1 |
1
액츄에이터 또는 모터를 구비하는 구동부;인공 신경망 기반의 알고리즘 모델을 이용하여 상기 구동부를 제어하는 프로세서; 및 상기 알고리즘 모델을 학습하는 러닝 프로세서;를 포함하되, 상기 알고리즘 모델은 제1 GAN(Generative Adversarial Networks) 및 제2 GAN를 포함하고, 상기 프로세서는, 학습된 제1 GAN에 포함된 제1 생성자(generator)에 복수의 시뮬레이션 이미지를 입력하여 복수의 실제-유사-가짜(real-like-fake) 이미지를 생성하고, 상기 러닝 프로세서는, 복수의 랜덤 텍스처 렌더링 이미지 및 상기 복수의 실제-유사-가짜 이미지에 기초하여 제2 GAN를 학습하고, 상기 프로세서는, 상기 학습된 제2 GAN에 포함된 제2 생성자에 실제(real) 이미지를 입력하여 원형(canonical) 이미지를 생성하고, 상기 원형 이미지를 이용하여 상기 구동부를 제어하는, 로봇
|
2 |
2
제1항에 있어서, 상기 실제-유사-가짜 이미지는 실제 환경에서 획득된 이미지와 유사한 가짜(fake) 이미지인, 로봇
|
3 |
3
제1항에 있어서, 상기 러닝 프로세서는 상기 제1 GAN를 학습하고, 상기 제1 GAN를 학습하기 위한 학습 데이터는 복수의 학습 시뮬레이션 이미지 및 복수의 학습 실제 이미지를 포함하는, 로봇
|
4 |
4
제3항에 있어서, 상기 러닝 프로세서는 상기 제1 GAN를 학습하기 위해 복수의 제1 학습 동작을 수행하되, 상기 복수의 제1 학습 동작 중 하나의 제1 학습 동작에서, 상기 제1 생성자의 입력층으로 상기 학습 시뮬레이션 이미지가 입력되고, 상기 제1 생성자의 출력층으로 실제-유사-가짜 이미지가 출력되며,상기 제1 GAN에 포함된 제1 구별자의 입력층으로 상기 제1 생성자에서 출력된 실제-유사-가짜 이미지 및 제1 이미지가 입력되고, 상기 제1 구별자의 출력층으로 구별 결과가 출력되며, 상기 제1 이미지는 실제 이미지 및 이전의 제1 학습 수행 단계에서 상기 제1 생성자에서 출력된 이전의 실제-유사-가짜 이미지 중 하나의 이미지인, 로봇
|
5 |
5
제1항에 있어서, 상기 러닝 프로세서는 상기 제2 GAN를 학습하기 위해 복수의 제2 학습 동작을 수행하되, 상기 복수의 제2 학습 동작 중 하나의 제2 학습 동작에서, 상기 제2 생성자의 입력층으로 랜덤 텍스처 렌더링 이미지 또는 상기 제1 생성자에서 생성된 실제-유사-가짜 이미지 중 하나가 입력되고, 상기 제2 생성자의 출력층으로 가짜 원형 이미지가 출력되며,상기 제2 GAN에 포함된 제2 구별자의 입력층으로 상기 제2 생성자에서 출력된 가짜 원형 이미지 및 제2 이미지가 입력되고, 상기 제2 구별자의 출력층으로 구별 결과가 출력되며, 상기 제2 이미지는 원형 이미지 및 이전의 제2 학습 수행 단계에서 상기 제2 생성자에서 출력된 이전의 가짜 원형 이미지 중 하나의 이미지인, 로봇
|
6 |
6
제5항에 있어서, 상기 가짜 원형 이미지는 원형 이미지와 유사한 가짜 원형 이미지인, 로봇
|
7 |
7
로봇과 통신을 수행하는 통신부; 인공 신경망 기반의 알고리즘 모델을 이용하여 상기 로봇을 제어하는 제어 신호를 생성하는 프로세서; 및 상기 알고리즘 모델을 학습하는 러닝 프로세서;를 포함하되, 상기 통신부는 상기 제어 신호를 상기 로봇으로 전송하고, 상기 알고리즘 모델은 제1 GAN 및 제2 GAN를 포함하며, 상기 프로세서는, 학습된 제1 GAN에 포함된 제1 생성자에 복수의 시뮬레이션 이미지를 입력하여 복수의 실제-유사-가짜 이미지를 생성하고, 상기 러닝 프로세서는, 복수의 랜덤 텍스처 렌더링 이미지 및 상기 복수의 실제-유사-가짜 이미지에 기초하여 제2 GAN를 학습하고, 상기 프로세서는, 상기 학습된 제2 GAN에 포함된 제2 생성자에 실제 이미지를 입력하여 원형 이미지를 생성하고, 상기 원형 이미지를 이용하여 상기 로봇을 제어하는, 제어 서버
|
8 |
8
제7항에 있어서, 상기 통신부는 5G 네트워크를 통해 상기 제어 신호를 상기 로봇으로 전송하는, 제어 서버
|
9 |
9
제7항에 있어서, 상기 실제-유사-가짜 이미지는 실제 환경에서 획득된 이미지와 유사한 가짜 이미지인, 제어 서버
|
10 |
10
제7항에 있어서, 상기 러닝 프로세서는 상기 제1 GAN를 학습하고, 상기 제1 GAN를 학습하기 위한 학습 데이터는 복수의 학습 시뮬레이션 이미지 및 복수의 학습 실제 이미지를 포함하는, 제어 서버
|
11 |
11
제10항에 있어서, 상기 러닝 프로세서는 상기 제1 GAN를 학습하기 위해 복수의 제1 학습 동작을 수행하되, 상기 복수의 제1 학습 동작 중 하나의 제1 학습 동작에서, 상기 제1 생성자의 입력층으로 상기 학습 시뮬레이션 이미지가 입력되고, 상기 제1 생성자의 출력층으로 실제-유사-가짜 이미지가 출력되며,상기 제1 GAN에 포함된 제1 구별자의 입력층으로 상기 제1 생성자에서 출력된 실제-유사-가짜 이미지 및 제1 이미지가 입력되고, 상기 제1 구별자의 출력층으로 구별 결과가 출력되며, 상기 제1 이미지는 실제 이미지 및 이전의 제1 학습 수행 단계에서 상기 제1 생성자에서 출력된 이전의 실제-유사-가짜 이미지 중 하나의 이미지인, 제어 서버
|
12 |
12
제7항에 있어서, 상기 러닝 프로세서는 상기 제2 GAN를 학습하기 위해 복수의 제2 학습 동작을 수행하되, 상기 복수의 제2 학습 동작 중 하나의 제2 학습 동작에서, 상기 제2 생성자의 입력층으로 랜덤 텍스처 렌더링 이미지 또는 상기 제1 생성자에서 생성된 실제-유사-가짜 이미지 중 하나가 입력되고, 상기 제2 생성자의 출력층으로 가짜 원형 이미지가 출력되며,상기 제2 GAN에 포함된 제2 구별자의 입력층으로 상기 제2 생성자에서 출력된 가짜 원형 이미지 및 제2 이미지가 입력되고, 상기 제2 구별자의 출력층으로 구별 결과가 출력되며, 상기 제2 이미지는 원형 이미지 및 이전의 제2 학습 수행 단계에서 상기 제2 생성자에서 출력된 이전의 가짜 원형 이미지 중 하나의 이미지인, 제어 서버
|
13 |
13
제12항에 있어서, 상기 가짜 원형 이미지는 원형 이미지와 유사한 가짜 원형 이미지인, 제어 서버
|
14 |
14
러닝 프로세서 및 프로세서를 포함하는 장치에서 수행되는 로봇의 동작을 제어하는 방법에 있어서, 상기 프로세서가, 학습된 제1 GAN에 포함된 제1 생성자에 복수의 시뮬레이션 이미지를 입력하여 복수의 실제-유사-가짜 이미지를 생성하는 단계;상기 러닝 프로세서가, 복수의 랜덤 텍스처 렌더링 이미지 및 상기 복수의 실제-유사-가짜 이미지에 기초하여 제2 GAN를 학습하는 단계;상기 프로세서가, 상기 학습된 제2 GAN에 포함된 제2 생성자에 실제 이미지를 입력하여 원형 이미지를 생성하는 단계; 및 상기 원형 이미지를 이용하여 상기 로봇의 동작을 제어하는 단계;를 포함하는, 로봇의 동작 제어 방법
|
15 |
15
제14항에 있어서, 상기 실제-유사-가짜 이미지는 실제 환경에서 획득된 유사한 가짜 이미지인, 로봇의 동작 제어 방법
|
16 |
16
제14항에 있어서, 상기 복수의 실제-유사-가짜 이미지를 생성하는 단계에 선행하여, 상기 러닝 프로세서가 상기 제1 GAN를 학습하는 단계;를 더 포함하고, 상기 제1 GAN를 학습하기 위한 학습 데이터는 복수의 학습 시뮬레이션 이미지 및 복수의 학습 실제 이미지를 포함하는, 로봇의 동작 제어 방법
|
17 |
17
제16항에 있어서, 상기 제1 GAN를 학습하는 단계는, 복수의 제1 학습 수행 단계를 포함하되, 상기 복수의 제1 학습 수행 단계 중 하나의 제1 학습 수행 단계에서, 상기 제1 생성자의 입력층으로 상기 학습 시뮬레이션 이미지가 입력되고, 상기 제1 생성자의 출력층으로 실제-유사-가짜 이미지가 출력되며,상기 제1 GAN에 포함된 제1 구별자의 입력층으로 상기 제1 생성자에서 출력된 실제-유사-가짜 이미지 및 제1 이미지가 입력되고, 상기 제1 구별자의 출력층으로 구별 결과가 출력되며, 상기 제1 이미지는 실제 이미지 및 이전의 제1 학습 수행 단계에서 상기 제1 생성자에서 출력된 이전의 실제-유사-가짜 이미지 중 하나의 이미지인, 로봇의 동작 제어 방법
|
18 |
18
제14항에 있어서, 상기 제2 GAN를 학습하는 단계는, 복수의 제2 학습 수행 단계를 포함하되, 상기 복수의 제2 학습 수행 단계 중 하나의 제2 학습 수행 단계에서, 상기 제2 생성자의 입력층으로 랜덤 텍스처 렌더링 이미지 또는 상기 제1 생성자에서 생성된 실제-유사-가짜 이미지 중 하나가 입력되고, 상기 제2 생성자의 출력층으로 가짜 원형 이미지가 출력되며,상기 제2 GAN에 포함된 제2 구별자의 입력층으로 상기 제2 생성자에서 출력된 가짜 원형 이미지 및 제2 이미지가 입력되고, 상기 제2 구별자의 출력층으로 구별 결과가 출력되며, 상기 제2 이미지는 원형 이미지 및 이전의 제2 학습 수행 단계에서 상기 제2 생성자에서 출력된 이전의 가짜 원형 이미지 중 하나의 이미지인, 로봇의 동작 제어 방법
|
19 |
19
제18항에 있어서, 상기 가짜 원형 이미지는 원형 이미지와 유사한 가짜 원형 이미지인, 로봇의 동작 제어 방법
|