촉각 기록 4983시간 학습한 로봇 AI, 실물 작업 26개 평가
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- Robbyant는 세 종류 촉각 센서의 신호를 통합하는 LingBot-Touch를 공개했다.
- Sharpa Wave와 XHand를 이용해 실물 로봇 작업 26개를 평가했다.
- Robbyant가 자기식·압저항식·시촉각 센서의 신호를 공통 형식으로 처리하는 로봇 AI 모델 LingBot-Touch를 공개했다.
본문
Robbyant는 세 종류 촉각 센서의 신호를 통합하는 LingBot-Touch를 공개했다. Sharpa Wave와 XHand를 이용해 실물 로봇 작업 26개를 평가했다. Robbyant가 자기식·압저항식·시촉각 센서의 신호를 공통 형식으로 처리하는 로봇 AI 모델 LingBot-Touch를 공개했다. 사전 학습에는 촉각 기록 4983시간과 약 13억 프레임이 쓰였다. 관련 논문은 10일 오전 3시12분(한국시간) arXiv에 제출됐다. 신호값 자체를 직접 복원하는 대신 시공간 맥락을 바탕으로 촉각 상황의 표상을 예측하며, 이 표상은 확산 정책이나 시각·언어·행동(VLA) 모델에 결합할 수 있다. 센서별 기록 시간은 압저항식 2197시간, 시촉각 1650시간, 자기식 1136시간이다. 학습 자료에는 촉각 장갑과 로봇 손에서 수집한 기록이 함께 쓰였다. 실물 로봇 평가는 Sharpa Wave 손으로 20개, XHand 손으로 6개 작업을 진행했다.
비교 대상은 기본 모델, 원시 촉각 신호를 입력한 모델, LingBot-Touch의 고정된 표상을 사후학습 단계에서만 추가한 정책이었다. 가장 작은 HaT-Tiny 인코더는 매개변수 546만개로 구성됐다. 본지는 앞서 촉각과 온도 정보를 사용자에게 전달하는 원격 로봇 글러브 개발 계획을 보도했다 .