우리는 Standard Bots의 2억 달러 규모 시리즈 C 투자를 주도했습니다. 그 이유는 이 회사가 물리적 AI를 위한 로봇 팔을 재발명하고, 로봇 산업을 다시 미국으로 가져올 수 있는 회사라고 믿기 때문입니다.
이 공개 투자 보고서에서 우리는 다음을 다룰 것입니다:
- 로봇의 탄생
- 일반적인 로봇 팔의 하드웨어 및 소프트웨어 아키텍처
- 오늘날의 로봇 팔을 제약하는 기술적 한계
- Standard Bots가 어떻게 기본 원리부터 로봇 팔을 재발명하고 있는지
작성자: @JacklouisP
서론: 자동화의 일꾼
6축 로봇 팔은 지배적인 범용 로봇입니다. 모든 자동차 스폿 용접의 90%는 로봇 팔이 수행하며, CNC 기계를 24시간 관리하고, 수십억 개의 팔레트를 쌓고, 도장, 연마, 조립, 검사 작업을 합니다. 이런 방식으로 60년 동안 운영되어 왔습니다.
왜 로봇 팔이 범용 로봇의 지배적인 디자인이 되었을까요? 단순성과 유연성의 최적 조합이기 때문입니다. 공간상의 모든 물체는 6개의 자유도를 가지며, 위치 3개와 방향 3개로 구성됩니다. 일반 작업을 수행하는 기계는 이 6개를 모두 필요로 합니다. 이를 달성하는 방법은 여러 가지가 있지만, 고정된 위치에서 단순성과 도달 범위를 최적화한다면 로봇 팔이 승리합니다: 6개의 모터 구동 관절을 체인으로 연결한 형태입니다.
2025년에는 621,000대의 산업용 로봇이 설치되었으며, 전년 대비 15% 증가했고, 총 460만 대 이상이 가동 중입니다.¹ 로봇 팔 하드웨어는 연간 약 200억 달러의 수익을 창출합니다.² 우리는 이 숫자가 앞으로 올 것을 심각하게 과소평가하고 있다고 믿습니다.
기회의 더 나은 척도는 로봇 시장 자체가 아니라 로봇 팔이 닿을 수 있는 노동력입니다. Morgan Stanley의 로봇 연구에 따르면, 2050년까지 로봇이 대체 가능한 미국의 임금 총액은 연간 약 3조 달러이며, 글로벌 시장은 5조 달러에 달합니다. Citi의 추정치는 최대 7조 달러까지 올라갑니다.³ 미국 직업 데이터를 분석한 결과, 해당 임금의 4분의 1에서 3분의 1, 즉 연간 약 6,000억~7,000억 달러가 벤치, 기계 또는 라인에서 이루어지는 고정 작업입니다. 그 작업에는 다리가 필요하지 않습니다. 가르칠 수 있는 로봇 팔이 필요합니다.
로봇 팔은 종종 간과되거나 상품화된 것으로 치부되지만, 실제로는 그 반대입니다: 성장과 발전을 위한 엄청난 공간이 남아 있습니다. 모든 산업화된 국가에서 로봇 밀도는 증가하고 있지만, 세계 선두주자인 한국조차도 제조업 노동자 10명당 로봇 1대에 불과합니다. 우리는 이 비율이 모든 곳에서 계속 상승할 것이며, 1:1 비율에 명확한 한계는 없다고 믿습니다.⁴
Standard Bots가 이러한 발전을 주도할 위치에 있다고 믿는 이유를 설명하는 두 가지 요소가 있습니다.
첫 번째는 놀라울 수도 있습니다: 미국은 이 분야에서 진정한 플레이어가 아닙니다. 이 산업은 유럽과 일본이 지배하고 있으며, 중국으로 빠르게 이동하고 있습니다. 로봇 팔을 발명한 국가가 경쟁에 참여하지 않고 있으며, 이는 주요 전략적 격차입니다. 지금까지는 그랬습니다.
두 번째: 기존 업체들은 혁신을 멈췄습니다. 로봇 팔이 너무 오래 존재해 왔기 때문에 우리는 디자인이 고정되어 있다고 가정합니다. 현실은 아키텍처가 1980년대 이후로 동결되어 있으며, AI에 적응하려면 극적인 변화가 필요합니다.
Standard Bots를 이해하려면 로봇 팔이 어디서 왔는지, 어떻게 작동하는지 이해해야 합니다. 다음 섹션에서 자세히 다룹니다. 투자 보고서로 바로 넘어가고 싶다면 "Standard Bots의 차별점"으로 건너뛰세요.
여기 미리보기가 있습니다: Standard Bots는 최첨단 연구소처럼 로봇 공학에 접근하면서도 고객 관계를 소유하고 오늘날 실제 산업적 가치를 제공합니다. 우리는 이 조합이 Standard Bots를 물리적 AI의 선두주자로 만들 수 있다고 믿습니다. 물리적 AI 시장은 2030년까지 4,300억 달러 이상의 수익을 기록할 것으로 예측됩니다.⁵
문제 1: 미국이 로봇 팔을 발명했지만 잃어버렸다
산업용 로봇은 미국의 발명품입니다. 1961년, 세계 최초의 산업용 로봇 팔인 Unimation의 Unimate가 뉴저지주 Ewing에 있는 GM 공장에서 작업을 시작했습니다.⁶
20년 동안 Unimation은 업계 선두주자였지만, 이는 오래가지 못했습니다.
첫째, 기술이 변화했습니다. 업계는 Unimation의 전문 분야였던 유압식 로봇에서 전기식 로봇으로 전환되었습니다. 일본 제조사들은 미래 패러다임을 위해 구축했고, Unimation은 이전 패러다임을 위해 구축했습니다.⁷
결과적으로 가장 큰 고객이 이탈했습니다. 1982년, 미국 최대 로봇 구매자였던 GM은 Unimation의 일본 라이벌인 FANUC와 합작 회사를 설립했습니다. GM이 GMFanuc에서 구매하는 모든 로봇은 미국 업체들의 시장을 축소시켰습니다.⁸ Westinghouse는 1983년 Unimation을 1억 700만 달러에 인수했지만, 5년 후 스위스의 Staubli에 매각되었습니다. 산업을 발명한 회사는 정점을 찍은 지 10년 만에 사라졌습니다.⁹
1983년 미국 정부 보고서는 이러한 전략적 실수를 진단했습니다: 미국 로봇은 복잡하고 비싸며 잦은 유지보수가 필요했습니다. 일본과 유럽의 기계는 더 단순하고, 저렴하며, 성능이 더 뛰어났습니다.¹⁰ 이 이야기에서 우리는 많은 것을 배울 수 있습니다.
이제 업계는 다시 변화하고 있습니다. 중국의 Midea가 2016년 독일의 KUKA를 인수했습니다.¹¹ 스위스의 ABB는 로봇 공학 부문을 일본의 SoftBank에 54억 달러에 매각하고 있습니다.¹² 이러한 변화는 중국 시스템이 서방 제품보다 20~40% 저렴하게 가격이 책정되면서 가속화되고 있습니다.¹³
미국에 현지 챔피언이 없다는 사실은 항상 눈에 띄는 격차였으며, 유럽 기업들이 동쪽으로 이동함에 따라 이 격차는 더욱 중요해졌습니다. 워싱턴도 이를 인지했습니다: 제안된 American Security Robotics Act와 GUARD Act는 초당적 지지를 받아 중국산 로봇의 연방 사용을 제한할 것입니다.¹⁴
로봇 주권은 보호무역주의가 아닙니다. 전략적 관련성의 문제입니다. 우리는 로봇 공학이 향후 수십 년 동안 가장 중요한 기술 트렌드라고 굳게 믿습니다. 성공적으로 경쟁하려면 모델 레이어의 강점에만 의존할 수 없으며, 현지 챔피언의 창출에서 비롯된 완전히 기능하는 현지 공급망이 필요합니다.
Unimation 이야기의 진정한 교훈: 미국은 유럽이나 일본 로봇의 더 싼 복제품을 만드는 것으로는 이길 수 없습니다. 이것이 중국의 강점이며, 미국이 경쟁하고 승리할 수 있는 유일한 방법은 제품 자체를 바꾸는 것입니다.
로봇 팔은 단순히 국내로 되돌아와야 하는 것이 아니라 재발명되어야 합니다.
문제 2: 기존 업체들은 혁신을 멈췄다
근본적으로 로봇 공학은 시스템 문제입니다. 현대 로봇 팔의 모든 구성 요소는 이전 세대의 자동화(점대점, 고정 경로 프로그래밍)를 위해 설계되었습니다. 경로를 기록하고, 지능적인 경로 수정 없이 영원히 재생합니다.
이런 방식으로 구축된 시스템은 변동성을 처리할 수 없습니다. 다른 부품, 변경된 프로세스, 조명이나 고정 장치의 변화가 발생하면 셀이 중단됩니다.
변동성을 해결하면 자동화가 수익성 있는 애플리케이션의 수가 늘어납니다. 이는 다음을 의미합니다:
- 계획 변경을 처리하고 즉시 적응할 수 있는 로봇
- 기술 장벽을 낮춰 직원들이 직접 로봇을 배치하고 재작업할 수 있음
- 통합 업체에 비용을 지불하는 대신 배치를 자체적으로 수행하여 시스템 비용 절감
현재 아키텍처는 따라잡을 수 없으며, 이것이 자동화 성장의 다음 단계를 가로막는 가장 큰 장애물입니다.
AI는 이 문제를 해결하기 위한 것이지만, 대부분의 AI 추진은 복잡한 시스템의 한 구성 요소를 다루는 모델 회사에서 나옵니다. 그런 방식으로는 성능을 얻을 수 없습니다: 모델은 그 아래에 있는 모터, 센서, 펌웨어, 인터페이스만큼만 좋으며, 이들 중 어느 것도 이 새로운 작업을 위해 설계되지 않았습니다.
그 이유를 이해하려면 로봇 팔을 열어봐야 합니다. 다음은 기계가 어떻게 작동하는지, 어떤 선택지가 있는지, 그리고 어떤 제약이 있는지를 구성 요소별로 살펴보는 내용입니다.
로봇 팔의 작동 방식
먼저, 로봇 팔의 종류를 알아야 합니다. Cartesian 로봇은 3개의 선형 축으로 작동합니다: 단단하고, 저렴하며, 프레임에 갇혀 있습니다. SCARA 로봇 팔은 평면 전문가로, 빠르고 정밀하지만 한 평면에 국한됩니다. Delta 로봇은 가족 중 단거리 선수입니다 - 고정된 베이스에서 구동되는 가벼운 팔로, 분당 100회 이상의 픽이 가능하지만 작은 작업 공간에서 작은 페이로드로 제한됩니다.
그리고 인간의 팔에서 영감을 받은 관절형 6축 로봇 팔이 있으며, 그럴 만한 이유로 지배적인 디자인입니다. 속도, 유연성, 비용 측면에서 최적의 디자인입니다. 하나의 팔로 수천 가지 작업이 가능합니다.
관절형 로봇 팔의 아키텍처는 비교적 일관됩니다. 6축 로봇 팔은 운동학적 체인입니다: 직렬로 연결된 6개의 모터 구동 관절, 컨트롤러 캐비닛, 그리고 그 위의 소프트웨어입니다.
컨트롤러는 궤적을 계획하고, 위치 설정점으로 분할한 다음 각 관절의 서보 드라이브로 스트리밍합니다. 드라이브는 모터를 통해 전류를 스위칭하고, 감속기는 속도를 토크로 변환하며, 엔코더는 위치를 다시 보고합니다. 팔 끝에는 작업에 맞춘 엔드 이펙터와 실제 피드백을 추가하는 센서가 있습니다. 이는 60년 동안 변하지 않았습니다.
각 구성 요소를 살펴보기 전에, 이 시스템이 현대 제조에 적합하지 않은 이유를 설명하는 것이 유용합니다. 예를 들어, 케이블을 커넥터에 삽입하는 간단해 보이는 공장 작업을 생각해 보세요.
이 작업은 모양이 약간 다른 두 부품을 정렬한 다음, 접촉이 진행됨에 따라 실시간으로 수정하고, 올바른 힘이 플러그가 장착되었음을 알릴 때까지 공격 각도를 조정해야 합니다.
기존 로봇은 실패합니다. 기록을 재생하며, 기록은 변동성을 포착할 수 없습니다. 정렬 불량을 감지할 수 없고, 동작 중에 경로를 수정할 수 없으며, 연결이 완료되었을 때 느낄 수 없습니다. 왜일까요? 보시다시피: 프로그램은 고정되어 있으며, 배포 시 통합 업체가 결정론적으로 실행되도록 한 번 설정합니다. 피드백 루프는 낮은 주파수이며, 토크 감지가 제한적입니다. 각 실패는 구성 요소에 있으며, 다음으로 살펴볼 것이 바로 구성 요소입니다.
기존 로봇 팔의 분해
로봇은 완전한 시스템이며 모든 구성 요소가 중요하지만, 네 가지 요소가 중요한 역할을 합니다: 모터와 감속기는 함께 움직임의 품질과 비용을 결정하고, 컨트롤러는 로봇 팔이 무엇에 반응할 수 있는지를 결정하며, 프로그래밍은 누가 로봇을 전혀 사용할 수 있는지를 결정합니다.
모터 및 드라이브
역할. 모터는 전류를 움직임으로 변환하며 드라이브 전자 장치에 의해 전원이 공급되고 제어됩니다. 함께 페이로드, 부드러움, 속도, 그리고 관절이 얼마나 정밀하게 제어될 수 있는지에 대한 상한선을 설정합니다.
선택지.
ABB, FANUC, KUKA, Yaskawa, Universal Robots의 로봇 팔을 나란히 놓으면 비슷해 보이는 것은 브랜딩 때문이 아닙니다. 페인트 아래는 동일한 부품 창고에서 가져온 동일한 기계입니다. Kollmorgen은 21가지 표준 변형으로 "로봇 준비 완료" 프레임리스 모터 라인을 판매하며, 협동 로봇에 맞게 크기가 조정되었습니다. maxon, Nidec, Moog, Novanta도 동등한 제품을 판매합니다.¹⁵
모터만 로봇 팔 부품 자재의 약 20%를 차지하며, 모든 업체가 동일한 카탈로그에서 구매합니다. 이것이 디자인이 고정된 것처럼 느껴지는 이유입니다: 실제로 그랬기 때문입니다. 수십 년 동안 기존 업체들은 동일한 아키텍처 주변에 동일한 구성 요소를 조립해 왔으므로, 모든 로봇 팔은 같은 방식으로 움직이고, 같은 방식으로 감지하며, 같은 한계에 부딪힙니다. 성숙한 시장이 최적의 디자인으로 수렴하는 것처럼 보이지만, 실제로는 질문을 멈춘 산업에 가깝습니다.
감속기
역할. 모터는 저토크로 빠르게 회전합니다. 로봇 팔은 느리고 고토크의 움직임이 필요합니다. 따라서 모든 관절은 50:1에서 160:1 비율의 정밀 기어박스를 통해 작동합니다. 감속기는 로봇 팔에서 가장 비싼 단일 구성 요소입니다.
선택지.
한계. 두 가지 문제, 하나는 경제적, 다른 하나는 물리적입니다.
경제적 문제: 감속기는 로봇 팔에서 가장 비싼 부분으로, 부품 자재의 약 35%를 차지하며, 거의 모든 제품이 두 개의 일본 회사에서 나옵니다. Nabtesco는 대형 관절의 정밀 감속기 시장에서 약 60%를 점유하고 있습니다. Harmonic Drive Systems는 스트레인 웨이브 부문에서 약 70~75%를 점유하고 있습니다.¹⁶ 이 조합은 로봇 설계에서 너무 표준적이어서 두 회사 중 하나에 문제가 생기면 전 세계 로봇 생산이 중단될 수 있습니다.
쓰라린 아이러니: 스트레인 웨이브 기어는 미국의 발명품입니다. C. Walton Musser가 1955년 보스턴 외곽의 United Shoe Machinery에서 개발했으며, Apollo Lunar Rover의 바퀴를 구동했습니다. Unimation의 경우와 마찬가지로, 미국은 이 중요한 혁신을 판매했고, 소유자가 계속 바뀌다가 결국 일본에 도달했습니다.¹⁷
그리고 일본의 장악력도 미국의 경우보다 안전하지 않습니다. 감속기 시장은 현재 약 38억 달러 규모이며,¹⁸ 중국은 정확히 이 계층을 공격하고 있습니다: Leaderdrive는 연간 50만 대의 스트레인 웨이브 유닛 생산 능력과 2027년까지 159만 대 목표로 Harmonic Drive의 점유율을 잠식하고 있으며, Tesla의 Optimus와 Unitree에 공급하는 Shuanghuan Driveline은 2026년에 약 50만 대의 감속기 생산 능력을 추가합니다.¹⁹
물리적 문제: 기어링은 트레이드오프입니다. 높은 기어비는 모터의 토크를 증가시켜 로봇 팔을 강하게 만듭니다. 그러나 동시에 마찰도 증가시켜 관절을 외부 세계로부터 차단합니다: 공구의 힘이 기어를 통해 거의 전달되지 않으며, 관절은 역구동이 거의 불가능해집니다.
이를 커넥터 예제와 연결해 보겠습니다: 높은 마찰을 가진 100:1 감속비는 관절을 거의 역구동 불가능하게 만듭니다. 플러그가 잘못된 각도에서 저항을 만나면 인간의 손목은 양보하고 재정렬합니다. 이 관절은 밀어내기만 할 수 있습니다. 로봇 팔을 강하게 만드는 강성이 양보를 불가능하게 만들며, 삽입은 양보의 작업입니다.
컨트롤러, 펌웨어 및 센싱
역할. 컨트롤러는 움직임을 계획하고 루프를 닫습니다. 펌웨어는 각 관절을 실행합니다. 센싱은 로봇이 자신의 위치 외에 다른 것을 알 수 있는 방법입니다.
한계.
기존 로봇 팔은 위치 제어 방식입니다. 컨트롤러는 완전한 모션 계획(때로는 30초 분량의 궤적을 한 번에)을 수신하고 맹목적으로 실행합니다. 로봇은 자신의 위치를 알지만, 환경에 대한 지식은 일반적으로 조악하고 드물습니다. 이것이 중요한 결함이며, 실시간 경로 수정을 사실상 불가능하게 만듭니다.
가장 중요한 센싱 격차 중 하나는 토크입니다. 토크는 로봇 팔이 힘을 읽는 방법이며, 힘은 로봇이 세상을 직접 경험하는 신호로, 작업과 안전 모두가 의존하는 신호입니다.
토크는 알려져 있더라도 종종 모터 전류에서 추정되며, 고비율, 고마찰 기어박스를 통해 추정치는 부정확합니다: 연구에 따르면 전류 기반 토크 오차는 실제 토크 센서보다 약 5배 더 나쁩니다.²⁰ 일부 로봇 팔은 관절에 토크 센서를 사용하지만, 이는 비싸고 종종 손목 관절로 제한됩니다.
전체 설치 기반은 로봇이 즉시 적응하지 않는 세계를 위해 구축되었습니다. 이것이 업계의 AI 야망에 대한 단단한 한계입니다: 모델이 뛰어나더라도 1980년대 인터페이스 뒤에 갇힐 수 있습니다. 밀리초 단위로 인식하지만 웨이포인트로만 응답할 수 있습니다. 소프트웨어 계층이 무엇을 약속하든, 펌웨어는 충실도를 제한합니다.
이를 커넥터 예제와 연결해 보겠습니다: 여기서 삽입이 실패합니다. 로봇 팔은 접촉을 거의 느낄 수 없으며, 느낀 것에 반응할 수 있는 루프는 수 밀리초 안에 해결되는 접촉에 대해 100밀리초 늦은 수정을 받아들입니다.
프로그래밍
역할. 프로그래밍은 인간이 작업을 기계에 전달하는 방법입니다. 누가 로봇을 전혀 배치할 수 있는지를 결정하며, 이는 업계의 혁신 부재를 가장 명확하게 보여주는 창입니다.
선택지. 지금까지 판매된 모든 로봇은 8가지 방법의 조합을 통해 프로그래밍됩니다:
8가지 모두 오늘날에도 사용되며, 마지막 두 가지는 거의 채택되지 않았습니다. 실무자들은 이를 온라인 프로그래밍(로봇 자체에서 수행, 셀을 중단시키면서 가르침)과 오프라인 프로그래밍(생산이 계속되는 동안 시뮬레이션에서 작성)으로 나눕니다. 온라인은 가동 중단 시간을 발생시키고, 오프라인은 값비싼 소프트웨어 라이선스와 고도로 숙련된 엔지니어가 필요합니다.
이들 중 어느 것도 독점적이지 않습니다. 어떤 회사든 구현할 수 있습니다. 차별화는 실행력과 회사가 이를 사용 가능하게 만드는 소프트웨어 DNA를 가지고 있는지 여부입니다.
로봇 프로그래밍의 세 가지 물결을 생각해 보는 것이 유용합니다.
1차 물결 (1970년대~2000년대): 통합 업체를 위해 구축됨. 각 기존 업체는 언어를 발명했습니다: KRL, RAPID, KAREL. 제어 엔지니어가 제어 엔지니어를 위해 작성했습니다. 아키텍처는 최종 사용자가 소프트웨어를 절대 건드리지 않는다고 가정했습니다. 로봇은 케이지에 있었고, 통합 업체가 모든 것을 수행했으며, 무언가 변경될 때마다 수수료를 받았습니다.
2차 물결 (2008년~2020년): 더 쉬워졌지만, 덧붙여진 방식. Universal Robots는 협동 로봇과 두 가지 진정으로 더 나은 아이디어(손 안내 및 플로우차트 프로그래밍)를 발명했습니다. 그러나 이들은 하드웨어 회사에 의해 기존 아키텍처 위에 얹혀졌으며, 복잡성이 스며 나옵니다. 표준 UR 기계 관리 작업이 실제로 필요한 것이 무엇인지 UR 자체 튜토리얼을 통해 살펴보겠습니다:
프로그래밍이 펜던트에서 플로우차트로 이동했지만, 기술 수준은 여전히 높습니다.
경제성도 이에 따릅니다. 구매자는 여전히 로봇 가격의 4~5배를 통합(전문 노동력, 도구, 고정 장치)에 지출합니다.²¹ 4만 달러 로봇 팔이 6자리 프로젝트가 되며, 부품이나 프로세스에 대한 변경은 비용을 다시 발생시킵니다. 또한 라인을 다시 프로그래밍할 때마다 생산을 중단하고 가동 중단 비용을 부담해야 합니다. 이것이 자동화가 주로 자동차 및 전자제품과 같은 매우 높은 볼륨의 산업에서 발견되는 이유입니다. 그러나 이러한 산업은 예외입니다: 미국의 239,000개 제조업체 중 74%가 직원 20명 미만이며, 이는 부품이 통합 비용을 상환할 수 있는 것보다 더 빨리 변경되는 고혼합 작업장입니다.²²
3차 물결 (2019년 이후): AI 도착, 주로 개조 방식. 로봇 팔은 단순한 논리를 사용하여 위치 간 이동하는 대신, 시연에서 학습한 내용을 기반으로 실시간으로 최적의 다음 동작을 결정하기 위해 AI를 사용합니다. 기존 업체들이 AI를 추가하는 경우, 일반적으로 파트너를 통해 이루어집니다: Universal Robots는 2026년 3월 Scale AI와 함께 모방 학습 시스템을 출시했습니다.²³ 이는 두 공급업체, 일치하지 않는 하드웨어와 소프트웨어, 그리고 아무도 결과를 소유하지 않는 것을 의미합니다. 그리고 조직도보다 더 엄격한 한계가 있습니다: 컨트롤러에서 보았듯이, 어떤 기존 로봇 팔도 외부 모델이 실시간으로 구동하도록 허용하지 않습니다. 개조는 펌웨어에 의해 제한됩니다. 보시다시피, Standard Bots는 이 분야의 선구자이며 업계도 이를 주목했습니다: Automate 2026에서 Standard Bots의 Flux AI는 비전, AI 및 소프트웨어 부문 Automate 혁신상을 수상했습니다.²⁴
이를 커넥터 예제와 연결해 보겠습니다: 결정론적 프로그램은 하나의 삽입을 사전에 설명합니다. 하나의 경로, 하나의 각도, 하나의 끝점. 적응의 최신 기술은 통합 업체가 수동으로 검색 패턴을 스크립팅하는 것이며, 특정 부품에 대해 코드로 작성된 흔들림입니다. 작업의 전체 어려움은 두 번의 삽입이 동일하지 않으며, 표의 마지막 두 행만이 동일하다는 가정을 버린다는 점입니다.
요약
대부분의 로봇 팔 제조업체는 동일한 소수의 공급업체에서 기성 구성 요소를 구매하여 수십 년 된 제어 아키텍처 주변에 조립합니다. 혁신은 정체되었으며, 업계는 계속해서 이전 패러다임을 위한 시스템으로 로봇 팔을 구축하고 있습니다.
3차 물결을 해결하는 보상은 200억 달러 로봇 팔 시장보다 훨씬 큽니다. 이는 Standard Bots의 CEO Evan Beard가 25조 달러 글로벌 노동 시장으로 설명한 것의 일부입니다.²⁵
다음 세대를 이기기 위해서는 로봇 팔이 재구상되어야 합니다. 한 회사가 정확히 그렇게 했습니다.
Standard Bots의 차별점
요약하자면: Standard Bots는 로봇 팔을 처음부터 다시 설계했으며, 모든 구성 요소를 AI에 최적화하고 미국 공급망 위에 구축했습니다.
제품: 처음부터 설계된 로봇 팔
문제 2는 시스템 문제이므로, 답은 시스템 차원의 답이어야 합니다. 재생을 위해 설계된 기계에 지능을 덧붙일 수 없습니다. 새로운 작업을 위해 기계 전체를 재설계해야 합니다. 이것이 바로 Standard Bots의 접근 방식입니다: 로봇 팔을 처음부터 끝까지 재구축하며, 모든 구성 요소를 AI에 최적화합니다.
하나의 설계 목표로 시작되었습니다: AI가 실시간으로 제어할 수 있는 로봇 팔을 구축하는 것. 그 목표는 거의 모든 구성 요소를 뒤집었습니다. 외부에서 보면 또 다른 협동 로봇처럼 보이지만, 무엇을 찾아야 하는지 안다면 내부는 매우 다릅니다.
거의 모든 요소가 자체 개발로 전환되었으며, 이제 모든 요소가 재생 대신 학습을 위해 사용됩니다. 몇 가지 구성 요소를 자세히 살펴보겠습니다:
토크 감지: 다른 모든 업체는 모터 전류에서 토크를 추정하거나 변형 게이지를 플렉셔에 접착합니다. Standard Bots는 독특한 감지 방법을 사용하며, 회사는 이 방법이 더 정확하고, 저렴하며, 제조하기 쉽고, 수리 가능하다고 보고합니다.²⁶ 모든 관절에 비싼 구성 요소를 추가하지 않고 토크 감지를 제공합니다.
²⁷
제어: 2kHz의 실시간 피드백. 2kHz가 왜 중요한가요? AI는 실시간 경로 수정이 필요하기 때문입니다. 주파수가 낮을수록 피드백이 느리고 오류가 더 많이 누적됩니다. 일반적인 산업용 로봇 팔은 이를 위해 설계되지 않았으며, 이는 성능을 크게 저하시킵니다.
이를 커넥터 예제에 마지막으로 연결해 보겠습니다: 작업자가 몇 번의 삽입을 시연하면 모델이 그 사이의 변동성을 학습하므로 배포 시 고정된 것은 없습니다. 자체 변형을 측정하는 관절은 클릭과 부서짐 사이의 몇 뉴턴을 느낍니다. 접촉이 진행됨에 따라 0.5밀리초마다 새로운 토크 명령이 공격 각도를 조정하며, 100밀리초 후가 아닙니다. 플러그가 장착되며, 이번에는 로봇이 이를 인지합니다.
그리고 기존 업체들이 단순히 따라갈 수 없는 이유는 무엇인가요? 이는 관절 수준의 아키텍처이기 때문입니다. 이를 따라잡으려면 액추에이터, 전자 장치, 펌웨어, API를 재설계한 다음 제품을 다시 인증해야 합니다. 이는 업데이트가 아닙니다. 새로운 로봇입니다.
모터 및 감속기: 동일한 관절이 모듈식 제품군 전반에 걸쳐 재사용됩니다. Spark는 29,500달러부터, Core는 37,000달러부터, Thor는 49,500달러부터, 그리고 양팔 로봇 Bolt는 베타 버전입니다.²⁸ 하나의 팔 또는 두 개, 고정식 또는 이동식, 작업에 맞게 크기가 조정됩니다. 크기 조정은 의도적입니다: Thor의 2미터 도달 범위에서 30kg 페이로드는 7축 리프트 없이 전체 스택을 팔레타이징하기에 충분하며, 이는 가장 빠르게 성장하는 페이로드 클래스가 추구하는 무겁고 고부가가치 작업입니다. 고객은 공급업체가 만드는 것이 아니라 작업에 필요한 폼 팩터를 구매합니다.
Standard Bots는 Core와 FANUC CRX 및 UR10e의 비교를 게시합니다.²⁹ 결과는 명확합니다:
회사가 공개한 사양에 따르면, 더 낮은 가격, 더 높은 페이로드, 더 좁은 반복 정밀도, 그리고 미국에서 조립됩니다.³⁰
프로그래밍되지 않고 가르침
손 안내는 수십 년 동안 존재해 왔습니다: 로봇 팔을 움직이고, 웨이포인트를 기록하고, 재생합니다. 이는 펜던트 대신 손으로 하드 코딩하는 것에 불과합니다. 모방 학습은 본질적으로 다릅니다. 로봇은 당신의 움직임을 저장하지 않습니다. 작업을 학습하고, 보여주지 않은 변동성에 일반화합니다.
Standard Bots의 목표는 ML 엔지니어가 설계한 프로세스를 교육 수준에 관계없이 누구나 사용할 수 있도록 만드는 것입니다.³¹ 작동 방식은 다음과 같습니다:
1단계: 캡처. 작업자에게 적합한 방법으로 작업을 시연합니다.
온보드 비전이 다른 센서와 함께 인간의 동작을 기록하여 구조화된 훈련 데이터를 수집합니다.
2단계: 검토. 작업자는 캡처된 데이터를 재생하고, 좋은 순간과 나쁜 순간에 레이블을 지정하고, 주석을 답니다.
3단계: 훈련. 사용자는 자체 모델을 훈련하거나 오픈 소스 모델을 클라우드에서 미세 조정할 수 있으며, 소프트웨어 릴리스처럼 저장되고 버전 관리됩니다.
4단계: 실행. 로봇은 학습 모델을 기반으로 자율적으로 작업을 수행합니다. 자체 전략을 구축하고, 보여주지 않은 변경 사항과 장애물 주변에서 스스로 수정합니다.
Step 5: 복구. 로봇이 처리할 수 없는 상황에 부딪히면, 사람이 원격 조작으로 개입하여 문제를 해결합니다. 수정 사항은 정확히 실패 지점에서 캡처되어 다음 훈련 실행에 반영됩니다. 재훈련, 재배포, 확장의 과정을 반복합니다.
AI 아래에는 사용 편의성을 위해 설계된 UX 가 자리 잡고 있습니다. 터치스크린 기반의 노코드 루틴, 머신 텐딩, 팔레타이징, 용접을 위한 사전 구축된 플레이북, PLC, 센서, 필드버스 장비와의 기본 통합, 내장형 3D 시뮬레이터, 플릿 대시보드, 그리고 전문가를 위한 완전한 Python SDK 까지 제공됩니다.³²
이 점이 매우 중요합니다. AI 는 모든 작업에 사용되는 막무가내식 도구가 아닙니다. 작업자는 반복 작업에는 전통적인 프로그래밍을 사용하고, 학습 기반 접근 방식이 필요한 곳에만 선택적으로 적용할 수 있습니다.
Automate 전시회에서 Evan 은 미래를 발표했습니다. AI 가 이 모든 것 위에 자리 잡고 로봇 팔을 프로그래밍하는 방식을 간소화한다는 내용입니다. 즉, 작업을 텍스트로 설명하면 로봇이 스스로 단계별 프로그램을 생성합니다.³³
이것이 의미하는 바는 다음과 같습니다. Standard Bots 의 주장에 따르면, 공장 근로자는 하루 만에 로봇 운영자가 될 수 있습니다.³⁴ 몇 가지 예를 들면, 펜실베이니아의 다세대 가족 제조업체인 Shaw Barrels 는 심공 드릴링 머신을 자동화하여 생산성이 4 배 증가했다고 보고했습니다.
켄터키의 HomeGrown Lifting 은 신제품 라인으로 전환한 지 몇 달 만에 팔레타이징 처리량이 2 배 증가했다고 보고했습니다. 두 회사 모두 통합업체를 사용하지 않았습니다.³⁵
'하루 만에 가르치기(Teach-in-a-day)'는 4~5 배의 통합 비용 배수를 무너뜨릴 수 있는 개념입니다. 로봇 자체는 결코 비싼 부분이 아니었습니다. 전문성이 비용의 핵심이었습니다. Standard Bots 는 그러한 전문성을 제거하려 합니다.
Standard Bots 의 AI 철학
Beard 는 최근 Not Boring 에 게재된 에세이에서 자신들의 철학을 자세히 설명했습니다. 전문을 읽어볼 가치가 있습니다.³⁶ 간단히 요약하면, 물리적 AI 는 실험실에서 구축되지 않을 것입니다. 오늘날의 가치를 인정받으며 현실 세계에서 구축됩니다.
로봇 공학은 데이터에 의해 병목 현상이 발생하며, 중요한 데이터는 로봇 자체에서 얻은, 작업별로 특화된, 실제 배포에서 나온 데이터입니다. 비디오는 사전 훈련에 도움이 됩니다. 시뮬레이션은 예외 사례를 늘리는 데 도움이 됩니다. 그러나 최종 정책을 위해서는 자체 하드웨어로 실제 작업을 수행하면서 수집한 데이터를 대체할 수 있는 것은 없습니다. 하드웨어와 정렬되지 않은 데이터는 100배에서 1,000배 더 많은 데이터 양을 필요로 할 수 있습니다.³⁷
Standard Bots 는 8년 동안 어렵고 화려하지 않은 작업을 수행하며, 기계를 수직 통합하고, 공장 현장에서 입지를 다졌으며, 이를 바탕으로 최상위 AI 를 개척했습니다. 이는 고객 가치를 제공하는 행위와 물리적 AI 를 발전시키는 행위가 동일한 드문 위치입니다. Evan 이 언급한, 1 년 이내에 미국 신규 산업용 로봇 배치의 10%를 담당하겠다는 목표는 이 두 가지를 동시에 확장할 것입니다.
중요한 점은 이것이 플랫폼이며, 연구소에 대한 반대가 아니라는 것입니다. 만약 프론티어 모델이 일반 조작 문제를 해결한다면, Standard Bots 는 하드웨어, 고객, 배포 레이어를 소유하고 있으며, 더 나은 외부 모델을 탑재할 수 있습니다.
미국 우선의 공급망
재구축된 제품은 문제 2를 해결합니다. 재구축된 공급망은 문제 1을 해결합니다.
공급망: 모터, 드라이브, PCB 는 뉴욕 글렌 코브에서 제조됩니다. Beard 의 말에 따르면, 회사는 베어링, 기어, 칩을 제외한 모든 것을 설계하며, 2027년까지 미국 내에서 "금속에서 로봇으로" 제조하는 것을 목표로 합니다.³⁸ 위에서 살펴본 모든 로봇 관절 내부의 부품 병목 지점을 고려할 때, 해당 레이어를 자체 보유하는 것은 애국심이 아니라 공급 중단에 대한 보험이며, 수입 의존형 로봇 팔이 부담하는 관세 및 운송비 노출을 비용 구조에서 제거합니다.
다시 말해, 공장 자체가 제품입니다. Standard Bots 는 생산 공정을 구축하는 데 수년을 투자했으며, 공급망, 품질, 조립 전반에 걸쳐 자체 소프트웨어를 작성했습니다. 훌륭한 로봇을 설계하는 것은 하나의 문제이고, 생산을 확장하는 것은 또 다른 문제이며, 두 번째 문제에 대한 공식은 첫 번째 문제만큼 독점적입니다.
창립자들
지금까지 제품과 기술에 대해 다루었지만, 회사는 창립자에 의해 흥망성쇠가 결정됩니다. 우리는 Evan Beard, David Golden, James Cordle 이 이 회사를 성장시키고 확장할 독특한 역량을 갖추고 있다고 믿습니다.
Evan Beard 의 첫 세 회사는 소프트웨어 회사였습니다. 2009년 듀크 대학교 재학 중 Howie Liu (이후 Airtable 창업)와 공동 창업한 연락처 관리 서비스 Etacts 는 Y Combinator 를 거쳐 출시 1년 만에 Salesforce 에 매각되었습니다.³⁹ 웹 보안 스캐너 ArmorHub 는 2014년 Spirent 에 매각되었습니다.⁴⁰ Ashton Kutcher 의 거실에서 공동 창업한 미디어 회사 A Plus 는 2년 만에 월간 방문자 수 5천만 명을 달성했습니다.⁴¹
이것은 단지 워밍업에 불과했습니다. 2017년 Beard 는 뉴욕시 아파트에서 개인 저축을 바탕으로 로봇 제작을 시작했습니다. 본격적으로 시작하기 전에 그는 기존 업체의 로봇을 사용하는 약 100개 회사를 인터뷰했다고 설명했습니다. 그는 반복해서 동일한 불만을 들었습니다. 우리가 원하는 작업 중 극히 일부만 자동화할 수 있다, 인터페이스는 전문가가 필요하다, 배포 위험은 우리 몫이다, 그리고 그 어느 것도 미국에서 만들어지지 않았다 입니다. 이 목록을 다시 읽어보십시오. 이것이 바로 이 글의 두 가지 문제입니다. Standard Bots 는 그 수백 통의 전화에 대한 답변입니다.
초창기는 어려웠습니다. 시드 펀딩은 COVID 락다운 직전에 마감되었고 회사는 거의 파산 직전까지 갔습니다. Beard 는 팀이 전자 장비를 디버깅하는 동안 회사 문을 열어두기 위해 자신의 저축을 계좌로 옮겼습니다.⁴² 이후 글렌 코브에 공장을 임대하고, 2024년 General Catalyst, Amazon 의 Industrial Innovation Fund, Samsung Next 로부터 6,300만 달러의 시리즈 B 펀딩을 유치했으며,⁴³ 소프트웨어 창업자들에게 하지 말라고 조언하는 일, 즉 기계 전체를 구축하는 데 8년을 투자했습니다.
공동 창업자 David Golden 은 다른 길을 걸어왔습니다. 그는 농업 기술 분야에서 가장 야심찬 수직 통합 사업 중 하나인 Bowery Farming 을 공동 창업했으며, 그 이전에는 Leappay 를 구축하고 매각했습니다.⁴⁴ Beard 는 소프트웨어 DNA 와 시장 진출 전략을 제공합니다. Golden 은 물리적 운영의 확장을 제공합니다.
오늘날 회사는 창립자들을 훨씬 넘어 확장되었습니다. 언급할 만한 리더 중 한 명은 사장 Zach Tomkinson 입니다. Standard Bots 에 합류하기 전 그는 Wave 2를 정의한 회사인 Universal Robots 에서 영업 리더였습니다. 그곳에서 그는 영업과 통합을 아웃소싱하는 것이 최종 사용자와의 관계를 아웃소싱하는 것임을 직접 경험했습니다. 결과적으로 Standard Bots 에서 그는 50명이 넘는 영업 사원과 애플리케이션 엔지니어로 구성된 팀을 구축했습니다. 로봇 공학에서 유통은 로봇 자체만큼 구축하기 어렵고, 배포가 이루어질 때마다 그 효과는 증폭됩니다. 우리는 이 시장 진출 방식이 그 자체로 해자(moat)가 될 것이라고 믿습니다.
이러한 조합이 회사를 설명합니다. Standard Bots 는 소프트웨어 회사가 제품을 판매하는 방식, 즉 직접, 인바운드, 셀프 서비스, 통합업체 채널 없이 로봇을 판매합니다. 그 DNA 가 바로 전략입니다.
당사의 투자
2026년 6월, 우리는 Standard Bots 의 2억 달러 시리즈 C 펀딩을 10억 달러의 가치 평가로 주도했습니다.⁴⁵
미국에는 로봇 팔의 챔피언이 필요했습니다. 로봇 팔은 재구축이 필요했습니다. 두 가지 모두를 위해 설계된 회사가 하나 있었습니다.
로봇 팔, AI, 공급망은 계층으로 작동하지 않습니다. 이들은 시스템으로 작동합니다. 수직 통합하고 원칙에 기반하여 설계함으로써 Standard Bots 는 고객을 위한 최고의 제품을 구축할 수 있습니다. 데이터 플라이휠, 독립적인 공급망, 플랫폼 위치는 모두 이 하나의 결정에서 비롯됩니다.
그리고 로봇 팔은 쐐기(wedge)일 뿐, 최종 목표가 아닙니다. 동일한 모듈식 관절은 모바일 베이스와 새로운 폼 팩터로 확장되어, 하나의 하드웨어 플랫폼이 작업에 맞게 구성 가능합니다. 최종 목표는 물리적 AI 이며, 우리는 Standard Bots 가 이를 선도할 위치를 구축하고 있다고 믿습니다.
Standard Bots 는 1년 이내에 미국 신규 산업용 로봇 배치의 10%를 공급하겠다는 목표를 밝혔습니다.⁴⁶ 우리는 이것조차도 과소평가된 것이라고 생각합니다. 제조업은 프로그래밍된 기계에서 물리적 AI 로의 단계적 변화(phase change)를 겪고 있으며, 로봇 팔은 그 기반 구성 요소 중 하나가 될 것입니다.
산업용 로봇은 1961년 뉴저지주 유잉에서 발명되었습니다. 그로부터 60마일 떨어진 뉴욕주 글렌 코브에서, 우리는 그것이 다시 구축되고 있다고 믿습니다.
위험 요소
우리는 현실을 직시하고 있습니다. 하드웨어 제조 규모 확장은 무자비하며, 이 계획은 제조, 배포, 소프트웨어를 동시에 실행해야 합니다.
기존 업체들도 대응하고 있습니다. UR 의 Scale AI 와의 모방 학습(imitation learning) 출시는 거대 기업들도 같은 미래를 보고 있음을 보여줍니다.⁴⁷ 중국은 더 큰 경쟁 문제입니다. 가격 경쟁이 심화되고 있으며, 중국의 감속기 및 로봇 생산 능력이 확장되고 있고, 중국의 AI 네이티브 신생 기업들이 저렴한 비용과 유능한 모델을 결합할 수 있습니다. 제안된 미국의 규제는 제안일 뿐, 아직 법률이 아닙니다.
리쇼어링(Reshoring) 자체도 위험입니다. 만약 이러한 흐름이 정체되거나 정책 지원이 약화된다면, 우리가 보장하는 순풍이 역풍으로 바뀔 수 있습니다.
만약 기초 모델이 조작 기술을 예상보다 빠르게 상품화한다면, 하드웨어 차별화는 약화될 수 있지만, 플랫폼 위치가 이러한 위험을 헤지합니다.
중요 공시
Standard Bots 는 RoboStrategy, Inc. 가 보유한 여러 포트폴리오 투자 중 하나입니다. 단일 포트폴리오 회사에 대한 이 논의가 펀드 전체 포트폴리오를 대표하는 것으로 간주되어서는 안 됩니다. 펀드 전체 포트폴리오에 관한 정보는 펀드의 SEC 공시 서류에서 확인할 수 있습니다.
RoboStrategy, Inc. 는 Standard Bots 에 대한 투자를 보유하고 있으며, 따라서 펀드의 투자 자문사인 FP Strategies LLC 는 본 문서에서 논의된 회사에 대해 재정적 이해관계를 가지고 있으며, 이를 우호적으로 제시할 유인이 있습니다. 펀드의 Standard Bots 투자에 대한 공정 가치는 본 문서에 설명된 자금 조달 라운드에 부분적으로 기반합니다. 본 문서의 어떤 내용도 투자 조언이나 증권 매수/매도 추천을 구성하지 않습니다.
본 문서에는 1933년 증권법 제27A조 및 1934년 증권거래법 제21E조의 의미 내에서 미래예측진술이 포함되어 있습니다. 미래예측진술은 역사적 사실이 아니며, 펀드, 당사의 현재 및 잠재적 포트폴리오 투자, 당사 산업, 그리고 당사의 신념 및 가정에 대한 현재의 기대, 추정, 예측, 신념 및 가정에 기반합니다. "예상하다", "기대하다", "의도하다", "계획하다", "~할 것이다", "~일 수도 있다", "계속하다", "믿다", "추구하다", "추정하다", "~할 것이다", "~할 수 있다", "~해야 한다", "목표로 하다", "예측하다"와 같은 단어 및 이러한 단어의 변형과 유사한 표현은 미래예측진술을 식별하기 위한 것입니다. 이러한 진술은 미래 실적에 대한 보장이 아니며, 실제 결과가 미래예측진술에 표현되거나 예측된 것과 중대하게 달라질 수 있는 위험, 불확실성 및 기타 요인(일부는 당사의 통제 범위를 벗어나고 예측하기 어려움)의 적용을 받습니다. 펀드는 새로운 정보, 미래 사건 또는 기타 사유로 인해 미래예측진술을 업데이트하거나 수정할 의무를 지지 않습니다.
RoboStrategy, Inc. 의 주식에 대한 투자는 높은 수준의 위험을 수반하며 매우 투기적입니다. 투자설명서의 "위험 요인" 섹션에서 당사의 보통주 투자와 관련된 중요한 위험에 대한 논의를 읽어보시기 바랍니다. 투자 원금의 일부 또는 전부를 잃을 수 있습니다.
본 문서는 증권 매도 제안 또는 매수 권유를 구성하지 않습니다. 증권의 모든 제안은 개정된 1933년 증권법 제10조의 요구 사항을 충족하는 투자설명서를 통해서만 이루어질 수 있습니다.
폐쇄형 투자 회사의 주식은 순자산 가치(NAV)에 비해 할인되어 거래되는 경우가 많습니다. 당사 보통주 주식이 당사 NAV 에 비해 할인되어 거래될 경우, 투자자는 손실 위험 증가에 직면하게 됩니다. 활성 거래 시장이 형성되거나 유지될 것이라는 보장은 없으며, 주식이 NAV 이상으로 거래될 것이라는 보장도 없습니다.
비상장 회사에 대한 펀드의 투자는 펀드 이사회가 승인한 절차에 따라 결정된 공정 가치로 평가됩니다. 공정 가치는 필연적으로 주관적이며, 그러한 가치가 실현될 것이라는 보장은 없습니다.
본 문서에 표현된 견해는 펀드의 투자 자문사인 FP Strategies LLC 의 견해이며, 반드시 RoboStrategy, Inc. 또는 그 이사회의 견해를 대표하는 것은 아닙니다.
본 문서에 포함된 특정 정보는 Standard Bots 및 그 임원의 진술을 포함하여 제3자가 작성한 공개 출처에서 얻은 것이며, 독립적으로 확인되지 않았습니다. 해당 정보는 신뢰할 수 있는 것으로 간주되지만, 당사는 그 정확성이나 완전성에 대해 책임을 지지 않습니다.
출처
¹ IFR 2025년 잠정 수치, Automate 2026에서 발표: Manufacturing Dive, 2026년 6월, https://www.manufacturingdive.com/news/us-robotics-rebounded-2025-on-track-more-growth-ifr-automate-2026/823874/; 운영 재고는 IFR World Robotics 2025 기준, https://ifr.org/ifr-press-releases/news/global-robot-demand-in-factories-doubles-over-10-years. 제3자 시장 데이터는 수정될 수 있으며 정의는 출처에 따라 다릅니다.
² Straits Research, Industrial Robots Market Report, https://straitsresearch.com/report/industrial-robots-market, 2024년 연간 수익 208억 달러 추정.
³ Morgan Stanley Research, "Humanoid Robot Market Expected to Reach $5 Trillion by 2050," 2025년 4월: 2050년까지 약 10억 대의 휴머노이드 로봇이 사용될 것으로 예상하며, 그중 6,300만 대가 미국에서 약 3조 달러의 인건비를 해결할 것으로 추정. 이는 831개 미국 직업 분류에 걸친 직업 수준 노동 데이터를 기반으로 모델링됨. 또한 Morgan Stanley, "The Humanoid Robot Market Outlook," 2024 참조. Citi GPS, "The Rise of AI Robots: Physical AI is Coming for You," 2024년 12월은 2050년까지 최대 7조 달러의 시장을 전망합니다. 이러한 분석은 휴머노이드 로봇을 모델로 합니다. 우리는 이를 자동화 가능한 물리적 노동의 추정치로 인용합니다. 고정 작업 추정치는 BLS 직업 고용 및 임금 통계 조사에서 주요 직업 그룹을 작업장 이동성에 따라 분류한 것입니다. 주로 고정 스테이션 작업인 생산 직종이 전체의 대부분을 차지하며, 자재 운반 및 식품 생산 역할이 그 뒤를 잇습니다. 이러한 종류의 장기 전망은 필연적으로 투기적입니다.
⁴ IFR 로봇 밀도 통계, 2024년 데이터.
⁵ Research and Markets, “Physical AI Market Set to Surpass $430 Billion by 2030,” 2026년 7월. 물리적 AI 시장에 대한 제3자 전망은 범위와 방법론에 따라 크게 다릅니다.
⁶ Association for Advancing Automation, “Joseph Engelberger and Unimate”. George Devol 은 1954년 최초의 산업용 로봇 특허를 출원했습니다.
⁷ Unimation, Wikipedia. Westinghouse 는 1983년 Unimation 을 1억 700만 달러에 인수했으며, 산업이 유압식 로봇에서 전기식 로봇으로 전환되면서 1988년 Staubli 에 매각했습니다.
⁸ Chris Miller, “Robotics Manufacturing: The Rise of Japan”, GM-FANUC 합작 투자와 1983년 미국 정부의 국내 로봇 경쟁력 평가를 다룹니다.
⁹ Unimation, Wikipedia. Westinghouse 는 1983년 Unimation 을 1억 700만 달러에 인수했으며, 산업이 유압식 로봇에서 전기식 로봇으로 전환되면서 1988년 Staubli 에 매각했습니다.
¹⁰ Chris Miller, “Robotics Manufacturing: The Rise of Japan”, GM-FANUC 합작 투자와 1983년 미국 정부의 국내 로봇 경쟁력 평가를 다룹니다.
¹¹ KUKA AG; Midea Group 은 2016-17년에 지배 지분을 인수했습니다.
¹² ABB Group 보도자료, 2025년 10월.
¹³ Digitimes, 2024년 8월.
¹⁴ 하원 중국 공산당 특별위원회, GUARD Act 보도자료; FDD 분석, 2026년 3월. 두 법안 모두 제안된 법안입니다.
¹⁵ Kollmorgen, TBM2G 로봇용 프레임리스 서보 모터; 관절 모터 선택 요소는 Kollmorgen 및 로봇 관절의 토크 밀도와 코깅에 관한 업계 가이드 기준.
¹⁶ Nabtesco 점유율은 Nabtesco Corporation 기준; Harmonic Drive 변형파 세그먼트 글로벌 시장 점유율은 Global Info Research, 2025 기준, 글로벌 하모닉 감속기 수익의 71.37%를 차지합니다.
¹⁷ Musser 의 발명은 Harmonic Drive Systems 기준; Lunar Rover 는 Harmonic Drive SE 기준; 1991년 일본 Teijin Seiki 에 매각은 회사 프로필 기준.
¹⁸ Dataintelo, Industrial Robot Reducer Market Report.
¹⁹ Leaderdrive 생산 능력은 회사 프로필 기준; Shuanghuan 은 Next Financial, "The Joint Problem," 2026 기준.
²⁰ 관절 토크 감지와 모터 전류 추정 정확도 비교는 Measurement (ScienceDirect), 2022 및 관련 문헌 기준.
²¹ Daniella Tola, “Enabling Digitalization in Modular Robotic Systems Integration,” 박사 학위 논문, Aarhus University, 2024 (arXiv:2401.02227), 통합 비용이 하드웨어 비용의 4~5배에 달할 수 있다고 언급; 또한 Standard Bots, “How much do robots cost,” 2026 참조.
²³ Universal Robots 및 Scale AI 보도자료, 2026년 3월.
²⁴ Association for Advancing Automation (A3), Automate 2026 보도자료, Business Wire, 2026년 7월. Automate 혁신상은 2025년에 시장에 출시된 신제품을 인정합니다.
²⁵ Evan Beard 및 Packy McCormick, “Many Small Steps for Robots, One Giant Leap for Mankind,” Not Boring, 2026년 1월.
²⁶ Evan Beard 및 Packy McCormick, “Many Small Steps for Robots, One Giant Leap for Mankind,” Not Boring, 2026년 1월.
²⁷ 토크 제어 및 관절 성능 사양은 Standard Bots 기준, 2026년 7월 접속, ±0.1 Nm 토크 반복성 포함. 회사 보고 수치이며 독립적으로 확인되지 않았습니다.
²⁸ Standard Bots 공개 가격, 2026년 7월 접속. 시작 가격이며 변경될 수 있습니다.
²⁹ Standard Bots Core 제품 페이지 및 공개 비교, 2026년 7월 접속; FANUC CRX 사양; UR10e 사양. 경쟁사 가격은 구성에 따라 다릅니다.
³⁰ Standard Bots Core 제품 페이지 및 공개 비교, 2026년 7월 접속; FANUC CRX-10iA/L 사양; UR10e 사양, Universal Robots e-Series 브로셔.
³¹ Standard Bots AI 플랫폼, 2026년 7월 접속.
³² Standard Bots 소프트웨어, 2026년 7월 접속.
³³ Standard Bots AI 플랫폼, 2026년 7월 접속.
³⁴ Standard Bots 소프트웨어, 2026년 7월 접속.
³⁵ Standard Bots 공개 사례 연구, 2026년 7월 접속. 이러한 결과는 독립적으로 확인되지 않았으며, 개별 고객 결과가 모든 배포를 대표하지는 않습니다.
³⁶ Evan Beard 및 Packy McCormick, “Many Small Steps for Robots, One Giant Leap for Mankind,” Not Boring, 2026년 1월.
³⁷ Evan Beard 및 Packy McCormick, “Many Small Steps for Robots, One Giant Leap for Mankind,” Not Boring, 2026년 1월.
³⁸ Standard Bots 회사 웹사이트, 2026년 7월 접속. 2027년 목표는 회사 목표입니다.
³⁹ TechCrunch, 2010년 12월; Y Combinator 회사 디렉토리.
⁴⁰ Spirent 보도자료, 2014년.
⁴¹ Inc./Business Insider, 2015년; Forbes 30 Under 30, 2016년.
⁴² New York Post, “Standard Bots is training robots to think for themselves,” 2024년 10월.
⁴³ Standard Bots 시리즈 B 발표, 2024년 7월.
⁴⁴ 회사 자료 및 공개 프로필.
⁴⁵ Standard Bots 보도자료, PR Newswire, 2026년 6월.
⁴⁶ Standard Bots 보도자료, PR Newswire, 2026년 6월.
⁴⁷ Universal Robots 및 Scale AI 보도자료, 2026년 3월.
