[Paper] YOR: 당신만의 모바일 매니퓰레이터 for Generalizable Robotics

I’m happy to translate the text for you, but I’ll need the actual content you’d like translated. Could you please paste the passage (or the sections) you want rendered into Korean? The source line you provided will stay unchanged at the top, and I’ll preserve all formatting, markdown, and technical terms as requested.

개요

이 논문은 **YOR (Your Own Robot)**이라는 오픈‑소스, 저비용 모바일 매니퓰레이터를 소개합니다. 이 플랫폼은 전방향 이동이 가능한 베이스, 텔레스코픽 리프트, 그리고 그리퍼가 달린 두 개의 관절형 팔을 하나의 모듈식 구조에 통합합니다. $10 k 이하의 부품 비용을 유지함으로써, 저자들은 정교한 전신 이동성과 양손 조작이 더 이상 비싼 연구실에만 국한되지 않음을 보여주며, 보다 넓은 개발자 커뮤니티가 고급 로봇 학습 및 자율성 실험에 참여할 수 있는 길을 열어줍니다.

주요 기여

• 완전 오픈소스 하드웨어 설계 (CAD 파일, 배선도, 부품 목록)로 누구나 시중 부품만으로 로봇을 제작할 수 있음.
• 모듈식 아키텍처는 베이스, 리프트, 듀얼‑암 서브시스템을 분리하여 업그레이드와 수리를 간소화함.
• 전방위 이동이 가능한 베이스 + 텔레스코픽 리프트가 결합되어 6‑DoF 전신 이동성을 제공하며, 이 가격대에서는 드문 조합임.
• 듀얼‑암 양손 작업 능력과 교체 가능한 그리퍼를 통해 협동 조작 작업을 지원함.
• 벤치마크 작업 시연 (자율 내비게이션, 전신 자세 제어, 양손 물체 조작)으로 다수 상용 플랫폼의 성능을 능가하거나 동등함을 입증함.
• ROS 2 기반의 포괄적인 소프트웨어 스택으로 인식, 계획, 제어 모듈을 포함하며 플러그‑앤‑플레이 방식으로 바로 사용할 수 있음.

방법론

저자들은 설계 문제를 세 단계로 접근했습니다:

1. 부품 선택 및 시스템 통합 – 상용으로 구입 가능한 액추에이터, 센서, 컴퓨팅 보드를 조사하여 비용, 신뢰성, 조달 용이성을 균형 있게 만족하는 부품을 선택했습니다. 전방향 이동 베이스는 브러시리스 DC 모터로 구동되는 세 개의 메카넘 휠을 사용하고, 리프트는 정밀한 높이 제어를 위해 내장 인코더가 있는 리니어 액추에이터를 사용합니다.

2. 모듈식 기계 설계 – 파라메트릭 CAD 모델을 활용하여 각 서브시스템(베이스, 리프트, 팔)을 독립적으로 3D 프린트하거나 CNC 가공할 수 있도록 설계했습니다. 패스너와 표준 커넥터를 사용해 특수 도구 없이도 빠르게 조립할 수 있습니다.

3. 소프트웨어 아키텍처 – ROS 2 기반 프레임워크가 인식(RGB‑D 카메라, LiDAR), 계획(MoveIt 2를 이용한 팔 궤적, Nav2를 이용한 내비게이션), 전신 제어(리프트와 베이스를 추가 관절로 취급하는 맞춤형 역기구학 솔버)를 연결합니다. 이 스택은 컨테이너화되어 단일 온보드 PC(예: NVIDIA Jetson AGX)에서 재현 가능한 배포가 가능합니다.

팀은 플랫폼을 검증하기 위해 다양한 역량을 시험하는 대표적인 작업 세트를 프로그래밍했습니다: 목표 위치로 이동, 선반에 도달하기 위해 리프트를 올리는 작업, 그리고 양쪽 팔을 사용해 물체를 집어 전달하는 작업.

Results & Findings

*Numbers are taken from publicly available specs of platforms such as the Fetch robot and the Toyota HSR.

주요 요점

• 비용‑성능 비율: YOR은 가격의 일부에 불과하면서도 비교 가능한 네비게이션 및 조작 성공률을 제공합니다.
• 전신 협동: 통합된 리프트와 전방향 이동 베이스가 매끄럽고 충돌 없는 움직임을 가능하게 하며, 이는 별도의 계획 파이프라인이 필요할 경우와 대비됩니다.
• 복제 용이성: 모든 하드웨어 파일과 제작 지침 덕분에 저자들의 두 번째 연구실이 2주 이내에 로봇을 재현했으며, 설계의 재현성을 확인했습니다.

실용적 의미

• 로봇 학습 연구를 위한 빠른 프로토타이핑 – 개발자는 이제 고가의 하드웨어를 기다릴 필요 없이 인식‑동작 파이프라인(예: 비전 기반 그리핑, 강화 학습)을 반복적으로 실험할 수 있습니다.
• 교육 및 훈련 – 대학과 부트캠프는 여러 대의 YOR 유닛을 실험실에 배치할 여유가 생겨, 학생들에게 모바일 매니퓰레이션을 직접 체험하게 할 수 있습니다.
• 산업 파일럿 – 중소기업은 고급 플랫폼에 투자하기 전에 창고 픽‑앤‑플레이스, 재고 스캔, 서비스 로봇 활용 사례 등을 테스트할 수 있습니다.
• 오픈소스 생태계 성장 – ROS 2 중심의 소프트웨어 스택은 커뮤니티 기여(새 그리퍼, 센서 패키지, 고수준 스킬 라이브러리 등)를 장려하여 혁신을 가속화합니다.
• 모듈식 업그레이드 – 각 서브시스템이 독립적이므로, 팀은 예산이 허용되는 한 더 높은 토크의 팔, 더 좋은 카메라, 혹은 더 강력한 컴퓨트 보드로 교체할 수 있어 로봇의 수명을 연장할 수 있습니다.

제한 사항 및 향후 작업

• Payload constraints – 현재 팔은 약 1 kg으로 제한되어 있어 무거운 물체를 조작하기 어렵습니다; 향후 개정에서는 더 높은 용량의 액추에이터를 통합할 수 있습니다.
• Robustness in harsh environments – 설계가 실내 연구실을 목표로 하고 있어, 현장 배치를 위해서는 방진, 방수 및 보다 견고한 섀시가 필요합니다.
• Scalability of control – 전체 몸체 역기구학(inverse‑kinematics)은 자유도(degrees of freedom)가 늘어날수록 계산량이 증가합니다; 저자들은 실시간 성능을 유지하기 위해 학습 기반 컨트롤러(learning‑based controllers)를 탐구할 계획입니다.
• User studies – 벤치마크 작업은 시연되었지만, 다양한 전문성을 가진 개발자를 대상으로 한 체계적인 사용성 연구는 아직 진행 중이며 학습 곡선을 정량화해야 합니다.

저자들은 YOR를 커뮤니티 피드백을 통해 진화하는 살아있는 플랫폼으로 구상하고 있으며, 저비용 취미 로봇과 고성능 연구용 매니퓰레이터 사이의 격차를 점진적으로 좁혀 나갈 것입니다.

저자

• Manan H Anjaria
• Mehmet Enes Erciyes
• Vedant Ghatnekar
• Neha Navarkar
• Haritheja Etukuru
• Xiaole Jiang
• Kanad Patel
• Dhawal Kabra
• Nicholas Wojno
• Radhika Ajay Prayage
• Soumith Chintala
• Lerrel Pinto
• Nur Muhammad Mahi Shafiullah
• Zichen Jeff Cui

논문 정보

• arXiv ID: 2602.11150v1
• 카테고리: cs.RO, cs.LG
• 출판일: 2026년 2월 11일
• PDF: PDF 다운로드