DexRobot의 DexHand는 물체를 잡는 말단장치이고, DexTele은 사람이 원격으로 로봇을 움직이며 촉각·관절·자세·영상·깊이 데이터를 함께 기록하는 수집 시스템이다. 두 제품을 묶는 목적은 손을 한 번 움직이는 데모가 아니라 ‘사람 시범→동기화된 데이터→정제·학습→정책 실행→새 실패 수집’의 반복 고리를 만드는 데 있다. 손의 자유도가 높아도 이 데이터 고리가 끊기면 정교한 조작 모델로 이어지지 않는다.
DexHand 세 모델은 같은 손의 등급 차이로만 보면 안 된다
DexRobot이 Automate 2026에서 공개한 구성은 DexHand021 Pro, DexHand021, DexHand021 S다. 회사가 배포한 Automate 2026 발표 자료에 따르면 021 Pro는 22자유도와 50N 하중 표기, 손바닥 전체의 멀티모달 센싱, 30만 회 이상의 내구 사이클을 내세운다. 021은 19자유도와 내장 센서 23개, 텐던 구동 언더액추에이션 구조를 제시한다. 021 S는 8자유도, 무게 0.6kg, 오픈 SDK가 특징이다.
이 수치는 ‘숫자가 큰 모델이 항상 우수하다’는 순위표가 아니다. 고자유도 손은 손가락 자세를 다양하게 만들 수 있지만 제어 변수와 교정 항목도 늘어난다. 반복 생산에서는 단순한 그립을 오래 유지하는 021이나 021 S가 더 적합할 수 있고, 접촉 연구와 복잡한 도구 사용에는 021 Pro의 센서 구성이 유리할 수 있다. 최종 선택은 작업물과 필요한 데이터 종류가 결정한다.
| 모델 | 회사가 공개한 구성 | 어울리는 검토 목적 | 확인이 필요한 경계 |
|---|---|---|---|
| DexHand021 Pro | 22 DoF, 50N, 손바닥 전체 멀티모달 센싱, 30만 회 이상 사이클 주장 | 촉각 연구, 복잡한 자세, 고밀도 데이터 수집 | 50N의 시험 자세·방향, 센서 교정, 독립 내구 검증 |
| DexHand021 | 19 DoF, 센서 23개, 텐던 언더액추에이션 | 공구 사용과 안정 파지의 균형 | 센서 종류·주기, 텐던 교체와 장력 관리 |
| DexHand021 S | 8 DoF, 0.6kg, 오픈 SDK | 교육, 빠른 통합, 단순 반복 작업 | 회사가 말한 ‘핵심 기능 80%’의 과업별 정의 |
50N과 30만 회는 물체별 성공률을 대신하지 못한다
50N은 힘의 단위이며 5kg 가반하중과 같은 표현이 아니다. 어느 방향에서 어느 손가락 조합으로 측정했는지, 손목과 로봇 팔이 감당할 수 있는 하중이 얼마인지가 빠지면 실제 물체 무게로 바로 환산하기 어렵다. 30만 회 이상이라는 내구 수치도 회사 발표에 기반한 주장이다. 반복 동작의 각도, 속도, 하중, 온도와 고장 판정 기준이 공개 시험 보고서로 제공되는지 구매 단계에서 확인해야 한다.
현장에서는 힘의 최고값보다 미끄러운 플라스틱 병, 얇은 지퍼백, 변형되는 종이 상자, 손잡이가 있는 공구처럼 실패 방식이 다른 물체를 나눠 본다. 그립 성공 뒤 10초 유지, 이동 중 미끄러짐, 놓을 때 달라붙음, 충돌 뒤 영점 이동을 기록한다. 촉각 센서가 어떤 신호를 만드는지 먼저 알고 싶다면 로봇 촉각 센서의 종류와 한계가 연결된다.
DexTele은 조종 장치보다 ‘시간을 맞춰 기록하는 설비’에 가깝다
DexRobot은 DexTele을 원격조작 하드웨어, 힘제어 휴머노이드 팔, 고자유도 손, 전문 데이터 플랫폼을 통합한 시스템으로 소개한다. 구조·전장·통신·원격조작 알고리즘·데이터 파이프라인을 별도로 2차 개발하지 않고 사용할 수 있다는 설명도 회사 발표에 들어 있다. 그러나 ‘별도 개발 불필요’는 모든 고객 로봇과 저장소에 즉시 연결된다는 보장이 아니라, 회사가 제공하는 표준 구성 안에서의 제품 주장으로 읽어야 한다.
조작 학습에 쓸 한 에피소드에는 여러 시계가 존재한다. 조종자의 손 움직임, 로봇 관절각, 손끝 힘, 촉각 분포, 머리·손목 영상, 깊이 프레임, 성공·실패 라벨이 같은 순간을 가리켜야 한다. 50ms만 어긋나도 영상에서는 접촉 전인데 힘센서에는 충격이 기록될 수 있다. DexTele의 가치는 장치 수보다 이 시간 동기화, 좌표계 정렬, 결측 탐지와 메타데이터 관리가 얼마나 재현 가능하게 제공되는지에서 갈린다.
한 번의 원격조작이 학습 샘플이 되기까지 여섯 단계를 거친다
첫 단계는 작업 정의다. ‘컵을 집는다’가 아니라 시작 위치, 허용 그립, 목표 위치, 성공 판정, 중단 조건을 적는다. 둘째는 조종자와 로봇의 좌표를 맞추고 손·힘센서 영점을 잡는 교정이다. 셋째는 정상 시범뿐 아니라 미끄러짐과 재시도까지 원본으로 기록하는 수집이다. 넷째는 시간축과 좌표계를 맞추고 개인정보나 불필요한 배경을 처리하는 정제다. 다섯째는 학습·검증·시험 세트를 장소와 물체 단위로 분리하는 단계다. 마지막은 정책을 실행해 새로운 실패를 모으는 평가다.
같은 작업을 한 사람이 반복하면 손 습관까지 모델이 배울 수 있다. 숙련도와 신체 크기가 다른 조종자를 섞고, 카메라 위치·조명·물체 배치를 바꿔야 한다. 실패 에피소드를 모두 버리면 모델은 접촉이 틀어졌을 때 돌아오는 행동을 배우지 못한다. 원격조작 데이터의 구조와 품질 기준은 텔레오퍼레이션 데이터 수집 방법에서 더 자세히 이어진다.
| 데이터 단계 | 보존해야 할 정보 | 품질이 무너지는 대표 상황 |
|---|---|---|
| 교정 | 장비 ID, 펌웨어, 좌표 변환, 센서 영점 | 교정 파일 없이 다른 날 데이터를 합침 |
| 수집 | 조종자, 작업물, 성공·실패, 사람 개입 | 성공 영상만 골라 실패 분포가 사라짐 |
| 동기화 | 타임스탬프 원천, 지연 보정값, 드롭 프레임 | 영상과 촉각의 접촉 순간이 어긋남 |
| 정제 | 제외 사유, 원본 해시, 라벨 수정 이력 | 원본을 덮어써 재현과 감사가 불가능함 |
| 학습 분할 | 장소·물체·조종자 단위의 분리 규칙 | 같은 장면이 학습과 시험에 함께 들어감 |
| 실행 평가 | 정책 버전, 성공률, 개입률, 복구시간 | 평균 성공률만 남고 위험한 실패가 가려짐 |
촉각·관절·영상은 서로 다른 질문에 답한다
관절 데이터는 손가락과 팔이 어떤 자세를 만들었는지 보여주지만, 물체가 실제로 미끄러지는지는 모른다. 촉각과 힘은 접촉을 보여주지만 어떤 물체의 어느 부분인지 알려면 영상과 깊이 정보가 필요하다. 자세 데이터는 손과 물체의 공간 관계를 연결한다. 이 모달리티를 함께 모으는 이유는 하나가 빠졌을 때 생기는 모호함을 줄이기 위해서다.
데이터 저장량도 빠르게 커진다. 여러 카메라의 고해상도 영상과 깊이 프레임을 계속 기록하면 관절 벡터보다 훨씬 큰 저장공간과 전송 대역폭이 필요하다. 원본 보존 기간, 압축 코덱, 개인정보 마스킹, 접근 권한과 삭제 기준을 수집 전에 정해야 한다. 클라우드 업로드가 느리다고 영상을 임의로 다운샘플링하면 작은 접촉 실패가 사라질 수 있으므로, 학습용 변환본과 감사 가능한 원본을 구분하는 편이 낫다.
모방학습은 데이터를 넣는 즉시 완성되는 자동화가 아니다
사람 시범을 모으면 ACT 같은 모방학습 정책이나 다른 VLA 계열 모델을 훈련할 수 있다. 그래도 시범 데이터가 다루지 않은 물체, 가림, 충돌, 손상된 부품에서는 정책이 흔들린다. 학습 손실이 낮다는 사실도 실제 성공률을 보장하지 않는다. 독립된 장소와 새로운 물체로 시험하고, 안전 제한을 정책 바깥의 제어 계층에 남겨야 한다.
모방학습과 강화학습의 역할 차이는 로봇 모방학습과 강화학습 비교에서 확인할 수 있다. DexTele로 모은 데이터가 주로 시범 행동을 제공한다면, 이후 실패 복구와 탐색을 어떤 방식으로 보완할지는 별도 설계다. 정책이 예상 범위를 벗어났을 때 즉시 정지하거나 원격조작으로 인계하는 조건도 학습 성능과 분리해 검증해야 한다.
구매 전에는 손보다 데이터 소유권을 먼저 계약해야 한다
DexRobot 공식 뉴스 페이지와 DexRobot 공식 홈페이지는 제품과 문의 경로를 제공하지만, 고객별 가격·납기·데이터 플랫폼 계약은 공개 자료만으로 확정할 수 없다. 특히 DexTele을 연구소나 공장에 들일 때는 생성된 원본 데이터와 파생 모델의 소유권, 외부 전송 여부, 원격 지원 중 접근 가능한 범위, 보존·삭제 책임을 문서화해야 한다.
하드웨어 견적에는 손만 넣지 않는다. 로봇 팔, 조종 장치, 카메라, 컴퓨팅 장치, 저장소, 교정 도구, 예비 텐던과 손가락 모듈, 소프트웨어 라이선스, 교육·현장 지원을 나눠 받아야 총비용이 보인다. 발표문의 ‘비교 제품 대비 5분의 1 비용’과 ‘핵심 기능 80%’는 회사 주장이다. 비교 대상과 구성, 계약 범위가 제시되지 않으면 예산의 확정값으로 쓰지 않는 편이 타당하다.
좋은 파일럿은 첫날부터 많은 데이터를 모으지 않는다. 대표 작업 세 개를 정해 50~100개 에피소드로 동기화와 라벨 품질을 먼저 감사한다. 같은 원본으로 두 사람이 전처리했을 때 같은 결과가 나오는지, 정책 실패를 원본 프레임까지 추적할 수 있는지 확인한 뒤 수집량을 늘려야 한다. 잘못된 파이프라인으로 모은 10만 에피소드보다 재현 가능한 1천 에피소드가 더 값질 수 있다.
에피소드 수보다 ‘학습에 쓸 수 있는 비율’이 데이터 비용을 정한다
원격조작 1천 회를 기록해도 센서 드롭, 교정 오류, 작업 정의 위반, 가려진 카메라 때문에 절반만 사용할 수 있다면 실제 데이터 단가는 두 배가 된다. 수집팀은 총 에피소드와 함께 유효 에피소드 비율을 계산해야 한다. 제외 사유를 장비·조종자·작업물·시간대별로 묶으면 어떤 실패를 먼저 고쳐야 수율이 오르는지도 보인다. 특정 조종자의 데이터만 자주 제외된다면 교육 문제일 수 있고, 손목 카메라 한 대에서만 드롭이 생기면 통신이나 저장 병목을 의심할 수 있다.
재수집 비용에는 조종 시간만 들어가지 않는다. 작업물 배치, 손 교정, 센서 영점, 원본 업로드, 라벨 검수와 개인정보 처리까지 포함된다. 정책 학습 뒤 발견된 라벨 오류를 원본까지 거슬러 수정할 수 있어야 이미 지불한 수집 비용을 살릴 수 있다. 공급사 플랫폼이 독자 형식만 내보낸다면 계약 종료 뒤 데이터 변환비가 커질 수 있으므로, 타임스탬프와 좌표 변환을 포함한 원본 내보내기 사양을 사전에 받는다. 파일럿 성공 기준에는 ‘시간당 수집 건수’와 함께 ‘검수 통과 에피소드당 비용’을 넣는 편이 합리적이다.
자주 묻는 질문
DexHand021 Pro가 항상 가장 좋은 선택인가요?
아니다. 복잡한 촉각 연구에는 유리할 수 있지만, 단순 반복 작업에서는 021이나 021 S의 낮은 제어 복잡도와 유지보수성이 더 맞을 수 있다.
DexTele은 로봇 손 하나를 뜻하나요?
아니다. 원격조작 장치, 힘제어 로봇 팔, 정교한 손과 데이터 플랫폼을 묶어 시범과 멀티모달 데이터를 기록하는 시스템이다.
원격조작 데이터를 모으면 모델이 바로 완성되나요?
아니다. 시간 동기화, 좌표 교정, 정제, 학습 분할, 독립 평가와 안전 제어가 뒤따라야 한다. 실패 장면과 사람 개입도 학습·평가 자산으로 남겨야 한다.
확인한 공식 자료
최종 확인: 2026년 8월 23일