솜씨를 기록하고,
접촉을 배우게 합니다.

데이터 취득 · 손목과 팔의 솜씨

Kinesthetic skill acquisition. 힘과 움직임을 느끼며 작업하는 능력을 기록하기 위해 세 조건을 함께 다룹니다.

• 01

  안정성을 확보한 교시 프레임워크

  통신 지연과 단단한 접촉에서도 작업을 이어 갈 수 있도록 양방향 루프의 에너지를 관리합니다. 시간영역 수동성 연구를 기반으로 안정성 조건과 실제 장치의 동작을 검증합니다.

  • TDPA
  • 양방향 제어
  • 접촉 전환
• 02

  손의 움직임을 방해하지 않는 햅틱 장치

  저관성·저마찰 구조와 보상 제어를 통해 장치 자체의 저항을 줄이는 것이 목표입니다. 양팔 작업 공간과 손잡이 배치를 함께 설계해 작업자가 장치를 이기기 위해 힘을 쓰는 상황을 줄입니다.

  • 장치 개발
  • 양팔 협응
  • 마찰 보상
• 03

  단단함과 투명도가 살아 있는 현장감

  단단한 표면은 분명하게, 자유 공간의 움직임은 자연스럽게 전달합니다. 고강성 렌더링, 지연과 힘 왜곡을 함께 다루며 작업자가 접촉의 작은 차이를 구분할 수 있는 프레임워크를 개발합니다.

  • 고강성 렌더링
  • 투명도
  • 에너지 소산

데이터 취득 · 손끝의 감각을 가리지 않는 글로브

Tactile skill acquisition. 손끝에는 접촉 위치와 압력, 미끄러짐처럼 작업을 바꾸는 정보가 있습니다. 센싱 글로브의 목표는 이 정보를 읽으면서도 작업자가 물체의 촉감과 단단함을 충분히 느끼게 하는 것입니다.

기존 공개 글로브보다 작업 현장감을 높이는 것을 개발 목표로 삼습니다. 두께·유연성·표면 마찰과 착용감을 함께 설계하고, 맨손 대비 작업 시간·성공·힘 사용을 비교하려 합니다. 비교 실험이 끝난 성능 우위로 제시하지 않습니다.

작업자가 장갑에 맞춰 서툴게 움직이는 대신 자신의 접촉지능과 솜씨를 발휘하도록 하는 것. 센서의 해상도와 함께 시연의 자연스러움을 평가하는 이유입니다.

데이터 표현 · 접촉과 대응을 같은 사건으로

작업 영상, 로봇의 실제 동작과 명령, 작업자의 힘·강성 조절, 환경 접촉력과 손끝 촉각을 연결합니다. 작업자가 어느 물체나 접촉 지점에 집중했는지도 맥락으로 더합니다.

센서별 원래 주기와 타임스탬프를 남기고, 측정·추정·주석의 출처를 구분합니다. 성공 궤적뿐 아니라 걸림에서 후퇴하고 다시 시도한 과정까지 작업 단계와 함께 정돈합니다.

학습 · 물리력을 이해하는 표현

촉각을 이미지로 바꾸어 기존 비전 인코더에 넣는 접근에서 더 나아가, 힘의 이력과 행동의 관계를 배우는 프레임워크를 연구합니다.

• 햅틱 데이터 기반 학습

  접촉 방향·크기·변화와 미끄러짐, 작업자의 힘 조절을 물리적 의미가 있는 표현으로 다룹니다. 어떤 상황에서 어떤 힘을 가하고 다음 행동을 바꾸었는지를 학습하는 것이 목표입니다.

  • 물리 표현
  • 시간 해상도
  • 접촉 상태

• VLA와 접촉 반응의 연결

  물체와 작업 의미를 이해하는 VLA에 접촉 관측과 대응을 결합합니다. 최신 기준선과 동일한 작업·데이터 예산에서 성공뿐 아니라 손상과 복구, 시간의 변화를 평가합니다.

  • VLA
  • 정책 학습
  • 현장 평가

• 사람의 접촉 전략을 고려한 월드 모델

  시각적 미래와 함께 접촉 상태·힘 변화·행동 결과를 예측하는 방향을 고려합니다. 물리엔진의 힘 데이터뿐 아니라, 실제 작업자가 저항과 불확실성에 대응한 이력을 결합하는 연구 방향입니다.

  • 월드 모델
  • 행동 결과 예측
  • 인간의 접촉 전략