| 1 |
1
로봇의 외부 자극을 포함하는 입력 데이터를 획득하는 단계;복수의 특징 인식부들을 이용하여 상기 입력 데이터로부터 특징을 인식하는 단계;상기 특징이 기 정의된 것인지 여부를 기초로, 상기 특징에 대응하는 표상 모델을 갱신하거나, 또는 상기 특징에 대응하는 표상 모델(representation model)을 생성하는 단계; 및 상기 표상 모델을 포함하는 기억 모델을 형성하는 단계를 포함하고, 상기 특징 인식부들은 상기 특징에 대응하여 저장된 가중치의 디폴트 값에 기초한 인식 정확도 및 사용자 반응도를 조합한 가중치에 의해 학습되며, 상기 인식 정확도 및 상기 사용자 반응도의 조합은 상기 로봇이 인식하고자 하는 객체에 따라 가변적으로 적용되는, 기억 모델을 형성하는 방법
|
| 2 |
2
제1항에 있어서, 상기 표상 모델을 생성하는 단계는상기 특징이 기 정의된 것인지 여부를 판단하는 단계;상기 특징이 상기 기 정의된 것인 경우, 상기 기 정의된 특징에 대응하는 제1 표상 모델을 갱신하는 단계; 및상기 특징이 상기 기 정의되지 않은 것인 경우, 상기 기 정의되지 않은 특징에 대응하는 제2 표상 모델을 생성하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 3 |
3
제2항에 있어서, 상기 기억 모델을 형성하는 단계는 상기 제1 표상 모델 및 상기 제2표상 모델을 포함하는 기억 모델을 형성하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 4 |
4
제2항에 있어서, 상기 제1 표상 모델을 갱신하는 단계는상기 특징이 기 정의된 제1 개념인 경우, 상기 제1 개념의 이름과 상기 제1 개념에 대응하는 특징맵에 기초하여 상기 제1 개념에 대응하는 개념 표상 모델을 갱신하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 5 |
5
제2항에 있어서, 상기 제1 표상 모델을 갱신하는 단계는상기 특징이 기 정의된 제1 관계인 경우, 상기 제1 관계의 이름과 상기 제1 관계에 대응하는 특징맵에 기초하여 상기 제1 관계에 대응하는 관계 표상 모델을 갱신하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 6 |
6
제2항에 있어서, 상기 제2 표상 모델을 생성하는 단계는 상기 특징이 기 정의되지 않은 제2 개념인 경우, 상기 제2 개념에 대응하는 특징맵에 기초하여 상기 제2 개념에 대응하는 개념 표상 모델을 생성하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 7 |
7
제2항에 있어서, 상기 제2 표상 모델을 생성하는 단계는 상기 특징이 기 정의되지 않은 제2 관계인 경우, 상기 제2 관계에 대응하는 특징맵에 기초하여 상기 제2 관계에 대응하는 관계 표상 모델을 생성하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 8 |
8
제1항에 있어서, 상기 입력 데이터를 획득하는 단계는상기 로봇으로부터 상기 외부 자극에 대한 정보를 획득하는 단계; 및 인터넷을 포함하는 유무선 네트워크를 통해 상기 외부 자극에 대한 정보를 획득하는 단계중 적어도 하나를 포함하는, 기억 모델을 형성하는 방법
|
| 9 |
9
제1항에 있어서, 상기 특징을 인식하는 단계는상기 특징을 인코딩하여 표상으로 생성하는 단계; 및 상기 표상에 의해 상기 특징을 인식하는 단계를 포함하는, 기억 모델을 형성하는 방법
|
| 10 |
10
제1항에 있어서, 상기 특징 인식부들은 인공 신경망을 이용하는 CNN(convolutional neural network), SVM(support vector machine), 베이즈 분류기, k-NN(k nearest neighbor) 중 적어도 하나를 포함하고, 상기 입력 데이터에 대응하는 SDR(Sparse Distributed Representation) 또는 상기 CNN 기반의 최종단 가중치 행렬값을 출력하는, 기억 모델을 형성하는 방법
|
| 11 |
11
삭제
|
| 12 |
12
제1항에 있어서, 상기 기억 모델에 기초하여, 상기 특징에 대응하는 상기 로봇의 반응을 생성하는 단계를 더 포함하는, 기억 모델을 형성하는 방법
|
| 13 |
13
제1항에 있어서, 상기 로봇의 외부와 상기 로봇 간의 인터랙션에 의해 획득되는 상기 특징에 대응하는 가중치의 디폴트(default) 값 및 상기 기억 모델에 새로이 포함되는 특징, 개념, 관계, 스키마(schema) 중 적어도 하나를 포함하는 정보를 데이터베이스에 저장하는 단계 를 더 포함하는, 기억 모델을 형성하는 방법
|
| 14 |
14
하드웨어와 결합되어 제1항 내지 제10항 및 제12항 내지 제13항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램
|
| 15 |
15
로봇의 외부 자극을 포함하는 입력 데이터를 획득하는 통신 인터페이스; 및 복수의 특징 인식부들을 이용하여 상기 입력 데이터로부터 특징을 인식하고, 상기 특징이 기 정의된 것인지 여부를 기초로, 상기 특징에 대응하는 표상 모델을 갱신하거나, 또는 상기 특징에 대응하는 표상 모델을 생성하며, 상기 표상 모델을 포함하는 기억 모델을 형성하는 적어도 하나의 프로세서 를 포함하고, 상기 특징 인식부들은 상기 특징에 대응하여 저장된 가중치의 디폴트 값에 기초한 인식 정확도 및 사용자 반응도를 조합한 가중치에 의해 학습되며, 상기 인식 정확도 및 상기 사용자 반응도의 조합은 상기 로봇이 인식하고자 하는 객체에 따라 가변적으로 적용되는, 기억 모델을 형성하는 장치
|
| 16 |
16
제15항에 있어서, 상기 프로세서는 상기 특징이 기 정의된 것인지 여부를 판단하고, 상기 특징이 상기 기 정의된 것인 경우, 상기 기 정의된 특징에 대응하는 제1 표상 모델을 갱신하고, 상기 특징이 상기 기 정의되지 않은 것인 경우, 상기 기 정의되지 않은 특징에 대응하는 제2 표상 모델을 생성하며, 상기 제1 표상 모델 및 상기 제2표상 모델을 포함하는 기억 모델을 형성하는, 기억 모델을 형성하는 장치
|
| 17 |
17
제16항에 있어서, 상기 프로세서는 상기 특징이 기 정의된 제1 개념인 경우, 상기 제1 개념의 이름과 상기 제1 개념에 대응하는 특징맵에 기초하여 상기 제1 개념에 대응하는 개념 표상 모델을 갱신하고, 상기 특징이 기 정의된 제1 관계인 경우, 상기 제1 관계의 이름과 상기 제1 관계에 대응하는 특징맵에 기초하여 상기 제1 관계에 대응하는 관계 표상 모델을 갱신하는,기억 모델을 형성하는 장치
|
| 18 |
18
제16항에 있어서, 상기 프로세서는상기 특징이 기 정의되지 않은 제2 개념인 경우, 상기 제2 개념에 대응하는 특징맵에 기초하여 상기 제2 개념에 대응하는 개념 표상 모델을 생성하고, 상기 특징이 기 정의되지 않은 제2 관계인 경우, 상기 제2 관계에 대응하는 특징맵에 기초하여 상기 제2 관계에 대응하는 관계 표상 모델을 생성하는,기억 모델을 형성하는 장치
|
| 19 |
19
제15항에 있어서, 상기 통신 인터페이스는상기 로봇으로부터 상기 외부 자극에 대한 정보를 획득하거나, 인터넷을 포함하는 유무선 네트워크를 통해 상기 외부 자극에 대한 정보를 획득하거나, 또는 상기 로봇 및 상기 유무선 네트워크를 통해 상기 외부 자극에 대한 정보를 획득하는, 기억 모델을 형성하는 장치
|
| 20 |
20
제15항에 있어서, 상기 로봇의 외부와 상기 로봇 간의 인터랙션에 의해 획득되는 상기 특징에 대응하는 가중치의 디폴트 값 및 상기 기억 모델에 새로이 포함되는 특징, 개념, 관계, 스키마 중 적어도 하나를 포함하는 메모리를 더 포함하는, 기억 모델을 형성하는 장치
|
