센서 없이 힘 느끼는 저가 로봇팔, MIT 'NeuralActuator' RSS 2026 시스템 논문상

토크 센서나 촉각 센서 없이 저가 로봇팔이 얼마나 세게 밀고 있는지 느끼게 하는 신경망 모델이 2026년 7월 13~17일 호주 시드니에서 열린 RSS(Robotics: Science and Systems) 2026에서 '세스 텔러 기념 최우수 시스템 논문상'을 받았다. 논문 'NeuralActuator'는 보이치에흐 마투식 교수가 이끄는 MIT 계산설계제작그룹(CDFG) 연구진과 아마존의 유리 이바노프 연구원이 썼고 2026년 7월 arXiv(2607.11734)에 공개됐다.

풀려는 문제

대부분의 저가 로봇은 '토크는 모터 전류에 상수를 곱한 값'이라는 단순한 규칙으로 관절 토크를 추정한다. 연구진은 마찰, 히스테리시스, 기어 백래시, 발열 때문에 저가 하드웨어에서는 이 선형 모델이 맞지 않는다고 지적했다. 이 오차가 시뮬레이션에서 학습한 정책이 실제 저가 로봇에서 다르게 움직이는 원인 중 하나이며, 로봇이 자신이 가하는 힘을 알지 못하는 이유이기도 하다.

작동 원리

시스템은 모터가 이미 보고하는 신호로 세 가지를 동시에 학습한다. 각 관절이 실제로 내는 유효 토크를 예측해 시뮬레이터가 실제 로봇의 움직임을 재현하게 한다. 팔 끝에 걸리는 외력을 추정해 로봇이 접촉을 느끼게 한다. 모터별 상태 점수를 매겨 정상 작동과 기계적으로 구속된 관절을 구분한다. 힘 추정값을 쓰기 전에는 접촉 여부를 판단하는 게이트를 거친다.

모델은 지령 위치, 관절 상태, 모터 전류, 전압, 온도로 이뤄진 9개 시점의 짧은 이력을 읽는 트랜스포머다. 토크 부분은 토크 정답 데이터 없이 학습한다. 예측 토크를 MuJoCo 물리엔진에 넣어 시뮬레이션 동작과 실제 기록 동작을 비교하고, 그 차이를 미분 가능한 시뮬레이터를 통해 역전파하는 방식이다. 힘과 모터 상태 출력은 라벨 데이터로 학습했다.

데이터와 하드웨어

연구진은 로보티즈의 5자유도 로봇팔 OpenManipulator-X로 총 94.52분 분량의 'Neural Actuation Dataset'을 만들었다. 이 팔은 다이나믹셀 XM430-W350 서보로 구동되며, 데이터는 리더와 팔로워 팔을 쓰는 원격조작으로 수집했다. 자유 동작 34.15분, 100~500g 하중을 건 힘 라벨 상호작용 46.24분, 관절 하나를 일부러 구속한 상태 14.13분으로 구성된다. LeRobot SO-101 로봇팔과 프랑카 에미카 판다(오프라인)에서도 검증했다.

결과

프로젝트 페이지에 따르면 힘 추정 오차는 0.12N으로, 선형 전류 토크 모델 1.41N, 마찰 항을 넣은 모델 1.23N, 일반화 운동량 관측기(GMO) 0.66N보다 작았다. 힘 추정값을 모방학습 정책에 넣자 집기와 놓기 성공률은 80%에서 92.5%로, 들어 올려 유지하기는 85%에서 95%로 올랐다. 모터 상태 판별은 정확도 91.0%, 정밀도 84.5%, 재현율 96.2%였다. 500스텝 동작 예측에서 관절 각도 오차는 1.78~3.31도였고 추론은 60Hz 제어 주기에서 GPU로 1밀리초 미만이 걸렸다. 코드와 데이터, 하드웨어 구성은 공개됐다.

경쟁 구도

프랑카 같은 산업용 협동로봇은 관절 토크 센서를 내장해 원가가 높다. 촉각 스킨이나 손목 힘 센서도 대안이다. NeuralActuator는 일반 스마트 서보가 이미 내보내는 신호만 쓴다는 점에서 가격으로 경쟁한다. RSS 2026 수상작 중에서는 강화학습 속도를 높여 최우수 논문상을 받은 FlashSAC와 함께, 학습 기반 제어를 저가 하드웨어에서 실용화하는 흐름을 보여준다.

국내 업계에 주는 의미

실험 플랫폼이 국내 기업 로보티즈의 OpenManipulator-X와 다이나믹셀 서보라는 점이 눈에 띈다. 서보가 전류, 전압, 온도를 상세히 보고할수록 이런 학습형 힘 추정의 가치가 커진다. 로보티즈 같은 서보 업체에는 펌웨어 수준의 힘 추정이나 상태 진단 기능을 차별화 요소로 삼을 기회가 생긴다. 교육용, 연구용 로봇과 스마트 서보로 만드는 로봇 손, 파운데이션 모델 학습용 데이터 수집 장비에는 힘 정보를 하드웨어 추가 없이 확보할 길이 열린다. 모터 상태 점수는 별도 센서 없는 예지보전으로도 이어질 수 있다.

한계

연구진은 토크 출력이 순수한 모터 토크가 아니라 모델링되지 않은 접촉과 하중까지 흡수한 합산값일 수 있다고 밝혔다. 힘 학습은 준정적 하중에 의존했고 모터 상태 평가는 한 플랫폼의 관절 하나에 국한됐다. 대형 로봇에 쓰이는 영구자석 동기모터나 유압 구동기는 다루지 않았다.