[Paper] Ruka-v2: 텐던 구동 오픈소스 정교한 핸드, 손목 및 외전 기능을 갖춘 로봇 학습용

Source: arXiv - 2603.26660v1

개요

이 논문은 Ruka‑v2를 소개합니다. 이는 오픈‑소스 텐던 구동식 정교한 로봇 손으로, 이전 버전에서 부족했던 두 가지 핵심 기능—2‑DOF 병렬 손목과 손가락 외전/내전—을 추가했습니다. 하드웨어 비용을 저렴하게 유지하면서(≈ $1.3 k) 모든 설계를 완전하게 문서화함으로써, 저자들은 인간 수준의 조작 능력이 필요한 로봇 학습 실험을 수행하려는 연구자와 개발자들의 진입 장벽을 낮추고자 합니다.

주요 기여

• 하드웨어 업그레이드: 분리된 2‑DOF 병렬 손목(굴곡/신전 + 요측/척측 편위) 및 손가락 외전/내전 메커니즘을 도입하면서 기존 11‑DOF 텐드‑구동 손가락 설계를 유지합니다.
• 오픈‑소스 생태계: 모든 CAD 파일, 부품 목록, 조립 가이드, 펌웨어 및 ROS‑호환 컨트롤러 소프트웨어를 관용적인 라이선스로 공개합니다.
• 데이터‑기반 텐드 제어: 새로운 손목 및 외전 관절을 포함하도록 이전 데이터‑기반 모델을 확장하여 텐드 동역학을 포착하고 보다 부드럽고 예측 가능한 움직임을 구현합니다.
• 포괄적인 평가: 원격 조작 작업(13개의 정교한 시나리오)에 대한 사용자 연구를 수행하여 기존 Ruka 대비 작업 완료 시간이 51 % 감소하고 성공률이 21 % 향상됨을 보여줍니다.
• 학습 시연: 양손 및 단일‑팔 원격 조작과 세 가지 조작 작업에 대한 자율 정책 학습을 모두 시연하여 플랫폼이 로봇‑학습 파이프라인에 적합함을 입증합니다.

Source: …

Methodology

1. Mechanical redesign – 손목은 두 개의 서보 모터에 의해 구동되는 평행 연결 구조로 설계되어 굴곡/신전과 요측/척측 편향을 독립적으로 제어할 수 있으며, 손가락 힘줄에 방해를 주지 않습니다. 손가락 외전/내전은 전용 힘줄을 당기는 작고 낮은 프로파일의 슬라이더를 통해 구현됩니다. 모든 부품은 표준 PLA/ABS로 3‑D 프린팅하고, 기성품 서보 모터와 소형 힘줄 라우팅 보드를 사용해 조립합니다.

2. Control architecture – 저자들은 이전 data‑driven controller를 확장합니다: 새로운 손목 및 외전 관절에 대해 보정 데이터(서보 명령 → 관절 각도)를 수집하고, 경량 회귀 모델을 적합시킨 뒤 이를 실시간 ROS 노드에 내장합니다. 컨트롤러는 100 Hz로 실행되며, PWM 신호를 출력하면서 힘줄 탄성 및 백래시를 보상합니다.

3. Evaluation pipeline –

   • User study: 12명의 참가자가 VR 장갑 인터페이스를 통해 손을 원격 조작하여 13개의 벤치마크 작업(예: 얇은 물체 집기, 캐비닛 문 열기)을 수행합니다.
   • Learning experiments: 강화 학습(PPO) 에이전트를 시뮬레이션(MuJoCo)에서 동일한 운동학 모델을 사용해 학습시킨 뒤, 물리적 손에 적용하여 세 가지 작업(물체 재배향, 핀 삽입, 손 안 회전)을 수행합니다.

4. Metrics – 완료 시간, 성공률, 학습 곡선(에피소드 보상)을 기록하고 원래 Ruka 기준과 통계적으로 비교합니다.

Results & Findings

추가된 손목은 제한된 공간에서 부드러운 조작을 가능하게 합니다(예: 팔 전체를 재배치하지 않고 캐비닛 안으로 손을 넣는 경우). 또한 외전 동작을 통해 손이 이전에는 잡을 수 없었던 얇거나 평평한 물체를 잡을 수 있게 됩니다. 사용자들은 보다 “인간‑같은” 느낌을 보고했으며, 학습 실험 결과 풍부해진 행동 공간이 정책 수렴 속도를 크게 높이는 것으로 나타났습니다.

Practical Implications

• Rapid prototyping – 개발자는 3‑D 프린팅과 조립을 통해 $1.3 k 이하의 고자유도 손을 만들 수 있어, 큰 자본 비용 없이 실제 하드웨어에서 새로운 잡기 알고리즘을 테스트하는 것이 가능해집니다.
• Benchmarking platform – 오픈‑소스 스위트(CAD, ROS 드라이버, 시뮬레이션 모델)는 원격 조작 인터페이스, 강화학습 알고리즘, 혹은 촉각 센싱 확장을 비교할 수 있는 표준화된 테스트베드를 제공합니다.
• Industrial use‑cases – 손목이 팔을 움직이지 않고 방사/척골 편향을 수행할 수 있어, 공간이 제한된 자동 캐비닛 적재, 선반 피킹, 섬세한 조립과 같은 응용 분야가 열립니다.
• Research acceleration – 데이터 기반 컨트롤러를 통해 힘줄 역학을 공개함으로써, 손은 수동으로 조정한 PID 게인의 필요성을 줄이고 연구자들이 고수준 인식 및 계획에 집중할 수 있게 합니다.
• Education & outreach – 저비용과 포괄적인 문서화 덕분에 Ruka‑v2는 운동학, 제어, 머신러닝을 다루는 로봇공학 강의에 최적의 교육 도구가 됩니다.

제한 사항 및 향후 작업

• 힘줄 마모 및 보정 드리프트 – 시간이 지남에 따라 힘줄이 늘어나 정확도가 저하될 수 있으며, 현재 시스템은 주기적인 재보정이 필요합니다.
• 페이로드 용량 – 이 핸드는 가벼운 물체(< 200 g)에 최적화되어 있으며, 더 무거운 조작을 위해서는 더 강력한 서보와 보강된 힘줄이 필요합니다.
• 센싱 – 내장된 촉각 또는 힘 센서가 없으며, 이러한 모달리티를 통합하는 작업은 폐루프 그리핑을 가능하게 하기 위한 향후 과제로 남겨져 있습니다.
• 시뮬레이션‑실제 격차 – 저자들이 MuJoCo 모델을 제공하지만, 마찰 및 힘줄 느슨함의 미세한 차이로 인해 여전히 약간의 전이 문제가 발생하며, 이는 도메인 랜덤화나 시스템 식별을 통해 완화될 수 있습니다.

전반적으로, Ruka‑v2는 접근 가능한 정교한 로봇공학의 최전선을 확장하며, 학술 연구와 실제 로봇 조작 사이의 격차를 메우는 실용적이고 오픈소스 플랫폼을 제공합니다.

저자

• Xinqi
• Liu
• Ruoxi Hu
• Alejandro Ojeda Olarte
• Zhuoran Chen
• Kenny Ma
• Charles Cheng Ji
• Lerrel Pinto
• Raunaq Bhirangi
• Irmak Guzey

논문 정보

• arXiv ID: 2603.26660v1
• 분류: cs.RO, cs.AI
• 출판일: 2026년 3월 27일
• PDF: PDF 다운로드