SBVA·컴퍼니케이·퓨처플레이 등으로부터 230억 원 시리즈 A 투자금 확보 사족 보행 로봇 라이보(RAIBO) 양산 체제 구축, 글로벌 시장 진출 ‘본격화’ 라이온로보틱스가 국내 여러 투자사를 통해 총 230억 원 규모의 시리즈 A 자금을 지원받는다. 이번 투자 유치는 SBVA·컴퍼니케이파트너스·퓨처플레이 등 투자사로부터 성사됐다. 라이온로보틱스는 이번 대규모 투자 유치를 통해 주력 사족 보행 로봇 ‘라이보(RAIBO)’의 본격적인 양산에 돌입한다. 아울러 글로벌 로봇 시장에 본격적인 출사표를 던질 예정이다. 또한 사측은 향후 라이보의 성능을 지속적으로 고도화하는 한편, 다양한 산업 현장에 최적화된 특수 목적 로봇 라인업을 확장한다는 방침이다. 라이온로보틱스는 황보제민 한국과학기술원(KAIST) 기계공학과 교수를 필두로 교원 창업한 로봇 기술업체다. 황보 교수의 로봇지능연구실이 10년 이상 축적한 로봇 설계 및 보행 제어 연구가 라이온로보틱스의 핵심 역량으로 이어졌다. 이 가운데 있는 라이보는 강화학습(Reinforcement Learning) 기반의 고도화된 인공지능(AI) 역량을 내재화했다. 이를 통해 산지·계단·눈밭·모래사장 등 다양한 비정형 지형에서
불연속 지형 고속 이동 기술 개발 발표...벽·계단·징검다리 넘나들며 시속 14.4km 질주해 삼성전자 미래기술육성센터 지원 속 재난 현장 등 실질적 임무 투입 기대 한국과학기술원(KAIST) 기계공학과 황보제민 교수 연구팀이 개발한 사족 보행 로봇 '라이보(Raibo)'가 불연속적이고 복잡한 지형에서도 고속으로 이동하는 성능을 입증했다. 연구진은 수직 벽을 달리고, 1.3m 폭의 간격을 뛰어넘으며, 징검다리 위를 시속 약 14.4km로 질주하는 라이보의 모습을 공개했다. 심지어 30° 경사, 계단, 징검다리가 혼합된 지형에서도 빠르고 민첩하게 움직이는 능력을 선보였다. 이러한 보행 기술은 라이보가 빠른 기간 안에 재난 현장 탐색, 산악 수색 등 실질적인 임무 수행에 투입될 것이라는 기대를 높였다. 연구팀은 복잡하고 불연속적인 지형에서 로봇이 빠르고 안전하게 목표 지점까지 도달하도록 사족 보행 내비게이션 시스템을 개발했다. 이를 위해 문제를 두 단계로 분해하여 접근했는데, ▲발 디딤 위치(foothold)를 계획하는 플래너(Planner) ▲계획된 발 디딤 위치를 정확히 따라가는 트래커(Tracker) 등 두 가지 트랙으로 기술을 개발했다. 먼저, 플래너 모
뉴빌리티 ‘뉴빌리티 센스’·‘뉴빌리티 로봇 플랫폼’과 라이온로보틱스 사족 보행 로봇 ‘라이보’ 융합 복잡한 도심·험지서 혁신 로봇 서비스 기대 뉴빌리티가 라이온로보틱스와 손잡고, 각종 분야에서 활약 가능한 서비스 로봇 솔루션 구현에 힘을 쏟기로 했다. 이번 협력은 카메라 기반 자율주행 기술과 서비스형 로봇(Robot as a Service, RaaS) 플랫폼 등 뉴빌리티의 소프트웨어 기술력과 라이온로보틱스 사족 보행 로봇 하드웨어 기술이 접목되는 형태로 진행된다. 라이온로보틱스 사족 보행 로봇 ‘라이보(LIBO)’에 뉴빌리티의 자율주행 솔루션 ‘뉴빌리티 센스(Neubility Sense)’, RaaS 플랫폼 ‘뉴빌리티 로봇 플랫폼(Neubility Robot Platform)’이 통합된다. 양사는 이를 통해 복잡한 도심, 위험 요소가 많은 산업 현장을 비롯해, 치안·방산·소방 등 다양한 환경에서 정밀하고 안전한 사족 보행 로봇 운용을 지원할 계획이다. 뉴빌리티는 양 솔루션을 통해 시장성을 입증해왔다. 지난해 식음료(F&B) 배달 서비스 플랫폼 업체 요기요와 로봇 배달 서비스 파트너십을 체결했다. 보안 기술 업체 SK쉴더스와는 로봇 순찰 서비스를 상용화
카이스트(KAIST) 연구팀이 모래와 같이 변형하는 지형에서도 민첩하고 견고하게 보행할 수 있는 사족 로봇 제어기술을 개발했다고 26일 밝혔다. 기계공학과 황보제민 교수가 이끄는 연구팀은 모래와 같은 입상 물질로 이루어진 지반에서 로봇 보행체가 받는 힘을 모델링하고, 이를 사족 로봇에 시뮬레이션하는 기술을 개발했다. 또한, 사전 정보 없이도 다양한 지반 종류에 스스로 적응해가며 보행하기에 적합한 인공신경망 구조를 도입해 강화학습에 적용했다. 강화학습은 임의의 상황에서 여러 행동이 초래하는 결과들의 데이터를 수집하고 이를 사용해 임무를 수행하는 기계를 만드는 학습 방법이다. 이때 필요한 데이터의 양이 많아 실제 환경의 물리 현상을 근사하는 시뮬레이션으로 빠르게 데이터를 모으는 방법이 널리 사용되고 있다. 특히 보행 로봇 분야에서 학습 기반 제어기들은 시뮬레이션에서 수집한 데이터를 통해서 학습된 이후 실제 환경에 적용돼 다양한 지형에서 보행 제어를 성공적으로 수행해 온 바 있다. 다만 학습한 시뮬레이션 환경과 실제 마주친 환경이 다른 경우 학습 기반 제어기의 성능은 급격히 감소하기 때문에, 데이터 수집 단계에서 실제와 유사한 환경을 구현하는 것이 중요하다. 따라
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 10월 11일 17시 43분
