사람 손에서 로봇 손으로

대규모 사람 손 데이터 수집에서 로봇 정교 조작까지 — 연구 전략 서베이

텔레오퍼레이션의 한계를 넘어, 사람 손 데이터와 촉각 센싱으로 로봇 조작 정책을 학습하는 전략 — 4 Parts, 11 Chapters

First published: 2026-04-07 | Last updated: 2026-04-07

읽기 시작

✋

왜 사람 손 데이터인가

텔레오퍼레이션의 구조적 한계를 넘어, 사람이 자연스럽게 작업하며 생성하는 대규모 데이터로 로봇을 가르칩니다.

📚

이 책의 특징

전문가 대상 연구 전략 서베이. 논문별 구체적 수치와 한계점, 연구 그룹 분석, novelty 정의에 초점을 맞춥니다.

🎓

TacGlove + TacTeleOp + TacPlay

박용래 교수님의 촉각 데이터 글러브(TacGlove), 박종우 교수님의 다물체 파지 co-training(TacTeleOp), 자율 play 학습(TacPlay) 연구를 위한 근거 문서입니다.

Part I: 배경과 동기

왜 사람 손 데이터인가 — 텔레오퍼레이션의 한계와 대안

데이터 병목, 텔레오퍼레이션의 세 가지 한계, 텔레옵 데이터 vs 사람 손 데이터

→ 02

사람 손 데이터 수집 — 센서에서 데이터셋까지

모션 글러브, 촉각 글러브, 외골격, egocentric 비전, 데이터셋 비교

→ 03

촉각의 가치 — 왜 힘 정보가 필수인가

접촉 풍부 태스크, 촉각 센서 기술, 촉각 기반 정책의 우위

→

Part II: 사람 데이터 → 로봇 정책

사람 데이터만으로 가능한가 — Teleop-Free 접근

AirExo, DEXOP, EgoScale, AoE 등 텔레옵 없는 학습 사례

→ 05

텔레옵과 사람 데이터의 시너지 — Co-training

cross-embodiment 데이터 혼합, co-training 전략, 스케일링 법칙

→ 06

Embodiment Gap 해소 — 리타게팅과 정렬

운동학적/시각적/촉각적 리타게팅, 잠재 공간 정렬

→

Part III: 우리의 제안

TacGlove — 신축형 촉각 데이터 글러브

stretchable glove, 관절각+촉각 동시 측정, 기존 데이터글러브 서베이

→ 08

TacTeleOp — 다물체 파지와 촉각 Co-training

ROBOTIS HX5-D20, 다물체 파지, 텔레옵+사람 데이터 co-training

→ 09

TacPlay — 텔레옵 없는 자율 학습

촉각 play, embodiment gap 자율 학습, 텔레오퍼레이션 완전 제거

→

Part IV: 전망

실험 설계와 검증 계획

baseline 비교, 평가 메트릭, 데이터 규모별 실험, ablation

→ 11

산업 적용과 미래 방향

제조 현장 배치, 시장 전망, 윤리적 고려, 미래 연구 방향

→

부록 (Appendices)

통합 참고문헌 (References)

전체 참고문헌 목록

→