WO2024215005A2 - 이동 방향을 식별하는 전자 장치 및 그 동작 방법 - Google Patents

이동 방향을 식별하는 전자 장치 및 그 동작 방법 Download PDF

Info

Publication number
WO2024215005A2
WO2024215005A2 PCT/KR2024/004265 KR2024004265W WO2024215005A2 WO 2024215005 A2 WO2024215005 A2 WO 2024215005A2 KR 2024004265 W KR2024004265 W KR 2024004265W WO 2024215005 A2 WO2024215005 A2 WO 2024215005A2
Authority
WO
WIPO (PCT)
Prior art keywords
electronic device
data
model
processor
inputting
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.)
Ceased
Application number
PCT/KR2024/004265
Other languages
English (en)
French (fr)
Other versions
WO2024215005A3 (ko
Inventor
임한성
우준영
장덕현
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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
Priority claimed from KR1020230063205A external-priority patent/KR20240151094A/ko
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of WO2024215005A2 publication Critical patent/WO2024215005A2/ko
Publication of WO2024215005A3 publication Critical patent/WO2024215005A3/ko
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G01C19/02—Rotary gyroscopes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/18—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration in two or more dimensions
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Definitions

  • One embodiment of the present disclosure relates to an electronic device for identifying a direction of movement and a method of operating the same.
  • AI artificial intelligence
  • a user terminal can identify the location of a user terminal by inputting sensing data into a trained deep learning model.
  • an electronic device may include a memory storing instructions, a sensor module including at least one sensor, and at least one processor operatively connected to the sensor module.
  • the instructions when executed by the at least one processor, may cause the electronic device to obtain, based on sensed data obtained by the sensor module, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the instructions when executed by the at least one processor, may cause the electronic device to obtain, based on inputting the first data into a first model, a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device.
  • the instructions when executed by the at least one processor, may cause the electronic device to determine a moving direction of the electronic device based on inputting the second data and the plurality of parameters into a second model.
  • a storage medium storing at least one computer-readable instruction, wherein the at least one instruction, when executed by at least one processor of an electronic device, causes the electronic device to perform at least one operation, wherein the at least one operation may include: acquiring, based on sensed data acquired by a sensor module of the electronic device, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the at least one operation may include: acquiring, based on inputting the first data into a first model, a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device.
  • the at least one operation may include: determining, based on inputting the second data and the plurality of parameters into a second model, a moving direction of the electronic device.
  • a method for operating an electronic device may include an operation of acquiring, based on sensing data acquired by a sensor module of the electronic device, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the method for operating an electronic device may include an operation of acquiring, based on inputting the first data into a first model, a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device.
  • the method for operating an electronic device may include an operation of determining a moving direction of the electronic device based on inputting the second data and the plurality of parameters into a second model.
  • an electronic device may include a memory storing instructions, a sensor module including at least one sensor, and at least one processor.
  • the instructions when executed by the at least one processor, may cause the electronic device to obtain, based on sensed data obtained by the sensor module, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the instructions when executed by the at least one processor, may cause the electronic device to obtain a first class associated with a location of the electronic device based on inputting the first data into a first model.
  • the instructions when executed by the at least one processor, may cause the electronic device to determine a moving direction of the electronic device based on inputting the second data into a second model corresponding to the obtained first class among a plurality of models associated with estimation of a moving direction of the electronic device.
  • a storage medium storing at least one computer-readable instruction, wherein the at least one instruction, when executed by at least one processor of an electronic device, causes the electronic device to perform at least one operation, wherein the at least one operation may include: acquiring, based on sensed data acquired by a sensor module of the electronic device, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the at least one operation may include: acquiring a first class associated with a location of the electronic device based on inputting the first data into a first model.
  • the at least one operation may include: confirming a moving direction of the electronic device based on inputting the second data into a second model corresponding to the acquired first class among a plurality of models associated with estimation of a moving direction of the electronic device.
  • a method for operating an electronic device may include an operation of acquiring, based on sensing data acquired by a sensor module of the electronic device, first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the method for operating an electronic device may include an operation of acquiring, based on inputting the first data into a first model, a first class associated with a location of the electronic device.
  • the method for operating an electronic device may include an operation of confirming a moving direction of the electronic device, based on inputting the second data into a second model corresponding to the acquired first class among a plurality of models associated with estimation of a moving direction of the electronic device.
  • FIG. 1 is a block diagram of an electronic device within a network environment, according to one embodiment.
  • FIG. 2 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • FIG. 3 is a drawing for explaining setting of a reference direction of an electronic device according to one embodiment.
  • FIG. 4 is a drawing for explaining setting of a reference direction of an electronic device according to one embodiment.
  • FIG. 5 illustrates a flowchart for explaining a method of operating an electronic device according to one embodiment.
  • FIG. 6 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • FIG. 7 is a diagram for explaining a preprocessing operation of an electronic device according to one embodiment.
  • FIG. 8 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • FIG. 9 illustrates a flowchart for explaining a method of operating an electronic device according to one embodiment.
  • FIG. 10 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • FIG. 11a is a diagram for explaining class classification of an electronic device according to one embodiment.
  • FIG. 11b is a drawing for explaining identification of the movement direction of an electronic device according to one embodiment.
  • FIG. 12 illustrates a flowchart for explaining a method of operating an electronic device according to one embodiment.
  • FIG. 1 is a block diagram of an electronic device (101) in a network environment (100) according to one embodiment.
  • the electronic device (101) may communicate with the electronic device (102) via a first network (198) (e.g., a short-range wireless communication network), or may communicate with the electronic device (104) or a server (108) via a second network (199) (e.g., a long-range wireless communication network).
  • the electronic device (101) may communicate with the electronic device (104) via the server (108).
  • the electronic device (101) may include a processor (120), a memory (130), an input module (150), an audio output module (155), a display module (160), an audio module (170), a sensor module (176), an interface (177), a connection terminal (178), a haptic module (179), a camera module (180), a power management module (188), a battery (189), a communication module (190), a subscriber identification module (196), or an antenna module (197).
  • the electronic device (101) may omit at least one of these components (e.g., the connection terminal (178)), or may have one or more other components added.
  • some of these components e.g., the sensor module (176), the camera module (180), or the antenna module (197) may be integrated into one component (e.g., the display module (160)).
  • the processor (120) may control at least one other component (e.g., a hardware or software component) of an electronic device (101) connected to the processor (120) by executing, for example, software (e.g., a program (140)), and may perform various data processing or calculations.
  • the processor (120) may store a command or data received from another component (e.g., a sensor module (176) or a communication module (190)) in a volatile memory (132), process the command or data stored in the volatile memory (132), and store result data in a nonvolatile memory (134).
  • the processor (120) may include a main processor (121) (e.g., a central processing unit or an application processor) or an auxiliary processor (123) (e.g., a graphics processing unit, a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor) that can operate independently or together with the main processor (121).
  • a main processor (121) e.g., a central processing unit or an application processor
  • an auxiliary processor (123) e.g., a graphics processing unit, a neural processing unit (NPU), an image signal processor, a sensor hub processor, or a communication processor
  • the auxiliary processor (123) may be configured to use less power than the main processor (121) or to be specialized for a given function.
  • the auxiliary processor (123) may be implemented separately from the main processor (121) or as a part thereof.
  • the auxiliary processor (123) may control at least a portion of functions or states associated with at least one of the components of the electronic device (101) (e.g., the display module (160), the sensor module (176), or the communication module (190)), for example, while the main processor (121) is in an inactive (e.g., sleep) state, or together with the main processor (121) while the main processor (121) is in an active (e.g., application execution) state.
  • the auxiliary processor (123) e.g., an image signal processor or a communication processor
  • the auxiliary processor (123) may include a hardware structure specialized for processing artificial intelligence models.
  • the artificial intelligence models may be generated through machine learning. Such learning may be performed, for example, in the electronic device (101) on which artificial intelligence is performed, or may be performed through a separate server (e.g., server (108)).
  • the learning algorithm may include, for example, supervised learning, unsupervised learning, semi-supervised learning, or reinforcement learning, but is not limited to the examples described above.
  • the artificial intelligence model may include a plurality of artificial neural network layers.
  • the artificial neural network may be one of a deep neural network (DNN), a convolutional neural network (CNN), a recurrent neural network (RNN), a restricted Boltzmann machine (RBM), a deep belief network (DBN), a bidirectional recurrent deep neural network (BRDNN), deep Q-networks, or a combination of two or more of the above, but is not limited to the examples described above.
  • the artificial intelligence model may additionally or alternatively include a software structure.
  • the memory (130) can store various data used by at least one component (e.g., processor (120) or sensor module (176)) of the electronic device (101).
  • the data can include, for example, software (e.g., program (140)) and input data or output data for commands related thereto.
  • the memory (130) can include volatile memory (132) or nonvolatile memory (134).
  • the program (140) may be stored as software in memory (130) and may include, for example, an operating system (142), middleware (144), or an application (146).
  • the input module (150) can receive commands or data to be used in a component of the electronic device (101) (e.g., a processor (120)) from an external source (e.g., a user) of the electronic device (101).
  • the input module (150) can include, for example, a microphone, a mouse, a keyboard, a key (e.g., a button), or a digital pen (e.g., a stylus pen).
  • the audio output module (155) can output an audio signal to the outside of the electronic device (101).
  • the audio output module (155) can include, for example, a speaker or a receiver.
  • the speaker can be used for general purposes such as multimedia playback or recording playback.
  • the receiver can be used to receive an incoming call. According to one embodiment, the receiver can be implemented separately from the speaker or as a part thereof.
  • the display module (160) can visually provide information to an external party (e.g., a user) of the electronic device (101).
  • the display module (160) can include, for example, a display, a holographic device, or a projector and a control circuit for controlling the device.
  • the display module (160) can include a touch sensor configured to detect a touch, or a pressure sensor configured to measure the intensity of a force generated by the touch.
  • the audio module (170) can convert sound into an electrical signal, or vice versa, convert an electrical signal into sound. According to one embodiment, the audio module (170) can obtain sound through an input module (150), or output sound through an audio output module (155), or an external electronic device (e.g., an electronic device (102)) (e.g., a speaker or a headphone) directly or wirelessly connected to the electronic device (101).
  • an electronic device e.g., an electronic device (102)
  • a speaker or a headphone directly or wirelessly connected to the electronic device (101).
  • the sensor module (176) can detect an operating state (e.g., power or temperature) of the electronic device (101) or an external environmental state (e.g., user state) and generate an electric signal or data value corresponding to the detected state.
  • the sensor module (176) can include, for example, a gesture sensor, a gyro sensor, a barometric pressure sensor, a magnetic sensor, an acceleration sensor, a grip sensor, a proximity sensor, a color sensor, an IR (infrared) sensor, a biometric sensor, a temperature sensor, a humidity sensor, or an illuminance sensor.
  • the interface (177) may support one or more designated protocols that may be used to directly or wirelessly connect the electronic device (101) with an external electronic device (e.g., the electronic device (102)).
  • the interface (177) may include, for example, a high definition multimedia interface (HDMI), a universal serial bus (USB) interface, an SD card interface, or an audio interface.
  • HDMI high definition multimedia interface
  • USB universal serial bus
  • SD card interface Secure Digital Card
  • connection terminal (178) may include a connector through which the electronic device (101) may be physically connected to an external electronic device (e.g., the electronic device (102)).
  • the connection terminal (178) may include, for example, an HDMI connector, a USB connector, an SD card connector, or an audio connector (e.g., a headphone connector).
  • the haptic module (179) can convert an electrical signal into a mechanical stimulus (e.g., vibration or movement) or an electrical stimulus that a user can perceive through a tactile or kinesthetic sense.
  • the haptic module (179) can include, for example, a motor, a piezoelectric element, or an electrical stimulation device.
  • the camera module (180) can capture still images and moving images.
  • the camera module (180) can include one or more lenses, image sensors, image signal processors, or flashes.
  • the power management module (188) can manage power supplied to the electronic device (101).
  • the power management module (188) can be implemented as, for example, at least a part of a power management integrated circuit (PMIC).
  • PMIC power management integrated circuit
  • the battery (189) can power at least one component of the electronic device (101).
  • the battery (189) can include, for example, a non-rechargeable primary battery, a rechargeable secondary battery, or a fuel cell.
  • the communication module (190) may support establishment of a direct (e.g., wired) communication channel or a wireless communication channel between the electronic device (101) and an external electronic device (e.g., the electronic device (102), the electronic device (104), or the server (108)), and performance of communication through the established communication channel.
  • the communication module (190) may operate independently from the processor (120) (e.g., the application processor) and may include one or more communication processors that support direct (e.g., wired) communication or wireless communication.
  • the communication module (190) may include a wireless communication module (192) (e.g., a cellular communication module, a short-range wireless communication module, or a GNSS (global navigation satellite system) communication module) or a wired communication module (194) (e.g., a local area network (LAN) communication module or a power line communication module).
  • a wireless communication module (192) e.g., a cellular communication module, a short-range wireless communication module, or a GNSS (global navigation satellite system) communication module
  • a wired communication module (194) e.g., a local area network (LAN) communication module or a power line communication module.
  • a corresponding communication module may communicate with an external electronic device (104) via a first network (198) (e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)) or a second network (199) (e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a LAN or WAN)).
  • a first network (198) e.g., a short-range communication network such as Bluetooth, wireless fidelity (WiFi) direct, or infrared data association (IrDA)
  • a second network (199) e.g., a long-range communication network such as a legacy cellular network, a 5G network, a next-generation communication network, the Internet, or a computer network (e.g., a LAN or WAN)
  • a computer network e.g.,
  • the wireless communication module (192) may use subscriber information (e.g., an international mobile subscriber identity (IMSI)) stored in the subscriber identification module (196) to identify or authenticate the electronic device (101) within a communication network such as the first network (198) or the second network (199).
  • subscriber information e.g., an international mobile subscriber identity (IMSI)
  • IMSI international mobile subscriber identity
  • the wireless communication module (192) can support a 5G network and next-generation communication technology after a 4G network, for example, NR access technology (new radio access technology).
  • the NR access technology can support high-speed transmission of high-capacity data (eMBB (enhanced mobile broadband)), terminal power minimization and connection of multiple terminals (mMTC (massive machine type communications)), or high reliability and low latency (URLLC (ultra-reliable and low-latency communications)).
  • eMBB enhanced mobile broadband
  • mMTC massive machine type communications
  • URLLC ultra-reliable and low-latency communications
  • the wireless communication module (192) can support, for example, a high-frequency band (e.g., mmWave band) to achieve a high data transmission rate.
  • a high-frequency band e.g., mmWave band
  • the wireless communication module (192) may support various technologies for securing performance in a high-frequency band, such as beamforming, massive multiple-input and multiple-output (MIMO), full dimensional MIMO (FD-MIMO), array antenna, analog beam-forming, or large scale antenna.
  • the wireless communication module (192) may support various requirements specified in an electronic device (101), an external electronic device (e.g., an electronic device (104)), or a network system (e.g., a second network (199)).
  • the wireless communication module (192) can support a peak data rate (e.g., 20 Gbps or more) for eMBB realization, a loss coverage (e.g., 164 dB or less) for mMTC realization, or a U-plane latency (e.g., 0.5 ms or less for downlink (DL) and uplink (UL) each, or 1 ms or less for round trip) for URLLC realization.
  • a peak data rate e.g., 20 Gbps or more
  • a loss coverage e.g., 164 dB or less
  • U-plane latency e.g., 0.5 ms or less for downlink (DL) and uplink (UL) each, or 1 ms or less for round trip
  • the antenna module (197) can transmit or receive signals or power to or from the outside (e.g., an external electronic device).
  • the antenna module (197) can include an antenna including a radiator formed of a conductor or a conductive pattern formed on a substrate (e.g., a PCB).
  • the antenna module (197) can include a plurality of antennas (e.g., an array antenna).
  • at least one antenna suitable for a communication method used in a communication network, such as the first network (198) or the second network (199) can be selected from the plurality of antennas by, for example, the communication module (190).
  • a signal or power can be transmitted or received between the communication module (190) and the external electronic device through the selected at least one antenna.
  • another component e.g., a radio frequency integrated circuit (RFIC)
  • RFIC radio frequency integrated circuit
  • the antenna module (197) can form a mmWave antenna module.
  • the mmWave antenna module can include a printed circuit board, an RFIC positioned on or adjacent a first side (e.g., a bottom side) of the printed circuit board and capable of supporting a designated high-frequency band (e.g., a mmWave band), and a plurality of antennas (e.g., an array antenna) positioned on or adjacent a second side (e.g., a top side or a side) of the printed circuit board and capable of transmitting or receiving signals in the designated high-frequency band.
  • a first side e.g., a bottom side
  • a plurality of antennas e.g., an array antenna
  • peripheral devices e.g., a bus, a general purpose input and output (GPIO), a serial peripheral interface (SPI), or a mobile industry processor interface (MIPI)
  • GPIO general purpose input and output
  • SPI serial peripheral interface
  • MIPI mobile industry processor interface
  • commands or data may be transmitted or received between the electronic device (101) and an external electronic device (104) via a server (108) connected to a second network (199).
  • Each of the external electronic devices (102, or 104) may be the same or a different type of device as the electronic device (101).
  • all or part of the operations executed in the electronic device (101) may be executed in one or more of the external electronic devices (102, 104, or 108). For example, when the electronic device (101) is to perform a certain function or service automatically or in response to a request from a user or another device, the electronic device (101) may, instead of executing the function or service itself or in addition, request one or more external electronic devices to perform at least a part of the function or service.
  • One or more external electronic devices that have received the request may execute at least a part of the requested function or service, or an additional function or service related to the request, and transmit the result of the execution to the electronic device (101).
  • the electronic device (101) may process the result as it is or additionally and provide it as at least a part of a response to the request.
  • cloud computing, distributed computing, mobile edge computing (MEC), or client-server computing technology may be used.
  • the electronic device (101) may provide an ultra-low latency service by using, for example, distributed computing or mobile edge computing.
  • the external electronic device (104) may include an IoT (Internet of Things) device.
  • the server (108) may be an intelligent server using machine learning and/or a neural network.
  • the external electronic device (104) or the server (108) may be included in the second network (199).
  • the electronic device (101) can be applied to intelligent services (e.g., smart home, smart city, smart car, or healthcare) based on 5G communication technology and IoT-related technology.
  • FIG. 2 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • the electronic device (101) may include a preprocessing module (210), a first model (220), and a second model (230).
  • a module (e.g., a preprocessing module (210)) implemented (or stored) in the electronic device (101) may be implemented in the form of an application, a program, a computer code, instructions, a routine, a process, software, firmware, or a combination of at least two or more of these executable by the processor (120).
  • the processor (120) may perform an operation corresponding to each. Therefore, the description below that "a specific module performs an operation" may be understood as "as the specific module is executed, the processor (120) performs an operation corresponding to the specific module.”
  • at least some of the modules may include a plurality of programs, but are not limited to what is described. Meanwhile, at least some of the modules may be implemented in the form of hardware (e.g., a processing circuit (not shown)).
  • the module when the module is implemented on an Android operating system, the module may be implemented as a service or an application.
  • a neural network processing unit included in a communication processor (or an application processor (e.g., processor (120)) or independent from the communication processor and/or the main processor (e.g., main processor (120)) may perform generation, training, selection of an AI model (e.g., first model (220) and/or second model (230)), and/or use of the AI model (e.g., performing an operation corresponding to the AI model for an input value).
  • the AI model may be stored in a memory of the electronic device (101) (e.g., memory (130)) and/or a memory within the neural network processing unit.
  • the memory may be disposed within the application processor or the communication processor.
  • the memory may be disposed outside the application processor or the communication processor and may be accessed by the application processor or the communication processor.
  • the AI model may be a neural network model, and there is no limitation thereon.
  • the AI model is a neural network model
  • the electronic device (101) may verify, and/or receive, information about neural networks (NNs) of an AI model, weights and/or biases corresponding to nodes of the AI model, and/or receive information from another device that provides the AI model (e.g., a device that performs learning and/or a device that manages a learned AI model).
  • the AI model may be updated.
  • the AI model may be replaced by a newly received different AI model, or the NN structure of the AI model may be maintained, but weights and/or biases corresponding to nodes constituting the NN may be updated.
  • the preprocessing module (210) may output first data and second data based on sensing data acquired by a sensor module (e.g., sensor module (176)).
  • the output first data may be input to the first model (220).
  • the output second data may be input to the second model (230).
  • the first model (220) may output a first output based on the first data output from the preprocessing module (210).
  • the first model (220) may be trained based on a training data set including, for example, an input value including a plurality of features and an output value including a class associated with the location of the electronic device (101) corresponding thereto.
  • the first model (220) may be trained to output a plurality of parameters corresponding to the class and/or classes associated with the location of the electronic device (101).
  • the first model (220) may be a deep-learning model that performs classification based on time-series data.
  • the first model (220) may be implemented as an LSTM (long short-term memory models) among recurrent neural networks (RNNs), and there is no limitation as long as it is a deep-learning model that processes time-series data.
  • the second model (230) may output the second output based on the first output output by the first model (220) and/or the second data output by the preprocessing module (210).
  • the second model (230) may be trained based on a training data set including, for example, an input value including a plurality of features and an output value associated with a movement direction of the electronic device (101) corresponding thereto.
  • the second model (230) may be trained to output a value associated with the movement direction of the electronic device (101).
  • the second model (230) may be a deep learning model that performs regression based on time series data.
  • the second model (230) may be implemented as an LSTM among RNNs, and there is no limitation as long as it is a deep learning model that processes time series data.
  • FIG. 3 is a drawing for explaining setting of a reference direction of an electronic device according to one embodiment.
  • the electronic device (101) may perform coordinate transformation (301) based on sensing data acquired by a sensor module (e.g., sensor module (176) of FIG. 1).
  • the electronic device (101) may transform a coordinate system of the electronic device (101) according to a set cycle based on the sensor (e.g., gyro sensor) being able to determine a direction perpendicular to the ground surface.
  • the sensor e.g., gyro sensor
  • the electronic device (101) may determine direction values corresponding to a plurality of coordinate axes (e.g., the x-axis, the y-axis, and the z-axis) based on sensing data acquired by at least one sensor (e.g., an acceleration sensor and/or a gyro sensor) included in a sensor module.
  • the electronic device (101) may perform coordinate transformation to a plane (e.g., the x'y' plane) perpendicular to the direction of gravity (G) based on the direction values corresponding to the plurality of coordinate axes.
  • the plane perpendicular to the direction of gravity may be referred to as a "reference plane", and there is no limitation on its name.
  • the electronic device (101) can identify direction values corresponding to coordinate axes (e.g., x'-axis and y'-axis) of a reference plane based on direction values corresponding to a plurality of coordinate axes.
  • the electronic device (101) can identify a reference direction based on direction values corresponding to the coordinate axes of the reference plane.
  • the reference direction may be a direction set to identify a relative movement direction according to the movement of the electronic device (101). A method for identifying a degree to which the electronic device (101) deviates from the reference direction will be described later.
  • the electronic device (101) can identify a rotation amount of the electronic device (101) based on an output value of a gyro sensor.
  • the electronic device (101) can maintain the reference direction of the electronic device (101) based on performing compensation in a direction opposite to the rotation direction.
  • FIG. 4 is a drawing for explaining setting of a reference direction of an electronic device according to one embodiment.
  • the electronic device (101) may set a reference direction of the electronic device (101) based on sensing data acquired by a sensor module (e.g., sensor module (176)). For example, the electronic device (101) may set the y'-axis direction as the reference direction of the electronic device (101).
  • a sensor module e.g., sensor module (176)
  • the electronic device (101) may set the y'-axis direction as the reference direction of the electronic device (101).
  • the electronic device (101) can identify a movement direction (421) of the electronic device (101) based on sensing data acquired by the sensor module. In one embodiment, the electronic device (101) can perform direction compensation (425) based on identifying a rotated angle (423) corresponding to the movement direction of the electronic device (101). The electronic device (101) can maintain a reference direction of the electronic device (101) based on performing compensation for the rotated angle (423).
  • FIG. 5 illustrates a flowchart (500) for explaining a method of operating an electronic device according to one embodiment.
  • the electronic device (101) may, in operation 501, obtain first data including features associated with a first feature group and second data including features associated with a second feature group based on the sensing data.
  • the electronic device (101) may obtain features included in a first feature group that are relatively less associated with a moving direction of the electronic device (101) based on sensing data obtained by at least one sensor (e.g., a linear accelerometer, an acceleration sensor, and/or a gyro sensor) included in the sensor module (176).
  • the electronic device (101) may obtain features included in a second feature group that are relatively largely associated with a moving direction of the electronic device (101) based on the sensing data.
  • the electronic device (101) may identify a trigger (or condition) that causes the electronic device (101) to acquire the first data and the second data.
  • the trigger may include, but is not limited to, a set cycle or a user input (e.g., activation of a function associated with identification of the direction of movement of the electronic device (101).
  • the electronic device (101) may acquire a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device (101) based on acquiring the first data, and based on inputting the first data into a first model (e.g., the first model (220)) in operation 503.
  • the plurality of parameters may be probability values corresponding to the plurality of classes, but is not limited thereto.
  • the electronic device (101) can determine probability values corresponding to class A, class B, class C, and class D based on the output of the first model (220).
  • the class may represent a location of the electronic device (101) and/or an activity of a holder of the electronic device (101), such as stable, call, side pocket, or hand swing.
  • the first model (220) is described as outputting probability values corresponding to four classes based on the first data, but this is not limited thereto.
  • the first model (220) may output probability values corresponding to five or more classes.
  • the class can further include back pocket, backpack swing, and others.
  • the electronic device (101) can identify a direction of movement of the electronic device (101) based on acquiring the second data and the plurality of parameters, and inputting the second data and the plurality of parameters into a second model (e.g., the second model (230)) in operation 505.
  • the electronic device (101) can identify a direction of movement of the electronic device (101) based on inputting second data including features associated with a direction of movement of the electronic device (101) and a plurality of parameters associated with a location of the electronic device (101) and/or a behavior of a holder of the electronic device (101) into the second model.
  • the electronic device (101) can determine the direction of movement of the electronic device (101) based on comparing the output of the second model with the set reference direction of the electronic device (101). In one embodiment, the electronic device (101) can relatively accurately determine the direction of movement of the electronic device (101) through the learned first model and the learned second model based on the fact that the pattern of the sensing data may differ depending on the position of the electronic device (101) and/or the behavior of the owner of the electronic device (101).
  • FIG. 6 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • the electronic device (101) can obtain first data and second data based on inputting sensing data obtained by the sensor module (176) to the preprocessing module (210).
  • An embodiment of a preprocessing method for obtaining the first data and the second data will be described later in FIG. 7.
  • the electronic device (101) can obtain a first output based on inputting first data into the first model (220).
  • the first output can be probability values corresponding to classes associated with the location of the electronic device (101) and/or the behavior of the owner of the electronic device (101), but is not limited thereto.
  • the electronic device (101) can obtain a second output based on inputting both the first output and the second data into the second model (230).
  • the second output can be, for example, a direction value that is continuous over time, but is not limited thereto.
  • the electronic device (101) may input probability values output by the first model (220) into the second model (230) based on the structure illustrated in FIG. 6. Based on inputting the second data and the probability values into the second model (230), the electronic device (101) may relatively accurately determine the movement direction of the electronic device (101) compared to a case where the first model (220) outputs only a class. Based on inputting the probability value corresponding to the class instead of the class into the second model (230), the electronic device (101) may relatively accurately determine the movement direction of the electronic device (101) even in a case corresponding to a position and/or action corresponding to an unlearned class.
  • the electronic device (101) can obtain a second output based on one second model (230).
  • the electronic device (101) can determine the direction of movement of the electronic device (101) based on a network that includes relatively fewer parameters, compared to a case where a network is configured based on a plurality of second models.
  • FIG. 7 is a diagram for explaining a preprocessing operation of an electronic device according to one embodiment.
  • the electronic device (101) can obtain first data and second data based on sensing data (710) obtained by a sensor module (e.g., sensor module (176)).
  • a sensor module e.g., sensor module (176)
  • the electronic device (101) may perform preprocessing (720) based on raw data (711) acquired by a linear accelerometer, raw data (713) acquired by an acceleration sensor, and raw data (715) acquired by a gyro sensor, referring to FIG. 7.
  • the raw data (711) acquired by the linear accelerometer may include x-axis data (711a), y-axis data (711b), and z-axis data (711c).
  • the raw data (713) acquired by the acceleration sensor may include x-axis data (713a), y-axis data (713b), and z-axis data (713c).
  • the raw data (715) acquired by the gyro sensor may include x-axis data (715a), y-axis data (715b), and z-axis data (715c).
  • the electronic device (101) may acquire a plurality of samples (T 1 to T M ) based on sampling the sensing data (710) in a first cycle.
  • each of the acquired plurality of samples may include a plurality of features associated with a first feature group.
  • one sample may include N features (F 1 to F N ) associated with the first feature group.
  • the value of N may be set to 10 for the first data, and there is no limitation on the number of features.
  • the sample may include 10 features included in the first feature group that are relatively less associated with the movement direction of the electronic device (101).
  • the 10 features may include a root mean square (RMS) value, a signal magnitude area (SMA) value, and/or an intensity of movement (IM) value.
  • RMS root mean square
  • SMA signal magnitude area
  • IM intensity of movement
  • the RMS value may include an RMS value of data (711a, 711b, 711c) of the linear accelerometer, an RMS value of data (713a, 713b, 713c) of the acceleration sensor, and/or an RMS value of data (715a, 715b, 715c) of the gyro sensor.
  • the SMA value may include an SMA value of data (711a, 711b, 711c) of the linear accelerometer and/or an SMA value of data (715a, 715b, 715c) of the gyro sensor.
  • the IM value may include an IM value of an RMS value for the linear accelerometer, an IM value of an RMS value for the acceleration sensor, an IM value of an RMS value for the gyro sensor, an IM value of an SMA value for the linear accelerometer, and/or an IM value of an SMA value for the gyro sensor.
  • the electronic device (101) may obtain first data including a plurality of input sets (e.g., a first input set (741) and a second input set (743)) from the plurality of samples based on time-shifting (731) the first window (751) during a first time (755).
  • the values of the first time e.g., time window
  • the first window e.g., sliding window
  • the sampling period 753
  • the M value may be set to 50.
  • the electronic device (101) may obtain 500 input data based on 50 samples including 10 features.
  • the electronic device (101) may obtain second data including a plurality of features associated with a second feature group based on the sensing data (710).
  • the electronic device (101) may obtain a plurality of sensing data sets based on phase-shifting the sensing data. For example, the electronic device (101) may obtain data rotated in a direction parallel to the ground surface based on raw data (713) of an acceleration sensor and raw data (715) of a gyro sensor.
  • the electronic device (101) may obtain a plurality of sensing data sets based on phase-shifting the rotated data 360 degrees at intervals of about 5 degrees.
  • the electronic device (101) can acquire multiple sets of sensing data converted to different angles based on phase transformation, even when data is acquired at relatively short time intervals.
  • the electronic device (101) may acquire a plurality of samples based on sampling a plurality of sensing data sets in a second cycle.
  • the samples may include about 12 features associated with a second feature group.
  • the features included in the second feature group may be relatively largely associated with a moving direction of the electronic device (101).
  • the features included in the second feature group may include x-axis data (711a) of a linear accelerometer, an IM value of the x-axis data (711a), y-axis data (711b), an IM value of the y-axis data (711b), z-axis data (711c), and an IM value of the z-axis data (711c).
  • Features included in the second feature group may include x-axis data (715a) of the gyro sensor, IM value of x-axis data (715a), y-axis data (715b), IM value of y-axis data (715b), z-axis data (715c), and IM value of z-axis data (715c).
  • the electronic device (101) can obtain the second data including the plurality of input sets from the plurality of samples based on time-shifting the second window for the second time.
  • the parameters for obtaining the second data can be set identically to Table 2, and there is no limitation thereto. For example, when the parameter values are set according to Table 2, the electronic device (101) can obtain 600 input data based on 50 samples including 12 features.
  • FIG. 8 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • the electronic device (101) can obtain the third data based on inputting the second data into at least one first layer of the second model (230).
  • the electronic device (101) can sequentially input the second data into, for example, the sub-layer (810) and the first dense layer (820).
  • the sub-layer (810) can be implemented as an LSTM trained to output parameters associated with a movement direction, but is not limited thereto.
  • the first dense layer (820) can include an input layer including 256 input parameters and an output layer including 32 output parameters.
  • the electronic device (101) may obtain fourth data based on inputting a plurality of parameters corresponding to a first output output by a first model (e.g., the first model (220)) into a second layer.
  • the electronic device (101) may input the first output into a second dense layer (830), for example.
  • the second dense layer (830) may include an input layer including 12 input parameters and an output layer including 32 output parameters.
  • the electronic device (101) can identify the movement direction based on inputting the third data and the fourth data into at least one third layer.
  • the electronic device (101) can input the third data and the fourth data into the product layer (840).
  • the product layer (840) can output 32 parameters based on an elementwise product.
  • the third dense layer (850) can include an input layer including 32 input parameters and an output layer including 2 output parameters.
  • the electronic device (101) can identify the movement direction value of the electronic device (101) based on the output of the third dense layer (850).
  • FIG. 9 illustrates a flowchart (900) for explaining a method of operating an electronic device according to one embodiment.
  • the electronic device (101) e.g., the processor (120) may, in operation 901, obtain first data including features associated with a first feature group and second data including features associated with a second feature group based on the sensing data. Since operation 901 is at least partially identical to operation 501, a description overlapping with operation 501 may not be repeated.
  • the electronic device (101) may obtain a first class associated with a location of the electronic device (101) and/or a behavior of a holder of the electronic device (101) based on acquiring the first data and inputting the first data into a first model in operation 903.
  • the electronic device (101) may identify a specific class based on an output of the classifier.
  • the electronic device (101) may identify a second model corresponding to the output class among a plurality of models associated with an estimation of a movement direction of the electronic device (101).
  • the electronic device (101) can determine the direction of movement of the electronic device (101) based on acquiring the second data and the first class, by inputting the second data into a second model corresponding to the acquired first class among a plurality of models associated with estimation of the direction of movement of the electronic device (101) in operation 905.
  • the electronic device (101) can identify the movement direction of the electronic device (101) through a movement direction estimation model including a relatively small number of parameters based on a network including a plurality of movement direction estimation models corresponding to classes.
  • the electronic device (101) can identify the movement direction of the electronic device (101) at a relatively fast speed based on the movement direction estimation model including a relatively small number of parameters.
  • FIG. 10 is a diagram for explaining the data flow of an electronic device according to one embodiment.
  • the electronic device (101) can obtain first data and second data based on inputting sensing data into the preprocessing module (210).
  • the electronic device (101) can identify a second model (e.g., one of the first direction estimation model (1010_1), the second direction estimation model (1010_2), the third direction estimation model (1010_3), or the Kth direction estimation model (1010_K)) corresponding to the class among the plurality of movement direction estimation models (1010) based on the class output from the first model (220).
  • the electronic device (101) can identify the movement direction value based on the output of the second model.
  • FIG. 11a is a diagram for explaining class classification of an electronic device according to one embodiment.
  • FIG. 11b is a drawing for explaining identification of the movement direction of an electronic device according to one embodiment.
  • the electronic device (101) can identify a location and/or action corresponding to the sixth class based on the classification results (1120) from t 1 to t 2 , referring to the graph (1110) representing the class classification results of FIG. 11A.
  • the electronic device (101) can determine that the electronic device (101) is moving in a direction of a specific angular section (e.g., ⁇ 1 to ⁇ 2 ) based on the movement direction estimation result from t 1 to t 2 , referring to the graph (1130) showing the movement direction estimation result of FIG. 11b .
  • a specific angular section e.g., ⁇ 1 to ⁇ 2
  • FIG. 12 illustrates a flowchart (1200) for explaining a method of operating an electronic device according to one embodiment.
  • the electronic device (101) e.g., the processor (120) may, in operation 1201, obtain first data including features associated with a first feature group and second data including features associated with a second feature group based on the sensing data.
  • Operation 1201 is at least partially identical to operation 501, and therefore, any description overlapping with operation 501 may not be repeated.
  • the electronic device (101) may obtain a first output associated with a location of the electronic device (101) in operation 1203 based on obtaining the first data.
  • the first output may be a plurality of parameters or a first class obtained based on inputting the first data into the first model. Since operation 1203 is at least partially identical to operation 503 and/or operation 903, descriptions overlapping with operation 503 and operation 903 may not be repeated.
  • the electronic device (101) can determine the direction of movement of the electronic device based on obtaining the first output and the second data, and based on inputting the first output and/or the second data into the second model in operation 1205.
  • Operation 1205 is at least partially identical to operation 505 and/or operation 905, and therefore, descriptions overlapping with operation 505 and operation 905 may not be repeated.
  • the electronic device (101) can determine whether the first sensor value matches the set sensor value in operation 1207 based on the movement direction of the electronic device (101). In one embodiment, the electronic device (101) can obtain a current magnetic field sensor value. The electronic device (101) can rotate a coordinate axis corresponding to the obtained current magnetic field sensor value based on the movement direction confirmed in operation 1205. The electronic device (101) can determine whether the current magnetic field sensor value for which the coordinate axis is rotated matches the set past magnetic field sensor value. For example, the electronic device (101) can determine whether the current magnetic field sensor value matches the past magnetic field sensor value based on the degree of agreement between the two sensor values. In one embodiment, the set past magnetic field sensor value may be a magnetic field sensor value collected in advance when marker information is generated.
  • a marker may be a set location for determining whether a specific location or point has been passed.
  • the electronic device (101) can determine whether the electronic device (101) moves in the same direction as the direction of the magnetic field pattern when the marker information is generated from the marker based on whether the pattern of the magnetic field matches a magnetic field pattern recorded in advance corresponding to the marker.
  • the electronic device (101) can determine whether the marker passes based on whether the magnetic field sensor value is verified.
  • the electronic device (101) may provide a notification associated with a marker corresponding to the sensor value set in operation 1209 based on determining that the first sensor value matches the set sensor value.
  • the electronic device (101) may provide a notification associated with a marker corresponding to the set sensor value based on determining that the current magnetic field sensor value matches the past magnetic field sensor value.
  • the electronic device (101) may, based on providing the notification, notify that an owner and/or possessor of the electronic device (101) is passing through a specific location corresponding to the marker.
  • the electronic device (101) may include a memory (130) that stores instructions, a sensor module (176) including at least one sensor, and at least one processor (120).
  • the instructions, when executed by the at least one processor (120), may cause the electronic device (101) to obtain, based on sensing data obtained by the sensor module (176), first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group.
  • the instructions, when executed by the at least one processor (120) may cause the electronic device (101) to obtain, based on inputting the first data into a first model, a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device (101).
  • the above instructions, when executed by at least one processor (120), may cause the electronic device (101) to determine a direction of movement based on inputting the second data and the plurality of parameters into a second model.
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to set a reference direction based on coordinate transformation of sensing data acquired by the sensor module (176).
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to, as at least part of an operation of determining a direction of movement of the electronic device (101) based on inputting the second data and the plurality of parameters into a second model, determine the direction of movement based on comparing an output of the second model with the reference direction.
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to, as at least part of an operation of obtaining first data, based on sensed data acquired by the sensor module, comprising a plurality of features associated with a first feature group, obtain a plurality of samples based on sampling the sensed data at a first period, wherein the samples may include a plurality of features associated with the first feature group.
  • the instructions when executed by at least one processor (120), may cause the electronic device (101) to, as at least part of an operation of obtaining first data, based on sensed data acquired by the sensor module, comprising a plurality of features associated with the first feature group, obtain the first data, including a plurality of input sets, from the plurality of samples, based on time-shifting a first window during a first time period.
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to, as at least part of an operation of obtaining second data, based on sensed data acquired by the sensor module (176), comprising a plurality of features associated with a second feature group, obtain a plurality of sets of sensed data based on phase shifting the sensed data.
  • the instructions when executed by at least one processor (120), may cause the electronic device (101) to, as at least part of an operation of obtaining second data, based on sensed data acquired by the sensor module (176), comprising a plurality of features associated with a second feature group, obtain a plurality of samples based on sampling the plurality of sets of sensed data at a second cycle.
  • the samples may include a plurality of features associated with the second feature group.
  • the above instructions when executed by at least one processor (120), may cause the electronic device (101) to obtain second data comprising a plurality of features associated with a second feature group based on sensed data acquired by the sensor module (176), at least as part of an operation of time-shifting a second window during a second time period, the second data comprising a plurality of input sets from the plurality of samples.
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to obtain third data based on inputting the second data into at least one first layer of the second model, at least as part of an operation of determining a direction of movement of the electronic device based on inputting the second data and the plurality of parameters into a second model.
  • the instructions when executed by at least one processor (120), may cause the electronic device (101) to obtain fourth data based on inputting the plurality of parameters into a second layer, at least as part of an operation of determining a direction of movement of the electronic device based on inputting the second data and the plurality of parameters into a second model.
  • the above instructions when executed by at least one processor (120), may cause the electronic device (101) to determine the direction of movement of the electronic device based on inputting the second data and the plurality of parameters into a second model, at least as part of an operation of determining the direction of movement of the electronic device based on inputting the third data and the fourth data into at least one third layer.
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to determine whether a first sensor value matches a set sensor value based on the determined direction of movement.
  • the instructions when executed by at least one processor (120), may cause the electronic device (101) to provide a notification associated with a marker corresponding to the set sensor value based on determining that the first sensor value matches the set sensor value.
  • the electronic device (101) may include a memory (130) that stores instructions, a sensor module (176) including at least one sensor, and at least one processor (120).
  • the instructions when executed by the at least one processor (120), may cause the electronic device (101) to obtain first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group, based on sensed data obtained by the sensor module (176).
  • the instructions, when executed by the at least one processor (120) may cause the electronic device (101) to obtain a first class associated with a location of the electronic device (101) based on inputting the first data into a first model.
  • the above instructions when executed by at least one processor (120), may cause the electronic device (101) to determine the direction of movement of the electronic device (101) based on inputting the second data into a second model corresponding to the acquired first class among a plurality of models associated with estimation of the direction of movement of the electronic device (101).
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to set a reference direction of the electronic device (101) based on coordinate transformation of sensing data acquired by the sensor module (176).
  • the instructions when executed by at least one processor (120) of the electronic device (101), may cause the electronic device (101) to, as at least part of an operation of determining a direction of movement of the electronic device (101) based on inputting the second data and the plurality of parameters into a second model, determine the direction of movement based on comparing an output of the second model with the reference direction.
  • a method of operating an electronic device (101) may include an operation of acquiring first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group based on sensing data acquired by a sensor module (176) of the electronic device (101).
  • the method of operating the electronic device (101) may include an operation of acquiring a plurality of parameters corresponding to a plurality of classes associated with a location of the electronic device (101) based on inputting the first data into a first model.
  • the method of operating the electronic device (101) may include an operation of identifying a moving direction of the electronic device (101) based on inputting the second data and the plurality of parameters into a second model.
  • the operating method of the electronic device (101) may further include an operation of setting a reference direction of the electronic device (101) based on sensing data acquired by the sensor module.
  • the operation of determining the movement direction of the electronic device (101) based on inputting the second data and the plurality of parameters of the operating method of the electronic device (101) into the second model may include an operation of determining the movement direction based on comparing an output of the second model with the reference direction.
  • the operation of obtaining first data including a plurality of features associated with a first feature group based on the sensing data acquired by the sensor module (176) of the operating method of the electronic device (101) may include the operation of obtaining a plurality of samples based on sampling the sensing data at a first period, wherein the samples include a plurality of features associated with the first feature group.
  • the operation of obtaining first data including a plurality of features associated with the first feature group based on the sensing data acquired by the sensor module (176) may include the operation of obtaining the first data including a plurality of input sets from the plurality of samples based on time-shifting a first window for a first time.
  • the operation of obtaining second data including a plurality of features associated with a second feature group based on the sensing data acquired by the sensor module (176) of the operating method of the electronic device (101) may include the operation of obtaining a plurality of sets of sensing data based on phase shifting the sensing data.
  • the operation of obtaining second data including a plurality of features associated with a second feature group based on the sensing data acquired by the sensor module (176) may include the operation of obtaining a plurality of samples based on sampling the plurality of sets of sensing data at a second cycle, wherein the samples include a plurality of features associated with the second feature group.
  • the operation of obtaining second data including a plurality of features associated with the second feature group based on the sensing data acquired by the sensor module (176) may include the operation of obtaining the second data including a plurality of input sets from the plurality of samples based on time-shifting a second window for a second time.
  • the operation of confirming the moving direction of the electronic device based on inputting the second data and the plurality of parameters of the operating method of the electronic device (101) into the second model may include an operation of obtaining third data based on inputting the second data into at least one first layer of the second model.
  • the operation of confirming the moving direction of the electronic device based on inputting the second data and the plurality of parameters into the second model may include an operation of obtaining fourth data based on inputting the plurality of parameters into the second layer.
  • the operation of confirming the moving direction of the electronic device based on inputting the second data and the plurality of parameters into the second model may include an operation of confirming the moving direction based on inputting the third data and the fourth data into at least one third layer.
  • the operating method of the electronic device (101) may further include an operation of determining whether the first sensor value matches the set sensor value based on the identified movement direction.
  • the operating method of the electronic device (101) may further include an operation of providing a notification associated with a marker corresponding to the set sensor value based on determining that the first sensor value matches the set sensor value.
  • a method of operating an electronic device (101) may include an operation of acquiring first data including a plurality of features associated with a first feature group and second data including a plurality of features associated with a second feature group based on sensing data acquired by a sensor module (176) of the electronic device (101).
  • the method of operating an electronic device (101) may include an operation of acquiring a first class associated with a location of the electronic device (101) based on inputting the first data into a first model.
  • the method of operating an electronic device (101) may include an operation of confirming a moving direction of the electronic device (101) based on inputting the second data into a second model corresponding to the acquired first class among a plurality of models associated with estimation of a moving direction of the electronic device (101).
  • the operating method of the electronic device (101) may further include an operation of setting a reference direction of the electronic device based on coordinate transformation of sensing data acquired by the sensor module (176).
  • the operation of determining the direction of movement of the electronic device based on inputting the second data and the plurality of parameters of the operating method of the electronic device (101) into the second model may include an operation of determining the direction of movement based on comparing an output of the second model with the reference direction.
  • the electronic device may be a variety of devices.
  • the electronic device may include, for example, a portable communication device (e.g., a smartphone), a computer device, a portable multimedia device, a portable medical device, a camera, a wearable device, or a home appliance device.
  • a portable communication device e.g., a smartphone
  • a computer device e.g
  • first, second, or first or second may be used merely to distinguish one component from another, and do not limit the components in any other respect (e.g., importance or order).
  • a component e.g., a first
  • another component e.g., a second
  • functionally e.g., a third component
  • module used in the embodiments of this document may include a unit implemented in hardware, software or firmware, and may be used interchangeably with terms such as logic, logic block, component, or circuit, for example.
  • a module may be an integrally configured component or a minimum unit of the component or a part thereof that performs one or more functions.
  • a module may be implemented in the form of an application-specific integrated circuit (ASIC).
  • ASIC application-specific integrated circuit
  • One embodiment of the present document may be implemented as software (e.g., a program (140)) including one or more instructions stored in a storage medium (e.g., an internal memory (136) or an external memory (138)) readable by a machine (e.g., an electronic device (101)).
  • a processor e.g., a processor (120)
  • the machine e.g., the electronic device (101)
  • the one or more instructions may include code generated by a compiler or code executable by an interpreter.
  • the machine-readable storage medium may be provided in the form of a non-transitory storage medium.
  • 'non-transitory' simply means that the storage medium is a tangible device and does not contain signals (e.g. electromagnetic waves), and the term does not distinguish between cases where data is stored semi-permanently or temporarily on the storage medium.
  • the method according to one embodiment disclosed in the present document may be provided as included in a computer program product.
  • the computer program product may be traded between a seller and a buyer as a commodity.
  • the computer program product may be distributed in the form of a machine-readable storage medium (e.g., a compact disc read only memory (CD-ROM)), or may be distributed online (e.g., by download or upload) via an application store (e.g., Play StoreTM) or directly between two user devices (e.g., smart phones).
  • an application store e.g., Play StoreTM
  • at least a part of the computer program product may be at least temporarily stored or temporarily generated in a machine-readable storage medium, such as a memory of a manufacturer's server, a server of an application store, or an intermediary server.
  • each component e.g., a module or a program of the above-described components may include a single or multiple entities, and some of the multiple entities may be separated and arranged in other components.
  • one or more components or operations of the above-described corresponding components may be omitted, or one or more other components or operations may be added.
  • a plurality of components e.g., a module or a program
  • the integrated component may perform one or more functions of each of the multiple components identically or similarly to those performed by the corresponding component of the multiple components before the integration.
  • the operations performed by the module, program, or other component may be executed sequentially, in parallel, repeatedly, or heuristically, or one or more of the operations may be executed in a different order, omitted, or one or more other operations may be added.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Indicating Or Recording The Presence, Absence, Or Direction Of Movement (AREA)
  • Position Input By Displaying (AREA)

Abstract

일 실시예에 따라서, 전자 장치는, 인스트럭션들을 저장하는 메모리, 적어도 하나의 센서를 포함하는 센서 모듈, 및 상기 센서 모듈과 작동적으로 연결된 적어도 하나의 프로세서를 포함하고, 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하고, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하고, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하도록 야기할 수 있다.

Description

이동 방향을 식별하는 전자 장치 및 그 동작 방법
본 개시의 일 실시예는, 이동 방향을 식별하는 전자 장치 및 그 동작 방법에 관한 것이다.
사용자 단말, 예를 들어, 스마트 폰과 같은 전자 장치를 통해 제공되는 다양한 서비스 및 부가 기능들이 점차 증가하고 있다. 이러한 전자 장치의 효용 가치를 높이고, 다양한 사용자들의 욕구를 만족시키기 위해서 통신 서비스 제공자 또는 전자 장치 제조사들은 다양한 기능들을 제공하는 전자 장치를 경쟁적으로 개발하고 있다. 이에 따라, 전자 장치를 통해서 제공되는 다양한 기능들도 점점 고도화 되고 있다.
무선 통신 기술이 발전함에 따라 인공지능(artificial intelligence: AI)을 이용한 장치들이 널리 도입되고 있다. 사용자 단말의 위치를 확인하기 위하여 인공지능을 이용할 수 있다. 예를 들어, 사용자 단말은 학습된 딥러닝 모델에 센싱 데이터를 입력함으로써, 사용자 단말의 위치를 확인할 수 있다.
일 실시예에 따라서, 전자 장치는, 인스트럭션들을 저장하는 메모리, 적어도 하나의 센서를 포함하는 센서 모듈 및 상기 센서 모듈과 작동적으로 연결된 적어도 하나의 프로세서를 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치의 적어도 하나의 프로세서에 의하여 실행 시에, 상기 전자 장치로 하여금 적어도 하나의 동작을 수행하도록 야기하고, 상기 적어도 하나의 동작은, 상기 전자 장치의 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에 따라서, 전자 장치의 동작 방법은, 상기 전자 장치의 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 전자 장치의 동작 방법은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하는 동작을 포함할 수 있다. 전자 장치의 동작 방법은, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에 따라서, 전자 장치는, 인스트럭션들을 저장하는 메모리, 적어도 하나의 센서를 포함하는 센서 모듈 및 적어도 하나의 프로세서를 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 제1 클래스를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서에 의하여 실행될 때, 상기 전자 장치로 하여금, 상기 전자 장치의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에 따라서, 컴퓨터로 독출 가능한 적어도 하나의 인스트럭션을 저장하는 저장 매체에 있어서, 상기 적어도 하나의 인스트럭션은 전자 장치의 적어도 하나의 프로세서에 의하여 실행 시에, 상기 전자 장치로 하여금 적어도 하나의 동작을 수행하도록 야기하고, 상기 적어도 하나의 동작은, 상기 전자 장치의 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 제1 클래스를 획득하는 동작을 포함할 수 있다. 상기 적어도 하나의 동작은, 상기 전자 장치의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에 따라서, 전자 장치의 동작 방법은, 상기 전자 장치의 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 전자 장치의 동작 방법은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치의 위치와 연관된 제1 클래스를 획득하는 동작을 포함할 수 있다. 전자 장치의 동작 방법은, 상기 전자 장치의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작을 포함할 수 있다.
도 1은, 일 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 전자 장치의 기준 방향의 설정을 설명하기 위한 도면이다.
도 4는 일 실시예에 따른 전자 장치의 기준 방향의 설정을 설명하기 위한 도면이다.
도 5는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 6은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
도 7은 일 실시예에 따른 전자 장치의 전처리 동작을 설명하기 위한 도면이다.
도 8은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
도 9는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 10은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
도 11a는 일 실시예에 따른 전자 장치의 클래스 분류를 설명하기 위한 도면이다.
도 11b는 일 실시예에 따른 전자 장치의 이동방향 식별을 설명하기 위한 도면이다.
도 12는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도를 도시한다.
도 1은, 일 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional 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) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
일 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
도 2는 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 전처리 모듈(210), 제1 모델(220), 및 제2 모델(230)을 포함할 수 있다.
일 실시예에서, 전자 장치(101)에 구현되는(또는 저장되는) 모듈(예를 들어, 전처리 모듈(210))은 프로세서(120)에 의해 실행 가능한 어플리케이션, 프로그램, 컴퓨터 코드, 인스트럭션들, 루틴, 프로세스, 소프트웨어, 펌웨어, 또는 이들 중 적어도 둘 이상의 조합의 형태로 구현될 수 있다. 예를 들어, 모듈이 실행되는 경우, 프로세서(120)가 각각에 대응하는 동작을 수행할 수 있다. 따라서 이하에서 "특정 모듈이 동작을 수행한다"는 기재는, "특정 모듈이 실행됨에 따라서, 프로세서(120)가 특정 모듈에 대응하는 동작을 수행하는 것"으로 이해될 수 있다. 일 실시예에서, 모듈 중 적어도 일부는 복수의 프로그램들을 포함할 수 있으나, 기재된 바에 제한되지 않는다. 한편, 모듈 중 적어도 일부는 하드웨어 형태(예: 처리 회로(미도시))로 구현될 수도 있다. 일 실시예에서, 모듈은, 안드로이드 운영 체체(operating system) 상에서 구현되는 경우, 서비스(service) 또는 어플리케이션으로 구현될 수도 있다.
일 실시예에서, 커뮤니케이션 프로세서(또는 어플리케이션 프로세서(예를 들어, 프로세서(120))에 포함되거나, 또는 커뮤니케이션 프로세서 및/또는 메인 프로세서(예를 들어, 메인 프로세서(120))로부터 독립적인 신경망 처리 장치(예: 도 1의 보조 프로세서(123))는, AI 모델(예: 제1 모델(220) 및/또는 제2 모델(230))의 생성, 학습, AI 모델의 선택, 및/또는 AI 모델의 이용(예를 들어, 입력값에 대한 AI 모델에 대응하는 연산의 수행)을 수행할 수도 있다. AI 모델은, 전자 장치(101)의 메모리(예: 메모리(130)) 및/또는 신경망 처리 장치 내의 메모리에 저장될 수도 있다. 일 실시예에서, 구현에 따라서, 메모리는, 어플리케이션 프로세서 또는 커뮤니케이션 프로세서의 내부에 배치될 수도 있다. 구현에 따라서, 메모리는, 어플리케이션 프로세서 또는 커뮤니케이션 프로세서의 외부에 배치될 수 있으며, 어플리케이션 프로세서 또는 커뮤니케이션 프로세서에 의하여 접근될 수 있다.
일 실시예에서, AI 모델은, 신경망(neural network) 모델일 수 있으며, 그 제한은 없다. AI 모델이 신경망 모델인 경우, 신경망 모델의 종류, 신경망 모델의 레이어의 개수, 신경망 모델의 신경망 모델의 입력값(또는, 입력 노드의 개수), 신경망 모델의 중간 레이어(또는, 은닉 레이어) 각각의 노드의 개수, 및/또는 신경망 모델의 활성화 함수의 종류에는 제한이 없다.
일 실시예에서, 전자 장치(101)는, 예를 들어, AI 모델의 NN(neural networks)에 대한 정보, AI 모델의 노드들에 대응하는 가중치들 및/또는 바이어스들을, 확인하거나, 및/또는 AI 모델을 제공하는 다른 장치(예를 들어, 학습을 수행하는 장치 및/또는 학습 완료된 AI 모델을 관리하는 장치)로부터 수신할 수도 있다. AI 모델은, 업데이트될 수도 있다. 예를 들어, AI 모델은 새롭게 수신된 상이한 AI 모델에 의하여 교체될 수도 있거나, 또는 AI 모델의 NN 구조는 유지하되, NN을 구성하는 노드들에 대응하는 가중치들 및/또는 바이어스들이 업데이트될 수도 있다.
일 실시예에서, 전처리 모듈(210)은, 센서 모듈(예: 센서 모듈(176))에 의하여 획득된 센싱 데이터에 기반하여, 제1 데이터 및 제2 데이터를 출력할 수 있다. 출력된 제1 데이터는 제1 모델(220)에 입력될 수 있다. 출력된 제2 데이터는 제2 모델(230)에 입력될 수 있다. 전처리 모듈(210)에 의한 구체적인 전처리 방법의 일 실시예는 후술하도록 한다.
일 실시예에서, 제1 모델(220)은, 전처리 모듈(210)로부터 출력된 제1 데이터에 기반하여, 제1 출력을 출력할 수 있다. 제1 모델(220)은, 예를 들어 복수의 특징들을 포함하는 입력값과, 이에 대응하는 전자 장치(101)의 위치와 연관된 클래스를 포함하는 출력값을 포함하는 트레이닝 데이터 셋에 기반하여 학습될 수 있다. 제1 모델(220)은, 전자 장치(101)의 위치와 연관된 클래스 및/또는 클래스들에 대응하는 복수의 파라미터들을 출력하도록 학습될 수 있다. 제1 모델(220)은, 시계열 데이터에 기반하여, 분류를 수행하는 딥러닝(deep-learning) 모델일 수 있다. 예를 들어, 제1 모델(220)은 RNN(recurrent neural networks) 중에서 LSTM(long short-term memory models)으로 구현될 수 있으며, 시계열 데이터를 처리하는 딥러닝 모델이라면 그 제한은 없다.
일 실시예에서, 제2 모델(230)은, 제1 모델(220)에 의하여 출력된 제1 출력 및/또는 전처리 모듈(210)에 의하여 출력된 제2 데이터에 기반하여, 제2 출력을 출력할 수 있다. 제2 모델(230)은, 예를 들어 복수의 특징들을 포함하는 입력값과, 이에 대응하는 전자 장치(101)의 이동 방향 연관된 출력값을 포함하는 트레이닝 데이터 셋에 기반하여 학습될 수 있다. 제2 모델(230)은, 전자 장치(101)의 이동 방향과 연관된 값을 출력하도록 학습될 수 있다. 제2 모델(230)은, 시계열 데이터에 기반하여, 회귀를 수행하는 딥러닝 모델일 수 있다. 예를 들어, 제2 모델(230)은 RNN 중에서 LSTM으로 구현될 수 있으며, 시계열 데이터를 처리하는 딥러닝 모델이라면 그 제한은 없다.
도 3은 일 실시예에 따른 전자 장치의 기준 방향의 설정을 설명하기 위한 도면이다.
일 실시예에서, 도 3을 참조하면, 전자 장치(101)는, 센서 모듈(예: 도 1의 센서 모듈(176))에 의하여 획득된 센싱 데이터에 기반하여, 좌표 변환을 수행(301)할 수 있다. 전자 장치(101)는, 센서(예: 자이로 센서)가 지표면에 수직인 방향을 확인할 수 있음에 기반하여, 설정된 주기에 따라 전자 장치(101)의 좌표계를 변환할 수 있다.
일 실시예에서, 참조 부호 310을 참조하면, 전자 장치(101)는, 센서 모듈에 포함된 적어도 하나의 센서(예: 가속도 센서 및/또는 자이로 센서)에 의하여 획득된 센싱 데이터에 기반하여, 복수의 좌표축들(예: x축, y축, 및 z 축)에 대응하는 방향값을 확인할 수 있다. 일 실시예에서, 전자 장치(101)는 복수의 좌표축들에 대응하는 방향값에 기반하여, 중력 방향(G)에 수직인 평면(예: x'y' 평면)으로 좌표 변환을 수행할 수 있다. 중력 방향에 수직인 평면은, "기준 평면"으로 지칭될 수 있으며, 그 명칭에 제한은 없다.
일 실시예에서, 참조 부호 320을 참조하면, 전자 장치(101)는, 복수의 좌표축들에 대응하는 방향값에 기반하여, 기준 평면의 좌표축들(예: x'축 및 y'축)에 대응하는 방향값을 확인할 수 있다. 전자 장치(101)는, 기준 평면의 좌표축들에 대응하는 방향값에 기반하여, 기준 방향을 확인할 수 있다. 일 실시예에서, 기준 방향은, 전자 장치(101)의 움직임에 따른 상대적인 이동 방향을 확인하기 위하여 설정되는 방향일 수 있다. 전자 장치(101)가 기준 방향으로부터 벗어나는 정도를 확인하는 방법은 후술하도록 한다. 전자 장치(101)는, 자이로 센서의 출력값에 기반하여, 전자 장치(101)의 회전량을 확인할 수 있다. 전자 장치(101)는, 회전 방향의 반대 방향으로 보상을 수행함에 기반하여, 전자 장치(101)의 기준 방향을 유지할 수 있다.
도 4는 일 실시예에 따른 전자 장치의 기준 방향의 설정을 설명하기 위한 도면이다.
일 실시예에서, 도 4를 참조하면, 전자 장치(101)는, 센서 모듈(예: 센서 모듈(176))에 의하여 획득된 센싱 데이터에 기반하여, 전자 장치(101)의 기준 방향을 설정할 수 있다. 예를 들어, 전자 장치(101)는, y'축 방향을 전자 장치(101)의 기준 방향으로 설정할 수 있다.
일 실시예에서, 참조부호 430을 참조하면, 전자 장치(101)는, 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 전자 장치(101)의 이동 방향(421)을 확인할 수 있다. 일 실시예에서, 전자 장치(101)는, 전자 장치(101)의 이동 방향에 대응하는 회전된 각도(423)를 확인함에 기반하여, 방향 보상을 수행(425)할 수 있다. 전자 장치(101)는, 회전된 각도(423)에 대한 보상을 수행함에 기반하여, 전자 장치(101)의 기준 방향을 유지할 수 있다.
도 5는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도(500)를 도시한다.
일 실시예에 따라서, 전자 장치(101)(예를 들어, 프로세서(120))는, 501 동작에서, 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 특징들을 포함하는 제2 데이터를 획득할 수 있다. 일 실시예에서, 전자 장치(101)는, 센서 모듈(176)에 포함된 적어도 하나의 센서(예: 선형 가속도계, 가속도 센서, 및/또는 자이로 센서)에 의하여 획득된 센싱 데이터에 기반하여, 전자 장치(101)의 이동 방향과 상대적으로 적게 연관된 제1 특징 그룹에 포함된 특징들을 획득할 수 있다. 전자 장치(101)는, 상기 센싱 데이터에 기반하여, 전자 장치(101)의 이동 방향과 상대적으로 크게 연관된 제2 특징 그룹에 포함된 특징들을 획득할 수 있다. 제1 특징 그룹에 포함된 특징들 및 제2 특징 그룹에 포함된 특징들의 일 실시예는 도 7에서 후술하도록 한다. 일 실시예에서, 전자 장치(101)는, 제1 데이터 및 제2 데이터를 획득하도록 하는 트리거(또는, 조건)을 확인할 수 있다. 상기 트리거는, 설정된 주기 또는 사용자 입력(예: 전자 장치(101)의 이동 방향의 확인과 연관된 기능의 활성화)를 포함할 수 있으며, 이에 제한은 없다.
일 실시예에서, 전자 장치(101)는, 제1 데이터를 획득함에 기반하여, 503 동작에서 상기 제1 데이터를 제1 모델(예: 제1 모델(220))에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득할 수 있다. 일 실시예에서, 복수의 파라미터들은, 복수의 클래스들에 대응하는 확률값일 수 있으며, 이에 제한은 없다.
클래스 확률값
Class A 0.10
Class B 0.75
Class C 0.05
Class D 0.10
일 실시예에서, 전자 장치(101)는, 제1 모델(220)의 출력에 기반하여, 클래스 A, 클래스 B, 클래스 C, 및 클래스 D에 대응하는 확률값들을 확인할 수 있다. 예를 들어, 클래스는, 정지(stable), 통화(call), 사이드 포켓(side pocket), 또는 핸드 스윙(hand swing)과 같이, 전자 장치(101)의 위치 및/또는 전자 장치(101)의 소지자의 행동(activity)를 나타낼 수 있다. 표 1에서는, 설명의 편의를 위하여 제1 모델(220)이 제1 데이터에 기반하여, 4 개의 클래스들에 대응하는 확률값을 출력하는 것으로 기재되었으며, 이에 제한은 없다. 예를 들어, 제1 모델(220)은, 5 개 이상의 클래스들에 대응하는 확률값들을 출력할 수도 있다. 예를 들어, 클래스는, 백 포켓(back pocket), 백팩 스윙(backpack swing), 및 기타(others)를 더 포함할 수 있다.일 실시예에서, 전자 장치(101)는, 제2 데이터 및 복수의 파라미터들을 획득함에 기반하여, 505 동작에서 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델(예: 제2 모델(230))에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인할 수 있다. 일 실시예에서, 전자 장치(101)는, 전자 장치(101)의 이동 방향과 연관된 특징들을 포함하는 제2 데이터 및 전자 장치(101)의 위치 및/또는 전자 장치(101)의 소지자의 행동과 연관된 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 전자 장치(101)의 이동 방향을 확인할 수 있다. 일 실시예에서, 전자 장치(101)는 제2 모델의 출력을 전자 장치(101)의 설정된 기준 방향과 비교함에 기반하여, 전자 장치(101)의 이동 방향을 확인할 수 있다.일 실시예에서, 전자 장치(101)는, 전자 장치(101)의 위치 및/또는 전자 장치(101)의 소지자의 행동에 따라 센싱 데이터의 패턴이 다를 수 있음에 기반하여, 학습된 제1 모델 및 학습된 제2 모델을 통하여 전자 장치(101)의 이동 방향을 상대적으로 정확하게 확인할 수 있다.
도 6은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 전처리 모듈(210)에 센서 모듈(176)에 의하여 획득된 센싱 데이터를 입력함에 기반하여, 제1 데이터 및 제2 데이터를 획득할 수 있다. 제1 데이터 및 제2 데이터를 획득하는 전처리 방법의 실시예는 도 7에서 후술하도록 한다.
일 실시예에서, 전자 장치(101)는, 제1 데이터를 제1 모델(220)에 입력함에 기반하여, 제1 출력을 획득할 수 있다. 예를 들어, 제1 출력은 전자 장치(101)의 위치 및/또는 전자 장치(101)의 소지자의 행동과 연관된 클래스들에 대응하는 확률값들일 수 있으며, 이에 제한은 없다. 전자 장치(101)는, 제1 출력 및 제2 데이터를 모두 제2 모델(230)에 입력함에 기반하여, 제2 출력을 획득할 수 있다. 제2 출력은, 예를 들어, 시간에 따라 연속된 방향값일 수 있으며, 이에 제한은 없다. 제2 모델(230)의 입력에 기반하여, 제2 출력을 획득하는 방법의 일 실시예는 도 8에서 후술하도록 한다.
일 실시예에서, 전자 장치(101)는, 도 6에 도시된 구조에 기반하여, 제1 모델(220)에 의하여 출력된 확률값들을 제2 모델(230)에 입력할 수 있다. 전자 장치(101)는, 제2 데이터 및 상기 확률값들을 제2 모델(230)에 입력함에 기반하여, 제1 모델(220)이 클래스만을 출력하는 경우와 대비하여, 전자 장치(101)의 이동 방향을 상대적으로 정확하게 확인할 수 있다. 전자 장치(101)는, 클래스 대신 클래스에 대응하는 확률값을 제2 모델(230)에 입력함에 기반하여, 학습되지 않은 클래스에 대응하는 위치 및/또는 행동에 대응하는 케이스에서도, 전자 장치(101)의 이동 방향을 상대적으로 정확하게 확인할 수 있다.
일 실시예에서, 전자 장치(101)는, 하나의 제2 모델(230)에 기반하여 제2 출력을 획득할 수 있다. 전자 장치(101)는, 복수의 제2 모델들에 기반하여 네트워크를 구성하는 경우와 대비하여, 상대적으로 적은 파라미터들을 포함하는 네트워크에 기반하여 전자 장치(101)의 이동 방향을 확인할 수 있다.
도 7은 일 실시예에 따른 전자 장치의 전처리 동작을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 센서 모듈(예: 센서 모듈(176))에 의하여 획득된 센싱 데이터(710)에 기반하여, 제1 데이터 및 제2 데이터를 획득할 수 있다.
일 실시예에서, 전자 장치(101)는, 도 7을 참조하면, 선형 가속도계에 의하여 획득된 로 데이터(711)(raw data), 가속도 센서에 의하여 획득된 로 데이터(713), 및 자이로 센서에 의하여 획득된 로 데이터(715)에 기반하여 전처리를 수행(720)할 수 있다. 선형 가속도계에 의하여 획득된 로 데이터(711)는, x축 데이터(711a), y축 데이터(711b), 및 z축 데이터(711c)를 포함할 수 있다. 가속도 센서에 의하여 획득된 로 데이터(713)는, x축 데이터(713a), y축 데이터(713b), 및 z축 데이터(713c)를 포함할 수 있다. 자이로 센서에 의하여 획득된 로 데이터(715)는, x축 데이터(715a), y축 데이터(715b), 및 z축 데이터(715c)를 포함할 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 주기로 센싱 데이터(710)를 샘플링함에 기반하여, 복수의 샘플들(T1 내지 TM)을 획득할 수 있다. 일 실시예에서, 획득된 복수의 샘플들 각각은 제1 특징 그룹과 연관된 복수의 특징들을 포함할 수 있다. 예를 들어, 하나의 샘플은, 제1 특징 그룹과 연관된 N 개의 특징들(F1 내지 FN)을 포함할 수 있다. N 값은 제1 데이터의 경우, 10으로 설정될 수 있으며, 특징들의 개수에는 제한이 없다. 샘플은 전자 장치(101)의 이동 방향과 상대적으로 적게 연관된 제1 특징 그룹에 포함된 10 개의 특징들을 포함할 수 있다. 예를 들어, 10 개의 특징들은, RMS(root mean square) 값, SMA(signal magnitude area) 값, 및/또는 IM(intensity of movement) 값을 포함할 수 있다. RMS 값은, 선형 가속도계의 데이터(711a, 711b, 711c)의 RMS 값, 가속도 센서의 데이터(713a, 713b, 713c)의 RMS 값, 및/또는 자이로 센서의 데이터(715a, 715b, 715c)의 RMS 값을 포함할 수 있다. SMA 값은, 선형 가속도계의 데이터(711a, 711b, 711c)의 SMA 값 및/또는 자이로 센서의 데이터(715a, 715b, 715c)의 SMA 값을 포함할 수 있다. IM 값은, 선형 가속도계에 대한 RMS 값의 IM 값, 가속도 센서에 대한 RMS 값의 IM 값, 자이로 센서에 대한 RMS 값의 IM 값, 선형 가속도계에 대한 SMA 값의 IM 값, 및/또는 자이로 센서에 대한 SMA 값의 IM 값을 포함할 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 시간(755) 동안 제1 윈도우(751)를 시간 이동(731)함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋(예: 제1 입력 셋(741) 및 제2 입력 셋(743))을 포함하는 제1 데이터를 획득할 수 있다. 일 실시예에서, 제1 시간(예: 시간 윈도우), 제1 윈도우(예: 슬라이딩 윈도우), 및 샘플링 주기(753) 값은, 표 2와 같이 설정될 수 있으며, 이에 제한은 없다.
파라미터 값 [t]
시간 윈도우 1 s
슬라이딩 윈도우 100 ms
샘플링 주기 20 ms
일 실시예에서, 파라미터 값이 표 2와 같이 설정되는 경우, M 값은 50으로 설정될 수 있다. 전자 장치(101)는, 10 개의 특징들을 포함하는 50 개의 샘플들에 기반하여, 500 개의 입력 데이터를 획득할 수 있다.일 실시예에서, 전자 장치(101)는, 센싱 데이터(710)에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득할 수 있다.일 실시예에서, 전자 장치(101)는, 센싱 데이터를 위상 변환함에 기반하여, 복수의 센싱 데이터 셋을 획득할 수 있다. 예를 들어, 전자 장치(101)는, 가속도 센서의 로 데이터(713) 및 자이로 센서의 로 데이터(715)에 기반하여, 지표면과 평행한 방향으로 회전된 데이터를 획득할 수 있다. 전자 장치(101)는, 회전된 데이터를 약 5 도 간격으로 360 도 위상 변환함에 기반하여, 복수의 센싱 데이터 셋을 획득할 수 있다. 전자 장치(101)는, 상대적으로 짧은 시간 간격의 로 데이터를 획득한 경우에도, 위상 변환에 기반하여, 서로 다른 각도로 변환된 복수의 센싱 데이터 셋을 획득할 수 있다.
일 실시예에서, 전자 장치(101)는, 제2 주기로 복수의 센싱 데이터 셋을 샘플링함에 기반하여, 복수의 샘플들을 획득할 수 있다. 예를 들어, 샘플은 제2 특징 그룹과 연관된 약 12 개의 특징들을 포함할 수 있다. 제2 특징 그룹에 포함된 특징들은, 전자 장치(101)의 이동 방향과 상대적으로 크게 연관될 수 있다. 예를 들어, 제2 특징 그룹에 포함된 특징들은, 선형 가속도계의 x축 데이터(711a), x축 데이터(711a)의 IM 값, y축 데이터(711b), y축 데이터(711b)의 IM 값, z축 데이터(711c), z축 데이터(711c)의 IM 값을 포함할 수 있다. 제2 특징 그룹에 포함된 특징들은, 자이로 센서의 x축 데이터(715a), x축 데이터(715a)의 IM 값, y축 데이터(715b), y축 데이터(715b)의 IM 값, z축 데이터(715c), z축 데이터(715c)의 IM 값을 포함할 수 있다.
일 실시예에서, 전자 장치(101)는, 제2 시간 동안 제2 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제2 데이터를 획득할 수 있다. 일 실시예에서, 제2 데이터를 획득하기 위한 파라미터들은 표 2와 동일하게 설정될 수 있으며, 이에 제한은 없다. 전자 장치(101)는, 예를 들어, 표 2에 따라 파라미터 값이 설정되는 경우, 12 개의 특징들을 포함하는 50 개의 샘플들에 기반하여, 600 개의 입력 데이터를 획득할 수 있다.
도 8은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 제2 데이터를 제2 모델(230)의 적어도 하나의 제1 레이어에 입력함에 기반하여, 제3 데이터를 획득할 수 있다. 전자 장치(101)는, 예를 들어, 서브 레이어(810) 및 제1 덴스 레이어(820)에 순차적으로 제2 데이터를 입력할 수 있다. 일 실시예에서, 서브 레이어(810)는, 이동 방향과 연관된 파라미터들을 출력하도록 학습된 LSTM으로 구현될 수 있으며, 이에 제한은 없다. 제1 덴스 레이어(820)는, 256 개의 입력 파라미터들을 포함하는 입력층 및 32 개의 출력 파라미터들을 포함하는 출력층을 포함할 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 모델(예: 제1 모델(220))에 의하여 출력된 제1 출력에 대응하는 복수의 파라미터들을 제2 레이어에 입력함에 기반하여, 제4 데이터를 획득할 수 있다. 전자 장치(101)는, 예를 들어, 제1 출력을 제2 덴스 레이어(830)에 입력할 수 있다. 제2 덴스 레이어(830)는, 12 개의 입력 파라미터들을 포함하는 입력층 및 32 개의 출력 파라미터들을 포함하는 출력층을 포함할 수 있다.
일 실시예에서, 전자 장치(101)는, 제3 데이터 및 제4 데이터를 적어도 하나의 제3 레이어에 입력함에 기반하여, 이동 방향을 확인할 수 있다. 전자 장치(101)는, 제3 데이터 및 제4 데이터를 프로덕트 레이어(840)에 입력할 수 있다. 프로덕트 레이어(840)는, 엘레멘트별 프로덕트(elementwise product)에 기반하여, 32 개의 파라미터들을 출력할 수 있다. 제3 덴스 레이어(850)는, 32 개의 입력 파라미터들을 포함하는 입력층 및 2 개의 출력 파라미터들을 포함하는 출력층을 포함할 수 있다. 전자 장치(101)는, 제3 덴스 레이어(850)의 출력에 기반하여, 전자 장치(101)의 이동 방향값을 확인할 수 있다.
도 9는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도(900)를 도시한다.
일 실시예에 따라서, 전자 장치(101)(예를 들어, 프로세서(120))는, 901 동작에서, 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 특징들을 포함하는 제2 데이터를 획득할 수 있다. 901 동작은, 501 동작과 적어도 일부가 동일하므로, 501 동작과 중복되는 설명은 반복되지 않을 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 데이터를 획득함에 기반하여, 903 동작에서 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치 및/또는 전자 장치(101)의 소지자의 행동과 연관된 제1 클래스를 획득할 수 있다. 전자 장치(101)는, 분류기의 출력에 기반하여, 특정 클래스를 확인할 수 있다. 전자 장치(101)는, 전자 장치(101)의 이동 방향의 추정과 연관된 복수의 모델들 중에서 출력된 클래스에 대응하는 제2 모델을 확인할 수 있다.
일 실시예에서, 전자 장치(101)는, 상기 제2 데이터 및 상기 제1 클래스를 획득함에 기반하여, 905 동작에서 상기 전자 장치(101)의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인할 수 있다.
전자 장치(101)는, 클래스들에 대응하는 복수의 이동 방향 추정 모델들을 포함하는 네트워크에 기반하여, 상대적으로 적은 수의 파라미터들을 포함하는 이동 방향 추정 모델을 통하여, 전자 장치(101)의 이동 방향을 확인할 수 있다. 전자 장치(101)는, 상대적으로 적은 수의 파라미터들을 포함하는 이동 방향 추정 모델에 기반하여, 상대적으로 빠른 속도로 전자 장치(101)의 이동 방향을 확인할 수 있다.
도 10은 일 실시예에 따른 전자 장치의 데이터 흐름을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 센싱 데이터를 전처리 모듈(210)에 입력함에 기반하여, 제1 데이터 및 제2 데이터를 획득할 수 있다. 전자 장치(101)는, 제1 모델(220)로부터 출력된 클래스에 기반하여, 복수의 이동 방향 추정 모델들(1010) 중에서, 클래스에 대응하는 제2 모델(예: 제1 방향 추정 모델(1010_1), 제2 방향 추정 모델(1010_2), 제3 방향 추정 모델(1010_3) 또는 제K 방향 추정 모델(1010_K) 중 어느 하나)을 확인할 수 있다. 전자 장치(101)는, 제2 모델의 출력에 기반하여 이동 방향값을 확인할 수 있다.
도 11a는 일 실시예에 따른 전자 장치의 클래스 분류를 설명하기 위한 도면이다.
도 11b는 일 실시예에 따른 전자 장치의 이동방향 식별을 설명하기 위한 도면이다.
일 실시예에서, 전자 장치(101)는, 도 11a의 클래스 분류 결과를 나타내는 그래프(1110)를 참조하면, t1 내지 t2까지의 분류 결과(1120)에 기반하여, 제6 클래스에 대응하는 위치 및/또는 행동을 확인할 수 있다.
일 실시예에서, 전자 장치(101)는, 도 11b의 이동 방향 추정 결과를 나타내는 그래프(1130)를 참조하면, t1 내지 t2까지의 이동 방향 추정 결과에 기반하여, 전자 장치(101)가 특정 각도 구간(예: θ1 내지 θ2)의 방향으로 이동하고 있음을 확인할 수 있다.
도 12는 일 실시예에 따른 전자 장치의 동작 방법을 설명하기 위한 흐름도(1200)를 도시한다.
일 실시예에 따라서, 전자 장치(101)(예를 들어, 프로세서(120))는, 1201 동작에서, 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 특징들을 포함하는 제2 데이터를 획득할 수 있다. 1201 동작은, 501 동작과 적어도 일부가 동일하므로, 501 동작과 중복되는 설명은 반복되지 않을 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 데이터를 획득함에 기반하여, 1203 동작에서 상기 전자 장치(101)의 위치와 연관된 제1 출력을 획득할 수 있다. 일 실시예에서, 제1 출력은, 제1 데이터를 제1 모델에 입력함에 기반하여 획득한 복수의 파라미터들 또는 제1 클래스일 수 있다. 1203 동작은, 503 동작 및/또는 903 동작과 적어도 일부가 동일하므로, 503 동작 및 903 동작과 중복되는 설명은 반복되지 않을 수 있다.
일 실시예에서, 전자 장치(101)는, 제1 출력 및 제2 데이터를 획득함에 기반하여, 1205 동작에서 제1 출력 및/또는 제2 데이터를 제2 모델에 입력함에 기반하여, 전자 장치의 이동 방향을 확인할 수 있다. 1205 동작은, 505 동작 및/또는 905 동작과 적어도 일부가 동일하므로, 505 동작 및 905 동작과 중복되는 설명은 반복되지 않을 수 있다.
일 실시예에서, 전자 장치(101)는, 전자 장치(101)의 이동 방향을 확인함에 기반하여, 1207 동작에서 제1 센서 값이 설정된 센서 값과 일치하는지 여부를 확인할 수 있다. 일 실시예에서, 전자 장치(101)는, 현재 자기장 센서 값을 획득할 수 있다. 전자 장치(101)는 1205 동작에서 확인된 이동 방향에 기반하여 상기 획득된 현재 자기장 센서 값에 대응하는 좌표축을 회전할 수 있다. 전자 장치(101)는, 상기 좌표축이 회전된 현재 자기장 센서 값이 설정된 과거 자기장 센서 값과 일치하는지 여부를 확인할 수 있다. 예를 들어, 전자 장치(101)는, 양 센서 값 간의 일치도를 확인함에 기반하여, 현재 자기장 센서 값이 과거 자기장 센서 값과 일치하는지 여부를 확인할 수 있다. 일 실시예에서, 상기 설정된 과거 자기장 센서 값은 마커 정보가 생성될 때 미리 수집된 자기장 센서 값일 수 있다. 일 실시예에서, 마커는 특정 장소 또는 지점을 통과하였는지 여부를 확인하기 위하여 설정된 위치일 수 있다. 전자 장치(101)는, 자기장의 패턴이 마커에 대응하여 미리 기록된 자기장 패턴과 일치하는지 여부를 확인함에 기반하여, 전자 장치(101)가 상기 마커에서 마커 정보가 생성될 때의 자기장 패턴의 방향과 동일한 방향으로 이동함을 확인할 수 있다. 전자 장치(101)는 자기장 센서 값을 확인함에 기반하여, 마커의 통과 여부를 확인할 수 있다.
일 실시예에서, 전자 장치(101)는, 상기 제1 센서 값이 설정된 센서 값과 일치함을 확인함에 기반하여, 1209 동작에서 설정된 센서 값에 대응하는 마커와 연관된 알림을 제공할 수 있다. 전자 장치(101)는, 상기 현재 자기장 센서 값이 과거 자기장 센서 값과 일치하는 것으로 확인함에 기반하여, 상기 설정된 센서 값에 대응하는 마커와 연관된 알림을 제공할 수 있다. 전자 장치(101)는, 상기 알림을 제공함에 기반하여, 전자 장치(101)의 소유자 및/또는 소지자가 상기 마커에 대응하는 특정 장소를 통과 중임을 알릴 수 있다.
일 실시예에 따라서, 전자 장치(101)는, 인스트럭션들을 저장하는 메모리(130), 적어도 하나의 센서를 포함하는 센서 모듈(176) 및 적어도 하나의 프로세서(120)를 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터를 좌표 변환함에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작의 적어도 일부로, 상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작의 적어도 일부로, 제1 주기로 상기 센싱 데이터를 샘플링함에 기반하여 복수의 샘플들을 획득하도록 야기할 수 있다. 여기서, 샘플은 제1 특징 그룹과 연관된 복수의 특징들을 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작의 적어도 일부로, 제1 시간 동안 제1 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제1 데이터를 획득하도록 야기할 수 있다.
일 실시예에서, 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작의 적어도 일부로, 상기 센싱 데이터를 위상 변환함에 기반하여, 복수의 센싱 데이터 셋을 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작의 적어도 일부로, 제2 주기로 상기 복수의 센싱 데이터 셋을 샘플링함에 기반하여 복수의 샘플들을 획득하도록 야기할 수 있다. 여기서, 샘플은 제2 특징 그룹과 연관된 복수의 특징들을 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작의 적어도 일부로, 제2 시간 동안 제2 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제2 데이터를 획득하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작의 적어도 일부로, 상기 제2 데이터를 상기 제2 모델의 적어도 하나의 제1 레이어에 입력함에 기반하여, 제3 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작의 적어도 일부로, 상기 복수의 파라미터들을 제2 레이어에 입력함에 기반하여, 제4 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작의 적어도 일부로, 상기 제3 데이터 및 상기 제4 데이터를 적어도 하나의 제3 레이어에 입력함에 기반하여, 상기 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 확인된 이동 방향에 기반하여, 제1 센서 값과 설정된 센서 값이 일치하는지 여부를 확인하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제1 센서 값이 상기 설정된 센서 값과 일치함을 확인함에 기반하여, 상기 설정된 센서 값에 대응하는 마커와 연관된 알림을 제공하도록 야기할 수 있다.
일 실시예에 따라서, 전자 장치(101)는, 인스트럭션들을 저장하는 메모리(130), 적어도 하나의 센서를 포함하는 센서 모듈(176) 및 적어도 하나의 프로세서(120)를 포함할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 제1 클래스를 획득하도록 야기할 수 있다. 상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 전자 장치(101)의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터를 좌표 변환에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하도록 야기할 수 있다.
일 실시예에서, 상기 인스트럭션들은, 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작의 적어도 일부로, 상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하도록 야기할 수 있다.
일 실시예에 따라서, 전자 장치(101)의 동작 방법은, 상기 전자 장치(101)의 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하는 동작을 포함할 수 있다. 상기 전자 장치(101)의 동작 방법은, 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법은, 상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법의 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작은, 상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법의 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작은, 제1 주기로 상기 센싱 데이터를 샘플링함에 기반하여, 여기서 샘플은 제1 특징 그룹과 연관된 복수의 특징들을 포함하고, 복수의 샘플들을 획득하는 동작을 포함할 수 있다. 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작은, 제1 시간 동안 제1 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제1 데이터를 획득하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법의 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작은, 상기 센싱 데이터를 위상 변환함에 기반하여, 복수의 센싱 데이터 셋을 획득하는 동작을 포함할 수 있다. 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작은, 제2 주기로 상기 복수의 센싱 데이터 셋을 샘플링함에 기반하여, 여기서 샘플은 제2 특징 그룹과 연관된 복수의 특징들을 포함하고, 복수의 샘플들을 획득하는 동작을 포함할 수 있다. 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작은, 제2 시간 동안 제2 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제2 데이터를 획득하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법의 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작은, 상기 제2 데이터를 상기 제2 모델의 적어도 하나의 제1 레이어에 입력함에 기반하여, 제3 데이터를 획득하는 동작을 포함할 수 있다. 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작은, 상기 복수의 파라미터들을 제2 레이어에 입력함에 기반하여, 제4 데이터를 획득하는 동작을 포함할 수 있다. 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작은, 상기 제3 데이터 및 상기 제4 데이터를 적어도 하나의 제3 레이어에 입력함에 기반하여, 상기 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법은, 상기 확인된 이동 방향에 기반하여 제1 센서 값이 설정된 센서 값과 일치하는지 여부를 확인하는 동작을 더 포함할 수 있다. 전자 장치(101)의 동작 방법은, 제1 센서 값이 설정된 센서 값과 일치함을 확인함에 기반하여, 설정된 센서 값에 대응하는 마커와 연관된 알림을 제공하는 동작을 더 포함할 수 있다.
일 실시예에 따라서, 전자 장치(101)의 동작 방법은, 상기 전자 장치(101)의 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작을 포함할 수 있다. 전자 장치(101)의 동작 방법은, 상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 제1 클래스를 획득하는 동작을 포함할 수 있다. 전자 장치(101)의 동작 방법은, 상기 전자 장치(101)의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작을 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법은, 상기 센서 모듈(176)에 의하여 획득된 센싱 데이터를 좌표 변환에 기반하여, 상기 전자 장치의 기준 방향을 설정하는 동작을 더 포함할 수 있다.
일 실시예에서, 전자 장치(101)의 동작 방법의 상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작은, 상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하는 동작을 포함할 수 있다.
본 문서에 개시된 일 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 일 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 일 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 일 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일실시예에 따르면, 본 문서에 개시된 일 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
일 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 일 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 일 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.

Claims (15)

  1. 전자 장치(101)에 있어서,
    인스트럭션들을 저장하는 메모리(130);
    적어도 하나의 센서를 포함하는 센서 모듈(176); 및
    적어도 하나의 프로세서(120)를 포함하고,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하고,
    상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하고,
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하도록 야기하는, 전자 장치(101).
  2. 제 1 항에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터를 좌표 변환함에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하도록 야기하는, 전자 장치(101).
  3. 제 1 항 내지 제 2 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작의 적어도 일부로,
    상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하도록 야기하는, 전자 장치(101).
  4. 제 1 항 내지 제 3 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작의 적어도 일부로,
    제1 주기로 상기 센싱 데이터를 샘플링함에 기반하여 복수의 샘플들을 획득하고, 여기서 샘플은 제1 특징 그룹과 연관된 복수의 특징들을 포함하고,
    제1 시간 동안 제1 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제1 데이터를 획득하도록 야기하는, 전자 장치(101).
  5. 제 1 항 내지 제 4 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작의 적어도 일부로,
    상기 센싱 데이터를 위상 변환함에 기반하여, 복수의 센싱 데이터 셋을 획득하고,
    제2 주기로 상기 복수의 센싱 데이터 셋을 샘플링함에 기반하여 복수의 샘플들을 획득하고, 여기서 샘플은 제2 특징 그룹과 연관된 복수의 특징들을 포함하고,
    제2 시간 동안 제2 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제2 데이터를 획득하도록 야기하는, 전자 장치(101).
  6. 제 1 항 내지 제 5 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치의 이동 방향을 확인하는 동작의 적어도 일부로,
    상기 제2 데이터를 상기 제2 모델의 적어도 하나의 제1 레이어에 입력함에 기반하여, 제3 데이터를 획득하고,
    상기 복수의 파라미터들을 제2 레이어에 입력함에 기반하여, 제4 데이터를 획득하고,
    상기 제3 데이터 및 상기 제4 데이터를 적어도 하나의 제3 레이어에 입력함에 기반하여, 상기 이동 방향을 확인하도록 야기하는, 전자 장치(101).
  7. 제 1 항 내지 제 6 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 확인된 이동 방향에 기반하여, 제1 센서 값과 설정된 센서 값이 일치하는지 여부를 확인하고,
    상기 제1 센서 값이 상기 설정된 센서 값과 일치함을 확인함에 기반하여, 상기 설정된 센서 값에 대응하는 마커와 연관된 알림을 제공하도록 야기하는, 전자 장치(101).
  8. 전자 장치(101)에 있어서,
    인스트럭션들을 저장하는 메모리(130);
    적어도 하나의 센서를 포함하는 센서 모듈(176); 및
    적어도 하나의 프로세서(120)를 포함하고,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하고,
    상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 제1 클래스를 확인하고,
    상기 전자 장치(101)의 이동 방향의 추정과 연관된 복수의 모델들 중 상기 획득된 제1 클래스에 대응하는 제2 모델에 상기 제2 데이터를 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하도록 야기하는, 전자 장치(101).
  9. 제 8 항에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터를 좌표 변환에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하도록 야기하는, 전자 장치(101).
  10. 제 8 항 내지 제 9 항 중 어느 하나에 있어서,
    상기 인스트럭션들은, 적어도 하나의 프로세서(120)에 의하여 실행될 때, 상기 전자 장치(101)로 하여금:
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작의 적어도 일부로,
    상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하도록 야기하는, 전자 장치(101).
  11. 전자 장치(101)의 동작 방법에 있어서,
    상기 전자 장치(101)의 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작;
    상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하는 동작; 및
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작
    을 포함하는, 전자 장치(101)의 동작 방법.
  12. 제 11 항에 있어서,
    상기 센서 모듈에 의하여 획득된 센싱 데이터에 기반하여, 상기 전자 장치(101)의 기준 방향을 설정하는 동작을 더 포함하는, 전자 장치(101)의 동작 방법.
  13. 제 11 항 내지 제 12 항 중 어느 하나에 있어서,
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작은,
    상기 제2 모델의 출력을 상기 기준 방향과 비교함에 기반하여, 상기 이동 방향을 확인하는 동작을 포함하는, 전자 장치(101)의 동작 방법.
  14. 제 11 항 내지 제 13 항 중 어느 하나에 있어서,
    상기 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터를 획득하는 동작은,
    제1 주기로 상기 센싱 데이터를 샘플링함에 기반하여, 여기서 샘플은 제1 특징 그룹과 연관된 복수의 특징들을 포함하고, 복수의 샘플들을 획득하는 동작; 및
    제1 시간 동안 제1 윈도우를 시간 이동함에 기반하여, 상기 복수의 샘플들로부터 복수의 입력 셋을 포함하는 상기 제1 데이터를 획득하는 동작을 포함하는, 전자 장치(101)의 동작 방법.
  15. 컴퓨터로 독출 가능한 인스트럭션들을 저장하는 저장 매체에 있어서, 상기 인스트럭션들은 전자 장치(101)의 적어도 하나의 프로세서(120)에 의하여 실행 시에, 상기 전자 장치(101)로 하여금 동작들을 수행하도록 야기하고,
    상기 동작들은:
    상기 전자 장치(101)의 센서 모듈(176)에 의하여 획득된 센싱 데이터에 기반하여, 제1 특징 그룹과 연관된 복수의 특징들을 포함하는 제1 데이터 및 제2 특징 그룹과 연관된 복수의 특징들을 포함하는 제2 데이터를 획득하는 동작;
    상기 제1 데이터를 제1 모델에 입력함에 기반하여, 상기 전자 장치(101)의 위치와 연관된 복수의 클래스들에 대응하는 복수의 파라미터들을 획득하는 동작; 및
    상기 제2 데이터 및 상기 복수의 파라미터들을 제2 모델에 입력함에 기반하여, 상기 전자 장치(101)의 이동 방향을 확인하는 동작을 포함하는 저장 매체.
PCT/KR2024/004265 2023-04-10 2024-04-02 이동 방향을 식별하는 전자 장치 및 그 동작 방법 Ceased WO2024215005A2 (ko)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
KR20230046768 2023-04-10
KR10-2023-0046768 2023-04-10
KR1020230063205A KR20240151094A (ko) 2023-04-10 2023-05-16 이동 방향을 식별하는 전자 장치 및 그 동작 방법
KR10-2023-0063205 2023-05-16

Publications (2)

Publication Number Publication Date
WO2024215005A2 true WO2024215005A2 (ko) 2024-10-17
WO2024215005A3 WO2024215005A3 (ko) 2025-06-26

Family

ID=93059788

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2024/004265 Ceased WO2024215005A2 (ko) 2023-04-10 2024-04-02 이동 방향을 식별하는 전자 장치 및 그 동작 방법

Country Status (1)

Country Link
WO (1) WO2024215005A2 (ko)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003296829A (ja) * 2002-04-03 2003-10-17 Sumitomo Heavy Ind Ltd センサ装置、通知装置、通知システム、及び通知方法
JP6160097B2 (ja) * 2013-01-31 2017-07-12 カシオ計算機株式会社 走行状態検出装置、走行状態検出方法およびプログラム
EP3699626A1 (en) * 2019-02-25 2020-08-26 EXFO Oy Interception of mobile apparatus
KR102825288B1 (ko) * 2019-11-29 2025-06-26 삼성전자주식회사 위치를 탐지하는 전자 장치 및 그 방법
KR20230013385A (ko) * 2021-07-19 2023-01-26 삼성전자주식회사 센서를 포함하는 전자 장치 및 그의 동작 방법

Also Published As

Publication number Publication date
WO2024215005A3 (ko) 2025-06-26

Similar Documents

Publication Publication Date Title
WO2022071708A1 (ko) 컨텐츠 추천 서비스를 제공하는 전자 장치 및 그 방법
WO2023287092A1 (ko) Ｕｗｂ 통신을 활용한 차량과의 연동 방법 및 장치
WO2021242011A1 (en) Electronic device for wireless communication and method of operating electronic device
WO2025089665A1 (ko) 전자 장치 및 개인화 컨텐츠 생성 방법
WO2024215005A2 (ko) 이동 방향을 식별하는 전자 장치 및 그 동작 방법
WO2023140656A1 (ko) 지자기 데이터를 이용하여 위치를 검출하는 전자 장치 및 그 제어 방법
WO2023146092A1 (ko) 영상 기반 관성 센서 보정 방법 및 이를 수행하는 전자 장치
WO2023096135A1 (ko) 위치에 기반한 사용자 액션 추천 방법 및 전자 장치
WO2025095305A1 (ko) 전자 장치 및 전자 장치에서 위치 추적 장치를 이용하여 객체의 카테고리를 분류하는 방법
WO2025095448A1 (ko) 이미지를 생성하는 전자 장치와 이의 동작 방법
WO2023080758A1 (ko) 사용자 프로필을 제공하는 전자 장치 및 그 동작 방법
WO2026010082A1 (ko) 카메라의 셔터 지연을 줄이는 전자 장치, 방법 및 저장 매체
WO2022196996A1 (ko) 지자기 데이터를 이용하여 위치를 감지하는 전자 장치 및 그 제어 방법
WO2025084569A1 (ko) 커버를 인식하는 전자 장치 및 방법
WO2025048532A1 (ko) 페어링을 지원하는 전자 장치 및 이의 제어 방법
WO2023008732A1 (ko) 제품의 불량을 예측하는 예측 모델 업데이트 방법 및 장치
WO2025071099A1 (ko) 실내 측위 방법 및 이를 수행하는 전자 장치
WO2025135551A1 (ko) 화면에 표시된 하나 이상의 요소들에 기반하여 가상 키보드 또는 추천 단어를 제공하기 위한 전자 장치, 방법, 및 컴퓨터 판독 가능 저장 매체
WO2025150750A1 (ko) 최신 스냅샷을 반환하도록 설정된 전자 장치 및 그 제어 방법
WO2024225866A1 (ko) 무선 통신 시스템에서 이벤트를 관리하기 위한 방법 및 장치
WO2026049408A1 (ko) 보안 데이터를 필터링하는 방법 및 전자 장치
WO2024258164A1 (ko) 외부 전자 장치를 제어하기 위한 전자 장치 및 그의 동작 방법
WO2025258849A1 (ko) 배터리로부터 방전되는 전류에 기반하여 프로세서의 성능을 제어하는 전자 장치와 이에 의해 수행되는 방법
WO2024253341A1 (ko) 전자 장치 및 이를 이용한 mipi 주파수 선택 방법
WO2026019013A1 (ko) 복수의 프로세스 간 통신하는 전자 장치, 방법 및 저장 매체

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 24788948

Country of ref document: EP

Kind code of ref document: A2

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 24788948

Country of ref document: EP

Kind code of ref document: A2