한국어ENGLISH
MENU

AMR로봇암 피지컬AI

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.

「중력을 켜자 로봇이 튕겨 나갔다?」 — 무게가 아니라 부품을 합치는 방식이었다. 피지컬AI 실험 썸네일(질문과 그래프 도식).

중력을 켜자 로봇은 1초 안에 튕겨 나갔습니다. 원인은 로봇의 무게가 아니라, 설계도 속 고정된 작은 부품들을 가상 세계로 가져오는 방식이었습니다. 부품 합치기와 관성 자동 계산, 두 설정을 함께 켜자 로봇은 50초 동안 제자리 높이를 지켰습니다.

저희는 교육용 AMR로봇암(메카넘 바퀴 차체 + 5축 팔 + 그리퍼)이 스스로 움직이는 법을 강화학습으로 익히게 하려고, 먼저 NVIDIA Isaac Sim이라는 가상 세계에 로봇을 올렸습니다. 이 글은 그 첫 단계에서 실제로 겪은 일을 실패까지 그대로 적은 기록입니다. 연재 「피지컬AI 첫 실험 기록」의 첫 편입니다.


왜 실물보다 가상 세계에 먼저 올리나요?

강화학습은 로봇이 수없이 시도하고 점수를 받으며 배우는 방식입니다. 실물 로봇으로 그만큼 시도하면 시간이 오래 걸리고 부딪혀 망가질 수도 있습니다. 그래서 가상 세계에서 먼저 연습시키고, 나중에 실물에서 확인하는 순서를 택했습니다. 강화학습의 원리는 강화학습이 뭐길래 로봇이 스스로 걷는 법을 배우나요?에 쉽게 풀어 두었습니다.

설계도를 열어 보니 무엇이 달랐나요?

로봇을 가상 세계에 올리려면 로봇의 설계도 파일(URDF)이 필요합니다. 제조사가 준 원본은 그대로는 읽을 수 없는 형식이라, 먼저 읽을 수 있는 형태로 바꿨습니다. 바꾼 결과는 부품(링크) 20개, 관절 19개였고 빠진 형상 파일은 없었습니다.

여기서 첫 번째 뜻밖의 사실을 만났습니다. 이 기종의 설계도에는 바퀴가 도는 관절이 없었습니다. 차체 전체가 하나의 덩어리 형상으로만 되어 있었습니다. 그래서 가상 세계에서는 바퀴를 굴리는 대신 차체에 원하는 방향과 속도를 직접 주는 방식으로 움직임을 흉내 내기로 했습니다.

이 방식에는 한계가 있습니다. 메카넘 바퀴 특유의 옆으로 미끄러지는 움직임은 재현되지 않습니다. 이 한계는 연재 모든 편에 그대로 적용됩니다.

중력을 켜자 무슨 일이 있었나요?

설계도를 올리고 처음 중력을 켜자, 로봇은 1초(60번의 계산 단계) 안에 화면 밖으로 사라졌습니다. 위치를 찍어 보니 좌표값이 원래 자리에서 수만 단위로 튀어 있었습니다.

계산 간격을 아주 촘촘하게(1/1200초) 줄여 다시 돌리자, 로봇이 처음 120단계 동안 버티다가 서서히 떠오르며 뒤집히는 모습이 보였습니다.

원인은 어떻게 찾았나요?

의심 가는 설정을 하나씩 바꿔 보고 다시 돌리는 일을 반복했습니다.

바꿔 본 것결과
팔 충돌 계산 끄기 · 바닥 낮추기 · 관절 힘 0 · 충돌 형상 바꾸기모두 튕김
팔 부품 무게를 사양 근거 값으로 늘리기튕김
차체만 올리기안정
고정된 작은 부품을 바로 위 부품에 합치기(부품 합치기)만잠시 뒤 튕김
부품 합치기 + 관성 자동 계산안정 — 3000단계(50초) 동안 차체 높이 0.0222 그대로

여러 조건에서 로봇이 늘 같은 좌표로 튕겨 나간 것이 오히려 단서였습니다. 충돌 계산이나 관절 힘을 바꿔도 결과가 똑같다면, 그것들은 원인이 아니라는 뜻이었습니다.

처음에는 "팔 부품이 너무 가벼워서 그렇다"고 짐작했습니다. 그럴듯했지만 틀렸습니다. 무게를 늘려도 부품을 합치지 않으면 여전히 튕겼습니다.

그리퍼는 왜 계산을 깨뜨렸나요?

로봇이 서자 팔과 그리퍼(집게)를 움직여 볼 차례였습니다. 이 그리퍼는 모터 하나가 움직이면 나머지 관절 5개가 그 움직임을 따라가는 구조입니다.

그런데 팔에 명령을 주자 따라가는 관절들이 빙글빙글 돌다가 계산 값이 숫자가 아닌 상태(NaN)로 깨졌습니다. 명령을 그리퍼에 주지 않아도 같았습니다.

살펴보니, 저희가 쓴 Isaac Sim 5.1.0의 설계도 가져오기 기능이 "따라가는 관절"을 바꾸면서 회전 한계를 무한대로 열어 둔 것이 원인이었습니다. 이 자동 변환을 걷어내고, 따라가는 관절 5개에 각각 회전 한계와 힘을 직접 정해 주자 그리퍼 관절 6개가 목표 각도를 따라갔고, 차체 높이도 그대로였습니다.

색 입히기는 왜 어려웠나요?

흰색으로만 보이던 가상 로봇에 색을 입히는 일은 여섯 번 실패한 끝에 일곱 번째에 성공했습니다. 색을 입히려던 부품이 아니라 그보다 위 단계의 요소에 색상 정보가 걸려 있었기 때문이었습니다. 원인을 찾은 뒤 차체와 팔은 짙은 회색, 카메라 몸체는 은색으로 칠했습니다.

팔에 붙은 모터만 따로 검정으로 칠하는 것도 시도했습니다. 그러나 부품 형상에 모터와 연결대의 경계 정보가 없어서, 부품 양 끝을 모터로 가정해 칠한 결과가 실제 모터 위치와 맞지 않았습니다. 틀린 결과는 되돌렸고, 팔 모터는 차체와 같은 색으로 맞추고 그리퍼만 검정으로 정리했습니다. 이 과정은 따로 한 편으로 자세히 적을 예정입니다.

이 과정에서 배운 것

  • 같은 결과가 반복되면 그 설정은 원인이 아닙니다. 늘 같은 좌표로 튕긴 것이 후보를 지우는 근거가 됐습니다.
  • 그럴듯한 가설도 틀릴 수 있습니다. "가벼워서"는 틀렸고, 틀린 가설도 기록해 두면 같은 문제를 겪는 사람의 시간을 줄입니다.
  • 틀린 결과는 쓰지 않고 되돌립니다. 모터 색처럼 겉보기에 그럴듯해도 실제와 다르면 되돌렸습니다.

자주 묻는 질문

로봇이 튕겨 나간 원인은 무게였나요?

아닙니다. 팔 부품 무게를 사양 근거 값으로 늘려도 튕겼습니다. 고정된 작은 부품을 바로 위 부품에 합치고 관성을 자동 계산하게 하자 50초 동안 안정적으로 서 있었습니다.

가상 로봇이 실물 메카넘 바퀴처럼 움직이나요?

아닙니다. 이 설계도에는 바퀴 관절이 없어 차체에 속도를 직접 주는 방식으로 흉내 냈습니다. 메카넘 바퀴의 옆 미끄러짐은 재현되지 않습니다.

가상 로봇이 실물과 똑같이 움직이는지는 확인했나요?

이 글에서는 다루지 않습니다. 실물과 가상 로봇을 같은 잣대로 비교한 결과는 확인한 만큼만 뒤 편에 적습니다.

이런 과정을 수업에서 다룰 수 있나요?

수업에서 다루는 범위와 방법은 교육 상담에서 안내합니다.

이 글은 Isaac Sim 5.1.0 가상 세계 기준입니다. 그리퍼 손가락끼리 겹쳐 지나가는 문제는 이 글에서 해결하지 못했습니다.

다음 단계

다음 편에서는 이렇게 세운 가상 로봇에 라이다와 관성 측정 장치(IMU)를 달고, 제대로 붙었는지 확인한 과정을 적습니다. 수업에서 다루는 방법은 교육 상담에서 안내합니다.


사용한 버전: Isaac Sim 5.1.0

출처: 저희가 직접 진행한 교육용 AMR로봇암 Isaac Sim 준비 1~2단계 실습(2026-09-21~22). 위치 값은 가상 세계의 좌표 변환 값으로 읽었으며 물리 엔진 내부 값과 다를 수 있습니다.


이 글과 그림의 저작권은 SV로보틱스에 있습니다. 원문 링크를 밝힌 인용은 환영하며, 전문 복제·재배포와 교육 자료로의 전재는 허락이 필요합니다.

  • #피지컬 AI
  • #Isaac Sim
  • #URDF
  • #로봇 시뮬레이션
  • #강화학습 준비

MORE POSTS

다른 기록도 살펴보세요

AMR로봇암 피지컬AI

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 →

AMR로봇암 피지컬AI

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 보상 허점으로 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 →

AMR로봇암 피지컬AI

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 →