인간 촉각 데이터 기반 로봇 그리핑 및 상용 자율주행 화물망 구축

Context

전통적 로봇 학습 방식인 Simulation 및 Teleoperation의 높은 비용과 데이터 수집 한계 발생. 기존 로봇 제어 시스템은 가변적인 물체의 형상과 질감을 실시간으로 처리하는 Gripping 정밀도 확보에 어려움을 겪음.

Technical Solution

• PSYONIC의 의수 사용자로부터 수집한 100개 이상의 Finger-tip Pressure Sensor 데이터를 ABB GoFa 모델의 학습 셋으로 전이
• 실제 환경에서 인간이 수행한 Grip Pressure 및 Contact Area 조정 데이터를 통해 Manipulation 데이터셋의 현실성 확보
• Gatik의 Middle-mile 모델을 통한 고정 경로 기반의 예측 가능한 자율주행 아키텍처 설계
• Burro의 1M시간 필드 데이터를 활용하여 GPS 정밀도 없이 작동하는 비정형 환경 내 Navigation 로직 구현
• 하드웨어 파편화를 해결하기 위한 Edge AI Middleware 도입을 통한 소프트웨어 추상화 계층 구축

Impact

• 손가락 끝당 100개 이상의 압력 센서 데이터 기반 정밀 그리핑 구현
• 1M시간 이상의 실전 필드 데이터를 통한 비정형 야외 환경 주행 안정성 확보
• Humanoid 로봇의 타겟 가격대를 2028-2030년까지 $20k 수준으로 낮추는 경제적 임계점 설정

Key Takeaway

데이터 생성 주체를 로봇에서 인간(사용자)으로 전환하여 학습 효율을 극대화하는 Data Acquisition 전략의 유효성 확인. 또한, 기술적 완성도보다 Operation Reliability를 기반으로 한 상용 계약(SLA) 체결이 실제 시장 확산의 핵심 동력임.