KR102701384B1 - 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치 - Google Patents

인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치 Download PDF

Info

Publication number
KR102701384B1
KR102701384B1 KR1020230134851A KR20230134851A KR102701384B1 KR 102701384 B1 KR102701384 B1 KR 102701384B1 KR 1020230134851 A KR1020230134851 A KR 1020230134851A KR 20230134851 A KR20230134851 A KR 20230134851A KR 102701384 B1 KR102701384 B1 KR 102701384B1
Authority
KR
South Korea
Prior art keywords
indoor environment
user
data
artificial intelligence
plan
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
KR1020230134851A
Other languages
English (en)
Inventor
이동환
Original Assignee
탐나 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 탐나 주식회사 filed Critical 탐나 주식회사
Priority to KR1020230134851A priority Critical patent/KR102701384B1/ko
Application granted granted Critical
Publication of KR102701384B1 publication Critical patent/KR102701384B1/ko
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Toxicology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

본 발명은 전자장치가 인공지능 모델을 이용하여, 식물 인테리어 기반 실내환경을 조절하는 방법에 관한 것이다. 상기 방법은, 사용자와 상호작용이 가능하게 구성된 식물 인테리어로부터 실내환경 데이터를 획득하는 단계; 사용자로부터 제 1 사용자 데이터를 획득하는 단계; 실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 제 1 사용자 데이터를 입력함으로서, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하는 단계; 및 상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력하는 단계; 를 포함할 수 있다.

Description

인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치 {METHOD AND APPARATUS FOR CONTROLLING INDOOR ENVIRONMENT BASED ON PLANT INTERIOR USING ARTIFICIAL INTELLIGENCE MODEL}
인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치에 관한 것이다.
다양한 디바이스를 통해 실내환경을 조절하는 방법에 대한 관심은 사물인터넷(IoT) 기술의 발달에 따라 증가하고 있다.
제습기, 가습기, 공기청정기, 에어 서큘레이터 등 실내환경을 직접적으로 조절할 수 있는 디바이스들뿐 아니라, 기술의 발달에 따라 간단하게 창문의 개폐, 커튼의 개폐 등을 통해 실내환경을 간접적으로 조절할 수 있는 방법들이 널리 알려져 있다. 또한, 식물을 이용하여 실내환경을 조절할 수도 있다.
다만, 실내환경을 적절하게 조절하기 위해서는 단순히 실내환경 상태만 고려되는 것이 아니라 실내환경에 있는 사람(사용자)의 상태도 고려되어야 한다.
피부질환, 호흡기질환 등을 갖는 아이들의 경우 특히 실내환경을 적절하게 조절하는 것이 건강을 위해서 필수적이다.
일 실시예에 따르면, 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치가 제공될 수 있다.
보다 구체적으로, 복수의 인공지능 모델 및 실내환경에 영향을 미칠 수 있는 다양한 데이터(입력)을 이용하여, 식물 인테리어를 기반으로 실내환경을 조절하는 방법 및 장치가 제공될 수 있다.
본 발명의 과제들은 이상에서 언급한 과제들로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
전술한 바와 같은 과제를 해결하기 위하여 본 개시의 일 실시예에 따르면, 전자장치가 인공지능 모델을 이용하여, 식물 인테리어 기반 실내환경을 조절하는 방법이 제공될 수 있다. 상기 방법은 식물 인테리어로부터 실내환경 데이터를 획득하는 단계; 사용자로부터 제 1 사용자 데이터를 획득하는 단계; 실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하는 단계; 및 상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력하는 단계; 를 포함하고, 상기 식물 인테리어는 상기 사용자와 상호작용이 가능하게 구성된 조명부를 포함할 수 있다.
일 실시예에 따르면, 상기 식물 인테리어는 상기 사용자와 상호작용하도록 구성된 터치 센서부 및 상기 식물 인테리어가 배치된 공간으로부터 상기 실내환경 데이터를 측정하도록 구성된 측정부를 포함할 수 있다.
일 실시예에 따르면, 상기 식물 인테리어 및 상기 식물 인테리어가 배치된 실내의 실내환경 조절 디바이스들은 서로 통신가능하게 연결될 수 있다.
일 실시예에 따르면, 상기 선택된 후보 실내환경 조절 계획은 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도, 또는 부유 세균 농도 중 적어도 하나를 조절하도록, 상기 실내환경 조절 디바이스들을 제어하기 위한 계획들을 포함할 수 있다.
일 실시예에 따르면, 상기 방법은 상기 식물 인테리어로부터 제 2 사용자 데이터를 획득하는 단계; 제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델로부터 후보 실내환경 수정 계획들을 출력하는 단계; 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하는 단계; 및 상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용하는 단계를 포함할 수 있다.
일 실시예에 따르면, 상기 제 2 사용자 데이터는 사용자가 식물 인테리어와 상호작용한 데이터를 포함할 수 있다.
일 실시예에 따르면, 상기 실내환경 조절 계획 인공지능 모델은 실내환경 학습데이터 및 제 1 사용자 학습데이터를 기초로 학습될 수 있다.
일 실시예에 따르면, 상기 실내환경 수정 인공지능 모델은 제 2 사용자 학습데이터 및 실내환경 조절 계획 학습데이터를 기초로 학습될 수 있다.
일 실시예에 따르면, 상기 방법은 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하는 단계; 실내환경 수정 계획 및 제 1 사용자 데이터가 입력되면, 실내환경 수정 계획 및 제 1 사용자 데이터에 따른 실내환경 개선 요청을 출력하는, 실내환경 개선 요청 인공지능 모델에, 상기 선택된 후보 실내환경 수정 계획 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 개선 요청 인공지능 모델로부터 실내환경 개선 요청을 출력하는 단계; 및 상기 실내환경 개선 요청을 사용자에게 송신하는 단계을 더 포함할 수 있다.
전술한 바와 같은 과제를 해결하기 위하여 본 개시의 다른 실시예에 따르면 인공지능 모델을 이용하여, 식물 인테리어 기반 실내환경을 조절하기 위한 전자장치가 제공될 수 있다. 상기 전자장치는 하나 이상의 인스트럭션을 저장하는 메모리; 및 상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 사용자와 상호작용이 가능하게 구성된 식물 인테리어로부터 실내환경 데이터를 획득하고; 사용자로부터 제 1 사용자 데이터를 획득하고; 실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 제 1 사용자 데이터를 입력함으로서, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하고; 그리고 상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력할 수 있다.
일 실시예에 따르면, 상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
상기 식물 인테리어로부터 제 2 사용자 데이터를 획득하고; 제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델로부터 후보 실내환경 수정 계획들을 출력하고; 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하고; 그리고 상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용할 수 있다.
일 실시예에 따르면, 상기 제 2 사용자 데이터는 사용자가 식물 인테리어와 상호작용한 데이터를 포함할 수 있다.
기타 실시예의 구체적인 사항들은 발명을 실시하기 위한 구체적인 내용 및 도면들에 포함되어 있다.
도 1은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하는 과정을 나타내는 도면이다.
도 2은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 후보 실내환경 조절 계획을 출력하는 과정을 나타내는 흐름도이다.
도 3은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 후보 실내환경 수정 계획을 출력하는 과정을 나타내는 흐름도이다.
도 4은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 실내환경 개선 요청을 출력하는 과정을 나타내는 흐름도이다.
도 5는 일 실시예에 따라 실내환경 조절 계획 인공지능 모델, 실내환경 수정 인공지능 모델, 및 실내환경 개선 요청 인공지능 모델의 학습 과정을 설명하는 흐름도이다.
도 6는 일 실시예에 따른 전자장치의 블록도이다.
도 7은 일 실시예에 따른 전자장치의 블록도이다.
도 8은 일 실시예에 따른 서버의 블록도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조부호가 사용될 수 있다.
본 문서에서, "가진다," "가질 수 있다," "포함한다," 또는 "포함할 수 있다" 등의 표현은 해당 특징(예: 수치, 기능, 동작, 또는 부품 등의 구성요소)의 존재를 가리키며, 추가적인 특징의 존재를 배제하지 않는다.
본 문서에서, "A 또는 B," "A 또는/및 B 중 적어도 하나," 또는 "A 또는/및 B 중 하나 또는 그 이상" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다. 예를 들면, "A 또는 B," "A 및 B 중 적어도 하나," 또는 "A 또는 B 중 적어도 하나"는, (1) 적어도 하나의 A를 포함, (2) 적어도 하나의 B를 포함, 또는 (3) 적어도 하나의 A 및 적어도 하나의 B 모두를 포함하는 경우를 모두 지칭할 수 있다.
본 문서에서 사용된 "제1," "제2," "첫째," 또는 "둘째," 등의 표현들은 다양한 구성요소들을, 순서 및/또는 중요도에 상관없이 수식할 수 있고, 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 뿐 해당 구성요소들을 한정하지 않는다. 예를 들면, 제1 사용자 기기와 제2 사용자 기기는, 순서 또는 중요도와 무관하게, 서로 다른 사용자 기기를 나타낼 수 있다. 예를 들면, 본 문서에 기재된 권리범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 바꾸어 명명될 수 있다.
어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "(기능적으로 또는 통신적으로) 연결되어((operatively or communicatively) coupled with/to)" 있다거나 "접속되어(connected to)" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되거나, 다른 구성요소(예: 제3 구성요소)를 통하여 연결될 수 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소(예: 제1 구성요소)가 다른 구성요소(예: 제2 구성요소)에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 다른 구성요소(예: 제3 구성요소)가 존재하지 않는 것으로 이해될 수 있다.
본 문서에서 사용된 표현 "~하도록 구성된(또는 설정된)(configured to)"은 상황에 따라, 예를 들면, "~에 적합한(suitable for)," "~하는 능력을 가지는(having the capacity to)," "~하도록 설계된(designed to)," "~하도록 변경된(adapted to)," "~하도록 만들어진(made to)," 또는 "~ 를 할 수 있는(capable of)"과 바꾸어 사용될 수 있다. 용어 "~하도록 구성된(또는 설정된)"은 하드웨어적으로 "특별히
. 설계된(specifically designed to)" 것 만을 반드시 의미하지 않을 수 있다. 대신, 어떤 상황에서는, "~하도록 구성된 장치"라는 표현은, 그 장치가 다른 장치 또는 부품들과 함께 "~할 수 있는" 것을 의미할 수 있다. 예를 들면, 문구 "A, B, 및 C를 수행하도록 구성된(또는 설정된)프로세서"는 해당 동작을 수행하기 위한 전용 프로세서(예: 임베디드 프로세서), 또는 메모리 장치에 저장된 하나 이상의 소프트웨어 프로그램들을 실행함으로써, 해당 동작들을 수행할 수 있는 범용 프로세서(generic-purpose processor)(예: CPU 또는 application processor)를 의미할 수 있다.
본 문서에서 사용된 용어들은 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 다른 실시예의 범위를 한정하려는 의도가 아닐 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다. 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 용어들은 본 문서에 기재된 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가질 수 있다. 본 문서에 사용된 용어들 중 일반적인 사전에 정의된 용어들은, 관련 기술의 문맥상 가지는 의미와 동일 또는 유사한 의미로 해석될 수 있으며, 본 문서에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다. 경우에 따라서, 본 문서에서 정의된 용어일지라도 본 문서의 실시예들을 배제하도록 해석될 수 없다.
본 개시에 따른 인공지능과 관련된 기능은 프로세서와 메모리를 통해 동작된다. 프로세서는 하나 또는 복수의 프로세서로 구성될 수 있다. 이때, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능 전용 프로세서일 수 있다. 하나 또는 복수의 프로세서는, 메모리에 저장된 기 정의된 동작 규칙 또는 인공지능 모델에 따라, 입력 데이터를 처리하도록 제어한다. 또는, 하나 또는 복수의 프로세서가 인공지능 전용 프로세서인 경우, 인공지능 전용 프로세서는, 특정 인공지능 모델의 처리에 특화된 하드웨어 구조로 설계될 수 있다.
기 정의된 동작 규칙 또는 인공지능 모델은 학습을 통해 만들어진 것을 특징으로 한다. 여기서, 학습을 통해 만들어진다는 것은, 기본 인공지능 모델이 학습 알고리즘에 의하여 다수의 학습 데이터들을 이용하여 학습됨으로써, 원하는 특성(또는, 목적)을 수행하도록 설정된 기 정의된 동작 규칙 또는 인공지능 모델이 만들어짐을 의미한다. 이러한 학습은 본 개시에 따른 인공지능이 수행되는 기기 자체에서 이루어질 수도 있고, 별도의 서버 및/또는 시스템을 통해 이루어질 수도 있다. 학습 알고리즘의 예로는, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)이 있으나, 전술한 예에 한정되지 않는다.
인공지능 모델은, 복수의 신경망 레이어들로 구성될 수 있다. 복수의 신경망 레이어들 각각은 복수의 노드들과 가중치들(weight values)을 갖고 있으며, 이전(previous) 레이어의 연산 결과와 복수의 가중치들 간의 연산을 통해 신경망 연산을 수행한다. 복수의 신경망 레이어들이 갖고 있는 복수의 가중치들은 인공지능 모델의 학습 결과에 의해 최적화될 수 있다. 예를 들어, 학습 과정 동안 인공지능 모델에서 획득한 로스(loss) 값 또는 코스트(cost) 값이 감소 또는 최소화되도록 복수의 가중치들이 갱신될 수 있다. 또한, 손실값 또는 코스트 값을 최소화하기 위해, 손실값 또는 코스트값과 관련된 그래디언트를 최소화하는 방향으로 복수의 가중치들이 갱신될 수 있다. 인공 신경망은 심층 신경망(DNN:Deep Neural Network)를 포함할 수 있으며, 예를 들어, CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 등이 있으나, 전술한 예에 한정되지 않는다.
본 발명의 여러 실시예들의 각각 특징들이 부분적으로 또는 전체적으로 서로 결합 또는 조합 가능하며, 당업자가 충분히 이해할 수 있듯이 기술적으로 다양한 연동 및 구동이 가능하며, 각 실시예들이 서로에 대하여 독립적으로 실시 가능할 수도 있고 연관 관계로 함께 실시 가능할 수도 있다.
이하, 첨부된 도면을 참조하여 본 발명의 다양한 실시예들을 상세하게 설명한다.
도 1은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하는 과정을 나타내는 도면이다.
도 1을 참조하면, 일 실시예에 따른 전자장치(1000)는 서로 상이한 입출력 값을 갖는 3개의 인공지능 모델, 즉 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)을 이용하여, 식물 인테리어를 기반으로 실내환경을 최적으로 조절하기 위한 솔루션을 제공할 수 있다.
보다 구체적으로, 전자장치(1000)는 실내환경 조절 계획 인공지능 모델(2000)에 실내 환경 데이터 및 제 1 사용자 데이터를 입력하여 후보 실내환경 조절 계획들을 출력할 수 있고, 실내환경 수정 인공지능 모델(3000)에 선택된 후보 실내환경 조절 계획 및 제 2 사용자 데이터를 입력하여 후보 실내환경 수정 계획들을 출력할 수 있고, 그리고 실내환경 개선 요청 인공지능 모델(4000)에 선택된 실내환경 수정 계획 및 제 1 사용자 데이터를 입력하여 실내환경 개선 요청을 출력할 수 있다.
일 실시예에 따르면, 실내환경 조절 계획 인공지능 모델(2000)은, 실내 환경 학습데이터 및 제 1 사용자를 기초로 학습될 수 있다.
일 실시예에 따르면, 실내환경 수정 인공지능 모델(3000)은, 실내환경 조절 계획 학습데이터 및 제 2 사용자 학습데이터를 기초로 학습될 수 있다.
일 실시예에 따르면, 실내환경 개선 요청 인공지능 모델(4000)은, 실내환경 수정 계획 학습데이터 및 제 1 사용자 학습데이터를 기초로 학습될 수 있다.
일 실시예에 따르면, 전자장치(1000)는 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)을 포함할 수 있다.
한편, 전자장치(1000)는 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)을 모델링, 학습, 수정, 또는 갱신하는 동작을 수행할 수 있다.
일 실시예에 따르면, 전자장치(1000)가 이용하는 인공지능 모델들, 예를 들어 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)은 생물학적 신경망에 착안된 컴퓨팅 시스템을 지칭하는 인공신경망(Artificial Neural Network, ANN) 모델이다. 인공신경망 모델의 예로, 심층신경망(Deep Neural Network, DNN), CNN(Convolution Neural Network), RNN(Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network), 심층 Q-네트워크 (Deep Q-Networks) 등이 있다. 이하에서는 다른 언급이 없다면 본 개시에 따른 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)은 인공신경망 모델 중 심층신경망(Deep Neural Network, DNN) 또는 비정형 딥러닝 모델을 사용하는 생성형 인공지능(Generative AI) 모델인 경우를 예로 설명하기로 한다.
도 2은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 후보 실내환경 조절 계획을 출력하는 과정을 나타내는 흐름도이다.
단계 S210에서, 전자장치(1000)는 식물 인테리어로부터 실내환경 데이터를 획득할 수 있다.
본 개시에서, 식물 인테리어라는 용어는 식물에 대한 터치를 기반으로 조명을 온오프(on-off)하는 기능을 제공하는 인테리어 디바이스로, 식물 인테리어는 사용자의 터치를 감지하기 위한 터치 센서부 및 식물 인테리어가 배치된 공간으로부터 실내환경 데이터를 획득하도록 구성된 측정부를 포함할 수 있다. 터치 센서부는 사용자가 식물 인테리어를 터치한 시간, 횟수, 및 강도에 대한 데이터를 획득할 수 있는 적어도 하나의 터치 센서를 포함하고, 측정부는 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도(프로판, 일산화탄소, 암모니아 등) 또는 부유 세균 농도 중 적어도 하나를 측정하여 데이터를 획득할 수 있는 적어도 하나의 측정 디바이스를 포함한다.
일 실시예에 따르면, 식물 인테리어는 상기 사용자와 상호작용하도록 구성된 터치 센서부 및 식물 인테리어가 배치된 공간으로부터 실내환경 데이터를 측정하도록 구성된 측정부를 포함할 수 있다.
본 개시에서, 실내환경 데이터는 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도(프로판, 일산화탄소, 암모니아 등), 부유 세균 농도, 또는 실내 공간 크기 중 적어도 하나를 포함할 수 있다. 실내환경 데이터는 식물 인테리어의 측정부로부터 획득될 수도 있고, 실내환경에 배치된 측정부를 포함하는 다른 디바이스들로부터 획득될 수 있다. 실내환경 데이터는 실내환경 예측을 위해 시간에 따라 측정, 저장, 또는 분석될 수 있다.
단계 S220에서, 전자장치(1000)는 사용자로부터 제 1 사용자 데이터를 획득할 수 있다.
본 개시에서, 제 1 사용자 데이터라는 용어는 사용자가 식물 인테리어와 상호작용한 데이터를 제외한 데이터로, 실내환경과 연관된 사용자의 다양한 속성을 포함하는 데이터를 의미할 수 있다. 전자장치(1000)는 사용자 입력에 기초하여 제 1 사용자 데이터는 직접적 또는 전자장치(1000)에 연결된 다른 서버를 통해서 간접적으로 획득할 수 있다. 전자장치(1000)는 실내환경 공간에서 거주자의 수, 나이, 성별, 몸무게 등, 반려동물의 수, 종류, 몸무게 등, 배치되어 있는 실내환경 조절 디바이스의 수, 종류, 배치 정보 등을 제 1 사용자 데이터로 획득할 수 있다.
단계 S230에서, 전자장치(1000)는 실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델(2000)에, 상기 실내환경 데이터 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 조절 계획 인공지능 모델(2000)로부터 후보 실내환경 조절 계획들을 출력할 수 있다.
단계 S240에서, 전자장치(1000)는 상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력할 수 있다.
실내환경 조절 계획 인공지능 모델(2000)은 실내환경 데이터 및 제 1 사용자 데이터를 고려하여, 실내환경을 적절하게 조절하기 위한 후보 실내환경 조절 계획들을 출력할 수 있다. 보다 구체적으로 실내환경 데이터를 이용하여 실내환경을 진단 또는 분석될 수 있고, 제 1 사용자 데이터를 이용하여 실내환경에 영향을 미칠 수 있는 요소를 진단 또는 분석될 수 있어, 실내환경 조절 계획 인공지능 모델(2000)은 최적의 후보 실내환경 조절 계획들 출력될 수 있다.
전자장치(1000)는 실내환경 데이터 및 제 1 사용자 데이터를 고려하여 실내환경 조절 계획 인공지능 모델(2000)에 의해 출력된 실내환경 조절 계획에 따라 후술할 실내환경 조절 디바이스를 제어할 수 있으며, 이에 따라 실내환경이 최적으로 조절될 수 있다.
일 실시예에 따르면, 상기 식물 인테리어 및 상기 식물 인테리어가 배치된 실내의 실내환경 조절 디바이스들은 서로 통신가능하게 연결될 수 있다.
본 개시에서, 실내환경 조절 계획은 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도, 또는 부유 세균 농도 중 적어도 하나를 조절하도록, 상기 실내환경 조절 디바이스들을 시간에 따라 제어하기 위한 계획을 포함할 수 있다.
일 실시예에 따르면, 상기 선택된 후보 실내환경 조절 계획은 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도, 또는 부유 세균 농도 중 적어도 하나를 조절하도록, 상기 실내환경 조절 디바이스들을 제어하기 위한 계획들을 포함할 수 있다.
본 개시에서, 실내환경 조절 디바이스는 제습기, 가습기, 공기청정기, 에어 서큘레이터 등 실내환경을 직접적으로 조절할 수 있는 디바이스들뿐 아니라, 창문의 개폐, 커튼의 개폐, 조명의 온오프 등을 통해 실내환경을 간접적으로 조절할 수 있는 디바이스들을 포함할 수 있다. 특히, 본 개시에서, 식물 인테리어도 식물의 공기 정화 작용, 식물 터치 기반의 조명 온오프 등의 기능을 통해 실내환경을 직접적 또는 간접적으로 조절하는 기능을 수행할 수 있기 때문에, 실내환경 조절 디바이스에 식물 인테리어도 포함될 수 있다.
일 실시예에 따르면, 실내환경 조절 계획 인공지능 모델(2000)은 거주자 및 반려동물의 수 및 몸무게가 보다 많은 경우의 실내환경을 거주자 및 반려동물의 수 및 몸무게가 보다 많은 경우의 실내환경보다 낮은 강도 또는 적은 시간으로 실내환경 조절 디바이스를 동작하는 실내환경 조절 계획을 출력하도록 학습될 수 있다.
도 3은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 후보 실내환경 수정 계획을 출력하는 과정을 나타내는 흐름도이다.
단계 S310에서, 전자장치(1000)는 상기 식물 인테리어로부터 제 2 사용자 데이터를 획득할 수 있다.
본 개시에서, 제 2 사용자 데이터라는 용어는 사용자가 식물 인테리어와 상호작용한 데이터를 의미할 수 있다. 사용자는 식물 인테리어와 사용자와 상호작용하도록 구성된 터치 센서부를 통해 상호작용하고, 전자장치(1000)는 식물 인테리어를 통해, 사용자가 식물 인테리어를 터치한 시간, 횟수, 및 강도에 대한 데이터를 제 2 사용자 데이터로 획득할 수 있다.
일 실시예에 따르면, 전자장치(1000)는 제 2 사용자 데이터를 복수의 이격된 공간에 배치된 복수의 식물 인테리어들로부터 획득될 수 있다.
단계 S320에서, 전자장치(1000)는 제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델(3000)에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델(3000)로부터 후보 실내환경 수정 계획들을 출력할 수 있다.
일 실시예에 따르면, 실내환경 수정 인공지능 모델(3000)은 제 2 사용자 데이터에 기초하여, 복수의 식물 인테리어들, 즉 제 1 식물 인테리어 및 제 2 식물 인테리어가 복수의 이격된 공간들, 즉 제 1 공간 및 제 2 공간에 각각 배치된 경우, 제 1 공간에서 사용자의 터치 횟수가 제 2 공간에서 사용자의 터치 횟수보다 많은 경우, 제 1 공간에서 실내환경 조절 계획을 수행하는 실내환경 조절 디바이스를 제 2 공간에서 실내환경 조절 계획을 수행하는 실내환경 조절 디바이스보다 미리결정된 강도만큼 보다 높은 강도로 동작하도록 학습될 수 있다. 미리결정된 강도는 사용자에 의해 미리 설정되거나 실내환경 조절 디바이스의 최소 강도 조절 단위로 미리 설정될 수 있으며, 이에 제한되지 않는다.
일 실시예에 따르면, 실내환경 수정 인공지능 모델(3000)은 제 2 사용자 데이터에 기초하여, 복수의 식물 인테리어들, 즉 제 1 식물 인테리어 및 제 2 식물 인테리어가 복수의 이격된 공간들, 즉 제 1 공간 및 제 2 공간에 각각 배치된 경우, 제 1 공간에서 사용자의 터치가 제 2 공간에서 사용자의 터치보다 먼저 확인되는 경우, 실내환경 조절 계획을 수행하는 실내환경 조절 디바이스를 제 1 공간에서 제 2 공간에서보다 미리결정된 시간만큼 먼저 온(on) 동작하도록 학습될 수 있다. 미리결정된 시간은 사용자에 의해 미리 설정되거나 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이로 미리 설정될 수 있으며, 이에 제한되지 않는다. 이때, 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이는 1시간 이내 경우에 미리결정된 시간으로 결정될 수 있으며, 1시간을 초과하는 경우 해당 일자를 제외하고 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이가 미리결정된 시간 차이로 결정될 수 있다. 보다 구체적으로, 사용자가 제 1 공간과 제 2 공간을 1시간을 초과하는 차이로 사용하는 패턴은 사용자가 제 1 공간과 제 2 공간을 연결하여 사용하는 또는 하나의 동선으로 사용하는 사용자의 규칙성을 갖는 패턴이라고 보기 어렵다. 이에 따라, 실내환경 수정 인공지능 모델(3000)는 보다 정확하게 사용자가 제 1 공간 및 제 2 공간을 사용하는 패턴을 반영하여, 제 1 공간과 제 2 공간을 최적의 실내환경 조절 계획으로 유지할 수 있는 후보 실내환경 수정 계획들을 출력할 수 있다. 특히, 사용자가 제 1 공간을 주로 사용하면서 제 2 공간을 보다 낮은 빈도수 및 시간 동안 사용하는 경우, 제 2 공간을 사용하면서 식물 인테리어를 터치할 수도 있고 터치하지 않을 수도 있는데, 터치하지 않는 경우에는 사용자가 제 2 공간을 매우 단시간 동안 사용하는 경우로서 실내환경 조절의 필요성이 낮으며, 터치하는 경우라도 시간의 차이가 1시간이 넘어가는 경우에는 제 1 공간과 제 2 공간을 연결하여 사용하는 또는 하나의 동선으로 사용하는 사용자의 규칙성을 갖는 패턴이라고 보기 어렵다. 결국, 실내환경 수정 인공지능 모델(3000)는 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이는 1시간 이내 경우에 미리결정된 시간으로 결정함으로써, 제 1 공간과 제 2 공간을 연결하여 사용하는 또는 하나의 동선으로 사용하는 사용자의 규칙성을 최적으로 후보 실내환경 조절 수정 계획에 반영할 수 있다.
식물 인테리어는 조명부를 통해 사용자와 상호작용하기 때문에, 식물 인테리어의 터치를 통해서 사용자가 해당 공간을 사용하는 주요 시간대 또는 빈도수를 예측할 수 있다. 이때, 일 공간에서 사용자의 존재가 일 공간에서 실내환경의 적절한 상태를 부적절한 상태로 변화시키는 가장 큰 요인이기 때문에, 전자장치(1000)는 실내환경 수정 인공지능 모델(3000)을 이용하여 식물 인테리어를 통해 사용자의 존재가 보다 높은 확률로 예측되는 시간 또는 공간에서 사전에 실내환경이 부적절한 상태로 변화되는 것을 예방하기 위한 실내환경 수정 계획을 출력하는 것이다. 즉, 전자장치(1000)는 1차적으로 실내환경 조절 계획 인공지능 모델(2000)을 이용하여 실내환경 및 사용자 자체를 고려하여 실내환경을 최적으로 조절하기 위한 후보 실내환경 조절 계획들을 출력하고, 2차적으로 실제 사용자가 공간에 존재하는 특성, 즉 시간, 위치, 및 빈도수까지도 고려하여 사전에 실내환경을 최적으로 조절 또는 사전에 실내환경이 부적절하게 되는 것을 방지하기 위한 실내환경 수정 계획을 출력할 수 있다.
실내환경이 부적절한 상태라는 것은 실내환경 데이터 및 제 1 사용자 데이터에 기초하여, 최적 또는 적어도 유해하지 않다고 알려진 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도(프로판, 일산화탄소, 암모니아 등), 또는 부유 세균 농도 중 적어도 하나에 대한 상태를 의미한다. 예를 들어, 신생아의 경우 온도는 22-26 °C 및 습도는 50-60%로 알려져 있고, 온도 및 습도가 일정하게 유지되는 것이 적절한 실내상태로 알려지 있다. 예를 들어, 실내의 경우 미세먼지 기준은 PM-10의 경우 100 ㎍/㎥, PM-2.5의 경우 50 ㎍/㎥, 이산화탄소는 0.05 ppm 이하로 유지되는 것이 적절한 실내상태로 알려져 있다.
단계 S330에서, 전자장치(1000)는 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력할 수 있다.
단계 S340에서, 전자장치(1000)는 상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용할 수 있다.
도 4은 일 실시예에 따라 전자장치가 인공지능 모델을 이용하여 식물 인테리어를 기반으로 실내환경을 조절하기 위해 실내환경 개선 요청을 출력하는 과정을 나타내는 흐름도이다.
단계 S410에서, 전자장치(1000)는 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력할 수 있다.
단계 S420에서, 전자장치(1000)는 실내환경 수정 계획 및 제 1 사용자 데이터가 입력되면, 실내환경 수정 계획 및 제 1 사용자 데이터에 따른 실내환경 개선 요청을 출력하는, 실내환경 개선 요청 인공지능 모델(4000)에, 상기 선택된 후보 실내환경 수정 계획 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 개선 요청 인공지능 모델(4000)로부터 실내환경 개선 요청을 출력할 수 있다.
단계 S430에서, 전자장치(1000)는 상기 실내환경 개선 요청을 사용자에게 송신할 수 있다.
전자장치(1000)는, 실내환경 개선 요청 인공지능 모델(4000)을 이용하여, 실내환경 수정 인공지능 모델(3000)을 통해 출력된 실내환경 수정 계획에 기초하여 실내환경을 적절하게 조절하기 위한 실내환경 조절 디바이스의 개수가 부족하거나 실내환경 조절이 어렵다고 판단된 경우, 사용자에게 실내환경 개선 요청을 출력할 수 있다. 보다 구체적으로, 실내환경 개선 요청 인공지능 모델(4000)은 실내환경 수정 계획에 기초하여 제습기, 가습기, 공기청정기, 에어 서큘레이터 등 동작 강도가 정해진 실내환경 조절 디바이스가 동작할 때, 실내환경 조절 디바이스의 작동 시간 중 미리결정된 비율 이상의 시간 동안 동작 강도가 정해진 실내환경 조절 디바이스가 가장 높은 강도로 동작해야 하는 경우, 실내환경 조절 디바이스의 개수가 부족하거나 실내환경 조절이 어렵다고 판단하도록 학습될 수 있다. 예를 들어, 실내환경 개선 요청 인공지능 모델(4000)은 일 공간에서 사용자의 속성을 고려(즉, 제 1 사용자 데이터를 고려)하여 일 공간의 실내환경을 적절하게 조절하기 위해서, 일 공간에서 공기청정기 및 가습기가 작동 시간 중 50% 이상 가장 높은 강도로 동작하는 실내환경 수정 계획을 수행해야 하는 경우, 실내환경 조절 디바이스의 개수가 부족하거나 실내환경 조절이 어렵다고 판단하여 사용자에게 실내환경 개선 요청을 송신할 수 있다. 실내환경 개선 요청은 부족한 디바이스의 종류 및 개수 또는 개선이 필요한 실내환경 조절 요인, 즉 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도, 또는 부유 세균 농도 중 적어도 하나를 포함할 수 있다.
일 실시예에 따르면, 실내환경 개선 요청은 식물 인테리어가 제 2 사용자 데이터에 기초하여 사용자가 식물 인테리어를 터치하는 빈도수가 가장 많은 시간에 식물 인테리어의 조명부가 미리결정된 개선 요청 패턴으로 점멸을 반복하게 동작을 통해 사용자에게 송신될 수 있다.
본 개시에서, 실내환경 개선 요청은 일 공간에 새로 실내환경 조절 디바이스를 배치하거나 일 공간에 기존의 실내환경 조절 디바이스의 개수 또는 용량을 늘리기 위한 요청사항을 포함할 수 있다.
도 5는 일 실시예에 따라 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)의 학습 과정을 설명하는 흐름도이다.
실내 환경 학습데이터는 실내환경 조절 계획 인공지능 모델(2000)을 학습시키기 위한 학습데이터로, 전자장치(1000)가 후보 실내환경 조절 계획들을 출력하기 위해 이전에 수집한 실내환경 데이터를 포함할 수 있다. 제 1 사용자 학습데이터는 실내환경 조절 계획 인공지능 모델(2000) 또는 실내환경 개선 요청 인공지능 모델(4000)을 학습시키기 위한 학습데이터로, 전자장치(1000)가 후보 실내환경 조절 계획들 또는 실내환경 개선 요청을 출력하기 위해 이전에 수집한 제 1 사용자 데이터를 포함할 수 있다. 제 2 사용자 학습데이터는 실내환경 수정 인공지능 모델(3000)을 학습시키기 위한 학습데이터로, 전자장치(1000)가 후보 실내환경 수정 계획들을 출력하기 위해 이전에 수집한 제 2 사용자 데이터를 포함할 수 있다. 실내환경 조절 계획 학습데이터는 실내환경 수정 인공지능 모델(3000)을 학습시키기 위한 학습데이터로, 전자장치(1000)가 후보 실내환경 수정 계획들을 출력하기 위해 이전에 수집한 실내환경 조절 계획 데이터를 포함할 수 있다. 실내환경 수정 학습데이터는 실내환경 개선 요청 인공지능 모델(4000)을 학습시키기 위한 학습데이터로, 전자장치(1000)가 실내환경 개선 요청을 출력하기 위해 이전에 수집한 실내환경 수정 계획을 포함할 수 있다.
도 5를 참조하면, 실내환경 조절 계획 인공지능 모델(2000)은 실내 환경 학습데이터 및 제 1 사용자 학습데이터를 기초로 학습될 수 있다. 보다 구체적으로, 전자장치(1000)는 실내 환경 학습데이터 및 제 1 사용자 학습데이터를 매칭하고, 식물 디바이스 또는 다른 디바이스로부터 측정된 실내환경 데이터 및 실내환경과 연관된 사용자의 다양한 속성을 고려하여 후보 실내환경 조절 계획들을 출력하도록 실내환경 조절 계획 인공지능 모델(2000)을 학습시킬 수 있다.
도 5를 참조하면, 실내환경 수정 인공지능 모델(3000)은 제 2 사용자 학습데이터 및 실내환경 조절 계획 학습데이터를 기초로 학습될 수 있다. 보다 구체적으로, 전자장치(1000)는 제 2 사용자 학습데이터 및 실내환경 조절 계획 학습데이터를 매칭하고, 선택된 후보 실내환경 조절 계획 및 실제 사용자가 식물 인테리어와 상호작용한 결과를 고려하여 후보 실내환경 수정 계획들을 출력하도록 실내환경 수정 인공지능 모델(3000)을 학습시킬 수 있다.
도 5를 참조하면, 실내환경 개선 요청 인공지능 모델(4000)은 제 1 사용자 학습데이터 및 실내환경 수정 계획 학습데이터를 기초로 학습될 수 있다. 보다 구체적으로, 전자장치(1000)는 제 1 사용자 학습데이터 및 실내환경 수정 계획 학습데이터를 매칭하고, 선택된 수정 실내환경 수정 계획이 실제 공간에서 사용자의 속성을 고려하여 실내환경을 적절하게 조절할 수 있는지에 대한 가능성을 고려하여 실내환경 개선 요청을 출력하도록 실내환경 개선 요청 인공지능 모델(4000)을 학습시킬 수 있다.
도 6은 일 실시예에 따른 전자장치의 블록도이다.
도 6을 참조하면, 일 실시예에 따른 전자장치(1000)는 프로세서(510) 및 메모리(620)를 포함할 수 있다. 그러나 도시된 구성 요소가 모두 필수구성요소인 것은 아니다. 도시된 구성요소보다 많은 구성요소에 의해 전자장치(1000)가 구현될 수도 있고, 그보다 적은 구성요소에 의해서도 전자장치(1000)는 구현될 수 있다. 예를 들어, 도 6에 도시된 바와 같이, 일 실시예에 따른 전자장치(1000)는 사용자 입력부(710), 통신부(720), 및 디스플레이(730)를 더 포함할 수도 있다.
프로세서(610)는 메모리(620)내 하나 이상의 인스트럭션을 실행함으로써 전자장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(610)는 메모리(620)에 저장된 하나 이상의 인스트럭션을 실행함으로써 사용자 입력부(710), 통신부(720), 디스플레이(730) 등을 전반적으로 제어할 수 있다. 또한, 프로세서(610)는 메모리(620)에 저장된 하나 이상의 인스트럭션을 실행함으로써 도 1 내지 도 5와 관련하여 기술된 전자장치(1000)의 동작 및 기능을 수행할 수 있다.
프로세서(610)는 하나 또는 복수의 프로세서로 구성될 수 있고, 하나 또는 복수의 프로세서는 CPU, AP, DSP(Digital Signal Processor) 등과 같은 범용 프로세서, GPU, VPU(Vision Processing Unit)와 같은 그래픽 전용 프로세서 또는 NPU와 같은 인공지능(AI) 전용 프로세서일 수 있다. 일 실시예에 따르면, 프로세서(610)가 복수의 프로세서 또는 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서로 구현될 때, 복수의 프로세서 또는 그래픽 전용 프로세서 또는 NPU와 같은 인공 지능 전용 프로세서 중 적어도 일부는 전자장치(1000) 및 전자장치(1000)와 연결된 다른 전자장치 또는 서버에 탑재될 수도 있다.
일 실시예에 따르면, 프로세서(610)는 하나 이상의 인스트럭션을 실행함으로써, 사용자와 상호작용이 가능하게 구성된 식물 인테리어로부터 실내환경 데이터를 획득하고; 사용자로부터 제 1 사용자 데이터를 획득하고; 실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 제 1 사용자 데이터를 입력함으로서, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하고; 그리고 상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력할 수 있다.
일 실시예에 따르면, 프로세서(610)는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 식물 인테리어로부터 제 2 사용자 데이터를 획득하고; 제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델(3000)에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델(3000)로부터 후보 실내환경 수정 계획들을 출력하고; 상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하고; 그리고 상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용할 수 있다.
메모리(620)는 전자장치(1000)의 동작을 제어하기 위한 하나 이상의 인스트럭션을 포함할 수 있다. 메모리(620)는 전자장치(1000)가 이용하는 인공지능 모델들, 예를 들어 실내환경 조절 계획 인공지능 모델(2000), 실내환경 수정 인공지능 모델(3000), 및 실내환경 개선 요청 인공지능 모델(4000)을 포함할 수 있다.
일 실시 예에 따르면, 메모리(620)는 예를 들어, 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있으나, 이에 제한되지 않는다.
사용자 입력부(710)는 전자장치(1000)의 동작을 제어하기 위한 사용자 입력을 수신할 수 있다. 예를 들어, 사용자 입력부(710)는, 키 패드(key pad), 돔 스위치(dome switch), 터치 패드(접촉식 정전 용량 방식, 압력식 저항막 방식, 적외선 감지 방식, 표면 초음파 전도 방식, 적분식 장력 측정 방식, 피에조 효과 방식 등), 조그 휠, 조그 스위치 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
통신부(720)는 서버(5000)와의 통신을 위한 하나 이상의 통신 모듈을 포함할 수 있다. 예를 들어, 통신부(720)는, 근거리 통신부 또는 이동 통신부 중 적어도 하나를 포함할 수 있다.
근거리 통신부(short-range wireless communication unit)는, 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부, Ant+ 통신부 등을 포함할 수 있으나, 이에 제한되는 것은 아니다.
이동 통신부는, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 여기에서, 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다.
디스플레이(730)는 전자장치(1000)에서 처리되는 정보를 표시 출력할 수 있다. 예를 들어, 디스플레이(730)는 전자장치(1000)의 제어를 위한 인터페이스, 전자장치(1000)의 상태 표시를 위한 인터페이스 등을 디스플레이할 수 있다.
도 7은 일 실시예에 따른 서버의 블록도이다.
일 실시예에 따르면, 전자장치(1000)가 수행하는 인공지능 모델을 이용하여 식물 인테리어 기반 실내환경을 조절하는 방법은 전자장치(1000)에 연결되어 통신 가능한 서버(5000)에서 수행될 수 있다.
서버(5000)는 통신 인터페이스(5100), 데이터 베이스(5200), 및 프로세서(5300)를 포함할 수 있다. 예를 들어, 본 개시에 따른 서버(5000)의 통신 인터페이스(5100)는 전자장치(1000)의 통신부(720)에 대응될 수 있고, 서버(5000)의 데이터베이스(5200)는 전자장치(1000)의 메모리(510)에 대응될 수 있고, 서버(5000)의 프로세서(5300)는 전자장치(1000)의 프로세서(610)에 대응될 수 있다. 또한, 서버(5000)의 프로세서(4300)는 도 1 내지 5와 관련하여 기술된 인공지능 모델을 이용하여 식물 인테리어 기반 실내환경을 조절하는 방법을 수행할 수 있다.
이상 첨부된 도면을 참조하여 본 발명의 일 실시예들을 더욱 상세하게 설명하였으나, 본 발명은 반드시 이러한 실시예로 국한되는 것은 아니고, 본 발명의 기술사상을 벗어나지 않는 범위 내에서 다양하게 변형 실시될 수 있다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 다음의 청구범위에서 정의하고 있는 본 개시의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 개시의 권리범위에 속한다.

Claims (11)

  1. 전자장치가 인공지능 모델을 이용하여, 식물 인테리어 기반 실내환경을 조절하는 방법에 있어서,
    식물 인테리어로부터 실내환경 데이터를 획득하는 단계;
    사용자로부터 제 1 사용자 데이터를 획득하는 단계;
    실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하는 단계;
    상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력하는 단계;
    상기 식물 인테리어로부터 제 2 사용자 데이터를 획득하는 단계;
    제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델로부터 후보 실내환경 수정 계획들을 출력하는 단계;
    상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하는 단계; 및
    상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용하는 단계를 포함하고,
    상기 식물 인테리어는 상기 사용자와 상호작용이 가능하게 구성된 조명부를 포함하고,
    상기 제 1 사용자 데이터는 상기 사용자가 상기 식물 인테리어와 상호작용한 데이터를 제외한 데이터이고, 상기 제 2 사용자 데이터는 상기 사용자가 상기 식물 인테리어와 상호작용한 데이터이고,
    상기 실내환경 수정 인공지능 모델은 상기 제 2 사용자 데이터에 기초하여 제 1 식물 인테리어 및 제 2 식물 인테리어가 서로 이격된 공간인 제 1 공간 및 제 2 공간에 각각 배치된 경우, 상기 제 1 공간에서 사용자의 터치가 상기 제 2 공간에서 사용자의 터치보다 먼저 확인되는 경우, 실내환경 조절 계획을 수행하는 실내환경 조절 디바이스를 상기 제 1 공간에서 상기 제 2 공간에서보다 미리결정된 시간만큼 먼저 온(on) 동작하도록 학습되고,
    상기 미리결정된 시간은 상기 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이이되, 상기 시간 차이가 1시간을 초과하는 경우에는 해당 일자를 제외하고 상기 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이로 결정되는, 방법.
  2. 제 1 항에 있어서,
    상기 식물 인테리어는 상기 사용자와 상호작용하도록 구성된 터치 센서부 및 상기 식물 인테리어가 배치된 공간으로부터 상기 실내환경 데이터를 측정하도록 구성된 측정부를 포함하는, 방법
  3. 제 2 항에 있어서,
    상기 식물 인테리어 및 상기 식물 인테리어가 배치된 실내의 실내환경 조절 디바이스들은 서로 통신가능하게 연결되는, 방법.
  4. 제 3 항에 있어서,
    상기 선택된 후보 실내환경 조절 계획은 온도, 습도, 광량, 미세먼지, 이산화탄소 농도, 산소 농도, 가스 농도, 또는 부유 세균 농도 중 적어도 하나를 조절하도록, 상기 실내환경 조절 디바이스들을 제어하기 위한 계획들을 포함하는, 방법.
  5. 제 1 항에 있어서,
    상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하는 단계; 및
    실내환경 수정 계획 및 제 1 사용자 데이터가 입력되면, 실내환경 수정 계획 및 제 1 사용자 데이터에 따른 실내환경 개선 요청을 출력하는, 실내환경 개선 요청 인공지능 모델(4000)에, 상기 선택된 후보 실내환경 수정 계획 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 개선 요청 인공지능 모델(4000)로부터 실내환경 개선 요청을 출력하는 단계; 를 포함하는, 방법.
  6. 삭제
  7. 제 1 항에 있어서,
    상기 실내환경 조절 계획 인공지능 모델은 실내환경 학습데이터 및 제 1 사용자 학습데이터를 기초로 학습된, 방법.
  8. 제 5 항에 있어서,
    상기 실내환경 수정 인공지능 모델은 제 2 사용자 학습데이터 및 실내환경 조절 계획 학습데이터를 기초로 학습된, 방법.
  9. 인공지능 모델을 이용하여, 식물 인테리어 기반 실내환경을 조절하기 위한 전자장치에 있어서,
    하나 이상의 인스트럭션을 저장하는 메모리; 및
    상기 하나 이상의 인스트럭션을 실행하는 적어도 하나의 프로세서를 포함하고,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    사용자와 상호작용이 가능하게 구성된 식물 인테리어로부터 실내환경 데이터를 획득하고;
    사용자로부터 제 1 사용자 데이터를 획득하고;
    실내환경 데이터 및 제 1 사용자 데이터가 입력되면, 실내환경 데이터 및 제 1 사용자 데이터에 따른 후보 실내환경 조절 계획들을 출력하는 실내환경 조절 계획 인공지능 모델에, 상기 실내환경 데이터 및 제 1 사용자 데이터를 입력함으로서, 상기 실내환경 조절 계획 인공지능 모델로부터 후보 실내환경 조절 계획들을 출력하고;
    상기 후보 실내환경 조절 계획들 중 하나의 실내환경 조절 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 조절 계획들 중 선택된 후보 실내환경 조절 계획을 출력하고,
    상기 식물 인테리어로부터 제 2 사용자 데이터를 획득하고;
    제 2 사용자 데이터 및 실내환경 조절 계획이 입력되면, 제 2 사용자 데이터 및 실내환경 조절 계획에 따른 후보 실내환경 수정 계획을 출력하는, 실내환경 수정 인공지능 모델에, 상기 제 2 사용자 데이터 및 상기 선택된 후보 실내환경 조절 계획을 입력함으로써, 상기 실내환경 수정 인공지능 모델로부터 후보 실내환경 수정 계획들을 출력하고;
    상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하고; 그리고
    상기 선택된 후보 실내환경 수정 계획을 상기 선택된 후보 실내환경 조절 계획에 적용하고,
    상기 제 1 사용자 데이터는 상기 사용자가 상기 식물 인테리어와 상호작용한 데이터를 제외한 데이터이고, 상기 제 2 사용자 데이터는 상기 사용자가 상기 식물 인테리어와 상호작용한 데이터이고,
    상기 실내환경 수정 인공지능 모델은 상기 제 2 사용자 데이터에 기초하여 제 1 식물 인테리어 및 제 2 식물 인테리어가 서로 이격된 공간인 제 1 공간 및 제 2 공간에 각각 배치된 경우, 상기 제 1 공간에서 사용자의 터치가 상기 제 2 공간에서 사용자의 터치보다 먼저 확인되는 경우, 실내환경 조절 계획을 수행하는 실내환경 조절 디바이스를 상기 제 1 공간에서 상기 제 2 공간에서보다 미리결정된 시간만큼 먼저 온(on) 동작하도록 학습되고,
    상기 미리결정된 시간은 상기 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이이되, 상기 시간 차이가 1시간을 초과하는 경우에는 해당 일자를 제외하고 상기 식물 인테리어에 의해 마지막으로 확인된 제 1 공간 및 제 2 공간에서 사용자 터치 사이의 시간 차이로 결정되는, 전자장치.
  10. 제 9 항에 있어서,
    상기 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써,
    상기 후보 실내환경 수정 계획들 중 하나의 실내환경 수정 계획을 선택하는 사용자 입력에 기초하여, 상기 후보 실내환경 수정 계획들 중 선택된 후보 실내환경 수정 계획을 출력하고; 그리고
    실내환경 수정 계획 및 제 1 사용자 데이터가 입력되면, 실내환경 수정 계획 및 제 1 사용자 데이터에 따른 실내환경 개선 요청을 출력하는, 실내환경 개선 요청 인공지능 모델(4000)에, 상기 선택된 후보 실내환경 수정 계획 및 상기 제 1 사용자 데이터를 입력함으로써, 상기 실내환경 개선 요청 인공지능 모델(4000)로부터 실내환경 개선 요청을 출력하는, 전자장치.
  11. 삭제
KR1020230134851A 2023-10-11 2023-10-11 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치 Active KR102701384B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230134851A KR102701384B1 (ko) 2023-10-11 2023-10-11 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230134851A KR102701384B1 (ko) 2023-10-11 2023-10-11 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치

Publications (1)

Publication Number Publication Date
KR102701384B1 true KR102701384B1 (ko) 2024-09-02

Family

ID=92757725

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230134851A Active KR102701384B1 (ko) 2023-10-11 2023-10-11 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102701384B1 (ko)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036574A (ko) * 2017-09-27 2019-04-05 삼성전자주식회사 공기조화장치 및 그의 제어 방법
KR102336614B1 (ko) * 2021-04-23 2021-12-09 주식회사 숨터 인공지능을 이용한 공기환경 제어장치 및 방법
KR20220093877A (ko) * 2020-12-28 2022-07-05 주식회사 디어플랜트 식물과 인터랙션할 수 있는 센서 기반 식물 인터페이스 장치 및 제공 방법
KR20220122207A (ko) * 2021-02-26 2022-09-02 동아피엠(주) 사용자의 감성을 고려한 감성 오피스 환경 제어 시스템 및 그 방법
KR102483866B1 (ko) * 2021-07-29 2023-01-03 주식회사 에어핏 환기 장치를 이용한 실내 공기질 관리 방법 및 장치

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036574A (ko) * 2017-09-27 2019-04-05 삼성전자주식회사 공기조화장치 및 그의 제어 방법
KR20220093877A (ko) * 2020-12-28 2022-07-05 주식회사 디어플랜트 식물과 인터랙션할 수 있는 센서 기반 식물 인터페이스 장치 및 제공 방법
KR20220122207A (ko) * 2021-02-26 2022-09-02 동아피엠(주) 사용자의 감성을 고려한 감성 오피스 환경 제어 시스템 및 그 방법
KR102336614B1 (ko) * 2021-04-23 2021-12-09 주식회사 숨터 인공지능을 이용한 공기환경 제어장치 및 방법
KR102483866B1 (ko) * 2021-07-29 2023-01-03 주식회사 에어핏 환기 장치를 이용한 실내 공기질 관리 방법 및 장치

Similar Documents

Publication Publication Date Title
Chaudhari et al. Fundamentals, algorithms, and technologies of occupancy detection for smart buildings using iot sensors
US20220293102A1 (en) Electronic apparatus and control method thereof
KR102669026B1 (ko) 전자 장치 및 이의 제어 방법
Puerta-Beldarrain et al. A multifaceted vision of the human-AI collaboration: A comprehensive review
US11367441B2 (en) Electronic apparatus and control method thereof
US10891534B2 (en) Neural network reinforcement learning
US10936918B2 (en) Electronic device and method for controlling the electronic device to provide output information of event based on context
JP2021516599A (ja) 強化学習を利用した睡眠環境調節装置
US20210004705A1 (en) User behavior predicting method and device for executing predicted user behavior
US12410931B2 (en) Air conditioner, air conditioner control method, and air conditioner control system
US12377241B2 (en) Sleep inducing device
Karami et al. User in the loop: Adaptive smart homes exploiting user feedback—state of the art and future directions
KR102398386B1 (ko) 복수 개의 메시지들을 필터링하는 방법 및 이를 위한 장치
US20200064986A1 (en) Voice-enabled mood improvement system for seniors
Islam et al. A meta-survey on intelligent energy-efficient buildings
KR102701384B1 (ko) 인공지능 모델을 이용한 식물 인테리어 기반 실내환경을 조절 방법 및 장치
US11922125B2 (en) Ensemble learning for extracting semantics of data in building systems
KR102857681B1 (ko) 다차원 시설물 정보 모델을 기반으로 고도화된 공간상황 인식 및 추론 프로세스를 이용하여 코그니티브 디지털 트윈을 수행하는 방법 및 장치
US20250139501A1 (en) Reducing carbon footprint of machine learning models
KR102744713B1 (ko) 어린이 건강 상태 모니터링을 위한 전자 장치
EP4486548A1 (en) Temporal decoupling in image-based localization at scale
US20210383307A1 (en) Information processing apparatus and non-transitory computer readable medium
Jayaraj Air quality monitoring and disease prediction using IoT and machine learning
Ra et al. Real-time model predictive control of energy recovery ventilators for a school building
Haque et al. AGRITECH: A Smart System for Sustainable Farming

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20231011

PA0201 Request for examination

Patent event code: PA02011R01I

Patent event date: 20231011

Comment text: Patent Application

PA0302 Request for accelerated examination

Patent event date: 20231011

Patent event code: PA03022R01D

Comment text: Request for Accelerated Examination

Patent event date: 20231011

Patent event code: PA03021R01I

Comment text: Patent Application

PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20231219

Patent event code: PE09021S01D

PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20240626

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20240828

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20240828

End annual number: 3

Start annual number: 1

PG1601 Publication of registration