1 |
1
촉각 감지 장치로서,기 학습된 촉각 모사 모델을 저장하는 메모리; 및감지 타깃(Target)으로부터 획득한 시계열적 터치 신호 및 슬라이딩 신호를 상기 촉각 모사 모델에 입력하여, 소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 제공하는 제어부를 포함하는, 촉각 감지 장치
|
2 |
2
제1항에 있어서,촉각 센서; 및상기 촉각 센서가 소정의 위치에 배치되며, 상기 촉각 센서를 물리적으로 이동시키는 로봇 암(Arm)을 더 포함하며,상기 제어부는,상기 촉각 센서가 감지 타깃에 압력을 가하여 시계열적 터치 신호를 획득하도록 상기 로봇 암을 제어하고, 상기 촉각 센서가 상기 감지 타깃에 터치된 상태로 수평 이동하여 슬라이딩 신호를 획득하도록 상기 로봇 암을 제어하도록 구성되는, 촉각 감지 장치
|
3 |
3
제1항에 있어서,상기 시계열적 터치 신호는 상기 감지 타깃의 경도(Hardness)를 측정하기 위한 시계열적 전압값에 관련되고,상기 슬라이딩 신호는,상기 감지 타깃의 표면 거칠기 정보를 추출하기 위해, 측정된 전압값이 주파수 신호로 푸리에 변환(Fourier Transform)되어 상기 촉각 모사 모델에 입력되는, 촉감 감지 장치
|
4 |
4
제1항에 있어서,상기 촉각 모사 모델은,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 레이블(Label) 정보로 사용하여 훈련되는, 촉감 감지 장치
|
5 |
5
제1항에 있어서,상기 촉각 모사 모델은 지도 학습 기반의 신경망 모델이며, 제1 내지 제3 서브 네트워크를 포함하며,상기 제1 서브 네트워크의 출력값 및 상기 제2 서브 네트워크의 출력값이 상기 제3 서브 네트워크의 입력값으로 사용되며,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 출력하도록, 상기 제1 서브 네트워크 내지 제3 서브 네트워크의 파라미터가 반복 구간 마다 업데이트되는, 촉감 감지 장치
|
6 |
6
제5항에 있어서,상기 제1 서브 네트워크는,시계열적 터치 신호의 전압 기울기를 획득하기 위한 서브 네트워크이며, 1차원 컨볼루션 레이어 및 맥스 풀링 레이어를 포함하는, 촉감 감지 장치
|
7 |
7
제6항에 있어서,상기 제2 서브 네트워크는,입력되는 주파수 신호에 기초하여, 감지 타깃의 표면 거칠기 정보를 추출하기 위한 서브 네트워크이며, DNN(Deep Neural Network)으로 구성되는, 촉감 감지 장치
|
8 |
8
제7항에 있어서,상기 제3 서브 네트워크는,상기 제1 서브 네트워크 및 상기 제2 서브 네트워크를 통합하는 서브 네트워크이며,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 보다 정교하게 구분하기 위한 서브 네트워크인, 촉감 감지 장치
|
9 |
9
제1항에 있어서,디스플레이를 더 포함하며,상기 촉각 모사 모델이 출력하는 촉각 정보는, 소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 나타내는 확률 분포를 포함하며,상기 제어부는,상기 소정의 사용자 또는 사용자 그룹에 대한 정보 및 상기 촉각 정보를 상기 디스플레이를 통해 출력하도록 구성되는, 촉각 감지 장치
|
10 |
10
프로세서에 의해 수행되는 촉각 감지 방법으로서,감지 타깃(Target)으로부터 획득한 시계열적 터치 신호 및 슬라이딩 신호를 기 학습된 촉각 모사 모델에 입력하는 단계; 및소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 제공하는 단계를 포함하는, 촉각 감지 방법
|
11 |
11
제10항에 있어서,상기 입력하는 단계 이전에,촉각 센서를 이용하여 감지 타깃에 압력을 가하여, 시계열적 터치 신호를 획득하는 단계; 및상기 촉각 센서가 상기 감지 타깃에 터치된 상태로 수평 이동하여, 슬라이딩 신호를 획득하는 단계를 더 포함하는, 촉각 감지 방법
|
12 |
12
제10항에 있어서,상기 시계열적 터치 신호는 상기 감지 대상의 경도(Hardness)를 측정하기 위한 시계열적 전압값에 관련되고,상기 슬라이딩 신호는,상기 감지 대상의 표면 거칠기 정보를 추출하기 위해, 측정된 전압값이 주파수 신호로 푸리에 변환(Fourier Transform)되어 상기 촉각 모사 모델에 입력되는, 촉각 감지 방법
|
13 |
13
제10항에 있어서,상기 촉각 모사 모델은,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 레이블(Label) 정보로 사용하여 훈련되는, 촉각 감지 방법
|
14 |
14
제10항에 있어서,상기 촉각 모사 모델은 지도 학습 기반의 신경망 모델이며, 제1 내지 제3 서브 네트워크를 포함하며,상기 제1 서브 네트워크의 출력값 및 상기 제2 서브 네트워크의 출력값이 상기 제3 서브 네트워크의 입력값으로 사용되며,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 출력하도록, 상기 제1 서브 네트워크 내지 제3 서브 네트워크의 파라미터가 반복 구간 마다 업데이트되는, 촉각 감지 방법
|
15 |
15
제14항에 있어서,상기 제1 서브 네트워크는,시계열적 터치 신호의 전압 기울기를 획득하기 위한 서브 네트워크이며, 1차원 컨볼루션 레이어 및 맥스 풀링 레이어를 포함하는, 촉각 감지 방법
|
16 |
16
제15항에 있어서,상기 제2 서브 네트워크는,입력되는 주파수 신호에 기초하여, 감지 대상의 표면 거칠기 정보를 추출하기 위한 서브 네트워크이며, DNN(Deep Neural Network)으로 구성되는, 촉각 감지 방법
|
17 |
17
제16항에 있어서,상기 제3 서브 네트워크는,상기 제1 서브 네트워크 및 상기 제2 서브 네트워크를 통합하는 서브 네트워크이며,소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 보다 정교하게 구분하기 위한 서브 네트워크인, 촉각 감지 방법
|
18 |
18
컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체에 있어서,상기 프로그램은, 프로세서에 의한 실행 시, 상기 프로세서가,감지 타깃(Target)으로부터 획득한 시계열적 터치 신호 및 슬라이딩 신호를 기 학습된 촉각 모사 모델에 입력하는 동작; 및소정의 사용자 또는 사용자 그룹에 매핑된 촉각 레벨에 대응하는 촉각 정보를 출력하는 동작을 수행하도록 하는 실행 가능한 명령을 포함하는, 컴퓨터 판독 가능한 기록 매체
|