DexHand021 S — 5지 기능의 80%를 합리적인 비용으로

S를 처음 보시면 "이게 덱스터러스 핸드 맞아요?"라고 하세요. 손가락이 세 개라 사람 손처럼 보이지는 않거든요. 그런데 자유도가 8개예요. 앞서 말씀드린 기준으로 보면 손가락 5개짜리 저가형 핸드보다 오히려 할 수 있는 게 많아요. 세 손가락이 물체 형상에 맞춰 각자 감기면서 힘과 형태를 동시에 보는 closed-loop 파지를 하기 때문에, 구형이나 울퉁불퉁한 물체도 안정적으로 잡아요. 덱스로봇에서는 이걸 두고 "5지 기능의 80%"라고 표현해요.

S의 정체성은 손바닥 한가운데 박힌 500만 화소 오토포커스 카메라예요. 비전 파지 연구를 해보신 분들은 아실 텐데, 로봇암 위에 달린 외부 카메라는 손이 물체에 다가가는 마지막 몇 센티미터에서 손에 가려 물체를 놓쳐요. 그 순간을 위해 별도 카메라를 달고 캘리브레이션하는 데 시간을 꽤 쓰게 되죠. 팜 카메라는 그 문제를 하드웨어에서 끝내요. 사람 시연 영상과 디퓨전 모델로 손가락별 접촉 위치를 예측하는 FSAG 연구(2026)가 DexHand021을 실험 플랫폼으로 썼는데, 바나나·병·드라이버·드릴처럼 학습 때 본 적 없는 물체에도 일반화됐어요. 비전에서 접촉점을 뽑고 손가락을 형상에 맞추는 흐름이 S의 구조와 그대로 맞아떨어져요.

일반 2지 그리퍼(좌)와 DexHand021 S(우)의 연질 물체 파지

힘 쪽도 입문용치고는 촘촘해요. 손끝 3D 힘 센싱으로 접촉 힘을 실시간으로 받고, 연속 토크를 0~1A 범위에서 조절할 수 있어서 체결·삽입·분리 같은 힘 유도 조립(force-guided assembly) 실습이 돼요. 촉각 분해능 0.1N, 반복 정밀도 ±0.5mm면 소형 부품 픽앤플레이스 과제도 무리가 없고요. 무게는 0.6kg이라 협동로봇 페이로드를 거의 안 잡아먹어요. 3~5kg급 협동로봇에 달아도 손 무게 빼고 남는 가반하중이 충분하다는 뜻이에요.

솔직하게 말씀드리면 한계도 분명해요. 손가락이 셋이라 GRASP 분류 체계의 다양한 손 자세를 재현하는 연구나, 사람 손 데이터를 그대로 리타게팅하는 모방학습에는 안 맞아요. 그건 MP나 Pro 몫이에요. S는 "손 자체"를 연구하는 장비라기보다 "손으로 무언가를 하는 알고리즘"을 빨리 돌려보는 장비로 보시는 게 정확해요.

DexHand021 MP — 논문이 검증한 워크호스

MP는 Mass Production, 양산형이라는 뜻이에요. 이름대로 세 모델 중 가장 오래, 가장 많이 검증된 모델이고 덱스로봇이 스스로 플래그십이라고 부르는 제품이기도 해요. 능동 관절 12개와 수동 관절 7개로 19자유도를 만들었고, 이걸 약 1kg 무게에 담았어요. 5지 핸드에서 1kg이면 가벼운 축이에요. 처음 문의하시는 분들이 무게를 잘 안 보시는데, 핸드 무게는 그대로 로봇암 페이로드에서 빠지고 손목 관절 부하로 남아요. 무거운 핸드를 달면 암이 움직일 수 있는 속도와 가속도가 줄어서 정작 조작 실험이 느려져요.

제어 쪽 핵심은 힘 센서 없이 힘을 '느끼는' 자기수용성(proprioceptive) 어드미턴스 제어예요. 텐던 장력과 모터 전류로 관절 토크를 추정해서, 물체에 부딪히면 스스로 힘을 빼요. IEEE RA-L 논문(2025)에 실린 숫자로는 단일 손가락 10N 이상 하중, 반복 정밀도 1mm 이내, 힘 추정 오차 0.2N 이하, 그리고 기존 PID 대비 다물체 파지 때 관절 토크를 평균 31% 줄였어요. 논문에서 재현한 손 자세는 GRASP 분류 체계 33가지 전부이고, 핀셋 집기·피펫 조작·글쓰기·루빅스 큐브까지 시연했어요. 사람 손 데이터를 리타게팅하는 모방학습이라면 이 33가지 자세 재현 여부가 곧 데이터 손실률이에요.

연구실에서 더 눈여겨보실 건 두 번째 논문이에요. 한 연구팀이 모델 기반 강화학습(GC-PMPC)을 시뮬레이션이 아니라 실제 DexHand021에 바로 적용해서, 단일 카메라 자세 인식만으로 주사위를 원하는 면이 위로 오게 돌리는 다중 목표 조작을 약 80분 만에 학습시켰어요. 실기(real hardware) RL이 80분에 끝났다는 건 하드웨어가 수천 번의 반복 시도를 견디면서 상태가 흔들리지 않았다는 얘기예요. 텐던 핸드 쓰다가 밤새 돌린 실험이 아침에 케이블 늘어짐으로 틀어져 있던 경험 있으시면 이 대목이 왜 중요한지 아실 거예요.

그래서 MP는 열 관리에 유독 신경을 썼어요. 능동 냉각 설계(2.38cfm)에 실시간 온도 모니터링이 들어가 있고, 이상 감지 시 자동 보호로 넘어가요. 24시간 연속 운용을 공식적으로 지원하는 이유예요. 수명 사이클은 100만 회로 세 모델 중 가장 길고, 센서는 위치·온도·다축 힘·근접까지 23개가 통합돼 있어요. 마로솔 스토어 기준 가반하중은 5kg이에요. 모듈형 설계라 마모 부품 교체가 빠르다는 점도 실험을 오래 돌리는 랩에서는 실질적인 차이예요.

아쉬운 점을 굳이 꼽자면 팜 카메라가 없다는 것과, 촉각이 Pro처럼 손 전체를 덮는 방식은 아니라는 거예요. 촉각 밀도 자체가 연구 주제라면 Pro로 가시는 게 맞고, 촉각은 피드백 신호로만 쓰고 정책 학습이 주제라면 MP로 충분해요.

DexHand021 Pro : 사람 손에 가장 가까운 플래그십

Pro의 첫 번째 차이는 손목이 손과 한 몸이라는 거예요. 22자유도 중 능동이 18개인데, 손가락의 굽힘·폄만이 아니라 좌우로 벌리는 측방 움직임까지 독립적으로 제어해요. 여기에 손목의 전후·좌우가 붙으니까 손 하나로 커버되는 3차원 작업 영역이 확 넓어져요. 덱스로봇은 이걸 양중(dual) 텐던 전방향 구동이라고 부르는데, 쉽게 말하면 사람이 컵을 쥔 채 손목을 꺾어 방향을 바꾸는 동작을 로봇암 관절 도움 없이 손 단에서 처리한다는 뜻이에요. 텔레오퍼레이션 하시는 분들은 바로 감이 오실 텐데, 조작자의 손목 움직임이 손실 없이 전달되니까 시연 데이터 품질이 달라져요. 손목 없는 핸드로 수집한 데이터는 손목 동작을 암이 대신 흉내 낸 흔적이 남거든요.

두 번째 차이는 센싱 밀도예요. 손끝뿐 아니라 손가락 패드와 손바닥 전체에 촉각 유닛이 400개 넘게 깔려 있고, 관절 위치 센서 20개와 5MP 팜 카메라까지 합치면 물리 센싱 포인트가 500개를 넘어요. 손가락 끝 몇 곳만 촉각이 있는 핸드와 뭐가 다르냐면, 물체가 손바닥에 닿았는지, 어느 손가락 옆면으로 미끄러지고 있는지가 데이터로 남아요. 손안 재조작(in-hand manipulation)이나 파워 그립 연구는 이 정보 없이는 시작이 안 돼요.

세 번째는 그 데이터를 어디서 처리하느냐예요. Pro는 엣지 AI 연산 장치를 손에 내장해서 촉각·관절·비전 데이터를 외부 서버까지 왕복시키지 않고 밀리초 단위로 처리해요. 촉각 기반 폐루프 제어를 해보신 분들은 통신 지연이 실험 결과를 얼마나 흔드는지 아실 거예요. 미끄러짐을 감지하고 손가락 힘을 올리는 반응이 몇십 밀리초 늦으면 물체는 이미 떨어져 있죠. 온보드 처리는 이 지연을 구조적으로 없애요. 페이로드는 50N, 내구는 30만 사이클 이상 검증됐어요. 연구뿐 아니라 실제 작업 수준의 파지까지 감당한다는 얘기예요.

가격 이야기를 안 할 수 없는데, 해외 보도 기준으로 Pro는 동급 연구용 핸드의 약 1/5 수준(USD 14,000~28,000대)으로 소개됐어요. 손목 일체형에 전영역 촉각, 엣지 AI까지 들어간 핸드가 이 가격대라는 게 CES 2026에서 가장 많이 회자된 포인트였어요. 다만 국내 공급가는 옵션과 기술 지원 범위에 따라 달라지니 견적으로 확인해 주세요. 현재 마로솔에서는 SDK·기술 지원을 포함한 사전 예약으로 안내드리고 있어요.