저는 "로봇이 무엇을 할 수 있나"보다 "우리 팀이 얼마나 빨리 실험을 반복할 수 있나"를 먼저 봅니다. 휴머노이드는 균형·접촉·시야·센서 동기화 등 변수가 많아서, 로봇 단품을 들여와도 데이터 수집·학습·검증 루프가 없으면 연구가 멈춥니다. 그래서 연구용 휴머노이드는 아래 네 가지가 한 흐름으로 이어지는지로 판단하는 게 안전합니다.

즉, 로봇 자체보다 휴머노이드 연구 환경을 단일 제품처럼 '도입'할 수 있어야 합니다.

2025년 글로벌 시장조사기관 Omdia가 발표한 '범용 Embodied AI 로봇 2026' 보고서에 따르면, 애지봇은 2025년 한 해 5,168대를 출하해 글로벌 점유율 39%로 세계 1위를 기록했습니다. 전체 시장 출하량이 약 13,000대였다는 걸 감안하면, 혼자서 시장의 절반 가까이를 차지한 셈입니다.

Omdia는 형태(Form Factor), 페이로드, 조작, 인지, AI 학습, 커스터마이징, 확장성, 상업적 영향력 등 8개 차원 중 6개에서 애지봇에 최고 등급인 'Advanced Capability'를 부여했습니다. 테슬라, 유니트리와 함께 '글로벌 1st Tier'로 분류된 세 회사 중 하나입니다.

연구용 관점에서 "이미 많이 깔린 로봇"이라는 사실은 무시하기 어렵습니다. 판매량이 많을수록 개발자 생태계·레퍼런스·운영 노하우가 빠르게 쌓이고, 선행 연구자들의 코드와 데이터셋을 활용할 수 있는 가능성이 높아지기 때문입니다.

스펙표에서 숫자만 보면 놓치는 게 많습니다. AimDK 공식 문서 기준으로 X2 울트라의 핵심 수치는 신장 약 1.31m, 무게 약 39kg, 구동 자유도 30, 팔 길이(엔드이펙터 제외) 558mm, 최대 속도 1.8m/s, 팔 페이로드 최대 3kg입니다. 연구자 관점에서 정말 중요한 포인트를 다섯 가지로 정리할게요.

첫째, 30 DOF와 목 관절 1개. X2 울트라는 목(1), 허리(3), 팔(각 7), 다리(각 6)의 총 30 DOF로 구성됩니다. 현재 연구용으로 많이 쓰이는 휴머노이드들의 평균 DOF가 22~25 수준인 걸 감안하면 눈에 띄는 수치입니다. 특히 목 관절을 갖춘 모델이 많지 않은데, 고개를 끄덕이고 시선을 맞출 수 있다는 건 HRI(인간-로봇 상호작용) 연구에서 실험 설계 자체를 달리 만들어줍니다.

둘째, Dual Brain 구조. 모션 제어 전담 RK3588 듀얼 SoC와 AI 추론 전담 NVIDIA Orin NX(157 TOPS)를 물리적으로 분리했습니다. 대부분의 연구용 휴머노이드가 단일 컴퓨팅 보드를 쓰는 것과 달리, 무거운 비전 모델을 돌려도 보행 안정성에 영향을 주지 않는 구조입니다.

셋째, 5G/4G 모듈 내장. 원격 조작 휴머노이드 연구를 위해 Wi-Fi 범위 밖에서도 텔레오퍼레이션이 가능합니다. 현재 시판 중인 연구용 휴머노이드 중 5G/4G를 기본 내장한 모델은 매우 드뭅니다. 캠퍼스 광장, 공장 구내 등 실제 환경에서 데이터 수집 반경을 넓힐 수 있다는 의미입니다.

넷째, 교체형 말단장치(End-Effector). OmniHand(다지 핸드)와 OmniPicker(산업용 그리퍼) 사이를 연구 목적에 따라 전환할 수 있어, 매니퓰레이션 연구에서 물류 연구로 전환할 때 로봇을 새로 구매할 필요가 없습니다. 말단장치 교체를 공식 지원하는 연구용 플랫폼은 아직 많지 않습니다.

다섯째, 후방 카메라 + 3D LiDAR + RGB-D. 대부분의 연구용 휴머노이드가 전방 카메라 위주로 구성되어 있는 것과 달리, X2 울트라는 전방 스테레오 RGB, 후방 RGB, RGB-D, 3D LiDAR를 모두 갖추고 있어 360도 감지 기반 연구를 별도 장비 없이 진행할 수 있습니다.

아래는 현재 연구용으로 활용 가능한 주요 휴머노이드들의 평균적인 스펙과 X2 울트라를 비교한 표입니다. 특정 제품과의 비교가 아닌, 현재 연구 커뮤니티에서 실제 사용되는 플랫폼들의 일반적인 수준을 기준으로 정리했습니다.

연구용은 결국 ROS2·SDK/API·URDF가 핵심입니다. AimDK_X2는 "AgiBot X2 휴머노이드 로봇을 제어하기 위한 ROS2 인터페이스 세트"를 제공한다고 명시하고, ROS2 표준을 따르며 C++/Python을 지원합니다. 스토어 FAQ 기준으로도 ROS2 아키텍처 호환(ROS 2.0·Fast DDS 2.10)과 표준 URDF 시뮬레이션 모델 제공, Isaac Gym·MuJoCo 지원을 공식 안내합니다.

특히 "URDF를 받을 수 있냐/어디서 시뮬을 돌리냐"는 연구팀이 초기에 가장 자주 부딪히는 질문인데, 공식 답변이 있다는 것 자체가 실무에서 큽니다. URDF가 없으면 시뮬레이터 연동부터 막히거든요.

LeRobot 연동은 현재 연구자들이 가장 관심 있는 부분입니다. Hugging Face의 LeRobot은 실사용 로봇을 위한 모델·데이터셋·도구를 제공해 진입 장벽을 낮추고, 모방학습(Imitation Learning)과 RL에 초점을 둔다고 명시합니다. LeRobotDataset 포맷은 비전용 MP4(또는 이미지)와 상태/액션 데이터를 Parquet로 함께 다루는 구조라, "시연 영상만 잔뜩 쌓여서 학습이 안 되는 상황"을 방지할 수 있습니다.

마로솔은 X2 울트라와 LeRobot의 연동 파이프라인을 이미 완성해뒀습니다. 텔레오퍼레이션으로 수집한 데이터를 LeRobot 포맷으로 자동 변환하고, 학습시키고, 다시 배포하는 전체 흐름이 준비된 상태입니다.

추가로 Linksoul 노코드 플랫폼은 코딩 경험이 없는 연구자도 Behavior Tree나 LLM 기반 에이전트를 GUI에서 구현할 수 있어, 비개발 연구원도 로봇 시나리오 설계에 직접 참여할 수 있게 해줍니다.

모방학습(Imitation Learning)은 결국 "사람의 시연 데이터"가 출발점입니다. 그런데 휴머노이드는 과업이 복잡해서 좋은 시연 데이터 수집이 병목이 되기 쉬워요. 연구·산업 전반에서 텔레오퍼레이션이 핵심 축으로 정리되는 이유가 여기에 있습니다.

X2 울트라는 4G/5G 모듈을 통해 와이파이 밖 환경까지 원격 제어 범위를 확장할 수 있고, VR 텔레오퍼레이션 액세서리도 공식 옵션으로 제공합니다. 실험실 밖 복도·캠퍼스·공장 등으로 데이터 수집 반경을 넓히는 설계가 됩니다.

수집한 데이터를 학습 가능한 형태로 만드는 것이 다음 단계입니다. 여기서 LeRobot이 강합니다. LeRobotDataset 포맷은 시연 영상(MP4)과 상태/액션 데이터(Parquet)를 함께 다루는 구조로, "영상은 쌓였는데 학습이 안 되는" 상황을 방지합니다. 마로솔의 에피소드 데이터 수집 UI는 GUI만으로 수집 세션을 관리하고 에피소드별 라벨링·저장을 자동화해, 하루에 수백 에피소드 수집을 가능하게 합니다.

전체 연구 파이프라인을 한 흐름으로 보면 이렇게 됩니다.

마로솔은 이 파이프라인 전체를 이지케어 패키지로 지원합니다. "연구에서 가장 어려운 건 로봇이 아니라 환경 구축"이라는 말이 나오는 이유가 바로 이 흐름 하나하나를 직접 구축해야 하기 때문입니다.

현실 로봇에서 바로 강화학습을 돌리면 안전·시간·비용 문제가 커집니다. 그래서 많은 팀이 로봇 시뮬레이션에서 정책을 학습·검증한 뒤 실제로 옮기는 Sim-to-Real을 씁니다. 도메인 랜덤화로 시뮬의 변이를 키워 현실을 그 중 하나로 만드는 방식이 가장 널리 쓰입니다.

NVIDIA Isaac Sim은 Omniverse 기반의 로봇 시뮬레이션·테스트·합성데이터 생성 레퍼런스 프레임워크입니다. URDF 등 다양한 소스의 로봇 모델을 USD로 변환해 씬을 구성하고, ROS2 패키지와 연동해 시뮬에서 로봇 스택 전체를 검증하는 워크플로를 지원합니다. 대규모·고충실도·ROS2 통합·합성데이터 생성에 강합니다.

Google DeepMind MuJoCo는 로보틱스 연구를 위한 빠르고 정확한 오픈소스 물리 엔진입니다. 접촉 모델이 정교해 손가락 조작이나 접촉이 많은 매니퓰레이션 연구에 강하고, 학습 루프가 빠르게 돌아갑니다. 연구 목적에 따라 두 엔진을 조합하는 팀이 많습니다.

X2 울트라와의 연결은 현실적으로 "URDF가 있냐"에서 갈립니다. X2 울트라는 스토어 FAQ에서 표준 URDF 시뮬레이션 모델 제공과 Isaac Gym·MuJoCo 지원을 명시합니다. 최소한의 연결고리가 갖춰져 있다는 의미입니다. 마로솔은 여기서 더 나아가 디지털 트윈 구성부터 RL 학습, Sim-to-Real Transfer 적용까지 교육을 포함해 직접 지원합니다.

사람의 관절 구조와 로봇의 관절 구조는 다릅니다. 자유도, 링크 길이, 관절 제한이 모두 달라서, 사람 동작을 그대로 복사하면 로봇이 깨집니다. 그래서 인간 동작을 로봇에 맞게 변환하는 Motion Retargeting이 필요하고, 마로솔은 SMPL → GMR → Humanoid 흐름으로 이를 지원합니다.

연결 방식은 이렇습니다.

특히 마로솔의 SMPL 기반 Human Motion Retargeting은 한양대와 마로솔이 함께 진행 중인 강화학습 연구에서 실제로 사용하는 기술입니다. 유튜브 영상에서 사람 동작을 추출해 로봇 모션 데이터로 변환할 수 있어, 별도의 모션 캡처 장비 없이도 고품질 시연 데이터를 쌓을 수 있습니다. 발 끌림이나 지면 관통 같은 아티팩트도 최소화됩니다.

LeRobot은 실제 로봇에서의 모방학습 튜토리얼을 제공하며, 데이터 기록→학습→평가 흐름을 단계적으로 안내합니다. 이 전체 흐름이 "연구에서 가장 어려운 건 로봇이 아니라 환경 구축"이라는 말이 나오는 이유입니다.

로봇 자체의 장단점도 있지만, 연구자는 결국 "내 연구실 목표에 맞게 연결이 되는지"가 핵심입니다. 아래는 공개 문서·공식 리포지토리 기준으로 연구 확장성에 영향을 주는 요소를 정리한 비교표입니다.

마로솔을 통해 도입하시면 애지봇 X2 울트라를 국내 최저가로 도입할 수 있고, 유비테크·유니트리·레인보우로보틱스 등 국내외 다른 휴머노이드도 연구 목적에 맞게 최저가로 도입 가능합니다. 여기에 이지케어 패키지가 함께 제공됩니다.

• 🛡️
  A/S 1년 1+1 보증 — 기본 보증 기간 종료 후 1년 추가. 국내 상주 엔지니어 방문·원격 대응.
• 🎮
  텔레오퍼레이션 장비 지원 — Meta Quest3 + Exoskeleton 마스터 암 활용 환경 구성.
• ⚙️
  초기 연구 환경 세팅 — ROS2 환경, LeRobot 파이프라인, Isaac Sim/MuJoCo 시뮬레이터 연동.
• 💡
  기술 자문 — 연구 목적에 맞는 로봇 선정부터 알고리즘 방향까지 1:1 컨설팅.
• 🔗
  SDK/API + ROS2 + LeRobot 개발 환경 세팅 및 파이프라인 연동 지원.
• 🎬
  Motion Retargeting + Sim-to-Real 기술 교육 — SMPL 기반 모션 변환부터 실로봇 배포까지.