세상은 멈춰 있지 않습니다.RSS
BIG CHANGE.

Markdown 버전

AI-translated from English; not yet reviewed by a fluent editor.

# KAIST의 RAIBO2 마라톤 연구, 로봇의 배터리 사용 방식을 보여 주다

> RAIBO2는 2024년 11월 한 번 충전으로 마라톤을 완주했다. 2026년 9월 23일 발표된 Nature 연구는 하드웨어와 학습된 보행 방식의 결합을 설명하지만, 현장 작업 부하는 시험하지 않았다.

By BIG CHANGE Editorial

Published: 2026-09-24T05:45:44.646Z
Updated: 2026-09-24T05:45:44.646Z
Canonical: https://bigchange.ai/blog/raibo2-marathon-energy-efficient-robot-gait

![Conceptual charcoal illustration of a compact four-legged robot walking on an unmarked paved path.](https://bigchange.ai/api/media/file/raibo2-road-locomotion-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

KAIST의 4족 보행 로봇 RAIBO2는 2024년 **11월** 한 번 충전한 배터리로 한국의 도로 마라톤 42.195km를 4시간 19분 52초에 완주했다. 새롭게 주목할 내용은 [2026년 9월 23일 발표된 Nature 논문](https://www.nature.com/articles/s41586-026-11102-5)이 에너지 손실을 줄이기 위해 설계자들이 로봇 다리, 모터 전자장치, 학습된 보행 방식을 어떻게 함께 개선했는지 설명한다.

## 큰 변화

- **무엇이 달라졌나:** 동료 심사를 거친 연구가 긴 야외 주행과 4족 보행 로봇 전체의 에너지 손실 모델을 함께 제시한다. 로봇 설계자는 단순한 주행 거리 주장 이상의 내용을 검토할 수 있다. 모터의 발열, 관절 마찰, 발의 충격이 같은 배터리 충전량을 두고 어떻게 서로 영향을 주는지 설명한다.
- **왜 중요한가:** 작동 범위는 이동 로봇이 충전 없이 얼마나 오래 작업할 수 있는지를 제한한다. RAIBO2는 관절 하드웨어와 보행 제어를 함께 설계해 범위를 늘리는 한 가지 방식을 보여 준다. 다만 마라톤에서는 배송이나 점검 작업 부하를 시험하지 않았다.
- **앞으로 지켜볼 점:** 향후 4족 보행 로봇을 유용하게 비교하려면 배터리, 속도, 경로, 탑재 하중을 명시한 주행 거리가 필요하다. 연구팀의 비교표에는 측정값과 추정값이 섞여 있으므로, 주행 거리 수치만으로 다른 로봇이 같은 작업을 얼마나 잘할지 판단할 수 없다.

## 마라톤 기록과 그 한계

이 [Nature 논문](https://www.nature.com/articles/s41586-026-11102-5)은 RAIBO2의 총 이동 에너지비용(cost of transport) 지수가 0.25라고 보고한다. 이 지표는 사용 에너지를 로봇의 무게와 이동 거리에 연계해 나타낸다. 논문 초록은 인간 기준값 0.37과 비교한다. 또한 저자들이 비교한 기존 4족 보행 로봇보다 충전 1회당 세 배 넘게 이동한다고 밝힌다. 이는 저자들이 계산하고 선정한 비교 대상에 관한 결과이지, 동일한 현장 작업 전반에 적용되는 보편적 순위는 아니다.

KAIST가 2024년 11월 17일 발표한 자료에 따르면 기록은 제22회 상주 곶감 마라톤 코스에서 세웠다. [KAIST의 2024년 11월 17일 발표](https://news.kaist.ac.kr/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41590&mode=V&skey=keyword&sval=RAIBO)에는 14km와 28km 지점 부근에서 약 50m씩 두 차례 오르막을 지났다고 나온다. [앞서 나온 KAIST 발표](https://news.kaist.ac.kr/site/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41550&mode=V&skey=keyword&sval=RAIBO2)는 2024년 9월 첫 대회 도전에서 배터리가 방전돼 37km 지점에서 멈췄다고 전했다. 따라서 11월 완주는 실패한 시도와 더 큰 배터리 등을 포함한 설계 변경 이후에 이뤄졌다.

마라톤은 도로 코스에서 주자들과 함께 지속적으로 이동할 수 있음을 보여 줬다. KAIST는 2024년 자율 주행 경로 탐색은 후속 연구 과제라고 밝혔다. 공개된 캠퍼스 시험은 GPS 경로를 따랐지만, 이 사실만으로 로봇이 스스로 경로를 선택했거나 마라톤에서 배송·순찰 작업을 수행했다고 볼 수는 없다.

## 한 걸음마다 에너지 절약하기

저자들은 서로 연결된 설계 문제라고 설명한다. 관절 모터는 몸체를 지탱하느라 전력을 쓴다. 다리를 움직일 때도 마찰이 생기며, 발이 땅에 닿을 때마다 접촉 과정에서 에너지가 소산될 수 있다. 한 손실을 줄이는 자세나 다리 설계가 다른 손실을 키울 수도 있다. 공개된 [연구 사전 논문](https://www.researchsquare.com/article/rs-6040970/v1)은 가벼운 다리, 낮은 감속비의 구동 장치, 전기 저항과 스위칭 손실을 줄이도록 만든 모터 구동 회로를 설명한다. [Nature 초록도](https://www.nature.com/articles/s41586-026-11102-5) 같은 세 설계 분야, 즉 기계 구조, 모터 전자장치, 이동 제어를 꼽는다.

보행 제어기는 시뮬레이션에서 강화학습으로 훈련됐다. 사전 논문에 따르면 학습 보상에는 발이 땅에 닿기 직전에 속도를 낮추고 모터 전류 수요를 줄이는 항목이 포함됐다. 이 방법들은 충격에 따른 에너지 손실과 모터 발열을 다룬다. KAIST는 관절이 내리막에서 일부 에너지를 회수할 수 있다고도 밝혔다. 어느 하나만으로 마라톤 거리를 설명할 수는 없다. 보고된 성과는 로봇 시스템 전체를 조정한 결과다.

## 주행 거리 비교가 뒷받침하는 내용

최종 논문의 [비교용 보충 스프레드시트](https://media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-11102-5/MediaObjects/41586_2026_11102_MOESM1_ESM.xlsx)에는 RAIBO2의 무게가 43kg, 배터리 용량이 1,447Wh로 적혀 있으며 **계산된** 주행 거리는 약 52km다. 표의 주행 거리는 외삽값이며, 연구가 실제 야외 완주로 기록한 거리는 42.195km다. 다른 로봇의 수치 몇 개도 추정치나 제조사 사양에 의존한다. 과거 공개 사전 논문에는 배터리와 예상 주행 거리의 다른 수치가 있으므로 최종 보충자료의 수치 대신 사용해서는 안 된다.

가능한 용도를 따질 때도 같은 구분이 필요하다. 대부분 도로인 코스에서 장거리 주행을 했다는 사실은 지구력과 연구팀의 설계 선택에 관한 구체적인 정보를 준다. 탑재 하중, 반복 교대 운용, 사전 지정되지 않은 경로 탐색, 유지보수, 험지 주행에 관한 질문은 별도 시험이 필요하다. KAIST가 밝힌 자율 주행과 재난 환경 활용 계획은 연구 목표이지 이번 마라톤의 결과가 아니다.

## 출처 및 더 읽을거리

- [Lee 등, *Nature*, 2026년 9월 23일](https://www.nature.com/articles/s41586-026-11102-5). 동료 심사를 거친 논문의 공개 초록은 완주 시간, 1회 충전 주행, 이동 에너지비용 지수, 세 분야를 아우르는 설계를 확인해 준다. 출판사 공개 페이지에는 초록, 그림 설명, 보충자료 링크가 있지만, 2026년 9월 24일 확인 당시 논문 본문은 구독자에게만 공개돼 있었다.
- [*Nature* 보충자료 1: 에너지 및 이동 에너지비용 비교 자료, 2026년 9월](https://media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-11102-5/MediaObjects/41586_2026_11102_MOESM1_ESM.xlsx). 내려받을 수 있는 스프레드시트에는 로봇 무게, 배터리 용량, 추정 주행 거리, 비교 입력값이 기록돼 있다. 출처에서 가져온 값과 추정치를 구분하며, RAIBO2 주행 거리 항목은 계산값이지 두 번째 야외 주행 기록이 아니다.
- [KAIST, 2024년 11월 17일](https://news.kaist.ac.kr/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41590&mode=V&skey=keyword&sval=RAIBO). 기관의 당시 자료는 마라톤 거리와 시간, 코스를 제시하고 자율 주행 경로 탐색은 후속 연구라고 밝혔다. KAIST가 로봇을 개발했으므로 실용화 준비가 됐다는 주장은 연구팀의 평가다.
- [KAIST, 2024년 11월 15일](https://news.kaist.ac.kr/site/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41550&mode=V&skey=keyword&sval=RAIBO2). 대회 전 자료에는 9월의 실패한 도전, 배터리 변경, GPS 안내를 따른 캠퍼스 주행이 설명돼 있다. 캠퍼스 주행 거리와 예상 범위는 11월 마라톤과 다른 시험이다.
- [Lee 등, Research Square 사전 논문, 2025년](https://www.researchsquare.com/article/rs-6040970/v1). 공개 전문은 하드웨어와 강화학습 방법을 설명한다. 최종 *Nature* 논문보다 먼저 나온 자료로 배터리와 예상 주행 거리 수치가 다르다. 이 기사에서는 해당 수치에 최종 논문과 보충자료를 사용한다.

## Sources

- [Lee 외: 배터리 한 번 충전으로 마라톤 완주를 목표로 설계한 4족 보행 로봇](https://www.nature.com/articles/s41586-026-11102-5) — 동료 심사를 거친 Nature 초록은 1회 충전 마라톤, 4시간 19분 52초의 완주, 이동 에너지비용 0.25, 기계 구조·회로·보행 설계의 결합을 보고한다. 공개 페이지에서 초록, 그림 설명, 보충자료를 확인할 수 있었으며 최종 논문 본문은 확인 당시 구독 제한이 있었다.
- [Nature 보충자료 1: 에너지 및 이동 에너지비용 비교 자료](https://media.springernature.com/original/springer-static/esm/art%3A10.1038%2Fs41586-026-11102-5/MediaObjects/41586_2026_11102_MOESM1_ESM.xlsx) — 최종 다운로드용 비교표에는 RAIBO2의 무게 43kg, 배터리 1,447Wh, 계산 주행 거리 약 52km가 적혀 있다. 다른 로봇 항목에는 실측값, 파생값, 제조사 수치가 섞여 있으므로 동일 조건의 현장 시험 자료가 아니다.
- [KAIST: RAIBO2, 풀코스 마라톤 완주](https://news.kaist.ac.kr/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41590&mode=V&skey=keyword&sval=RAIBO) — KAIST의 당시 발표는 상주 코스, 거리, 시간, 오르막을 확인해 준다. 자율 경로 탐색은 후속 연구라고 밝혔다. KAIST가 로봇을 개발했으므로 배송, 순찰, 재난 대응은 연구팀의 활용 목표다.
- [KAIST: RAIBO 마라톤 준비 및 이전 도전](https://news.kaist.ac.kr/site/newsen/html/news/?GotoPage=1&list_e_date=&list_s_date=&mng_no=41550&mode=V&skey=keyword&sval=RAIBO2) — 대회 전 발표에는 9월 37km 지점에서 배터리가 소진된 일, 이후 배터리와 제어기를 바꾼 내용, 별도의 GPS 안내 캠퍼스 주행이 담겨 있다. 예상 주행 거리는 이후의 마라톤 기록이 아니다.
- [Lee 외: RAIBO2 Research Square 사전 논문](https://www.researchsquare.com/article/rs-6040970/v1) — 공개 전문은 다리, 회로, 강화학습 방법을 설명한다. 최종 Nature 논문보다 먼저 나왔으며 배터리 및 예상 주행 거리 수치가 다르다. 기사에서는 최종 보충자료의 수치를 사용한다.