Touch · Think · Trust

주변을 인지하고 계획을 세우며 팔·손·베이스를 한 몸처럼 제어하는 휴머노이드는 새로운 작업에도 적응하고, 환경이 바뀌어도 멈추지 않고 일합니다.

비전만으로는 물체에 닿는 순간 무슨 일이 일어나는지 알 수 없습니다. 제대로 잡았는지는 그 순간의 힘, 압력, 진동이 결정합니다. TSF-85는 손끝에서 압력·진동·방향을 바로 읽어 내고, 연속 생산 라인에서 수백만 사이클을 견디도록 만든 산업용 그리퍼가 이를 받쳐 줍니다.

Humanoid Control Packages는 이족 보행 기능과 VLA 데이터 수집 시스템을 안전을 우선한 구성으로 함께 제공합니다. 로봇을 세우고 걷게 하는 데 시간을 쓰지 않고, 첫날부터 연구에 집중할 수 있습니다.

세 가지 기술이 맞물려 피지컬 AI가 데모를 넘어 실제 현장에 자리 잡는 과정을 확인하세요.

The Proven Hand: Unlocking Physical AI Data with 30,000+ Deployed Grippers

The Brain: A Generalist Brain Model for Humanoid Robots

The Body: Ready for Research from Day 1

• 하드웨어 기반: 30,000건 이상의 성공적인 배치가 AI 신뢰성과 지속적인 데이터 수집에 중요한 이유(높은 가동률, IP 등급 내구성).
• “손” 데이터 활용: TSF-85 촉각 센서(압력, 1000 Hz 진동, 방향)가 이미 신뢰하고 있는 그리퍼에서 풍부한 멀티모달 데이터를 추출하는 방법.
• 매끄러운 Sim-to-Real: Robotiq의 오픈소스 Contact Core(Isaac Sim 에셋, ROS 2, 접촉 데이터 API)로 모델을 더 빠르게 학습시키고 검증된 하드웨어에 배치하는 방법.

• 하나의 두뇌, 전신 지능: Galbot의 AstraBrain이 인지, 추론, 계획, 전신 제어를 통합해 조화로운 휴머노이드 동작을 구현하는 방법.
• 범용 체화 파운데이션 모델 구축: 다양한 작업과 환경에 적응하는 로봇 지능을 만드는 Galbot의 접근 방식.
• 모델에서 실제 자율성으로: 범용 지능이 리테일, 산업, 물류 등 실제 현장에서 실용적인 자율 기능으로 이어지는 과정.

• 휴머노이드 연구가 시작도 전에 멈추는 이유: 많은 팀이 휴머노이드를 안정적으로 서고 걷게 하는 데만 귀중한 시간을 쓰며, 넘어질 때마다 로봇과 주변 사람이 위험에 노출됩니다.
• 넘어지지 않는 휴머노이드: Bipedal Locomotion Package가 밀리거나 부딪힌 뒤에도 균형을 회복하고, 경사로와 고르지 않은 지면에서도 안정적으로 걷는 방법.
• 첫날부터 연구에 집중: VLA Data Collection System으로 연구실에서 곧바로 학습 데이터를 수집하는 방법.