부품을 배치하고, 도구를 정렬하고, 불규칙한 물체를 다루는 모든 작업에는 세심한 움직임이 필요합니다. 로봇이 접촉하는 순간, 힘을 가하는 방식은 로봇이 움직이는 위치만큼이나 중요해집니다.
FOXTECH는 완전 관절 토크 감지 및 유연한 힘 제어 기능을 결합한 새로운 7자유도 로봇 팔인 Agility R7을 출시했습니다. 제조, 연구 및 상업 서비스 전반에 걸친 조작 작업을 위해 설계된 이 제품은 개발자에게 위치 지정과 물리적 상호 작용이 함께 작동해야 하는 애플리케이션을 구축할 수 있는 플랫폼을 제공합니다.

인공지능과 로봇 자동화 기술이 지속적으로 발전함에 따라 연구원과 개발자들은 점점 더 큰 과제에 직면하고 있습니다. 바로 로봇이 실제 환경에서 자유롭게 움직이고, 물체를 조작하고, 여러 동작을 조율하는 방법입니다.
기존 로봇 팔은 고정된 작업대에 제한적으로 사용되는 경우가 많고, 이동형 로봇은 복잡한 작업을 수행하는 데 필요한 조작 능력이 부족할 수 있습니다. 이동성, 양팔 협응, 인지 및 지능형 제어를 하나의 시스템으로 통합하려면 상당한 개발 노력이 필요합니다.
새로운 Agility A2 Flex를 소개합니다. 이 제품은 이동성, 조작성, 그리고 전신 VR 원격 조작을 하나의 통합 플랫폼에 담아낸 27자유도 오픈소스 바퀴형 이중 팔 로봇입니다.

터널, 배수로, 탱크, 파이프 갱도, 지하 시설 및 기타 밀폐된 공간 내부에서 정확한 3차원 데이터를 수집하는 것은 결코 간단한 일이 아닙니다. 이러한 환경은 좁고 어둡고 접근하기 어렵거나 작업자의 안전에 문제가 있을 수 있으며, 기존의 고소 작업대는 벽, 천장, 파이프 및 구조물 장애물에 근접하여 작업할 때 충돌 위험이 있습니다.
폭스텍 로보틱스는 이러한 까다로운 환경에서 항공 지도를 더욱 실용적으로 만들기 위해 새로운 기술을 도입하고 있습니다.SLAM X1 DJI Matrice 4T 및 Matrice 4E 비행 플랫폼용으로 설계된 충돌 방지 기능이 있는 비행형 3D LiDAR 스캐닝 시스템입니다.

유능한 로봇을 개발하려면 단순히 더 강력한 하드웨어나 더 큰 AI 모델을 설계하는 것 이상이 필요합니다. 연구자들은 또한 인간의 자연스러운 움직임을 로봇 시스템에 적용하고, 모방 학습, 체화된 AI, 그리고 시각-언어-행동(VLA) 모델 개발을 위한 고품질의 시뮬레이션 데이터를 수집할 수 있는 실질적인 방법을 찾아야 합니다.
이러한 워크플로우를 지원하기 위해 Foxtech Robotics는 로봇 연구, 인간 시연 데이터 수집 및 VLA 데이터 세트 생성을 위해 설계된 경량 이중 팔 모션 캡처 및 원격 조작 시스템인 ExoArm-7 Pro 웨어러블 외골격을 출시합니다.
ExoArm-7 Pro는 14자유도 팔 추적, 고정밀 엔코더 피드백, 고속 샘플링, 듀얼 IMU 센싱, 크로스 플랫폼 소프트웨어 및 공식 SDK를 결합하여 연구팀이 인간 상지 움직임을 보다 직접적으로 포착하고 로봇 플랫폼에 매핑할 수 있도록 지원합니다.

폭스텍(Foxtech) 은 후이싱하이 테크놀로지(톈진) 유한회사 (Huixinghai Technology (Tianjin) Co., Ltd. )를 통해 선전 다미아오 테크놀로지 유한회사(Shenzhen Damiao Technology Co., Ltd.) 로부터 다미아오 테크놀로지 제품의 공식 유통업체로 선정되었음을 기쁘게 알려드립니다.

로봇 산업이 새로운 국면에 접어들고 있습니다. 이제 핵심 질문은 단순히 로봇이 걷고, 뛰고, 물체를 잡고, 정교하게 연습된 시연을 수행할 수 있는지 여부가 아닙니다. 개발자, 투자자, 그리고 최종 사용자들은 이제 더욱 실질적인 질문을 던지고 있습니다. 과연 이 기술이 실제 환경에서 안정적으로 작동하고 측정 가능한 가치를 창출할 수 있을까?
이러한 변화는 8월 19일부터 23일까지 베이징 이타운에서 개최된 2026 세계 로봇 컨퍼런스(WRC 2026)에서 뚜렷하게 드러났습니다. "인간-기계 공생, 수요와 공급의 통합" 이라는 주제 아래, 이 행사는 기술 개발과 실제 시장 요구를 연결하는 데 더욱 중점을 두었습니다.
WRC 2026은 로봇공학을 단순히 미래의 비전으로만 제시하는 대신, 로봇을 연구실에서 공장, 상업 공간, 공공 서비스 및 일상생활로 옮기는 데 필요한 도구, 데이터 세트, 하드웨어 플랫폼 및 애플리케이션 생태계를 업계가 어떻게 구축하고 있는지를 보여주었습니다.

파노라마 카메라는 방 전체를 360도 파노라마 뷰로 촬영할 수 있습니다. 색상, 질감, 가구, 벽, 그리고 거의 모든 눈에 보이는 세부 사항을 보존할 수 있죠. 하지만 고객이 출입구 너비, 두 기둥 사이의 거리, 천장 높이와 같은 간단한 질문을 할 때, 이미지만으로는 정확한 답변을 제공하기 어려운 경우가 많습니다.
Pocket 3D는 바로 이러한 격차를 해소하기 위해 설계되었습니다.
Pocket 3D는 크리에이터와 전문가들이 이미 사용하고 있는 파노라마 카메라를 대체하는 것이 아니라, 기존 Insta360 및 DJI Osmo 생태계에 LiDAR SLAM, 실제 크기 측정, 그리고 완벽한 처리 워크플로우를 추가합니다. 이를 통해 매력적인 파노라마 이미지를 측정 가능한 공간 데이터로 변환하는 동시에 사실적인 3D 가우시안 스플래팅 재구성도 지원합니다.

대형 운반 드론은 산악 지대, 건설 현장, 송전선로, 재난 지역 등 도로 접근이 어려운 지역에 장비와 물자를 운송하는 방식을 혁신적으로 변화시키고 있습니다. 하지만 단순히 운반 능력만으로는 모든 운송 문제를 해결할 수는 없습니다.
공구, 비상용품, 예비 부품, 포장 자재 및 기타 작거나 불규칙한 물품들도 효율적으로 정리, 보호, 적재 및 하역해야 합니다. 모든 물품에 개별적인 매달기나 복잡한 외부 고정 장치가 필요한 경우, 준비 시간이 많이 소요될 뿐만 아니라 운송 중 움직임이나 노출 위험이 증가할 수 있습니다.
폭스텍은 DJI 플라이카트 100용 고하중 화물 박스를 새롭게 선보입니다. 이 박스는 전문적인 항공 물류를 더욱 실용화하기 위해 개발되었습니다. 최대 80kg의 적재 용량, 125.6리터의 내부 용량, 항공우주 등급 알루미늄 합금 및 탄소 섬유 구조, 그리고 간편한 탈착식 마운팅 구조를 7.8kg의 경량 설계에 결합했습니다.
화물 보호와 항공기 통합을 별개의 작업으로 취급하는 대신, 새로운 운송 박스는 FlyCart 100 운용자에게 장비, 보급품 및 기타 임무 수행에 필수적인 탑재물을 운반하기 위한 특수 설계 컨테이너를 제공합니다.

야간 드론 운용은 단순히 물체의 존재 여부를 확인하는 것 이상의 의미를 갖는 경우가 많습니다. 공공 안전팀은 주변 지형과 사람을 구분해야 할 수 있고, 시설물 검사관은 구조물의 세부 사항을 파악해야 하며, 응급 구조대는 날이 밝을 때까지 기다리지 않고 도로, 차량 및 접근 경로를 파악해야 할 수 있습니다.
일반적인 저조도 영상은 어둡고, 노이즈가 많으며, 흐릿하거나 유용한 색상 정보가 부족할 수 있습니다. 목표물에 더 가까이 비행하면 시야가 개선될 수 있지만, 조종사의 안전거리가 줄어들어 건물, 전력 시설, 숲, 항만 또는 재난 현장 주변에서 임무 수행이 더욱 어려워질 수 있습니다.

송전선로 절연체의 오염은 절연 성능에 영향을 미치고 오염 섬락 및 전력선 고장의 위험을 증가시킬 수 있습니다. 그러나 고전압 송전탑에 설치된 절연체를 청소하는 것은 특히 장비가 지상 높은 곳에 있거나 작업자와 일반 장비가 접근하기 어려운 지역에 위치한 경우 매우 까다로운 유지보수 작업입니다.
전력망 유지보수 팀에 보다 유연한 청소 방법을 제공하기 위해 Foxtech은 DJI FlyCart 30 용으로 개발된 새로운 드론 장착형 절연체 청소 시스템인 AeroClean F30을 출시합니다.

이전 기술 기사에서는 공간 카메라의 영상 촬영 원리, 오픈 소스 생태계와의 호환성, 그리고 임업 분야에서의 실제 적용 결과를 소개했습니다.
본 논문은 교통사고 조사에서 Pocket 3D의 실용적 가치와 현장 성능에 초점을 맞추고 있습니다.

고품질의 인체 동작 시연 데이터는 인공지능 기반 학습, 모방 학습, 로봇 조작 연구에 필수적인 기반이 되고 있습니다. 하지만 사람이 작업을 수행하는 모습을 녹화하는 것만으로는 충분하지 않습니다. 연구팀은 손 움직임, 그리퍼 상태, 시각적 맥락, 깊이, 동작, 공간 궤적에 대한 정확하고 정렬된 정보도 필요로 합니다.
이러한 데이터 스트림을 서로 다른 장치로 수집할 경우, 타이밍, 좌표계 및 데이터 품질의 차이로 인해 결과 데이터 세트를 사용하기 어려울 수 있습니다. 문제는 데이터 수집이 완료된 후에야 드러나는 경우가 많아 반복적인 시연과 추가적인 후처리 작업이 발생할 수 있습니다.