최종 전략: 이것은 베팅이다
제품 정의
WIM = Jetson 기반 로봇 제어 전용 보드 + 제어 Neural Net SW 번들
가격: ~$700 (보드 + 소프트웨어)
하드웨어: 커스텀 Jetson 캐리어보드
범용 Jetson 개발킷이 아닌, 로봇 제어에 특화된 보드:
[WIM 커스텀 캐리어보드]
├─ Jetson Orin 모듈 슬롯
├─ EtherCAT 마스터 (전용 포트)
├─ PWM 출력 (다수)
├─ CAN-FD
├─ GPIO / ADC / SPI / I2C
├─ RT 커널 최적화 (PREEMPT_RT)
├─ 로봇 환경용 전원 관리
└─ 산업용 커넥터보드 자체는 필요조건이지 충분조건이 아니다. 진짜 가치는 그 위의 소프트웨어에 있다.
소프트웨어: 4가지 핵심 기술
이 4가지는 서로 쌓이는 구조다:
[4. Auto-ID & Auto-Tune]
└─ 새 로봇에 연결하면 자동으로 ↓
[1. Learned Dynamics Model]
└─ 이 로봇의 정확한 동역학을 학습 → ↓
[2. Sensorless Force Estimation]
└─ 동역학 모델로 외력을 실시간 추정
[3. RT Neural Inference]
└─ 위의 모든 것을 12kHz 제어 루프 안에서 실행기술 1: 학습 기반 로봇 동역학 모델. 로봇의 실제 동역학을 neural net으로 학습한다. 해석적 모델이 잡지 못하는 현실 효과를 포착한다.
기술 2: 센서리스 외력/충돌 추정. F/T 센서 없이, 모터 데이터만으로 각 관절의 외력을 실시간 추정한다. 원리: (모델 예측 토크) - (실제 토크) = 외력.
기술 3: 실시간 임베디드 Neural Net 추론. 12kHz 사이클 = 83μs 안에 inference를 완료해야 한다. 이 엔지니어링 자체가 moat이다.
기술 4: 자동 시스템 식별 + 자동 튜닝. 새 로봇에 연결 시 자동으로 동역학 파라미터를 식별하고, 모델을 학습하고, 제어 게인을 최적화한다.
타겟 고객
1차 타겟: CST 모드 모듈러 액추에이터로 새 로봇을 만드는 팀
- CORE, Fourier, Unitree 등의 액추에이터를 사서 로봇을 만드는 스타트업/연구실
- 이들에게는 번들 컨트롤러가 없다 — 제어 스택을 직접 짜야 한다
2차 타겟: F/T 센서 비용을 줄이고 싶은 팀
- F/T 센서 가격 $2,000-$5,000 → WIM으로 $700
3차 타겟: 로봇 셋업 시간을 줄이고 싶은 팀
- 새 로봇 제어 튜닝에 수일-수주 → 자동 ID로 수시간
냉정한 현실 점검
경쟁사 팩트체크
- Figure AI: 10M 파라미터 neural net, 1kHz 관절 제어. 프로덕션. 단, 자체 로봇 전용.
- Agility Robotics: sub-1M 파라미터 LSTM whole-body controller. 프로덕션.
- 기존 OEM (KUKA, Fanuc, ABB, UR): 전부 해석적 모델. neural net 안 씀.
- 4가지 통합 제품: 시장에 존재하지 않음.
유닛 이코노믹스
| 항목 | 예상 원가 |
|---|---|
| Jetson Orin 모듈 | $249-399 |
| 커스텀 캐리어보드 | $80-150 |
| 케이스, 커넥터, 전원 | $30-50 |
| 조립, 테스트, QC | $20-40 |
| 합계 BOM | ~$400-640 |
현실: 하드웨어만으로는 팀을 먹여살리기 어렵다. SW 라이선스, 구독, 또는 SI 매출이 함께 필요하다.
팔리는 피치
“우리의 neural net이 PID보다 3% 더 정확합니다” — 이걸로는 안 팔린다.
- “F/T 센서 $3,000을 $700으로 대체합니다” — 명확한 ROI
- “새 로봇 셋업 2주를 2시간으로 줄입니다” — 명확한 ROI
- “ROS2 플러그인이라 기존 스택에 바로 붙입니다” — 진입 장벽 낮음
이것은 베팅이다
이 문서를 관통하는 가장 솔직한 사실.
4가지 핵심 기술 — 학습 동역학 모델, 센서리스 힘 추정, RT neural net 추론, 자동 ID/튜닝 — 이것들은 아직 만들어지지 않았다.
“아직 neural net 제어를 만들지 않았기 때문에 장담 못해.” “아직 그것도 우리가 만들지 않았어.” “그게 있다고 가정하고 만드는 거 아닐까?”
맞다. 이것은 가정 위에 세운 전략이다. 정확히 말하면, 베팅이다.
베팅의 내용
- 학습된 동역학 모델이 해석적 모델보다 유의미하게 나을 것이다
- 그 모델로 센서리스 힘 추정이 F/T 센서를 대체할 만큼 정확할 것이다
- 이 모든 것이 Jetson에서 83μs 안에 돌아갈 것이다
- 자동 ID가 다양한 로봇에서 작동할 것이다
이 네 가지 중 하나라도 안 되면 전략 전체가 무너진다.
하지만 — 모든 스타트업 전략은 베팅이다.
이 베팅이 합리적인 이유:
- Figure AI가 1kHz neural net 관절 제어를 프로덕션에서 돌리고 있다
- WIM은 12kHz RT 제어 환경을 이미 보유하고 있다
- 4가지 통합 범용 제품이 시장에 없다
이 베팅이 위험한 이유:
- Figure AI는 $2.6B와 수백 명의 팀으로 했다. WIM은 6-15명이다.
- 한 로봇(Indy7)에서 된 것이 다른 로봇에서 될 거라는 보장이 없다.
- 고객이 실제로 돈을 낼 것이라는 검증이 없다.
현실적 경로
- 단기 (생존): SI + 정부과제로 현금 유지. AI 도구로 효율 극대화.
- 중기 (기술 증명): 4가지 기술 프로토타입. Indy7 + 최소 2종 추가 로봇에서 데모.
- 출구: 그 데모로 투자를 유치하거나, 이 기술이 필요한 큰 회사에 합류한다.
남은 질문
“WIM의 진짜 자산은 코드가 아니라, 12kHz에서 로봇을 제어하는 경험과 환경을 가진 팀이다.”
AI가 코드를 짜주는 시대에, 이 팀이 해야 할 일은 코드로 대체 안 되는 것을 만드는 것이다.
이 모든 기술적 논의를 관통하는 최종 질문:
이 베팅이 맞다는 것을, 런웨이가 끝나기 전에, 증명할 수 있는가?
그것이 WIM의 다음 6개월을 결정한다.
2026년 2월 17일, WIM 전략 재설계 v2