에 따라서 메모리(115)는 플래시 메모리, 롬(Read Only Memory), 이피롬(Erasable Programmable Read Only Memory: EPROM), 이이피롬(Electrically Erasable Programmable Read Only Memory: EEPROM) 등의 비휘발성 메모리를 포함할 수도 있다.
그래픽 프로세서(113)는 센서부(130)가 획득한 영상을 메모리(115) 또는 저장부(180)에 저장할 수 있는 포맷으로 변환하거나, 센서부(130)가 획득한 영상의 해상도 또는 크기를 변경할 수 있다.
메인 프로세서(111)는 메모리(115)에 저장된 프로그램 및 데이터에 따라 센서부(130), 위치 검출부(150)의 감지 결과를 처리하고 주행부(160)를 제어하며, 이동 로봇(100)의 위치를 보정하거나 이에 따른 지도를 보정하기 위한 연산동작을 수행할 수 있다.
또한, 제어부(110)는 통신부(140)에서 수신한 이동 공간에 대한 주행 정보와 물체에 대한 정보를 기초로 주행부(160)와 동작부(170)를 제어할 수 있다.
구체적으로, 제어부(110)는 서버(400)에서 심층 학습을 통해 생성된 주행 정보를 통신부(140)을 통하여 수신 받고, 이를 기초로 이동 공간 내에 가장 적합한 주행 경로를 산출하여 주행부(160)를 제어 할 수 있다. 또한, 센서부(130)에 의해 감지된 물건에 대한 정보를 통신부(140)를 통하여 수신 받고, 이를 기초로 동작부(170)를 제어하여 사용자의 명령을 수행할 수 있다.
또한, 제어부(110)는 서버(400)가 수행하는 심층 학습을 동시에 수행할 수 도 있다. 지금까지는 서버(400)가 심층 학습을 하여 주행 정보를 생성하는 것으로 설명하였지만, 이동 로봇(100)의 제어부(110) 또한 스스로 심층 학습을 하여 주행 정보를 생성할 수 있다. 이러한 경우 외부와 통신이 되지 않아 이동 공간에 대한 정보 또는 심층학습에 의해 생성된 주행 정보를 서버(400)로부터 수신할 수 없는 경우, 스스로 심층학습을 하여 주행 정보를 생성할 수 있는 장점이 존재한다. 이러한 특징은 도 5와 도 6에서 설명할 이동 로봇(100)의 특징과 유사하다.
또한, 서버(400)와 제어부(110)가 이러한 구조를 갖는 경우 제어부(110)가 분담해야 하는 심층 학습의 업무를 서버(400)와 분담하여 수행할 수 있다. 일반적으로 제어부는(110)는 상대적으로 서버(400)보다 낮은 하드웨어 및 소프트웨어를 가지고 있으므로 제어부(110)가 심층학습을 하는 것보다 서버(400)가 심층 학습을 수행하는 것이 조금 더 효율적일 수 있다. 따라서, 제어부(110)가 심층 학습을 수행하는 경우 고차원적인 부분에 대해서는 서버(400)가 이를 수행하여 제어부(110)의 부담을 경감시킬 수 있다.
예를 들어, 서버(400)는 외부 로봇으로부터 수신한 이동 공간에 대한 정보를 기초로 제 1주행 정보를 생성하고, 제어부(110)는 통신부(140)를 통하여 수신한 제 1주행 정보를 기초로 제 2주행 정보를 생성할 수 있다. 그리고 제어부(110)는 생성된 제 2주행 정보를 기초로 주행부(160)를 제어할 수 있다.
여기서 제 1주행 정보는 일차적으로 심층 학습을 통하여 생성된 정보로서 제 2주행 정보보다 상위 개념의 정보를 의미한다.
예를 들어, 제 1주행 정보는 청소 영역을 효율적으로 하게 하는 주행 경로에 대한 정보라면, 제 2주행 정보는 장애물을 회피하는 부분과 같은, 주행 시 빠르게 처리해야 하는 상황에 대한 정보를 말한다. 이러한 경우, 심층 학습 시 많은 작업을 수행해야 하는 부분은 서버(400)가 담당하고, 세세한 작업을 수행해야 하는 부분은 제어부(110)가 수행함으로써, 보다 효율적인 이동 로봇(100)을 제어할 수 있는 장점이 존재한다.
따라서, 이러한 경우 서버(400)의 제어부와 이동 로봇(100)의 제어부(110) 서로 동일한 심층 학습 네트워크로 구성되어 있어야 하며, 이동 로봇(100)의 제어부(110)에는 상대적으로 낮은 로우 레벨(Low Level)의 학습기 기반의 제어기가 탑재되어 있을 수 있고, 서버(400)에는 상대적으로 높은 하이 레벨(High Level)의 학습기 기반의 제어기가 탑재되어 있을 수 있다.
지금까지 도면을 통하여 이동 로봇 시스템(1)의 구성에 대해 알아보았다. 이하 도면을 통하여 이동 로봇 시스템(1)의 동작 흐름에 대해 알아본다.
도 4는 본 발명의 일 실시예에 따른, 이동 로봇 시스템(1)의 제어 방법 순서를 나타낸 순서도이다.
도 4를 참조하면, 이동 로봇(100)는 주행할 이동 공간 내를 실제로 주행하거나 시뮬레이션 주행을 한 후 취득한 결과를 서버로 송신한다. (S110, S120, S130)
상기 주행 결과는 이동 로봇(100)이 실제 주행하면서 얻은 각종 정보를 포함할 수 있다. 예를 들어, 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함할 수 있으며, 시뮬레이션 주행 결과는 스스로 가상의 시뮬레이션 주행을 하여 취득한 이동 공간에 관한 각종 정보를 포함할 수 있다.
서버(400)는 이동 로봇(100)으로 송신된 주행 결과 즉, 이동 공간에 대한 정보를 수신하고 저장한 후, 외부 로봇으로부터 상기 이동 공간에 대한 정보를 수신한다. (S140, S150)
상기 이동 공간에 대한 정보는 S110, S120 단계에서 설명한 바와 마찬가지로 외부 로봇이 이동 공간에서 주행하면서 얻은 각종 정보 예들 들어, 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함할 수 있으며, 외부 로봇이 가상 시뮬레이션을 하여 획득한 주행 결과 또한 포함될 수 있다.
서버(400)가 주행 결과를 수신하였으면, 서버(400)는 수신된 정보들을 기초로 심층 학습을 하여 이동 공간에 대한 주행 정보를 생성하고 저장한다. 그리고 생성된 정보는 이동 로봇(100)으로 송신한다. (S160, S170)
이동 로봇(100)은 서버(400)로부터 수신한 주행 정보를 이동 로봇(100)의 저장부(180)에 저장함과 동시에 이를 기초로 이동 로봇(100)의 주행을 제어할 수 있다. (S180, S190)
도 4는 서버(400)가 외부 로봇으로부터 이동 공간에 대한 정보를 수신하는 단계 및 주행 정보를 생성하는 단계를(S150, 160) 이동 로봇(100)이 이동 공간을 주행하는 단계와 시뮬레이션 주행을 수행하는 단계(S110, S120) 이후에 시작하는 단계로 도시하였지만 이에 한정되는 것은 아니고 S110, S120 단계를 거치지 않고 처음부터 바로 외부 로봇으로부터 이동 공간에 대한 정보를 수신할 수 있다.
즉, 이동 로봇(100)이 과거 경험해보지 못한 환경에 들어섰고 바로 실 주행을 해야 한다면, 서버로부터 바로 심층 학습을 하여 생성된 주행 정보를 수신 하고 이를 기초로 주행을 할 수 있다.
지금까지 본 발명의 일 실시예인 이동 로봇 시스템(1)의 구성과 동작 흐름에 대해 알아보았다. 이하 본 발명의 다른 실시예인 이동 로봇(100)의 구성과 동작에 대해 알아본다.
도 5는 이동 로봇(100)의 구성을 나타낸 블럭도이고 도 6은 이동 로봇(100)의 제어 방법을 나타낸 순서도이다.
도 5를 참고하면, 이동 로봇은(100)은 제어부(110), 유저 인터페이스(120), 센서부(130), 통신부(140), 위치 검출부(150), 주행부(160), 동작부(170) 및 저장부(180)를 포함할 수 있다.
도 5에 개시된 이동 로봇(100)은 도 3에 개시된 이동 로봇 시스템(1)에서 서버가 제외되었으며, 통신부(140)와 제어부(110)를 제외한 다른 구성 요소의 특징은 도 3에서 설명한 바와 같다. 따라서, 이에 대한 설명은 생략하고 이하 통신부(140)와 제어부(110)에 대해 알아보도록 한다.
통신부(140)는 외부 서버로부터 이동 로봇(100)이 주행할 이동 공간에 대한 정보를 수신할 수 있다. 외부 서버는 무선 통신을 이용하여 다른 외부 로봇으로부터 수신한 이동 공간에 대한 정보가 저장되어 있다.
통신부(140)가 외부 서버로부터 이동 공간에 대한 정보를 수신하면, 제어부(110)는 이를 기초로 하여 이동 로봇(100)이 주행할 이동 공간에 대한 주행 정보를 생성할 수 있다.
구체적으로, 제어부(110)는 수신 받은 이동 공간에 대한 정보를 기초로 심층학습(Deep-Learning)을 하여 주행정보를 생성한다. 그리고 생성된 주행 정보를 기초로 이동 로봇(100)의 주행부(160) 또는 동작부(170)를 제어할 수 있다.
도 3과 도 4에 개시된 이동 로봇 시스템(100)의 경우 서버(400)가 외부 로봇으로부터 받은 이동 공간에 관한 정보를 기초로 심층학습을 하여 주행 정보를 생성하나, 도 5에 개시된 이동 로봇(100)은 외부 서버로부터 이동 공간에 관한 정보만을 수신하고 이를 기초로 직접 심층학습을 하여 주행정보를 생성한다는 것에 그 차이점이 존재한다.
도 6은 도 5에 개시된 이동 로봇(100)의 제어 방법의 흐름을 나타낸 순서도이다.
도 6을 참조하면, 이동 로봇(100)은 외부 서버로부터 외부 서버에 저장되어 있는 주행 공간에 대한 정보를 수신한다. (S210)
상기 주행 정보는, 외부 로봇이 이동 공간에서 주행하면서 얻은 각종 정보 예들 들어, 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함할 수 있으며, 외부 로봇이 가상 시뮬레이션을 하여 획득한 주행 결과 또한 포함될 수 있다.
주행 공간에 대한 정보를 수신하면, 이동 로봇(100)은 수신한 정보를 기초로 심층학습을 하여 이동 공간에 대한 주행 정보를 생성하고 이를 저장한다. (S220)
그 후, 이동 로봇(100)은 생성된 주행 정보를 기초로 이동 로봇의 주행을 제어한다. (S230)
또한, 도면에는 도시하지 않았지만, 심층학습을 통하여 생성된 주행 정보는 이동 로봇(100)에 저장될 수 있으며, 외부 서버로 전송하여 저장할 수 있다. 외부 서버에 전송한 경우, 이동 로봇에 저장되어 있는 주행 정보가 삭제되었거나 사용자가 이동 로봇을 교체한 경우 서버에 저장되어 있는 결과를 수신한 후 바로 이를 활용할 수 있어 보다 빠르게 이동 로봇을 제어할 수 있는 장점이 존재한다.
지금까지 도면들을 통하여 이동 로봇 시스템(1)과 이동 로봇(100)의 구성 및 동작 흐름에 대해 알아보았다. 이하 도면들을 통하여 본 발명에 적용되는 원리인 심층학습(Deep Learning)에 대해 알아본다.
도 7은 심층학습에 대한 개략적인 개념도를 도시한 도면이고, 도 8은 심층학습의 일 과정으로서, 거리 센서 데이터로 2D 이미지 데이터를 생성하는 방법을, 도 9는 도 8에 따라 생성된 이미지를 기초로 심층학습을 하는 과정을 나타낸 도면이다.
심층 학습(Deep Learning)은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습(machine learning)에 관한 알고리즘의 집합을 의미한다.
구체적으로, 심층 학습은 어떠한 학습 데이터를 컴퓨터가 이해할 수 있는 형태(예를 들어 이미지의 경우는 픽셀(Pixel)정보를 열 벡터로 표현하는 등)로 표현(Representation)하고 이를 학습에 적용하기 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)에 대한 학습 기법으로, DNN(Deep Neural Networks) 및 DBN(Deep Belief Networks)등을 포함한다.
따라서, 심층학습은 입력 데이터에 대한 명확한 출력데이터가 주어지지 않는다. 즉, 비지도식 학습 비지도식 과정이지만 행동에 대한 보상함수에 따라 보상치가 정해지는 방법이다.
도 7을 참조하면, 심층학습은 먼저 주변 환경을 인지하고 현재 환경 상태를 프로세서에 전달한다. 프로세서는 이에 맞는 행동(Action)을 수행하고 환경은 다시 그 행동에 따른 보상치를 프로세서에게 알려준다. 그리고 프로세서는 보상치를 최대로 하는 행동을 택하게 된다. 이러한 과정에 통해 학습 과정이 진행된다.
앞서 설명한대로 심층학습을 하면서 이용되는 학습 데이터는, 실제 로봇이 주행하면서 얻은 결과일 수도 있으며, 시뮬레이션 주행을 통하여 얻은 데이터 일 수도 있다. 시뮬레이션 과정을 수행하는 경우 시뮬레이션 속도를 조정함으로써 보다 빠르게 데이터를 획득할 수 있다.
또한, 심층 학습은 심층 신경망(Deep Neural Network, DNN)이라는 알고리즘을 통해 수행된다. 도 8와 도 9는 이를 설명하기 위한 도면이다.
심층 학습을 통하여 주행 정보를 생성하기 위해서는 먼저 이동 공간에 대한 정보를 취득하여야 한다. 따라서, 일 예로서, 도 8에 도시된 바와 같이 이동 로봇은 1D 거리 센서 데이터로 2D 이미지 데이터를 생성할 수 있다.
즉. 주행 정보를 생성하기 위해서는 입력 데이터를 설계하여야 하는데, 입력 데이터로는 이동 로봇의 속도, 주행 방향, 거리 센서 값 등이 사용될 수 있다. 거리 센서에 의해 측정된 값은 보통 Polar Coordinate 즉, 거리와 방향 값으로 주어지는데 이것을 각각 1차원으로 해서 네트워크에 입력할 수 있고 도 8에 도시된 바와 같이 2D 이미지로 만들어서 입력할 수 있다.
도 9는 심층 학습은 심층 신경망(Deep Neural Network, DNN) 알고리즘을 설명하기 위한 도면이다.
심층 신경망(DNN)은 입력층(input layer)과 출력층(output layer) 사이에 다중의 은닉층(hidden layer)이 존재하는 심층(deep) 신경망, 동물의 시각 피질의 구조와 유사하게 뉴런 사이의 연결 패턴을 형성하는 컨볼루션(convolutional) 신경망, 시간에 따라 매순간마다 신경망을 쌓아올리는 재귀(recurrent) 신경망으로 구체화될 수 있다.
구체적으로 CNN은 컨볼루션(Convolution)과 서브 샘플링(Sub-Sampling)을 반복하여 데이터의 양을 줄이고, 왜곡시켜 신경망을 분류한다. 즉, CNN은 특징 추출과 분류 행위를 통해 부류 결과를 출력하는데, 주로 이미지를 분석하는데 사용된다.
컨볼루션은 영상 필터링을 의미하며, 가중치를 갖는 마스크(311)를 이용한다.
도 9를 참조하면, 컨벌류션(310)은 입력 영상(301)에서 마스크(311)를 씌운 후, 입력 영상(301)의 픽셀값과 마스크(311)의 가중치를 각각 곱하고, 그 합을 출력 영상(312)의 픽셀값으로 산출한다.
마스크(311)는 입력 영상(301)의 각 부분마다 복수 개로 씌여지며, 마스크(311)가 이동하면서 산출된 결과값을 합한 결과가 추출된다. 추출되는 영상은 적어도 하나 이상의 영상이 추출되는데, 강인한 특징(왜곡, 변형과 같은 환경변화에 적응하는)을 유도한다.
도 9의 일 예에 따라 제 1 컨벌루션(310)에 의해서 추출되는 출력 영상(feature maps, 312)은 4장이다.
서브 샘플링은 영상의 크기를 줄이는 과정을 의미한다. 일 예로 서브 샘플링은 맥스-풀(Max Pool)을 사용한다. 맥스-풀은 해당 영역에서 최대치를 선택하는 기법인데 뉴런이 가장 큰 신호에 반응하는 것과 유사하다. 서브 샘플링은 노이즈를 감소시키고, 학습의 속도를 증가시킨다.
일 예로 제 1 컨벌루션(310)에서 출력된 출력 영상(312)에 서브 샘플링은 맥스-풀을 위한 해당 영역(321)을 선택하고, 해당 영역(321)의 픽셀값에서 최대값만이 출력된다.
도 9에서 제 1서브 샘플링(320)에 의해서 출력되는 출력 영상(322)은 4장이다.
한편, CNN은 컨벌루션(310, 330) 및 서브 샘플링(320, 340)을 반복적으로 수행한다. 반복과정의 횟수는 제한이 없다. 즉, 도 10에서는 2번 반복과정을 도시하였지만, 이에 제한되지 않는다.
마지막으로 CNN은 완전 연결(Fully-Connected MLP, 350)를 수행한다. 완전 연결(350)은 학습 증가 시간을 단축시키고, 망의 크기 및 변수의 개수를 줄이기 위한 것으로, 수많이 출력될 수 있는 출력 영상(312, 322)을 1차원 행렬(351)으로 변환한다. 행렬(351)은 입력단에서 맵핑(Mapping)된다.
일 예로 수많은 고양이 영상이 CNN을 거치면, 개와 고양이 영상 중에서 고양이 영상을 구분할 수 있다.
지금까지는 서버를 통해 심층학습을 하고 이를 통하여 주행을 효율적으로 하는 특징에 대해 설명하였다. 이하 실시 예는 서버(400)를 이용하여 물체를 효율적으로 다루는 특징에 대해 알아본다.
도 10은 본 발명의 또 다른 실시예인 이동 로봇 시스템(1)의 제어 흐름을 나타낸 순서도로서, 본 실시예에 해당하는 이동 로봇 시스템(1)의 구조는 도 3에서 설명한 구조와 동일하다. 따라서 이하 제어 흐름에 대해서만 알아본다.
도 10을 참조하면, 이동 로봇(100)은 이동하고자 하는 이동 공간 내에 물체가 존재하는지 판단하고 물체가 존재한다면 물체에 접근하여 이동 로봇(100)이 인식 가능한 물체인지 판단한다. (S310. S320)
물체를 인식하는 과정은 물체에 부착된 식별표(identifier)을 통해 감지하거나 식별표와 관련된 다른 정보 예를 들어, 이미지 정보, 음향 정보 등을 통하여 물체에 대한 정보를 인식할 수 있다.
이동 로봇(100)이 인식 가능한 물체가 존재한다면, 인식된 정보를 서버(400)로 송신한다. (S330)
서버(400)가 인식된 정보를 수신하였다면, 서버는 물체에 대한 정보가 서버 내에 존재하는지 판단한다.
물체에 대한 정보는 물체가 가지고 있는 여러 특징 및 사용자들로부터 받은 물체에 대한 정보를 포함할 수 있다. 이러한 정보들은 다시 이동 로봇(100)에 송신되는데, 이동 로봇(100)은 이러한 정보를 기초로 물체를 효율적으로 다룰 수 있다.
예를 들어, 물체를 운반할 때 주의해야 하는 사항, 물체의 무게 및 크기 등이 포함될 수 있으며, 사용자가 직접 입력해 놓은 물체에 대한 정보 등이 이에 포함될 수 있다.
이러한 특징을 갖는 경우 물체에 대한 사용 정보를 사용자들끼리 공유할 수 있어 물체에 대한 정보와 지식을 늘려갈 수 있는 장점이 존재한다.
만약, 물체에 대한 정보가 존재하지 않는다면 다른 로봇으로부터 물체에 대한 정보를 수신할 수 있다. (S350)
이러한 정보는 다른 사용자가 상기 물체에 대해 입력한 정보 또는 다른 이동 로봇이 물체를 다루면서 취득한 정보 등이 포함될 수 있다. 만약, S350 과정을 거치기 전에 서버(400)가 미리 다른 외부 로봇으로부터 물체에 대한 정보를 수신하여 저장하고 있었다면 S350 과정은 생략할 수 있다.
S340, S350 과정에 의해 물체에 대한 정보를 수신하였다면, 서버(400)는 이를 기초로 하여 물체에 최적화된 사용 방법을 결정하고 결정된 사용 방법을 이동 로봇(100)에 송신한다. (S360, S370)
이동 로봇(100)은 수신된 정보를 기초하여 사용자의 명령을 수행할 수 있다. (S380)
예를 들어, 사용자가 특정 물건을 이동시키는 명령을 받은 경우 이동 로봇(100)은 서버로부터 받은 물체에 대한 정보를 기초로 사용자의 명령을 수행할 수 있다. 상기 물체에 대한 정보는 물체가 가지고 있는 특성 또는 크기 무게 또는 운반시 주의 사항 등이 포함될 수 있으므로 이동 로봇을 이를 기초로 하여 사용자의 명령을 보다 효율적으로 수행할 수 있다.
S380 과정에 의해 동작이 수행되었는데 만약 오류가 존재한다면, 이동 로봇(100)은 오류 결과를 서버에 송신할 수 있다. (S400)
수신된 결과는 서버(400)에 저장되며, 다른 사용자들은 이를 참고할 수 있고 오류를 업데이트하여 나중에 다시 활용할 수 도 있다.
도 10에 따른 이동 로봇 시스템(1)의 경우, 물체에 대한 정보를 다른 사용자와 공유함으로써, 보다 효율적으로 물체를 다룰 수 있는 장점이 존재한다.
그러나, 무불별한 물체에 대한 정보를 공유하는 경우 사용자의 사생활 침해 문제가 발생할 수 있다. 따라서, 본 발명은 사용자가 미리 설정해 놓은 물체에 대한 정보는 서버(400)에 송신하지 않음으로써, 이러한 문제를 사전에 방지할 수 있다.
즉, 사용자는 특정 물체에 대해 로봇이 이를 인지하지 못하도록 설정해 놓으면, S310, S320 과정에 의해 이동 로봇(100)이 물체에 접근하여도 물체를 인지하지 못하므로 물체에 대한 정보를 서버(400)로 송신할 수 없다. 따라서 사생활 침해를 막을 수 있는 효과가 존재한다.
또 다른 실시예로, 청소 로봇에 있어서, 자동 청소를 하지 말아야 할 구역 또는 물체에 대해 사전에 지정해 놓아 사용자가 원하는 지역 또는 물체만 청소를 할 수 있게 할 수도 있다.
지금까지 도면을 통하여 본 발명에 해당하는 이동 로봇 시스템(1) 및 이동 로봇(100)의 구성과 특징 및 효과에 대해 알아보았다.
기존의 지도 학습 방식의 이동 로봇 시스템의 경우, 단순히 이동 로봇이 요구한 정보를 외부 서버로부터 수신하는 정도에 지나지 않아 이동 로봇이 주행에 필요한 실제 정보를 능동적으로 수신하고 이를 반영할 수 없어 주행 기술이 향상이 어려운 문제가 있었으며, 이러한 문제는 이동 로봇이 새로운 이동 공간으로 이동하였을 때 새로운 공간에 대한 정보가 부족하여 주행 능력에 많은 어려움이 존재하였다.
그러나 본 발명은 다른 이동 로봇으로부터 학습된 주행 정보를 통하여 주행을 할 수 있으므로 경험해 보지 못한 새로운 공간에 이동 로봇이 배치되어도 보다 안전적으로 새로운 공간에서 주행을 할 수 있는 장점이 있다. 또한, 주행 정보에 관하여 지속적인 학습을 함으로써, 더욱 더 지능적인 주행을 할 수 있는 효과가 있다.
지금까지 실시 예들이 비록 한정된 실시 예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및 / 또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다. 그러므로, 다른 구현들, 다른 실시 예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
1: 이동 로봇 시스템
100: 이동 로봇
110: 제어부
140: 통신부
160: 주행부
170: 동작부
400: 서버
100: 이동 로봇
110: 제어부
140: 통신부
160: 주행부
170: 동작부
400: 서버
Claims (20)
- 이동 공간에 대한 주행 정보를 생성하고 저장하는 서버와 상기 이동 공간을 주행하는 이동 로봇을 포함하고
상기 이동 로봇은,
상기 이동 로봇을 이동시키는 주행부;
상기 서버로부터 상기 주행 정보를 수신하는 통신부;
상기 통신부에서 수신한 주행 정보를 기초로 상기 주행부를 제어하는 제어부;를 포함하고
상기 서버는 적어도 하나의 다른 외부 로봇으로부터 상기 이동 공간에 대한 정보를 수신하고 이를 기초로 상기 주행 정보를 생성하는 이동 로봇 시스템. - 제 1항에 있어서,
상기 이동 공간에 대한 정보는,
상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보인 이동 로봇 시스템. - 제 1항에 있어서,
상기 이동 공간에 대한 정보는,
상기 적어도 하나의 다른 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보인 이동 로봇 시스템. - 제 3항에 있어서,
상기 주행 관련 정보는,
상기 이동 공간을 주행하면서 취득한 상기 적어도 하나의 다른 외부 로봇의 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함하는 이동 로봇 시스템. - 제 1항에 있어서,
상기 서버는,
상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성하는 이동 로봇 시스템. - 제 1항에 있어서,
상기 주행 정보는 제 1주행 정보를 포함하고
상기 제어부는 상기 제 1주행 정보를 기초로 제 2주행 정보를 생성하고 생성된 상기 제 2주행 정보에 따라 상기 주행부를 제어하는 이동 로봇 시스템. - 제 1항에 있어서,
상기 통신부는,
상기 이동 로봇이 주행하면서 취득한 상기 이동 공간에 관한 정보를 상기 서버로 송신하는 이동 로봇 시스템. - 제 1항에 있어서,
상기 이동 공간 내에 존재하는 물체들을 감지하는 센서부;
상기 물체들을 운반하는 동작부;를 더 포함하고,
상기 서버는 상기 물체들에 대한 정보를 상기 로봇 및 상기 적어도 하나의 다른 외부 로봇으로부터 수신하고 저장하는 이동 로봇 시스템. - 제 8항에 있어서,
상기 통신부는 감지된 상기 물체들에 대한 정보가 존재하지 않는 경우 상기 서버로부터 상기 물체들에 대한 정보를 수신하고,
상기 제어부는 수신한 상기 물체들에 대한 정보를 기초로 상기 주행부 및 상기 동작부 중 적어도 하나를 제어하는 이동 로봇 시스템. - 제 8항에 있어서,
상기 서버는,
사용자가 미리 설정해 놓은 물체들에 대한 정보는 수신하지 않는 이동 로봇 시스템. - 본체;
상기 본체를 이동시키는 주행부;
이동 공간에 대한 정보를 외부 서버로부터 수신하는 통신부;
상기 통신부에서 수신한 정보를 기초로 상기 이동 공간에 대한 주행 정보를 생성하고 생성된 주행 정보에 따라 상기 주행부를 제어하는 제어부;를 포함하고
상기 주행 정보는 적어도 하나의 다른 외부 로봇으로부터 수신한 상기 이동 공간에 대한 정보를 기초로 생성된 정보인 이동 로봇. - 제 11항에 있어서,
상기 이동 공간에 대한 정보는,
상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보인 이동 로봇. - 제 11항에 있어서,
상기 이동 공간에 대한 정보는,
상기 적어도 하나의 다른 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보인 이동 로봇. - 제 13항에 있어서,
상기 주행 관련 정보는,
상기 이동 공간을 주행하면서 취득한 상기 적어도 하나의 다른 외부 로봇의 센서의 동작 정보, 주행 속도 정보 및 주행 방향 정보 중 적어도 하나를 포함하는 이동 로봇. - 제 11항에 있어서,
상기 제어부는,
상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성하는 이동 로봇. - 적어도 하나의 외부 로봇으로부터 이동 공간에 대한 정보를 수신하는 단계;
상기 수신한 주행 정보를 기초로 상기 이동 공간에 대한 주행 정보를 생성하는 단계;
상기 주행 정보를 수신 하고 이를 기초로 이동 로봇의 이동을 제어하는 단계를 포함하는 이동 로봇 시스템의 제어 방법. - 제 16항에 있어서,
상기 이동 공간에 대한 정보는,
상기 이동 공간의 주행 시뮬레이션을 기초로 생성된 정보인 이동 로봇 시스템의 제어 방법. - 제 17항에 있어서,
상기 적어도 하나의 외부 로봇이 상기 이동 공간을 주행하면서 취득한 주행 관련 정보인 이동 로봇 시스템의 제어 방법. - 제 18항에 있어서,
상기 주행 정보를 생성하는 단계는,
상기 이동 공간에 대한 정보를 기초로 심층 학습(Deep Learning)을 하여 상기 주행 정보를 생성하는 단계를 포함하는 이동 로봇 시스템의 제어 방법. - 제 16항에 있어서,
상기 이동 로봇이 주행하면서 취득한 상기 이동 공간에 대한 정보를 서버로 송신하는 단계를 더 포함하는 이동 로봇 시스템의 제어 방법.
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160153535A KR102567525B1 (ko) | 2016-11-17 | 2016-11-17 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
| US15/786,894 US11097416B2 (en) | 2016-11-17 | 2017-10-18 | Mobile robot system, mobile robot, and method of controlling the mobile robot system |
| PCT/KR2017/011655 WO2018093055A1 (en) | 2016-11-17 | 2017-10-20 | Mobile robot system and mobile robot |
| EP17871692.4A EP3525992B1 (en) | 2016-11-17 | 2017-10-20 | Mobile robot and robotic system comprising a server and the robot |
| KR1020230065709A KR102639675B1 (ko) | 2016-11-17 | 2023-05-22 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020160153535A KR102567525B1 (ko) | 2016-11-17 | 2016-11-17 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230065709A Division KR102639675B1 (ko) | 2016-11-17 | 2023-05-22 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20180055571A KR20180055571A (ko) | 2018-05-25 |
| KR102567525B1 true KR102567525B1 (ko) | 2023-08-16 |
Family
ID=62107094
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020160153535A KR102567525B1 (ko) | 2016-11-17 | 2016-11-17 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
| KR1020230065709A KR102639675B1 (ko) | 2016-11-17 | 2023-05-22 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230065709A KR102639675B1 (ko) | 2016-11-17 | 2023-05-22 | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US11097416B2 (ko) |
| EP (1) | EP3525992B1 (ko) |
| KR (2) | KR102567525B1 (ko) |
| WO (1) | WO2018093055A1 (ko) |
Families Citing this family (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9314924B1 (en) * | 2013-06-14 | 2016-04-19 | Brain Corporation | Predictive robotic controller apparatus and methods |
| US20220203524A1 (en) * | 2013-11-01 | 2022-06-30 | Brain Corporation | Apparatus and methods for operating robotic devices using selective state space training |
| USD832372S1 (en) * | 2017-05-11 | 2018-10-30 | Bot3, Inc. | Portable mobile robot |
| KR102428216B1 (ko) * | 2017-12-04 | 2022-08-01 | 엘지전자 주식회사 | 인공지능을 이용한 이동 로봇, 이동 로봇의 제어방법, 및 이동 로봇의 제어 시스템 |
| WO2019232804A1 (zh) * | 2018-06-08 | 2019-12-12 | 珊口（深圳）智能科技有限公司 | 软件更新方法、***、移动机器人及服务器 |
| US11194335B2 (en) * | 2018-07-10 | 2021-12-07 | Neato Robotics, Inc. | Performance-based cleaning robot charging method and apparatus |
| KR102550260B1 (ko) * | 2018-08-13 | 2023-07-03 | 엘지전자 주식회사 | 로봇 청소기 |
| EP3863743A4 (en) * | 2018-10-09 | 2021-12-08 | Resonai Inc. | SYSTEMS AND PROCEDURES FOR 3D SCENES ENLARGEMENT AND RECONSTRUCTION |
| KR102166811B1 (ko) * | 2019-01-21 | 2020-10-19 | 한양대학교 산학협력단 | 심층강화학습과 운전자보조시스템을 이용한 자율주행차량의 제어 방법 및 장치 |
| US20200250337A1 (en) * | 2019-02-03 | 2020-08-06 | Maytronics Ltd. | Protecting personal data and controlling a distribution of personal data acquired by a pool cleaning robot |
| KR20200101133A (ko) | 2019-02-19 | 2020-08-27 | 삼성전자주식회사 | 전자 장치 및 그의 제어 방법 |
| JP7188279B2 (ja) * | 2019-05-29 | 2022-12-13 | トヨタ自動車株式会社 | 機械学習方法および移動ロボット |
| KR20210008605A (ko) * | 2019-07-15 | 2021-01-25 | (주)로보티즈 | 이동 로봇 플랫폼 시스템 및 그 운용 방법 |
| JP7368135B2 (ja) * | 2019-07-31 | 2023-10-24 | ファナック株式会社 | 複数の可動部を有する物品搬送システム |
| KR20210033808A (ko) * | 2019-09-19 | 2021-03-29 | 엘지전자 주식회사 | 아웃도어 영역에서 이종의 위치정보 획득 메커니즘을 적용하는 방법 및 이를 구현하는 로봇과 클라우드 서버 |
| KR20210040613A (ko) | 2019-10-04 | 2021-04-14 | 삼성전자주식회사 | 전자 장치 및 그의 제어 방법 |
| US11642787B2 (en) * | 2020-06-30 | 2023-05-09 | Samsung Electronics Co., Ltd. | Trajectory generation of a robot using a neural network |
| KR102408327B1 (ko) * | 2020-11-26 | 2022-06-10 | 한국기술교육대학교 산학협력단 | 자율주행 판매를 위한 제스처 인식을 지원하는 ai 기반 자율주행 로봇 시스템 |
| CN113408353B (zh) * | 2021-05-18 | 2023-04-07 | 杭州电子科技大学 | 一种基于rgb-d的实时避障*** |
Family Cites Families (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100703692B1 (ko) | 2004-11-03 | 2007-04-05 | 삼성전자주식회사 | 공간상에 존재하는 오브젝트들을 구별하기 위한 시스템,장치 및 방법 |
| KR100988736B1 (ko) | 2006-03-15 | 2010-10-20 | 삼성전자주식회사 | 자율주행 이동로봇의 최단 경로 이동을 위한 홈 네트워크시스템 및 그 방법 |
| JP2007316966A (ja) | 2006-05-26 | 2007-12-06 | Fujitsu Ltd | 移動ロボット、その制御方法及びプログラム |
| JP5037248B2 (ja) * | 2007-07-17 | 2012-09-26 | 株式会社日立製作所 | 情報収集システムおよび情報収集ロボット |
| KR101686170B1 (ko) | 2010-02-05 | 2016-12-13 | 삼성전자주식회사 | 주행 경로 계획 장치 및 방법 |
| JP2012126193A (ja) * | 2010-12-14 | 2012-07-05 | Denso Corp | 駐車場の自動駐車システム |
| US8447863B1 (en) * | 2011-05-06 | 2013-05-21 | Google Inc. | Systems and methods for object recognition |
| US8386078B1 (en) * | 2011-05-06 | 2013-02-26 | Google Inc. | Methods and systems for providing a data library for robotic devices |
| KR101855831B1 (ko) * | 2011-05-12 | 2018-05-09 | 엘지전자 주식회사 | 청소 장치, 및 복수의 로봇 청소기를 이용한 협동 청소 방법 |
| US8594923B2 (en) | 2011-06-14 | 2013-11-26 | Crown Equipment Limited | Method and apparatus for sharing map data associated with automated industrial vehicles |
| US9582000B2 (en) | 2011-09-07 | 2017-02-28 | Lg Electronics Inc. | Robot cleaner, and system and method for remotely controlling the same |
| KR101250045B1 (ko) | 2011-09-20 | 2013-04-02 | 엘지전자 주식회사 | 로봇 청소기 |
| US8793205B1 (en) | 2012-09-20 | 2014-07-29 | Brain Corporation | Robotic learning and evolution apparatus |
| US9233472B2 (en) * | 2013-01-18 | 2016-01-12 | Irobot Corporation | Mobile robot providing environmental mapping for household environmental control |
| KR102306709B1 (ko) | 2014-08-19 | 2021-09-29 | 삼성전자주식회사 | 청소 로봇, 청소 로봇의 제어 장치, 제어 시스템, 및 제어 방법 |
| WO2016032807A1 (en) | 2014-08-25 | 2016-03-03 | Google Inc. | Methods and systems for augmented reality to display virtual representations of robotic device actions |
| US9524450B2 (en) * | 2015-03-04 | 2016-12-20 | Accenture Global Services Limited | Digital image processing using convolutional neural networks |
| US20180150079A1 (en) * | 2015-06-12 | 2018-05-31 | Mitsubishi Electric Corporation | Driving support apparatus and driving support method |
| US20170169358A1 (en) * | 2015-12-09 | 2017-06-15 | Samsung Electronics Co., Ltd. | In-storage computing apparatus and method for decentralized machine learning |
| US10372968B2 (en) * | 2016-01-22 | 2019-08-06 | Qualcomm Incorporated | Object-focused active three-dimensional reconstruction |
| KR102023588B1 (ko) * | 2016-03-03 | 2019-10-14 | 구글 엘엘씨 | 로봇 파지용 심층 기계 학습 방법 및 장치 |
| CN109983433A (zh) * | 2016-07-18 | 2019-07-05 | L·奥德纳 | 评价机器人抓取 |
-
2016
- 2016-11-17 KR KR1020160153535A patent/KR102567525B1/ko active IP Right Grant
-
2017
- 2017-10-18 US US15/786,894 patent/US11097416B2/en active Active
- 2017-10-20 WO PCT/KR2017/011655 patent/WO2018093055A1/en unknown
- 2017-10-20 EP EP17871692.4A patent/EP3525992B1/en active Active
-
2023
- 2023-05-22 KR KR1020230065709A patent/KR102639675B1/ko active IP Right Grant
Also Published As
| Publication number | Publication date |
|---|---|
| EP3525992A4 (en) | 2019-11-06 |
| KR102639675B1 (ko) | 2024-02-26 |
| EP3525992A1 (en) | 2019-08-21 |
| KR20230079317A (ko) | 2023-06-07 |
| KR20180055571A (ko) | 2018-05-25 |
| US11097416B2 (en) | 2021-08-24 |
| US20180133895A1 (en) | 2018-05-17 |
| WO2018093055A1 (en) | 2018-05-24 |
| EP3525992B1 (en) | 2022-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102567525B1 (ko) | 이동 로봇 시스템, 이동 로봇 및 이동 로봇 시스템의 제어 방법 | |
| US11363929B2 (en) | Apparatus and methods for programming and training of robotic household appliances | |
| US20230021778A1 (en) | Systems and methods for training a robot to autonomously travel a route | |
| KR102284509B1 (ko) | 충전 로봇 및 그 제어방법 | |
| CN110023867B (zh) | 用于机器人绘图的***和方法 | |
| KR102298582B1 (ko) | 센서 데이터를 이용하여 청소 동선을 결정하는 인공 지능 로봇 및 그 방법 | |
| DK2952993T3 (en) | PROCEDURE FOR MAKING A CARD OF LIKELIHOOD FOR ONE OF THE ABSENCE OR EXISTENCE OF BARRIERS FOR AN AUTONOMOUS ROBOT | |
| JP5550671B2 (ja) | 自律走行ロボット及び自律走行ロボットの走行制御方法 | |
| CN109551476B (zh) | 结合云服务***的机器人*** | |
| US11565415B2 (en) | Method of tracking user position using crowd robot, tag device, and robot implementing thereof | |
| US11330951B2 (en) | Robot cleaner and method of operating the same | |
| US10860033B2 (en) | Movable object and method for controlling the same | |
| US11559902B2 (en) | Robot system and control method of the same | |
| KR20210047434A (ko) | 로봇 청소기 및 그의 동작 방법 | |
| CN114800535B (zh) | 机器人的控制方法、机械臂控制方法、机器人及控制终端 | |
| KR20210110610A (ko) | 에스컬레이터를 검출하기 위한 시스템, 장치, 및 방법 | |
| KR102656581B1 (ko) | 이동 로봇, 그를 포함하는 시스템 및 이동 로봇의 제어 방법 | |
| CN116358522A (zh) | 局部地图生成方法和装置、机器人、计算机可读存储介质 | |
| WO2019202878A1 (en) | Recording medium, information processing apparatus, and information processing method | |
| KR20230091396A (ko) | 로봇 및 로봇의 경로 탐색 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |