Shadow Dexterous Hand

고자유도 텐던 구동 방식의 연구용 덱스터러스 로봇 핸드

Shadow Dexterous Hand

Home > Hardware > Hands > Shadow Hand

Overview

항목스펙출처
제조사Shadow Robot Company (영국, 런던)1
설립1987년1
상용화2005년2
DoF20개 자유도, 24개 움직임3
모터20개3
센서129개 이상 (최대 1kHz 샘플링)3
구동 방식텐던 구동 (Tendon-driven)3
통신EtherCAT (100Mbps)3
소프트웨어ROS 완전 통합3
가격약 110,000 유로 (설치, 교육, 지원 포함, 2023년 기준)4

핵심 의의

Shadow Dexterous Hand는 덱스터러스 매니퓰레이션 연구 분야에서 가장 널리 채택된 표준 플랫폼 중 하나이다. 2

  • 최고 수준의 자유도: 시장에서 24개 움직임과 20 DoF를 제공하는 몇 안 되는 로봇 핸드 중 하나 3
  • 인간 손에 근접한 구조: 각 손가락이 독립적으로 좌우로 움직일 수 있어 높은 유연성 제공 3
  • 오랜 활용 실적: 2005년 상용화 이후 NASA, OpenAI, Google DeepMind, Carnegie Mellon 등 주요 연구 기관에서 채택 2
  • AI/ML 연구의 주요 플랫폼: 강화학습 기반 덱스터러스 매니퓰레이션 연구에서 광범위하게 활용 56

설계 철학

생체모방 설계 (Biomimetic Design)

Shadow Hand의 핵심 철학은 인간 손의 해부학적 구조를 충실히 재현하는 것이다. 3

텐던 구동 시스템

  • 인간의 근골격계처럼 텐던(힘줄)을 통해 힘을 전달
  • 자연스럽고 유연한 움직임 구현
  • 각 관절의 독립적이면서도 협조적인 제어 가능
  • 손목부터 손가락 끝까지 연속적인 힘 전달

센서 아키텍처

  • 129개 이상의 센서가 인간 손의 고유수용감각(proprioception)과 촉각을 모방 3
  • 위치, 힘, 온도 등 다양한 감각 정보 제공
  • 최대 1kHz의 고속 샘플링으로 실시간 제어 가능

손가락 구조

  • 5개 손가락 (엄지 포함, 4개 손가락 + 대립 가능한 엄지)
  • 각 손가락의 독립적인 내전/외전(adduct/abduct) 움직임
  • 인간과 유사한 관절 구조

상세 스펙

구동계 3

항목사양
모터 수20개
토크 루프 주파수5kHz (모터 유닛 내부)
제어 방식위치 제어 (호스트 PC), ROS 기반 커스텀 제어 가능

센서 시스템 3

센서 타입설명
PST (Pressure Sensor Tactiles)기본 장착, 손가락 끝 압력 감지, 11-bit ADC
BioTac 센서 (옵션)SynTouch LLC 제휴, 힘/미세진동/온도 감지 7
관절 위치 센서각 관절 위치 감지
힘 센서텐던 장력 측정

BioTac 센서 상세 7

  • 24개 taxels (촉각 요소)
  • 100Hz 샘플링
  • 전체적인 유체 압력 및 온도 변화 감지
  • 인간 손가락 끝과 유사한 형태 및 기계적 특성

통신 및 인터페이스 3

  • EtherCAT 버스: 100Mbps Ethernet 기반 산업용 통신
  • ROS 완전 통합: ROS 노드 및 메시지 제공
  • 자체 완결형 시스템: 모든 구동 및 센싱이 핸드와 전완(forearm)에 내장

제품 라인업

Shadow Dexterous Hand E Series 3

표준 연구용 모델

  • 24개 움직임, 20 DoF
  • 5손가락 구조
  • 129개 이상 센서
  • ROS 통합
  • 가격: 약 110,000 유로 (BioTac 장착 시 약 180,000 달러, 2023년 기준) 4

Shadow DEX-EE Series 8

장시간 강화학습 실험용 (Google DeepMind 협력 개발)

DEX-EE는 Google DeepMind의 요청으로 5년간 개발된, 강화학습 실험에 최적화된 차세대 핸드이다. 8

항목스펙
손가락 수3개 (강건한 3-finger 설계)
크기인간 손 대비 약 50% 크게
모터15개 maxon DCX16 DC 모터
내구성 테스트1,000시간 이상

센서 시스템 (각 손가락당) 8

  • 5개 텐던 힘 센서
  • 5개 모터 엔코더
  • 4개 관절 각도 센서
  • 3개 IMU (관성 측정 장치)
  • 36개 taxels (중간/근위 지절 촉각 센서)
  • 50 FPS 640x480 스테레오 비디오 (원위 지절 촉각 센서)

설계 특징

  • 정책 학습 중 반복적인 충격과 공격적인 사용에도 견딤
  • 모듈식 구조로 대체 손가락 레이아웃 지원
  • 모든 관절에서 부드러운 토크 제어
  • 하드웨어 고장 없이 장시간 연속 실험 가능

주요 연구 사례

1. OpenAI: 손 안 물체 조작 학습 (2018)

논문: “Learning Dexterous In-Hand Manipulation” 5

  • 시뮬레이션에서 강화학습으로 훈련 후 실제 Shadow Hand로 전이
  • 시뮬레이션-실제 전이(Sim-to-Real Transfer) 분야의 중요한 연구
  • 물체 재방향 작업에서 연속 13회 회전 성공 (중앙값)
  • 인간 시연 없이 finger gaiting, 다중 손가락 협조 등 자연스러운 행동 출현

2. OpenAI: 로봇 핸드로 루빅스 큐브 풀기 (2019)

논문: “Solving Rubik’s Cube with a Robot Hand” 6

  • 단일 로봇 핸드로 루빅스 큐브 풀기 - 전례 없는 복잡도의 매니퓰레이션
  • Automatic Domain Randomization (ADR) 알고리즘 개발
  • 학습 규모: 64 NVIDIA V100 GPU, 920 워커 머신
  • 누적 경험: 약 13,000년 (OpenAI Five와 유사한 규모)
  • 개발 기간: 2017년 5월 ~ 2019년 10월 (약 2.5년)

3. Google DeepMind: DEX-EE 개발 협력 8

  • Shadow Robot과 5년간 협력하여 DEX-EE 개발
  • 강화학습 실험에서의 하드웨어 내구성 문제 해결
  • 풍부한 센서 데이터와 강건성을 동시에 확보

4. 기타 주요 연구

Grasping in the Dark (ICRA 2021) 9

  • BioTac 촉각 센서만으로 다양한 형상/크기/무게의 물체 파지
  • 사전 지식 없이 고전적 제어로 폐루프 파지

Google Brain: Deep Dynamics Models 10

  • 단 4시간의 실제 로봇 데이터로 다중 물체 조작 학습
  • DDM (Deep Dynamics Models) 기반 작업 계획

한계 및 고려사항

한계설명
높은 가격약 110,000 유로 이상 (연구 예산 확보 필요) 4
유지보수텐던 기반 시스템의 정기적 관리 필요
학습 곡선복잡한 시스템으로 초기 셋업 및 운용 학습 필요
실험 환경DEX-EE 이전 모델은 장시간 강화학습 실험에 취약

Shadow Robot Company 소개

항목내용출처
설립1987년 (Richard Greenhill, 런던 다락방에서 시작)1
정식 등록1997년 (로봇 다리 컴포넌트 의뢰 계기)2
본사영국 런던1
지사Bristol, Madrid1
특징영국에서 오랜 역사를 가진 로봇 회사1

주요 고객: NASA, ESA, OpenAI, Google DeepMind, Carnegie Mellon, UCL, University of Bielefeld, GSK 등 (공식 사이트 및 Wikipedia 참조) 12

See Also

References

공식 사이트

핵심 논문

  • Akkaya et al. (2019). “Solving Rubik’s Cube with a Robot Hand.” arXiv:1910.07113. 논문 링크 6
  • Andrychowicz et al. (2020). “Learning Dexterous In-Hand Manipulation.” The International Journal of Robotics Research. arXiv:1808.00177 5

관련 자료

각주

Footnotes

  1. Shadow Robot Company 공식 사이트 (https://shadowrobot.com/) ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8

  2. Shadow Hand Wikipedia 및 회사 연혁 (https://en.wikipedia.org/wiki/Shadow_Hand) ↩ ↩2 ↩3 ↩4 ↩5

  3. Shadow Dexterous Hand Technical Specification (https://www.shadowrobot.com/wp-content/uploads/2024/06/20240610-UPDATED-shadow_dexterous_hand_e_technical_specification.pdf) ↩ ↩2 ↩3 ↩4 ↩5 ↩6 ↩7 ↩8 ↩9 ↩10 ↩11 ↩12 ↩13 ↩14 ↩15

  4. Shadow Robot Blog: How Much Does a Robot Hand Cost? (https://shadowrobot.com/blog/how-much-does-a-robot-hand-cost/) ↩ ↩2 ↩3 ↩4

  5. Andrychowicz et al. (2020). “Learning Dexterous In-Hand Manipulation.” arXiv:1808.00177 ↩ ↩2 ↩3

  6. Akkaya et al. (2019). “Solving Rubik’s Cube with a Robot Hand.” arXiv:1910.07113 ↩ ↩2 ↩3

  7. SynTouch BioTac 센서 통합 정보 (https://shadowrobot.com/news/company-news/biotac-sensors/) ↩ ↩2

  8. Shadow DEX-EE Series 공식 페이지 (https://shadowrobot.com/dex-ee_series/) ↩ ↩2 ↩3 ↩4 ↩5

  9. “Grasping in the Dark: Compliant Grasping using Shadow Dexterous Hand and BioTac Tactile Sensor” (ICRA 2021) ↩

  10. Google Brain Deep Dynamics Models 연구 (https://shadowrobot.com/blog/machine-learning-innovation/) ↩