왜 지금 연구실마다 리더-팔로워 로봇팔을 찾을까요?

요즘 로봇 조작 연구의 병목은 알고리즘보다 데이터예요. 모방학습(Imitation Learning)은 사람이 보여준 시연을 정책이 따라 배우는 방식이고 VLA(Vision-Language-Action) 모델도 결국 수천 개의 조작 에피소드를 먹여야 움직여요. 그런데 이 시연 데이터를 어떻게 만들 것이냐가 늘 문제였죠. 키보드나 조이스틱으로 로봇을 움직이면 동작이 부자연스럽고 VR 장비는 세팅이 무거워요.

그래서 나온 게 리더-팔로워 텔레오퍼레이션이에요. 똑같은 구조의 로봇팔 두 대를 두고 사람이 리더 암을 손으로 움직이면 팔로워 암이 그대로 따라 움직여요. 관절 구조가 같으니 시연과 실행 사이에 운동학적 불일치가 없고 사람이 느끼는 그대로가 데이터가 돼요. 이 방식을 저비용 하드웨어로 정리해서 공개한 게 2023년 스탠퍼드의 ALOHA(A LOw-cost HArdware) 프로젝트예요. 함께 발표된 ACT 정책은 지금도 모방학습 베이스라인으로 쓰이고 있고요.

ALOHA는 그 뒤로 계속 확장됐어요. 2024년 CoRL에 발표된 Mobile ALOHA는 같은 시스템에 휠베이스를 달아 전신 텔레오퍼레이션으로 요리나 엘리베이터 탑승 같은 긴 과제를 학습시켰고 태스크당 시연 50개와 기존 고정형 ALOHA 데이터를 함께 학습시키면 성공률이 최대 90%까지 올라간다는 걸 보여줬어요. 구글 딥마인드는 ALOHA 2를 내놨고 Physical Intelligence의 π0 같은 VLA 파운데이션 모델도 ALOHA 계열 데이터를 학습에 썼어요.

이 계보의 하드웨어를 처음부터 제조해 온 회사가 트로센 로보틱스예요. 2025년에 라인업을 새 WidowX AI 암 기준으로 바꾸면서 "ALOHA is now Trossen AI"라고 선언했고요. 오늘 리뷰할 세 제품이 그 라인업이에요.

트로센 로보틱스는 어떤 회사일까요?

트로센 로보틱스는 미국의 연구용 로봇 제조사예요. 연구자들 사이에서는 BridgeData 데이터셋에 쓰인 WidowX 250이나 ALOHA 키트의 ViperX·WidowX 암으로 익숙한 이름이고 OpenVLA 같은 VLA 모델을 평가하는 SimplerEnv 벤치마크에도 WidowX 환경이 들어가 있어요. 그만큼 학계에서 오래 검증된 브랜드예요.

연구실 입장에서 중요한 건 하드웨어 자체보다 소프트웨어 생태계예요. 트로센 AI 라인업은 ROS2를 공식 지원하고 허깅페이스 LeRobot용 하드웨어 플러그인(lerobot_trossen)을 제조사가 직접 유지해요. MuJoCo와 NVIDIA Isaac, Gazebo 시뮬레이션 모델도 제공하고 π0·π0.5 학습을 위한 OpenPI 튜토리얼과 트로센 전용 학습 설정도 문서로 공개돼 있어요. 제품 보증과 별개로 트로센 제품 평생 지원(Lifetime Support)을 내걸고 마모 부품은 현장에서 교체할 수 있게 설계한 점도 공용 장비로 쓸 때 안심되는 부분이에요.

한 가지 정확히 짚고 갈게요. 위에서 말한 논문들은 구형 ViperX 300과 WidowX 250으로 진행됐어요. WidowX AI는 그 계보를 잇는 2025년 세대 암이지 논문에 그대로 등장한 기체는 아니에요. 다만 Stationary AI와 구형 ALOHA가 관절 배치를 공유해서 OpenPI 쪽 ALOHA 설정을 그대로 쓸 수 있다는 점은 제조사 문서에 명시돼 있어요.

연구용 로봇팔 3종 구성 비교표

세 제품 모두 암 사양은 같아요. 6축 · 가반하중 1.5kg · 리치 700mm · 스팬 1,400mm · 반복정밀도 1mm · 암 중량 4kg. 차이는 암이 몇 대인지 어디에 올라가는지 그리고 카메라와 컴퓨트가 얼마나 포함되는지예요.

※ 제품 사양은 트로센 로보틱스 공식 자료 기준이에요. 실제 성능은 환경과 사용 조건에 따라 다를 수 있어요.

모델별 리뷰: 어디서부터 시작하면 좋을까요?

① WidowX AI: 리더 한 대 팔로워 한 대면 논문 실험이 시작돼요

단품 암이에요. 세 가지 구성 중에서 고르게 되는데 처음 보면 헷갈리니까 정리해 둘게요.

그러니까 모방학습 실험용이면 Leader 1대 + Follower 1대가 최소 구성이에요. 여기에 제조사 LeRobot 플러그인을 붙이면 에피소드 기록부터 LeRobot 데이터셋 포맷 저장까지 한 흐름으로 돌아가요. 가반하중 1.5kg은 컵이나 공구 같은 일상 물체 조작 실험에는 넉넉하고 반복정밀도 1mm는 같은 자리에 물체를 두고 수십 번 반복 시연할 때 데이터가 흔들리지 않는 수준이에요. 통신은 이더넷 기반 iNerve 컨트롤러를 거치는데 CAN FD로 500Hz 이상 데이터를 주고받아서 텔레옵 지연이 체감되지 않는 편이에요.

암 한 대 무게가 4kg이라 학생 한 명이 들고 옮길 수 있고 테이블에 클램프로 고정해요. 전원은 24V 파워 서플라이가 같이 와요. 나중에 양팔이 필요해지면 한 쌍을 더 사서 BiWidowXAI 설정으로 묶을 수 있지만 프레임과 카메라 배치는 직접 만들어야 하니까 처음부터 양팔이 목적이면 아래 Stationary AI를 보는 게 맞아요.

② Stationary AI: 세션마다 데이터가 흔들리는 문제를 프레임으로 없앤 양팔 워크스테이션

양팔 데이터셋을 만들어 본 분이라면 공감하실 텐데 제일 골치 아픈 건 로봇이 아니라 세션 간 편차예요. 오늘 찍은 카메라 각도와 다음 주 카메라 각도가 몇 도 다르고 암 베이스 위치가 몇 cm 밀리면 모아 놓은 에피소드를 한 데이터셋으로 묶기가 어려워져요. Stationary AI는 리더-팔로워 2쌍 4암과 RealSense D405 4대를 하나의 프레임에 고정해서 이 문제를 하드웨어로 풀어요. 팔 배치와 카메라 각도와 작업 공간이 세션마다 동일한 기준에서 시작하니까 데이터 노이즈 중 가장 큰 덩어리가 사라지는 셈이에요.

구성도 올인원이에요. 10인치 터치스크린과 고성능 데스크톱이 포함돼서 개봉하고 조립하면 바로 텔레오퍼레이션과 에피소드 기록에 들어갈 수 있어요. 리더 암에는 중력보상이 들어가 있어서 오래 시연해도 팔이 덜 피로하고요. 양팔 협조가 필요한 과제, 그러니까 한 손으로 잡고 다른 손으로 뚜껑을 여는 식의 bimanual 조작 데이터는 이 구성이 아니면 만들기 어려워요.

제조사는 이 구성을 π0 · Groot · SmolVLA 같은 VLA 모델 파인튜닝에 쓰는 걸 전제로 설계했다고 설명해요. 실제로 트로센 문서에는 Stationary AI로 수집한 LeRobot 데이터셋을 OpenPI에서 π0 · π0.5로 학습하는 설정이 올라와 있고요.

③ Mobile AI: 랩 밖으로 나가는 양팔 모바일 매니퓰레이터

Mobile ALOHA 논문의 직계 후손이에요. Stationary AI와 같은 리더-팔로워 4암 구성을 통합 휠베이스에 올렸고 RealSense D405 3대와 10인치 터치스크린이 들어가요. 핵심은 분해 없이 이동한다는 점이에요. 랩에서 창고로 창고에서 다른 건물로 옮길 때 암과 카메라가 프레임에 그대로 고정돼 있으니까 장소가 바뀌어도 세션 간 공간 일관성이 유지돼요. 여러 현장에서 같은 과제 데이터를 모아 분포를 넓히려는 연구나 반정형 환경에서 로봇이 어떻게 일반화되는지 보는 연구에 맞는 구성이에요.

제조사의 SLATE 모바일 베이스와 호환돼서 텔레옵 데이터 수집에서 자율주행 내비게이션 워크플로우로 확장할 수 있어요. 트로센 SDK는 LeRobot V2 포맷(Parquet + HDF5)과 MCAP으로 다중 모달 데이터를 동기화해 바로 내보내니까 여러 대를 돌려 데이터를 모으는 기업 연구소나 스타트업 데이터팀 입장에서는 포맷 변환 작업이 사라져요. 고성능 노트북 포함 구성을 고르면 현장에서 온디바이스 학습과 모델 평가까지 돌릴 수 있고요.

투자자나 파트너 앞에서 시연할 일이 잦은 팀에도 Mobile AI가 편해요. 끌고 가서 전원 켜면 바로 데모가 되니까요. 이 구성도 필요하면 Solo AI 2대처럼 분리해서 쓸 수 있어요.

텔레오퍼레이션에서 VLA 학습까지 한 흐름으로

세 제품이 공유하는 소프트웨어 흐름이에요. 어느 구성을 사든 아래 파이프라인은 같아요.

모방학습 정책을 실제 속도로 돌리는 문제가 궁금하시다면 마로솔 피지컬 AI 연구 시리즈의 RACE 논문 리뷰도 같이 읽어보세요. 텔레옵으로 모은 느린 시연 데이터를 어떻게 빠른 실행으로 바꾸는지 다룬 글이에요.

피지컬 AI 연구, 이런 고민에서 시작돼요

마로솔에 문의가 들어오는 상황을 기준으로 세 장면으로 나눠 봤어요. 우리 연구실이 어디에 가까운지 보시면 구성이 정해져요.

반대로 트로센 라인업이 맞지 않는 경우도 있어요. 수 kg짜리 부품을 다루거나 생산 현장에 바로 투입할 산업·협동 등급 암이 필요하면 마로솔에 입점한 다른 연구·산업용 로봇팔을 함께 검토하는 게 맞아요. 문의 주시면 그쪽 라인업까지 같이 비교해 드릴게요.

로봇팔에 로봇핸드를 더하면: 덱스트러스 핸드 결합 연구

WidowX AI의 기본 엔드이펙터는 평행 그리퍼예요. 집기·놓기·정렬 같은 과제는 그리퍼로 충분하지만 연구 주제가 손가락 단위 조작이나 도구 사용 쪽으로 가면 어느 순간 손이 필요해져요. 병뚜껑을 돌리거나 가위를 쓰거나 작은 부품을 손가락으로 돌려 잡는 과제는 2지 그리퍼로는 데이터를 만들 수 없거든요.

마로솔은 덱스로봇(DexRobot)의 덱스트러스 핸드 DexHand021 시리즈도 함께 다루고 있어요. 3지 S, 5지 19자유도 MP, 손목 일체형 22자유도 Pro 세 모델인데 이노베이션 랩에서 직접 써 본 후기는 덱스핸드 리뷰에 정리해 뒀어요. 로봇팔로 팔 궤적 데이터를 먼저 쌓고 같은 과제에 로봇핸드를 붙여 손가락 조작까지 확장하는 식으로 연구를 두 단계로 설계하면 장비를 한 번에 사지 않아도 돼요.

다만 암과 핸드는 제조사가 다르니까 장착 플랜지와 통신 프로토콜 호환은 사기 전에 꼭 확인해야 해요. 이 부분은 마로솔이 두 제조사 자료를 놓고 확인해 드려요. 로봇팔과 로봇핸드를 같이 검토하고 계시다면 문의할 때 한 줄만 적어 주세요.

연구용 로봇팔 고를 때 확인할 6가지

트로센이 아닌 다른 암과 비교할 때도 쓸 수 있는 기준이에요. 가격표만 보고 결정하면 나중에 꼭 하나씩 걸리는 항목들이에요.

마로솔 이지케어로 트로센을 도입하면 이런 걸 지원받아요

연구용 로봇은 사는 것보다 사고 나서가 길어요. 구성을 잘못 고르면 양팔이 필요한데 단일암이 와 있고 세팅에서 막히면 첫 에피소드를 찍기까지 몇 주가 가고 고장이 나면 해외 제조사와 메일을 주고받는 동안 실험이 멈춰요. 마로솔(Marosol)은 빅웨이브로보틱스가 운영하는 토탈 로봇 솔루션 플랫폼이고 이지케어(Easy Care)는 대학과 연구기관 그리고 교육기관을 위한 전용 도입 프로그램이에요. 트로센 3종에도 그대로 적용돼요.

유니스트에 납품된 협동로봇과 로봇핸드 티칭지원 중인 마로솔 로봇전문가

연구용 로봇팔 도입 전 자주 묻는 질문

참고 자료: 트로센 로보틱스 공식 제품 페이지 및 기술 문서(trossenrobotics.com, docs.trossenrobotics.com), 마로솔 스토어 제품 페이지, Zhao 외 "Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware"(RSS 2023), Fu · Zhao · Finn "Mobile ALOHA"(CoRL 2024). 제품 사양은 제조사 공식 자료 기준이며 실제 성능은 환경과 사용 조건에 따라 다를 수 있어요.