킹콩테크놀로지의 ‘점퍼(Jumper)’는 게를 닮은 소형 로봇이자, 로봇의 움직임을 만들고 시험하는 소프트웨어 툴킷이다. 로봇 모델과 시뮬레이션, 강화학습, 제어기 패키징을 한 프로젝트 안에 담았다. 다만 소프트웨어 개발 흐름이 공개됐다고 해서 하드웨어를 똑같이 제작할 자료가 모두 공개됐거나, 실제 로봇에서 동작이 검증됐다는 의미는 아니다. 깃허브 저장소는 2026년 9월 28일 공개 상태였으므로, 10월 9일을 최초 공개일로 단정하기 어렵다.
3
9
점퍼는 어떤 로봇인가
점퍼는 다리 6개와 22자유도를 갖췄으며, 22개의 촉각 서보로 움직인다. 앞쪽 부속지는 물건을 집는 데 사용할 수 있다.
6
14 공개된 하드웨어 사양에는 본체 크기 400 × 400 × 200mm, 무게 1.8kg으로 기재돼 있다. 엔지니어링 시제품의 무게는 2.8kg으로 별도 표기됐다.
21
회사 자료에는 최고 속도 초속 0.5m 이상, 배터리 사용 시간 약 2시간이 제시돼 있다. 보도 자료에는 점프 높이 40cm 이상, 1kg의 물체를 잡을 수 있다는 사양도 나온다. 다만 이는 공개된 수치이며, 제공된 자료만으로 독립적인 성능 시험 결과라고 확인할 수는 없다.
14
16
주 컴퓨터는 록칩(Rockchip) RK3576이다. 프로세서는 Cortex-A72 코어 4개와 Cortex-A53 코어 4개로 구성되며, INT8 기준 6 TOPS 성능의 NPU를 탑재한 것으로 사양에 적혀 있다.
21 촉각 서보마다 자기식 엔코더 두 개가 들어간다는 보도가 있지만, 저장소 이슈에서는 문서에 서보 모델이나 종류가 명시되지 않았다는 지적도 확인된다.
27
40
동작을 학습하고 묶는 개발 도구
저장소에는 로봇 모델 자산, 동작 과제, 학습 코드와 배포 도구가 함께 들어 있다. 개발자는 동작 정책을 학습한 뒤 재생·평가하고, 이를 동작 번들로 내보낼 수 있다.
9
11
24
학습 도구는 MuJoCo, MuJoCo Warp, mjlab, rsl_rl을 기반으로 한다. 프로젝트 문서에 따르면 같은 과제 설정과 보상, PPO 학습 코드를 유지하면서 GPU 시뮬레이션에는 MuJoCo Warp를, CPU 실행에는 기본 MuJoCo를 사용할 수 있다.
18
공식 튜토리얼은 삼각 보행, 점프, 춤 동작을 각각 학습하고 하나의 번들로 합치는 과정을 안내한다.
19 즉, 미리 정해진 시연 동작만 재생하는 데 그치지 않고, 움직임을 바꾸고 다시 학습하는 것이 프로젝트가 제시하는 개발 방식이다.
AI 코딩 도우미에 자연어로 동작·외관·장면 변경을 요청하는 작업 흐름도 소개한다. 관련 결과물 형식으로는 동작 번들 .app, 외관 .skin, 장면 .map이 제시돼 있다.
5
9 다만 이는 의도된 제작 방식이지, 임의의 문장을 입력하면 안전한 실제 로봇 동작이 언제나 만들어진다는 증거는 아니다.
실제 로봇 배포는 어디까지 왔나
정책은 ONNX 형식으로 내보낸 뒤 RK3576 NPU용 RKNN으로 변환할 수 있다. 동작 번들에는 모드별 정책과 유한상태기계(FSM) 설정, 지원되는 실행 환경별 제어기, 사용 안내를 함께 담는 구조다. 문서에 안내된 실행 환경에는 로봇 보드와 웹 브라우저, 시뮬레이션·재생 도구가 포함된다.
19
32
38
중요한 단서는 실제 하드웨어 검증이다. 프로젝트 문서는 학습·시뮬레이션·내보내기와 호스트 측 번들 점검을 구현된 기능으로 설명하지만, 로봇의 RKNN 하드웨어에서 추론을 실행하는 것은 아직 검증되지 않았다고 밝힌다. 제어기가 실제 모터 버스를 구동했다는 근거도 확인되지 않는다. 따라서 문서에 언급된 1kHz 제어 루프가 실제 로봇에서 작동 중이라고 볼 수는 없다.
18
32
41
오픈소스 툴킷과 완전한 재현 설계는 다르다
점퍼 공개는 ‘로봇을 그대로 복제할 수 있는 설계 전체’라기보다, 동작 개발을 위한 소프트웨어 도구가 공개된 사례로 이해하는 편이 정확하다. 제공된 자료만으로는 기구·전기·제조 관련 문서가 모두 공개됐다고 확인되지 않는다. 특히 서보의 모델이나 종류가 문서에 빠져 있다는 저장소 이슈는 제작 정보에 공백이 있음을 보여준다.
40
따라서 공개된 모델과 소프트웨어로 개발을 시작할 수 있다는 점과, 누구나 동일한 하드웨어를 제조할 만큼의 정보가 있다는 점은 구분해야 한다. 공개 자료만으로 점퍼를 충실하게 재현할 수 있다는 주장은 신중하게 받아들일 필요가 있다.
부품 회사에서 로봇 플랫폼으로
엔코더와 서보를 만들어 온 킹콩테크놀로지가 자체 로봇과 동작 개발 도구를 함께 내놓았다는 점에서 점퍼는 사업의 확장 방향을 보여준다.
7
15 동시에 시뮬레이션에서 정책을 만들고 배포용으로 패키징하는 과정과, 실제 기기에서 이를 구동하는 검증 단계 사이의 간극도 드러낸다. 문서화된 학습·패키징 흐름과 달리, 보드에서의 실행은 아직 확인되지 않았다.
18
32
프로젝트 생태계에는 개발자 동작 챌린지도 포함돼 있다. 공개된 커뮤니티 참가작은 학습한 점퍼 동작을 게임 속에서 선보인다.
14
30 이는 창작과 실험이 이뤄지고 있다는 사례이지, 가사 노동이나 점검·분류·농업 현장에서 이미 활용되고 있다는 증거는 아니다. 그런 용도는 가능성으로 제시된 단계와 실제 적용 사례를 구분해서 볼 필요가 있다.