KR20210097346A - Artificial intelligence apparatus for endpoint detection - Google Patents

Abstract

Disclosed, in the present disclosure, is an artificial intelligence device that receives voice data corresponding to a user's utterance, inputs feature data corresponding to the received voice data into a fluency judgment model to determine a fluency score, and allows an endpoint of the voice data to be adjusted, based on the fluency score, to derive a voice recognition result. Therefore, the present invention is capable of improving an accuracy of voice recognition.

Description

끝점 검출을 위한 인공 지능 장치{ARTIFICIAL INTELLIGENCE APPARATUS FOR ENDPOINT DETECTION}ARTIFICIAL INTELLIGENCE APPARATUS FOR ENDPOINT DETECTION

본 개시는 사용자의 발화 특성에 기반하여 사용자의 발화의 유창함 정도를 판단하고, 사용자의 발화의 유창함에 기초하여 음성 데이터의 끝점을 판단하여 음성 인식의 성능을 개선하는 인공 지능 장치를 개시한다.The present disclosure discloses an artificial intelligence apparatus for improving speech recognition performance by determining a fluency level of a user's utterance based on a user's utterance characteristics and determining an endpoint of voice data based on the user's utterance fluency.

음성 인식 시스템은 사용자의 발화에 상응하는 음성 데이터가 수신되면 음성 데이터의 시작점(Initial point)과 끝점(Endpoint)를 추출한다. 통상적으로 끝점 추출(Endpoint detection)은, 음성 데이터에 포함된 단어와 단어 사이의 비발화 구간(non-speech)의 지속 시간을 이용하여 판단한다. 그러나, 음성 데이터의 발화 주체에 따라서, 음성 데이터에 포함된 음향학적 특징(Acoustic feature), 언어적 특징(Linguistic feature)이 다름에도 불구하고 일관적으로 끝점을 판단하였기에 사용자 개인의 시작점과 끝점을 정확하게 도출하지 못하는 문제점이 있었다.When the voice data corresponding to the user's utterance is received, the voice recognition system extracts an initial point and an endpoint of the voice data. In general, endpoint detection is determined using the duration of a non-speech interval between words included in voice data. However, despite the differences in acoustic features and linguistic features included in the voice data according to the utterance subject of the voice data, the end points are consistently determined. There was a problem that could not be solved.

또한, 음성 데이터의 시작점과 끝점이 정확하게 추출되지 않으면 음성 인식의 성능이 부정확하게 되어 사용자에게 부정적인 사용자 경험을 제공한다는 문제점이 있었다.In addition, if the start point and the end point of the voice data are not accurately extracted, the performance of the voice recognition becomes inaccurate, and there is a problem that a negative user experience is provided to the user.

본 개시의 목적은 사용자 발화에 상응하는 음성 데이터를 이용하여 유창함 정도를 판단하고, 유창함 정도를 이용하여 음성 데이터의 끝점을 조정하기 위함이다.An object of the present disclosure is to determine a fluency level using voice data corresponding to a user's utterance, and to adjust an endpoint of the voice data using the fluency level.

또한, 본 개시의 목적은 사용자 개인의 발화에 상응하는 음성 데이터를 이용하여 유창함 판단 모델을 갱신함으로써, 사용자 맞춤형 끝점을 조정하기 위함이다.In addition, an object of the present disclosure is to adjust a user-customized endpoint by updating a fluency determination model using voice data corresponding to a user's personal utterance.

본 개시는 사용자 발화에 상응하는 제1 음성 데이터를 수신하고, 상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하고, 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하고, 조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 인공 지능 장치를 개시한다.The present disclosure receives first voice data corresponding to a user's utterance, inputs feature data corresponding to the first voice data into a fluency determination model to determine a fluency score of the first voice data, based on the fluency score Disclosed is an artificial intelligence apparatus for adjusting an endpoint of the first voice data and deriving a voice recognition result corresponding to voice data before the adjusted endpoint.

또한 본 개시는 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는 인공 지능 장치를 개시한다.In addition, the present disclosure provides an end point of the first voice data earlier than a preset time when the fluency score exceeds a predetermined value, and delaying an endpoint of the first voice data more than a preset time when the fluency score is less than a predetermined value An artificial intelligence device is disclosed.

또한 본 개시는 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고, 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하고, 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는 인공 지능 장치를 개시한다.In addition, the present disclosure receives a plurality of voice data corresponding to the user's utterance for a predetermined period, generates a user log using the plurality of voice data corresponding to the user's utterance for the predetermined period, and includes Disclosed is an artificial intelligence apparatus that generates learning data for update based on fluency scores corresponding to each of a plurality of speech data, and updates the fluency determination model by using the learning data for update.

본 개시는 사용자 개인의 유창함 정도를 이용하여 유창함 스코어를 도출하고, 유창함 스코어에 따라 음성 데이터의 끝점을 앞당기거나 늦춤으로써, 음성 인식의 정확도를 향상시킬 수 있다.The present disclosure may improve the accuracy of speech recognition by deriving a fluency score using a user's individual fluency level, and advancing or slowing the endpoint of speech data according to the fluency score.

또한 본 개시는 사용자 로그를 이용하여 갱신용 학습 데이터를 생성하고, 유창함 판단 모델을 업데이트 함으로써, 개인 맞춤형 끝점을 도출하고, 이를 통해 개인화된 음성 인식을 제공할 수 있다.In addition, the present disclosure can generate a learning data for update using a user log and update a fluency judgment model, thereby deriving a personalized endpoint, and providing personalized voice recognition through this.

도 1은 본 개시의 일 실시 예에 따른 인공 지능 장치(100)를 나타낸다.
도 2는 본 개시의 일 실시 예에 따른 인공 지능 서버를(200)의 나타낸다.
도 3은 본 개시의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸다.
도 4는 본 개시의 일 실시 예에 따른 AI 장치를 나타낸다.
도 5는 음성 인식 과정을 나타낸다.
도 6은 본 개시의 흐름도를 나타낸다.
도 7은 본 개시의 흐름도를 나타낸다.
도 8은 본 개시의 흐름도를 나타낸다.
도 9은 본 개시의 유창함 판단 모델을 나타낸다.
도 10는 본 개시의 실시예를 나타낸다.1 shows an artificial intelligence device 100 according to an embodiment of the present disclosure.
2 shows an artificial intelligence server 200 according to an embodiment of the present disclosure.
3 shows an artificial intelligence system 1 according to an embodiment of the present disclosure.
4 shows an AI device according to an embodiment of the present disclosure.
5 shows a speech recognition process.
6 shows a flowchart of the present disclosure.
7 shows a flowchart of the present disclosure.
8 shows a flowchart of the present disclosure.
9 illustrates the fluency judgment model of the present disclosure.
10 shows an embodiment of the present disclosure.

이하, 본 발명의 상세에 대하여 설명한다.Hereinafter, the detail of this invention is demonstrated.

이하에 설명하는 실시 예는 본 발명의 일례 일 뿐이며, 본 발명은 다양한 형태로 변형될 수 있다. 따라서, 이하에 개시된 특정 구성 및 기능은 청구 범위를 제한하지 않는다.The embodiments described below are only examples of the present invention, and the present invention may be modified in various forms. Accordingly, the specific features and functions disclosed below do not limit the scope of the claims.

이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예를 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 이하의 설명에서 사용되는 구성요소에 대한 접미사 "모듈" 및 "부"는 명세서 작성의 용이함만이 고려되어 부여되거나 혼용되는 것으로서, 그 자체로 서로 구별되는 의미 또는 역할을 갖는 것은 아니다. 또한, 본 명세서에 개시된 실시 예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 실시 예의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 실시 예를 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 본 명세서에 개시된 기술적 사상이 제한되지 않으며, 본 개시의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.Hereinafter, the embodiments disclosed in the present specification will be described in detail with reference to the accompanying drawings, but the same or similar components are assigned the same reference numerals regardless of reference numerals, and overlapping descriptions thereof will be omitted. The suffixes "module" and "part" for the components used in the following description are given or mixed in consideration of only the ease of writing the specification, and do not have a meaning or role distinct from each other by themselves. In addition, in describing the embodiments disclosed in the present specification, if it is determined that detailed descriptions of related known technologies may obscure the gist of the embodiments disclosed in the present specification, the detailed description thereof will be omitted. In addition, the accompanying drawings are only for easy understanding of the embodiments disclosed in the present specification, and the technical spirit disclosed in the present specification is not limited by the accompanying drawings, and all changes included in the spirit and scope of the present disclosure , should be understood to include equivalents or substitutes.

제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.Terms including an ordinal number, such as first, second, etc., may be used to describe various elements, but the elements are not limited by the terms. The above terms are used only for the purpose of distinguishing one component from another.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.When a component is referred to as being “connected” or “connected” to another component, it is understood that the other component may be directly connected or connected to the other component, but other components may exist in between. it should be On the other hand, when it is said that a certain element is "directly connected" or "directly connected" to another element, it should be understood that no other element is present in the middle.

<인공 지능(AI: Artificial Intelligence)><Artificial Intelligence (AI)>

인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 연구하는 분야를 의미하며, 머신 러닝(기계 학습, Machine Learning)은 인공 지능 분야에서 다루는 다양한 문제를 정의하고 그것을 해결하는 방법론을 연구하는 분야를 의미한다. 머신 러닝은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의하기도 한다.Artificial intelligence refers to a field that studies artificial intelligence or methodologies that can make it, and machine learning refers to a field that defines various problems dealt with in the field of artificial intelligence and studies methodologies to solve them. do. Machine learning is also defined as an algorithm that improves the performance of a certain task through constant experience.

인공 신경망(ANN: Artificial Neural Network)은 머신 러닝에서 사용되는 모델로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되는, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 인공 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수(Activation Function)에 의해 정의될 수 있다.An artificial neural network (ANN) is a model used in machine learning, and may refer to an overall model having problem-solving ability, which is composed of artificial neurons (nodes) that form a network by combining synapses. An artificial neural network may be defined by a connection pattern between neurons of different layers, a learning process that updates model parameters, and an activation function that generates an output value.

인공 신경망은 입력층(Input Layer), 출력층(Output Layer), 그리고 선택적으로 하나 이상의 은닉층(Hidden Layer)를 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 인공 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 인공 신경망에서 각 뉴런은 시냅스를 통해 입력되는 입력 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다. The artificial neural network may include an input layer, an output layer, and optionally one or more hidden layers. Each layer includes one or more neurons, and the artificial neural network may include neurons and synapses connecting neurons. In the artificial neural network, each neuron may output a function value of an activation function for input signals, weights, and biases input through synapses.

모델 파라미터는 학습을 통해 결정되는 파라미터를 의미하며, 시냅스 연결의 가중치와 뉴런의 편향 등이 포함된다. 그리고, 하이퍼파라미터는 머신 러닝 알고리즘에서 학습 전에 설정되어야 하는 파라미터를 의미하며, 학습률(Learning Rate), 반복 횟수, 미니 배치 크기, 초기화 함수 등이 포함된다.Model parameters refer to parameters determined through learning, and include the weight of synaptic connections and the bias of neurons. In addition, the hyperparameter refers to a parameter that must be set before learning in a machine learning algorithm, and includes a learning rate, the number of iterations, a mini-batch size, an initialization function, and the like.

인공 신경망의 학습의 목적은 손실 함수를 최소화하는 모델 파라미터를 결정하는 것으로 볼 수 있다. 손실 함수는 인공 신경망의 학습 과정에서 최적의 모델 파라미터를 결정하기 위한 지표로 이용될 수 있다.The purpose of learning the artificial neural network can be seen as determining the model parameters that minimize the loss function. The loss function may be used as an index for determining optimal model parameters in the learning process of the artificial neural network.

머신 러닝은 학습 방식에 따라 지도 학습(Supervised Learning), 비지도 학습(Unsupervised Learning), 강화 학습(Reinforcement Learning)으로 분류할 수 있다.Machine learning can be classified into supervised learning, unsupervised learning, and reinforcement learning according to a learning method.

지도 학습은 학습 데이터에 대한 레이블(label)이 주어진 상태에서 인공 신경망을 학습시키는 방법을 의미하며, 레이블이란 학습 데이터가 인공 신경망에 입력되는 경우 인공 신경망이 추론해 내야 하는 정답(또는 결과 값)을 의미할 수 있다. 비지도 학습은 학습 데이터에 대한 레이블이 주어지지 않는 상태에서 인공 신경망을 학습시키는 방법을 의미할 수 있다. 강화 학습은 어떤 환경 안에서 정의된 에이전트가 각 상태에서 누적 보상을 최대화하는 행동 혹은 행동 순서를 선택하도록 학습시키는 학습 방법을 의미할 수 있다.Supervised learning refers to a method of training an artificial neural network in a state where a label for training data is given. can mean Unsupervised learning may refer to a method of training an artificial neural network in a state where no labels are given for training data. Reinforcement learning can refer to a learning method in which an agent defined in an environment learns to select an action or sequence of actions that maximizes the cumulative reward in each state.

인공 신경망 중에서 복수의 은닉층을 포함하는 심층 신경망(DNN: Deep Neural Network)으로 구현되는 머신 러닝을 딥 러닝(심층 학습, Deep Learning)이라 부르기도 하며, 딥 러닝은 머신 러닝의 일부이다. 이하에서, 머신 러닝은 딥 러닝을 포함하는 의미로 사용된다.Among artificial neural networks, machine learning implemented as a deep neural network (DNN) including a plurality of hidden layers is also called deep learning, and deep learning is a part of machine learning. Hereinafter, machine learning is used in a sense including deep learning.

<로봇(Robot)><Robot>

로봇은 스스로 보유한 능력에 의해 주어진 일을 자동으로 처리하거나 작동하는 기계를 의미할 수 있다. 특히, 환경을 인식하고 스스로 판단하여 동작을 수행하는 기능을 갖는 로봇을 지능형 로봇이라 칭할 수 있다.A robot can mean a machine that automatically handles or operates a task given by its own capabilities. In particular, a robot having a function of recognizing an environment and performing an operation by self-judgment may be referred to as an intelligent robot.

로봇은 사용 목적이나 분야에 따라 산업용, 의료용, 가정용, 군사용 등으로 분류할 수 있다.Robots can be classified into industrial, medical, home, military, etc. depending on the purpose or field of use.

로봇은 액츄에이터 또는 모터를 포함하는 구동부를 구비하여 로봇 관절을 움직이는 등의 다양한 물리적 동작을 수행할 수 있다. 또한, 이동 가능한 로봇은 구동부에 휠, 브레이크, 프로펠러 등이 포함되어, 구동부를 통해 지상에서 주행하거나 공중에서 비행할 수 있다.The robot may be provided with a driving unit including an actuator or a motor to perform various physical operations such as moving the robot joints. In addition, the movable robot includes a wheel, a brake, a propeller, and the like in the driving unit, and can travel on the ground or fly in the air through the driving unit.

<자율 주행(Self-Driving)><Self-Driving>

자율 주행은 스스로 주행하는 기술을 의미하며, 자율 주행 차량은 사용자의 조작 없이 또는 사용자의 최소한의 조작으로 주행하는 차량(Vehicle)을 의미한다.Autonomous driving refers to a technology that drives by itself, and an autonomous driving vehicle refers to a vehicle that runs without a user's manipulation or with a minimal user's manipulation.

예컨대, 자율 주행에는 주행중인 차선을 유지하는 기술, 어댑티브 크루즈 컨트롤과 같이 속도를 자동으로 조절하는 기술, 정해진 경로를 따라 자동으로 주행하는 기술, 목적지가 설정되면 자동으로 경로를 설정하여 주행하는 기술 등이 모두 포함될 수 있다.For example, autonomous driving includes technology for maintaining a driving lane, technology for automatically adjusting speed such as adaptive cruise control, technology for automatically driving along a predetermined route, technology for automatically setting a route when a destination is set, etc. All of these can be included.

차량은 내연 기관만을 구비하는 차량, 내연 기관과 전기 모터를 함께 구비하는 하이브리드 차량, 그리고 전기 모터만을 구비하는 전기 차량을 모두 포괄하며, 자동차뿐만 아니라 기차, 오토바이 등을 포함할 수 있다.The vehicle includes a vehicle having only an internal combustion engine, a hybrid vehicle having both an internal combustion engine and an electric motor, and an electric vehicle having only an electric motor, and may include not only automobiles, but also trains, motorcycles, and the like.

이때, 자율 주행 차량은 자율 주행 기능을 가진 로봇으로 볼 수 있다.In this case, the autonomous vehicle may be viewed as a robot having an autonomous driving function.

<확장 현실(XR: eXtended Reality)><Extended Reality (XR)>

확장 현실은 가상 현실(VR: Virtual Reality), 증강 현실(AR: Augmented Reality), 혼합 현실(MR: Mixed Reality)을 총칭한다. VR 기술은 현실 세계의 객체나 배경 등을 CG 영상으로만 제공하고, AR 기술은 실제 사물 영상 위에 가상으로 만들어진 CG 영상을 함께 제공하며, MR 기술은 현실 세계에 가상 객체들을 섞고 결합시켜서 제공하는 컴퓨터 그래픽 기술이다.The extended reality is a generic term for virtual reality (VR), augmented reality (AR), and mixed reality (MR). VR technology provides only CG images of objects or backgrounds in the real world, AR technology provides virtual CG images on top of images of real objects, and MR technology is a computer that mixes and combines virtual objects in the real world. graphic technology.

MR 기술은 현실 객체와 가상 객체를 함께 보여준다는 점에서 AR 기술과 유사하다. 그러나, AR 기술에서는 가상 객체가 현실 객체를 보완하는 형태로 사용되는 반면, MR 기술에서는 가상 객체와 현실 객체가 동등한 성격으로 사용된다는 점에서 차이점이 있다.MR technology is similar to AR technology in that it shows both real and virtual objects. However, there is a difference in that in AR technology, virtual objects are used in a form that complements real objects, whereas in MR technology, virtual objects and real objects are used with equal characteristics.

XR 기술은 HMD(Head-Mount Display), HUD(Head-Up Display), 휴대폰, 태블릿 PC, 랩탑, 데스크탑, TV, 디지털 사이니지 등에 적용될 수 있고, XR 기술이 적용된 장치를 XR 장치(XR Device)라 칭할 수 있다.XR technology can be applied to HMD (Head-Mount Display), HUD (Head-Up Display), mobile phone, tablet PC, laptop, desktop, TV, digital signage, etc. can be called

도 1은 본 개시의 일 실시 예에 따른 인공 지능 장치(100)를 나타낸다.1 shows an artificial intelligence device 100 according to an embodiment of the present disclosure.

AI 장치(100)는 TV, 프로젝터, 휴대폰, 스마트폰, 데스크탑 컴퓨터, 노트북, 디지털방송용 단말기, PDA(personal digital assistants), PMP(portable multimedia player), 네비게이션, 태블릿 PC, 웨어러블 장치, 셋톱박스(STB), DMB 수신기, 라디오, 세탁기, 냉장고, 데스크탑 컴퓨터, 디지털 사이니지, 로봇, 차량 등과 같은, 고정형 기기 또는 이동 가능한 기기 등으로 구현될 수 있다. AI device 100 is TV, projector, mobile phone, smartphone, desktop computer, notebook computer, digital broadcasting terminal, PDA (personal digital assistants), PMP (portable multimedia player), navigation, tablet PC, wearable device, set-top box (STB) ), a DMB receiver, a radio, a washing machine, a refrigerator, a desktop computer, a digital signage, a robot, a vehicle, etc., may be implemented as a fixed device or a movable device.

도 1을 참조하면, 단말기(100)는 통신부(110), 입력부(120), 러닝 프로세서(130), 센싱부(140), 출력부(150), 메모리(170) 및 프로세서(180) 등을 포함할 수 있다.Referring to FIG. 1 , the terminal 100 includes a communication unit 110 , an input unit 120 , a learning processor 130 , a sensing unit 140 , an output unit 150 , a memory 170 and a processor 180 , and the like. may include

통신부(110)는 유무선 통신 기술을 이용하여 다른 AI 장치(100a 내지 100e)나 AI 서버(200) 등의 외부 장치들과 데이터를 송수신할 수 있다. 예컨대, 통신부(110)는 외부 장치들과 센서 정보, 사용자 입력, 학습 모델, 제어 신호 등을 송수신할 수 있다.The communication unit 110 may transmit/receive data to and from external devices such as other AI devices 100a to 100e or the AI server 200 using wired/wireless communication technology. For example, the communication unit 110 may transmit/receive sensor information, a user input, a learning model, a control signal, and the like with external devices.

이때, 통신부(110)가 이용하는 통신 기술에는 GSM(Global System for Mobile communication), CDMA(Code Division Multi Access), LTE(Long Term Evolution), 5G, WLAN(Wireless LAN), Wi-Fi(Wireless-Fidelity), 블루투스(Bluetooth??), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), ZigBee, NFC(Near Field Communication) 등이 있다.At this time, the communication technology used by the communication unit 110 includes GSM (Global System for Mobile communication), CDMA (Code Division Multi Access), LTE (Long Term Evolution), 5G, WLAN (Wireless LAN), Wi-Fi (Wireless-Fidelity) ), Bluetooth??, RFID (Radio Frequency Identification), Infrared Data Association (IrDA), ZigBee, NFC (Near Field Communication), and the like.

입력부(120)는 다양한 종류의 데이터를 획득할 수 있다.The input unit 120 may acquire various types of data.

이때, 입력부(120)는 영상 신호 입력을 위한 카메라, 오디오 신호를 수신하기 위한 마이크로폰, 사용자로부터 정보를 입력 받기 위한 사용자 입력부 등을 포함할 수 있다. 여기서, 카메라나 마이크로폰을 센서로 취급하여, 카메라나 마이크로폰으로부터 획득한 신호를 센싱 데이터 또는 센서 정보라고 할 수도 있다.In this case, the input unit 120 may include a camera for inputting an image signal, a microphone for receiving an audio signal, a user input unit for receiving information from a user, and the like. Here, the camera or microphone may be treated as a sensor, and a signal obtained from the camera or microphone may be referred to as sensing data or sensor information.

입력부(120)는 모델 학습을 위한 학습 데이터 및 학습 모델을 이용하여 출력을 획득할 때 사용될 입력 데이터 등을 획득할 수 있다. 입력부(120)는 가공되지 않은 입력 데이터를 획득할 수도 있으며, 이 경우 프로세서(180) 또는 러닝 프로세서(130)는 입력 데이터에 대하여 전처리로써 입력 특징점(input feature)을 추출할 수 있다.The input unit 120 may acquire training data for model training and input data to be used when acquiring an output using the training model. The input unit 120 may acquire raw input data, and in this case, the processor 180 or the learning processor 130 may extract an input feature as a preprocessing for the input data.

러닝 프로세서(130)는 학습 데이터를 이용하여 인공 신경망으로 구성된 모델을 학습시킬 수 있다. 여기서, 학습된 인공 신경망을 학습 모델이라 칭할 수 있다. 학습 모델은 학습 데이터가 아닌 새로운 입력 데이터에 대하여 결과 값을 추론해 내는데 사용될 수 있고, 추론된 값은 어떠한 동작을 수행하기 위한 판단의 기초로 이용될 수 있다.The learning processor 130 may train a model composed of an artificial neural network by using the training data. Here, the learned artificial neural network may be referred to as a learning model. The learning model may be used to infer a result value with respect to new input data other than the training data, and the inferred value may be used as a basis for a decision to perform a certain operation.

이때, 러닝 프로세서(130)는 AI 서버(200)의 러닝 프로세서(240)과 함께 AI 프로세싱을 수행할 수 있다.In this case, the learning processor 130 may perform AI processing together with the learning processor 240 of the AI server 200 .

이때, 러닝 프로세서(130)는 AI 장치(100)에 통합되거나 구현된 메모리를 포함할 수 있다. 또는, 러닝 프로세서(130)는 메모리(170), AI 장치(100)에 직접 결합된 외부 메모리 또는 외부 장치에서 유지되는 메모리를 사용하여 구현될 수도 있다.In this case, the learning processor 130 may include a memory integrated or implemented in the AI device 100 . Alternatively, the learning processor 130 may be implemented using the memory 170 , an external memory directly coupled to the AI device 100 , or a memory maintained in an external device.

센싱부(140)는 다양한 센서들을 이용하여 AI 장치(100) 내부 정보, AI 장치(100)의 주변 환경 정보 및 사용자 정보 중 적어도 하나를 획득할 수 있다.The sensing unit 140 may acquire at least one of internal information of the AI device 100 , information on the surrounding environment of the AI device 100 , and user information by using various sensors.

이때, 센싱부(140)에 포함되는 센서에는 근접 센서, 조도 센서, 가속도 센서, 자기 센서, 자이로 센서, 관성 센서, RGB 센서, IR 센서, 지문 인식 센서, 초음파 센서, 광 센서, 마이크로폰, 라이다, 레이더 등이 있다.At this time, sensors included in the sensing unit 140 include a proximity sensor, an illuminance sensor, an acceleration sensor, a magnetic sensor, a gyro sensor, an inertial sensor, an RGB sensor, an IR sensor, a fingerprint recognition sensor, an ultrasonic sensor, an optical sensor, a microphone, and a lidar. , radar, etc.

출력부(150)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시킬 수 있다. The output unit 150 may generate an output related to visual, auditory or tactile sense.

이때, 출력부(150)에는 시각 정보를 출력하는 디스플레이부, 청각 정보를 출력하는 스피커, 촉각 정보를 출력하는 햅틱 모듈 등이 포함될 수 있다.In this case, the output unit 150 may include a display unit that outputs visual information, a speaker that outputs auditory information, and a haptic module that outputs tactile information.

메모리(170)는 AI 장치(100)의 다양한 기능을 지원하는 데이터를 저장할 수 있다. 예컨대, 메모리(170)는 입력부(120)에서 획득한 입력 데이터, 학습 데이터, 학습 모델, 학습 히스토리 등을 저장할 수 있다.The memory 170 may store data supporting various functions of the AI device 100 . For example, the memory 170 may store input data obtained from the input unit 120 , learning data, a learning model, a learning history, and the like.

프로세서(180)는 데이터 분석 알고리즘 또는 머신 러닝 알고리즘을 사용하여 결정되거나 생성된 정보에 기초하여, AI 장치(100)의 적어도 하나의 실행 가능한 동작을 결정할 수 있다. 그리고, 프로세서(180)는 AI 장치(100)의 구성 요소들을 제어하여 결정된 동작을 수행할 수 있다.The processor 180 may determine at least one executable operation of the AI device 100 based on information determined or generated using a data analysis algorithm or a machine learning algorithm. In addition, the processor 180 may control the components of the AI device 100 to perform the determined operation.

이를 위해, 프로세서(180)는 러닝 프로세서(130) 또는 메모리(170)의 데이터를 요청, 검색, 수신 또는 활용할 수 있고, 상기 적어도 하나의 실행 가능한 동작 중 예측되는 동작이나, 바람직한 것으로 판단되는 동작을 실행하도록 AI 장치(100)의 구성 요소들을 제어할 수 있다.To this end, the processor 180 may request, search, receive, or utilize the data of the learning processor 130 or the memory 170, and may perform a predicted operation or an operation determined to be desirable among the at least one executable operation. It is possible to control the components of the AI device 100 to execute.

이때, 프로세서(180)는 결정된 동작을 수행하기 위하여 외부 장치의 연계가 필요한 경우, 해당 외부 장치를 제어하기 위한 제어 신호를 생성하고, 생성한 제어 신호를 해당 외부 장치에 전송할 수 있다.In this case, when the connection of the external device is required to perform the determined operation, the processor 180 may generate a control signal for controlling the corresponding external device and transmit the generated control signal to the corresponding external device.

프로세서(180)는 사용자 입력에 대하여 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 사용자의 요구 사항을 결정할 수 있다.The processor 180 may obtain intention information with respect to a user input and determine a user's requirement based on the obtained intention information.

이때, 프로세서(180)는 음성 입력을 문자열로 변환하기 위한 STT(Speech To Text) 엔진 또는 자연어의 의도 정보를 획득하기 위한 자연어 처리(NLP: Natural Language Processing) 엔진 중에서 적어도 하나 이상을 이용하여, 사용자 입력에 상응하는 의도 정보를 획득할 수 있다. In this case, the processor 180 uses at least one of a speech to text (STT) engine for converting a voice input into a character string or a natural language processing (NLP) engine for obtaining intention information of a natural language. Intention information corresponding to the input may be obtained.

이때, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 적어도 일부가 머신 러닝 알고리즘에 따라 학습된 인공 신경망으로 구성될 수 있다. 그리고, STT 엔진 또는 NLP 엔진 중에서 적어도 하나 이상은 러닝 프로세서(130)에 의해 학습된 것이나, AI 서버(200)의 러닝 프로세서(240)에 의해 학습된 것이거나, 또는 이들의 분산 처리에 의해 학습된 것일 수 있다.At this time, at least one of the STT engine and the NLP engine may be configured as an artificial neural network, at least a part of which is learned according to a machine learning algorithm. And, at least one or more of the STT engine or the NLP engine is learned by the learning processor 130 , or learned by the learning processor 240 of the AI server 200 , or learned by distributed processing thereof. it could be

프로세서(180)는 AI 장치(100)의 동작 내용이나 동작에 대한 사용자의 피드백 등을 포함하는 이력 정보를 수집하여 메모리(170) 또는 러닝 프로세서(130)에 저장하거나, AI 서버(200) 등의 외부 장치에 전송할 수 있다. 수집된 이력 정보는 학습 모델을 갱신하는데 이용될 수 있다.The processor 180 collects history information including the user's feedback on the operation contents or operation of the AI device 100 and stores it in the memory 170 or the learning processor 130, or the AI server 200 It can be transmitted to an external device. The collected historical information may be used to update the learning model.

프로세서(180)는 메모리(170)에 저장된 응용 프로그램을 구동하기 위하여, AI 장치(100)의 구성 요소들 중 적어도 일부를 제어할 수 있다. 나아가, 프로세서(180)는 상기 응용 프로그램의 구동을 위하여, AI 장치(100)에 포함된 구성 요소들 중 둘 이상을 서로 조합하여 동작시킬 수 있다.The processor 180 may control at least some of the components of the AI device 100 in order to drive an application program stored in the memory 170 . Furthermore, in order to drive the application program, the processor 180 may operate two or more of the components included in the AI device 100 in combination with each other.

도 2는 본 개시의 일 실시 예에 따른 인공 지능 서버(200)를 나타낸다.2 shows an artificial intelligence server 200 according to an embodiment of the present disclosure.

도 2를 참조하면, AI 서버(200)는 머신 러닝 알고리즘을 이용하여 인공 신경망을 학습시키거나 학습된 인공 신경망을 이용하는 장치를 의미할 수 있다. 여기서, AI 서버(200)는 복수의 서버들로 구성되어 분산 처리를 수행할 수도 있고, 5G 네트워크로 정의될 수 있다. 이때, AI 서버(200)는 AI 장치(100)의 일부의 구성으로 포함되어, AI 프로세싱 중 적어도 일부를 함께 수행할 수도 있다.Referring to FIG. 2 , the AI server 200 may refer to a device that trains an artificial neural network using a machine learning algorithm or uses a learned artificial neural network. Here, the AI server 200 may be configured with a plurality of servers to perform distributed processing, and may be defined as a 5G network. In this case, the AI server 200 may be included as a part of the AI device 100 to perform at least a part of AI processing together.

AI 서버(200)는 통신부(210), 메모리(230), 러닝 프로세서(240) 및 프로세서(260) 등을 포함할 수 있다.The AI server 200 may include a communication unit 210 , a memory 230 , a learning processor 240 , and a processor 260 .

통신부(210)는 AI 장치(100) 등의 외부 장치와 데이터를 송수신할 수 있다.The communication unit 210 may transmit/receive data to and from an external device such as the AI device 100 .

메모리(230)는 모델 저장부(231)를 포함할 수 있다. 모델 저장부(231)는 러닝 프로세서(240)을 통하여 학습 중인 또는 학습된 모델(또는 인공 신경망, 231a)을 저장할 수 있다.The memory 230 may include a model storage unit 231 . The model storage unit 231 may store a model (or artificial neural network, 231a) being trained or learned through the learning processor 240 .

러닝 프로세서(240)는 학습 데이터를 이용하여 인공 신경망(231a)을 학습시킬 수 있다. 학습 모델은 인공 신경망의 AI 서버(200)에 탑재된 상태에서 이용되거나, AI 장치(100) 등의 외부 장치에 탑재되어 이용될 수도 있다.The learning processor 240 may train the artificial neural network 231a using the training data. The learning model may be used while being mounted on the AI server 200 of the artificial neural network, or may be used while being mounted on an external device such as the AI device 100 .

학습 모델은 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 조합으로 구현될 수 있다. 학습 모델의 일부 또는 전부가 소프트웨어로 구현되는 경우 학습 모델을 구성하는 하나 이상의 명령어(instruction)는 메모리(230)에 저장될 수 있다.The learning model may be implemented in hardware, software, or a combination of hardware and software. When a part or all of the learning model is implemented in software, one or more instructions constituting the learning model may be stored in the memory 230 .

프로세서(260)는 학습 모델을 이용하여 새로운 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수 있다.The processor 260 may infer a result value with respect to new input data using the learning model, and may generate a response or a control command based on the inferred result value.

도 3은 본 개시의 일 실시 예에 따른 인공 지능 시스템(1)을 나타낸다.3 shows an artificial intelligence system 1 according to an embodiment of the present disclosure.

도 3을 참조하면, AI 시스템(1)은 AI 서버(200), 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상이 클라우드 네트워크(10)와 연결된다. 여기서, AI 기술이 적용된 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 등을 AI 장치(100a 내지 100e)라 칭할 수 있다.Referring to FIG. 3 , the AI system 1 includes at least one of an AI server 200 , a robot 100a , an autonomous vehicle 100b , an XR device 100c , a smart phone 100d , or a home appliance 100e . It is connected to the cloud network 10 . Here, the robot 100a to which the AI technology is applied, the autonomous driving vehicle 100b, the XR device 100c, the smart phone 100d, or the home appliance 100e may be referred to as AI devices 100a to 100e.

클라우드 네트워크(10)는 클라우드 컴퓨팅 인프라의 일부를 구성하거나 클라우드 컴퓨팅 인프라 안에 존재하는 네트워크를 의미할 수 있다. 여기서, 클라우드 네트워크(10)는 3G 네트워크, 4G 또는 LTE(Long Term Evolution) 네트워크 또는 5G 네트워크 등을 이용하여 구성될 수 있다.The cloud network 10 may constitute a part of the cloud computing infrastructure or may refer to a network existing in the cloud computing infrastructure. Here, the cloud network 10 may be configured using a 3G network, a 4G or Long Term Evolution (LTE) network, or a 5G network.

즉, AI 시스템(1)을 구성하는 각 장치들(100a 내지 100e, 200)은 클라우드 네트워크(10)를 통해 서로 연결될 수 있다. 특히, 각 장치들(100a 내지 100e, 200)은 기지국을 통해서 서로 통신할 수도 있지만, 기지국을 통하지 않고 직접 서로 통신할 수도 있다.That is, each of the devices 100a to 100e and 200 constituting the AI system 1 may be connected to each other through the cloud network 10 . In particular, each of the devices 100a to 100e and 200 may communicate with each other through the base station, but may directly communicate with each other without passing through the base station.

AI 서버(200)는 AI 프로세싱을 수행하는 서버와 빅 데이터에 대한 연산을 수행하는 서버를 포함할 수 있다.The AI server 200 may include a server performing AI processing and a server performing an operation on big data.

AI 서버(200)는 AI 시스템(1)을 구성하는 AI 장치들인 로봇(100a), 자율 주행 차량(100b), XR 장치(100c), 스마트폰(100d) 또는 가전(100e) 중에서 적어도 하나 이상과 클라우드 네트워크(10)을 통하여 연결되고, 연결된 AI 장치들(100a 내지 100e)의 AI 프로세싱을 적어도 일부를 도울 수 있다.The AI server 200 includes at least one of the AI devices constituting the AI system 1, such as a robot 100a, an autonomous vehicle 100b, an XR device 100c, a smart phone 100d, or a home appliance 100e, and It is connected through the cloud network 10 and may help at least a part of AI processing of the connected AI devices 100a to 100e.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)를 대신하여 머신 러닝 알고리즘에 따라 인공 신경망을 학습시킬 수 있고, 학습 모델을 직접 저장하거나 AI 장치(100a 내지 100e)에 전송할 수 있다. In this case, the AI server 200 may train the artificial neural network according to a machine learning algorithm on behalf of the AI devices 100a to 100e, and directly store the learning model or transmit it to the AI devices 100a to 100e.

이때, AI 서버(200)는 AI 장치(100a 내지 100e)로부터 입력 데이터를 수신하고, 학습 모델을 이용하여 수신한 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성하여 AI 장치(100a 내지 100e)로 전송할 수 있다.At this time, the AI server 200 receives input data from the AI devices 100a to 100e, infers a result value with respect to the input data received using the learning model, and provides a response or control command based on the inferred result value. It can be generated and transmitted to the AI devices 100a to 100e.

또는, AI 장치(100a 내지 100e)는 직접 학습 모델을 이용하여 입력 데이터에 대하여 결과 값을 추론하고, 추론한 결과 값에 기초한 응답이나 제어 명령을 생성할 수도 있다.Alternatively, the AI devices 100a to 100e may infer a result value with respect to input data using a direct learning model, and generate a response or a control command based on the inferred result value.

이하에서는, 상술한 기술이 적용되는 AI 장치(100a 내지 100e)의 다양한 실시 예들을 설명한다. 여기서, 도 3에 도시된 AI 장치(100a 내지 100e)는 도 1에 도시된 AI 장치(100)의 구체적인 실시 예로 볼 수 있다.Hereinafter, various embodiments of the AI devices 100a to 100e to which the above-described technology is applied will be described. Here, the AI devices 100a to 100e shown in FIG. 3 can be viewed as specific examples of the AI device 100 shown in FIG. 1 .

<AI+로봇><AI+Robot>

로봇(100a)은 AI 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.The robot 100a may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, etc. to which AI technology is applied.

로봇(100a)은 동작을 제어하기 위한 로봇 제어 모듈을 포함할 수 있고, 로봇 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다.The robot 100a may include a robot control module for controlling an operation, and the robot control module may mean a software module or a chip implemented as hardware.

로봇(100a)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 로봇(100a)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 사용자 상호작용에 대한 응답을 결정하거나, 동작을 결정할 수 있다.The robot 100a obtains state information of the robot 100a by using sensor information obtained from various types of sensors, detects (recognizes) the surrounding environment and objects, generates map data, moves path and travels A plan may be determined, a response to a user interaction may be determined, or an action may be determined.

여기서, 로봇(100a)은 이동 경로 및 주행 계획을 결정하기 위하여, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.Here, the robot 100a may use sensor information obtained from at least one sensor among LiDAR, radar, and camera to determine a movement path and a travel plan.

로봇(100a)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 로봇(100a)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 동작을 결정할 수 있다. 여기서, 학습 모델은 로봇(100a)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The robot 100a may perform the above-described operations using a learning model composed of at least one artificial neural network. For example, the robot 100a may recognize a surrounding environment and an object using a learning model, and may determine an operation using the recognized surrounding environment information or object information. Here, the learning model may be directly learned from the robot 100a or learned from an external device such as the AI server 200 .

이때, 로봇(100a)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.At this time, the robot 100a may perform an operation by generating a result by using the direct learning model, but transmits sensor information to an external device such as the AI server 200 and receives the result generated accordingly to perform the operation You may.

로봇(100a)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 로봇(100a)을 주행시킬 수 있다. The robot 100a determines a movement path and travel plan using at least one of map data, object information detected from sensor information, or object information obtained from an external device, and controls the driving unit to apply the determined movement path and travel plan. Accordingly, the robot 100a may be driven.

맵 데이터에는 로봇(100a)이 이동하는 공간에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 벽, 문 등의 고정 객체들과 화분, 책상 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.The map data may include object identification information for various objects disposed in a space in which the robot 100a moves. For example, the map data may include object identification information for fixed objects such as walls and doors and movable objects such as flowerpots and desks. In addition, the object identification information may include a name, a type, a distance, a location, and the like.

또한, 로봇(100a)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 로봇(100a)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.In addition, the robot 100a may perform an operation or drive by controlling the driving unit based on the user's control/interaction. In this case, the robot 100a may acquire intention information of an interaction according to a user's motion or voice utterance, determine a response based on the acquired intention information, and perform the operation.

<AI+자율주행><AI + Autonomous Driving>

자율 주행 차량(100b)은 AI 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The autonomous driving vehicle 100b may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying AI technology.

자율 주행 차량(100b)은 자율 주행 기능을 제어하기 위한 자율 주행 제어 모듈을 포함할 수 있고, 자율 주행 제어 모듈은 소프트웨어 모듈 또는 이를 하드웨어로 구현한 칩을 의미할 수 있다. 자율 주행 제어 모듈은 자율 주행 차량(100b)의 구성으로써 내부에 포함될 수도 있지만, 자율 주행 차량(100b)의 외부에 별도의 하드웨어로 구성되어 연결될 수도 있다.The autonomous driving vehicle 100b may include an autonomous driving control module for controlling an autonomous driving function, and the autonomous driving control module may refer to a software module or a chip implemented by hardware. The autonomous driving control module may be included as a component of the autonomous driving vehicle 100b, or may be configured and connected to the outside of the autonomous driving vehicle 100b as separate hardware.

자율 주행 차량(100b)은 다양한 종류의 센서들로부터 획득한 센서 정보를 이용하여 자율 주행 차량(100b)의 상태 정보를 획득하거나, 주변 환경 및 객체를 검출(인식)하거나, 맵 데이터를 생성하거나, 이동 경로 및 주행 계획을 결정하거나, 동작을 결정할 수 있다. The autonomous driving vehicle 100b acquires state information of the autonomous driving vehicle 100b using sensor information obtained from various types of sensors, detects (recognizes) surrounding environments and objects, generates map data, A moving route and a driving plan may be determined, or an operation may be determined.

여기서, 자율 주행 차량(100b)은 이동 경로 및 주행 계획을 결정하기 위하여, 로봇(100a)과 마찬가지로, 라이다, 레이더, 카메라 중에서 적어도 하나 이상의 센서에서 획득한 센서 정보를 이용할 수 있다.Here, the autonomous vehicle 100b may use sensor information obtained from at least one sensor among LiDAR, radar, and camera, similarly to the robot 100a, in order to determine a moving route and a driving plan.

특히, 자율 주행 차량(100b)은 시야가 가려지는 영역이나 일정 거리 이상의 영역에 대한 환경이나 객체는 외부 장치들로부터 센서 정보를 수신하여 인식하거나, 외부 장치들로부터 직접 인식된 정보를 수신할 수 있다.In particular, the autonomous vehicle 100b may receive sensor information from external devices to recognize an environment or object for an area where the field of view is blocked or an area over a certain distance, or receive information recognized directly from external devices. .

자율 주행 차량(100b)은 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, 자율 주행 차량(100b)은 학습 모델을 이용하여 주변 환경 및 객체를 인식할 수 있고, 인식된 주변 환경 정보 또는 객체 정보를 이용하여 주행 동선을 결정할 수 있다. 여기서, 학습 모델은 자율 주행 차량(100b)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The autonomous vehicle 100b may perform the above-described operations using a learning model composed of at least one artificial neural network. For example, the autonomous driving vehicle 100b may recognize a surrounding environment and an object using a learning model, and may determine a driving route using the recognized surrounding environment information or object information. Here, the learning model may be directly learned from the autonomous vehicle 100b or learned from an external device such as the AI server 200 .

이때, 자율 주행 차량(100b)은 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.In this case, the autonomous driving vehicle 100b may perform an operation by generating a result using a direct learning model, but operates by transmitting sensor information to an external device such as the AI server 200 and receiving the result generated accordingly. can also be performed.

자율 주행 차량(100b)은 맵 데이터, 센서 정보로부터 검출한 객체 정보 또는 외부 장치로부터 획득한 객체 정보 중에서 적어도 하나 이상을 이용하여 이동 경로와 주행 계획을 결정하고, 구동부를 제어하여 결정된 이동 경로와 주행 계획에 따라 자율 주행 차량(100b)을 주행시킬 수 있다.The autonomous driving vehicle 100b determines a moving path and a driving plan by using at least one of map data, object information detected from sensor information, or object information acquired from an external device, and controls the driving unit to determine the moving path and driving. The autonomous vehicle 100b may be driven according to a plan.

맵 데이터에는 자율 주행 차량(100b)이 주행하는 공간(예컨대, 도로)에 배치된 다양한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 예컨대, 맵 데이터에는 가로등, 바위, 건물 등의 고정 객체들과 차량, 보행자 등의 이동 가능한 객체들에 대한 객체 식별 정보가 포함될 수 있다. 그리고, 객체 식별 정보에는 명칭, 종류, 거리, 위치 등이 포함될 수 있다.The map data may include object identification information for various objects disposed in a space (eg, a road) in which the autonomous vehicle 100b travels. For example, the map data may include object identification information for fixed objects such as street lights, rocks, and buildings, and movable objects such as vehicles and pedestrians. In addition, the object identification information may include a name, a type, a distance, a location, and the like.

또한, 자율 주행 차량(100b)은 사용자의 제어/상호작용에 기초하여 구동부를 제어함으로써, 동작을 수행하거나 주행할 수 있다. 이때, 자율 주행 차량(100b)은 사용자의 동작이나 음성 발화에 따른 상호작용의 의도 정보를 획득하고, 획득한 의도 정보에 기초하여 응답을 결정하여 동작을 수행할 수 있다.Also, the autonomous vehicle 100b may perform an operation or drive by controlling the driving unit based on the user's control/interaction. In this case, the autonomous vehicle 100b may acquire intention information of an interaction according to a user's motion or voice utterance, determine a response based on the obtained intention information, and perform the operation.

<AI+XR><AI+XR>

XR 장치(100c)는 AI 기술이 적용되어, HMD(Head-Mount Display), 차량에 구비된 HUD(Head-Up Display), 텔레비전, 휴대폰, 스마트 폰, 컴퓨터, 웨어러블 디바이스, 가전 기기, 디지털 사이니지, 차량, 고정형 로봇이나 이동형 로봇 등으로 구현될 수 있다.The XR apparatus 100c is AI technology applied, so a head-mount display (HMD), a head-up display (HUD) provided in a vehicle, a television, a mobile phone, a smart phone, a computer, a wearable device, a home appliance, a digital signage , a vehicle, a stationary robot, or a mobile robot.

XR 장치(100c)는 다양한 센서들을 통해 또는 외부 장치로부터 획득한 3차원 포인트 클라우드 데이터 또는 이미지 데이터를 분석하여 3차원 포인트들에 대한 위치 데이터 및 속성 데이터를 생성함으로써 주변 공간 또는 현실 객체에 대한 정보를 획득하고, 출력할 XR 객체를 렌더링하여 출력할 수 있다. 예컨대, XR 장치(100c)는 인식된 물체에 대한 추가 정보를 포함하는 XR 객체를 해당 인식된 물체에 대응시켜 출력할 수 있다.The XR device 100c analyzes three-dimensional point cloud data or image data obtained through various sensors or from an external device to generate position data and attribute data for three-dimensional points, thereby providing information on surrounding space or real objects. It can be obtained and output by rendering the XR object to be output. For example, the XR apparatus 100c may output an XR object including additional information on the recognized object to correspond to the recognized object.

XR 장치(100c)는 적어도 하나 이상의 인공 신경망으로 구성된 학습 모델을 이용하여 상기한 동작들을 수행할 수 있다. 예컨대, XR 장치(100c)는 학습 모델을 이용하여 3차원 포인트 클라우드 데이터 또는 이미지 데이터에서 현실 객체를 인식할 수 있고, 인식한 현실 객체에 상응하는 정보를 제공할 수 있다. 여기서, 학습 모델은 XR 장치(100c)에서 직접 학습되거나, AI 서버(200) 등의 외부 장치에서 학습된 것일 수 있다. The XR apparatus 100c may perform the above operations by using a learning model composed of at least one artificial neural network. For example, the XR device 100c may recognize a real object from 3D point cloud data or image data using a learning model, and may provide information corresponding to the recognized real object. Here, the learning model may be directly learned from the XR device 100c or learned from an external device such as the AI server 200 .

이때, XR 장치(100c)는 직접 학습 모델을 이용하여 결과를 생성하여 동작을 수행할 수도 있지만, AI 서버(200) 등의 외부 장치에 센서 정보를 전송하고 그에 따라 생성된 결과를 수신하여 동작을 수행할 수도 있다.In this case, the XR device 100c may perform an operation by generating a result using the direct learning model, but transmits sensor information to an external device such as the AI server 200 and receives the result generated accordingly to perform the operation. can also be done

<AI+로봇+자율주행><AI+Robot+Autonomous Driving>

로봇(100a)은 AI 기술 및 자율 주행 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇 등으로 구현될 수 있다.The robot 100a may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, etc. to which AI technology and autonomous driving technology are applied.

AI 기술과 자율 주행 기술이 적용된 로봇(100a)은 자율 주행 기능을 가진 로봇 자체나, 자율 주행 차량(100b)과 상호작용하는 로봇(100a) 등을 의미할 수 있다. The robot 100a to which AI technology and autonomous driving technology are applied may mean a robot having an autonomous driving function or a robot 100a that interacts with the autonomous driving vehicle 100b.

자율 주행 기능을 가진 로봇(100a)은 사용자의 제어 없이도 주어진 동선에 따라 스스로 움직이거나, 동선을 스스로 결정하여 움직이는 장치들을 통칭할 수 있다.The robot 100a having an autonomous driving function may collectively refer to devices that move by themselves according to a given movement line without user's control, or move by determining a movement line by themselves.

자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 이동 경로 또는 주행 계획 중 하나 이상을 결정하기 위해 공통적인 센싱 방법을 사용할 수 있다. 예를 들어, 자율 주행 기능을 가진 로봇(100a) 및 자율 주행 차량(100b)은 라이다, 레이더, 카메라를 통해 센싱된 정보를 이용하여, 이동 경로 또는 주행 계획 중 하나 이상을 결정할 수 있다.The robot 100a with the autonomous driving function and the autonomous driving vehicle 100b may use a common sensing method to determine one or more of a moving route or a driving plan. For example, the robot 100a having an autonomous driving function and the autonomous driving vehicle 100b may determine one or more of a moving route or a driving plan by using information sensed through lidar, radar, and camera.

자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)과 별개로 존재하면서, 자율 주행 차량(100b)의 내부에서 자율 주행 기능에 연계되거나, 자율 주행 차량(100b)에 탑승한 사용자와 연계된 동작을 수행할 수 있다.The robot 100a interacting with the autonomous driving vehicle 100b exists separately from the autonomous driving vehicle 100b and is linked to an autonomous driving function inside the autonomous driving vehicle 100b or connected to the autonomous driving vehicle 100b. It is possible to perform an operation associated with the user on board.

이때, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)을 대신하여 센서 정보를 획득하여 자율 주행 차량(100b)에 제공하거나, 센서 정보를 획득하고 주변 환경 정보 또는 객체 정보를 생성하여 자율 주행 차량(100b)에 제공함으로써, 자율 주행 차량(100b)의 자율 주행 기능을 제어하거나 보조할 수 있다.At this time, the robot 100a interacting with the autonomous driving vehicle 100b acquires sensor information on behalf of the autonomous driving vehicle 100b and provides it to the autonomous driving vehicle 100b, or obtains sensor information and obtains information about the surrounding environment or By generating object information and providing it to the autonomous driving vehicle 100b, the autonomous driving function of the autonomous driving vehicle 100b may be controlled or supported.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)에 탑승한 사용자를 모니터링하거나 사용자와의 상호작용을 통해 자율 주행 차량(100b)의 기능을 제어할 수 있다. 예컨대, 로봇(100a)은 운전자가 졸음 상태인 경우로 판단되는 경우, 자율 주행 차량(100b)의 자율 주행 기능을 활성화하거나 자율 주행 차량(100b)의 구동부의 제어를 보조할 수 있다. 여기서, 로봇(100a)이 제어하는 자율 주행 차량(100b)의 기능에는 단순히 자율 주행 기능뿐만 아니라, 자율 주행 차량(100b)의 내부에 구비된 네비게이션 시스템이나 오디오 시스템에서 제공하는 기능도 포함될 수 있다.Alternatively, the robot 100a interacting with the autonomous driving vehicle 100b may monitor a user riding in the autonomous driving vehicle 100b or control a function of the autonomous driving vehicle 100b through interaction with the user. . For example, when it is determined that the driver is in a drowsy state, the robot 100a may activate an autonomous driving function of the autonomous driving vehicle 100b or assist in controlling a driving unit of the autonomous driving vehicle 100b. Here, the function of the autonomous driving vehicle 100b controlled by the robot 100a may include not only an autonomous driving function, but also a function provided by a navigation system or an audio system provided in the autonomous driving vehicle 100b.

또는, 자율 주행 차량(100b)과 상호작용하는 로봇(100a)은 자율 주행 차량(100b)의 외부에서 자율 주행 차량(100b)에 정보를 제공하거나 기능을 보조할 수 있다. 예컨대, 로봇(100a)은 스마트 신호등과 같이 자율 주행 차량(100b)에 신호 정보 등을 포함하는 교통 정보를 제공할 수도 있고, 전기 차량의 자동 전기 충전기와 같이 자율 주행 차량(100b)과 상호작용하여 충전구에 전기 충전기를 자동으로 연결할 수도 있다.Alternatively, the robot 100a interacting with the autonomous driving vehicle 100b may provide information or assist a function to the autonomous driving vehicle 100b from the outside of the autonomous driving vehicle 100b. For example, the robot 100a may provide traffic information including signal information to the autonomous vehicle 100b, such as a smart traffic light, or interact with the autonomous vehicle 100b, such as an automatic electric charger for an electric vehicle. You can also automatically connect an electric charger to the charging port.

<AI+로봇+XR><AI+Robot+XR>

로봇(100a)은 AI 기술 및 XR 기술이 적용되어, 안내 로봇, 운반 로봇, 청소 로봇, 웨어러블 로봇, 엔터테인먼트 로봇, 펫 로봇, 무인 비행 로봇, 드론 등으로 구현될 수 있다. The robot 100a may be implemented as a guide robot, a transport robot, a cleaning robot, a wearable robot, an entertainment robot, a pet robot, an unmanned flying robot, a drone, etc. to which AI technology and XR technology are applied.

XR 기술이 적용된 로봇(100a)은 XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇을 의미할 수 있다. 이 경우, 로봇(100a)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The robot 100a to which the XR technology is applied may mean a robot that is a target of control/interaction within an XR image. In this case, the robot 100a is distinguished from the XR device 100c and may be interlocked with each other.

XR 영상 내에서의 제어/상호작용의 대상이 되는 로봇(100a)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 로봇(100a) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 로봇(100a)은 XR 장치(100c)를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다. When the robot 100a, which is the target of control/interaction within the XR image, obtains sensor information from sensors including a camera, the robot 100a or the XR device 100c generates an XR image based on the sensor information. and the XR apparatus 100c may output the generated XR image. In addition, the robot 100a may operate based on a control signal input through the XR device 100c or a user's interaction.

예컨대, 사용자는 XR 장치(100c) 등의 외부 장치를 통해 원격으로 연동된 로봇(100a)의 시점에 상응하는 XR 영상을 확인할 수 있고, 상호작용을 통하여 로봇(100a)의 자율 주행 경로를 조정하거나, 동작 또는 주행을 제어하거나, 주변 객체의 정보를 확인할 수 있다.For example, the user can check the XR image corresponding to the viewpoint of the remotely linked robot 100a through an external device such as the XR device 100c, and adjust the autonomous driving path of the robot 100a through interaction or , control motion or driving, or check information of surrounding objects.

<AI+자율주행+XR><AI+Autonomous Driving+XR>

자율 주행 차량(100b)은 AI 기술 및 XR 기술이 적용되어, 이동형 로봇, 차량, 무인 비행체 등으로 구현될 수 있다. The autonomous vehicle 100b may be implemented as a mobile robot, a vehicle, an unmanned aerial vehicle, etc. by applying AI technology and XR technology.

XR 기술이 적용된 자율 주행 차량(100b)은 XR 영상을 제공하는 수단을 구비한 자율 주행 차량이나, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량 등을 의미할 수 있다. 특히, XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 XR 장치(100c)와 구분되며 서로 연동될 수 있다.The autonomous driving vehicle 100b to which the XR technology is applied may mean an autonomous driving vehicle equipped with a means for providing an XR image or an autonomous driving vehicle subject to control/interaction within the XR image. In particular, the autonomous driving vehicle 100b, which is the target of control/interaction in the XR image, is distinguished from the XR device 100c and may be interlocked with each other.

XR 영상을 제공하는 수단을 구비한 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하고, 획득한 센서 정보에 기초하여 생성된 XR 영상을 출력할 수 있다. 예컨대, 자율 주행 차량(100b)은 HUD를 구비하여 XR 영상을 출력함으로써, 탑승자에게 현실 객체 또는 화면 속의 객체에 대응되는 XR 객체를 제공할 수 있다.The autonomous driving vehicle 100b having means for providing an XR image may obtain sensor information from sensors including a camera, and output an XR image generated based on the acquired sensor information. For example, the autonomous vehicle 100b may provide an XR object corresponding to a real object or an object in the screen to the occupant by outputting an XR image with a HUD.

이때, XR 객체가 HUD에 출력되는 경우에는 XR 객체의 적어도 일부가 탑승자의 시선이 향하는 실제 객체에 오버랩되도록 출력될 수 있다. 반면, XR 객체가 자율 주행 차량(100b)의 내부에 구비되는 디스플레이에 출력되는 경우에는 XR 객체의 적어도 일부가 화면 속의 객체에 오버랩되도록 출력될 수 있다. 예컨대, 자율 주행 차량(100b)은 차로, 타 차량, 신호등, 교통 표지판, 이륜차, 보행자, 건물 등과 같은 객체와 대응되는 XR 객체들을 출력할 수 있다.In this case, when the XR object is output to the HUD, at least a portion of the XR object may be output to overlap the actual object to which the passenger's gaze is directed. On the other hand, when the XR object is output to a display provided inside the autonomous driving vehicle 100b, at least a portion of the XR object may be output to overlap the object in the screen. For example, the autonomous vehicle 100b may output XR objects corresponding to objects such as a lane, other vehicles, traffic lights, traffic signs, two-wheeled vehicles, pedestrians, and buildings.

XR 영상 내에서의 제어/상호작용의 대상이 되는 자율 주행 차량(100b)은 카메라를 포함하는 센서들로부터 센서 정보를 획득하면, 자율 주행 차량(100b) 또는 XR 장치(100c)는 센서 정보에 기초한 XR 영상을 생성하고, XR 장치(100c)는 생성된 XR 영상을 출력할 수 있다. 그리고, 이러한 자율 주행 차량(100b)은 XR 장치(100c) 등의 외부 장치를 통해 입력되는 제어 신호 또는 사용자의 상호작용에 기초하여 동작할 수 있다.When the autonomous driving vehicle 100b, which is the subject of control/interaction in the XR image, acquires sensor information from sensors including a camera, the autonomous driving vehicle 100b or the XR device 100c performs An XR image is generated, and the XR apparatus 100c may output the generated XR image. In addition, the autonomous vehicle 100b may operate based on a control signal input through an external device such as the XR device 100c or a user's interaction.

도 4는 본 개시의 일 실시 예에 따른 AI 장치(100)를 나타낸다.4 shows an AI device 100 according to an embodiment of the present disclosure.

도 1과 중복되는 설명은 생략한다.A description overlapping with FIG. 1 will be omitted.

본 개시에서, 인공 지능 장치(100)는 엣지 디바이스(edge device)를 포함한다.In the present disclosure, the artificial intelligence apparatus 100 includes an edge device.

도 4를 참조하면, 입력부(120)는 영상 신호 입력을 위한 카메라(Camera, 121), 오디오 신호를 수신하기 위한 마이크로폰(Microphone, 122), 사용자로부터 정보를 입력 받기 위한 사용자 입력부(User Input Unit, 123)를 포함할 수 있다. Referring to FIG. 4 , the input unit 120 includes a camera 121 for inputting an image signal, a microphone 122 for receiving an audio signal, and a user input unit for receiving information from a user. 123) may be included.

입력부(120)에서 수집한 음성 데이터나 이미지 데이터는 분석되어 사용자의 제어 명령으로 처리될 수 있다.The voice data or image data collected by the input unit 120 may be analyzed and processed as a user's control command.

입력부(120)는 영상 정보(또는 신호), 오디오 정보(또는 신호), 데이터, 또는 사용자로부터 입력되는 정보의 입력을 위한 것으로서, 영상 정보의 입력을 위하여, AI 장치(100)는 하나 또는 복수의 카메라(121)들을 구비할 수 있다.The input unit 120 is for inputting image information (or signal), audio information (or signal), data, or information input from a user. For input of image information, the AI device 100 may include one or more Cameras 121 may be provided.

카메라(121)는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 디스플레이부(Display Unit, 151)에 표시되거나 메모리(170)에 저장될 수 있다.The camera 121 processes an image frame such as a still image or a moving image obtained by an image sensor in a video call mode or a photographing mode. The processed image frame may be displayed on the display unit 151 or stored in the memory 170 .

마이크로폰(122)은 외부의 음향 신호를 전기적인 음성 데이터로 처리한다. 처리된 음성 데이터는 AI 장치(100)에서 수행 중인 기능(또는 실행 중인 응용 프로그램)에 따라 다양하게 활용될 수 있다. 한편, 마이크로폰(122)에는 외부의 음향 신호를 입력 받는 과정에서 발생되는 잡음(noise)을 제거하기 위한 다양한 잡음 제거 알고리즘이 적용될 수 있다.The microphone 122 processes an external sound signal as electrical voice data. The processed voice data may be utilized in various ways according to a function (or a running application program) being performed by the AI device 100 . Meanwhile, various noise removal algorithms for removing noise generated in the process of receiving an external sound signal may be applied to the microphone 122 .

사용자 입력부(123)는 사용자로부터 정보를 입력 받기 위한 것으로서, 사용자 입력부(123)를 통해 정보가 입력되면, 프로세서(180)는 입력된 정보에 대응되도록 AI 장치(100)의 동작을 제어할 수 있다. The user input unit 123 is for receiving information from a user, and when information is input through the user input unit 123 , the processor 180 may control the operation of the AI device 100 to correspond to the input information. .

사용자 입력부(123)는 기계식 (mechanical) 입력수단(또는, 메커니컬 키, 예컨대, AI 장치(100)의 전/후면 또는 측면에 위치하는 버튼, 돔 스위치 (dome switch), 조그 휠, 조그 스위치 등) 및 터치식 입력수단을 포함할 수 있다. 일 예로서, 터치식 입력수단은, 소프트웨어적인 처리를 통해 터치스크린에 표시되는 가상 키(virtual key), 소프트 키(soft key) 또는 비주얼 키(visual key)로 이루어지거나, 상기 터치스크린 이외의 부분에 배치되는 터치 키(touch key)로 이루어질 수 있다.The user input unit 123 is a mechanical input means (or a mechanical key, for example, a button located on the front/rear or side of the AI device 100, a dome switch, a jog wheel, a jog switch, etc.) and a touch input means. As an example, the touch input means consists of a virtual key, a soft key, or a visual key displayed on the touch screen through software processing, or a part other than the touch screen. It may be made of a touch key (touch key) disposed on the.

센싱부(140)는 센서부라고 칭할 수 있다.The sensing unit 140 may be referred to as a sensor unit.

출력부(150)는 디스플레이부(Display Unit, 151), 음향 출력부(Sound Output Unit, 152), 햅틱 모듈(Haptic Module, 153), 광 출력부(Optical Output Unit, 154) 중 적어도 하나를 포함할 수 있다. The output unit 150 includes at least one of a display unit 151, a sound output unit 152, a haptic module 153, and an optical output unit 154. can do.

디스플레이부(151)는 AI 장치(100)에서 처리되는 정보를 표시(출력)한다. 예컨대, 디스플레이부(151)는 AI 장치(100)에서 구동되는 응용 프로그램의 실행화면 정보, 또는 이러한 실행화면 정보에 따른 UI(User Interface), GUI(Graphic User Interface) 정보를 표시할 수 있다. The display unit 151 displays (outputs) information processed by the AI device 100 . For example, the display unit 151 may display execution screen information of an application program driven by the AI device 100 , or user interface (UI) and graphic user interface (GUI) information according to the execution screen information.

디스플레이부(151)는 터치 센서와 상호 레이어 구조를 이루거나 일체형으로 형성됨으로써, 터치 스크린을 구현할 수 있다. 이러한 터치 스크린은, AI 장치(100)와 사용자 사이의 입력 인터페이스를 제공하는 사용자 입력부(123)로써 기능함과 동시에, 단말기(100)와 사용자 사이의 출력 인터페이스를 제공할 수 있다.The display unit 151 may implement a touch screen by forming a layer structure with the touch sensor or being formed integrally with the touch sensor. Such a touch screen may function as the user input unit 123 providing an input interface between the AI device 100 and the user, and may provide an output interface between the terminal 100 and the user.

음향 출력부(152)는 호신호 수신, 통화모드 또는 녹음 모드, 음성인식 모드, 방송수신 모드 등에서 통신부(110)로부터 수신되거나 메모리(170)에 저장된 오디오 데이터를 출력할 수 있다. The sound output unit 152 may output audio data received from the communication unit 110 or stored in the memory 170 in a call signal reception, a call mode or a recording mode, a voice recognition mode, a broadcast reception mode, and the like.

음향 출력부(152)는 리시버(receiver), 스피커(speaker), 버저(buzzer) 중 적어도 하나 이상을 포함할 수 있다.The sound output unit 152 may include at least one of a receiver, a speaker, and a buzzer.

햅틱 모듈(haptic module)(153)은 사용자가 느낄 수 있는 다양한 촉각 효과를 발생시킨다. 햅틱 모듈(153)이 발생시키는 촉각 효과의 대표적인 예로는 진동이 될 수 있다.The haptic module 153 generates various tactile effects that the user can feel. A representative example of the tactile effect generated by the haptic module 153 may be vibration.

광출력부(154)는 AI 장치(100)의 광원의 빛을 이용하여 이벤트 발생을 알리기 위한 신호를 출력한다. AI 장치(100)에서 발생 되는 이벤트의 예로는 메시지 수신, 호 신호 수신, 부재중 전화, 알람, 일정 알림, 이메일 수신, 애플리케이션을 통한 정보 수신 등이 될 수 있다.The light output unit 154 outputs a signal for notifying the occurrence of an event by using the light of the light source of the AI device 100 . Examples of the event generated by the AI device 100 may be message reception, call signal reception, missed call, alarm, schedule notification, email reception, information reception through an application, and the like.

도 5는 음성 인식 과정을 나타낸다.5 shows a speech recognition process.

도 5는 본 개시의 음성 인식 과정을 나타낸 도면이다.5 is a diagram illustrating a voice recognition process of the present disclosure.

본 개시의 인공 지능 장치(100)의 입력부(120)은 사용자의 발화에 상응하는 음성 데이터를 수신할 수 있다. 프로세서(180)는 입력부(120)에서 수신된 음성 데이터를 이용하여 음성 데이터의 끝점을 도출할 수 있다.The input unit 120 of the artificial intelligence device 100 of the present disclosure may receive voice data corresponding to the user's utterance. The processor 180 may derive an endpoint of the voice data by using the voice data received from the input unit 120 .

구체적으로 본 개시의 인공 지능 장치(100)는 상기 음성 인식 결과를 도출하기 위하여 선행되어야 할 작업인 음성 데이터의 끝점을 검출(End point detection)을 수행할 수 있다. 상기 끝점 검출은 인공 지능 장치(100)의 프로세서(180)에 의하여 수행될 수 있다. 또한 인공 지능 장치(100)의 프로세서(180)는 음성 인식 모델(500)을 포함할 수 있다.Specifically, the artificial intelligence apparatus 100 of the present disclosure may perform end point detection of voice data, which is a task to be preceded in order to derive the voice recognition result. The endpoint detection may be performed by the processor 180 of the artificial intelligence device 100 . Also, the processor 180 of the artificial intelligence device 100 may include a voice recognition model 500 .

본 개시의 인공 지능 장치(100)는 사용자가 발화한 음성 신호에 상응하는 음성 데이터가 입력되면 음성의 시작과 음성의 종료를 판단할 수 있다. 이때, 음성 인식 모델(500)의 음성 끝점 검출기(540)는 수신된 음성 데이터의 음성의 시작점(Initial point)과 음성 데이터의 종료 지점을 판단할 수 있다. When voice data corresponding to a voice signal uttered by a user is input, the artificial intelligence device 100 of the present disclosure may determine the start of the voice and the end of the voice. In this case, the voice endpoint detector 540 of the voice recognition model 500 may determine an initial point of the received voice data and an end point of the voice data.

구체적으로 음성 끝점 검출기(540)는 음성이 존재하는 부분을 추출할 수 있다. 또한, 음성이 입력되는 순간부터 음성의 입력이 종료될 때까지 실시간으로 음성을 추출할 수 있다. 이때, 끝점 검출기(540)가 사용하는 알고리즘은 Rabiner와 Sambur의 알고리즘을 포함할 수 있다. 또한 영교차율(ZCR; zero-crossing rate)과 구간 에너지 (frame energy)를 사용하여 시간 영역에서 간단하고 빠르게 음성을 검출 할 수 있다.Specifically, the voice endpoint detector 540 may extract a portion in which a voice exists. Also, it is possible to extract a voice in real time from the moment the voice is input until the voice input is finished. In this case, the algorithm used by the endpoint detector 540 may include Rabiner's and Sambur's algorithms. In addition, by using the zero-crossing rate (ZCR) and frame energy, it is possible to simply and quickly detect speech in the time domain.

인공 지능 장치(100)의 프로세서(180)는 음성 데이터 수신의 종료를 감지하면, 음성 데이터 수신의 종료로부터 기 설정된 시간 이후를 끝점(endpoint)로 설정할 수 있다. When the processor 180 of the artificial intelligence device 100 detects the end of the voice data reception, it may set a preset time after the end of the voice data reception as an endpoint.

음성 데이터의 끝점이 결정된 뒤, 인공 지능 장치(100)에 끝점 이전의 음성 데이터가 입력되면, 프로세서(180)는 입력된 음성 데이터를 전처리하여 음성 데이터의 특징을 추출할 수 있다. 이때, 특징을 추출하기 위한 방법으로 12차 멜-켑스트럼(MFCC), 로그에너지, 이에 대한 1차, 2차 미분계수 알고리즘이 사용될 수 있다.After the endpoint of the voice data is determined, when voice data before the endpoint is input to the artificial intelligence device 100 , the processor 180 may pre-process the input voice data to extract features of the voice data. In this case, as a method for extracting features, 12th-order Mel-Kepstrom (MFCC), log energy, and first and second differential coefficient algorithms may be used.

프로세서(180)는 전처리된 데이터를 이용하여 수신된 음성 데이터의 끝점을 도출하고, 끝점 이전의 음성 데이터를 음성적인 특성을 모델링하여 비교하는 음향모델과(Acoustic Model) 인식어휘에 해당하는 단어나 음절 등의 언어적인 순서 관계를 모델링하는 언어모델(Language Model)에 입력하여 상기 언어 모델이 출력한 변환 텍스트를 보정 텍스트로 보정하는 과정을 거치면 최종 음성 인식 결과를 도출할 수 있다.The processor 180 derives an endpoint of the received voice data using the pre-processed data, and an acoustic model that models and compares the voice data before the endpoint with a voice characteristic and a word or syllable corresponding to a recognized vocabulary The final speech recognition result can be derived by inputting into a language model that models a linguistic order relationship, such as, and correcting the converted text output by the language model with the corrected text.

도 6은 본 개시의 흐름도를 나타낸다.6 shows a flowchart of the present disclosure.

도 6은 본 개시의 끝점 검출 및 조정을 위한 흐름도를 나타낸다. 먼저 인공 지능 장치(100)의 입력부(120)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다(S610). 이때, 입력부(120)는 마이크로폰을 포함할 수 있으며, 입력부(120)는 적어도 하나 이상의 센서로 구현될 수 있다. 6 shows a flowchart for endpoint detection and adjustment of the present disclosure. First, the input unit 120 of the artificial intelligence device 100 may receive voice data corresponding to the user's utterance (S610). In this case, the input unit 120 may include a microphone, and the input unit 120 may be implemented as at least one or more sensors.

인공 지능 장치(100)의 프로세서(180)는 입력부(120)에서 수신한 음성 데이터의 특징 데이터를 추출할 수 있다. 구체적으로 특징 데이터의 추출은 음성 데이터의 잡음을 제거하는 전처리 과정을 포함할 수 있다. 이때 잡음은 신호처리에서 사용하는 필터를 이용하여 제거될 수 있다. 인공 지능 장치(100)의 프로세서(180)는 입력된 음성 데이터의 노이즈 및 배경 소리로부터 실제 유효한 소리의 특징을 추출할 수 있다. 예를 들어 MFCC 또는 HMM Classifier를 이용한 Linear Prediction Coefficients(LPC)와 Linear Prediction Cepstral Coefficient(LPCC)가 사용될 수 있다. The processor 180 of the artificial intelligence device 100 may extract feature data of the voice data received from the input unit 120 . Specifically, the extraction of the feature data may include a preprocessing process of removing noise from the voice data. In this case, the noise may be removed by using a filter used in signal processing. The processor 180 of the artificial intelligence device 100 may extract a feature of an actual effective sound from noise and background sound of the input voice data. For example, Linear Prediction Coefficients (LPC) and Linear Prediction Cepstral Coefficient (LPCC) using MFCC or HMM Classifier may be used.

인공 지능 장치(100)의 프로세서(180)는 추출된 특징 데이터를 이용하여 수신된 음성 데이터의 끝점을 추출할 수 있다(S620). 이때, 프로세서(180)는 음성 데이터의 끝점을 어댑티브 레벨 균등화(Adaptive Level Equalization), 에너지 펄스 감지(Energy Pulse Detection) 및 엔드 포인트 배열(End Point Ordering)을 이용하여 추출할 수 있다. 또는 인공 지능 장치(100)의 프로세서(180)는 본 개시의 유창함 판단 모델을 이용하여 음성 데이터의 끝점을 추출할 수 있다. The processor 180 of the artificial intelligence device 100 may extract an endpoint of the received voice data by using the extracted feature data (S620). In this case, the processor 180 may extract the end point of the voice data using adaptive level equalization, energy pulse detection, and end point ordering. Alternatively, the processor 180 of the artificial intelligence device 100 may extract an endpoint of the voice data using the fluency determination model of the present disclosure.

한편, S620에서 추출한 음성 데이터의 끝점(endpoint)은 불완전한 음성 데이터의 끝점일 수 있다. 불완전한 음성 데이터의 끝점인 경우는 이후 도 8에서 자세히 설명한다.Meanwhile, an endpoint of the voice data extracted in S620 may be an endpoint of incomplete voice data. The case of the end point of incomplete voice data will be described in detail later with reference to FIG. 8 .

본 개시의 음성 데이터의 끝점은 입력부(120)에 수신되는 음성 데이터가 종료된 시점부터 기 설정된 시간 이후를 의미할 수 있다. 예를 들어, 음성 데이터의 끝점은 입력부(120)가 수신한 음성 데이터의 종료 이후 0.8초 이후를 의미할 수 있다.The end point of the voice data of the present disclosure may mean a preset time after the end of the voice data received by the input unit 120 . For example, the end point of the voice data may mean 0.8 seconds after the end of the voice data received by the input unit 120 .

음성 인식의 경우 실시간(Real-time)으로 이루어 지므로, 음성 데이터의 끝점 추출 또한 실시간으로 이루어진다. 따라서 음성 데이터의 끝점을 추출하더라도 발화가 완료되지 않은 경우, 추가적인 음성이 수신될 수 있다. 따라서 추가적인 음성이 수신되는 경우, 인공 지능 장치(100)의 프로세서(180)는 추가적으로 수신된 음성 데이터의 끝점을 추출한 뒤, 끝점 이전의 새로운 음성 데이터를 추출하고, 새로운 음성 데이터의 끝점을 도출할 수 있다. 상기 과정은 완전한 음성 데이터의 수신이 종료될 때까지 반복될 수 있다.Since voice recognition is performed in real-time, the endpoint extraction of voice data is also performed in real time. Accordingly, when the utterance is not completed even after the endpoint of the voice data is extracted, an additional voice may be received. Therefore, when an additional voice is received, the processor 180 of the artificial intelligence device 100 additionally extracts an endpoint of the received voice data, then extracts new voice data before the endpoint, and derives an endpoint of the new voice data. there is. The above process may be repeated until reception of complete voice data is completed.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 수신한 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 음성 데이터의 유창함 정도를 판단할 수 있다(S630). 구체적으로 프로세서(180)는 유창함 판단 모델에 음성 데이터에 대응하는 특징 데이터를 입력하여 음성 데이터의 유창함 스코어를 결정할 수 있다. S630의 구체적인 내용은 도 7에서 설명한다.The processor 180 of the artificial intelligence apparatus 100 of the present disclosure may determine the fluency level of the voice data by inputting the feature data corresponding to the received voice data into the fluency determination model ( S630 ). In more detail, the processor 180 may determine a fluency score of the voice data by inputting feature data corresponding to the voice data to the fluency determination model. Specific details of S630 will be described with reference to FIG. 7 .

본 개시의 인공 지능 장치(100)의 프로세서(180)는 S630에서 결정한 유창함 판단 스코어에 기반하여 음성 데이터의 끝점을 조정할 수 있다(S640). 이때, 유창함 스코어는 음성 데이터에 대응하는 특징 데이터가 유창함 판단 모델에 입력된 결과값일 수 있다. 상기 유창함 판단 스코어는 음성 데이터에 포함된 단어, 음절 또는 발화마다 측정될 수 있다. 또한 유창함 판단 스코어는 음성 데이터에 포함된 단어, 음절 또는 발화마다 측정된 스코어의 평균값일 수 있다. 다만 이에 한정된 것은 아니다.The processor 180 of the artificial intelligence apparatus 100 of the present disclosure may adjust the endpoint of the voice data based on the fluency determination score determined in S630 ( S640 ). In this case, the fluency score may be a result value in which the feature data corresponding to the voice data is input to the fluency determination model. The fluency determination score may be measured for each word, syllable or utterance included in the voice data. Also, the fluency judgment score may be an average value of scores measured for each word, syllable, or utterance included in the voice data. However, the present invention is not limited thereto.

구체적으로 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 일정값을 초과하면, 상기 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 음성 데이터의 끝점을 기 설정된 시간보다 늦출 수 있다.Specifically, if the fluency score output based on the voice data exceeds a predetermined value, the processor 180 advances the endpoint of the voice data to a preset time, and if the fluency score is less than a predetermined value, the endpoint of the voice data It can be delayed from the preset time.

예를 들어, 기 설정된 음성 데이터의 끝점은 '음성 데이터의 수신이 종료된 이후 0.8초'로 설정되어있다고 라고 가정하자. 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 80을 초과하면, 상기 음성 데이터의 끝점을 '음성 데이터의 수신이 종료된 이후 0.8초' 에서 '음성 데이터의 수신이 종료된 이후 0.6초'로 조정할 수 있다.For example, it is assumed that the preset end point of voice data is set to '0.8 seconds after the reception of voice data is finished'. When the fluency score output based on the voice data exceeds 80, the processor 180 sets the end point of the voice data from '0.8 seconds after the reception of the voice data is finished' to '0.6 seconds after the reception of the voice data is finished. ' can be adjusted.

또 다른 예시로, 프로세서(180)는 음성 데이터를 기반으로 출력된 유창함 스코어가 80 미만이면, 상기 음성 데이터의 끝점을 '음성 데이터의 수신이 종료된 이후 0.8초' 에서 '음성 데이터의 수신이 종료된 이후 1초'로 조정할 수 있다. As another example, if the fluency score output based on the voice data is less than 80, the processor 180 sets the end point of the voice data from '0.8 seconds after the reception of the voice data is finished' to 'reception of the voice data is finished. It can be adjusted to 1 second after the

그리고, 프로세서(180)는 조정된 끝점 이전의 음성 데이터에 대하여 음성 인식 결과를 도출할 수 있다(S650). 구체적으로 프로세서(180)는 조정된 끝점 이전의 음성 데이터의 신호적인 특성 및 인식어휘에 해당하는 단어나 음절 등의 언어적인 순서 관계를 이용하여 최종 음성 인식 결과를 도출할 수 있다.Then, the processor 180 may derive a voice recognition result with respect to the voice data before the adjusted endpoint (S650). Specifically, the processor 180 may derive the final voice recognition result by using the signal characteristics of the voice data before the adjusted end point and the linguistic order relationship of words or syllables corresponding to the recognized vocabulary.

도 7은 본 개시의 흐름도를 나타낸다.7 shows a flowchart of the present disclosure.

도 7은 본 개시의 유창함 정도를 판단하는 과정을 나타낸 흐름도이다. 프로세서(180)는 음성 데이터를 가공하여 음성 데이터에 대응하는 특징 데이터를 추출할 수 있다. 그리고 음향 모델(Acoustic model)을 이용하여 수신된 음성 데이터의 음향학적 특징을 추출하고, 언어 모델(Linguistic model)을 이용하여 수신된 음성 데이터의 언어학적 특징을 추출할 수 있다(S710).7 is a flowchart illustrating a process of determining a fluency level of the present disclosure. The processor 180 may process the voice data to extract feature data corresponding to the voice data. In addition, an acoustic feature of the received voice data may be extracted using an acoustic model, and a linguistic feature of the received voice data may be extracted using a linguistic model (S710).

구체적으로 상기 음향학적 특징(Acoustic feature)은 상기 음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간(Filed sound duration time) 및 음소 발화 속도(speaking rate) 중 적어도 하나로부터 도출된 특징값을 포함할 수 있다. 또한 상기 특징값은 임베딩을 통한 벡터 값으로 표현될 수 있다.Specifically, the acoustic feature is at least one of a pause duration between words included in the voice data, a filed sound duration time, and a phoneme speaking rate. It may include a feature value derived from one. Also, the feature value may be expressed as a vector value through embedding.

예를 들어, 유창함과 관련된 음향학적 특징은 "오늘 날씨 어때?"라는 음성 데이터가 수신된 경우, '오늘'과 '날씨' 사이의 비발화 구간의 시간, 또는 "어?? 오늘 날씨 음... 어때?" 의 경우 간투어인 '어??' '음??'의 지속 시간 또는 발화 속도로부터 도출된 특징일 수 있다. 또한 상기 특징이 임베딩을 통해 벡터로 표현된 것일 수 있다.For example, an acoustic characteristic related to fluency is the time of the non-speech interval between 'today' and 'weather', when voice data is received saying "what's the weather today?" . how?" In the case of 'Huh??' It may be a characteristic derived from the duration of 'hmm??' or the rate of speech. Also, the feature may be expressed as a vector through embedding.

그리고, 상기 언어학적 특징(Linguistic feature)은 음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함할 수 있다. 또한 상기 특징값은 임베딩을 통한 벡터 값으로 표현될 수 있다.In addition, the linguistic feature may include a feature value derived from at least one of a repetition of a word included in the voice data, a correction of a word, and a number of times of use of the linguistic feature. Also, the feature value may be expressed as a vector value through embedding.

예를 들어, 유창함과 관련된 언어학적 특징은 "어?? 오늘 날씨 음... 어때?"의 경우 단어의 수정 또는 간투어 사용 횟수(예를 들어 2회)로부터 도출된 특징값을 포함할 수 있다.For example, a linguistic feature related to fluency may include feature values derived from the number of times (for example, 2 times) of use of a word correction or ganto tour, in the case of "Huh?? there is.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 음향학적 특징과 언어학적 특징을 포함하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정할 수 있다(S720).The processor 180 of the artificial intelligence device 100 of the present disclosure may determine a fluency score of the first voice data by inputting feature data including acoustic features and linguistic features into the fluency determination model ( S720 ).

본 개시의 유창함 판단 모델이 출력한 유창함 스코어는 입력값의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖도록 학습될 수 있다.The fluency score output by the fluency determination model of the present disclosure may be learned to have a higher value as the stuttering of the input value decreases and the utterance speed of the first voice data increases.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 유창함 판단 모델이 출력한 유창함 스코어가 일정값을 초과하면 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 음성 데이터에 끝점을 기 설정된 시간보다 늦출 수 있다.The processor 180 of the artificial intelligence device 100 of the present disclosure advances the endpoint of the voice data earlier than a preset time when the fluency score output by the fluency judgment model exceeds a predetermined value, and when the fluency score is less than a predetermined value, The end point of the voice data may be delayed from a preset time.

이때, 일정값은 기 설정된 값일 수 있다. 또는 일정값은 불완전한 음성 데이터에 포함된 복수의 단어 또는 복수의 음절까지의 유창함 스코어 또는 음성 데이터에 포함된 단어 또는 음절마다 매겨진 이전 유창함 스코어를 포함할 수 있다.In this case, the predetermined value may be a preset value. Alternatively, the predetermined value may include a fluency score up to a plurality of words or syllables included in the incomplete speech data or a previous fluency score assigned to each word or syllable included in the speech data.

구체적으로 인공 지능 장치(100)의 프로세서(180)는 현재까지 수신된 음성 데이터의 유창함 스코어와 현재 음성 데이터의 일부분인 이전 음성 데이터의 유창함 스코어를 비교할 수 있다. 프로세서(180)는 비교한 유창함 스코어가 동일한 경우 현재 끝점 도출시간과 매치 된다고 판단하고(S730), 설정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출할 수 있다(S650).In more detail, the processor 180 of the artificial intelligence device 100 may compare a fluency score of voice data received so far with a fluency score of previous voice data that is a part of the current voice data. If the compared fluency scores are the same, the processor 180 may determine that it matches the current endpoint derivation time (S730), and may derive a voice recognition result corresponding to voice data before the set endpoint (S650).

예를 들어, "오늘 날씨 어때?" 라는 음성 데이터의 입력이 있다고 가정하자. 프로세서(180)는 "오늘 날씨" 까지의 불완전한 음성 명령을 수신하고, 불완전한 음성 명령의 특징 데이터를 유창함 판단 모델에 입력한 결과값으로 유창함 스코어 80점을 획득하였다. 상기 불완전한 음성 명령의 끝점은 음성 데이터 수신 종료 후 0.8초로 설정되었다. For example, "How's the weather today?" Assume that there is an input of voice data . The processor 180 receives the incomplete voice command up to "today's weather" and acquires a fluency score of 80 as a result of inputting the characteristic data of the incomplete voice command into the fluency judgment model. The end point of the incomplete voice command was set to 0.8 seconds after the end of receiving voice data.

입력부(120)는 불완전한 음성 명령을 수신하고, 0.8초 이내에 추가적인 음성 데이터인 "어때?"를 수신할 수 있다. 인공 지능 장치(100)의 프로세서(180)는 수신된 완전한 음성 명령인 "오늘 날씨 어때?"의 음향학적 특징 및 언어학적 특징을 유창함 판단 모델에 입력하고, 유창함 판단 모델이 출력한 유창함 스코어를 획득할 수 있다. The input unit 120 may receive an incomplete voice command, and receive additional voice data “How are you?” within 0.8 seconds. The processor 180 of the artificial intelligence device 100 inputs the acoustic and linguistic features of the received complete voice command "How is the weather today?" into the fluency judgment model, and obtains a fluency score output by the fluency judgment model. can do.

만약 유창함 스코어로 80점을 획득한 경우, 프로세서(180)는 이전의 유창함 스코어와 매치된다고 판단하고, 설정된 음성 데이터 수신 종료후 0.8초로 설정된 끝점을 유지할 수 있다. 이후 "오늘 날씨 어때?"의 수신 종료 후 0.8초가 지나면, 프로세서(180)는 음성 인식을 수행하여 "오늘 날씨 어때" 라는 음성 인식 결과를 도출할 수 있다.If 80 points are obtained as the fluency score, the processor 180 may determine that it matches the previous fluency score, and may maintain the endpoint set to 0.8 seconds after the end of receiving the set voice data. Thereafter, when 0.8 seconds elapse after the reception of “what is the weather today?”, the processor 180 may perform voice recognition to derive a voice recognition result of “what is the weather today”.

본 개시에 따르면, 프로세서(180)는 비교한 유창함 스코어가 서로 다른 경우, 현재 끝점 도출시간과 매치되지 않는다고 판단하고(S730), 유창함 판단 모델이 출력한 유창함 스코어가 일정값을 초과하면 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 음성 데이터에 끝점을 기 설정된 시간보다 늦출 수 있다(S640). 그리고, 조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출할 수 있다(S650).According to the present disclosure, when the compared fluency scores are different, the processor 180 determines that the current endpoint derivation time does not match (S730), and when the fluency score output by the fluency judgment model exceeds a predetermined value, the voice data If the end point is brought earlier than the preset time, and the fluency score is less than a predetermined value, the end point of the voice data may be delayed from the preset time (S640). Then, it is possible to derive a voice recognition result corresponding to the voice data before the adjusted endpoint (S650).

예를 들어, "오늘 날씨 어때?" 라는 음성 데이터의 입력이 있다고 가정하자. 프로세서(180)는 "오늘 날씨" 까지의 불완전한 음성 명령을 수신하고, 불완전한 음성 명령의 특징 데이터를 유창함 판단 모델에 입력한 결과값으로 유창함 스코어 80점을 획득하였다. 상기 불완전한 음성 명령의 끝점은 음성 데이터 수신 종료 후 0.8초로 설정되었다. For example, "How's the weather today?" Assume that there is an input of voice data . The processor 180 receives the incomplete voice command up to "today's weather" and acquires a fluency score of 80 as a result of inputting the characteristic data of the incomplete voice command into the fluency judgment model. The end point of the incomplete voice command was set to 0.8 seconds after the end of receiving voice data.

입력부(120)는 불완전한 음성 명령을 수신하고, 0.8초 이내에 추가적인 음성 데이터인 "어때?"를 수신할 수 있다. 인공 지능 장치(100)의 프로세서(180)는 수신된 완전한 음성 명령인 "오늘 날씨 어때?"의 음향학적 특징 및 언어학적 특징을 유창함 판단 모델에 입력하고, 유창함 판단 모델이 출력한 유창함 스코어를 획득할 수 있다. The input unit 120 may receive an incomplete voice command, and receive additional voice data “How are you?” within 0.8 seconds. The processor 180 of the artificial intelligence device 100 inputs the acoustic and linguistic features of the received complete voice command "How is the weather today?" into the fluency judgment model, and obtains a fluency score output by the fluency judgment model. can do.

만약 유창함 스코어로 70점을 획득한 경우, 프로세서(180)는 이전의 유창함 스코어와 매치되지 않으므로, 끝점을 조정할 수 있다. 프로세서(180)는 완전한 음성 명령의 유창함 스코어가 불완전한 음성 명령의 유창함 스코어 보다 작은값을 가지므로, 끝점 판단 시간을 이전보다 0.1초 늦출 수 있다. 이후 "오늘 날씨 어때?"의 수신 종료 후 0.9초가 지나면, 프로세서(180)는 음성 인식을 수행하여 "오늘 날씨 어때" 라는 음성 인식 결과를 도출할 수 있다.If a fluency score of 70 is obtained, the processor 180 does not match the previous fluency score and may adjust the endpoint. Since the fluency score of the complete voice command has a smaller value than the fluency score of the incomplete voice command, the processor 180 may delay the endpoint determination time by 0.1 second compared to the previous one. Thereafter, when 0.9 seconds have elapsed after the reception of “what is the weather today?”, the processor 180 may perform voice recognition to derive a voice recognition result of “what is the weather today”.

이하, 음성 인식의 끝점 도출도 실시간으로 이루어 지는 점을 고려하여, 불완전한 음성 데이터가 수신되고, 완전한 음성 데이터가 수신되기까지 끝점 도출 과정을 도 8에서 설명한다.Hereinafter, a process of deriving an endpoint until incomplete voice data is received and complete voice data is received will be described with reference to FIG.

도 8은 본 개시의 흐름도를 나타낸다.8 shows a flowchart of the present disclosure.

도 8을 참조하면, 인공 지능 장치(100)의 입력부(120)는 음성 데이터를 수신할 수 있다. 수신한 음성 데이터는 불완전한 음성 명령을 포함할 수 있다(S810). 이때, 불완전한 음성 명령은 사용자가 발화 중인 음성 신호가 입력부(120)를 통하여 수신되어 형성된 음성 데이터를 의미할 수 있다. 프로세서(180)는 유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정할 수 있다(S820). 이때 적어도 하나 이상의 단어의 부분 유창함 스코어는 수신되는 음성 데이터의 시간적 순서에 따라 차례대로 결정될 수 있다. Referring to FIG. 8 , the input unit 120 of the artificial intelligence device 100 may receive voice data. The received voice data may include an incomplete voice command (S810). In this case, the incomplete voice command may mean voice data formed by receiving a voice signal being uttered by the user through the input unit 120 . The processor 180 may determine a partial fluency score of at least one word included in the incomplete voice command by using the fluency determination model ( S820 ). In this case, the partial fluency scores of at least one word may be sequentially determined according to the temporal order of the received voice data.

예를 들어 "오늘 날씨 어때" 의 경우 "오늘" 80점, "날씨" 70점및 "어때" 60점와 같이 결정될 수 있다.For example, in the case of "how is the weather today", 80 points for "today", 70 points for "weather", and 60 points for "how is it" may be determined.

그리고 프로세서(180)는 상기 부분 유창함 스코어에 기초하여 상기 음성 데이터의 끝점을 조정할 수 있다(S830). 또한, 프로세서(180)는 적어도 하나 이상의 단어 각각에 대응하는 부분 유창함 스코어가 도출될 때마다 음성 데이터의 끝점을 조정할 수 있다.In addition, the processor 180 may adjust the end point of the voice data based on the partial fluency score (S830). Also, the processor 180 may adjust the endpoint of the voice data whenever a partial fluency score corresponding to each of the at least one or more words is derived.

본 개시의 인공 지능 장치(100)의 프로세서(180)는 불완전한 음성 명령의 유창함 정도를 판단하고, 끝점을 조정한 이후 불완전한 음성 명령 이후에 추가적인 음성 데이터가 수신되었는지 판단할 수 있다(S840). 프로세서(180)는 불완전한 음성 명령 이후에 추가적인 음성 데이터가 수신되면, 추가적인 음성 데이터에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하여, 음성 데이터의 끝점을 조정할 수 있다.The processor 180 of the artificial intelligence device 100 of the present disclosure may determine the fluency of the incomplete voice command, adjust the endpoint, and then determine whether additional voice data is received after the incomplete voice command ( S840 ). When additional voice data is received after an incomplete voice command, the processor 180 may determine a partial fluency score of at least one or more words included in the additional voice data to adjust an endpoint of the voice data.

그리고, 프로세서(180)는 추가적인 음성 데이터가 수신되지 않은 경우, 조정된 끝점 이전의 음성 데이터를 완전한 음성 명령으로 결정하고, 상기 완전한 음성 명령에 상응하는 음성 인식 결과를 도출할 수 있다(S850).Then, when the additional voice data is not received, the processor 180 may determine the voice data before the adjusted endpoint as a complete voice command and derive a voice recognition result corresponding to the complete voice command ( S850 ).

또한, 프로세서(180)는 입력부(120)를 제어하여, 추가적인 음성 데이터의 수신이 없고, 음성 데이터의 수신이 종료된 후 일정 시간이 지나면, 상기 입력부(120)의 마이크로폰을 비활성화할 수 있다.In addition, the processor 180 may control the input unit 120 to deactivate the microphone of the input unit 120 when there is no reception of additional voice data and a predetermined time elapses after the reception of the voice data is finished.

일반적으로 음성 데이터의 수신이 있을 때, 발화의 속도 또는 간투어를 사용하는 구간이 상이할 수 있다. 본 개시는 상기 과정을 통하여 사용자 발화에 포함된 음성 명령의 유창함이 일정하지 않은 경우라도 실시간으로 적응적인 음성 끝점을 조정함으로써 완전한 음성 명령을 수신할 수 있다.In general, when voice data is received, the speed of utterance or a section using the intertour may be different. Through the above process, the present disclosure can receive a complete voice command by adjusting the adaptive voice endpoint in real time even when the fluency of the voice command included in the user's utterance is not constant.

도 9은 본 개시의 유창함 판단 모델을 나타낸다.9 illustrates the fluency judgment model of the present disclosure.

도 9는 개인화 유창함 판단 모델이 학습되는 과정을 나타낸 도면이다.9 is a diagram illustrating a process in which a personalized fluency judgment model is trained.

개인화된 유창함 판단 모델(940)이 학습되는 과정은 1) 기본 유창함 모델의 학습을 거쳐 2) 개인화된 유창함 판단 모델의 학습으로 이루어 질 수 있다. 1) 기본 유창함 판단 모델의 학습 방법과 관련하여 먼저 설명한다.The process of learning the personalized fluency judgment model 940 may be 1) learning the basic fluency model and 2) learning the personalized fluency judgment model. 1) The learning method of the basic fluency judgment model will be explained first.

<유창함 판단 모델의 학습><Learning of fluency judgment model>

인공 지능 장치(100)의 프로세서(180)는 사용자의 발화에 상응하는 음성 데이터로부터 특징 데이터를 추출할 수 있다. 상기 특징 데이터는 유창함과 관련된 음향학적 특징 및 언어학적 특징으로 구성될 수 있다. 상기 특징 데이터는 인공 신경망(920)의 입력값으로 사용되기 위한 가공 과정인 임베딩(921)을 거쳐 유창함 판단 모델(920)의 입력값(922)으로 사용될 수 있다.The processor 180 of the artificial intelligence device 100 may extract feature data from voice data corresponding to the user's utterance. The characteristic data may consist of acoustic characteristics and linguistic characteristics related to fluency. The feature data may be used as an input value 922 of the fluency determination model 920 through embedding 921 , which is a processing process for use as an input value of the artificial neural network 920 .

유창함 판단 모델(920)은 입력층, 은닉층(923) 및 출력층을 포함하는 인공 신경망으로 구성될 수 있다. 또한 출력층이 출력하는 결과값(924)는 유창함 스코어일 수 있다. 본 개시에 따른 유창함 판단 모델(920)은 유창함과 관련된 음향항적 특징 및 유창함과 관련된 언어학적 특징들을 입력값으로 설정하고, 결과값으로 유창함 스코어가 설정된 인공 신경망을 포함할 수 있다. The fluency determination model 920 may be composed of an artificial neural network including an input layer, a hidden layer 923 and an output layer. Also, the result 924 output by the output layer may be a fluency score. The fluency determination model 920 according to the present disclosure may include an artificial neural network in which an acoustic wake characteristic related to fluency and a linguistic characteristic related to fluency are set as input values, and a fluency score is set as a result value.

구체적으로 상기 유창함 판단 모델은, 상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함할 수 있다. 더욱 구체적으로 유창함 판단 모델을 구성하는 인공 신경망은 지도학습을 이용할 수 있다. 이때, 지도 학습(supervised learning)은 입력값과 입력값에 대응되는 정답값을 활용하여 각 층(layer)를 연결하는 가중치를 학습 데이터에 알맞게 조정하는 학습 방식을 의미할 수 있다. 또한, 인공 신경망은 과거의 정보와 현재 데이터를 이용하여 출력을 결정하는 RNN 또는 LSTM 모델, 콘볼루션(Convolution)을 이용한 CNN 등 다양한 모델이 사용될 수 있다.Specifically, the fluency determination model may include an artificial neural network trained to output the fluency score as a result value when the feature data is input. More specifically, the artificial neural network constituting the fluency judgment model can use supervised learning. In this case, supervised learning may refer to a learning method in which an input value and a correct value corresponding to the input value are used to adjust a weight connecting each layer to suit the learning data. In addition, various models, such as an RNN or LSTM model that determines an output using past information and current data, and a CNN using convolution, may be used as the artificial neural network.

구체적으로 본 개시의 유창함 판단 모델에 있어서, 유창함 스코어는 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖도록 설정된 정답값을 이용하여 학습될 수 있다. Specifically, in the fluency determination model of the present disclosure, the fluency score may be learned using a correct answer value set to have a higher value as the stuttering rate of the voice data decreases and the utterance speed of the first voice data increases.

상기 과정을 통하여 학습된 유창함 판단 모델(920)은 새로운 음성 데이터가 수신되었을 경우, 새로운 음성 데이터의 음향학적 특징 및 언어학적 특징이 입력되면 새로운 음성 데이터에 대응하는 유창함 스코어를 출력할 수 있다. 그리고 프로세서(180)는 도 6 내지 도 8의 과정을 통하여 음성 인식을 수행할 수 있다. 이때, 프로세서(180)는 유창함 스코어와 조정될 끝점 시간이 매칭된 매핑 테이블(930)을 이용하여, 음성 데이터의 끝점을 조정할 수도 있다.The fluency determination model 920 learned through the above process may output a fluency score corresponding to the new voice data when the new voice data is received and the acoustic and linguistic features of the new voice data are input. In addition, the processor 180 may perform voice recognition through the processes of FIGS. 6 to 8 . In this case, the processor 180 may adjust the endpoint of the voice data by using the mapping table 930 in which the fluency score and the endpoint time to be adjusted are matched.

<개인화된 유창함 판단 모델 학습><Learning a personalized fluency judgment model>

본 개시에 따른 인공 지능 장치(100)는 유창함 판단 모델(920)을 기초로 하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다. 구체적으로 개인화된 유창함 판단 모델(940)은 유창함 판단 모델(920)을 기반으로, 사용자 로그가 반영된 적응학습을 통하여 생성될 수 있다. 이때 본 개시의 적응 학습은 사용자 개개인의 발화나 발화 스타일에 맞게 유창함 스코어를 맞춤형으로 제공하는 학습방법을 의미할 수 있다.The artificial intelligence apparatus 100 according to the present disclosure may generate a personalized fluency determination model 940 based on the fluency determination model 920 . Specifically, the personalized fluency determination model 940 may be generated through adaptive learning in which a user log is reflected, based on the fluency determination model 920 . In this case, the adaptive learning of the present disclosure may refer to a learning method of providing a fluency score customized to fit each user's individual speech or speech style.

인공 지능 장치(100)의 프로세서(180)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다. 그리고, 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그에 포함된 음성 데이터에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성할 수 있다. 프로세서(180)는 갱신용 학습 데이터를 이용하여 유창함 판단 모델(920)을 업데이트 하여 개인화된 학습 모델(940)을 생성할 수 있다.The processor 180 of the artificial intelligence device 100 may receive voice data corresponding to the user's utterance. In addition, a user log may be generated using the voice data, and learning data for update may be generated based on a fluency score corresponding to the voice data included in the user log. The processor 180 may generate the personalized learning model 940 by updating the fluency determination model 920 using the learning data for update.

본 개시의 실시예에서, 사용자 발화가 수신될 때 마다 유창함 판단 모델을 업데이트 하는 것은 비효율적이므로 인공 지능 장치(100)는 일정 기간 동안 사용자 로그를 수집하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다.In an embodiment of the present disclosure, it is inefficient to update the fluency determination model every time a user utterance is received, so the artificial intelligence device 100 may generate a personalized fluency determination model 940 by collecting user logs for a certain period of time. there is.

구체적으로 인공 지능 장치(100)의 입력부(120)는, 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신할 수 있다. 그리고 프로세서(180)는 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성할 수 있다.In more detail, the input unit 120 of the artificial intelligence device 100 may receive a plurality of voice data corresponding to the user's utterance for a predetermined period of time. In addition, the processor 180 may generate a user log using a plurality of voice data corresponding to the user's utterance during the predetermined period.

그리고, 프로세서(180)는 상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성할 수 있다. 이때 갱신용 학습 데이터는 복수의 음성 데이터 각각에 대응되는 유창함 스코어가 저장된 매핑 테이블을 포함할 수 있다. 상기 매핑 테이블은 인공 지능 장치(100)의 메모리(170)에 저장될 수 있다.In addition, the processor 180 may generate learning data for update based on a fluency score corresponding to each of the plurality of voice data included in the user log. In this case, the learning data for update may include a mapping table in which fluency scores corresponding to each of the plurality of voice data are stored. The mapping table may be stored in the memory 170 of the artificial intelligence device 100 .

또한 갱신용 학습 데이터는 음성 데이터 전체에 유창함 스코어가 부여되는 경우, 음성 데이터의 음소마다 유창함 스코어가 부여되는 경우, 또는 음성 데이터의 음절마다 유창함 스코어가 부여되는 경우를 포함할 수 있다.In addition, the learning data for update may include a case where a fluency score is given to the entire voice data, a case where a fluency score is given for each phoneme of the voice data, or a case where a fluency score is given for each syllable of the voice data.

본 개시의 프로세서(180)는 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델(920)을 업데이트하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다. The processor 180 of the present disclosure may update the fluency determination model 920 using the learning data for update to generate a personalized fluency determination model 940 .

구체적으로 개인화된 유창함 판단 모델(940)은 유창함 판단 모델(920)에서 갱신용 학습 데이터의 복수의 음성 데이터에 대응하는 복수의 특징 데이터를 입력값으로 설정하고, 정답값으로 갱신용 학습 데이터의 복수의 음성 데이터 각각에 대응하는 유창함 스코어를 설정하여, 유창함 판단 모델(920)의 가중치가 갱신용 학습 데이터에 알맞게 조정된 인공 신경망을 포함할 수 있다.Specifically, the personalized fluency determination model 940 sets a plurality of feature data corresponding to a plurality of voice data of the learning data for update in the fluency determination model 920 as input values, and sets a plurality of pieces of learning data for update as the correct answer value. By setting a fluency score corresponding to each voice data of , an artificial neural network in which the weight of the fluency determination model 920 is adjusted appropriately to the training data for update may be included.

또 다른 실시예에서, 인공 지능 서버(200)를 이용하여 개인화된 유창함 판단 모델(940)을 생성할 수 있다.In another embodiment, the artificial intelligence server 200 may be used to generate a personalized fluency judgment model 940 .

구체적으로 본 개시의 통신부(110)는 인공 지능 서버(200)와 통신할 수 있다. 상기 입력부(120)는 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고, 상기 프로세서(180)는 상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그를 상기 통신부(110)를 통하여 상기 서버(200)에 전달하고, 상기 사용자 로그에 기초하여 업데이트 된 개인화된 유창함 판단 모델(940)을 상기 서버(200)로부터 수신할 수 있다.Specifically, the communication unit 110 of the present disclosure may communicate with the artificial intelligence server 200 . The input unit 120 receives a plurality of voice data corresponding to the user's utterance for a certain period of time, and the processor 180 generates a user log using the plurality of voice data corresponding to the user's utterance for the predetermined period. and transmits the user log to the server 200 through the communication unit 110 , and receives a personalized fluency determination model 940 updated based on the user log from the server 200 .

상기 인공 지능 서버(200)에서 개인화된 유창함 판단 모델(940)을 생성하는 과정은 인공 지능 장치(100)에서 개인화된 유창함 판단 모델(940)을 생성하는 방법과 동일한 방법으로 진행될 수 있다.The process of generating the personalized fluency judgment model 940 in the artificial intelligence server 200 may be performed in the same manner as the method of generating the personalized fluency judgment model 940 in the artificial intelligence device 100 .

도 10는 본 개시의 실시예를 나타낸다.10 shows an embodiment of the present disclosure.

도 10은 개인화된 유창함 판단 모델(940)을 이용하여, 사용자의 발화에 대한 음성 인식을 수행하는 과정을 나타낸 것이다.FIG. 10 illustrates a process of performing voice recognition for a user's utterance using the personalized fluency determination model 940 .

도 10을 참조하면 인공 지능 장치(100)는 사용자 발화에 상응하는 음성 데이터를 수신할 수 있다. 인공 지능 장치(100)의 프로세서(180)는 기 설정된 끝점을 추출할 수 있다. 또는 프로세서(180)는 수신된 음성 데이터에 포함된 최초의 단어, 발화 또는 음절에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 유창함 스코어를 결정하고, 상기 유창함 스코어에 따라 설정된 끝점을 추출할 수 있다.Referring to FIG. 10 , the artificial intelligence device 100 may receive voice data corresponding to a user's utterance. The processor 180 of the artificial intelligence device 100 may extract a preset endpoint. Alternatively, the processor 180 may determine a fluency score by inputting feature data corresponding to the first word, utterance, or syllable included in the received voice data into the fluency determination model, and extract an endpoint set according to the fluency score. .

프로세서(180)는 끝점 이전의 음성 데이터에 대응하는 특징 데이터를 음향학적 특징 추출 모델 및 언어학적 특징 추출 모델을 이용하여 획득할 수 있다. 프로세서(180)는 획득된 특징 데이터를 개인화된 유창함 판단 모델(940)에 입력하고, 상기 개인화된 유창함 판단 모델(940)은 끝점 이전의 음성 데이터의 유창함 스코어를 출력할 수 있다.The processor 180 may acquire feature data corresponding to the voice data before the endpoint using an acoustic feature extraction model and a linguistic feature extraction model. The processor 180 may input the acquired feature data into the personalized fluency judgment model 940 , and the personalized fluency judgment model 940 may output a fluency score of the voice data before the endpoint.

프로세서(180)는 끝점 이전의 음성 데이터의 유창함 스코어가 일정값을 초과하면, 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 유창함 스코어가 일정값 미만이면 음성 데이터의 끝점을 기 설정된 시간보다 늦출 수 있다.If the fluency score of the voice data before the endpoint exceeds a predetermined value, the processor 180 advances the endpoint of the voice data from a preset time, and if the fluency score is less than a preset value, the endpoint of the voice data can be delayed from the preset time there is.

상기의 과정이 반복되어 실행된 결과 사용자 발화에 상응하는 음성 데이터의 수신이 종료되고, 음성 데이터의 끝점에 할당된 시간이 지나면 프로세서(180)는 입력부(120)를 제어하여 마이크로폰을 비활성화 할 수 있다. 또한 프로세서(180)는 음성 데이터의 끝점 이전의 완전한 음성 명령에 대한 최종 음성 인식 결과를 도출할 수 있다.As a result of repeating the above process, the reception of voice data corresponding to the user's utterance is terminated, and when the time allotted to the end point of the voice data elapses, the processor 180 controls the input unit 120 to deactivate the microphone. . In addition, the processor 180 may derive the final voice recognition result for the complete voice command before the endpoint of the voice data.

상기 동작들은 동시에 수행될 수 있으며, 상기 수행되는 순서에 구속되지 않는다. 또한, 본 개시는 소프트웨어, firmware 또는 소프트웨어 나 firmware의 조합으로 구성될수 있다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.The operations may be performed simultaneously and are not limited to the order in which they are performed. In addition, the present disclosure may consist of software, firmware, or a combination of software or firmware. And the differences related to these modifications and applications should be construed as being included in the scope of the present invention defined in the appended claims.

전술한 본 개시는, 프로그램이 기록된 매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터가 읽을 수 있는 매체의 예로는, HDD(Hard Disk Drive), SSD(Solid State Disk), SDD(Silicon Disk Drive), ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 상기 컴퓨터는 단말기의 프로세서(180)를 포함할 수도 있다.The present disclosure described above can be implemented as computer-readable code on a medium in which a program is recorded. The computer-readable medium includes all types of recording devices in which data readable by a computer system is stored. Examples of computer-readable media include Hard Disk Drive (HDD), Solid State Disk (SSD), Silicon Disk Drive (SDD), ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage device, etc. there is this In addition, the computer may include a processor 180 of the terminal.

또한, 이상에서 서비스 및 실시 예들을 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것이 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 서비스 및 실시 예의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어, 실시 예들에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부한 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.In addition, although the above description has been focused on services and embodiments, these are merely examples and do not limit the present invention, and those of ordinary skill in the art to which the present invention pertains will not deviate from the essential characteristics of the present services and embodiments. It can be seen that various modifications and applications not exemplified above are possible. For example, each component specifically shown in the embodiments can be implemented by modification. And the differences related to these modifications and applications should be construed as being included in the scope of the present invention defined in the appended claims.

Claims (16)

사용자 발화에 상응하는 제1 음성 데이터를 수신하는 입력부; 및
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하고
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하고,
조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 프로세서를 포함하는, 인공 지능 장치.an input unit for receiving first voice data corresponding to the user's utterance; and
inputting feature data corresponding to the first speech data into a fluency judgment model to determine a fluency score of the first speech data;
adjust an endpoint of the first speech data based on the fluency score;
An artificial intelligence device comprising a processor for deriving a speech recognition result corresponding to speech data prior to the adjusted endpoint. 제1항에 있어서,
상기 특징 데이터는 상기 제1음성 데이터의 유창함을 판단하기 위한 음향학적 특징 및 언어학적 특징을 포함하고,
상기 음향학적 특징은
상기 제1음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간 및 발화 속도 중 적어도 하나로부터 도출된 특징값을 포함하고,
상기 언어학적 특징은
상기 제1음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함하는
인공 지능 장치.According to claim 1,
The feature data includes acoustic features and linguistic features for determining fluency of the first voice data,
The acoustic characteristics are
a word included in the first voice data and a feature value derived from at least one of a pause duration between words, a duration of a gantry, and an utterance speed;
The linguistic feature is
including a feature value derived from at least one of repetition of a word included in the first voice data, correction of a word, and the number of times used
artificial intelligence device. 제1항에 있어서,
상기 유창함 판단 모델은,
상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함하고,
상기 유창함 스코어는 상기 제1 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖는,
인공 지능 장치.According to claim 1,
The fluency judgment model is
and an artificial neural network trained to output the fluency score as a result value when the feature data is input,
The fluency score has a higher value as the stuttering rate of the first voice data decreases and the utterance rate of the first voice data increases.
artificial intelligence device. 제1항에 있어서,
상기 프로세서는
상기 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는,
인공 지능 장치.According to claim 1,
the processor
If the fluency score exceeds a predetermined value, advance the endpoint of the first voice data to a preset time; if the fluency score is less than a preset value, delay the endpoint of the first voice data more than a preset time;
artificial intelligence device. 제1항에 있어서
상기 제1 음성 데이터는 불완전한 음성 명령을 포함하고,
상기 프로세서는
유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하고, 상기 부분 유창함 스코어에 기초하여 상기 제1 음성 데이터의 끝점을 재조정하는,
인공 지능 장치.The method of claim 1
the first voice data includes an incomplete voice command;
the processor
using a fluency judgment model to determine a partial fluency score of at least one or more words included in the incomplete voice command, and readjust an endpoint of the first voice data based on the partial fluency score;
artificial intelligence device. 제1항에 있어서
입력부는 마이크로폰을 포함하고,
상기 프로세서는
상기 제1 음성 데이터가 수신되고, 상기 조정된 끝점에 도달하면 상기 마이크로폰을 비활성화하는,
인공 지능 장치.The method of claim 1
The input unit includes a microphone,
the processor
Deactivating the microphone when the first voice data is received and the adjusted endpoint is reached;
artificial intelligence device. 제1항에 있어서,
상기 입력부는
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고,
상기 프로세서는
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고,
상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하고, 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는,
인공 지능 장치.According to claim 1,
the input unit
Receive a plurality of voice data corresponding to the user's utterance for a certain period of time,
the processor
generating a user log using a plurality of voice data corresponding to the user's utterance during the predetermined period;
generating learning data for update based on a fluency score corresponding to each of the plurality of voice data included in the user log, and updating the fluency determination model using the learning data for update;
artificial intelligence device. 제1항에 있어서
서버와 통신하는 통신부를 더 포함하고,
상기 입력부는
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하고,
상기 프로세서는
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하고, 상기 사용자 로그를 상기 통신부를 통하여 상기 서버에 전달하고, 상기 사용자 로그에 기초하여 업데이트 된 유창함 판단 모델을 상기 서버로부터 수신하는,
인공 지능 장치.The method of claim 1
Further comprising a communication unit for communicating with the server,
the input unit
Receive a plurality of voice data corresponding to the user's utterance for a certain period of time,
the processor
A user log is generated using a plurality of voice data corresponding to the user's utterance for the predetermined period, the user log is transmitted to the server through the communication unit, and an updated fluency judgment model based on the user log is generated. received from the server,
artificial intelligence device. 사용자 발화에 상응하는 제1 음성 데이터를 수신하는 단계;
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하는 단계;
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계; 및
조정된 끝점 이전의 음성 데이터에 상응하는 음성 인식 결과를 도출하는 단계를 포함하는,
인공 지능 장치의 동작 방법.receiving first voice data corresponding to the user's utterance;
determining a fluency score of the first voice data by inputting feature data corresponding to the first voice data into a fluency judgment model;
adjusting an endpoint of the first speech data based on the fluency score; and
deriving a speech recognition result corresponding to the speech data before the adjusted endpoint,
How artificial intelligence devices work. 제9항에 있어서,
상기 특징 데이터는 상기 제1음성 데이터의 유창함을 판단하기 위한 음향학적 특징 및 언어학적 특징을 포함하고,
상기 음향학적 특징은
상기 제1음성 데이터에 포함된 단어와 단어 사이의 휴지 지속 시간(pause duration), 간투어 지속 시간 및 발화 속도 중 적어도 하나로부터 도출된 특징값을 포함하고,
상기 언어학적 특징은
상기 제1음성 데이터에 포함된 단어의 반복, 단어의 수정 및 간투어 사용 횟수 중 적어도 하나로부터 도출된 특징값을 포함하는
인공 지능 장치의 동작 방법.10. The method of claim 9,
The feature data includes acoustic features and linguistic features for determining fluency of the first voice data,
The acoustic characteristics are
a word included in the first voice data and a feature value derived from at least one of a pause duration between words, a duration of a gantry, and an utterance speed;
The linguistic feature is
including a feature value derived from at least one of repetition of a word included in the first voice data, correction of a word, and the number of times used
How artificial intelligence devices work. 제9항에 있어서,
상기 유창함 판단 모델은,
상기 특징 데이터가 입력되면, 상기 유창함 스코어를 결과값으로 출력하도록 학습된 인공 신경망을 포함하고,
상기 유창함 스코어는 상기 제1 음성 데이터의 말더듬이 적을수록 그리고 상기 제1 음성 데이터의 발화 속도가 빠를수록 높은 값을 갖는,
인공 지능 장치의 동작 방법.10. The method of claim 9,
The fluency judgment model is
and an artificial neural network trained to output the fluency score as a result value when the feature data is input,
The fluency score has a higher value as the stuttering rate of the first voice data decreases and the utterance rate of the first voice data increases.
How artificial intelligence devices work. 제9항에 있어서,
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계는,
상기 유창함 스코어가 일정값을 초과하면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 앞당기고, 상기 유창함 스코어가 일정값 미만이면, 상기 제1 음성 데이터의 끝점을 기 설정된 시간보다 늦추는 단계를 포함하는,
인공 지능 장치의 동작 방법.10. The method of claim 9,
adjusting the endpoint of the first speech data based on the fluency score,
If the fluency score exceeds a predetermined value, advancing the endpoint of the first voice data than a preset time, and if the fluency score is less than a preset value, delaying the endpoint of the first voice data more than a preset time doing,
How artificial intelligence devices work. 제9항에 있어서
상기 제1 음성 데이터는 불완전한 음성 명령을 포함하고,
상기 제1 음성 데이터에 대응하는 특징 데이터를 유창함 판단 모델에 입력하여 상기 제1 음성 데이터의 유창함 스코어를 결정하는 단계는
유창함 판단 모델을 이용하여, 상기 불완전한 음성 명령에 포함된 적어도 하나 이상의 단어의 부분 유창함 스코어를 결정하는 단계를 포함하고,
상기 유창함 스코어에 기반하여 상기 제1 음성 데이터의 끝점을 조정하는 단계는,
상기 부분 유창함 스코어에 기초하여 상기 제1 음성 데이터의 끝점을 재조정하는 단계를 포함하는,
인공 지능 장치의 동작 방법.10. The method of claim 9
the first voice data includes an incomplete voice command;
determining a fluency score of the first voice data by inputting feature data corresponding to the first voice data into a fluency judgment model;
determining, using a fluency judgment model, a partial fluency score of at least one or more words included in the incomplete voice command;
adjusting the endpoint of the first speech data based on the fluency score,
recalibrating an endpoint of the first speech data based on the partial fluency score;
How artificial intelligence devices work. 제9항에 있어서
상기 인공 지능 장치의 동작 방법은,
상기 제1 음성 데이터가 수신되고, 상기 조정된 끝점에 도달하면 상기 마이크로폰을 비활성화하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.10. The method of claim 9
The operation method of the artificial intelligence device,
Deactivating the microphone when the first voice data is received and the adjusted endpoint is reached.
How artificial intelligence devices work. 제9항에 있어서,
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하는 단계;
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하는 단계;
상기 사용자 로그에 포함된 복수의 음성 데이터 각각에 대응되는 유창함 스코어에 기초하여 갱신용 학습 데이터를 생성하는 단계; 및 상기 갱신용 학습 데이터를 이용하여 상기 유창함 판단 모델을 업데이트하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.10. The method of claim 9,
receiving a plurality of voice data corresponding to the user's utterance for a certain period of time;
generating a user log using a plurality of voice data corresponding to the user's utterance during the predetermined period;
generating learning data for updating based on a fluency score corresponding to each of a plurality of voice data included in the user log; and updating the fluency judgment model using the learning data for update.
How artificial intelligence devices work. 제9항에 있어서
일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 수신하는 단계;
상기 일정 기간 동안 사용자의 발화에 상응하는 복수의 음성 데이터를 이용하여 사용자 로그를 생성하는 단계; 상기 사용자 로그를 상기 통신부를 통하여 상기 서버에 전달하는 단계; 및 상기 사용자 로그에 기초하여 업데이트 된 유창함 판단 모델을 상기 서버로부터 수신하는 단계를 더 포함하는,
인공 지능 장치의 동작 방법.10. The method of claim 9
receiving a plurality of voice data corresponding to the user's utterance for a certain period of time;
generating a user log using a plurality of voice data corresponding to the user's utterance during the predetermined period; transmitting the user log to the server through the communication unit; and receiving, from the server, an updated fluency judgment model based on the user log.
How artificial intelligence devices work.

Images