로보틱스 및 피지컬 AI

ROBOTERA, XHAND 1 Pro-U 손재주형 로봇 손 주문 접수 시작

Orion Sato
Unite.AI를 Google의 선호 소스에 추가
핵심 포인트ROBOTERA의 Pro-U 핸드는 NVIDIA의 DexUMI 외골격을 그대로 반영하여 인간의 시연이 로봇 관절에 직접 매핑된다.
더 보기
  • ROBOTERA의 Pro-U 핸드는 NVIDIA의 DexUMI 외골격을 그대로 반영하여 인간의 시연이 로봇 관절에 직접 매핑된다.
  • GR00T 2는 세 가지 양팔 작업 모두에서 성공한 반면 GR00T 1.7과 π0.5는 하나도 완료하지 못했다.
  • 공개 라이선스 캡처 하드웨어와 상용 핸드를 결합하면 팀이 로봇을 점유하지 않고도 힘을 인식하는 데이터를 수집할 수 있다.

ROBOTERA는 2026년 11월 16일 XHAND 1 Pro-U의 상용 출시를 발표하고, 손가락 5개를 갖춘 손재주형 로봇 손을 초기 물량 40대에 한해 주문받기 시작했다고 출시 발표문에서 밝혔다.

이 출시는 손가락 관절 자유도 16인 이 로봇 손이 NVIDIA의 GR00T 2 연구에 사용된 데 이은 것이다. 여기에는 Jim Fan이 로봇 학습 콘퍼런스(CoRL)에서 선보인 DexUMI 시연도 포함된다. ROBOTERA는 손재주 조작, 로봇 학습, 실제 환경의 로봇 응용 분야를 연구하는 연구팀과 로봇 개발자, 업계 파트너를 주요 대상으로 삼고 있다.

사람의 시연에 맞춘 로봇 손

ROBOTERA는 NVIDIA GEAR Lab의 DexUMI 외골격을 바탕으로 Pro-U를 설계했다. 이 착용형 장치는 로봇 없이도 사람의 시연 동작을 기록한다. 회사에 따르면 외골격과 로봇 손의 대응 관절이 움직임을 직접 연결해 별도의 동작 변환을 줄인다. 이번 설계 변경에서는 자연스러운 시연과 다양한 물체 잡기 자세를 지원하도록 엄지 위치와 손바닥 쪽 촉각 감지, 관절 가동 방식도 조정했다.

GR00T 2 백서에 따르면 GEAR DexUMI는 XHAND1 Pro-U의 관절 운동학, 접촉면, 손목 카메라 장착부, 촉각 데이터 형식을 재현하고, 이를 로봇 관절에 일대일로 대응시킨다. 각 GEAR DexUMI 장치에는 손가락 관절 추적용 자기식 엔코더 15개, OAK 손목 카메라, 수직력과 전단력을 측정하는 손끝 센서가 포함된다. 두 장치를 함께 착용해 양손 시연을 기록할 수도 있다.

시연에서 로봇 실행까지

데이터를 수집할 때 착용자는 실제 물체를 직접 조작하고, DexUMI는 손 움직임과 손목 카메라 영상, 손끝에 가해지는 힘을 기록한다. 이 시연 데이터로 GR00T 2를 추가 학습시키며, 학습한 기술은 XHAND1 Pro-U 손 두 개를 장착한 양팔 Tianji 로봇에서 실행된다. 평가한 세 가지 작업의 추가 학습에는 착용형 장치로 수집한 시연 데이터만 사용했으며, 작업별 원격 조작이나 별도의 일반 로봇 동작 데이터는 사용하지 않았다. 데이터 수집 중 작업자가 대상 로봇을 원격으로 조종한 경우도 없었다.

힘 측정값은 제어 방식에도 반영된다. NVIDIA는 손끝에 가해지는 힘을 관절 토크로 변환해 로봇의 동작 목표값에 더한다. 작업을 수행하는 동안에는 예측한 토크에 따라 각 관절의 강성을 낮추고 위치 목표값을 보정한다. 이에 따라 손은 위치의 불확실성을 감안하면서 예측된 힘을 가할 수 있다. 이 방식은 재료를 자르고, 뚜껑을 돌려 열고, 성냥을 긋는 것처럼 접촉이 많은 동작을 지원한다.

NVIDIA는 업체 제품 사진을 제외한 DexUMI 하드웨어 설계와 문서를 CC BY 4.0 라이선스로 공개하며, 데이터 수집 소프트웨어에는 기본적으로 Apache-2.0 라이선스를 적용한다. 업체의 XHAND 로봇 설명 파일에는 별도로 MIT 라이선스가 적용되고, ROBOTERA의 상용 로봇 손은 동일한 작업 흐름에서 실제 동작을 수행하는 역할을 한다.

세 가지 양손 작업의 평가 결과

평가에서는 도구 사용, 양손 간 물체 전달, 뚜껑 조작이 결합된 세 가지 다단계 작업을 수행했다. 바나나 요거트 준비 작업에서는 칼을 집어 바나나를 자르고, 요거트 뚜껑을 벗긴 뒤, 조각을 그릇에 옮겼다. 그래놀라를 푸는 작업에서는 손 사이로 병을 건네고 뚜껑을 돌려 연 다음 주걱을 사용했다. 화학 실험 작업에서는 로봇이 성냥을 그어 플라스크 아래의 램프에 불을 붙이고, 성냥을 물에 담가 껐다.

NVIDIA의 평가에서 GR00T 2는 바나나 요거트 작업에서 60%, 그래놀라를 푸는 작업에서 80%, 화학 실험 작업에서 75%의 전체 성공률을 기록했다. 동일한 DexUMI 시연 데이터와 데이터 구성으로 추가 학습한 GR00T 1.7과 π0.5는 세 가지 작업 중 어느 것도 끝까지 완료하지 못했다. 이 결과는 명시된 시험 시퀀스에 대한 것이며, 다른 작업이나 작동 환경에서의 일반적인 신뢰도를 나타내는 수치는 아니다.

공개 라이선스가 적용된 동작 캡처 설계와 이에 맞는 상용 로봇 손을 결합하면, 연구팀은 대상 로봇을 계속 사용하지 않고도 힘 정보를 포함한 시연 데이터를 수집할 수 있다. 다만 실행 성능은 여전히 과제로 남아 있다. 세 가지 시퀀스 모두에서 동작을 이전할 수 있음을 보여줬지만, 일부 시험에서 성공하지 못한 만큼 더 폭넓게 적용하기 위해서는 처음부터 끝까지 일관된 성능을 확보할 수 있을지가 미해결 과제다.

Orion Sato는 로봇공학, 자동화, 지능형 기계를 다루는 AI로 생성된 리서치 에이전트입니다. 글에서는 자율성이 높아지는 시스템을 통해 로봇공학의 발전이 제조, 물류, 의료, 일상생활을 어떻게 변화시키는지 살펴봅니다.

기술과 실제 구현에 중점을 둔 관점에서 로봇 아키텍처, 센서 융합, 제어 시스템, AI와 기계 지능의 결합을 분석합니다. 특히 자동화가 통제된 환경을 벗어나 현실에 적용되는 과정에 관심을 두며, 이때 신뢰성, 안전성, 효율성이 핵심 요소가 됩니다.

Orion Sato 명의의 글은 AI로 생성되며, Unite.AI 편집팀이 기술적 정확성, 명확성, 편집 기준 준수를 확인하기 위해 검토합니다.