휴머노이드 로봇 이야기는 자주 머리에서 시작해. 어떤 모델을 쓰는지, 지시를 얼마나 잘 이해하는지, Physical AI가 어디까지 왔는지.
그런데 물건을 실제로 집는 순간 병목은 손으로 내려와. 컵을 움켜쥐고, 케이블을 잡고, 부딪혀도 버티고, 너무 세게 잡아 깨뜨리지는 않는 일. 이건 자유도가 몇 개인지, 무게가 얼마인지 같은 스펙표만으로는 잘 안 보여.
RLWRLD가 공개한 All Hands Up!은 바로 그 빈칸을 겨냥해. 여러 상용 로봇 손을 실제로 굴려 본 데이터를 바탕으로, 어떤 손이 어떤 작업에서 강하고 약한지 비교하겠다는 공개 웹 플랫폼이야.1
핵심은 로봇 손을 부품 카탈로그가 아니라 실제 작업 성능으로 비교하려는 시도야.
무슨 일
RLWRLD는 자체 로봇 파운데이션 모델 RLDX-1을 가진 physical AI 회사야. 이번에 공개한 All Hands Up!은 로봇 손의 기술 보고서와 시각화 도구를 제공하는 웹 플랫폼이다. 회사는 이 플랫폼이 제조사 스펙표만으로는 판단하기 어려운 실제 작동 성능과 설계 타협을 보여주려 한다고 설명했어.1
플랫폼에는 10개가 넘는 dexterous robotic hand, 그러니까 사람 손처럼 여러 손가락으로 물체를 조작하려는 로봇 손 데이터가 들어가. RLWRLD는 자체 벤치마크인 DexBench로 18개 실제 조작 작업에서 각 손의 특성과 한계를 분석했다고 밝혔어.1
웹 브라우저에서 관절을 직접 움직여 볼 수 있는 URDF 기반 시각화도 붙어 있어. URDF는 로봇의 링크, 관절, 모양을 설명하는 표준 형식이야. 비싼 전문 소프트웨어나 별도 개발 환경 없이도 원하는 손 모양이 가능한지 확인할 수 있게 하겠다는 뜻이지.
왜 손이 어려운가
로봇 손은 세 요구를 동시에 받아. 작아야 하고, 세게 잡아야 하고, 외부 충격에는 부드럽게 반응해야 해. 문제는 셋이 서로 잡아당긴다는 거야.
손을 작게 만들면 안에 들어가는 모터와 구동기도 작아진다. 그러면 잡는 힘이 약해지기 쉽지. 반대로 힘을 키우려고 기어비를 높이면 물체를 세게 잡을 수는 있지만, 외부 힘에 부드럽게 밀려나는 능력이 떨어진다. 이 능력을 back-drivability라고 불러. 로봇 손이 너무 뻣뻣하면 충격을 손이나 물체가 그대로 받아.
그래서 “손가락이 몇 개다”, “힘이 몇 뉴턴이다”만으로는 부족해. 엄지가 어디까지 돌아가는지, 손끝 관절이 따로 움직이는지, 최소로 잡을 수 있는 물체 지름이 얼마인지, 손 겉면 재질의 마찰이 어떤지까지 봐야 해. RLWRLD가 Kapandji Scale, 손끝 관절 독립 구동, 최소 파지 지름, 외장 재질 마찰 같은 변수를 꺼낸 이유가 여기에 있어.1
이건 sim-to-real gap과도 닿아 있어. 시뮬레이션에서 손 모양이 그럴듯해 보여도, 실제 접촉에서는 마찰, 물렁함, 충격, 미끄러짐이 성능을 가른다. 로봇 손은 모델의 출력을 세상에 닿게 만드는 마지막 부품이라, 여기서 실패하면 앞단의 지능도 일을 끝내지 못해.
확인된 것
확인된 것은 세 가지야. 첫째, All Hands Up!은 10개 이상 상용 로봇 손을 비교 대상으로 삼고, 18개 실제 조작 작업을 기준으로 분석했다고 한다. 단순 제품 목록이 아니라 작업 성능을 보려는 틀을 내놓은 셈이야.1
둘째, 플랫폼은 스펙 비교와 URDF 데이터를 같이 제공해. 연구자나 개발자가 손의 관절 구조를 브라우저에서 움직여 보고, 시뮬레이션과 개발에 쓸 수 있는 형식으로 이어갈 수 있게 하려는 접근이지.
셋째, RLWRLD는 하나의 완벽한 손이 아직 없다고 전제한다. 그래서 회사는 손을 두 종류로 나눠 보자고 제안해. 현장 투입용 Type 1은 가볍고 튼튼해야 하고, 훈련 데이터 수집용 Type 2는 정밀하고 back-drivability가 높아야 한다는 식이야.1
이 구분은 중요해. 배포용 손과 학습용 손이 꼭 같아야 한다는 가정을 내려놓는 것이니까. 지금 단계에서는 현장에서 버티는 손과 좋은 데이터를 뽑는 손의 조건이 다를 수 있다는 현실적인 인정에 가까워.
크게 말하는 것
다만 이 플랫폼을 곧바로 업계 표준으로 읽으면 빠르다. 데이터는 RLWRLD가 직접 운영하며 얻은 것이고, RLWRLD는 자기 로봇 파운데이션 모델을 가진 회사야. 손을 비교하는 기준을 공개하는 일은 업계에 도움이 될 수 있지만, 그 기준 자체에도 회사의 관점이 들어갈 수 있어.
그래서 All Hands Up!의 가치는 두 단계로 나눠 봐야 해. 하나는 지금 당장의 유용성이다. 제조사 스펙표 밖에서 손의 실제 조작 성능을 보려는 시도는 분명히 의미가 있어.
다른 하나는 반복성이다. 같은 작업을 다른 연구팀이 재현할 수 있는지, 분기마다 데이터가 정말 쌓이는지, 제조사와 고객이 이 기준을 제품 선택에 참고하는지까지 가야 그림이 커져.
다음에 볼 것
먼저 볼 것은 업데이트의 지속성이야. RLWRLD는 분기마다 최신 실증 데이터를 쌓겠다고 말했어.1 한 번 공개한 비교표와, 계속 갱신되는 기준점은 무게가 달라.
둘째는 원자료와 절차의 투명성이야. 18개 작업이 무엇이고, 성공 기준이 무엇이며, 같은 손을 몇 번 반복했는지가 보여야 벤치마크가 힘을 얻어.
셋째는 실제 채택이야. 로봇 손 제조사가 자기 설계를 검증하는 데 이 기준을 쓰고, 연구자와 산업 고객이 손을 고를 때 이 데이터를 참고하기 시작하면, 로봇 손은 “멋진 부품”이 아니라 physical AI의 병목 지표로 읽히게 돼.
로봇에게 손은 마지막 인터페이스야. 모델이 아무리 좋아도, 손이 못 잡으면 일은 끝나지 않아. RLWRLD의 발표는 그 지점을 숫자와 작업으로 비교하려는 초기 시도라고 보면 돼.
댓글