Part I: 촉각의 기초

Chapter 2: 촉각 센서 기술 — 로봇의 피부

집필일: 2026-04-01 최종수정일: 2026-04-01

개요

Chapter 1에서 촉각이 로봇 조작에 왜 필수적인지를 논의했다면, 이 챕터에서는 그 촉각을 물리적으로 구현하는 센서 기술을 다룹니다. 압저항식에서 비전 기반 광학 센서까지, 다양한 변환(transduction) 원리를 살펴보고, 최신 Digit 360과 F-TAC Hand에 이르는 통합 설계의 최전선을 조망합니다.

이 챕터를 읽고 나면... - 주요 촉각 센서의 물리적 변환 원리를 설명할 수 있습니다. - 비전 기반 광학 촉각 센서의 작동 메커니즘과 장단점을 이해합니다. - 다축 센싱의 필요성과 구현 방법을 파악합니다. - 응용에 따른 센서 선택 기준을 제시할 수 있습니다.

2.1 센서 물리: 변환 원리별 분류

촉각 센서는 물리적 접촉을 전기 신호로 변환하는 방식에 따라 분류됩니다. Dahiya et al. [1]의 체계를 기반으로, 주요 변환 방식을 정리합니다.

2.1.1 압저항식 (Piezoresistive)

접촉에 의한 물질의 저항 변화를 측정합니다. 구조가 단순하고 비용이 낮아 가장 널리 사용되는 방식 중 하나입니다. Sundaram et al. [9]의 STAG 글로브는 548개의 압저항 센서를 인간 손에 배치하여, 물체를 잡을 때의 힘 분포를 높은 공간 해상도로 기록했습니다 (Nature, 2019).

상용 제품 사례:
Interlink FSR 400 Tekscan FlexiForce A201
Interlink FSR 400 Tekscan FlexiForce A201
  • Interlink FSR 400: 단일 감지 영역의 FSR(Force Sensing Resistor). PTF(Polymer Thick Film) 기반으로, 힘이 커질수록 저항이 감소하는 원리를 이용합니다.
  • Tekscan FlexiForce A201: 초박형 piezoresistive force sensor. 4.4 N / 111 N / 445 N 범위 옵션을 제공합니다.
Sensible Robotics 80-taxel 촉각 어레이
Sensible Robotics 80-taxel 촉각 어레이
  • Sensible Robotics: 약 2 mm pitch의 80-taxel piezoresistive 촉각 어레이. 0.1 N 미만부터 100 N까지의 힘을 최대 1 kHz로 측정하며, 80 dB 이상의 dynamic range, 12-bit 출력, 100만 회 내구성, I2C/SPI/USB/UART/CAN 인터페이스를 지원합니다.

장점: 낮은 비용, 단순 구조, 높은 감도, 얇은 폼 팩터로 로봇 손가락/그리퍼에 부착이 용이

단점: 히스테리시스(hysteresis), 온도 의존성, 반복 사용 시 드리프트, 절대 힘(absolute force) 측정이 어려움

2.1.2 정전용량식 (Capacitive)

두 전극 사이의 정전용량(capacitance) 변화를 측정합니다. Murphy et al.[6]은 102개의 정전용량 센서를 이용한 시연 학습(teaching by demonstration)을 구현했습니다. 정전용량식 센서는 힘의 크기뿐 아니라 근접(proximity) 감지도 가능하여, 접촉 전 사전 정보를 제공할 수 있습니다.

상용 제품 사례:
Robotiq TSF-85 PPS RoboTact
Robotiq TSF-85 PPS RoboTact
  • Robotiq TSF-85: Capacitive array 기반 센서. 28 taxels, 1000 Hz 샘플링, 0–225 N 범위를 제공합니다.
  • PPS (Pressure Profile Systems) RoboTact: Capacitive tactile sensing 기반의 유연한 촉각 센서 시스템입니다.

주목할 연구 설계 — CoinFT [Choi et al., 2024]: 동전 크기의 소형 정전용량식 6축 힘/토크 센서 — 두께 2 mm, 무게 2 g, 재료비 $10 미만. 빗살(comb) 패턴 전극이 있는 두 장의 PCB를 실리콘 고무 기둥(pillar) 배열로 연결한 구조입니다. 칩의 내부 전극 재구성 기능을 활용하여 단일 PCB 쌍에서 6축 모두를 센싱합니다. 기둥 직경(100-200 μm)과 재료를 조절하면 감도와 동적 범위를 응용별로 최적화할 수 있습니다. ~360 Hz 샘플링, 해머 충격 시험에서도 작동 — 비구조 환경의 우발적 접촉에 강합니다. 학술용 오픈소스 공개 (→ 2.3절 상세 비교 참조).

장점: 높은 감도, 반복성(repeatability), 안정성(stability)이 강점. 정적 힘/압력 분포를 안정적으로 읽기 좋으며, 설계 유연성과 근접 감지가 가능

단점: 기생 정전용량(parasitic capacitance), 긴 배선 노이즈, 프론트엔드 전자 회로의 복잡도가 높으며, 전자기 간섭(EMI)에 취약

2.1.3 광학식 — 비전 기반 촉각 센서 (Optical / Vision-Based)

투명한 젤(gel) 또는 탄성체의 변형을 내장 카메라로 촬영하여 접촉 정보를 추출합니다. 이 방식이 현재 촉각 로봇 연구의 주류 패러다임이 되었습니다 — 다음 섹션(2.2)에서 상세히 다룹니다.

2.1.4 자기식 (Magnetic)

자석과 홀 효과(Hall effect) 센서 또는 자기 저항(magnetoresistive) 센서의 조합으로 변형을 측정합니다. ReSkin [7]은 자기 탄성체(magnetic elastomer) 기반으로 단가 $6 미만, 두께 2-3mm, 50,000회 이상 반복 사용 가능한 촉각 피부를 구현했습니다. 전자부와 감지부의 분리 설계가 핵심으로, AnySkin [8]은 이를 발전시켜 12초 만에 교체 가능한 플러그 앤 플레이 방식을 달성했습니다 — 재교정(recalibration) 없이 92%의 미끄러짐 감지 정확도를 유지합니다.

핵심 논문: Bhirangi, R., Hellebrekers, T., Majidi, C., & Gupta, A. (2021). "ReSkin: Versatile, Replaceable, Lasting Tactile Skin [#13]s." arXiv preprint. 자기 탄성체 기반의 저비용($6/개), 교체 가능한 촉각 피부. 산업 환경에서의 센서 내구성 문제에 대한 실용적 해답을 제시했습니다.
Figure 2.1a: ReSkin 개요 — 소형, 교체 가능한 자기 촉각 피부. 로봇 그리퍼부터 웨어러블까지 다양한 응용 가능. 출처: Bhirangi et al. (2021), Fig. 1
Figure 2.1a: ReSkin 개요 — 소형, 교체 가능한 자기 촉각 피부. 로봇 그리퍼부터 웨어러블까지 다양한 응용 가능. 출처: Bhirangi et al. (2021), Fig. 1
Figure 2.1b: AnySkin 개요 — 12초 만에 교체 가능한 플러그 앤 플레이 촉각 피부. 다양한 로봇 플랫폼과 호환. 출처: Bhirangi et al. (2024), Fig. 1
Figure 2.1b: AnySkin 개요 — 12초 만에 교체 가능한 플러그 앤 플레이 촉각 피부. 다양한 로봇 플랫폼과 호환. 출처: Bhirangi et al. (2024), Fig. 1

상용 제품 사례:
XELA uSkin ReSkin
XELA uSkin ReSkin
  • XELA uSkin: 얇고 유연한 패키지에서 3축 촉각 센싱을 제공. 센싱 포인트당 전단력과 법선력을 동시에 측정하며, 모듈당 최대 64 sensing points, 0.1 gf 해상도, 500 Hz 샘플링을 지원합니다.

OSMO 글로브 [2025] [#18]는 12개의 3축 자기 센서를 사용하여 법선력과 전단력을 동시에 측정하며, MuMetal 차폐로 외부 자기장 간섭을 억제합니다 (→ Chapter 6.3 참조).

2.1.5 압전식 (Piezoelectric)

압전 물질(PZT, PVDF 등)이 변형 시 전하를 생성하는 원리를 이용합니다. 정적 힘보다 동적 변화(진동, 질감)의 감지에 적합하여, Pacinian 소체의 기능적 등가물로 활용됩니다. 에너지 하베스팅(energy harvesting)과 결합하면 자가 전원 센서도 가능합니다 [12].

상용 제품 사례:

TE Connectivity DT1-028K
TE Connectivity DT1-028K
  • TE Connectivity DT1-028K: Piezo film sensor element. 기계 자극에 대한 감도가 높고, 진동/충격/과도 현상(transient) 감지에 강합니다. 다만 정적 힘 측정에는 한계가 있으며, 표면 전하가 중화되어 지속적인 하중을 안정적으로 읽기 어렵습니다.

2.1.6 스트레인 게이지 / MEMS (Strain-Gauge / MEMS)

스트레인 게이지 기반 센서는 외력에 의한 탄성체의 미세 변형을 전기 저항 변화로 측정합니다. 특히 6축 힘/토크(F/T) 센서로 널리 사용되며, 높은 정확도와 해상도가 강점입니다.

상용 제품 사례:
ATI Nano17 Adin Miniature FT
ATI Nano17 Adin Miniature FT
  • ATI Nano17: 직경 17 mm, 높이 14.5 mm의 소형 상용 6축 F/T 센서. Silicon strain gauge와 높은 SNR이 강점입니다.
  • Adin Miniature FT: 직경 15 mm, 높이 10.5 mm로 Nano17보다 더 소형화된 6축 F/T 센서입니다.

6축 F/T 센서의 설계 공간은 다양한 변환 방식으로 탐색되어 왔습니다. Kim et al. [2]은 광학 측정 원리를 이용한 광전자식 6축 F/T 센서를 개발했고 (IEEE/ASME Trans. Mechatronics), Palli et al. [2014]은 cross-beam 설계에 photodetector/LED 반사광 측정 방식을 제안했습니다 (Sensors and Actuators A). 비전 기반 측에서는 Fernandez et al.[3]이 소형 카메라를 이용한 저비용 유연 촉각 손가락 끝 Visiflex를 소개하여 (IEEE RA-L) 비전 기반 촉각 센싱과 F/T 측정을 결합했습니다.

이런 연구 다양성에도 불구하고, 상용 6축 F/T 센서는 매우 고가입니다: ATI >$7,000, Mitsumi >$1,000, Resense >$5,000 [29]. 또한 매우 취약하여 — 낙하 시 교정이 틀어지고, 수리비가 수천 달러에 달합니다. Flexiv, OnRobot 같은 산업용 로봇 기업이 협동로봇에 F/T 센싱을 통합하고 있으나 센서 자체는 여전히 고가 OEM 부품입니다. 이러한 제약은 소형 로봇 핸드, 웨어러블 로봇, 드론에 기존 F/T 센서를 장착하는 것을 사실상 불가능하게 만들어, CoinFT 같은 저가 대안 연구를 촉진합니다 (→ 2.1.2절 참조).

장점: 정확도, 해상도, 교정(calibration) 품질이 우수. 손목/손가락 끝 F/T 측정에 적합

단점: 넓은 면적의 soft tactile skin 용도보다는 포인트 F/T 센싱에 특화. 가격이 높고($7K+) 대면적 확장성이 불리; 충격에 취약

2.1.7 유체/공압식 (Fluidic / Pneumatic)

유체(액체 또는 공기)의 압력 변화를 통해 접촉력을 측정합니다. 내부 유체가 외력에 의해 변형되면 압력 센서가 이를 감지하는 구조로, 인간 손가락 끝의 접촉 거동에 가까운 유연성(compliance)을 구현할 수 있습니다.

상용 제품 사례:
SynTouch BioTac Allegro Hand V5 Plus
SynTouch BioTac Allegro Hand V5 Plus fingertip pressure sensor
  • SynTouch BioTac: 힘, 진동, 온도를 동시에 감지하며, 유체 압력(fluid pressure)과 피부 변형(skin deformation)을 결합한 다감각 센서입니다. Rigid core + skin + fluid 구조로 인간 손가락 끝에 가까운 감지 특성을 제공합니다.
  • Allegro Hand V5 Plus fingertip pressure sensor: 정전용량 압력 센서를 이용한 공압 기반(pneumatic) 촉각 센서. 전방위(omnidirectional) 접촉 감지가 가능합니다.

장점: 유연성(compliance)이 좋고, 인간 손가락 끝에 가까운 접촉 거동 구현 가능. 취약한 물체 파지, 미끄러짐, 질감 인식에 강점

단점: Chamber/유체/실링/패키징 구조가 복잡하여 thin-film array 대비 부피가 크고 통합 난이도가 높음. 실사용 시 내부 액체 누출로 인한 부식이 빈번한 문제로 보고됨

2.1.8 열감지식 (Thermal)

열 구배(thermal gradient)를 측정하여 접촉 물체의 재질(thermal property)을 판별합니다. 히터(heater)와 서미스터(thermistor)를 조합하여 물체와의 열전달 차이를 감지합니다.

상용 제품 사례:

SynTouch BioTac SP
SynTouch BioTac SP
  • SynTouch BioTac SP: BioTac의 열감지 모달리티를 소형 단일 지절(single-phalanx) 형태로 제공합니다.

장점: 금속/플라스틱/목재 등 재질 구분에 유리. 열적 단서(thermal cue) 기반 재질 인식(material recognition)에 강점

단점: 열 채널은 힘 채널보다 응답이 느리고, 주변 온도와 접촉 지속 시간의 영향을 많이 받음

Figure 2.1: 8가지 촉각 센서 변환 원리의 비교.
Figure 2.1: 8가지 촉각 센서 변환 원리의 비교.

변환 방식 비교

특성 압저항식 정전용량식 광학/비전 기반 자기식 압전식 스트레인 게이지 유체/공압식 열감지식
공간 해상도 중간 중간 매우 높음 낮음-중간 낮음 낮음 (포인트) 중간 낮음
힘 범위 넓음 넓음 중간 중간 넓음 (동적) 매우 넓음 중간 —
다축 감지 어려움 가능 우수 우수 어려움 우수 (6축) 가능 —
내구성 보통 보통 낮음 (젤 마모) 높음 높음 매우 높음 보통 (누출) 보통
비용 매우 낮음 낮음 중간 낮음 중간 높음 높음 높음
크기 소형 소형 대형 (카메라) 소형 소형 소형 대형 (유체) 소형
대표 센서 FSR 400, STAG Robotiq TSF-85 GelSight, DIGIT ReSkin, XELA uSkin DT1-028K ATI Nano17 BioTac BioTac SP
용도별 간단 선택 가이드: 가장 무난한 범용형은 정전용량식, 가장 정보량이 큰 연구형은 광학/비전 기반, 전단력/미끄러짐까지 보려면 자기식, 진동/미세 미끄러짐만 잡으려면 압전식, 생체모방(biomimetic) 손가락 끝을 원하면 유체/공압식 계열을 추천합니다.

2.2 비전 기반 촉각 센서: GelSight에서 Digit 360까지

비전 기반 광학 촉각 센서(vision-based optical tactile sensor)는 2017년 GelSight의 등장 이후 촉각 연구의 주류가 되었습니다. 이 센서군의 핵심 원리는 광도 입체법(photometric stereo)입니다: 탄성 젤 표면에 내장된 LED가 빛을 비추고, 접촉에 의한 젤 변형을 카메라가 촬영하여 3D 접촉 지도(contact map)를 재구성합니다.

GelSight (2017)

Yuan, Dong, & Adelson [2]이 MIT CSAIL에서 개발한 GelSight는 광도 입체법을 이용하여 접촉면의 3D 형상을 마이크로미터 수준으로 복원합니다. 이 센서는 촉각 연구에 "비전의 도구"를 가져왔다는 점에서 패러다임 전환적 기여를 했습니다 — 기존의 전기적 변환 방식과 달리, 이미지 처리와 딥러닝의 풍부한 도구 생태계를 직접 활용할 수 있게 되었습니다.

핵심 논문: Yuan, W., Dong, S., & Adelson, E. H. (2017). "GelSight: High-Resolution Robot Tactile Sensors for Estimating Geometry and Force." Sensors, 17(12), 2762. 광도 입체법 기반 고해상도 3D 촉각 센서의 기초 논문. 600회 이상 인용으로, 비전 기반 촉각 센서 패러다임의 시작점입니다.

GelSight Wedge (2021)

Wang et al.[3]은 GelSight의 쐐기(wedge) 형태 변형을 개발하여, 표준 로봇 그리퍼에 장착할 수 있는 소형 폼 팩터를 달성했습니다. 원형 GelSight가 연구용으로만 적합한 크기였다면, Wedge는 실제 로봇 시스템에의 통합을 가능하게 했습니다.

DIGIT (2020)

Meta FAIR의 Lambeta et al. [4]이 개발한 DIGIT은 소형화와 저비용화의 이정표입니다. $350이라는 가격은 기존 BioTac ($5K-10K) 대비 10배 이상 저렴하며, 소형 폼 팩터로 다지 핸드의 각 손가락에 장착이 가능합니다. DIGIT은 촉각 연구의 민주화에 결정적 기여를 했으며, 이후 수많은 후속 연구의 표준 센서로 자리잡았습니다.

Figure 2.2: 비전 기반 촉각 센서의 진화. Source: Yuan et al. (2017), Wang et al. (2021), Lambeta et al. (2020, 2024).
Figure 2.2: 비전 기반 촉각 센서의 진화. Source: Yuan et al. (2017), Wang et al. (2021), Lambeta et al. (2020, 2024).

Digit 360 (2024)

Lambeta et al.[5]의 Digit 360은 현재까지 가장 포괄적인 인공 손가락(artificial fingertip)입니다:

  • 8.3M taxels: 약 830만 개의 촉각 감지점
  • 18+ 센싱 모달리티: 3D 형상, 힘 (법선 + 전단), 진동, 온도, 근접 등
  • 전방위(omnidirectional) 촉각: 손가락 전체 표면을 커버
  • 1mN 힘 분해능: 인간 수준에 근접하는 민감도

이 센서는 단일 손가락에 인간의 여러 수용기 유형에 상응하는 다중 모달 감지를 통합했다는 점에서, 인공 촉각의 "완전체"에 가까운 시도입니다.

Figure 2.2a: Digit 360 개요 — 온디바이스 AI와 초인간적 촉각 디지털화 성능을 갖춘 인공 다중모달 손가락 끝. 출처: Lambeta et al. (2024), Fig. 1
Figure 2.2a: Digit 360 개요 — 온디바이스 AI와 초인간적 촉각 디지털화 성능을 갖춘 인공 다중모달 손가락 끝. 출처: Lambeta et al. (2024), Fig. 1
Figure 2.2b: Digit 360 센싱 모달리티 — 시각촉각 이미징, 정적/동적 압력, 방향성 조명, 표면 진동, 온도, 가스 감지, 온디바이스 AI 처리. 출처: Lambeta et al. (2024), Fig. 2
Figure 2.2b: Digit 360 센싱 모달리티 — 시각촉각 이미징, 정적/동적 압력, 방향성 조명, 표면 진동, 온도, 가스 감지, 온디바이스 AI 처리. 출처: Lambeta et al. (2024), Fig. 2

모듈러 GelSight 설계 (2025)

Agarwal et al.[6]은 GelSight 계열 센서의 체계적 모듈러 설계 프레임워크를 제안했습니다 (IJRR). 젤 물질, 조명 배치, 카메라 위치, 하우징을 모듈 단위로 조합하여 응용에 맞는 센서를 커스터마이징할 수 있습니다.

비전 기반 F/T 센싱: Visiflex (2021)

Fernandez et al.[3]은 단일 카메라로 힘, 토크, 접촉 기하를 추정하는 저비용 유연 촉각 손가락 끝 Visiflex를 소개했습니다 (IEEE RA-L). Photometric stereo 방식(GelSight, DIGIT)과 달리, 탄성체 내 마커 변위를 추적하여 6축 F/T를 추론합니다 — 비전 기반 센싱의 접근성과 다축 힘 측정을 결합한 중간 지점입니다.

비전 기반 센서의 한계

비전 기반 센서의 가장 큰 한계는 내구성입니다. 젤 표면은 반복 접촉으로 마모되며, 조명원의 열화, 먼지 침입, 세척 어려움이 산업 환경에서의 장기 운용을 제약합니다. F-TAC Hand[15]가 17개의 센서를 손 전체에 배치했을 때, 이는 곧 17개의 잠재적 고장점을 의미합니다. AnySkin[8]의 12초 교체 접근은 이 문제의 실용적 해결책 중 하나입니다 (→ Chapter 13.1 참조).

Figure 2.3: 비전 기반 촉각 센서의 작동 원리 — 광도 입체법 기반 3D 접촉 지도 재구성.
Figure 2.3: 비전 기반 촉각 센서의 작동 원리 — 광도 입체법 기반 3D 접촉 지도 재구성.

2.3 다축 센싱: 법선력과 전단력의 중요성

세미나 2 (Taejoon)에서 강조된 바와 같이, 법선력(normal force)만으로는 불충분합니다. 전단력(shear force)은 미끄러짐 감지, 물체 방향 추정, 힘/잡음 분리에 필수적입니다.

다축 센싱의 동기

  • 효율적 로봇 학습: 다차원 촉각 정보는 정책 학습의 샘플 효율성을 높입니다 [27]
  • 미끄러짐 감지: 전단 방향의 힘 변화가 미끄러짐의 선행 지표 [23]
  • 물체 방향 감지: 접선 힘 벡터로 물체의 기울기를 추정 [24]
  • 힘/잡음 분리: 다축 정보로 실제 접촉 힘과 센서 노이즈를 구분 [25]

세미나 2의 다축 센서

세미나 2에서 소개된 자체 개발 다축 촉각 센서는 10x10x6.5mm 크기로:

  • 법선력: ~50N 범위
  • 전단력: ~5N 범위
  • 샘플링 속도: 100Hz
  • 로봇 핸드 적용 검증 완료

이 소형 다축 센서는 비전 기반 센서의 부피 문제를 해결하면서도 전단력 정보를 제공한다는 점에서 의미가 있습니다.

CoinFT: 소형 다축 센싱의 사례 연구

CoinFT [Choi et al., 2024]는 비전 기반 센서와 기존 스트레인 게이지 F/T 센서 모두에 대한 대안으로, 정전용량식 6축 센서를 동전 크기(2 g, <$10)로 구현했습니다.

Figure 2.4a: CoinFT 설계 — 빗살 패턴 전극의 두 PCB를 실리콘 고무 기둥으로 연결. Source: Choi, SNU Data Science Seminar 2026.
Figure 2.4a: CoinFT 설계 — 빗살 패턴 전극의 두 PCB를 실리콘 고무 기둥으로 연결. Source: Choi, SNU Data Science Seminar 2026.
항목 ATI Nano17 Mitsumi CoinFT 세미나 2 센서
축 6 6 6 3+ (법선+전단)
크기 Ø17 × 14.5 mm — 2 mm 두께, 동전 크기 10 × 10 × 6.5 mm
무게 9.1 g — 2 g —
비용 >$7,000 >$1,000 <$10 연구 프로토타입
샘플링 7,000 Hz — ~360 Hz 100 Hz
견고성 취약 (낙하=재교정) 보통 해머 충격 견딤 —
오픈소스 아니오 아니오 예 (학술용) 아니오

CoinFT의 조절 가능한 설계(기둥 직경, 재료, 패턴 변경)는 특정 응용에 맞는 최적화를 가능하게 합니다. 전 세계 다수 대학에서 채택되었으며, DexForce [Chen et al., 2025]에서 다지 핸드에 통합되어 사용됩니다 (→ Chapter 7.4 참조).

CoinFT의 원 연구실을 넘은 채택 사례: CoinFT의 오픈소스 설계는 다양한 연구 분야에서 채택을 가능하게 했습니다:

  • 햅틱 장치: Winston et al.[6]은 Fourigami라는 4-DoF 힘 제어 종이접기 손가락 패드 햅틱 장치에 CoinFT를 통합, 햅틱 렌더링 중 폐쇄 루프 힘 제어에 활용 (IEEE Trans. Robotics).
  • 방향성 햅틱 큐: Yoshida et al.[5]은 전완부 방향성 전단 햅틱 큐 연구에서 CoinFT로 접촉력 초기화 및 제어 (IEEE Trans. Haptics).
  • 웨어러블 햅틱: Sarac et al. [2022]은 웨어러블 햅틱 브레이슬릿에서 법선/전단 피부 자극의 지각 강도 측정에 CoinFT를 활용 (IEEE RA-L).

이러한 응용은 CoinFT의 소형/저가 설계가 로봇 조작을 넘어 — 햅틱, 웨어러블, 인간 지각 연구 등 — 다양한 분야에서 힘 제어 연구를 가능하게 했음을 입증합니다.

핵심 논문: Choi, H., Kim, A., & Cutkosky, M. R. (2024). "CoinFT: A Compact and Affordable Capacitive Six-Axis Force/Torque Sensor." IEEE Sensors Journal. 오픈소스 동전 크기 6축 F/T 센서. 상용 센서 대비 1/700 가격으로 유사한 정확도를 달성합니다.
핵심 논문: Fang, J., et al. (2025). "Force Measurement Technology of Vision-Based Tactile Sensor." Advanced Intelligent Systems (Wiley). 비전 기반 촉각 센서에서의 힘 측정 접근법을 체계적으로 리뷰한 서베이. 교정(calibration) 방법과 다축 힘 추정 기법을 포괄합니다.
Figure 2.4b: 다축 촉각 센싱 — 법선력과 전단력의 역할 비교.
Figure 2.4b: 다축 촉각 센싱 — 법선력과 전단력의 역할 비교.
Figure 2.4c: 상용 F/T 센서 환경과 CoinFT의 포지셔닝. Source: Choi, SNU Data Science Seminar 2026.
Figure 2.4c: 상용 F/T 센서 환경과 CoinFT의 포지셔닝. Source: Choi, SNU Data Science Seminar 2026.

2.4 센서 통합 설계: F-TAC Hand 사례

센서의 성능이 아무리 뛰어나도, 로봇 핸드에 통합되지 않으면 실용적 가치가 제한됩니다. F-TAC Hand [2025, Nature Machine Intelligence]는 센서 통합 설계의 현 최선 사례입니다:

  • 17개 촉각 센서: 손 표면의 70%를 커버
  • 0.1mm 해상도: 미세 특징 감지
  • 100% 촉각 기반 적응 성공률: 다중 물체 파지에서 촉각 피드백을 활용한 적응 성공률 (M=1.000, SD=0.000 vs. 촉각 미사용 시 53.5%, p=2.1×10⁻¹⁷)
  • 센서 배치 최적화: 접촉 확률이 높은 영역에 센서 집중
Figure 2.5a: F-TAC Hand 개요 — 손 표면의 70%에 고해상도 촉각 센싱을 구현한 생체모방 핸드. 출처: Zhao et al. (2025), Fig. 1
Figure 2.5a: F-TAC Hand 개요 — 손 표면의 70%에 고해상도 촉각 센싱을 구현한 생체모방 핸드. 출처: Zhao et al. (2025), Fig. 1
Figure 2.5b: F-TAC Hand 센서 배치 — 6가지 최적화된 구성의 17개 비전 기반 촉각 센서 분포. 출처: Zhao et al. (2025), Fig. 2
Figure 2.5b: F-TAC Hand 센서 배치 — 6가지 최적화된 구성의 17개 비전 기반 촉각 센서 분포. 출처: Zhao et al. (2025), Fig. 2
Figure 2.5c: F-TAC Hand의 센서 배치 — 17개 촉각 센서의 분포와 커버리지. Source: F-TAC Hand (Nature Machine Intelligence, 2025).
Figure 2.5c: F-TAC Hand의 센서 배치 — 17개 촉각 센서의 분포와 커버리지. Source: F-TAC Hand (Nature Machine Intelligence, 2025).

F-TAC Hand의 성공은 센서 기술 자체보다 통합 설계 방법론의 중요성을 보여줍니다. 센서의 종류, 수량, 배치를 핸드 설계와 동시에 최적화(co-optimization)하는 접근이 향후 표준이 될 것입니다.

3D-ViTac [16]은 3mm² 밀도의 고밀도 촉각 센서를 시각과 융합하여 통합 3D 표현을 구축하고, Diffusion Policy로 양손 정밀 조작에서 85-90% 성공률을 달성했습니다 — 시각만 사용할 때의 45-50% 대비 크게 향상된 수치입니다 (CoRL 2024) (→ Chapter 11.1 참조).

Soft Robotic Hand with Tactile Palm-Finger Coordination [2025, Nature Communications]은 유연 로봇 핸드에서 손바닥과 손가락의 촉각 협조를 통해 조작 성능을 향상시켰습니다.

2.5 센서 유형별 비교와 선택 가이드

센서 선택은 응용의 요구사항에 따라 달라집니다. 아래는 주요 응용 시나리오별 권장 센서 유형입니다:

응용 시나리오 핵심 요구사항 권장 센서 유형 대표 사례
연구용 다지 조작 고해상도, 저비용 비전 기반 (DIGIT) DeXtreme, Robot Synesthesia
산업용 그리퍼 내구성, 다축 자기식 (ReSkin/AnySkin) 공장 자동화
인간 손 데이터 수집 소형, 유연, 다축 자기식 (OSMO) OSMO 글로브
전체 손 커버리지 넓은 면적, 이진 접촉 압저항식 어레이 Yin et al. (2023)
질감/표면 분류 고해상도 3D 비전 기반 (GelSight) UniTouch
미끄러짐 감지 빠른 응답, 전단 감지 다축 (자기식/정전용량식) Universal Slip Detection
핵심 관점: 센서 선택은 단일 최적해가 아닌, 태스크-센서 적합도(task-sensor fitness) 관점에서 접근해야 합니다. Albini et al.[6]의 촉각 데이터 분류 체계(taxonomy)는 센서 하드웨어에서 데이터 표현으로 이어지는 결정 흐름을 체계화했습니다 (→ Chapter 3 참조).

2.6 최신 동향: 신경형태학적 센서와 자가 치유 센서

2.6.1 신경형태학적 촉각 센서 (Neuromorphic Tactile Sensors)

생물학적 신경계를 모방한 신경형태학적(neuromorphic) 센서는 이벤트 기반(event-driven) 처리로 에너지 효율과 시간 해상도를 극대화합니다. NRE-skin [2025, PNAS]은 계층적 아키텍처로 고해상도 촉각, 능동 통증/손상 감지, 국소 반사를 통합했으며, 모듈형 퀵릴리스 수리가 가능합니다.

스파이크 기반 신경 코딩 서베이 [2025, Microsystems & Nanoengineering]는 CMOS/멤리스터 하드웨어와 SNN(Spiking Neural Network) 디코딩을 결합하여 10배 초해상도(super-resolution)를 달성할 수 있음을 보여줍니다. Bioinspired Spiking Architecture [2026, Nature Communications]은 에너지 제약 환경에서의 효율적 촉각 인코딩을 시연했습니다.

2.6.2 자가 치유 및 다감각 전자 피부 (Self-Healing and Multisensory E-Skin)

Multisensory Electronic Skin [2025, PNAS]은 압력과 온도 감지를 분리(decoupled)하는 전자 피부를 구현했으며, 자가 치유(self-healing) 물질을 통합하여 센서 수명을 연장합니다. 이러한 접근은 산업 환경에서의 촉각 센서 내구성 문제(→ Chapter 13.1 참조)를 근본적으로 해결할 잠재력을 가집니다.

2.6.3 물리 기반 렌더링을 통한 센서 설계

Vision-Based Tactile Sensor Design Using Physically Based Rendering [2025, Nature Communications Engineering]은 물리 기반 렌더링(PBR)으로 광학 촉각 센서의 설계를 시뮬레이션에서 검증하는 방법을 제안했습니다. 이는 센서 설계의 시행착오를 줄이고, 디지털 트윈(digital twin) 기반 설계를 가능하게 합니다.

Figure 2.6: 차세대 촉각 센서 기술 — 신경형태학적 센서, 자가 치유 전자 피부, PBR 기반 설계.
Figure 2.6: 차세대 촉각 센서 기술 — 신경형태학적 센서, 자가 치유 전자 피부, PBR 기반 설계.

2.7 촉각 센서의 우주 응용

우주 로봇 공학에서의 촉각 센싱은 극한 환경(진공, 극저온, 방사선)에서의 센서 설계 요구사항을 제시합니다. Comprehensive Review of Tactile Sensing Technologies in Space Robotics [2025, Chinese Journal of Aeronautics]은 우주 환경 특유의 도전과 센서 설계 전략을 리뷰했습니다. 이러한 극한 환경용 센서 설계의 교훈은 지상의 산업용 센서 설계에도 적용될 수 있습니다.

요약 및 전망

촉각 센서 기술은 비전 기반 광학 센서의 등장으로 패러다임 전환을 겪었습니다. GelSight($350 수준의 DIGIT)에서 시작하여 Digit 360(8.3M taxels, 18+ 모달리티)에 이르기까지, 해상도와 다중 모달리티는 비약적으로 향상되었습니다. 동시에 ReSkin/AnySkin의 자기식 센서는 $6 수준의 교체 가능한 촉각 피부를 실현하여, 내구성 문제에 대한 실용적 해법을 제시했습니다.

그러나 핵심 과제는 여전합니다: 젤 마모, 재교정(recalibration), 산업 환경 검증, 소형화와 다축 센싱의 동시 달성. Sanctuary AI의 5mN 민감도 촉각 통합이 상용 휴머노이드에서 구현되고, Meta의 Digit Plexus가 표준화된 센서-핸드 인터페이스를 추진하는 등, 촉각이 "옵션에서 표준으로" 전환되는 과도기에 있습니다.

다음 챕터에서는 이러한 센서들이 생성하는 촉각 데이터의 표현과 수집을 다룹니다 (→ Chapter 3: 촉각 데이터 참조).

참고문헌

  1. Dahiya, R. S., Metta, G., Valle, M., & Sandini, G. (2010). Tactile sensing: From humans to humanoids. IEEE Transactions on Robotics, 26(1), 1-20. https://doi.org/10.1109/TRO.2009.2033627 scholar
  2. Yuan, W., Dong, S., & Adelson, E. H. (2017). GelSight: High-resolution robot tactile sensors for estimating geometry and force. Sensors, 17(12), 2762. https://doi.org/10.3390/s17122762 scholar
  3. Wang, S., She, Y., Romero, B., & Adelson, E. H. (2021). GelSight Wedge: Measuring high-resolution 3D contact geometry with a compact robot finger. IEEE ICRA 2021. https://doi.org/10.1109/ICRA48506.2021.9560783 scholar
  4. Lambeta, M., Chou, P.-W., Tian, S., Yang, B., Maloon, B., Most, V. R., ... & Calandra, R. (2020). DIGIT: A novel design for a low-cost compact high-resolution tactile sensor with application to in-hand manipulation. IEEE Robotics and Automation Letters, 5(3), 3838-3845. scholar
  5. Lambeta, M., Wu, T., Sengul, A., & Calandra, R. (2024). Digitizing touch with an artificial multimodal fingertip (Digit 360). arXiv preprint, arXiv:2411.02834. scholar
  6. Agarwal, A., Mirzaee, M. A., Sun, X., & Yuan, W. (2025). A modularized design approach for GelSight family of vision-based tactile sensors. International Journal of Robotics Research. https://doi.org/10.1177/02783649251339680 scholar
  7. Bhirangi, R., Hellebrekers, T., Majidi, C., & Gupta, A. (2021). ReSkin: Versatile, replaceable, lasting tactile skins. arXiv preprint, arXiv:2111.00071. #13 scholar
  8. Bhirangi, R., Pattabiraman, V., Norcross, E., Shocher, A., & Pinto, L. (2024). AnySkin: Plug-and-play skin sensing for robotic touch. ICRA 2025. arXiv:2409.08276. scholar
  9. Sundaram, S., Kellnhofer, P., Li, Y., Zhu, J.-Y., Torralba, A., & Matusik, W. (2019). Learning the signatures of the human grasp using a scalable tactile glove. Nature, 569, 698-702. scholar
  10. Murphy, L., et al. (2025). Capacitive tactile sensing for teaching by demonstration. arXiv preprint. scholar
  11. Fang, J., et al. (2025). Force measurement technology of vision-based tactile sensor. Advanced Intelligent Systems (Wiley). https://doi.org/10.1002/aisy.202400290 scholar
  12. Yu, et al. (2025). Recent progress in tactile sensing and machine learning for texture perception in humanoid robots. Interdisciplinary Materials (Wiley). https://doi.org/10.1002/idm2.12233 scholar
  13. Various. (2025). Comprehensive review of tactile sensing technologies in space robotics. Chinese Journal of Aeronautics. https://doi.org/10.1016/j.cja.2025.01.031 scholar
  14. Various. (2025). Vision-based tactile sensor design using physically based rendering. Communications Engineering (Nature). https://doi.org/10.1038/s44172-025-00350-4 scholar
  15. Zhao, Z., Li, W., Li, Y., Liu, T., Li, B., Wang, M., Du, K., Liu, H., Zhu, Y., Wang, Q., Althoefer, K., & Zhu, S.-C. (2025). Embedding high-resolution touch across robotic hands enables adaptive human-like grasping. Nature Machine Intelligence. https://doi.org/10.1038/s42256-025-01053-3 #39 scholar
  16. Huang, B., Wang, Y., et al. (2024). 3D-ViTac: Learning fine-grained manipulation with visuo-tactile sensing. CoRL 2024. arXiv:2410.24091. scholar
  17. Zhang, N., Ren, J., Dong, Y., Gu, G., & Zhu, X. (2025). Soft robotic hand with tactile palm-finger coordination. Nature Communications, 16, 2395. https://doi.org/10.1038/s41467-025-57741-6 #40 scholar
  18. Gao, Y., Zhang, J., Zhang, H., et al. (2025). A neuromorphic robotic electronic skin with active pain and injury perception. PNAS. https://doi.org/10.1073/pnas.2520922122 scholar
  19. Various. (2025). Multisensory electronic skin with decoupled pressure-temperature sensing. PNAS. scholar
  20. Various. (2025). Recent advances in spike-based neural coding for tactile perception. Microsystems & Nanoengineering (Nature). https://doi.org/10.1038/s41378-025-01074-3 scholar
  21. Various. (2026). Bioinspired spiking architecture for energy-constrained touch encoding. Nature Communications. https://doi.org/10.1038/s41467-026-68858-7 scholar
  22. Yin, Z.-H., et al. (2025). Multi-dimensional tactile sensing for efficient robot learning. arXiv preprint. scholar
  23. Hossain, M., et al. (2025). Multi-axis tactile for object orientation detection. Sensors and Actuators A: Physical. scholar
  24. Lach, L., et al. (2023). Tactile-based object orientation detection for blind manipulation. arXiv preprint. scholar
  25. Cho, W., et al. (2025). Multi-dimensional tactile sensing for force/noise decoupling. ACS Applied Materials & Interfaces. scholar
  26. Various. (2025). Recent advances in tactile sensing technologies for human-robot interaction. Sensors International. https://doi.org/10.1016/j.sintl.2025.100345 scholar
  27. Yin, J., Qi, H., Wi, Y., Kundu, S., Lambeta, M., Yang, W., Wang, C., Wu, T., Malik, J., & Hellebrekers, T. (2025). OSMO: Open-source tactile glove for human-to-robot skill transfer. arXiv preprint. arXiv:2512.08920. #18 scholar
  28. Albini, A., Kaboli, M., Cannata, G., & Maiolino, P. (2025). Representing data in robotic tactile perception — A review. arXiv preprint (submitted to IEEE Trans. Robot.). arXiv:2510.10804. scholar
  29. Choi, S. (Korea University). (2026). Commercial tactile sensor survey. https://www.notion.so/2026-03-26-Tactile-sensors-32f13b6f5ea48054a5e3f4cee07f00c6 scholar