도입된 로봇이 궁금하다면?
고정된 자리에서만 움직이던 연구용 로봇팔,
실험실을 이동하며 물체를 보고 집는 모바일 매니퓰레이터로
연구용 로봇팔 도입 개요: 실험실을 이동하며 조작하는 모바일 매니퓰레이터
연구용 로봇팔 도입사례입니다. 토탈 로봇 솔루션 플랫폼 마로솔(빅웨이브로보틱스)이 소개하는 이번 사례는 충남대학교의 실험실 안전관리 Physical AI 연구로, 3D Depth Camera를 결합한 Hiwonder JetArm Pro 로봇팔(스토어 상품명: Hiwonder ROS 연구용 로봇팔 Jet Arm Pro)에 모바일 베이스를 결합해 Mobile + Sensor + Manipulator 형태의 모바일 매니퓰레이터(Mobile Manipulator) 연구 플랫폼을 구축한 사례입니다.
연구실에서 로봇팔을 검토하다 "고정된 자리에서 정해진 반경만 움직이는 장비"라는 한계에 부딪힌 경험이 있으신가요? 실험실 내 다양한 물체와 위험 도구를 로봇이 다루도록 연구하려면 로봇이 물체가 있는 위치까지 스스로 이동해야 하고, 그 물체가 어디에 어떤 자세로 놓여 있는지를 3차원으로 인식해야 합니다. 이동·인식·조작 세 가지가 한 플랫폼에 결합되어야 비로소 "실험실 환경을 인식하고 행동하는 로봇" 연구가 시작됩니다.
이번 사례에서 JetArm Pro는 로봇팔 끝단 3D Depth Camera로 RGB 영상과 깊이 정보를 함께 취득하고, 모바일 베이스 위에 결합되어 실험실 내부를 이동합니다. 로봇이 대상 물체를 인식하고 위치를 파악한 뒤 로봇팔을 접근시켜 그리퍼로 파지하는 일련의 과정을 실제 연구 환경에서 테스트했습니다.
이 사례의 핵심은 로봇팔의 움직임을 제어하는 데서 끝나지 않았다는 점입니다. 고정형 로봇팔은 "팔이 닿는 곳"만 연구 대상이 됩니다. 모바일 베이스와 3D 비전을 결합하면 객체 인식 → 위치 판단 → 이동 → 접근 → 파지 → 운반까지 하나의 파이프라인으로 이어져, 로봇이 실제 실험실 환경을 인식하고 행동하는 Physical AI 연구 플랫폼이 됩니다.
적용 조건: 우리 연구실에도 같은 구성이 맞을까?
아래 조건을 현재 연구 주제와 대입해 보세요. 이번 연구실과 비슷하다면 같은 구성으로 검토할 수 있습니다.
연구 목적
이번 사례화학실험 과정의 위험 작업을 로봇이 대체하는 실험실 안전관리 Physical AI 개발
적용 범위로봇이 환경을 인식하고 스스로 행동하는 Physical AI · 임베디드 AI 연구 전반
조작 대상
이번 사례실험실 내 다양한 물체와 사람이 직접 접촉하기 부담스러운 위험 도구
적용 범위위치·자세가 매번 달라지는 비정형 물체의 인식·파지 연구
작업 범위
이번 사례실험실 전역 — 로봇이 필요한 위치까지 이동한 뒤 조작
적용 범위고정 작업대 한 곳이 아니라 여러 위치를 오가며 조작해야 하는 Mobile Manipulation 연구
센서 데이터
이번 사례3D Depth Camera — RGB 영상 + 깊이 정보, Point Cloud 취득
적용 범위객체 인식 · 위치 추정 · 3D 공간 파지 등 2D 영상만으로는 부족한 로봇 비전 연구
개발 환경
이번 사례Ubuntu + ROS1 · ROS2, Python · C · C++ 프로그래밍
적용 범위연구자가 직접 개발한 알고리즘·AI 모델을 로봇에 적용해야 하는 연구실, ROS 기반 교육 과정
로봇 구성
이번 사례JetArm Pro 로봇팔 + 3D Depth Camera + 모바일 베이스 + 그리퍼
적용 범위로봇팔 단독 구성으로 시작해 섀시·레일·컨베이어 등 모듈을 단계적으로 확장하려는 연구실
실험실 물체 조작 연구에 고정형 로봇팔로는 부족했던 이유
실험실에서 사람이 하던 위험 작업을 로봇이 대체하려면, 로봇은 사람처럼 "가서, 보고, 집어야" 합니다. 충남대학교 연구실이 플랫폼을 선정하며 마주한 과제는 다음과 같았습니다.
1 고정형 로봇팔의 작업 반경 한계. 실험실의 물체와 도구는 한 자리에 모여 있지 않습니다. 고정 설치된 로봇팔은 팔이 닿는 범위 안에서만 연구할 수 있어, "로봇이 필요한 위치까지 이동해 조작한다"는 연구 주제 자체를 다룰 수 없었습니다.
2 2D 영상만으로는 부족한 공간 인식. 물체를 파지하려면 화면 위 어디에 있는지가 아니라 3차원 공간에서 어디에 어떤 자세로 있는지를 알아야 합니다. RGB 영상에 깊이 정보를 더한 데이터가 필요했습니다.
3 연구자가 직접 개발한 알고리즘의 적용. 완성된 기능만 제공하는 폐쇄형 장비로는 연구실이 개발한 인식 모델과 제어 알고리즘을 실험할 수 없습니다. ROS 기반 개방형 개발 환경이 전제 조건이었습니다.
4 연구 확장을 견디는 플랫폼. 이번 단계는 이동·인식·파지 테스트지만, 이후 운반과 위험 도구 취급까지 연구가 이어져야 합니다. 첫 구성에서 끝나지 않고 모듈을 더해 확장할 수 있는 플랫폼이 필요했습니다.
이 연구의 관건은 로봇팔 한 대의 성능이 아니라 이동 · 센서 · 조작의 결합이었습니다. 실험실을 이동하는 모바일 베이스, 공간을 3차원으로 읽는 3D 비전, 연구자가 직접 제어하는 ROS 기반 로봇팔 — 세 요소를 하나의 연구 플랫폼으로 묶는 것을 목표로 JetArm Pro 기반 모바일 매니퓰레이터 구성을 도입했습니다.
구성요소
| 로봇 | 솔루션 구성: JetArm Pro 3D 비전 로봇팔 + 모바일 베이스JetArm Pro는 ROS 교육과 AI 프로젝트 개발을 위해 설계된 Hiwonder의 3D 비전 로봇팔입니다. 3D Depth Camera와 NVIDIA Jetson 컨트롤러를 로봇 자체에 탑재하고 ROS1·ROS2를 모두 지원해, 연구자가 인식부터 제어까지 직접 개발할 수 있습니다. 이번 프로젝트는 다음 구성으로 완성했습니다. 🦾 Hiwonder JetArm Pro 로봇팔 역할 인식된 물체 위치로 접근해 관절·자세를 제어하고, 끝단 그리퍼로 대상 물체를 파지하는 매니퓰레이터 이 연구실에 맞는 이유 ROS1·ROS2 모두 지원하는 개방형 플랫폼으로 연구자가 개발한 제어 알고리즘을 그대로 적용할 수 있고, 메카넘/탱크 섀시·슬라이딩 레일·컨베이어 등 모듈식 확장을 전제로 설계됨 👁 3D Depth Camera 역할 RGB 영상과 깊이(Depth) 정보를 함께 취득해 주변 공간과 물체를 Point Cloud 형태로 확인, 객체 인식과 위치 추정의 입력 데이터 제공 이 연구실에 맞는 이유 2D 영상으로는 알 수 없는 물체까지의 거리와 3차원 자세를 확보해 3D 공간 파지 연구가 가능 🚗 모바일 베이스 JetRover 결합 여부 확인 후 모델명 표기 역할 로봇팔과 센서를 싣고 실험실 내부를 이동해, 대상 물체가 있는 위치까지 로봇을 옮기는 이동 플랫폼 이 연구실에 맞는 이유 고정형 로봇팔의 작업 반경 한계를 넘어 Mobile Manipulation 연구로 확장하는 핵심 모듈 🧠 NVIDIA Jetson 컨트롤러 Nano / Orin Nano / Orin NX 중 탑재 모델 확인 역할 로봇에 탑재된 메인 컨트롤러로 센서 데이터 처리와 딥러닝 모델 실행, 로봇 제어를 수행 이 연구실에 맞는 이유 외부 PC 없이 로봇 위에서 AI 모델을 실행할 수 있어, 이동하며 인식·판단하는 모바일 매니퓰레이터 연구에 적합 💻 Ubuntu + ROS1 · ROS2 개발 환경 역할 로봇팔의 관절과 자세를 제어하고 센서 데이터를 확인하는 소프트웨어 기반, Python · C · C++ 프로그래밍 지원 이 연구실에 맞는 이유 Hiwonder가 제공하는 오픈소스 코드와 학습 자료 위에 연구실 자체 알고리즘과 AI 모델을 얹어 연구 환경을 확장 🛠 마로솔 역할 연구 목적·조작 대상·개발 환경 요구사항 확인, 로봇팔·센서·모바일 베이스 구성 설계, 도입 지원 이 연구실에 맞는 이유 로봇팔 단품이 아니라 연구 주제에 맞는 모듈 조합을 기준으로 플랫폼 구성 역할을 나누면, 모바일 베이스는 이동, 3D Depth Camera는 인식, JetArm Pro는 접근과 파지를 담당하고, Jetson 위의 ROS 환경이 이 셋을 하나의 파이프라인으로 연결합니다. 어느 하나가 빠지면 "로봇이 실험실을 인식하고 행동한다"는 연구는 성립하지 않습니다. |
|---|
작업순서
| STEP 1. | 실험실 내 이동 |
|---|---|
| STEP 2. | 주변 환경 · 물체 인식 |
| STEP 3. | 물체 위치 파악 |
| STEP 4. | 로봇팔 접근 및 파지 |
| STEP 5. | 운반 · 위험 도구 취급으로 확장 |
※ 마로솔 내의 모든 콘텐츠를 무단으로 복사 및 재창작할 경우 부정경쟁방지법 및 저작권법에 위반될 수 있음을 밝힙니다.
추천 도입사례
KT 다솜이 - 한림대 성심병원 홈케어로봇편
빅웨이브로보틱스(마로솔)에서 대규모 로봇 융합 모델 실증 사업으로 평촌 한림대성심병원과 진행한 프로젝트로 KT 다솜이 홈케어로봇이 설치된 사례입니다. 병원 내 시설을 안내하는 안내로봇, 약품과 검체 등을 운반하는 배송로봇, 다학제진료를 지원하는 다학제로봇, 병원 내 방역을 담당하는 방역로봇, 환자의 집에서 투약과 원격 진료를 돕는 홈케어로봇이 설치되어 보다 진보한 서비스를 제공하는 병원으로 탈바꿈하고 있습니다
초등학교 400평 바닥 청소를 청소로봇에게 맡겼더니.. 효율성 급상승!! 😎
빅웨이브로보틱스(마로솔)에서 연천초등학교 총 평수 400평(1개층) 바닥 청소 관리를 위해 청소로봇 판타스가 설치된 사례입니다. 판타스를 활용하여 약 400평 바닥 청소 (공용 로비 등) 자동화 미화 관리를 구현하였으며, 판타스의 뛰어난 청소 성능 편의성 충전 스테이션을 탑재하여 무인화 자동 시스템을 가동했습니다.
로보케어 치매예방로봇 "실벗"
로보케어 "실벗"은 고령자 및 치매의 위험이 있는 어르신들께 뇌기능 활성화와 치매예방에 도움을 주는 인지훈련형 돌봄로봇입니다. 실벗은 로봇을 이용한 두뇌 향상 컨텐츠를 제공하여 뇌 기능 활성화와 치매 예방을 돕습니다.
고정된 자리에서만 움직이던 연구용 로봇팔,
실험실을 이동하며 물체를 보고 집는 모바일 매니퓰레이터로
연구용 로봇팔 도입 개요: 실험실을 이동하며 조작하는 모바일 매니퓰레이터
연구용 로봇팔 도입사례입니다. 토탈 로봇 솔루션 플랫폼 마로솔(빅웨이브로보틱스)이 소개하는 이번 사례는 충남대학교의 실험실 안전관리 Physical AI 연구로, 3D Depth Camera를 결합한 Hiwonder JetArm Pro 로봇팔(스토어 상품명: Hiwonder ROS 연구용 로봇팔 Jet Arm Pro)에 모바일 베이스를 결합해 Mobile + Sensor + Manipulator 형태의 모바일 매니퓰레이터(Mobile Manipulator) 연구 플랫폼을 구축한 사례입니다.
연구실에서 로봇팔을 검토하다 "고정된 자리에서 정해진 반경만 움직이는 장비"라는 한계에 부딪힌 경험이 있으신가요? 실험실 내 다양한 물체와 위험 도구를 로봇이 다루도록 연구하려면 로봇이 물체가 있는 위치까지 스스로 이동해야 하고, 그 물체가 어디에 어떤 자세로 놓여 있는지를 3차원으로 인식해야 합니다. 이동·인식·조작 세 가지가 한 플랫폼에 결합되어야 비로소 "실험실 환경을 인식하고 행동하는 로봇" 연구가 시작됩니다.
이번 사례에서 JetArm Pro는 로봇팔 끝단 3D Depth Camera로 RGB 영상과 깊이 정보를 함께 취득하고, 모바일 베이스 위에 결합되어 실험실 내부를 이동합니다. 로봇이 대상 물체를 인식하고 위치를 파악한 뒤 로봇팔을 접근시켜 그리퍼로 파지하는 일련의 과정을 실제 연구 환경에서 테스트했습니다.
이 사례의 핵심은 로봇팔의 움직임을 제어하는 데서 끝나지 않았다는 점입니다. 고정형 로봇팔은 "팔이 닿는 곳"만 연구 대상이 됩니다. 모바일 베이스와 3D 비전을 결합하면 객체 인식 → 위치 판단 → 이동 → 접근 → 파지 → 운반까지 하나의 파이프라인으로 이어져, 로봇이 실제 실험실 환경을 인식하고 행동하는 Physical AI 연구 플랫폼이 됩니다.
적용 조건: 우리 연구실에도 같은 구성이 맞을까?
아래 조건을 현재 연구 주제와 대입해 보세요. 이번 연구실과 비슷하다면 같은 구성으로 검토할 수 있습니다.
연구 목적
이번 사례화학실험 과정의 위험 작업을 로봇이 대체하는 실험실 안전관리 Physical AI 개발
적용 범위로봇이 환경을 인식하고 스스로 행동하는 Physical AI · 임베디드 AI 연구 전반
조작 대상
이번 사례실험실 내 다양한 물체와 사람이 직접 접촉하기 부담스러운 위험 도구
적용 범위위치·자세가 매번 달라지는 비정형 물체의 인식·파지 연구
작업 범위
이번 사례실험실 전역 — 로봇이 필요한 위치까지 이동한 뒤 조작
적용 범위고정 작업대 한 곳이 아니라 여러 위치를 오가며 조작해야 하는 Mobile Manipulation 연구
센서 데이터
이번 사례3D Depth Camera — RGB 영상 + 깊이 정보, Point Cloud 취득
적용 범위객체 인식 · 위치 추정 · 3D 공간 파지 등 2D 영상만으로는 부족한 로봇 비전 연구
개발 환경
이번 사례Ubuntu + ROS1 · ROS2, Python · C · C++ 프로그래밍
적용 범위연구자가 직접 개발한 알고리즘·AI 모델을 로봇에 적용해야 하는 연구실, ROS 기반 교육 과정
로봇 구성
이번 사례JetArm Pro 로봇팔 + 3D Depth Camera + 모바일 베이스 + 그리퍼
적용 범위로봇팔 단독 구성으로 시작해 섀시·레일·컨베이어 등 모듈을 단계적으로 확장하려는 연구실
실험실 물체 조작 연구에 고정형 로봇팔로는 부족했던 이유
실험실에서 사람이 하던 위험 작업을 로봇이 대체하려면, 로봇은 사람처럼 "가서, 보고, 집어야" 합니다. 충남대학교 연구실이 플랫폼을 선정하며 마주한 과제는 다음과 같았습니다.
1 고정형 로봇팔의 작업 반경 한계. 실험실의 물체와 도구는 한 자리에 모여 있지 않습니다. 고정 설치된 로봇팔은 팔이 닿는 범위 안에서만 연구할 수 있어, "로봇이 필요한 위치까지 이동해 조작한다"는 연구 주제 자체를 다룰 수 없었습니다.
2 2D 영상만으로는 부족한 공간 인식. 물체를 파지하려면 화면 위 어디에 있는지가 아니라 3차원 공간에서 어디에 어떤 자세로 있는지를 알아야 합니다. RGB 영상에 깊이 정보를 더한 데이터가 필요했습니다.
3 연구자가 직접 개발한 알고리즘의 적용. 완성된 기능만 제공하는 폐쇄형 장비로는 연구실이 개발한 인식 모델과 제어 알고리즘을 실험할 수 없습니다. ROS 기반 개방형 개발 환경이 전제 조건이었습니다.
4 연구 확장을 견디는 플랫폼. 이번 단계는 이동·인식·파지 테스트지만, 이후 운반과 위험 도구 취급까지 연구가 이어져야 합니다. 첫 구성에서 끝나지 않고 모듈을 더해 확장할 수 있는 플랫폼이 필요했습니다.
이 연구의 관건은 로봇팔 한 대의 성능이 아니라 이동 · 센서 · 조작의 결합이었습니다. 실험실을 이동하는 모바일 베이스, 공간을 3차원으로 읽는 3D 비전, 연구자가 직접 제어하는 ROS 기반 로봇팔 — 세 요소를 하나의 연구 플랫폼으로 묶는 것을 목표로 JetArm Pro 기반 모바일 매니퓰레이터 구성을 도입했습니다.
구성요소
| 로봇 | 솔루션 구성: JetArm Pro 3D 비전 로봇팔 + 모바일 베이스JetArm Pro는 ROS 교육과 AI 프로젝트 개발을 위해 설계된 Hiwonder의 3D 비전 로봇팔입니다. 3D Depth Camera와 NVIDIA Jetson 컨트롤러를 로봇 자체에 탑재하고 ROS1·ROS2를 모두 지원해, 연구자가 인식부터 제어까지 직접 개발할 수 있습니다. 이번 프로젝트는 다음 구성으로 완성했습니다. 🦾 Hiwonder JetArm Pro 로봇팔 역할 인식된 물체 위치로 접근해 관절·자세를 제어하고, 끝단 그리퍼로 대상 물체를 파지하는 매니퓰레이터 이 연구실에 맞는 이유 ROS1·ROS2 모두 지원하는 개방형 플랫폼으로 연구자가 개발한 제어 알고리즘을 그대로 적용할 수 있고, 메카넘/탱크 섀시·슬라이딩 레일·컨베이어 등 모듈식 확장을 전제로 설계됨 👁 3D Depth Camera 역할 RGB 영상과 깊이(Depth) 정보를 함께 취득해 주변 공간과 물체를 Point Cloud 형태로 확인, 객체 인식과 위치 추정의 입력 데이터 제공 이 연구실에 맞는 이유 2D 영상으로는 알 수 없는 물체까지의 거리와 3차원 자세를 확보해 3D 공간 파지 연구가 가능 🚗 모바일 베이스 JetRover 결합 여부 확인 후 모델명 표기 역할 로봇팔과 센서를 싣고 실험실 내부를 이동해, 대상 물체가 있는 위치까지 로봇을 옮기는 이동 플랫폼 이 연구실에 맞는 이유 고정형 로봇팔의 작업 반경 한계를 넘어 Mobile Manipulation 연구로 확장하는 핵심 모듈 🧠 NVIDIA Jetson 컨트롤러 Nano / Orin Nano / Orin NX 중 탑재 모델 확인 역할 로봇에 탑재된 메인 컨트롤러로 센서 데이터 처리와 딥러닝 모델 실행, 로봇 제어를 수행 이 연구실에 맞는 이유 외부 PC 없이 로봇 위에서 AI 모델을 실행할 수 있어, 이동하며 인식·판단하는 모바일 매니퓰레이터 연구에 적합 💻 Ubuntu + ROS1 · ROS2 개발 환경 역할 로봇팔의 관절과 자세를 제어하고 센서 데이터를 확인하는 소프트웨어 기반, Python · C · C++ 프로그래밍 지원 이 연구실에 맞는 이유 Hiwonder가 제공하는 오픈소스 코드와 학습 자료 위에 연구실 자체 알고리즘과 AI 모델을 얹어 연구 환경을 확장 🛠 마로솔 역할 연구 목적·조작 대상·개발 환경 요구사항 확인, 로봇팔·센서·모바일 베이스 구성 설계, 도입 지원 이 연구실에 맞는 이유 로봇팔 단품이 아니라 연구 주제에 맞는 모듈 조합을 기준으로 플랫폼 구성 역할을 나누면, 모바일 베이스는 이동, 3D Depth Camera는 인식, JetArm Pro는 접근과 파지를 담당하고, Jetson 위의 ROS 환경이 이 셋을 하나의 파이프라인으로 연결합니다. 어느 하나가 빠지면 "로봇이 실험실을 인식하고 행동한다"는 연구는 성립하지 않습니다. |
|---|
작업순서
| STEP 1. | 실험실 내 이동 |
|---|---|
| STEP 2. | 주변 환경 · 물체 인식 |
| STEP 3. | 물체 위치 파악 |
| STEP 4. | 로봇팔 접근 및 파지 |
| STEP 5. | 운반 · 위험 도구 취급으로 확장 |
※ 마로솔 내의 모든 콘텐츠를 무단으로 복사 및 재창작할 경우 부정경쟁방지법 및 저작권법에 위반될 수 있음을 밝힙니다.