Chapter 2: 팔과 손을 고른다 — 목적별 네 가지 권장 구성

개요

로봇 팔과 손을 고를 때 가장 흔한 실수는 카탈로그의 자유도, 가반하중, 촉각점 수를 큰 숫자부터 비교하는 것이다. 그러나 실제 연구 일정은 다른 곳에서 무너진다. 플랜지 어댑터가 없거나, 드라이버가 설치한 ROS 2 배포판과 맞지 않거나, 손을 단 뒤 손목 허용 모멘트를 넘거나, 충돌 메시가 부정확하거나, 고장 난 손가락을 수리하는 동안 실험이 멈춘다. 따라서 이 장의 질문은 “가장 좋은 로봇은 무엇인가?”가 아니라 “내 첫 과제를 완수하면서도 제어·계측·정비·안전 경계를 검증할 수 있는 가장 단순한 조합은 무엇인가?”이다.

답은 하나가 아니다. 여기서는 목적을 네 단계로 나눈다. 저비용으로 leader–follower와 데이터 기록을 배우는 셀, 반복적인 pick-and-place를 안정적으로 수행하는 셀, 관절 토크와 순응 제어를 연구하는 셀, 촉각을 이용해 접촉이 풍부한 다지 조작을 연구하는 셀이다. 각각은 “상위·하위 제품”이 아니라 서로 다른 실패를 사는 구성이다. 낮은 단계의 셀은 기능이 적지만 원인을 빨리 찾을 수 있고, 높은 단계의 셀은 표현력이 크지만 통합·보정·수리 부담도 함께 커진다.

이 장의 제품·소프트웨어 상태는 2026-07-14 기준이다. 가격은 지역, 교육 할인, 옵션, 관세와 지원 계약에 따라 빨리 변하므로 검증되지 않은 숫자를 싣지 않는다. 대신 견적요청서, 구매 승인, 입고검사에서 무엇을 확인할지를 제공한다. 카메라·VR·글러브·GPU·테이블과 안전 치구의 상세 선택은 (Chapter 3), ROS 2와 실제 컨트롤러의 연결은 (Chapter 4)에서 이어진다.

이 장을 읽고 나면... - 과제의 가반하중·도달거리·제어·센싱 요구를 팔–손 구매 조건으로 바꿀 수 있다. - UR5e와 Franka Research 3를 단순 순위가 아니라 서로 다른 제어 계약으로 비교할 수 있다. - 평행 그리퍼와 5지 핸드 중 어느 쪽이 첫 실험의 실패를 더 싸게 만드는지 판단할 수 있다. - 네 가지 권장 구성의 BOM, 통합 위험, 안전·장착 조건, “아직 사지 않을 것”을 설명할 수 있다. - 견적 전 드라이버·플랜지·시뮬레이터 호환성을 Codex에 점검시키는 제한된 프롬프트를 작성할 수 있다.

1. 먼저 “팔”과 “손”을 하나의 도구로 계산한다

팔 제조사가 말하는 payload는 손에 들 물체의 질량만 뜻하지 않는다. 실제 wrist payload에는 그리퍼 또는 핸드, 플랜지 어댑터, 손가락, 손목 힘/토크 센서, 케이블 가이드, 카메라, 그리고 물체가 모두 들어간다. 더 중요한 것은 총질량만이 아니다. 무게중심이 플랜지에서 멀어지면 같은 질량도 손목 모멘트를 더 크게 만든다. 공급사에 “3 kg을 들 수 있는가?”만 묻지 말고, 완성된 도구의 질량 m, 플랜지에서 무게중심까지의 벡터 r, 작업 자세와 가속도에서 허용되는 모멘트와 관성을 확인해야 한다.

첫 계산은 보수적으로 한다. tool mass = hand + adapter + fingers + wrist sensor + cable allowance + maximum object를 만들고, CAD가 없으면 각 부품의 가장 먼 무게중심을 사용한다. 그다음 대표 자세 세 개—팔을 접은 홈 자세, 테이블 중앙 접근, 최대 수평 도달—에서 제조사 load diagram 또는 지원 엔지니어의 서면 확인을 받는다. “정격 payload 이하”는 필요조건일 뿐 충분조건이 아니다. 고자유도 핸드는 케이블과 손목 어댑터가 길어지기 쉽고, 빠른 방향 전환은 정적 무게보다 더 큰 관성 부하를 만든다.

반복정밀도도 정확도와 구분한다. ISO 9283은 pose accuracy와 pose repeatability 같은 성능을 정의하고 시험 조건을 요구한다. 카탈로그의 repeatability가 작아도 base–world, tool-center-point(TCP), camera extrinsic이 틀리면 물체 좌표의 절대 정확도는 나빠진다 ^[4]. 따라서 Chapter 2의 스펙은 후보를 거르는 근거이고, Chapter 9의 보정은 실제 셀을 믿게 만드는 근거다.

2. UR5e와 FR3는 같은 가격표의 대체재가 아니라 다른 제어 계약이다

팔을 고르는 가장 유용한 축은 “산업용인가 연구용인가”라는 라벨보다 어디까지 제어하고 어디까지 제조사 컨트롤러에 맡기는가이다. UR 계열은 산업 현장의 설치, teach pendant, 주변기기와의 통합, 표준화된 운용을 강하게 지원하는 생태계가 장점이다. Franka Research 계열은 7축 redundancy, 관절 토크 센싱, 빠른 연구 제어 인터페이스와 impedance 연구가 핵심이다. 어느 쪽도 모든 과제에서 우월하지 않다.

2026-07-14에 확인한 현재 UR5e 공식 사양은 정격 payload 5 kg, reach 850 mm, ISO 9283 기준 pose repeatability ±0.03 mm, system update frequency 500 Hz, 팔 질량 20.7 kg을 제시한다 ^[1]. 이 숫자는 완성 도구를 허용한다는 보증이 아니다. 예를 들어 1 kg 그리퍼와 긴 손가락, 손목 카메라, 2 kg 물체를 합치면 질량은 범위 안일 수 있어도 자세별 wrist moment와 충돌 여유는 따로 검토해야 한다.

같은 날짜에 확인한 Franka Research 3 자료는 7 DoF, 정격 payload 3 kg, reach 855 mm, repeatability <±0.1 mm, 1 kHz Franka Control Interface를 기술한다 ^{[2] [3]}. 데이터시트에는 관절 토크 한계와 Cartesian stiffness 범위도 있지만, 설정 가능한 stiffness가 실제 접촉에서 보장되는 stiffness와 같다는 뜻은 아니다. 손가락 패드, 테이블, 물체, 내부 필터와 지연이 폐루프 거동을 함께 결정한다.

따라서 UR5e와 FR3는 그대로 맞바꿀 수 없다. UR5e 근거는 더 큰 정격 payload와 산업 컨트롤러·주변기기 생태계를 강조하고, FR3 근거는 토크 센싱과 연구 제어 접근을 강조한다 ^{[1] [3]}. 이는 보편 순위가 아니라 능력 비교다. 반복 pick-and-place와 공정 주변기기 통합이 목표면 UR5e의 계약이 단순할 수 있다. 작은 접촉력을 다루고 joint torque/impedance를 실험 변수로 삼으면 FR3가 더 직접적이다.

대표 대안은 목적이 분명할 때만 본다. Kinova Gen3는 Kortex API와 공식 Ubuntu/ROS 지원 경로가 필요한 이동형·연구형 랩에서 검토할 만하다 ^[7]. xArm 계열은 더 낮은 진입비용의 상용 arm과 Python/C++/ROS 인터페이스를 원할 때 후보가 되지만, “xArm”이라는 이름이 여러 payload/reach 모델을 포함하므로 정확한 변형의 manual과 safety scope를 다시 확인해야 한다 ^[8]. OpenArm은 leader–follower와 LeRobot, 공개 robot description을 한 흐름으로 실험하려는 팀에 매력적이지만, 젊은 생태계이므로 revision pin, 부품 공급, CAN 구성과 현지 지원을 더 엄격히 본다 ^{[10] [11]}.

SO-101은 팔 관절 다섯 개와 gripper motor 한 개, 즉 총 여섯 개 motor로 구성되고 robot ID별 calibration을 저장한다. 따라서 조립–보정–teleoperation–recording을 배우는 저비용 루프로는 좋지만 산업용 cobot의 대체재는 아니다 ^[9]. backlash, 열, 작은 작업 공간과 비인증 셀이라는 경계를 받아들이면, 초심자가 expensive failure 없이 action/state/camera timestamp의 의미를 배우기에 오히려 적합하다.

3. 평행 그리퍼부터 시작할지, 다지 핸드로 갈지

대부분의 첫 tabletop 과제에는 2지 평행 그리퍼가 맞다. action space가 opening 하나로 작고, collision geometry와 TCP가 단순하며, custom finger를 출력해 물체 형상에 맞출 수 있다. 실패도 “접근 pose가 틀림, 폭이 안 맞음, 힘이 과함, 표면 마찰이 부족함”으로 나누기 쉽다. 반면 다지 핸드는 손바닥 접촉, finger gaiting, regrasp, in-hand rotation 같은 능력을 열어 주지만, joint coupling, tendon slack, tactile calibration, self-collision, retargeting과 정비라는 새로운 실패원을 산다 ^[22].

Robotiq 공식 자료에서 2F-85는 85 mm stroke와 20–235 N의 문서상 force range를 제공하고, 2F-140은 force를 낮추는 대신 140 mm stroke를 제공한다 ^{[12] [13]}. 하지만 설정값을 fingertip force의 정확한 계측으로 읽으면 안 된다. 실제 유효 힘은 finger geometry, 접촉 위치, 물체, 가속도와 manual의 전제에 달린다. 넓은 물체 때문에 2F-140을 택했는데 긴 손가락 끝에서 필요한 힘을 못 내는 경우가 대표적이다.

Franka Hand는 질량 0.73 kg, travel 80 mm, continuous grasp force 30–70 N을 명시하며 FR3와 기계·전기적으로 통합되는 경로를 제공한다 ^[14]. 가장 큰 장점은 최고 성능이 아니라 통합 변수의 수를 줄인다는 점이다. 다만 두 손가락을 독립 구동하지 못하고, 긴 custom finger는 검증된 geometry 밖의 tilting load를 만들 수 있다.

평행 gripper의 custom finger는 싼 성능 향상 수단이다. V-groove는 원통을 정렬하고, 넓고 부드러운 pad는 pouch나 얇은 box의 압력을 낮추며, 얇은 끝은 table에서 작은 물체를 scoop하기 쉽다. 그러나 finger를 길게 만들수록 payload diagram, collision mesh, 휨과 TCP 오차를 다시 계산해야 한다. 3D-printed finger는 시제품에는 좋지만 sharp edge, layer separation, 음식·화장품 오염, 반복 청소, fastener 풀림을 별도로 평가한다.

다지 핸드는 “손가락이 다섯 개”라는 외형으로 분류하면 실패한다. 중요한 것은 active actuator 수, coupling, joint/torque state, tactile surface, control rate, hand mass, host interface와 simulator model이다. 고자유도는 명령할 축이 많다는 뜻이지, 각 fingertip의 힘을 정확하게 제어하거나 물체를 안정적으로 돌린다는 보증이 아니다. 고전적인 grasp mechanics는 contact Jacobian과 grasp matrix를 통해 joint torque, contact force와 object wrench가 연결됨을 보여 주며, 그 연결을 쓰려면 접촉 위치·마찰·구동 의미가 필요하다 ^[21].

Shadow Dexterous Hand E는 다섯 손가락, 24 movements, 20 actuated DoF를 갖는 반면 Allegro V4는 네 손가락과 16 active DoF를 갖는다 ^{[15] [16]}. Allegro를 “5지 핸드”라고 부르면 안 되지만, 공개 연구와 in-hand benchmark의 기준 플랫폼으로는 여전히 가치가 있다. Shadow는 사람 손 형상과 높은 독립성을 제공하지만 full system mass가 약 4.3 kg이어서 3 kg급 FR3에는 물체와 adapter를 더하기 전부터 부적합하고, 5 kg급 UR5e에도 여유가 매우 작다. 충분한 wrist payload와 moment를 갖는 arm, 짧은 adapter와 별도 통합 검토가 필요하다.

Inspire RH56DFX는 다섯 손가락이지만 controlled DoF가 여섯 개인 계열이므로, 손가락 수가 독립 fingertip authority의 대리변수가 아님을 잘 보여 준다 ^{[17] [24]}. coupling은 결함만은 아니다. 단순 grasp를 적은 명령으로 만들고 질량과 통합 부담을 줄일 수 있다. 대신 임의의 12-joint configuration이나 섬세한 finger gait를 요구하는 과제에는 제한이 된다.

Unitree Dex5-1P는 hand당 pressure sensor 94개를 명시하지만 기본 Dex5-1 row에는 tactile array가 없고, PSYONIC Ability Hand는 motor 6개와 touch sensor 30개를 노출한다. 이들의 sensing, calibration, logging과 service workflow는 다르다 ^{[18] [19] [20]}. 제조사가 센서 개수를 공개했다는 사실은 calibrated force accuracy, bandwidth, drift나 task success를 입증하지 않는다. 구매 전 raw packet schema, timestamp, saturation, replaceability와 calibration tool을 받아야 한다.

다지 핸드 구매는 flange adaptation, payload·inertia 확인, cable routing, collision geometry, spare parts, zero calibration, controller access와 simulator asset이 확보되기 전에는 끝난 것이 아니다 ^{[15] [19] [21]}. “핸드 한 개” 견적보다 complete installed tool 견적을 요청해야 하는 이유다.

4. 네 가지 권장 구성 한눈에 보기

아래 네 구성은 예산 순위가 아니라 학습 목표와 통합 위험의 순서다. Configuration A에서 배운 dataset schema는 B–D에도 재사용할 수 있지만, A의 servo와 안전 가정을 산업 cobot에 복사해서는 안 된다. B에서 검증한 pick/place pipeline은 C의 torque experiment 출발점이 될 수 있지만, position success가 contact safety를 증명하지 않는다. D는 A–C의 commissioning 역량이 있는 팀이 선택해야 한다.

여기서 “UR5e급 payload 검증 arm”은 모델 이름만 보고 결합하라는 뜻이 아니다. Dex5-1의 hand mass, adapter, cable, wrist sensor, object를 합쳐 UR5e의 자세별 load 조건을 통과하고 공급사 양쪽이 mechanical/electrical interface를 확인했을 때만 조합한다. 통과하지 않으면 더 높은 wrist capability의 arm을 찾거나 더 가벼운 hand로 내려간다. Shadow급 시스템을 쓰려면 4.3 kg 주변의 hand system 자체가 차지하는 payload와 moment 때문에 UR5e/FR3 기본 조합을 출발점으로 삼지 않는다 ^[15].

5. 구성 A — 가장 싼 완전한 학습 루프

무엇을 달성하는가

Configuration A의 목표는 작은 로봇으로 큰 로봇 흉내를 내는 것이 아니다. operator action → follower command → joint state → camera frame → episode file → replay라는 한 바퀴를 완성하는 것이다. SO-101 leader와 follower, 기본 gripper, 고정된 tabletop mat, 한두 개의 저가 카메라, 충분히 짧은 USB 연결로 시작한다. 컴퓨팅은 assembly·teleoperation·recording을 안정적으로 돌리는 노트북 또는 데스크톱이면 되고, 대규모 학습 GPU는 데이터 스키마와 task definition이 고정된 뒤 산다.

가능한 과제는 가벼운 block 옮기기, cup을 지정 영역에 놓기, 두 pose 사이 반복, 사람이 leader를 움직여 20–50 episode를 기록하고 재생하는 것이다. 정확한 connector insertion, 무거운 object, 빠른 cycle, contact force 연구는 범위 밖이다. 성공 KPI는 최고 success rate보다 calibration을 새로 한 뒤 같은 ID로 불러오는지, timestamp가 단조 증가하는지, dropped frame을 감지하는지, 잘못된 episode를 재현할 수 있는지다 ^[9].

최소 BOM과 acceptance gate

이 구성에서 사지 않을 것은 expensive glove, VR headset, tactile hand, workstation GPU다. 먼저 leader가 가장 투명한 teleop 장치다. follower와 같은 joint semantics를 가져 retargeting 문제를 줄이기 때문이다. 카메라와 GPU 선택은 Chapter 3의 VLA-ready logging 조건을 읽고 한 번에 확정한다.

6. 구성 B — 견고한 pick-and-place와 ROS 2 통합

왜 UR5e + 2F-85인가

Configuration B는 “연구실에서 매일 켜서 같은 실험을 다시 하는” 셀이다. UR5e의 도달거리와 payload envelope 안에서 Robotiq 2F-85를 짧은 공식 또는 검증된 adapter로 장착하고, 처음에는 stock finger를 쓴다. UR용 공식 integration 경로, controller 상태, teach pendant와 주변기기 생태계를 활용해 arm 문제와 perception 문제를 분리한다 ^{[1] [13]}. 대상이 85 mm보다 넓다고 바로 2F-140을 주문하지 말고, 필요한 opening, grasp depth, force, finger collision을 물체 세트로 시험한다.

가능한 과제는 table pick/place, tray loading, simple machine tending, AprilTag 또는 depth camera 기반 pose grasp, MoveIt 2 계획과 실제 trajectory 실행이다. contact-rich in-hand manipulation과 작은 force control은 주목표가 아니다. position-controlled pick/place에서 95%가 나왔다고 삽입이나 surface contact에 안전한 것도 아니다.

셀 구성과 안전

팔 베이스는 얇은 이동식 테이블이 아니라 계산된 구조물 또는 충분히 보강된 bench에 체결한다. maximum reach에서 arm과 payload가 만드는 overturning moment, bolt pattern, table resonance를 본다. cable은 tool flange 근처에서 service loop를 만들되 wrist rotation에 말려들지 않게 하고, gripper cable과 camera cable을 분리 가능한 strain relief로 고정한다. 작업 공간에는 robot base, table, fixture, camera mast와 operator가 모두 포함된다.

ISO 10218-1:2025는 industrial robot 자체의 안전 요구를, ISO 10218-2:2025는 application과 cell integration을 다룬다 ^{[5] [6]}. “collaborative robot” 구매가 application risk assessment를 대신하지 않는다. 날카로운 custom finger, pinch point, 떨어지는 물체, 카메라 mast, 자동 재시작은 arm의 내장 기능 밖에서 생기는 hazard다. 현지 법규와 기관 EHS 담당자, 자격 있는 통합 검토를 별도로 거친다.

구매·acceptance checklist

1. 정확한 controller generation, PolyScope/firmware, ROS 2 driver branch, OS와 지원 ROS 2 distribution 조합을 견적서 부속 문서로 고정한다.
2. arm, controller, teach pendant, e-stop, power cable, tool I/O option, gripper, coupling, fingertips, license와 training이 모두 포함됐는지 확인한다.
3. vendor demo에서 payload가 없는 “공중 동작” 대신 실제 adapter와 대표 object를 달고 세 pose를 실행한다.
4. protective stop, network loss, gripper communication loss, stale command, application restart 후 동작을 시연받는다.
5. URDF/xacro, collision mesh, TCP, payload/CoM 입력, gripper state와 fault code를 로그로 받을 수 있는지 확인한다.
6. spare fingertips, coupling fastener, gripper cable과 예상 수리 turnaround를 문서화한다.

아직 tactile hand와 custom long finger를 사지 않는다. stock finger와 simple fixture로 baseline을 만든 뒤 실패 object만 모아 finger를 설계한다. perception이 불안정한데 5지 손으로 바꾸면 grasp 후보, hand posture와 sensing failure가 한꺼번에 늘어난다.

7. 구성 C — 관절 토크와 순응을 실험 변수로 만든다

Configuration C는 FR3와 Franka Hand로 시작한다. 같은 공급사 조합은 flange, 전원, software object와 기본 model의 통합 변수를 줄인다. 핵심 산출물은 “물체를 들었다”가 아니라 Cartesian stiffness, collision threshold, approach velocity, contact force proxy, controller rate와 failure log를 바꿨을 때 결과가 어떻게 달라지는지 설명하는 것이다 ^{[3] [14]}.

가능한 첫 과제는 foam block grasp, 저속 peg approach, 표면을 따라 일정한 작은 힘으로 이동하기, collision threshold를 넘지 않는 compliant handover다. 고속 force control, 날카로운 tool, 사람이 가까이 있는 무감독 실험은 초기에 제외한다. Franka Control Interface를 쓰는 host는 vendor가 요구하는 network와 real-time 조건을 만족하고, 일반 학습 workload와 low-level loop를 같은 불확실한 스케줄러에 섞지 않는다.

이 구성에 무거운 5지 핸드를 바로 달지 않는다. 3 kg rated payload 안에서 Franka Hand, adapter와 object를 사용해 control contract를 먼저 배운다. Allegro처럼 더 가벼운 research hand를 고려할 수 있지만 네 손가락이며 별도 adapter, CAN/host, collision model과 simulator integration이 필요하다 ^[16]. Shadow Hand E는 mass 때문에 FR3의 기본 end-effector 후보가 아니다 ^[15].

힘이 포함된 demonstration을 장기적으로 수집하려면 hardware choice가 action representation을 결정한다. DexForce는 force-informed action이 힘을 무시한 action보다 유리한 과제를 보여 주지만, 그 결과는 특정 플랫폼과 gain tuning에 묶여 있다 ^[25]. 관련 Terry 글은 한국어와 영어에서 볼 수 있다. 이 연구를 따라 하기 전에 FR3 log에서 어떤 힘·토크·stiffness·contact proxy가 실제로 동기화되는지 먼저 정한다.

8. 구성 D — 촉각 다지 조작을 위한 고위험 연구 셀

Configuration D의 목표는 “사람 같은 손을 보유”하는 것이 아니라 손바닥과 여러 fingertip을 이용한 regrasp, slip 관측, object rotation, teleoperation data를 재현 가능하게 연구하는 것이다. 권장 출발점은 완성 도구 load를 통과한 UR5e급 arm과 Unitree Dex5-1 같은 비교적 가벼운 5지 tactile 후보다. 단, public product page만으로는 ROS 2 package, calibrated tactile units, control rate under load, URDF collision quality와 long-term support가 충분히 확정되지 않으므로 아래 pre-purchase audit를 통과할 때만 주문한다 ^{[18] [19]}.

단순 power grasp와 human-like appearance가 목표면 Inspire RH56DFX나 PSYONIC Ability Hand처럼 actuator 수를 줄인 coupled hand가 통합을 단순화할 수 있다 ^{[17] [20]}. 반대로 independent fingertip trajectory, research baseline과 넓은 논문 생태계가 중요하면 Allegro의 네 손가락이라는 morphology를 받아들이거나, 더 무겁고 복잡한 Shadow를 감당해야 한다. “5지” 요구와 “독립 손가락 제어” 요구가 같지 않다는 점이 구매 gate다.

주문 전에 공급사로부터 받아야 할 것

첫 달 과제는 cube rotation이 아니다. (1) 모든 joint의 sign과 zero 확인, (2) 한 finger씩 작은 command, (3) unloaded tactile baseline과 drift, (4) 한 물체의 static grasp, (5) 동일 grasp 100회 반복, (6) 한 단계 regrasp 순서로 간다. 성공률뿐 아니라 joint error, tactile saturation, missed packet, temperature, calibration ID, intervention과 damaged pad를 기록한다.

다지 teleoperation을 계획한다면 hand를 먼저 사고 glove를 나중에 맞추지 않는다. DexUMI는 인간 손을 dexterous hand interface로 사용해 두 플랫폼에서 학습을 보였지만 hand-specific exoskeleton과 rigid camera relation 같은 조건이 있다 ^[26]. 관련 Terry 글은 한국어와 영어로 연결된다. 장치의 human joint vector를 robot joint angle로 그대로 복사하지 말고, fingertip pose, grasp aperture, contact intent 중 무엇을 보존할지 Chapter 8의 retargeting 설계로 넘긴다.

두 손을 동시에 사지 않는 것도 중요한 전략이다. 한 손으로 adapter, driver, zero, tactile log, simulator와 spares를 검증한 뒤 bimanual 요구가 확인될 때 두 번째를 주문한다. 양손은 장비 두 배가 아니라 calibration pair, collision pair, cable pair, time synchronization과 operator mapping까지 늘린다.

9. 네 구성의 소프트웨어·시뮬레이터 생태계를 구매 전에 점검한다

이 장은 software 설치 장이 아니지만, hardware purchase가 소프트웨어 계약을 고정한다. “ROS 2 지원”은 binary가 있다는 뜻인지, source build만 되는지, ros2_control hardware interface를 제공하는지, vendor bridge topic만 제공하는지 다르다. “Isaac Sim 지원”도 official articulation asset, community URDF import, visual-only model 중 무엇인지 구분해야 한다. “MuJoCo model 제공”은 actuator, joint limit, contact와 tendon parameter가 검증됐는지 확인해야 한다.

OpenArm처럼 공개 description과 fake hardware flag, namespace 구조를 문서화한 플랫폼은 custom integration을 배우기에 좋다 ^[10]. 그러나 문서가 잘 보인다는 것과 장기 field history가 있다는 것은 다르다. 반대로 오래된 arm도 새 ROS 2 distribution과 최신 SDK가 자동 지원되는 것은 아니다. 하드웨어 revision, controller firmware, OS image, compiler, SDK, ROS 2 package commit을 한 줄의 compatibility tuple로 기록한다.

10. Codex에 맡길 수 있는 구매 전 감사 프롬프트

Codex는 vendor manual, repository와 현재 workspace를 대조해 누락을 찾는 데 유용하다. 하지만 safety rating을 판정하거나, 실물 robot에 연결해 motion을 허가하거나, 없는 driver support를 추측하게 해서는 안 된다. 아래 prompt는 결과물을 read-only audit report로 제한한다. 실제 코드를 요청하기 전에 이 보고서를 사람이 검토한다.

Prompt A — arm–hand BOM과 payload 감사

당신은 로봇 셀의 구매 전 compatibility auditor다. 코드를 작성하거나 로봇에 접속하지 말고,
내가 제공하는 (1) arm exact model/manual, (2) hand/gripper manual, (3) adapter drawing,
(4) wrist sensor/camera 정보, (5) maximum object와 대표 pose 목록만 읽어라.

다음 표를 만들어라: component, mass, CoM, inertia/source, flange/interface, power,
communication, cable constraint, uncertainty. Tool mass에 hand, adapter, fingers,
sensor, cable allowance, object를 모두 포함하라. 제조사 load diagram이나 wrist moment
근거가 없으면 PASS를 만들지 말고 UNKNOWN으로 표시하라. 각 대표 pose에 대해 확인할
문서를 적고, 충돌·도달거리·TCP·spare-part 누락을 별도 목록으로 만들라.

출력은 (a) 확인된 사실과 URL/문서 페이지, (b) 가정, (c) blocker,
(d) 공급사에 보낼 15개 이하 질문, (e) 구매하지 말아야 할 조건이다.
가격을 추측하거나 safety certification을 선언하지 말라.

Prompt B — driver와 simulator 자산 감사

이 workspace의 package tree와 내가 제공한 공식 vendor repositories만 읽어라.
real robot command를 실행하거나 파일을 수정하지 말라. Exact hardware revision,
controller firmware, Ubuntu, ROS 2 distribution, SDK/lib version, driver commit,
hand firmware를 compatibility tuple로 정리하라.

각 항목을 official-supported / community-only / source-build-required / unknown으로 분류하고,
URDF/xacro, SRDF, ros2_control interface, joint limits, transmissions, collision meshes,
MoveIt config, Isaac asset, MJCF, example logs의 존재와 license를 확인하라.
README 문구만으로 compatible이라고 결론 내리지 말고 release/tag/CI matrix를 인용하라.

최종 결과는 변경 없는 audit.md 내용으로만 제안하라. blocker가 있으면 최소 재현 명령은
simulation 또는 fake hardware로 제한하라. 실물 motion, torque command, safety bypass,
자동 dependency upgrade는 제안하지 말라.

Prompt C — 입고 acceptance test 계획

내가 선택한 arm-hand BOM과 기관의 승인된 safety boundary를 바탕으로,
입고 acceptance plan을 작성하라. 코드는 만들지 말라. 검사를 inventory, visual/mechanical,
electrical-disabled, network-disabled-drive, small-joint-motion, Cartesian, gripper/hand,
fault-injection, 2-hour repeatability 순서로 나누라.

각 검사에 owner, prerequisite, measured signal, pass threshold, stop condition,
saved artifact를 넣어라. threshold가 manual에 없으면 UNKNOWN으로 두고 담당자 승인을 요구하라.
E-stop과 protective stop 권한은 robot safety controller와 현장 담당자에게 남겨라.
LLM이 real-time/safety authority가 되지 않게 하라.

좋은 prompt의 특징은 제품명을 많이 넣는 것이 아니라 exact revision, authority, output file과 stop condition을 고정하는 것이다. “VR을 연결해서 robot을 움직여 줘”는 나쁜 요청이다. frame, scale, rate, stale-input behavior, workspace와 fake-hardware test가 빠져 있기 때문이다. Chapter 8에서는 이를 IK와 leader–follower loop prompt로 확장한다.

11. 근거의 등급, 논쟁점과 남은 한계

이 장의 숫자는 두 종류의 근거에서 왔다. UR5e, FR3, gripper와 hand의 질량·DoF·interface는 공식 manual, datasheet와 product page라는 1차 기술 근거다. 이것은 해당 revision의 명세와 지원 표면을 말하지만, 서로 다른 제품의 독립 성능 순위를 증명하지 않는다. Salisbury, Bicchi, DexForce와 DexUMI 같은 논문은 grasp mechanics, design trade-off 또는 특정 실험 결과라는 학술 근거다. 그 결과도 해당 hand, task, controller와 protocol 밖으로 자동 일반화되지 않는다.

회사 demonstration은 attainable behavior의 단서이지 benchmark가 아니다. bucket을 드는 영상은 standardized payload test가 아니고, tactile point 수는 force accuracy가 아니며, “1 kHz communication”은 end-to-end closed-loop bandwidth가 아니다. analyst/news claim은 공급망 탐색에 쓸 수 있지만 구매 승인 근거로 쓰지 않는다. 실제 견적은 date-stamped quote로 별도 보관하고 이 장의 비교표에는 넣지 않았다.

첫 번째 논쟁은 산업 robustness와 연구 control access 사이의 선택이다. UR5e는 “덜 연구적인 팔”이고 FR3는 “더 좋은 팔”이라는 해석은 틀리다. B 셀은 controller behavior가 안정적이고 service가 빠른 것이 연구 재현성을 높인다. C 셀은 joint torque와 impedance access가 연구 질문 자체다. 과제, payload, mode와 failure evidence가 다른 비교를 하나의 점수로 줄이지 않는다.

두 번째 논쟁은 평행 gripper 대 dexterous hand다. 다지 hand가 가능한 grasp set은 넓지만, 처음 필요한 성공이 fixture에 놓인 bottle pick라면 2F gripper와 custom finger가 더 높은 연구 throughput을 낼 수 있다. 반대로 object를 손에서 돌리거나 여러 접촉을 유지하며 regrasp해야 하면 평행 gripper로 task definition을 왜곡하게 된다. underactuation은 단순성 덕분에 robust grasp를 만들 수 있지만 arbitrary fingertip motion은 희생한다 ^[23].

남은 한계도 분명하다. 첫째, 제품·SDK·ROS 2·simulator support는 2026-07-14 이후 바뀐다. 둘째, 제조사 수치는 동일 조건의 independent benchmark가 아니다. 셋째, local distributor의 지원 능력, 납기와 repair turnaround는 공개 문서만으로 판단할 수 없다. 넷째, ISO public page는 표준의 범위와 edition을 확인해도 유료 normative text와 현지 법규 검토를 대신하지 않는다. 다섯째, 이 장은 hand의 장기 내구성, tactile drift와 cable life를 비교할 공통 데이터가 부족하므로 acceptance log를 직접 축적하라고 권한다.

기존 서베이와의 연결

#S1 Chapter 5.7은 2026 commercial hand를 research benchmark, humanoid integration part, manufacturing purchase candidate, lower-DoF industrial hand로 분리해야 한다는 중요한 관점을 제공했다. 이 장은 그 표를 복사하지 않았다. 대신 분류를 네 개의 완전한 arm–hand cell로 바꾸고, 각 셀에서 payload, driver, model, safety, service와 “아직 사지 않을 것”을 결정하게 했다. Sharpa, AgiBot, XHAND, Wuji 같은 후보는 흥미롭지만, 이 장의 source packet에서 exact current manual과 integration evidence가 충분한 제품만 본문 판단에 사용했다.

또한 #S1의 결론처럼 DoF나 tactile density만으로 구매하지 않는다. research benchmark로 풍부한 Allegro/Shadow와, 구매·정비가 쉬운 coupled 5지 hand는 다른 KPI를 가진다. 이 갱신의 핵심은 제품 지형도를 읽는 데서 멈추지 않고, complete installed tool과 acceptance artifact를 요구하는 것이다.

제조 셀 적용 체크포인트

Configuration B를 예로 들어 실제 의사결정을 끝까지 따라가 보자. 대상은 0.2–1.0 kg의 bottle과 small box를 tray A에서 fixture B로 옮기는 셀이다. 최대 object 폭은 먼저 측정하고, approach clearance와 dropped-object zone을 CAD에 표시한다. 2F-85 opening으로 물체군이 모두 잡히면 UR5e+2F-85를 baseline으로 둔다. 한두 개 SKU가 넓다고 2F-140 또는 5지 hand로 바로 이동하지 않고, alternate grasp와 fixture를 먼저 평가한다.

데이터 schema는 attempt_id, object_id, arm_revision, hand_revision, adapter_revision, calibration_id, planned_pose, actual_joint_state, gripper_width/current, controller_state, fault_code, intervention, outcome을 포함한다. KPI는 task success만 아니라 missed grasp, object damage, protective stop, recovery time, calibration rework와 pad replacement time이다. 100회 repeat test 뒤 failure가 width shortage인지, low friction인지, pose error인지 분해할 수 있을 때만 next tool을 산다.

안전 책임은 분리한다. PI 또는 lab manager는 task scope와 승인 budget을 소유하고, mechanical owner는 mount/load/cable을, software owner는 version tuple과 logs를, safety owner는 risk assessment와 stop validation을, operator는 preflight와 이상 보고를 맡는다. vendor와 Codex는 증거와 초안을 제공할 수 있지만 최종 motion authority가 아니다.

최종 구매 승인표

한 칸이라도 UNKNOWN이면 구매를 영구 취소할 필요는 없다. 그 UNKNOWN을 누가 언제 어떤 시험으로 닫을지를 quote와 일정에 넣는다. 반대로 제품 데모가 인상적이어도 safety, payload, control 또는 service blocker가 남으면 주문을 보류한다.

다음에 배울 것

팔과 손을 정했으면 다음 질문은 “어떻게 보고, 어떻게 사람이 명령하고, 어디서 계산하며, 무엇이 물리적으로 멈추게 하는가?”이다. Chapter 3에서는 각 configuration에 카메라, Meta Quest·tracker·glove·joystick, GPU tier, table·mount·E-stop·guard를 붙인다. 그 장을 마치면 complete cell BOM이 된다.

그다음 Chapter 4에서 ROS 2 node, topic, action, transform, driver와 vendor controller가 실제 motion contract로 연결되는 과정을 배운다. 지금은 real robot code를 만들지 않는다. 이 장에서 만든 compatibility tuple, tool-load sheet와 acceptance plan이 있어야 Chapter 4–7의 simulation, fake hardware와 first motion이 안전하고 재현 가능한 출발점을 가진다.

주석이 있는 연구 경로

아래 자료는 hand embodiment, sensing과 유지보수를 더 깊이 확인하기 위한 경로다. 성공률을 빌려오는 목록이 아니라, 어떤 가정·interface·실험을 원문에서 비교해야 하는지에 따라 묶었다. 각 결과는 해당 platform과 protocol에 한정해 읽는다.

참고문헌

1. Universal Robots (2026). UR5e Technical Specifications SW10.6. Universal Robots official manual.
2. Franka Robotics (2026a). Franka Research 3 Brochure, February 2026. Official brochure.
3. Franka Robotics (2025). Franka Research 3 Datasheet v2.3. Official datasheet R02212 2.3.
4. ISO (1998). ISO 9283:1998 Manipulating industrial robots — Performance criteria and related test methods. International Standard.
5. ISO (2025a). ISO 10218-1:2025 Robotics — Safety requirements — Part 1: Industrial robots. International Standard, edition 3.
6. ISO (2025b). ISO 10218-2:2025 Robotics — Safety requirements — Part 2: Industrial robot applications and robot cells. International Standard, edition 3.
7. Kinova Robotics (2024). KINOVA Gen3 Ultra Lightweight Robot One-Pager 2024. Official product documentation.
8. UFACTORY (2025). xArm Series Hardware Manual v2.6.0. Official hardware manual.
9. Hugging Face (2025). SO-101 Hardware and Calibration Guide. LeRobot official documentation.
10. OpenArm (2026a). OpenArm v2.0 Robot Description and ROS Namespacing. Official documentation.
11. Hugging Face & OpenArm (2026). OpenArm Integration in LeRobot. LeRobot official documentation.
12. Robotiq (2025). Adaptive Grippers Product Sheet, May 2025. Official product sheet.
13. Robotiq (2026). 2F-85 and 2F-140 Instruction Manual. Official instruction manual.
14. Franka Robotics (2026b). Franka Hand Product Manual 1.0. Official product manual.
15. Shadow Robot (2024). Shadow Dexterous Hand E Technical Specification. Official technical specification.
16. Wonik Robotics (2026). Allegro Hand V4 Product Specification. Official product page.
17. Inspire Robots (2026). RH56DFX Dexterous Hand Selection Guide. Manufacturer selection guide.
18. Unitree Robotics (2026a). Unitree Dex5-1 Dexterous Hand. Official product page.
19. Unitree Robotics (2026b). Unitree Dex5-1 Tactile and Serviceability Details. Official product page.
20. PSYONIC (2026). Ability Hand Research API. Official research release.
21. Salisbury, J. K., & Craig, J. J. (1982). The Mechanics of Fine Manipulation by Finger Tips. The International Journal of Robotics Research. DOI: 10.1177/027836498200100201. [Salisbury & Craig, 1982]
22. Bicchi, A. (2000). Hands for Dexterous Manipulation and Robust Grasping: A Difficult Road Toward Simplicity. IEEE Transactions on Robotics and Automation. DOI: 10.1109/70.897777.
23. Catalano, M. G., et al. (2014). Adaptive Synergies for the Design and Control of the Pisa/IIT SoftHand. The International Journal of Robotics Research. DOI: 10.1177/0278364913518998.
24. Correll Lab et al. (2026). Characterization, Analytical Planning, and Hybrid Force Control for the Inspire RH56DFX Hand. arXiv:2603.08988.
25. Chen, C., et al. (2025). DexForce: Extracting Force-Informed Actions from Kinesthetic Demonstrations. arXiv:2501.10356.
26. Xu, M., et al. (2025). DexUMI: Using Human Hand as the Universal Manipulation Interface for Dexterous Manipulation. Proceedings of Machine Learning Research 305. DOI: 10.48550/arXiv.2505.21864.