KAIST RAIBO 사족보행 로봇 분석: 민첩하고 에너지 효율적인 보행 로봇 기술의 발전

KAIST(한국과학기술원)의 RAIBO 시리즈 로봇, 특히 RAIBO와 그 후속작인 RAIBO2는 사족보행 로봇 분야에서 민첩한 이동과 장시간 내구성이라는 중요한 과제를 해결하며 상당한 발전을 이루었습니다. 황보제민 교수 연구팀이 개발한 이 로봇들은 복잡하고 예측 불가능한 환경에서 다재다능한 작동을 위해 설계되었습니다.

RAIBO는 벽을 타고 오르고, 징검다리를 뛰어넘으며, 다양한 장애물을 통과하는 등 파쿠르와 유사한 움직임을 보여주는 탁월한 민첩성을 입증했습니다. 이는 온보드 컴퓨터에서 실시간으로 작동하는 혁신적인 AI 기반 제어 시스템(플래너 및 트래커)을 통해 가능했습니다. RAIBO2는 4시간 19분 52초 만에 42.195km 풀 마라톤을 단일 배터리 충전으로 완주하며 전례 없는 내구성을 선보였습니다. 이러한 내구성은 기계 설계, 전기 회로, 그리고 보행 정책을 아우르는 총체적인 최적화 접근 방식을 통해 달성되었으며, 이는 인간의 벤치마크인 0.37을 크게 뛰어넘는 0.25의 총 운송 비용(TCOT)을 기록하고 기존 사족보행 로봇 대비 3배 이상의 주행 거리를 제공하는 결과로 이어졌습니다.  

 

이러한 발전은 인간의 접근이 위험하거나 불가능한 재난 현장, 탐사 지역, 군사 분야 등 위험 지역에 사족보행 로봇을 실질적으로 배치할 수 있는 길을 열어주며, 자율 시스템의 운용 환경을 근본적으로 변화시킬 잠재력을 가지고 있습니다.  

 

KAIST 사족보행 로봇 기술의 서론

사족보행 로봇은 생물학적 이동 방식에서 영감을 받아 바퀴형 시스템에 비해 고르지 않고 험난한 지형(예: 얼음, 모래, 산악 지역)에서 뛰어난 기동성, 장애물 극복 능력 및 안정성을 제공합니다. 이러한 장점에도 불구하고, 실제 배치는 높은 에너지 소비로 인한 제한된 이동 거리 및 작동 시간, 그리고 다양하고 예측 불가능한 환경에서 견고하고 역동적인 이동을 달성하는 복잡성이라는 두 가지 주요 제약으로 인해 역사적으로 어려움을 겪어왔습니다. KAIST의 초기 연구인 "Cheetaroid-I" 프로젝트는 고속 이동 및 액추에이터 설계에 중점을 두어 후속 발전을 위한 기초 지식을 다졌습니다.  

 

KAIST 기계공학과 황보제민 교수 연구팀이 개발한 RAIBO 시리즈는 이러한 중요한 과제를 직접적으로 해결합니다. RAIBO는 고급 민첩성과 동적 내비게이션 달성에 중점을 두었으며, RAIBO2는 전례 없는 에너지 효율성과 내구성을 목표로 하는 중요한 업그레이드 버전입니다.  

 

이 보고서는 KAIST의 RAIBO 및 RAIBO2 로봇에 대한 상세한 기술 분석을 제공하며, 이들의 혁신적인 설계 원리, 제어 전략, 그리고 검증된 성능 지표를 탐구합니다. 또한 사족보행 로봇 분야에서 이들의 기여를 맥락화하고 미래 응용 분야에 미칠 잠재적 영향을 논의하는 것을 목표로 합니다.

KAIST의 사족보행 로봇 연구는 초기 고속 이동 및 액추에이터 설계(Cheetaroid-I)와 같은 근본적인 능력에 대한 초점에서 시작하여, RAIBO를 통한 고급 민첩성, 그리고 RAIBO2를 통한 획기적인 에너지 효율성 및 내구성으로 발전했습니다. 이러한 시간적 진보는 KAIST 연구 우선순위의 전략적 진화를 보여줍니다. 초기 연구에서 얻은 고속 이동 및 액추에이터 설계에 대한 경험과 지식은 RAIBO의 민첩한 내비게이션과 RAIBO2의 장시간 에너지 효율성이라는 더 복잡한 과제를 해결하는 데 필요한 토대를 제공했습니다. RAIBO에서 RAIBO2로의 반복적인 개발 은 이러한 지속적인 개선 주기를 더욱 강조하며, 한 세대의 교훈이 다음 세대에 반영됩니다. 이러한 발전 경로는 고급 로봇 공학 연구에서 흔히 볼 수 있는 성공적인 경향을 보여줍니다. 즉, 핵심 역량을 확립하는 데 초기 초점을 맞춘 다음, 견고성, 다용성 및 실용적 유용성을 위해 체계적인 개선을 거칩니다. KAIST의 궤적은 학술 연구가 복잡한 공학적 과제를 체계적으로 해결하여 실제 적용 가능성의 한계를 뛰어넘는 매우 영향력 있는 혁신을 이끌어내는 방법에 대한 설득력 있는 모델이 됩니다.  

 

 

RAIBO: 민첩한 이동의 선구자

RAIBO는 KAIST 황보제민 교수 연구팀이 인간과 유사한 민첩성으로 복잡하고 험난한 지형을 탐색할 수 있도록 사족보행 로봇을 개발하는 데 중점을 두었습니다. 이 로봇은 건물, 다리, 벽과 같은 물리적 구조물이나 물체를 효율적으로 사용하여 이동하는 "파쿠르와 유사한" 움직임을 수행하도록 설계되었습니다.  

 

제어 시스템 아키텍처: 플래너 및 트래커 모듈

RAIBO의 고급 이동은 혁신적인 두 가지 모듈 제어 전략에 의해 조정됩니다:

• 플래너 (Planner): 이 모듈은 인공지능(AI)을 활용하여 안전한 발 디딤을 위한 여러 후보 경로를 계산합니다. 위험하거나 불가능한 경로를 미리 지능적으로 걸러내고, 남은 실행 가능한 경로를 시뮬레이션하여 가장 안전하고 효율적인 경로를 실시간으로 선택합니다.  
   
• 트래커 (Tracker): 이 모듈은 플래너가 결정한 목표 지점에 로봇이 정확하게 발을 디딜 수 있도록 안내하는 역할을 합니다. 트래커는 점점 더 복잡한 환경을 자동으로 생성하는 알고리즘을 사용하여 훈련되었으며, 이를 통해 로봇은 어려운 움직임을 점진적으로 학습할 수 있었습니다. 이러한 접근 방식은 "로봇은 인간과 똑같다. 처음부터 어려운 작업을 주기보다는 점진적으로 작업의 난이도를 높여가며 학습해야 한다"는 원칙과 일치합니다.  
   

이 시스템의 중요한 측면은 플래너와 트래커에 필요한 모든 계산이 로봇 온보드 컴퓨터에서 실시간으로 수행되어, 외부 계산에 의존하지 않고 자율적이고 반응적인 내비게이션이 가능하다는 점입니다.  

 

RAIBO의 탁월한 민첩성은 단순한 기계 설계의 기능이 아니라, 정교하고 실시간으로 작동하는 AI 기반 계층적 제어 시스템에 의해 근본적으로 구동됩니다. "플래너-트래커" 아키텍처는 능동적이고 지능적인 의사 결정(안전한 경로 선택 및 경로 최적화)과 반응적이고 견고한 실행(정확한 발 디딤 및 동적 교란 보상)을 결합합니다. 이러한 이중 계층 접근 방식은 예측 능력과 복원력을 동시에 제공합니다. AI 기반 플래너는 높은 수준의 전략적 예측 능력을 제공하여 실행 가능한 경로를 식별하고 위험한 경로를 필터링합니다. 이 높은 수준의 계획은 트래커에 의해 실행되며, 트래커는 점점 더 복잡한 환경에서 훈련되었기 때문에 발 미끄러짐이나 흔들리는 표면과 같은 실제 세계의 불확실성을 처리하는 데 필요한 낮은 수준의 동적 제어 및 적응성을 가지고 있습니다. 이는 플래너가 완벽할 필요가 없으며, 트래커가 사소한 불일치를 보상할 수 있어 전반적인 시스템 견고성으로 이어진다는 것을 의미합니다. 실시간 온보드 처리는 동적 변화에 즉각적으로 반응할 수 있도록 하는 핵심 요소입니다. 이러한 제어 패러다임은 통제된 실험실 환경을 넘어 진정으로 비정형적이고 동적인 실제 환경에 자율 로봇을 배치하는 데 중요합니다. 이는 로봇이 모든 비상 상황에 대해 명시적인 사전 프로그래밍 없이 새로운 상황과 예측 불가능한 지형에 적응할 수 있는 미래를 시사하며, 생물학적 시스템에서 관찰되는 적응 지능을 모방합니다. 이러한 접근 방식은 복잡한 인간 중심 공간에서 작동하는 미래 자율 이동 로봇의 기초가 될 수 있습니다.

복잡한 실내 환경에서의 민첩성 시연

자체 개발된 RAIBO 로봇을 이용한 실내 실험은 놀라운 능력을 보여주었습니다:

• 벽을 딛고 달리기.
• 초당 4미터의 속도로 징검다리를 뛰어넘기.
• 최대 1.3미터의 넓은 간격을 뛰어넘기.  
   
• 경사, 계단, 다양한 크기의 상자로 구성된 지형에서 빠르고 정확하게 이동.  
   

RAIBO는 발이 미끄러지거나, 발판이 흔들리거나, 지도 정보에 오류가 있는 등 어려운 조건에서도 높은 성공률을 보여주어, 환경적 불확실성에 대한 높은 수준의 견고성과 적응성을 입증했습니다.  

 

 

RAIBO2: 내구성과 효율성의 도약

RAIBO2는 사족보행 로봇의 광범위한 적용을 가로막는 주요 장벽이었던 제한된 이동 거리와 작동 시간이라는 오랜 한계를 극복하기 위해 특별히 설계된 RAIBO의 업그레이드 버전입니다. 설계 철학은 로봇의 에너지 손실 모델에 대한 포괄적인 분석을 포함했으며, 이는 기계 하드웨어, 전기 회로 및 보행 정책 전반에 걸친 총체적인 최적화 전략으로 이어졌습니다.  

 

A. 설계 철학 및 하드웨어 혁신

• 모듈식 기계 설계 및 경량 다리:
  • RAIBO2는 각각 3개의 동일한 액추에이터를 가진 4개의 동일한 다리를 특징으로 하며, 제조, 조립 및 유지 보수를 단순화하는 모듈식 시스템을 형성합니다.  
     
  • 효율성을 위한 핵심 초점은 고도의 힘 투명성(force transparency)과 낮은 다리 관성을 달성하는 것이었습니다. 이는 고유수용성 액추에이션(proprioceptive actuation) 철학을 기반으로 합니다. 이 설계는 더 정확한 힘 제어를 가능하게 하고 다리 질량을 가속 및 감속하는 데 낭비되는 에너지를 줄입니다.  
     
  • 다리 메커니즘은 액추에이터 없이 1.1kg에 불과하며, 로봇 전체 무게의 10.2%만을 차지하는 놀랍도록 가벼운 무게를 자랑합니다. 이러한 다리 관성 최소화는 관절 마찰 및 발 충돌 손실을 직접적으로 줄여 전반적인 효율성에 크게 기여합니다.  
     
  • 무릎 관절 변속기는 4링크 메커니즘을 사용하며, 액추에이터 감속기에는 단일 스테이지 유성 기어(7.15:1 비율)가 사용되어 관절 마찰 손실을 줄이고 효율적인 동력 전달에 기여합니다.  
     
• 고력 투명 액추에이터 및 모터 선택:
  • 액추에이터는 정격 연속 토크 25Nm, 피크 토크 90Nm, 최대 각속도 20rad/s(191rpm)로 높은 성능과 효율성을 위해 설계되었습니다.  
     
  • TQ 그룹 ILM115x25 모터는 높은 모터 상수(0.87 Nm/√W)로 선정되었으며, 이는 전기 에너지를 기계적 토크로 변환하는 데 높은 효율성을 나타냅니다. 이 모터는 48V에서 정격 토크 3.9Nm, 피크 토크 12.7Nm를 가집니다.  
     
  • 유성 기어 메커니즘(7:1 비율, 특히 7.15:1)은 토크 및 속도 요구 사항을 모두 충족하도록 선택되었으며, 선 기어의 중공 샤프트 구조 및 로터 허브의 알루미늄 사용을 포함하는 경량 설계로 관성을 최소화했습니다.  
     
• 저손실 모터 구동 회로 및 전기 최적화:
  • RAIBO2는 맞춤형으로 설계된 모터 드라이버 PCB(Printed Circuit Board)에 의해 구동되는 BLDC(Brushless DC) 모터를 사용합니다.  
     
  • 모터 드라이버 손실을 최소화하기 위해 PCB는 모든 층에 2oz 구리 두께를 사용하고, 낮은 온 저항 MOSFET(ISC022N10NM6, RDS,on=2mΩ) 및 낮은 저항 홀 효과 전류 센서(ACS725LLCTR-50AB-T, 1.5mΩ 전도 저항)를 사용합니다. 이러한 선택은 드라이버 회로 내의 전도 손실을 직접적으로 줄입니다.  
     
  • 스위칭 손실은 회로 레이아웃 최적화를 통해 게이트 저항을 10Ω(일반적인 180Ω에서)으로 최소화하고, 스위칭 주파수를 20kHz에서 15kHz로 낮춤으로써 전력 효율성과 제어 성능의 균형을 맞추어 줄였습니다.  
     
• 배터리 용량 증가: 내부 구조 개선을 통해 배터리 용량을 33% 증가시켜 주행 거리 연장에 크게 기여했습니다. 총 배터리 용량은 2016Wh입니다.  
   

B. 고급 보행 제어 및 에너지 최적화

• RaiSim 시뮬레이터를 활용한 강화 학습 접근 방식:
  • RAIBO2의 효율적인 보행 제어 시스템은 연구팀의 독자적인 동적 시뮬레이터 "RaiSim"을 사용하여 개발된 강화 학습(RL)을 기반으로 합니다.  
     
  • RaiSim은 경사, 계단, 빙판길 등 다양한 지형을 시뮬레이션할 수 있게 하여, 다양한 조건에서 안정적인 보행 성능을 보장하고 보행 정책의 효율적인 훈련을 가능하게 했습니다.  
     
• 에너지 손실 모델링 및 포괄적 최적화 전략:
  • RAIBO2 효율성의 핵심은 에너지 손실 모델에 대한 포괄적인 분석에 있습니다. 이 모델은 총 손실을 시스템 손실, 기계적 손실(미끄러짐, 충돌, 관절 마찰), 그리고 액추에이터 전기 손실(드라이버, 모터)로 세분화하여 최적화를 위한 명확한 로드맵을 제공합니다.  
     
  • 이러한 상세한 이해는 구성 요소를 개별적으로 최적화하는 대신, 기계 하드웨어, 전기 회로 및 보행 동작 전반에 걸쳐 효율성 개선이 단일 플랫폼에 통합되는 총체적인 최적화 접근 방식을 가능하게 했습니다.  
     

RAIBO2의 탁월한 에너지 효율성(TCOT 0.25)은 단일 혁신에 기인하는 것이 아니라, 기계적 마찰, 전기 변환, 동적 이동(예: 발 충돌, 모터 구리 손실) 전반에 걸쳐 에너지 손실을 체계적으로 해결함으로써 달성된 세심하게 통합된 다중 도메인 최적화 노력의 결과입니다. 이는 개별 부품 최적화만으로는 불가능했을 시너지 효과를 창출했습니다. 예를 들어, 경량 다리, 저손실 MOSFET과 같은 개별 구성 요소를 최적화하는 동시에 발 충돌 및 자기 포화 전류를 최소화하는 RL 정책과 같이 구성 요소 간의 상호 작용을 최적화하면 효율성에 복합적인 영향을 미칩니다. 다리 관성(기계적)을 줄이면 관절 마찰 손실과 발 충돌 손실이 직접적으로 감소하고, 모터 드라이버(전기적)를 최적화하면 전기적 손실이 감소하며, 보행 정책(소프트웨어)은 동적 손실을 최소화합니다. 이러한 통합된 접근 방식이 RAIBO2가 TCOT에서 그렇게 큰 도약을 달성하는 이유입니다. 이는 고성능 다족 로봇 설계의 새로운 패러다임을 제시합니다. 미래의 연구 개발은 내구성과 작동 범위에서 상당한 이득을 얻기 위해 개별 구성 요소 최적화를 넘어 시스템 수준의 총체적인 접근 방식으로 나아가야 하며, 이를 통해 로봇이 다양하고 도전적인 환경에서 장시간 임무를 수행하는 데 더 실용적이게 될 것입니다. 또한 이는 전체 로봇 시스템 전반에 걸친 에너지 흐름 및 손실 메커니즘에 대한 깊은 이해가 가장 중요하다는 것을 시사합니다.

• 에너지 최소화를 위한 보상:
  • RL 기반 네트워크 훈련은 에너지 최소화를 위해 설계된 특정 보상을 통합하여 로봇이 에너지 효율적인 보행을 학습하도록 유도합니다:
    • 발 접촉 전 속도 최소화: 이 보상은 발이 지면에 닿는 속도를 최소화하여 발 충돌 손실을 줄이고, 충격 시 운동 에너지 소산을 줄입니다.  
       
    • 자기 포화 인식 전류 최소화: 이 보상은 모터가 포화 상태에 가까워질 때 중요해지는 구리 손실과 같은 액추에이터 전기 손실을 줄이기 위해 높은 수준에서 토크 사용을 제한합니다.  
       
  • 보행 정책 네트워크 자체는 정교하며, 계단식 GRU(Gated Recurrent Unit) 네트워크와 MLP(Multi-Layer Perceptron) 네트워크로 구성되어 고유수용성 센서 데이터(몸체 롤-피치, 각속도, 관절 위치 및 속도, 이전 동작)를 관측값으로 활용합니다.  
     
  • 비판 네트워크는 "특권 정보"(몸체 선형 속도, 발 접촉 상태 지속 시간, 몸체 높이, 지면 반력, 접촉 전 발 속도, 접촉 상태, 발 접촉 법선 각도, 지형 유형 및 지역 지형 높이 지도)를 통합하여 학습을 더욱 향상시켜 보다 견고하고 효율적인 정책 학습을 가능하게 합니다.  
     
• 에너지 재생 능력:
  • RAIBO2의 높은 토크 투명성 관절 메커니즘은 로봇이 내리막길에서 기계적 에너지를 효율적으로 회수하여 운동 및 위치 에너지를 다시 전기 에너지로 변환하여 배터리를 재충전할 수 있도록 합니다. 이 기능은 오르막길 이동 시 증가하는 에너지 소비를 크게 보상하여 다양한 지형에서 전반적인 에너지 예산을 개선합니다.  
     

다음 표는 RAIBO2의 주요 액추에이터 및 전기 사양을 요약하여, 로봇의 최적화된 하드웨어 설계가 어떻게 높은 효율성에 기여하는지 보여줍니다.

표 1: RAIBO2 액추에이터 및 전기 사양

범주항목값단위

액추에이터	정격 연속 토크	25	Nm
	피크 토크	90	Nm
	최대 각속도	20 (191)	rad/s (rpm)
	모터 모델	TQ group ILM115x25	-
	모터 상수	0.87	Nm/√W
	유성 기어 비율	7.15:1	-
	다리 무게 (액추에이터 제외)	1.1	kg
	다리 무게 (총 무게의 %)	10.2	%
전기	PCB 구리 두께	2	oz
	MOSFET 모델	ISC022N10NM6	-
	MOSFET RDS,on	2	mΩ
	MOSFET Qg	73	nC
	홀 효과 전류 센서 모델	ACS725LLCTR-50AB-T	-
	센서 전도 저항	1.5	mΩ
	게이트 저항	10	Ω
	스위칭 주파수	15	kHz

Sheets로 내보내기

다음 표는 RAIBO2의 에너지 손실 분포를 상세하게 보여주며, 로봇의 총체적인 최적화 전략이 어디에 집중되었는지에 대한 정량적 증거를 제공합니다.

표 2: RAIBO2 에너지 손실 분포 (3m/s 기준)

손실 유형비율 (%)전력 (W)

총 전력 손실	100.0	299.7
시스템 손실	9.6	28.7
기계적 손실	22.7	68.1
미끄러짐 손실	2.9	8.8
발 충돌 손실	6.4	19.3
관절 마찰 손실	13.4	40.0
액추에이터 전기 손실	67.7	202.9
드라이버 손실	27.1	81.3
전도 손실	5.8	17.4
드라이버 시스템 손실	8.0	24.0
스위칭 손실	13.3	39.9
모터 손실	40.6	121.6
구리 손실	40.2	120.6
철 손실	0.3	1.0

Sheets로 내보내기

이 표는 액추에이터 전기 손실(67.7%)이 압도적으로 지배적인 손실 구성 요소이며, 모터 구리 손실(40.2%)과 드라이버 스위칭 손실(13.3%)이 가장 큰 개별 기여자임을 명확하게 보여줍니다. 이는 미래 R&D 노력을 위한 주요 목표가 어디에 있어야 하는지 직접적으로 알려줍니다. 이러한 수준의 세부 사항은 미래 연구를 안내하는 데 중요합니다.

C. 마라톤 성능 및 내구성 검증

• 42.195km 마라톤 완주 세부 사항:
  • RAIBO2는 42.195km 풀 마라톤을 성공적으로 완주한 세계 최초의 사족보행 로봇이 되는 역사를 만들었습니다.  
     
  • 로봇은 "상주 곶감 마라톤" 코스를 4시간 19분 52초 만에 완주했습니다.  
     
  • 이전 KAIST 주 운동장에서의 연습 주행에서는 RAIBO2가 GPS 유도 경로를 따라 단일 충전으로 43km를 4시간 40분 만에 연속 보행했습니다.  
     
  • "금산 인삼 축제"에서의 이전 마라톤 시도에서는 로봇의 배터리가 37km 지점에서 소진되었습니다. 이 초기 배터리 소진은 인간 주자들의 속도에 맞추기 위해 잦은 속도 변화가 필요했기 때문으로, 통제된 테스트 주행과 비교하여 실제 예측 불가능한 환경의 어려움을 강조합니다.  
     

RAIBO2의 개발은 고급 로봇 공학 공학의 반복적이고 적응적인 특성을 잘 보여줍니다. 실제 세계의 도전 과제(예: 공공 마라톤의 가변적인 속도)는 통제된 실험실 환경이나 시뮬레이션에서는 드러나지 않을 수 있는 실용적인 한계를 노출시키며, 이는 제어 정책 및 하드웨어의 추가적인 개선을 필요로 합니다. 이는 실용적인 유용성을 달성하기 위해 배포 경험을 통한 지속적인 학습과 적응이 필요함을 보여줍니다. 첫 번째 마라톤 시도의 실패(원인: 가변 속도 조건에서 비효율적인 제어로 인한 배터리 소진)는 관절 강성 제어를 통한 제어 효율성 향상 및 배터리 용량 33% 증가(결과: 마라톤 성공적인 완주 및 이론상 67km 범위)와 같은 목표 지향적인 엔지니어링 개선으로 직접 이어졌습니다. 실제 테스트에서 설계 개선으로 이어지는 이러한 피드백 루프는 로봇의 실제 배포 및 견고성에 매우 중요합니다. 이는 로봇 공학에서 실용적인 유용성을 달성하기 위해서는 이론적 돌파구뿐만 아니라 엄격한 실제 검증과 관찰된 성능을 기반으로 한 지속적인 엔지니어링 개선이 필요하다는 점을 강조합니다. 이는 시뮬레이션되거나 통제된 환경을 넘어선 현장 테스트가 예기치 않은 문제를 발견하고 해결하여 궁극적으로 더 탄력적이고 배포 가능한 로봇 시스템을 만드는 데 중요함을 보여줍니다.  

 

• 성능 지표: 시간, 에너지 소비, 평균 속도, 지형 내비게이션:
  • 시간: 42.195km를 4시간 19분 52초에 완주.  
     
  • 에너지 소비: 마라톤 동안 1280Wh의 에너지를 소비했으며, 이는 총 2016Wh 배터리 용량의 63%에 해당합니다.  
     
  • 평균 속도: 마라톤 동안 평균 2.64m/s(약 9.5km/h)의 속도를 유지했습니다.  
     
  • 지형 내비게이션: 상주 곶감 마라톤 코스는 총 286m의 상당한 고도 변화와 최대 18도에 이르는 경사로를 특징으로 하며, RAIBO2가 다양한 지형의 험난한 야외 환경을 처리할 수 있는 능력을 입증했습니다.  
     
• 마라톤 성과가 실제 응용 분야에 미치는 중요성:
  • 마라톤 도전은 실제 도시 환경에서 일반 대중과 함께 달리며 4족 보행 로봇의 실제 잠재력을 검증했다는 점에서 매우 중요합니다. 이는 대부분의 이전 측정이 실험실 조건이나 이론적 데이터에 국한되었던 것과는 대조적입니다.  
     
  • 에너지 효율성과 내구성의 이러한 돌파구는 재난 지역의 구조 작업, 탐사, 군사 분야와 같이 장시간 배터리 수명이 중요한 확장된 야외 응용 분야의 길을 열어줍니다. 이러한 분야에서는 로봇이 위험 지역에서 인간을 대체하고 개입 없이 장기간 작동할 수 있습니다.