Executive Summary
원리가 서로 다른 촉각 센서 세 종류의 기록이 한 모델 안에서 같은 말로 읽히게 됐다. 앤트그룹 안에서 로봇을 움직이는 AI를 만드는 회사 로비안트(Robbyant)가 2026년 11월 10일 공개한 촉각 파운데이션 모델 LingBot-Touch다. 누르면 저항이 변하는 압저항 센서, 자석이 밀려난 정도를 읽는 자기 센서, 젤 뒤에서 카메라로 찍는 시각 센서에서 모은 4,983시간이 재료다. 방법은 모델을 키우는 일이 아니었다. 센서마다 제각각인 감지점 번호를 버리고, 그 감지점이 손끝 위 어디에 있는지를 좌표로 적어 전부 같은 공간에 올렸다. 이 글은 그 방법이 무엇을 해내고 무엇을 내주는지를 논문 원문과 공개 저장소로 따라간다.
결과는 둘로 갈린다. 사전학습에 한 번도 들어가지 않은 네 번째 센서에 파라미터를 하나도 고치지 않고 붙였는데, 접촉이 일어난 지점을 평균 0.16 mm 안에서 찾았다. 그 센서 전용 어댑터를 따로 학습한 비교 모델보다 서른 배 넘게 정확하다. 기존 행동 모델 넷에 이 모델의 토큰을 얹자 스물여섯 개 실로봇 과제의 평균 성적이 넷 모두에서 올랐고, 같은 신호를 가공 없이 넣은 설정이 가져온 몫은 그 3분의 1에서 절반이었다.
그런데 논문은 그 대가도 같이 적어 뒀다. 쓸 수 있는 시간이 정해져 있다면 한 센서 데이터만 쓴 모델이 그 센서에서 여덟 중 일곱을 이긴다. 힘과 움직임은 장비를 건너 옮겨 가지만, 공간 정밀도는 그 센서의 배열을 본래 해상도로 본 만큼만 나온다. 그래서 합치기는 능력이 아니라 교환이다. 같은 벽에 반대편에서 부딪히는 시도도 아직 열려 있다. 로봇 학습 데이터의 사실상 표준 그릇인 LeRobot에 촉각 센서 규격을 넣자는 제안이 8월에 올라와 석 달째 닫히지 않았고, 거기서 걸린 것도 똑같이 감지점 아홉 개짜리 패드와 239개짜리 배열을 한 칸에 담을 수 없다는 문제였다. 현장에 남는 질문은 촉각 데이터를 모았느냐가 아니다. 우리 기록은 장비를 바꿔도 옮겨지는 형식인가, 그리고 합쳐서 얻는 것이 잃는 것보다 큰가.
0.16 mm
사전학습에 없던 센서에서의 접촉점 오차
같은 센서에 전용 어댑터를 붙여 학습한 FTP-1은 5.89 mm. 파라미터는 한 개도 고치지 않았다
+23.2%p
행동 모델 T-Rex의 26개 과제 평균 변화
45.4에서 68.6으로. 같은 신호를 가공 없이 넣었을 때는 +11.2%p에 그친다
7 / 8
같은 1,000시간 예산에서 한 센서만 쓴 모델이 이긴 센서·과제 쌍
합치기가 공간 정밀도를 얼마만큼 내주는지를 논문이 직접 측정한 자리
22 / 104
생신호를 더했을 때 원래보다 나빠진 과제·모델 쌍
같은 신호를 토큰으로 바꿔 넣은 설정은 104쌍 가운데 99쌍에서 원래 이상이었다
이 글의 수치는 arXiv:2611.12806 v1(2026년 11월 9일 등록)의 본문·표·부록에서 가져왔고, 2026년 11월 17일 기준이다. 같은 날 abs 페이지를 다시 열어 판본이 v1 하나뿐임을 확인했다.
접촉은 하나인데 센서마다 다른 숫자로 적힌다
손끝으로 책상 모서리를 한 번 누른다. 그 한 번의 접촉이 어떤 장비에 걸려 있느냐에 따라 전혀 다른 숫자 묶음으로 남는다. 압저항 격자에서는 눌린 칸마다 저항값이 떨어지고, 자기 센서에서는 자석이 밀려난 거리가 세 축으로 적히고, 젤 뒤에 카메라를 둔 시각 센서에서는 젤이 일그러진 모습이 그냥 사진 한 장이 된다. 채널 수도, 배열도, 해상도도, 초당 몇 번 읽는지도 전부 다르다. 논문이 세 문제 가운데 첫째로 적은 것이 이것이다.
"There is no common input format: each sensor type defines its own channels, layout, resolution, and sampling rate, so a reading from one sensor means nothing to a model trained on another."
§1. 공통 입력 형식이 없다. 센서 종류마다 채널·배열·해상도·표본 주기를 스스로 정하므로, 한 센서에서 나온 값은 다른 센서로 학습한 모델에게 아무 뜻도 없다.
형식이 갈리면 코퍼스도 못 쌓인다. 한 센서의 기록을 다음 센서의 기록과 더할 수 없으니 시간은 장비별로 흩어지고, 한 시간을 더 모으려면 센서를 단 손이 실제로 세상을 만져야 한다. 그런데 논문은 세 문제의 뿌리를 한 문장으로 짚으면서 곧바로 출구도 같이 적는다.
"The three gaps share a root: tactile data are tied to the physics of the sensor that produced them. Contact itself is not. A fingertip pressing on an edge is the same event whether a magnetometer, a resistive grid, or a camera behind a gel records it."
§1. 세 간극은 뿌리가 같다. 촉각 데이터는 그것을 만든 센서의 물리에 묶여 있다. 접촉 자체는 묶여 있지 않다. 손끝이 모서리를 누르는 일은 자력계가 기록하든, 저항 격자가 기록하든, 젤 뒤의 카메라가 기록하든 같은 사건이다.
"형식이 다르다"는 말이 실제로 얼마나 벌어지는지는 사전학습 코퍼스 구성표 한 장에 그대로 나와 있다. 같은 코퍼스 안에서, 어떤 압저항 장갑은 손가락 하나에 감지점 아홉 개를 두고 초당 100번 읽는다. 시각 센서가 달린 로봇 손끝은 같은 손가락 하나를 240×240 이미지로 초당 30번 찍는다. 두 기록은 자릿수도 단위도 물리량도 겹치지 않는다.
| 원리 | 어디서 모았나 | 시간 | 에피소드 | 손가락당 감지점 | 주기 |
|---|---|---|---|---|---|
| 압저항 | 사람이 끼는 촉각 장갑 | 2,197 | 86,906 | 9 / 16 / 엄지 124·나머지 61 | 100 / 60 / 60 Hz |
| 자기 | 사람이 끼는 촉각 장갑 | 1,136 | 294,871 | 엄지 116 / 나머지 96 | 41.7~83.3 Hz |
| 시각 | 양팔 로봇 손끝, 원격조작 | 1,650 | 82,654 | 240×240 이미지 해상도 | 30 Hz |
| 합계 | 4,983 | 464,431 | 약 13.3억 프레임 |
사전학습 코퍼스의 센서별 구성(논문 Tab. 4). 압저항 칸의 세 숫자는 장갑 세 종류가 각각 다른 감지점 수와 주기를 쓴다는 뜻이다. 시각 센서의 240×240은 이미지 해상도이지 감지점 수가 아니다. 두 열을 같은 단위로 견줄 수 없다는 사실 자체가 이 절의 요점이다.
1.1이 벽은 논문 바깥에도 그대로 서 있다
논문이 "공통 입력 형식이 없다"고 적은 그 문제를, 로봇 학습 데이터의 사실상 표준 그릇인 LeRobot이 지금도 못 닫고 있다. 카메라 모듈과 같은 꼴로 촉각 센서 모듈을 더하자는 제안(PR #4469)이 2026년 8월 18일에 올라왔고, 11월 17일 기준 아직 열린 상태다. 제안서는 변위와 힘을 3차원 점집합으로, 광학식을 6차원으로, 힘-토크를 렌치로 두는 네 가지 자료형을 정의한다. 토론에서 걸린 자리는 알고리즘이 아니었다.
"a dataset that records a 9-taxel pad and a 239-taxel array cannot express both in one feature."
LeRobot PR #4469 리뷰 토론. 감지점 아홉 개짜리 패드와 239개짜리 배열을 기록하는 데이터셋은 둘을 한 칸으로 표현할 수 없다. 같은 토론은 문서에 실린 촉각 센서 두 건만으로도 감지점이 9개에서 239개까지 걸친다고 적는다.
숫자가 겹치는 것이 우연이 아니다. 위 표에서 손가락당 감지점 아홉 개를 쓰는 압저항 장갑이 바로 LeRobot 토론이 든 그 패드 급이다. 한쪽은 바이트를 맞춰 보려다 석 달째 멈춰 있고, 다른 쪽은 바이트를 제각각인 채로 두고 모델 안에서 만나게 했다. 같은 벽에 양쪽에서 부딪히는 중이다.
1.2앞서 쓴 글들이 멈춘 자리
페블러스는 촉각 데이터를 네 번 다뤘다. 휴머노이드 자본이 비껴간 촉각 데이터가 던진 질문은 "왜 안 모이나"였고, 돈이 영상 쪽으로만 흘렀다는 공백을 봤다. 이번 글의 질문은 한 칸 뒤에 있다. 모았는데도 왜 못 합치나.
로봇 학습 데이터는 왜 넘치는데도 모자랄까?에서 병목이 정책이 아니라 번역 장치에 있다고 적었고, 그때 꼽은 네 가지는 자동 라벨링·리타게팅·물리 기반 3D 추론·성공 판정이었다. 넷 모두 영상과 행동 축에 서 있다. 촉각은 그 목록에 없었다. LingBot-Touch는 거기에 붙는 다섯 번째 번역 장치에 해당한다.
4,983시간은 로봇 손이 아니라 장갑에서 왔다
4,983시간 가운데 3분의 2는 사람이 손에 끼는 촉각 장갑에서 왔고, 나머지 3분의 1만 실제로 배치할 로봇 손의 원격조작 기록이다. 촉각 데이터를 모으는 쪽에서 보면 거꾸로 간 선택이다. 성능이 가장 좋은 센서로 모으는 대신, 사람이 종일 끼고 설거지하고 서랍을 여닫을 수 있는 장비로 시간을 벌었다. 논문은 그 선택을 한 문장으로 변호한다.
"the sensor to scale with is not the most capable one but the one at the sweet spot between capability and ease of capture, which is why two thirds of our corpus come from gloves a person can wear all day rather than from the fingertips we later deploy on."
§3.1. 규모를 키울 센서는 가장 뛰어난 센서가 아니라 성능과 수집 편의 사이에서 가장 좋은 자리에 있는 센서다. 코퍼스의 3분의 2가 나중에 배치할 손끝이 아니라 사람이 하루 종일 낄 수 있는 장갑에서 나온 이유가 그것이다.
장갑이 벌어 주는 것에는 폭도 있다. 로봇을 한 대도 세우지 않아도 되니 한 사람이 보통의 집과 사무실에서 하루에 몇 시간씩 기록할 수 있고, 그렇게 쌓인 1인칭 기록에는 로봇으로 대본을 짜 재현하려면 한참 걸릴 물건과 동작이 섞여 들어온다. 성능을 한 단계 낮춰 잡은 대가로 받은 것이 그 폭이다.
장갑과 로봇 손은 생김새도 자유도도 다르다. 그 둘을 한 코퍼스에 넣으면서 맞춘 것은 장비가 아니라 행동이다. 모든 에피소드가 여닫기, 조립, 닦기, 붓기, 도구 쓰기 같은 24개 과제 범주 가운데 하나로 분류되고, 범주 대부분은 두 출처 모두에 걸쳐 있다. 논문의 표현은 이렇다. "The two sources are matched on behavior, not on hardware." 장비를 맞추는 대신 하는 일을 맞췄다는 뜻이다.
라벨은 거의 없다. 에피소드마다 어느 과제 범주인지만 붙어 있고, 힘이 몇 뉴턴이었는지, 접촉이 어디에서 일어났는지, 언제 물체가 미끄러졌는지는 하나도 적혀 있지 않다. 사전학습이 라벨 없이 돌아가야 한다는 §3의 조건이 여기서 생긴다.
같은 코퍼스 안에서 "에피소드"라는 말이 센서마다 다른 길이를 가리킨다는 점도 미리 알아 둘 만하다. 시간과 에피소드 수를 나눠 보면 압저항 장갑은 한 에피소드가 평균 91초, 시각 센서 손끝은 72초인데, 자기 장갑은 14초다. 자기 장갑은 그래서 시간이 가장 적은데도 에피소드 수는 29만 개로 가장 많다. 세 출처의 숫자를 섞어 평균을 낼 때 이 길이 차이가 그대로 따라 들어간다.
뽑는 비율도 모은 비율을 따라가지 않는다. 사전학습에서 클립을 고를 때 압저항·자기·시각 세 출처가 뽑힐 확률을 같게 뒀다. 코퍼스 안의 시간은 2,197 대 1,136 대 1,650으로 기울어 있는데 학습이 보는 양은 평평하다. 합친 코퍼스에서는 얼마나 모았는지와 얼마나 학습에 반영되는지가 따로 정해진다.
2.1공개된 것과 공개되지 않은 것
2026년 11월 17일 기준으로 저장소는 열려 있고 라이선스는 아파치 2.0이다. 받을 수 있는 것은 추론 코드, 고정한 인코더에서 토큰을 뽑는 도구, Tiny와 Small 두 크기의 체크포인트, 센서별 데이터 인터페이스 코드, 그리고 표본 기록 120개 파일이다. 표본은 두 플랫폼의 양손 30쌍씩이다.
사전학습에 쓴 4,983시간 자체는 내려받을 수 없다. 공개된 것은 코퍼스가 아니라 그 코퍼스로 학습한 인코더와, 그 인코더를 내 센서에 붙이는 방법이다. 재현을 위한 공개가 아니라 적용을 위한 공개다. "5,000시간 데이터셋이 공개됐다"는 요약을 본다면 그 요약은 틀렸다.
감지점 번호를 버리고 손끝 위 자리를 적는다
입력을 통일하려고 LingBot-Touch가 한 일은 감지점의 번호를 버린 것이다. 어떤 장갑의 3번 감지점과 다른 장갑의 3번 감지점은 아무 관계가 없다. 번호는 제조사가 배선 순서대로 매긴 이름표일 뿐이다. 대신 그 감지점이 손끝 표면 위 어디에 앉아 있는지를 연속된 3차원 좌표로 적고, 몇 번째 손가락인지를 함께 적는다. 센서마다 다른 기하 자산에서 출발해 단위 반지름 구면으로 맞추면, 세 종류 장비의 감지점이 전부 같은 공간의 점이 된다.
"we describe where a measurement was taken by a continuous 3D coordinate and a finger identity, and place the coordinates of every sensor in one canonical fingertip space."
§3.2. 측정이 어디에서 이뤄졌는지를 연속 3차원 좌표와 손가락 신원으로 적고, 모든 센서의 좌표를 하나의 손끝 기준 좌표계에 둔다.
자리를 맞추는 것만으로 입력이 하나가 되지는 않는다. 같은 세기로 눌러도 저항 격자가 내놓는 수와 자석이 밀려난 거리는 단위부터 다르기 때문이다. 그래서 세기 쪽도 한 번 더 손본다. 센서마다 정해진 응답 범위로 나눠, 누르는 방향의 값은 0에서 1 사이로, 부호가 있는 접선 방향의 값은 −1에서 1 사이로 옮긴다. 단위가 지워진 이 값과 앞의 좌표가 함께 공통 입력 규격이 된다.
그 뒤는 모델의 일이다. 센서 종류마다 2층짜리 작은 신경망을 하나씩 두어 그 종류의 신호를 토큰으로 바꾸고, 그 다음부터는 세 종류가 같은 인코더 하나를 통과한다. 센서별 파라미터는 망의 가장자리에 놓인 얕은 층에만 남는다.
논문 §3.2~3.3의 설계를 다시 그린 것이다. 센서마다 다른 부분은 입구의 토크나이저와 출구의 예측기 경계뿐이고, 가운데 본체는 하나다. 그림의 감지점 수는 코퍼스에 실제로 들어 있는 장비 가운데 한 종류씩을 예로 든 값이다.
토큰 하나는 연속한 두 프레임에서 한 감지점이 내놓은 숫자 여섯 개다. 각 토큰에는 시간, 손가락, 3차원 좌표로 이뤄진 다섯 축의 주소가 회전 위치 인코딩으로 붙는다. 이 방식이면 토큰 개수를 미리 정해 둘 필요가 없다. 감지점이 아홉 개든 116개든 같은 백본에 그대로 들어간다. 논문도 그 점을 전이의 근거로 적는다.
"This positional encoding does not require a fixed token count or a sensor-specific positional table, allowing a shared backbone to process different sensor layouts and supporting transfer to unseen sensors."
§3.2. 이 위치 인코딩은 고정된 토큰 수나 센서별 위치 표를 요구하지 않으므로, 공유 백본이 서로 다른 센서 배열을 처리할 수 있고 못 본 센서로의 전이도 받쳐 준다.
3.1신호 대신 잠재 표현을 맞히게 한 이유
라벨이 없으니 학습 목표는 스스로 만들어야 한다. 흔한 방법은 입력의 일부를 가리고 원래 신호를 복원시키는 것인데, 촉각 기록에는 이 방법이 잘 듣지 않는다. 한 클립의 거의 모든 칸이 0에 가깝기 때문이다. 0을 잘 맞히는 모델은 배경을 잘 배우는 모델이지 접촉을 잘 배우는 모델이 아니다. 그래서 LingBot-Touch는 가린 부분의 신호가 아니라 그 부분의 잠재 표현을 맞히게 한다. 결합 임베딩 예측 구조를 촉각에 옮긴 것으로, 같은 계열의 구조와 그 설계 논리는 얀 르쿤의 작은 모델, 데이터를 적게 썼을까 잘 묶었을까?에서 다뤘으니 여기서는 다시 펴지 않는다.
복원 방식과의 차이는 같은 조건에서 직접 측정됐다. 모델 크기와 데이터를 똑같이 맞추고 1,000시간으로 학습했을 때 접촉점 오차는 0.90 mm 대 3.03 mm(VAE)·3.07 mm(MAE)였고, 촉각에서 영상을 찾아내는 재현율은 32.1% 대 4.4%·5.6%였다. 더 눈에 띄는 것은 데이터를 늘렸을 때다. VAE는 학습 시간을 늘리자 다섯 지표 중 넷에서 오히려 나빠졌고 접촉점 오차가 3.03 mm에서 4.08 mm로 벌어졌다. 배경을 더 많이 본다고 접촉을 더 잘 알게 되지는 않는다.
3.2전부 공유하는 쪽이 답이 아니었다
"통일"이라는 말을 끝까지 밀면 입구와 출구까지 하나로 묶게 된다. 논문은 그 설정도 실제로 돌려 봤고, 결과는 반대였다. 토크나이저와 예측기 인터페이스를 완전히 공유한 모델은 다섯 지표 전부에서 졌다. 세 모달리티별로 묶어 라우팅하자 접촉점 오차가 2.32 mm에서 0.70 mm로 내려갔다.
"Grouped tokenizers with group-routed predictor interfaces beat fully shared interfaces on all five metrics, cutting contact-center error from 2.32 to 0.70 mm; the sensor-specific boundary layers of Sec. 3.2 earn their place."(§4.5) 합치기의 답은 전부 같게 만드는 것이 아니라 경계만 센서별로 남기는 것이었다. 물리가 다른 층은 끝까지 다르게 두고, 뜻이 생기는 가운데만 공유한다.
학습 쪽 설정도 한 줄 적어 둘 만하다. 가리는 비율은 80%인데, 처음부터 80%로 가리면 기울기가 폭발한다. 그래서 300스텝 동안 40%에서 80%까지 올린다. 실제로 쓰는 인코더는 작다. Tiny가 546만 개, Small이 2,176만 개 파라미터이고 둘 다 12층이다.
사전학습에 없던 손에서도 접촉점을 찾는다
사전학습 데이터 어디에도 없던 손에 고정한 인코더를 그대로 붙였을 때, 접촉이 일어난 지점을 평균 0.16 mm 안에서 찾았다. 그 손은 자기 센서가 달린 XHand1이고, 압저항·자기·시각 세 묶음 가운데 어느 쪽에도 그 장비의 기록은 들어가 있지 않다. 파라미터는 한 개도 고치지 않았다. 센서의 기하만 알려 주면 감지점이 손끝 위 어디인지가 정해지고, 그 좌표가 그대로 같은 인코더로 들어간다.
무엇을 할 수 있는지는 다섯 가지 탐침 과제로 측정했다. 손끝에 걸린 힘을 복원하기, 접촉이 일어난 지점을 짚기, 닿은 면적을 맞히기, 다음 순간의 힘을 예측하기, 그리고 촉각 신호만 보고 그 순간의 영상을 찾아내기다. 힘 센서의 측정 범위는 0에서 30 N이다. 비교 대상은 FTP-1 하나인데, 이쪽은 새 센서가 오면 그 센서 전용 어댑터를 붙여 학습하는 방식이다.
비교 대상이 FTP-1 하나로 좁혀진 데에도 까닭이 있다. 이종 센서를 묶으려는 시도는 앞서도 여럿 있었고, 논문은 그 시도들이 각각 어디에서 멈췄는지를 한 절에 정리해 뒀다. 젤 뒤에 카메라를 둔 광학식 한 종류 안에 머문 쪽이 있고(Sparsh·AnyTouch), 광학식 여럿을 묶되 센서마다 전용 인코더를 둔 쪽이 있고(T3), 같은 접촉을 두 센서로 동시에 찍은 짝 기록이 있어야 정렬이 되는 쪽이 있다(HTT). 세 가지 원리를 한 번에 가로지르면서 짝 기록까지 면제한 자리에 남은 상대가 FTP-1이다.
| 탐침 과제 | Sharpa Wave 사전학습에 있음 |
〃 FTP-1 | XHand1 사전학습에 없음 |
〃 FTP-1 |
|---|---|---|---|---|
| 손끝 힘 복원 오차 | 0.81 N | 2.31 N | 1.32 N | 3.72 N |
| 접촉점 거리 오차 | 0.12 mm | 2.19 mm | 0.16 mm | 5.89 mm |
| 접촉 면적 오차 | 0.66%p | 2.90%p | 0.43%p | 4.39%p |
| 다음 힘 예측 오차 | 1.04 N | 1.67 N | 1.45 N | 2.00 N |
| 촉각에서 영상 찾기 Recall@5 | 72.6% | 16.5% | 47.1% | 6.0% |
논문 §4.2의 다섯 탐침 과제. 오차 네 줄은 작을수록, 마지막 줄은 클수록 좋다. 주황색이 LingBot-Touch다. 왼쪽 두 열은 사전학습에 들어 있던 시각 센서 손끝(Sharpa Wave), 오른쪽 두 열은 들어 있지 않던 자기 센서 손(XHand1)이다.
접촉점 한 줄만 떼어 보면 격차가 자릿수로 벌어진다. 못 본 센서에서 LingBot-Touch가 낸 0.16 mm는, 본 센서에서 FTP-1이 낸 2.19 mm보다도 작다. 논문이 그 비교를 그대로 문장으로 적는다. "contact-center error on the unseen sensor is more than an order of magnitude below FTP-1's error on the seen one."
같은 숫자를 길이로 옮긴 것이다. FTP-1은 XHand1에 전용 어댑터를 붙여 따로 학습하고도 5.89 mm였고, LingBot-Touch는 아무것도 붙이지 않고 0.16 mm였다.
여기서 설계의 차이가 드러난다. FTP-1은 새 하드웨어마다 전용 부품을 하나씩 붙여 적응시키는 방식이고, LingBot-Touch는 붙일 부품이 아예 없다. 센서의 기하만 알면 감지점이 좌표로 바뀌어 같은 인코더로 들어간다. 전용 어댑터를 받고도 진 쪽과 아무것도 받지 않고 이긴 쪽의 차이가 그것이다.
다만 못 본 센서가 본 센서를 이긴 것은 아니다. 논문은 같은 절에 반대쪽도 적어 둔다. "Errors on XHand1 are higher than on Sharpa Wave on four of the five tasks, as expected for a sensor with no pretraining exposure."(§4.2) 다섯 과제 중 넷에서 XHand1 쪽 오차가 더 크고, 사전학습에서 본 적 없는 센서이니 당연하다는 설명이다. 전이가 된다는 말과 손해가 없다는 말은 다르다.
더 흥미로운 것은 XHand1 성적이 좋아지는 방식이다. 그 센서의 데이터는 한 시간도 추가되지 않았는데, 자기 센서 쪽 시간을 늘리거나 아예 다른 종류 센서의 시간을 보태면 XHand1 성적이 같이 올라간다. 논문의 해석은 이렇다. "What improves with more and more varied data is a representation of contact, not of any particular transducer."(§4.2) 데이터가 늘어서 좋아지는 것은 특정 변환기에 대한 지식이 아니라 접촉이라는 사건에 대한 표현이라는 뜻이다.
형식만 갈아 끼운 신호가 로봇 성적을 가른다
같은 로봇, 같은 과제, 같은 시연 수에서 촉각 신호를 넣는 형식만 갈아 끼웠더니 성적이 눈에 띄게 갈렸다. 실험은 26개 실로봇 과제로 돌렸다. 시각 센서가 달린 Sharpa Wave 손에서 20개, 사전학습에 없던 XHand1 손에서 6개다. 과제마다 시연 200개(양손 과제는 500개)로 행동 모델을 학습하고 20회씩 시행했으며, 설정은 셋이다. 촉각을 아예 안 쓰는 원래 정책, 생신호를 그대로 더한 정책, LingBot-Touch가 뽑은 토큰을 더한 정책. 모델에 들어가는 신호의 출처는 셋 다 같다.
5.1숫자를 보기 전에, 이 표의 "성공률"은 합격 비율이 아니다
논문이 보고하는 성공률은 스무 번 중 몇 번 해냈느냐가 아니다. 과제마다 4점이나 5점짜리 채점표가 따로 있고, 스무 번 시행에서 받은 점수를 모두 더해 만점으로 나눈 비율이 그 칸에 적힌다. 부록 B 머리글이 채점 규칙을, 결과표 캡션이 시행 수를 각각 적어 둔다.
"Numbers in parentheses denote points; allocations are additive unless an ordinal scale is stated, in which case the highest level reached determines the score." / "Success rates are reported in percent over 20 trials per task."
부록 B 머리글과 Tab. 2 캡션. 괄호 안 숫자는 점수이고, 서열 척도라고 적히지 않은 한 점수는 더해 간다. 서열 척도이면 도달한 가장 높은 단계가 그 시행의 점수가 된다. 성공률은 과제당 20회 시행에 대한 백분율로 보고된다.
이 읽기는 눈금으로 증명된다. 뚜껑 돌리기는 만점 4점이므로 스무 번이면 80점이 만점이고, 1점이 1.25%에 해당한다. 실제로 그 행의 열두 칸은 56.25·70.00·76.25·78.75·85.00·91.25·75.00·75.00·87.50·56.25·62.50·90.00으로 전부 1.25의 배수다. 만점 5점인 지퍼 닫기와 SD카드 꺼내기 행은 1점이 1.00%라서 모든 칸이 정수다. 합격·불합격을 세는 비율이었다면 눈금이 과제마다 이렇게 달라질 이유가 없다.
뚜껑 돌리기의 채점표는 이렇다. 다가가면 1점, 잡고 제대로 돌리면 2점, 완전히 풀면 3점, 들어 올리면 4점. 그러니 90%는 스무 번 평균 3.6단계라는 뜻이고, 56.25%는 평균 2.25단계라는 뜻이다. 아래 숫자를 "열 번에 아홉 번 열었다"로 옮기면 틀린다.
5.2행동 모델 넷, 26개 과제 평균
행동 모델 넷에 각각 세 설정을 붙여 26개 과제 평균을 냈다. 어느 모델에서나 순서는 같다. 촉각 없음보다 생신호가 낫고, 생신호보다 토큰이 낫다. 다만 두 걸음의 크기가 다르다. 생신호가 가져온 몫은 모델에 따라 3분의 1에서 절반 사이다.
| 행동 모델 | 촉각 없음 | + 생신호 | + LingBot-Touch | 변화 |
|---|---|---|---|---|
| Diffusion Policy | 21.6 | 28.7 | 35.6 | +13.9%p |
| π0.5 | 48.1 | 54.7 | 69.9 | +21.8%p |
| LingBot-VLA | 48.3 | 56.5 | 73.1 | +24.8%p |
| T-Rex | 45.4 | 56.6 | 68.6 | +23.2%p |
논문 Tab. 2의 26개 과제 평균. 단위는 위 5.1절에서 설명한 단계별 채점 점수의 백분율이다. 네 모델의 생신호 몫은 각각 +7.0·+6.6·+8.2·+11.2%p였다. 실로봇에 붙인 인코더는 4,000시간으로 학습한 Tiny이고, 4,983시간 전부로 학습한 쪽은 앞 절의 탐침 실험에 쓴 Small이다.
표에서 변화가 가장 큰 LingBot-VLA는 논문을 낸 로비안트 자신의 행동 모델이다. 논문에 소속 표기가 없어 겉으로는 드러나지 않지만, 회사 제품군을 보면 2026년 1월에 공개한 자사 모델이다. 흠집을 낼 일은 아니다. 나머지 셋은 전부 외부 모델이고 같은 방향으로 같은 폭만큼 움직였으니, 오히려 그 점이 결과를 받쳐 준다. 다만 이 글이 대표 수치로 드는 것은 제3자 모델 T-Rex의 +23.2%p다.
5.3생신호가 해가 되는 칸도 있다
평균만 보면 생신호도 도움이 되는 것처럼 보인다. 과제와 모델을 하나씩 짚어 보면 그림이 달라진다. 26개 과제 × 4개 모델, 모두 104쌍 가운데 22쌍에서 생신호를 더한 정책이 촉각을 아예 안 쓴 정책보다 나빴다. LingBot-VLA는 마작 분류에서 28.8%에서 5.0%로, 달걀 옮기기에서 65.0%에서 28.8%로 떨어졌고, π0.5는 지퍼 닫기에서 39.0%에서 15.0%로 떨어졌다. 논문의 설명은 간단하다.
"Given 200 demonstrations, a policy cannot learn to read a sparse, high-dimensional sensor from scratch, and the attempt can distract it from the signals it already reads. The frozen tokens arrive already meaning something."
§5.2. 시연 200개로는 희소하고 고차원인 센서를 처음부터 읽는 법까지 배울 수 없고, 그 시도가 이미 읽고 있던 신호마저 흐트러뜨릴 수 있다. 고정한 인코더에서 나온 토큰은 이미 뜻을 지닌 채로 도착한다.
사전학습에서 본 적 없는 손에서는 차이가 더 선명해진다. XHand1의 여섯 과제에서 생신호가 네 행동 모델에 보탠 몫은 +4.6, −1.7, 0.0, +2.0%p로 사실상 없는 것과 같다. 같은 신호를 LingBot-Touch의 토큰으로 바꿔 넣으면 같은 자리에서 +16.3, +24.5, +17.8, +13.8%p가 된다. 센서도 같고 과제도 같고 시연 수도 같다. 달라진 것은 형식뿐이다.
반대 방향의 칸도 있다. 104쌍 가운데 9쌍에서는 생신호 쪽이 토큰 쪽보다 나았고, 그중 다섯이 Diffusion Policy다. 가장 또렷한 예가 SD카드 꺼내기다. π0.5는 생신호로 69.00, 토큰으로 64.00이었고 LingBot-VLA는 72.00 대 64.00이었다. 모든 칸에서 이기는 결과가 아니라는 뜻이고, 이 사실은 논문 자신의 표에 그대로 적혀 있다.
| 과제 (손) | 행동 모델 | 촉각 없음 | + 생신호 | + LingBot-Touch |
|---|---|---|---|---|
| 뚜껑 돌리기 Sharpa Wave · 4점 서열 | Diffusion Policy | 56.25 | 70.00 | 76.25 |
| π0.5 | 78.75 | 85.00 | 91.25 | |
| LingBot-VLA | 75.00 | 75.00 | 87.50 | |
| T-Rex | 56.25 | 62.50 | 90.00 | |
| 지퍼 닫기 Sharpa Wave · 5점 | Diffusion Policy | 14.00 | 9.00 | 22.00 |
| π0.5 | 39.00 | 15.00 | 59.00 | |
| LingBot-VLA | 11.00 | 16.00 | 55.00 | |
| T-Rex | 15.00 | 17.00 | 42.00 | |
| SD카드 꺼내기 Sharpa Wave · 5점 | Diffusion Policy | 6.00 | 10.00 | 16.00 |
| π0.5 | 47.00 | 69.00 | 64.00 | |
| LingBot-VLA | 34.00 | 72.00 | 64.00 | |
| T-Rex | 32.00 | 84.00 | 92.00 | |
| 쌓인 컵 분리 XHand1 · 4점 | Diffusion Policy | 27.50 | 32.50 | 41.25 |
| π0.5 | 32.50 | 32.50 | 72.50 | |
| LingBot-VLA | 58.75 | 85.00 | 86.25 | |
| T-Rex | 41.25 | 46.25 | 55.00 |
26개 과제 가운데 넷(논문 Tab. 2). 주황색이 그 줄의 1위다. 공개 직후 여러 보도가 옮긴 "56.25에서 90으로"는 뚜껑 돌리기의 T-Rex 한 줄이고, 같은 과제에서 π0.5는 78.75에서 91.25로, LingBot-VLA는 75.00에서 87.50으로 움직였다. 쌓인 컵 분리는 두 손 모두에 같은 이름의 과제가 있다. 그래서 손을 함께 적었다.
이득이 어디에서 나는지도 표에 드러난다. 지퍼 슬라이더가 물렸는지, 방아쇠가 충분히 당겨졌는지, 카드가 끝까지 빠졌는지처럼 눈으로는 판정이 안 되는 한 순간에서 격차가 가장 크다. 논문의 표현으로는 "The largest per-task gains sit at the step of a task that vision cannot resolve"다.
같은 자리에 다른 인코더를 끼워 본 실험도 있다. 논문을 낸 쪽 모델인 LingBot-VLA를 바탕으로 Sharpa Wave 다섯 과제(블록 뒤집기, SD카드 꺼내기, 분무기 방아쇠 당기기, 쌓인 컵 분리, 접시 닦기)를 돌렸을 때, 촉각을 안 쓴 정책이 55.9%, LingBot-Touch의 Tiny 토큰을 얹은 정책이 82.2%였다. 같은 자리에 FTP-1의 촉각 인코더를 끼우면 67.5%로, 보탠 몫이 절반에 못 미친다. FTP-1은 다섯 가운데 셋에서 돕지만 쌓인 컵 분리에서 95%를 85%로, 접시 닦기에서 74%를 67%로 떨어뜨린다. LingBot-Touch는 다섯 모두에서 원래 정책 이상이었다.
같은 다섯 과제가 사전학습 시간의 몫도 보여 준다. 똑같은 Tiny 인코더를 1,000시간부터 5,000시간까지 천 시간씩 늘려 학습해 끼우면 그 정책이 69.8, 74.3, 77.4, 81.4, 82.2%로 올라간다. 더해진 시간 가운데 이 다섯 과제에서 온 것도, 이 로봇의 시연에서 온 것도 없다. 과제 데이터를 한 시간도 더 주지 않고 인코더가 본 접촉만 늘렸는데 로봇 쪽 성적이 따라 올라간다. 다만 마지막 천 시간이 보탠 몫은 0.8%p로 다섯 칸 가운데 가장 작다.
시뮬레이션 강화학습 12개 과제에서도 순서가 같았다. LingBot-Touch 69.0%, 과제별로 따로 학습한 CNN 45.6%, 생신호 38.5%, 접촉 여부만 알려 준 이진 신호 30.3%, 촉각 없음 21.4%다. 눈여겨볼 것은 평균보다 흔들림이다. 씨앗을 바꿔 다시 돌렸을 때 LingBot-Touch의 표준편차는 최대 9.2, 평균 3.9였는데, 비교군은 펜 돌리기에서 55까지 벌어졌다. 같은 설정을 다시 돌렸을 때 비슷한 결과가 나오느냐는 현장에서는 평균만큼 중요한 조건이다.
합치는 일에도 청구서가 있다
합치기의 값을 보인 바로 그 절에 논문은 무엇을 내주는지도 같이 적어 뒀다. 여기가 이 논문에서 가장 덜 인용된 자리이고, 데이터를 운영하는 쪽에서 보면 가장 쓸모 있는 자리다. 질문을 두 가지로 나눠 각각 측정했기 때문이다. 첫째, 내 데이터를 그대로 둔 채 남의 데이터를 보태면 어떻게 되나. 둘째, 쓸 수 있는 총 시간이 정해져 있을 때 그 시간을 한 센서에 몰아 주는 편과 세 센서에 나눠 주는 편 가운데 어느 쪽이 나은가.
| 물음 | 논문이 측정한 답 |
|---|---|
| 내 데이터는 그대로 두고 남의 시간을 더하면 단일 출처는 시각 331시간 또는 자기 228시간, 다중 출처는 그 둘에 압저항 441시간을 더한 1,000시간 |
센서·과제 8쌍 가운데 7쌍이 좋아진다. 자기 센서는 전 과제 개선이고 힘 오차가 4.34 N에서 2.52 N으로, 다음 힘 예측이 3.77 N에서 1.84 N으로 내려간다. 다만 시각 센서의 접촉점 오차는 0.41 mm에서 0.68 mm로 나빠진다 |
| 총 예산을 1,000시간으로 묶고 겨루면 한 센서 1,000시간 대 같은 1,000시간을 세 센서가 나눠 쓴 모델 |
한 센서만 쓴 모델이 그 센서에서 8쌍 가운데 7쌍을 이긴다. 격차는 공간 과제에서 크다(접촉점 0.34 대 0.68 mm 시각, 0.33 대 1.12 mm 자기). 반대로 시간 변화를 예측하는 과제에서는 시각 쪽 다중 출처가 낫다(1.49 대 1.67 N) |
논문 §4.3과 Fig. 8. 두 줄의 "8쌍 중 7쌍"은 방향이 서로 반대다. 위 줄은 남의 데이터를 보탠 쪽이 이긴 쌍의 수이고, 아래 줄은 같은 예산에서 한 센서만 쓴 쪽이 이긴 쌍의 수다.
두 줄을 가르는 것은 내 센서를 본 시간이 줄어드느냐다. 위쪽에서는 시각 센서의 331시간과 자기 센서의 228시간이 그대로 있고 거기에 압저항 441시간이 얹혀 총 1,000시간이 된다. 아래쪽에서는 같은 1,000시간을 셋이 나눠 가지므로, 시각 센서가 자신의 배열을 본래 해상도로 본 시간이 1,000시간에서 330시간으로 줄어든다. 그래서 공간 과제에서 격차가 먼저 벌어진다.
두 수치는 모순이 아니다. 질문이 다르다. 더할 시간이 공짜로 생기면 합치는 편이 이기고, 쓸 수 있는 시간을 나눠야 하면 모으는 편이 진다. 현장의 조건이 어느 쪽인지가 결정을 가른다.
무엇이 넘어가고 무엇이 안 넘어가는지도 갈린다. 논문의 정리가 그 경계를 그대로 적는다.
"Force and dynamics transfer across transducers, so hours from another sensor substitute for a sensor's own when those are scarce. Spatial precision depends on seeing a sensor's own layout at its own resolution, so at a fixed budget pooling costs some of it, in exchange for one encoder that serves three sensor families."
§4.3. 힘과 움직임은 변환기를 건너 옮겨 가므로, 내 센서 시간이 모자랄 때 다른 센서의 시간이 그것을 대신한다. 공간 정밀도는 그 센서의 배열을 그 해상도로 본 만큼에 달려 있으므로, 예산이 고정되면 합치기는 그 일부를 내준다. 그 대가로 인코더 하나가 세 센서 계열을 섬긴다.
6.1데이터가 늘면 모델도 같이 커야 한다
시간을 늘린 효과는 모델 크기에 걸려 있다. Small은 1,000시간에서 5,000시간까지 두 손의 모든 과제에서 계속 좋아진다. Sharpa Wave에서 힘 오차가 1.68 N에서 0.81 N으로, 검색 재현율이 42.5%에서 72.6%로 움직였다. Tiny는 같은 곡선을 4,000시간쯤까지 따라가다 평평해지고, 5,000시간에서는 두 손 모두에서 검색 재현율이 오히려 떨어진다. 논문의 진단은 "the data are not the limit; the model is, so capacity has to grow with the corpus"다. 데이터를 더 모으는 일과 그것을 받을 모델을 키우는 일이 같이 가야 한다.
6.2품질 기준을 못 맞춘 센서는 아예 빠졌다
논문이 스스로 적은 한계는 셋이다. 손 종류가 더 다양해야 하고, 센서 범위를 더 넓혀야 하고, 좌표계와 배치가 손끝에 치우쳐 손바닥과 손가락 안쪽 접촉이 과소 대표된다. 가운데 항목에 붙은 설명이 이 글에서 가장 무거운 한 줄이다.
"Capacitive sensors are currently absent from pretraining because the capacitive recordings available to us did not meet our quality requirements."
§6 한계. 정전용량식 센서는 현재 사전학습에 들어 있지 않다. 구할 수 있었던 정전용량식 기록이 품질 요건을 만족하지 못했기 때문이다.
좌표계를 아무리 잘 설계해도 기록이 기준을 못 넘기면 네 번째 센서 종류는 통합 대상에 들지 못한다. 합치기의 전제가 결국 품질 관문이라는 자백이고, 이 글의 마지막 절로 그대로 이어지는 문장이다.
6.3바이트를 맞추는 길과 표현을 맞추는 길
지금 같은 문제를 두 방향에서 풀고 있다. 한쪽은 바이트를 맞춘다. LeRobot이나 ROS처럼 데이터를 담는 그릇을 정하고, 그 안에 촉각을 어떤 자료형으로 넣을지 합의하려는 길이다. 그릇은 이미 있고 남은 것은 의미 층이다. 키 이름을 무엇으로 할지, 단위를 무엇으로 쓸지, 센서 기하를 어떻게 적을지, 아무것도 닿지 않은 상태의 기준선을 무엇으로 둘지. 앞 §1에서 본 제안이 석 달째 열려 있는 것도 이 의미 층에서 막혀서다. 다른 한쪽은 표현을 맞춘다. 바이트는 제각각인 채 두고 임베딩에서 만나게 하는 길이고, LingBot-Touch가 그 길에서 나온 첫 대규모 보고서다.
어느 쪽이 이긴다고 말할 단계는 아니다. 다만 두 길이 요구하는 것이 다르다. 바이트를 맞추는 길은 합의를 기다려야 하고, 표현을 맞추는 길은 그 표현을 학습할 수 있을 만큼의 시간과 품질을 먼저 요구한다.
5주 전에 다룬 촉각 장갑 TouchScale은 정반대 축에 서 있다. 그쪽은 센서를 한 종류로 고정하고 시간만 늘려 "양이 얼마를 가져가는지"를 따로 떼어 보였다. 이 글은 센서를 섞어도 되게 만든 쪽이 얼마를 가져가고 얼마를 내주는지를 본다. 두 글을 겹쳐 읽으면 로봇 촉각 데이터에서 양과 형식이 각각 어느 몫을 차지하는지가 드러난다.
페블러스 관심의 이유
여기부터는 논문에 적힌 사실이 아니라 페블러스가 붙인 해석이니 나눠서 읽어 주시기 바란다.
모델을 키우는 대신 입력을 옮겼다
LingBot-Touch가 한 일은 더 큰 모델을 만드는 대신 입력을 같은 자리로 옮긴 것이다. 센서 번호 대신 손끝 위 좌표로 기록을 다시 적자 서로 못 읽던 데이터가 하나의 학습 자산이 됐다. 페블러스가 AI-Ready Data라고 부르는 일의 본보기이고, 동시에 그 일이 모델 바깥의 데이터 쪽에서 끝나야 한다는 증거이기도 하다. 로봇이나 설비 데이터를 다루는 고객에게 이 사례가 보여 주는 것은 "데이터를 더 모으자" 다음에 와야 할 질문이 무엇인가다.
품질 관문이 세 번 나온다
품질 관문은 이 글에 세 번 나오는데, 그 가운데 둘이 논문 안에 있다. 하나는 정전용량식 센서가 기준을 못 맞춰 사전학습에서 빠진 일이고, 또 하나는 생신호를 그대로 넣었을 때 104쌍 중 22쌍에서 성능이 내려간 일이다. 둘 다 같은 말을 한다. 데이터가 있다는 것과 더할 수 있다는 것은 다르다. 세 번째 증거는 논문 바깥에 있다. LeRobot 제안의 토론에서 막힌 것도 알고리즘이 아니라 키 이름과 단위와 센서 기하와 기준선 같은 메타데이터였다. 계측 조건과 좌표계가 기록되지 않은 센서 기록은 장비가 바뀌는 순간 버려진다. DataClinic이 데이터셋을 받을 때 수집 조건부터 묻는 이유가 이것이다.
현장이 실제로 묻는 질문에 조건부 답이 생겼다
"장비를 바꾸면 그동안 쌓은 기록은 어떻게 되나"는 로봇이나 계측 장비를 쓰는 현장의 실제 질문이다. 이 논문은 거기에 조건을 붙인 답을 준다. 힘과 시간 변화는 다른 장비에서도 옮겨 가고, 공간 정밀도는 그 장비의 배열을 본래 해상도로 얼마나 오래 봤느냐에 달려 있다. 그러니 합치기를 결정할 때 따질 것은 "합칠 수 있나"가 아니라 "우리에게 필요한 정밀도가 어느 축인가"다. 그리고 그 판단은 수집 단계에서 좌표와 규격과 기준선을 남겨 둔 조직만 할 수 있다.
페블러스가 설 자리
페블러스가 설 자리는 촉각 모델을 만드는 쪽이 아니라, 서로 다른 장비에서 나온 기록을 나중에 합칠 수 있는 형태로 남기게 하는 쪽이다. LingBot-Touch는 그 일을 모델 안에서 해낸 사례인데, 대부분의 현장은 모델을 만들지 않는다. 남는 일은 수집 규격과 좌표와 계보를 데이터 쪽에 심는 일이고, 그 일이 끝나 있어야 언젠가 누군가 만든 인코더에 우리 기록을 넣어 볼 수 있다.
1절부터 6절까지의 수치와 큰따옴표 인용은 arXiv:2611.12806 v1 전문의 본문·표·부록·한계 절에서 직접 대조했고, 공개 범위와 라이선스는 저장소와 프로젝트 페이지를, LeRobot 제안은 해당 PR 본문과 리뷰 토론을 2026년 11월 17일에 직접 열어 확인했다. 큰따옴표 안은 모두 영문 원문이고 그 아래 한국어는 옮긴 뜻이다. 논문 서론은 향상폭을 "14 to 26 percentage points"로 적지만 결과표의 26개 과제 평균은 13.9에서 24.8%p 사이라 이 글은 결과표 쪽을 따랐다. 센서와 로봇 손 공급사의 사양·가격은 확인하지 못해 회사 이름을 본문에 나열하지 않았고, 촉각 센서 시장 규모는 조사사 간 편차가 너무 커 쓰지 않았다. 페블러스는 논문 저자, 로비안트, 본문에 거명된 기관과 이해관계가 없다.
참고문헌
1차 — 이 글이 읽은 논문
- 1.Bing Han 외 (저자 19인, 프로젝트 리드 Wei Ning). "Learning Heterogeneous Tactile Representation for General Dexterous Manipulation." arXiv: 2611.12806 — v1 2026년 11월 9일, cs.RO, CC BY 4.0. 본문의 모든 수치와 인용은 이 전문의 본문·표·부록에서 확인했다. 2026년 11월 17일 기준 판본은 v1 하나다.
- 2.FTP-1 — arXiv: 2606.13102. 이 글의 유일한 직접 비교 대상이며, 새 하드웨어에 센서 전용 인코더를 붙여 적응시키는 방식이다.
- 3.1번 논문 §2.2가 경계를 그은 선행 연구들 — T3(광학식 센서별 인코더 + 공유 백본), AnyTouch와 AnyTouch 2(광학식 센서 간 정합), HTT(광학·배열식, 짝지어진 센서 기록 필요), Sparsh·Sparsh-skin·Sparsh-X(각각 광학식·자기식·한 장치 안의 멀티모달). 이 글은 1번 논문이 적은 범위 설명까지만 확인했고 각 원문을 따로 읽지 않았다.
- 4.I-JEPA · V-JEPA — 1번 논문이 Tactile-JEPA의 계보로 든 연구다. 구조 자체의 설명은 이 글에서 하지 않았다.
- 5.Roland S. Johansson, J. Randall Flanagan. "Coding and use of tactile signals from the fingertips in object manipulation tasks." Nature Reviews Neuroscience, 2009 — 1번 논문 §1이 사람 쪽 근거로 인용한 연구다.
1차 — 공개 상태와 회사
- 6.github.com/robbyant/lingbot-touch — 아파치 2.0. 추론 코드, 토큰 추출 도구, Tiny·Small 체크포인트, 센서별 데이터 인터페이스 코드, 표본 기록 120개 파일. 2026년 11월 17일 열람. 사전학습 코퍼스는 포함되지 않는다.
- 7.프로젝트 페이지
technology.robbyant.com/lingbot-touch· Hugging Facerobbyant/lingbot-touch· ModelScope — 2026년 11월 17일 열람. - 8.로비안트 보도자료(2026년 11월 10일) 및 회사 소개 — 법인명 Shanghai Ant Robbyant Technology Co., Ltd., 자기 소개 "an embodied AI company under Ant Group, building one brain for all robots". LingBot 계열 모델 구성(LingBot-VLA는 2026년 1월 공개)도 이 자료에서 확인했다.
1차 — 생태계
- 9."Add tactile sensor module with unified point-set interface (roadmap #3832)", huggingface/lerobot PR #4469 — 2026년 8월 18일 열렸고 2026년 11월 17일 기준 아직 열린 상태다. 본문과 리뷰 토론을 직접 열어 확인했다.
2차 — 보도
- 10.AI타임스 "앤트그룹, 로봇에 '촉각' 더하는 AI 공개"(2026년 11월 10일) · 스페셜타임스(2026년 11월 11일) — 국내 보도 두 건이다. 회사 한국어 표기를 각각 로비안트와 로비앤트로 적는다.
- 11.roboticsandautomationnews.com(2026년 11월 15일) · interestingengineering.com — 영문 2차 보도다. 두 곳 모두 논문 서론의 "14 to 26 percentage points"를 그대로 옮겼다.
페블러스 선행 글
- 12.촉각 장갑 TouchScale, 로봇 성공률을 두 배 넘게 올린다(2026년 10월 9일) — 6.3절의 대조군이다. 센서를 한 종류로 고정하고 시간만 늘린 쪽을 다뤘다.
- 13.휴머노이드 자본이 비껴간 촉각 데이터(2026년 7월 12일) — 1.2절에서 "왜 안 모이나"를 물은 글이다.
- 14.로봇 학습 데이터는 왜 넘치는데도 모자랄까?(2026년 8월 11일) — 1.2절의 "다섯 번째 번역 장치"가 여기서 나온다.
- 15.얀 르쿤의 작은 모델, 데이터를 적게 썼을까 잘 묶었을까?(2026년 11월 8일) — 3.1절이 결합 임베딩 예측 구조의 설명을 넘긴 글이다.
- 16.촉감까지 기록하는 아지봇 AgiBot(2026년 6월 27일) · 변형 물체의 촉각까지 기록한 로봇 학습 데이터셋 Deform360(2026년 7월 29일) · 로봇에게 무엇을 먹일 것인가(2026년 8월 1일) · 피지컬 AI 데이터셋 허브 — 같은 묶음의 선행 글이다.