MOTOMIND는 액추에이터와 로봇 구조, 엣지 보드, 학습 파이프라인, 공유 런타임을 한 팀에서 직접 개발합니다. 사람의 시연이 로봇의 작업이 되고, 한 로봇이 익힌 작업이 다른 로봇과 현장으로 이어지는 전 과정이 하나의 스택 위에서 동작합니다.
팬케이크 모터 기반의 저감속 액추에이터로 반사 관성을 낮추고 역구동성을 확보했습니다. 외골격 대신 내부 골격(Endoskeleton)으로 팔을 구성해 부피와 원가를 줄였고, 같은 액추에이터 모듈을 로봇팔 MILLY부터 휴머노이드 BELLO · BELLO mini까지 반복 사용합니다.
NVIDIA Jetson 소켓 캐리어 보드 위에 모터 드라이버, IMU·기압계, STM32 실시간 MCU, CAN · RS-485 통신을 통합했습니다. 로봇팔·휴머노이드·모바일 플랫폼이 같은 보드와 펌웨어 위에서 동작하므로, 한 로봇에서 검증한 제어 스택을 다른 로봇으로 그대로 옮깁니다.
작업자의 시연을 데이터로 모으고, 로봇의 몸에 맞게 옮기고, 시뮬레이터에서 검증한 뒤 실물 로봇에서 실행합니다. 운용 중 쌓인 데이터는 다시 학습으로 돌아갑니다.
텔레오퍼레이션으로 작업자가 로봇을 직접 움직이며 작업을 시연합니다. 햅틱 어시스트가 숙련도 편차를 보정해 균질한 시연 데이터를 확보합니다.
VR과 모션 캡처로 인식한 사람의 전신 동작을 로봇의 관절 구조에 맞게 실시간으로 옮깁니다. 리타게팅된 동작은 그대로 학습 데이터가 됩니다.
자체 액추에이터의 실제 응답 특성을 반영한 시뮬레이터에서 동작을 검증합니다. 실물 작업을 가상으로 재현(Real-to-Sim)하고, 강화학습으로 정책을 다듬습니다.
검증된 정책을 AI Driver 위에서 실행합니다. 카메라 인식과 학습된 정책으로 실제 작업을 수행하고, 운용 데이터는 다시 학습으로 돌아갑니다.
로봇마다 GPU와 모델을 따로 두는 대신, 공유 AI Runtime이 추론·계획·모델 버전 관리를 맡고 로봇별 AI Driver는 센서 처리와 실시간 제어, 안전 정지에 집중합니다. 공통 SDK가 두 계층을 잇습니다.
고객 보안 환경에 따라 Runtime은 온프레미스 또는 클라우드로 구성합니다.