6-DOF 피지컬 AI·지능형 로봇 연구용 매니퓰레이터
QArm Research
Quanser | Robotics & Mechatronics | Manipulator Robotics
QArm Research
Physical AI 및 지능형 로봇 연구를 위한 고정밀 6-DOF 로봇 매니퓰레이터
제품 설명
Quanser QArm Research는
첨단 로봇공학 연구 및 교육을 위해 설계된
정밀하고 다양한 계측 기능을 갖춘
6자유도(6-DOF) 로봇 매니퓰레이터입니다.
높은 정확도와 반복성을 갖춘 로봇 플랫폼에
개방형 제어 구조와 다양한 Control Mode를 제공하여
Classical Robot Control부터
Perception-Driven Manipulation,
Imitation Learning,
Reinforcement Learning,
AI Policy Deployment까지
폭넓은 지능형 로봇 연구에 활용할 수 있습니다.
QArm Research에는
NVIDIA AGX Orin 기반의
QBrain Edge Computing Node가 통합되어 있어,
AI 및 Robot Learning 알고리즘을
로봇 가까이에서 실행하고
실제 하드웨어에 직접 배포할 수 있습니다.
또한 Intel RealSense D405 카메라가
End-Effector 영역에 통합되어
물체 인식, 공간 인지,
Vision-Based Manipulation 및
Perception-Driven Robotics 연구에 활용할 수 있습니다.
MATLAB®/Simulink®,
Python®,
ROS 2™,
C++ 및 NVIDIA Isaac® 환경을 지원하며,
NVIDIA Isaac Sim / Isaac Lab 및
Quanser Interactive Labs 기반 Digital Twin을 활용하여
Simulation과 실제 로봇을 연결할 수 있습니다.
단독 로봇 매니퓰레이터 연구 플랫폼으로 사용할 수 있을 뿐 아니라
Quanser의 Physical AI Lab,
Intelligent Automation Lab,
Haptic Robot, QBot Platform 및 Conveyor와 연동하여
복합적인 Intelligent Robotics 및
Physical AI 연구 환경으로 확장할 수 있습니다.
주요 특징
|
Physical AI-Ready
|
End-to-End Physical AI 연구
Data Generation부터 Model Training, Simulation Validation 및 실제 하드웨어 배포까지 연결된 Physical AI 연구 Pipeline을 구축할 수 있습니다. |
|
Research Workflows
|
연구 예제 및 Workflow 제공
다양한 연구 경험 수준에 맞는 Guided Example과 Research Module을 활용하여 로봇 시스템 통합과 알고리즘 실험을 빠르게 시작할 수 있습니다. |
|
Open Architecture
|
개방형 제어 구조
Position, Velocity 및 Current Control Loop에 접근할 수 있어 사용자가 직접 제어 알고리즘 및 연구용 Controller를 개발하고 검증할 수 있습니다. |
|
NVIDIA Powered
|
QBrain – NVIDIA AGX Orin
고성능 Edge Computing 환경에서 Computer Vision, Robot Learning, AI Policy 및 Intelligent Manipulation 알고리즘을 실행할 수 있습니다. |
|
Digital Twin
|
Simulation과 실제 로봇 연계
NVIDIA Isaac Sim / Isaac Lab 및 Quanser Interactive Labs를 이용하여 가상환경에서 알고리즘을 검증한 후 실제 QArm Research로 배포할 수 있습니다. |
6-DOF 로봇 구조
|
J1
Yaw |
J2
Pitch |
J3
Pitch |
|
J4
Pitch |
J5
Yaw |
J6
Roll |
주요 제품 사양
| 구분 | 사양 |
|---|---|
| Degrees of Freedom |
6 DOF Robotic Serial Manipulator J1 Yaw / J2 J3 J4 Pitch / J5 Yaw / J6 Roll |
| Payload | 3 kg |
| Reach | 580 mm |
| Weight | 13.5 kg |
| Repeatability | ±0.05 mm |
| Joint Precision | 0.088° |
| Joint Range |
J1 : ±360° J2 : ±360° J3 : ±150° J4 : ±360° J5 : ±360° J6 : ±360° |
| Actuators |
J1, J2 : YM080-230-A099-RH J3 ~ J6 : YM070-210-A099-RH |
Vision & End-Effector
| 구분 | 구성 |
|---|---|
| Camera | Intel® RealSense™ D405 |
| End-Effector | RH-P12-RN Robot Hand |
| Tool Power | 24V Tool Power |
| Communication | RS485 |
| Expandable I/O |
Digital I/O Analog Input |
| Host Interface | Ethernet |
QBrain Edge Computing
NVIDIA AGX Orin 기반 AI Computing
QArm Research에는
Quanser의 QBrain이 통합되어 있으며,
NVIDIA AGX Orin 기반의 고성능 Edge Computing 환경을 제공합니다.
로봇에서 직접 Computer Vision, Perception, Machine Learning, Reinforcement Learning 및 AI Policy를 실행할 수 있어 AI 알고리즘의 실제 로봇 배포와 성능 검증에 활용할 수 있습니다.
이를 통해 별도의 외부 AI Computer에 과도하게 의존하지 않고 Sensor → AI Processing → Robot Control로 이어지는 실시간 연구 Workflow를 구성할 수 있습니다.
로봇에서 직접 Computer Vision, Perception, Machine Learning, Reinforcement Learning 및 AI Policy를 실행할 수 있어 AI 알고리즘의 실제 로봇 배포와 성능 검증에 활용할 수 있습니다.
이를 통해 별도의 외부 AI Computer에 과도하게 의존하지 않고 Sensor → AI Processing → Robot Control로 이어지는 실시간 연구 Workflow를 구성할 수 있습니다.
소프트웨어 및 개발 환경
| • MATLAB® | • Simulink® |
| • Python® | • C++ |
| • ROS 2™ | • Major AI Libraries |
| • NVIDIA Isaac® | • NVIDIA Isaac Sim |
| • NVIDIA Isaac Lab | • Quanser Interactive Labs |
Simulation & Digital Twin
Sim-to-Real Research
QArm Research는
NVIDIA Isaac Sim 및 Isaac Lab을 지원하여
실제 로봇을 사용하기 전에
가상환경에서 알고리즘과 AI Policy를
개발하고 검증할 수 있습니다.
또한 Quanser Interactive Labs 기반의 High-Fidelity Digital Twin을 지원하여 실제 시스템과 가상 시스템을 연결한 연구 환경을 구성할 수 있습니다.
Simulation에서 검증된 알고리즘을 실제 QArm Research로 배포함으로써 Sim-to-Real 연구 Workflow를 구현할 수 있습니다.
또한 Quanser Interactive Labs 기반의 High-Fidelity Digital Twin을 지원하여 실제 시스템과 가상 시스템을 연결한 연구 환경을 구성할 수 있습니다.
Simulation에서 검증된 알고리즘을 실제 QArm Research로 배포함으로써 Sim-to-Real 연구 Workflow를 구현할 수 있습니다.
End-to-End 연구 Workflow
STEP 01. Data Generation
RealSense Camera,
Robot Joint 및 외부 Sensor를 통해
연구에 필요한 Vision,
Motion 및 Interaction 데이터를 수집합니다.
STEP 02. Model Training
수집한 데이터를 이용하여
Perception,
Imitation Learning,
Reinforcement Learning 및
Robot Policy를 개발합니다.
STEP 03. Simulation Validation
NVIDIA Isaac Sim / Isaac Lab 및
Digital Twin 환경에서
학습된 알고리즘과 Robot Policy를 검증합니다.
STEP 04. Physical Deployment
검증된 알고리즘을
QBrain을 통해 실제 QArm Research에 배포하여
Physical Hardware에서 성능을 검증합니다.
Open Architecture Control
Current → Velocity → Position
QArm Research는 연구자가
Current, Velocity 및 Position Control Loop에
접근할 수 있는 개방형 구조를 제공합니다.
제조사에서 제공하는 고정된 동작만 사용하는 것이 아니라, 연구자가 직접 Robot Controller와 Motion Algorithm을 구현하고 실제 하드웨어에서 성능을 검증할 수 있습니다.
이를 통해 Classical Control, Advanced Robot Control 및 AI-Based Control을 하나의 플랫폼에서 비교하고 연구할 수 있습니다.
제조사에서 제공하는 고정된 동작만 사용하는 것이 아니라, 연구자가 직접 Robot Controller와 Motion Algorithm을 구현하고 실제 하드웨어에서 성능을 검증할 수 있습니다.
이를 통해 Classical Control, Advanced Robot Control 및 AI-Based Control을 하나의 플랫폼에서 비교하고 연구할 수 있습니다.
주요 연구 분야
| • Advanced Robotics | • Physical AI |
| • Intelligent Manipulation | • Perception-Driven Manipulation |
| • Robot Vision | • Object Detection |
| • Robot Learning | • Imitation Learning |
| • Reinforcement Learning | • AI Policy Deployment |
| • Motion Planning | • Manipulator Control |
| • Sim-to-Real | • Digital Twin |
| • Human-Robot Interaction | • Teleoperation |
Quanser Robotics Ecosystem
| 연동 시스템 | 활용 |
|---|---|
| Physical AI Lab | Applied AI 및 Physical AI End-to-End 연구 환경 |
| Haptic Robot | Teleoperation, Human Demonstration, Imitation Learning |
| QBot Platform | Mobile Robotics 및 Multi-Agent Robotics |
| Quanser Conveyor | Intelligent Automation 및 산업 자동화 응용 연구 |
| Intelligent Automation Lab | Fixed Robot, Mobile Robot 및 Conveyor를 통합한 Multi-Agent Automation 연구 |
Classical Robotics에서 Physical AI까지
QArm Research는
단순한 산업용 로봇 동작을 반복하는 플랫폼이 아니라,
기존 로봇 제어부터 최신 AI 기반 로봇 연구까지
하나의 시스템에서 연결할 수 있도록 설계되었습니다.
연구자는 먼저 Kinematics, Dynamics 및 Motion Control과 같은 Classical Robotics 기술을 연구한 후, RealSense Camera 기반 Perception, Robot Learning, Reinforcement Learning 및 Physical AI로 연구 범위를 확장할 수 있습니다.
QBrain과 Digital Twin을 함께 활용하면 Perception → Decision → Motion → Interaction → Learning → Physical Validation 으로 이어지는 지능형 로봇 연구 Workflow를 구현할 수 있습니다.
연구자는 먼저 Kinematics, Dynamics 및 Motion Control과 같은 Classical Robotics 기술을 연구한 후, RealSense Camera 기반 Perception, Robot Learning, Reinforcement Learning 및 Physical AI로 연구 범위를 확장할 수 있습니다.
QBrain과 Digital Twin을 함께 활용하면 Perception → Decision → Motion → Interaction → Learning → Physical Validation 으로 이어지는 지능형 로봇 연구 Workflow를 구현할 수 있습니다.
제품 및 견적 문의
1670-3463
(주)영일교육시스템
