Universal Manipulation Exoskeleton (UME)
로봇의 관절 토크를 조작자에게 되돌려 주는 착용형 양팔 외골격
라이선스
Apache 2.0
코드와 CAD: 저장소의 LICENSE.md에 따라 Apache-2.0. 함께 들어 있는 OpenArm 모델은 자체 Apache-2.0 라이선스 파일을 유지하고, ACT와 DETR 코드에는 원래 프로젝트의 Facebook 저작권 표시가 있습니다. Yahboom IMU 리더는 제조사 코드이며 라이선스를 밝히지 않습니다. 프로젝트 웹사이트 템플릿은 CC BY-SA 4.0이고, 논문과 영상은 저자들의 것입니다. 2026-11-08에 LICENSE.md와 저장소 파일로 확인함.
개요
Universal Manipulation Exoskeleton(UME)은 두 팔에 착용하는 상지 외골격으로, 로봇 암을 원격 조작하고 실시간 토크 피드백과 함께 시연을 기록합니다. 팔마다 Damiao의 준직접 구동 액추에이터가 여덟 개 있는데, 일곱 개는 조작자의 어깨, 팔꿈치, 손목을 따라가고 여덟 번째는 손 쪽에서 그리퍼를 움직입니다. 같은 액추에이터가 조작자의 움직임을 측정하고 로봇이 감지한 관절 토크로 되밀어 주므로, 조작자는 접촉을 느끼고 기록된 데이터에는 팔 전체의 관절 위치와 토크가 남습니다. 구조물은 알루미늄 프로파일 위에 PLA로 출력한 부품을 얹은 형태이고, 등에 단 IMU는 조작자가 몸을 기울이면 이동 베이스를 움직이며, 논문은 재료비를 1900 USD로 제시합니다. UME는 Ant Group과 스탠퍼드 대학교에서 나왔고, 논문은 arXiv에 공개되어 있습니다. 저장소에는 CAD, MuJoCo 모델, 원격 조작 및 기록 코드, 논문에서 쓴 ACT 학습 스크립트가 들어 있습니다.
UME는 양방향으로 루프를 닫는 원격 조작용 외골격입니다. 관절은 Damiao의 감속비가 낮은 준직접 구동 액추에이터로, 착용한 팔이 출력 쪽에서 역구동할 수 있고 동시에 팔에 토크를 가할 수도 있습니다. 조작자가 움직이면 UME가 추종 로봇에 명령을 보내고, 로봇이 저항을 만나면 측정된 관절 토크를 외골격 관절로 되돌립니다. 여기에 중력, 코리올리 힘, 마찰 보상을 더해 피드백을 최대한 투명하게 만듭니다. 저자들은 눈을 가린 조작자가 토크 피드백만으로 칼집에서 검을 뽑는 모습을 보여 줍니다.
기구는 사람의 팔을 따릅니다. 관절 J1부터 J3의 축은 어깨 중심에서 만나고, J4는 팔꿈치이며, J5부터 J7의 축은 손목 중심에서 만나므로 외골격은 손목의 가동 범위 전체와 어깨 가동 범위의 대부분을 유지합니다. 리타기팅은 외골격과 로봇을 모두 가상의 구형 어깨, 팔꿈치, 가상의 구형 손목으로 나눕니다. 순기구학으로 각 구형 관절의 자세를 구하고, 역기구학으로 로봇의 대응 관절을 정하며, 하위 매니퓰레이터의 야코비 행렬로 속도는 앞으로, 토크는 뒤로 옮깁니다. 논문은 이 방식으로 7-DoF OpenArm, UFACTORY의 6-DoF X-ARM 로봇 암, MuJoCo 안의 7-DoF Franka 로봇 암을 움직입니다. 등에 단 Yahboom IMU는 중력 보상을 위한 프레임 자세를 제공하고, 조작자의 몸 기울기를 이동 베이스의 속도 명령으로 바꿉니다.
제작에는 DM-J4340-2EC 8개와 DM-J4310-2EC 8개, Bambu Lab PLA Basic 4 kg, 2020 알루미늄 프로파일, 듀얼 채널 CAN-FD-USB 어댑터, 30 V 10 A 가변 DC 전원 공급 장치, XT30 케이블, M3와 M5 나사, 퀵 릴리스 벨트가 쓰입니다. 논문 부록 E.2는 시스템 전체를 1900 USD로 제시합니다. 하드웨어 가이드는 Damiao 디버깅 도구로 각 액추에이터의 CAN ID와 버스 속도를 설정하는 법, 출력 설정, 조립 요령, 관절 영점 조정을 다루고, 소프트웨어 가이드는 CAN 설정, 중력 보상 점검, 원격 조작, 데이터 기록, 학습을 다룹니다. 출력용 STL 파일은 MuJoCo 모델과 함께 있고, 편집 가능한 STEP 파일은 ume_step 폴더에 있습니다. 완성된 외골격은 약 12 kg이며, 저자들에 따르면 보통 성인이 최대 2시간 편하게 착용할 수 있습니다.
실험을 위해 팀은 WowRobo의 양팔 OpenArm 1.0을 Hexfellow의 구동 캐스터 PCW-25 네 개 위에 올린 모바일 매니퓰레이터를 부품비 9533.1 USD로 만들었습니다. 그리고 이미지와 관절 위치에 더해 관절 토크를 추가 입력으로 받는 ACT 정책을 학습시켰습니다. 작업마다 20회 시도에서 UME 정책의 성공률은 상자 밀기 0.90, 상자 세우기 0.85, 약 5 mm 틈새에서 GPU 꺼내기 0.95, 긴 냉장고 음료 꺼내기 0.95였습니다. 같은 데이터에서 토크를 뺀 경우는 0.50, 0, 0.75, 0.90, UMI 방식의 엔드 이펙터 기준선은 0.40, 0, 0, 0이었습니다. 상자 세우기에서 조작자는 토크 피드백이 있을 때 없을 때보다 분당 3.3배 많은 시연을 모았습니다. 프로젝트 웹사이트에서 시도 영상을 볼 수 있습니다.
중요한 이유
저렴한 로봇 시연 수집 방식 대부분은 위치만 기록합니다. Mobile ALOHA 같은 리더 암 방식과 AirExo 같은 수동 외골격은 로봇이 받는 힘을 조작자에게 전혀 전하지 못하고, UMI 방식 휴대형 그리퍼는 엔드 이펙터 자세만 기록해 팔의 형태를 실행 시점의 IK 솔버에 맡깁니다. UME는 빠져 있던 채널을 더합니다. 조작자는 로봇의 관절 토크를 느끼고 기록에는 팔 전체의 관절 위치와 토크가 남으므로, 모방 학습 정책은 언제 더 세게 눌러야 하는지, 좁은 공간에서 팔 전체를 어떻게 피해야 하는지를 배울 수 있습니다. 논문에서는 이 차이가 상자 세우기 같은 작업의 성패를 갈랐고, 두 기준선은 한 번도 성공하지 못했습니다. 시판 액추에이터, PLA, 프로파일로 약 1900 USD이고 CAD와 코드는 Apache-2.0이어서, 이미 OpenArm급 로봇 암을 만드는 연구실이라면 충분히 만들 수 있습니다. 하위 매니퓰레이터 기반 리타기팅은 관절 배치가 다른 로봇 암 사이의 교차 구현체 원격 조작에 다시 쓸 수 있는 방법입니다. 근거는 한 팀의 모바일 매니퓰레이터에서 나온 것이어서, 독립적인 제작 사례는 아직 없습니다.
해결하는 문제
로봇 시연 수집에 쓰는 원격 조작 장치와 휴대형 그리퍼는 힘을 거의 기록하지 않습니다. 조작자는 로봇이 무엇에 닿는지 느끼지 못해 밀기 동작이 지나치거나 중간에 멈추고, 정책은 토크에서 배우지 못합니다. UME는 착용형 양팔 외골격으로 관절 토크를 실시간으로 조작자에게 되돌려 주고 팔 전체의 관절 위치와 토크를 기록하므로, 정책이 유연하고 접촉이 많은 동작과 좁은 공간에서 충돌을 피하는 팔 자세를 배울 수 있습니다.
핵심 요점
- Damiao 준직접 구동 액추에이터 16개로 로봇의 관절 토크를 조작자에게 되돌려 주는 착용형 양팔 외골격
- 관절 축이 어깨와 손목 중심에서 만나 손목의 가동 범위 전체와 어깨의 대부분을 유지
- 하위 매니퓰레이터 리타기팅으로 7-DoF OpenArm과 6-DoF X-ARM, MuJoCo 안의 Franka 로봇 암을 조작
- 등에 단 IMU가 조작자의 몸 기울기로 이동 베이스를 움직여 전신 원격 조작이 가능
- 토크로 학습한 ACT 정책은 네 가지 작업에서 0.85에서 0.95의 성공률을 냈고, 토크 없는 기준선과 UMI 방식 기준선은 이에 못 미침
- 논문 기준 부품비 약 1900 USD, CAD와 STL, STEP 파일은 Apache-2.0이며 출력 설정과 설정 가이드 포함
대상
- 모방 학습을 위해 접촉이 많은 시연을 모으는 로봇 학습 연구실
- 힘 피드백 원격 조작을 원하는 OpenArm 또는 Damiao 계열 액추에이터로 토크를 재는 로봇 암의 사용자
- 양방향 원격 조작, 햅틱스, 유연한 매니퓰레이션을 연구하는 연구자
- 양팔 모바일 매니퓰레이터를 만들고 전신 데이터를 수집해야 하는 팀
한계
- 정책은 한 팀이 직접 만든 모바일 매니퓰레이터의 데이터로 학습했으며, 외부 제작이나 재현 사례는 아직 공개되지 않음
- 토크 피드백에는 관절 토크를 측정하는 추종 로봇이 필요하며, 실제 OpenArm과 X-ARM 로봇 암에서 시연되었고 Franka는 시뮬레이션에서만 시연됨
- 외골격은 약 12 kg이고 30 V DC 전원 공급 장치, CAN-FD 어댑터, Linux 컴퓨터가 필요해 휴대용 키트라기보다 연구실 장비에 가까움
- 저장소에 부품표가 없고 비용은 논문 부록 E.2에서 나오는데, 여기에는 CAD와 가이드에 있는 4040 프로파일, 브래킷, 액추에이터 설정용 어댑터가 빠져 있음
- 설정은 Windows용 Damiao 디버깅 도구와 손으로 고친 영점 조정 스크립트에 의존하고, 전체 시연에는 Hexfellow 캐스터로 만든 이동 베이스도 필요함
- 데이터셋이나 학습된 체크포인트는 공개되지 않았고, 저장소는 2026년 7월 이후 업데이트되지 않음