흰 로봇에 색 입히기, 6번 실패하고 7번째에 — 화면 대신 코드로 되읽어야 했던 이유
Isaac Sim으로 불러온 교육용 AMR로봇암이 온통 흰색이라 부위별 색을 입히려 했습니다. 재질을 만들어 연결해도 6번 동안 그대로 흰색이었고, 원인은 조명도 재질 종류도 아닌 "재질이 걸린 위치"였습니다. 같은 증상 뒤에 다른 원인을 하나씩 지운 기록입니다.
읽어보기 →BLOG
제조사 소개서에는 없는 내용을 답해 드리고자 합니다. 설치에서 막히는 지점, 수업에서 실제로 쓰는 방법, 도입 후에 달라지는 것을 현장에서 확인한 대로 적었습니다. 많은 도움이 되시길 바랍니다.
처음이신가요? 피지컬 AI 시작하기개념부터 직접 해 보기까지, 읽는 순서대로 모았습니다
가상 로봇 수천 대가 11번 배운 다가가기 — 네 번은 점수표의 빈틈으로 무너졌다
교육용 AMR로봇암이 블록까지 다가가는 한 단계만 강화학습으로 가르쳤습니다. 11번 학습시켜 네 번은 "가만히 서 있기" 같은 꼼수로 무너졌고, 학습 점수가 좋아 보였던 한 번은 실제로는 한 번도 도착하지 못했습니다. 마지막 정책은 가상 환경 200번 중 199번 도착했지만 목표 시간에는 미치지 못했습니다.
읽어보기 →가상에서 배운 다가가기를 실물에 옮겼더니 — 숫자 옆에 한계 9가지를 적은 이유
가상 환경에서 강화학습으로 배운 다가가기 정책을 실물 AMR로봇암에 넣고, 사람이 짠 규칙과 같은 자리에서 3번씩 비교했습니다. 다가가는 시간은 13.2초 대 19.4초였고, 가상에서 배운 "카메라를 두 칸 한 번에 숙이기"가 실물에서도 같은 거리에서 나왔습니다. 다만 한 자리·3번씩·낮은 배터리라는 조건이 붙은 결과입니다.
읽어보기 →블록 앞에 서기를 짧은 시간에 배웠다 — 성공률 100%를 의심하는 법
교육용 AMR로봇암이 블록 앞에 바로 서는 법을, 물리 엔진 없이 간단한 계산 환경에서 짧은 시간에 배웠습니다. 학습에 쓰지 않은 100가지 조건에서 100번 모두 성공했지만, 그 100%가 무엇을 뜻하는지부터 따졌습니다. 3D 물리 엔진으로 옮기자 한 번은 로봇이 날아갔고, 고친 뒤에야 한 조건에서 성공했습니다.
읽어보기 →낙상 알림 서버는 어떻게 관리하나요? — 사진이 몰려도 차례로, 얼굴 대신 옷으로
요양원 낙상알림AI로봇의 사진은 서버로 모여 AI가 판정합니다. 사진이 한꺼번에 많이 들어와도 차례로 처리하도록 보강한 이야기와, 근무자와 어르신을 얼굴이 아니라 옷으로 구분하는 방법을 연구하는 이야기를 정리했습니다.
읽어보기 →로봇 강화학습을 시작하기 전에 — Isaac Sim·Isaac Lab·MuJoCo 받는 곳과 설치 순서
로봇이 스스로 걷는 법을 배우게 하려면 시뮬레이터부터 깔아야 합니다. Omniverse·Isaac Sim·Isaac Lab·MuJoCo가 각각 무엇인지, 공식 내려받기 주소와 저희가 쓴 버전, 공식 사양과 저희 PC 사양, 설치 순서와 확인 방법, 저희가 실제로 막혔던 곳을 한 글에 모았습니다.
읽어보기 →가상 K1에게 박물관 안내를 맡겨 보았습니다 — 배운 걸음으로 코스를 돌고, 한 번 잘 나온 숫자는 믿지 않기
강화학습으로 배운 Booster K1의 걸음을 박물관 안내 시뮬레이션에 붙였습니다. 표식을 보고 전시물 앞까지 걸어가 해설하는 코스를 학습 시작 번호(시드)를 바꾼 세 걸음으로 각각 돌려 모두 출구까지 도착했고, 넘어짐은 없었습니다. 다만 모두 시뮬레이션이고, 걸음이 충분히 좋은지는 학습 시작 번호(시드)를 바꿔 여러 번 학습한 평균과 가장 나쁜 값으로 따로 판정합니다.
읽어보기 →요양원 낙상 알림은 언제, 어떻게 오나요?
순찰 로봇이 찍은 사진에서 낙상 후보가 보이면 담당자 휴대폰으로 알림톡이 갑니다. 감지되면 담당자에게 전달 시간은 30초 이내입니다. 이 전달 시간이 무엇을 재는 시간인지, 알림에 무엇이 담기는지, 알림이 닿지 않는 곳은 어디인지 정리했습니다.
읽어보기 →낙상 알림 로봇 도입 전, 시설이 준비할 것은 무엇인가요?
순찰 복도 와이파이와 전원, 알림 받을 근무자 등록, 촬영 안내, 알림 뒤 대응 순서까지. 요양시설이 낙상 알림 로봇을 들이기 전에 준비할 것과, 로봇 운영 파트너·SV Robotics·시설이 각각 맡는 일을 정리했습니다.
읽어보기 →휴머노이드 교육 패키지, 시작·표준·심화 중 무엇을 고르나요?
휴머노이드 교육 구성은 시작(Start)·표준(Lab)·심화(Research) 세 가지입니다. 구성마다 교육 일수, 워크스테이션 사양 컨설팅, 연간 원격 기술지원 횟수가 다릅니다. 세 구성의 차이와 고를 때 먼저 정할 질문을 정리했습니다.
읽어보기 →가상 로봇에 눈과 균형 감각 달기 — 라이다·IMU를 붙이고 제대로 붙었는지 확인하기
가상 세계에 세운 교육용 AMR로봇암에 라이다와 IMU를 달았습니다. 사방에 벽을 세워 라이다 점이 벽에 붙는지로 확인했고, 스캔 방향을 반대로 읽으면 42.8%만 맞는다는 것을 알았습니다. IMU는 만드는 순서 하나로 값이 0에 머물렀습니다. 실제 사양을 구하지 못한 라이다를 어떻게 다뤘는지도 적었습니다.
읽어보기 →학습 전에 세상부터 만든다 — 가상 로봇의 연습장과 라이다 관찰값 설계
강화학습을 시작하기 전에 가상 로봇이 연습할 세상부터 만들었습니다. 장애물을 매번 다른 자리에 놓는 연습장, 수천 개의 라이다 점을 몇십 개 숫자로 줄이는 관찰값, 팔을 굽혀 카메라가 바닥을 보게 하는 자세까지. 학습은 아직 하지 않았고, 연습장이 고장 없이 돌아가는지부터 점검한 기록입니다.
읽어보기 →로봇이 보상을 속였다 — 3cm 큐브 집기 학습에서 만난 꼼수 두 가지
교육용 AMR로봇암의 팔에 3cm 큐브 집기를 강화학습으로 가르치다가, 로봇이 점수만 올리는 꼼수를 두 번 찾아냈습니다. 보상을 고치자 계산용 연습 환경에서는 100번 중 98번 통과했지만, 접촉까지 계산하는 물리 시뮬레이션에서는 4번 모두 큐브를 들지 못했습니다. 그 과정을 그대로 적었습니다.
읽어보기 →로봇이 하늘로 날아간 날 — 교육용 AMR로봇암을 가상 세계에 세우기까지
교육용 AMR로봇암을 Isaac Sim 가상 세계에 올리고 중력을 켜자 1초 안에 튕겨 나갔습니다. 의심 가는 설정을 하나씩 꺼 보며 원인을 지웠고, 부품 합치기와 관성 자동 계산 두 설정을 함께 켜자 50초 동안 제자리에 서 있었습니다. 그리퍼가 계산을 깨뜨린 일과 아직 풀지 못한 문제까지 적었습니다.
읽어보기 →Booster K1과 T2, 학교·대학 실습에는 어느 쪽이 맞나요?
보행·센서·기본 AI 실습이 중심이면 K1, 양팔로 물체를 다루는 조작 연구까지 가려면 T2입니다. 크기와 무게, 자유도, 온보드 컴퓨팅, 배터리를 제조사 공개 사양으로 나란히 놓고 수업 목적별로 고르는 기준을 정리했습니다.
읽어보기 →팔을 흔들면 왜 더 잘 걷나요? — K1 걷기학습 V5
V4까지는 팔에 "가만히 있으라"는 벌점만 있었고, 걸을 때 팔이 옆으로 설렁거렸습니다. 다리 걸음 박자에 맞춰 팔을 앞뒤로 흔들면 점수를 주는 보상을 더한 V5는 동작 급변과 몸통 흔들림이 조금 줄었습니다. 속도를 0.7m/s로 올린 결과와 검증하지 못한 부분까지 그대로 적었습니다.
읽어보기 →강화학습이 뭐길래 로봇이 스스로 걷는 법을 배우나요?
로봇에게 "이렇게 걸어라"를 하나하나 가르치지 않아도, 시도해 보고 점수를 매기는 것만으로 걷는 법을 스스로 찾아내는 방법이 있습니다. 강화학습을 쉬운 비유로 설명하고, 저희가 실제로 K1 로봇에 적용한 결과로 이어집니다.
읽어보기 →AMR 도입 가격은 얼마인가요? — 견적에 들어가는 항목
로봇 값만으로 정해지지 않습니다. 옮기는 물건과 무게, 현장 설비 연동, 충전 자리, 운영 관리까지가 견적에 들어갑니다. 금액을 바꾸는 항목을 하나씩 정리했습니다.
읽어보기 →우리 현장에는 어떤 AMR이 맞나요? — 옮기는 물건으로 고르기
AMR은 종류가 많아 보이지만 고르는 기준은 하나입니다. 무엇을 옮기는가입니다. 팔레트·선반·랙·컨베이어·자재·고하중·시설 배송까지 일곱 갈래로 나눠 정리했습니다.
읽어보기 →청소로봇 한 대가 하루에 얼마나 닦나요?
사양표의 시간당 면적은 최대·평균값입니다. 우리 건물에서 실제로 얼마나 닦는지는 통로 구조와 운영 시간으로 계산합니다. 계산하는 순서와 줄어드는 이유를 정리했습니다.
읽어보기 →청소로봇을 들인 뒤 관리자는 무엇을 하나요?
로봇이 들어오면 청소 일과가 바뀝니다. 매일 하는 일, 주마다 하는 일, 사람이 계속 맡는 일을 나눠 정리했습니다. 도입 전에 담당자를 정해 두는 것이 가장 중요합니다.
읽어보기 →청소로봇 가격은 얼마인가요? — 견적에 들어가는 항목
모델 하나의 값이 아니라 현장 조건이 견적을 정합니다. 청소 면적과 통로 폭, 바닥 재질, 하루 작업시간과 운영할 대수, 자동 급배수 스테이션 같은 선택 액세서리가 함께 들어갑니다. LionsBot R3 Scrub Pro·R5 기준으로 견적 항목을 정리했습니다.
읽어보기 →업무용 청소로봇은 가정용 로봇청소기와 무엇이 다른가요?
검색하면 가정용 로봇청소기가 먼저 나옵니다. 건물 바닥을 닦는 업무용 청소로봇은 하는 일도, 고르는 기준도 다릅니다. 무엇이 다른지와 우리 건물에 맞는지 가르는 기준을 정리했습니다.
읽어보기 →안내로봇을 들이기 전, 무엇을 안내할지부터 정합니다
안내로봇이 조용해지는 이유는 성능이 아니라 안내할 내용이 낡아서입니다. 도입 전에 정할 세 가지와 1년 뒤를 가르는 조건, 비용을 어떻게 잡는지 정리했습니다.
읽어보기 →휴머노이드 교육 장비 가격은 얼마인가요? — 견적에 들어가는 항목
로봇 구성과 수량만으로 정해지지 않습니다. 시뮬레이션 실습 자리 수, 교원·조교 교육 범위, 기술지원 범위, 설치와 운영 지원이 함께 들어갑니다. 견적을 요청하기 전에 정리할 항목을 순서대로 담았습니다.
읽어보기 →분석 장비는 자동인데 장비 사이 일은 사람이 해요. 이동형 실험실 로봇이 맡을 수 있나요?
샘플을 장비에 넣고 빼는 일, 튜브 캡 제거, 냉장 보관·회수, 랙 옮기기처럼 장비와 장비 사이의 반복 작업이 대상입니다. 이동형 로봇 uLab Mobile을 예로, 주간 협업·야간 자율 운용 구성과 도입 전 확인할 것을 정리했습니다.
읽어보기 →검사실 자동화 로봇, 팔이 하나인 것과 둘인 것은 무엇이 다른가요?
팔이 둘이면 한 팔이 튜브를 잡고 있는 동안 다른 팔이 다음 일을 해서, 내려놓았다 다시 집는 단계가 줄어듭니다. 싱글암 uLab Uno(시간당 최대 90개)와 듀얼암 uLab Duo(최대 170개)를 공식 사양으로 비교하고 고르는 기준을 정리했습니다.
읽어보기 →검사실 검체 튜브 옮기는 일, 로봇으로 어디부터 자동화하나요?
라인 전체를 새로 까는 대신 원심분리기 투입·회수처럼 반복이 가장 많은 한 공정부터 시작합니다. 싱글 로봇암 uLab Uno를 예로, 먼저 확인할 것과 단계별 도입 순서, LIS가 없을 때 쓰는 방법을 정리했습니다.
읽어보기 →야간 순찰 로봇을 들이면 근무자 일과는 어떻게 바뀌나요?
로봇이 순회를 대신하지는 않습니다. 근무자가 도는 일은 그대로 두고, 확인이 필요한 상황을 먼저 알려 주는 쪽입니다. 도입 전후로 무엇이 달라지고 무엇이 그대로인지 정리했습니다.
읽어보기 →요양시설에 로봇을 들일 때 영상·개인정보는 어떻게 정하나요?
영상을 쓰는 장비는 설치보다 기준 정하기가 먼저입니다. 무엇을 정해야 하는지, 누가 정하는지, 저희가 어디까지 맞추는지 순서대로 정리했습니다. 기준값은 시설 방침을 따릅니다.
읽어보기 →무인 지게차와 팔레트 트럭 AMR은 무엇이 다른가요?
둘 다 팔레트를 옮기지만 드는 높이와 쓰는 자리가 다릅니다. 바닥에서 옮기는 일이 대부분인지, 높은 랙에 올려야 하는지로 갈립니다. 고르는 기준과 확인할 현장 조건을 정리했습니다.
읽어보기 →순찰 로봇 도입 가격은 얼마인가요? — 견적에 들어가는 항목
로봇 값만으로 정해지지 않습니다. 순찰 구역 수, 네트워크 상태, 알림 받을 사람 수, 설치 조건, 운영 지원까지가 견적에 들어갑니다. 금액을 바꾸는 항목을 정리했습니다.
읽어보기 →창고에 세워 둔 Pepper 로봇, 학교·기관에서 다시 쓸 수 있나요?
하드웨어를 뜯지 않고 소프트웨어만 설치해 AI 대화·시설 안내를 붙이는 방법이 있습니다. 먼저 확인할 것, 설치 순서, 관리자가 쓰는 화면까지 정리했습니다.
읽어보기 →학교·대학에서 휴머노이드 장비는 어떤 절차로 사나요?
추정가격 2천만 원 이하 물품은 수의계약과 견적서 1장으로 살 수 있고, 그보다 크면 계약 상대와 금액에 따라 견적 방법이 달라집니다. 학교·국립대 회계연도는 3월에 시작해 예산안이 1월에 만들어지므로, 견적은 그 전 가을~겨울에 준비합니다. 법령 원문 기준으로 정리했습니다.
읽어보기 →AGV와 AMR, 무엇이 다른가요?
AGV는 바닥에 깔아 둔 테이프·마커 같은 길잡이를 따라 움직이고, AMR은 현장 지도를 스스로 만들어 경로를 고릅니다. 장애물을 만났을 때, 라인을 바꿀 때, 처음 설치할 때 차이가 납니다. 공장 담당자가 도입 전에 볼 기준으로 정리했습니다.
읽어보기 →돌봄로봇, 어떤 종류가 있고 무엇을 먼저 따져야 하나요?
돌봄로봇은 하는 일이 서로 다릅니다. 몸을 직접 돕는 로봇, 안전을 지켜보고 알리는 로봇, 안내하고 말을 거는 로봇으로 나눠 보면 검토가 쉬워집니다. 종류별 성격과 도입 전에 따질 다섯 가지, 그리고 저희가 지금 제공하는 범위를 정리했습니다.
읽어보기 →CCTV와 AI 순찰 로봇은 무엇이 다른가요?
CCTV는 정해진 자리에서 찍고 저장하는 설비이고, AI 순찰 로봇은 순찰하며 찍은 사진에서 근무자가 먼저 확인할 상황을 골라 알려 줍니다. 둘 중 하나를 고르는 문제가 아니라, 무엇을 사람이 보고 무엇을 알림으로 받을지 나누는 문제입니다.
읽어보기 →청소로봇 도입 전, 현장에서 확인할 5가지는 무엇인가요?
바닥 재질, 가장 좁은 통로와 막다른 곳, 한 번에 닦을 면적과 시간, 충전·급배수 자리, 청소 시간대와 소음입니다. LionsBot R3 Scrub Pro와 R5의 공개 사양을 기준 숫자로 삼아 무엇을 재면 되는지 정리했습니다.
읽어보기 →낙상 감지, 센서·매트·영상·순찰 로봇 방식은 어떻게 고르나요?
몸에 차는 센서는 차고 있을 때만, 매트는 깔린 자리만, 고정 카메라는 비추는 곳만, 순찰 로봇은 지나가는 경로를 봅니다. 방식마다 무엇을 놓치기 쉬운지부터 보고 섞어 쓰는 기준을 정리했습니다.
읽어보기 →자율 실험실(Lab Automation) 장비, 도입 전 무엇을 확인하나요?
로봇부터 고르지 말고 지금 샘플이 어떻게 흘러가는지부터 적습니다. 한 작업대의 반복인지 장비 사이 이동인지, 튜브 규격과 바코드, 연결할 장비와 LIS·LIMS, 설치 공간과 전원, 사람과 함께 쓰는 안전 조건, 운영 시간을 순서대로 확인합니다. uLab Uno·Duo·Mobile 공개 사양을 기준 숫자로 정리했습니다.
읽어보기 →Isaac Lab에서 배운 걸음, MuJoCo에서도 걸을까요?
Isaac Lab에서 학습한 Booster K1 걷기 정책을 MuJoCo로 옮겨 보니, 앞으로 걷기와 회전은 그대로 됐고 옆걸음에서 넘어졌습니다. 무작위화 학습(v2)으로 넘어짐은 없앴지만 몸이 195° 돌아갔고, 걸음 모양 점수를 더한 v4에서 방향 틀어짐이 -11.6°로 줄었습니다. 옮기는 방법과 결과를 그대로 적었습니다.
읽어보기 →휴머노이드 실습 과목, 첫 학기에 무엇부터 준비하나요?
로봇보다 학생 노트북 사양과 시뮬레이터 설치 계획이 먼저입니다. 저희가 제안하는 한 학기 12주 배치 예시에서는 앞의 10주를 로봇 없이 진행하고, 실물 로봇은 마지막 두 주에 씁니다. 준비 순서를 다섯 단계로 정리했습니다.
읽어보기 →요양시설 야간 순찰 로봇으로 무엇을 할 수 있나요?
지금 제공하는 기능은 낙상 후보 감지, 지정된 시간대·장소에서 사람이 발견되면 보내는 알림, 순찰 공백 감시입니다. 감지되면 담당자에게 전달 시간은 30초 이내입니다. 데모를 어떻게 보실 수 있는지, 시설이 무엇을 준비하면 되는지까지 정리했습니다.
읽어보기 →Isaac Lab 윈도우 설치 오류 5가지와 해결법
Isaac Sim 5.1.0과 Isaac Lab 2.3.2를 윈도우에서 공식 설치 명령 그대로 깔아 보니 다섯 곳에서 멈췄습니다. pkg_resources 오류, 학습 시작 직후 access violation, URDF 확장 2.4.31을 못 찾는 오류까지, 오류 문구와 해결 명령을 그대로 적었습니다.
읽어보기 →Booster Studio는 무엇으로 만들어졌을까요?
쓰다 보니 "어디서 많이 본 것 같은데" 싶어서 설치 폴더를 열어봤습니다. VS Code 위에 여섯 가지가 얹혀 있더라고요.
읽어보기 →휴머노이드 걷기 AI 수업, PC 한 대로 할 수 있나요?
됩니다. GPU 한 장이 달린 PC에서 Booster K1 걷기를 32분 학습해 넘어지지 않는 걸음을, 걸음 모양까지 고친 v4는 1시간 40분 학습해 사람다운 걸음을 얻었습니다. 필요한 PC 사양, 쓴 도구, 다른 시뮬레이터로 확인한 결과와 한계를 정리했습니다.
읽어보기 →Booster K1 걷기 학습, Isaac Lab으로 32분 걸렸습니다
GPU 한 장으로 K1 4,096대를 동시에 돌려 32분 만에 넘어지지 않는 걸음이 나왔습니다. 그런데 1초에 발을 15.2번 딛는 종종걸음이었습니다. 걸음 모양 점수를 넣어 다시 학습한 v4는 1초 3.6걸음으로 걸었습니다. 설치하며 막힌 곳과 아직 확인하지 않은 한계까지 그대로 적었습니다.
읽어보기 →3v3 시뮬레이션 배속, 조건에 따라 두 배 벌어집니다
브라우저만 껐는데 0.38배속이 0.50배속이 됐어요. 400개 샘플로 재본 결과를 정리했습니다.
읽어보기 →로봇 없이 휴머노이드 6대 축구, 정말 돌아가나요?
돌아갑니다. 코드를 한 줄도 고치지 않았는데 잠깐 자리를 비운 사이 2점이 나 있었습니다. 심판까지 실제로 동작합니다.
읽어보기 →휴머노이드 실습실, 학생 수와 장비는 어떻게 나눠 생각할까요?
로봇 대수가 아니라 노트북 대수로 계산이 바뀝니다. 시뮬레이터가 무료이고 CPU만으로 돌아가거든요.
읽어보기 →학습 끝난 로봇 AI, 그냥 넣으면 걸을까요?
공개된 보행 AI를 받아서 로봇에 넣었는데 안 걷는다면요. 파일이 이상한 게 아닐 수도 있습니다. 저희가 그 파일을 직접 열어보고 알게 된 이야기예요.
읽어보기 →ROS 2는 언제부터 가르쳐야 하나요?
강화학습 실습에서는 의외로 안 씁니다. 실제 배포 코드를 열어보니 언제부터 등장하는지 명확하더라고요.
읽어보기 →IDE 안에서 로봇 시점 카메라와 조이스틱을 쓸 수 있나요?
됩니다. 다만 3v3 프로젝트로 열면 제어 패널이 전부 잠깁니다. 화면에 이유가 안 나와서 한참 헤맸습니다.
읽어보기 →로봇 시뮬레이터, 실습실에는 무엇을 설치할까요?
Gazebo, Isaac Sim, MuJoCo, Webots. 이름은 많이 들어보셨을 텐데 뭐가 다른지 헷갈리시죠. 성격만 잡아드릴게요.
읽어보기 →시뮬레이터에선 잘 걷는데 실제 로봇에선 휘청여요
파일 안에 있는 숫자 하나 때문일 수 있습니다. armature라고 부르는 값인데요, Booster 공개 파일을 직접 열어서 확인해 봤습니다.
읽어보기 →USD 파일이 없으면 강화학습을 못 하나요?
아니요, 됩니다. Isaac Sim이 알아서 바꿔서 쓰거든요. 실제 학습 코드가 어떻게 생겼는지 보여드릴게요.
읽어보기 →Booster Studio에서 첫 프로젝트는 어떻게 만드나요?
Create agent 버튼 하나로 시작합니다. 다만 처음에 씬을 잘못 고르면 무거운 화면과 씨름하다 끝납니다. 어느 것을 골라야 하는지 정리했습니다.
읽어보기 →URDF를 받았는데 모터 게인이 없어요
파일이 부실한 게 아닙니다. URDF라는 형식 자체에 그 칸이 없거든요. Booster K1·T1·T2 세 파일을 다 열어서 확인해 봤습니다.
읽어보기 →Booster Studio를 관리자 권한으로 켜지 마세요
자동 업데이트가 조용히 꺼집니다. 설치 경로가 왜 Program Files가 아닌지도 같이 정리했어요.
읽어보기 →설치 화면엔 1.55GB라는데 실제로는 13.4GB 듭니다
안내를 그대로 믿고 디스크를 잡으시면 중간에 막힙니다. 어디서 얼마씩 늘어나는지 재봤어요.
읽어보기 →