맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

지능로봇의 분리된 모델 생성 방법, 임무 인식 및 재생성 방법, 및 점진적인 학습을 통한 모델 개선 방법

  • 기술번호 : KST2014039499
  • 담당센터 : 서울서부기술혁신센터
  • 전화번호 : 02-6124-6930
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 본 발명은 지능로봇의 분리된 모델 생성방법, 임무 인식 및 재생성 방법, 및 점진적인 학습을 통한 모델 개선 방법에 관한 것으로, 지능로봇의 분리된 모델 생성방법은 (a) 임무 수행을 위한 학습데이터를 획득하는 단계; (b) 상기 획득한 학습데이터들의 산포도 정보를 산출하는 단계; (c) 상기 산출된 산포도 정보에 기초하여 상기 학습데이터를 의미 있는 단위로 분리하는 단계; 및 (d) 상기 분리된 단위 학습데이터들을 각각 모델링하여 다수의 분리된 단위 모델로 표현하는 단계를 포함한다. 이에 의해 사람이나 사전 지식을 사용하지 않고도 로봇 스스로 임무수행정보를 이용하여 임무 수행을 위한 분리된 모델을 생성할 수 있다.
Int. CL G16C 10/00 (2019.01.01) G06N 99/00 (2019.01.01)
CPC B25J 9/163(2013.01) B25J 9/163(2013.01)
출원번호/일자 1020100129169 (2010.12.16)
출원인 한양대학교 산학협력단
등록번호/일자 10-1199856-0000 (2012.11.05)
공개번호/일자 10-2012-0067641 (2012.06.26) 문서열기
공고번호/일자 (20121109) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 소멸
심사진행상태 수리
심판사항
구분 신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2010.12.16)
심사청구항수 9

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 대한민국 서울특별시 성동구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 서일홍 대한민국 서울특별시 강남구
2 김형규 대한민국 서울특별시 성동구
3 이상형 대한민국 서울특별시 도봉구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 특허법인남촌 대한민국 서울특별시 종로구 새문안로*길 **, 도렴빌딩 ***호 (도렴동)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한양대학교 산학협력단 서울특별시 성동구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2010.12.16 수리 (Accepted) 1-1-2010-0830804-19
2 [출원서등 보정]보정서
[Amendment to Patent Application, etc.] Amendment		 2011.07.11 수리 (Accepted) 1-1-2011-0527773-07
3 선행기술조사의뢰서(내부)
Request for Prior Art Search (Inside)		 2011.10.10 수리 (Accepted) 9-1-9999-9999999-89
4 선행기술조사보고서
Report of Prior Art Search		 2011.11.07 발송처리완료 (Completion of Transmission) 9-6-2011-0015703-16
5 의견제출통지서
Notification of reason for refusal		 2012.02.28 발송처리완료 (Completion of Transmission) 9-5-2012-0117342-63
6 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2012.04.30 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2012-0342897-55
7 [거절이유 등 통지에 따른 의견]의견(답변, 소명)서
[Opinion according to the Notification of Reasons for Refusal] Written Opinion(Written Reply, Written Substantiation)		 2012.04.30 수리 (Accepted) 1-1-2012-0342885-18
8 등록결정서
Decision to grant		 2012.09.27 발송처리완료 (Completion of Transmission) 9-5-2012-0578828-85
9 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2014.06.05 수리 (Accepted) 4-1-2014-5068294-39
10 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2015.02.16 수리 (Accepted) 4-1-2015-5022074-70
11 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.05 수리 (Accepted) 4-1-2019-5155816-75
12 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2019.08.06 수리 (Accepted) 4-1-2019-5156285-09
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
지능로봇의 분리된 모델 생성방법에 있어서,(a) 임무 수행을 위한 학습데이터를 획득하는 단계;(b) 상기 획득한 학습데이터들의 산포도 정보를 산출하는 단계;(c) 상기 산출된 산포도 정보에 기초하여 상기 학습데이터를 의미 있는 단위로 분리하는 단계; 및(d) 상기 분리된 단위 학습데이터들을 각각 모델링하여 다수의 분리된 단위 모델로 표현하는 단계를 포함하며;상기 산포도 정보는 분산 정보를 포함하고, 상기 (c) 단계는 상기 분산 정보를 이용하여 상기 학습데이터의 분리점을 결정하여 분리하는 것으로, 상기 학습 데이터의 분산을 2차 미분하여 2차 미분 값의 부호가 마이너스(-)에서 플러스(+)로 변하는 지점과 플러스(+)에서 마이너스(-)로 변하는 지점을 분리점으로 선택하는 것을 특징으로 하는 지능로봇의 분리된 모델 생성 방법
2 2
삭제
3 3
삭제
4 4
제1항에 있어서,상기 (a) 와 (b) 단계 사이에는 상기 학습데이터를 전처리하는 단계를 포함하고,상기 학습데이터를 전처리하는 단계는,상기 학습데이터를 동적 시간 조정(Dynamic Time Warping)을 수행하여 시간을 조정하는 단계;주성분 분석(Principal Component Analysis)을 통해 상기 학습데이터에서 노이즈를 제거하는 단계를 포함하는 것을 특징으로 하는 지능로봇의 분리된 모델 생성 방법
5 5
제4항에 있어서,상기 (b) 단계는 가우시안 혼합 모델(Gaussian Mixture Model)을 이용하여 상기 학습데이터를 확률적으로 표현하는 단계; 및상기 가우시안 혼합 모델을 기반으로 확률적으로 표현된 상기 학습데이터를 가우시안 혼합 회귀(Gaussian Mixture Model)로 일반화하여 분산을 산출하는 단계를 포함하는 것을 특징으로 하는 지능로봇의 분리된 모델 생성 방법
6 6
제1항에 있어서,상기 (d) 단계는 상기 모델링을 은닉 마르코프 모델을 통해 수행하는 것을 특징으로 하는 지능로봇의 분리된 모델 생성 방법
7 7
은닉 마르코프 모델 포워드 알고리즘을 이용하여, 제6항의 지능로봇의 분리된 모델생성방법에 의해 생성된 단위 모델들을 기반으로 임무를 인식하고 재생성하는 지능로봇의 임무 인식 및 재생성 방법
8 8
지능로봇의 점진적인 학습을 통한 모델 개선 방법에 있어서,(a) 임무 수행을 위한 추가 학습 데이터를 획득하는 단계;(b) 상기 획득한 추가 학습데이터들의 분산 정보에 기초하여 상기 추가 학습데이터를 의미 있는 단위로 분리하는 단계;(c) 상기 추가 학습 데이터를 모델링하여 다수의 분리된 추가 단위 모델로 표현하고, 상기 추가 학습 데이터를 기존의 단위 모델에 기반하여 인식을 수행하여 통합에 적합한 기존 단위 모델을 선택하는 단계; 및(d) 상기 기존 단위 모델과 상기 추가 단위 모델 간의 쿨백-라이블러 분기 값에 기초하여 상기 추가 단위 모델의 상태를 상기 기존 단위 모델의 상태에 통합함으로써, 하나의 경로를 갖는 모델이나 분기를 갖는 모델을 생성하는 단계를 포함하고;상기 (d) 단계는 상기 기존의 단위 모델과 상기 추가 단위 모델 간의 쿨백-라이블러 분기 값을 산출하는 단계, 상기 쿨백 라이블러 분기에 관한 임계치를 산출하는 단계, 및 상기 쿨백 라이블러 분기 값과 상기 임계치를 비교하여 상기 추가 단위 모델의 상태를 상기 기존 모델의 상태를 유지하면서 추가할지, 상기 추가 단위 모델의 상태를 상기 기존 모델의 상태에 합쳐서 통합할지 여부를 결정하는 단계를 포함하는 것을 특징으로 하는 지능로봇의 점진적인 학습을 통한 모델 개선 방법
9 9
삭제
10 10
제8항에 있어서,상기 (d) 단계에서 상기 임계치는 상기 기존의 단위 모델의 모든 상태 간의 쿨백-라이블러 분기의 최소값으로 산출하는 것을 특징으로 하는 지능로봇의 점진적인 학습을 통한 모델 개선 방법
11 11
제8항에 있어서,상기 (d) 단계는 상기 쿨백-라이블러 분기 값이 상기 임계치보다 작은 경우 상기 추가 단위 모델의 상태를 상기 기존 단위 모델에 합쳐서 하나의 경로를 갖는 모델을 생성하고, 상기 쿨백-라이블러 분기 값이 상기 임계치보다 크거나 같은 경우 상기 추가 단위 모델을 추가함으로써 분기를 갖는 모델을 생성하는 것을 특징으로 하는 지능로봇의 점진적인 학습을 통한 모델 개선 방법
12 12
제8항, 제10항 및 제11항 중 어느 하나의 항에 있어서,상기 (c) 단계에서 상기 모델링은 은닉 마르코프 모델을 통해 수행하고,상기 통합에 적합한 기존 단위 모델을 선택하는 것은 은닉 마르코프 모델 포워드 알고리즘을 이용하여 상기 추가 단위 학습 모델을 선택하는 것을 특징으로 하는 지능로봇의 점진적인 학습을 통한 모델 개선 방법
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 교육과학기술부 한국과학기술연구원 원천기술개발사업〉글로벌프론티어연구개발사업〉인체감응솔루션 생체모방 진화형 학습지능 아키텍처 및 Task Skill 학습지능 기술 개발