TENDEM
TENDEM

템포는 반려동물이 정합니다

싣고 이동하는 것이 아니라, 이동하는 동안 실제로 달립니다.

시뮬레이터 보기 제품 살펴보기
01 — 문제 정의

반려동물은 스스로 운동기구를 멈출 수 없습니다. 사람이 속도를 맞춰주는 방식에서는 지치거나 뒤로 밀리는 순간이 곧 사고가 됩니다.

TENDEM은 순서를 뒤집었습니다. 기기가 발의 리듬을 읽고 속도를 따라갑니다.

기계가 도는 동안 동물은 계속 뜁니다. 원해서 뛰는 것과 멈출 줄 몰라서 뛰는 것을, 사람은 구분하지 못합니다.

그래서 템포는 반려동물이, 한계는 AI가 정합니다.

IMG-01 사람이 속도를 정하는 기존 방식과의 대비
02 — 제품

TENDEM PET실내에서는 운동기구

시제품 제작 단계
TENDEM PET — 트레드밀과 캐리어 결합

모터 부하에 남는 발의 주기를 읽어 속도를 따라갑니다. 사람이 숫자를 정하지 않습니다.

대상소형 반려동물 5~7 kg
정격 출력60~100 W
감속비 · 롤러8:1 ~ 15:1 · Ø50 mm
전원5V USB 보조배터리 → 24V 승압
IMG-03트레드밀 케이싱
TENDEM PET — 트레드밀과 이동장을 결합한 모듈을 반려동물 유모차 프레임에 장착한 모습. 투명 돔 안에서 고양이가 걷고 있다.
트레드밀 + 이동장 결합 · 반려동물 유모차 장착
트레드밀 단독 구동 · 실내
03 — 제품

TENDEM RIDE밖에서는 함께 달리고, 함께 떠나는 자전거

시제품 완료 · 인증 진행 중
TENDEM RIDE — 앞 데크에 일반 이동장을 얹고 들길을 달리는 장면
평소 쓰던 일반 이동장(펫 캐리어)을 앞 데크에 그대로 얹으면, 반려동물과 함께 떠나는 자전거가 됩니다.

같은 자리에 TENDEM PET을 얹으면, 싣고 이동하는 것이 아니라 이동하는 동안 실제로 달립니다.

01
앞 데크 — 테이블로도 쓰이는 카고 캐리어
프론트 카고 캐리어
02
크로몰리 프레임 · TENDEM 배지
크로몰리 프레임 12.5kg
03
접어서 차 트렁크에 적재
트렁크 사이즈 폴딩
항목TENDEM RIDETENDEM RIDE e
프레임크로몰리 스틸크로몰리 스틸
구동계L-TWOO 7단 외장구동계L-TWOO 7단 외장구동계
타이어16 (305) 인치16 (305) 인치
모터36V / 250W · 31 Nm
배터리LG 36V / 7Ah
무게12.5 kg15 kg
색상오렌지 · 그린 · 실버오렌지 · 그린 · 실버

사양은 제조 시기에 따라 일부 변경될 수 있습니다.

TENDEM RIDE 실버 — 야외, 앞 데크 바스켓
TENDEM RIDE 오렌지 — 측면
04 — 기술

작동 원리

01발의 리듬을 읽습니다
FOC 제어의 q축 전류 i_q를 점유·과부하 감지가 아니라 보행 리듬 신호로 사용근거 자료 펼치기 ▾
무엇을 신호로 쓰는가

모터를 돌리는 전류에는 바퀴가 무엇을 만났는지가 남습니다. 발이 벨트를 딛는 순간마다 q축 전류에 작은 봉우리가 생기고, 그 봉우리의 간격이 곧 발의 주기입니다. 같은 신호를 다른 기기들은 「누가 올라탔다」거나 「과부하다」를 알아내는 데 씁니다. TENDEM은 그것을 리듬으로 읽습니다.

그래서 카메라가 필요 없습니다. 조도와 무관하게 작동하고, 집 안이 촬영되지 않습니다.

선행기술 조사에서 q축 전류를 보행 리듬 신호로 쓰는 구성은 확인되지 않았습니다. 특허 10-2026-0117830의 차별화 축입니다.
계측 구성
리듬 신호FOC q축 전류 i_q
보조 신호중앙 임팩트 센서
관측 주파수f ≈ 3.33 Hz
리듬 변동CV = 0.10
충격센서 SNR22.0 dB
폐루프

구동속도 → 반응 리듬 → 데이터화 → AI 판정 → 적응 제어

시뮬레이션 · 모델 — 보행양식별 부하와 리듬

걷기·완보·속보·질주는 평균 부하만 보면 서로 겹칩니다. 여기에 리듬 주파수를 한 축 더 놓으면 네 보행양식이 각각 다른 자리로 갈라집니다. 카메라 없이 전류 하나로 보행양식을 가릴 수 있는 근거가 이 분리입니다.

보행양식별 부하와 리듬1.01.41.82.22.63456리듬 주파수 (Hz)평균 모터 부하 (a.u.)걷기 walkCV 0.113완보 ambleCV 0.109속보 trotCV 0.323질주 gallopCV 0.286주행 영역
보행양식평균 부하리듬 주파수피크 진폭변동계수 CV
걷기 walk1.213.17 Hz0.400.113
완보 amble1.564.35 Hz0.430.109
속보 trot1.995.88 Hz1.720.323
질주 gallop2.393.77 Hz1.850.286

보행역학 문헌에 기초한 시뮬레이션(모델) 결과이며, 실제 장치에서 측정한 실측 데이터가 아닙니다. 출원 명세서 【0057】·【0185】에 같은 취지가 기재되어 있습니다.

02센서를 줄여도 판정은 그대로입니다
6채널 교사 → 2채널 학생 전이학습. 중앙 임팩트 1 + 모터 부하 1근거 자료 펼치기 ▾
교사와 학생

학습용 시제품에는 센서를 넉넉히 답니다. 앞좌·앞우·뒤좌·뒤우·중앙 다섯 개의 임팩트 센서와 모터 부하까지 6채널입니다. 이것이 교사입니다. 양산품에는 중앙 임팩트 하나와 모터 부하 하나, 2채널만 남깁니다. 이것이 학생입니다.

교사가 내린 판정을 정답으로 두고, 학생이 같은 판정을 2채널만으로 복원하도록 학습시킵니다. 결측된 네 채널은 Mapper Network가 되살립니다. 판정 성능을 유지하면서 자재비가 내려갑니다.

정직한 한계. 앞섬과 처짐(전후)은 중앙과 모터만으로 복원됩니다. 좌우 일탈의 국소화는 중앙 1채널로 가장 어렵습니다(R² ≈ 0). 그래서 결정론적 안전 회로가 여전히 필수입니다.
두 개의 데이터셋
데이터셋 A6채널 교사
데이터셋 B2채널 학생 · 전이학습
교사 입력FL · FR · RL · RR · C + 모터
학생 입력C(중앙) + 모터
복원Mapper Network
시뮬레이션 검증값
정상 보행양식6/6 조합 100%
자동모드 · 개약 94%
자동모드 · 고양이약 77%

보행역학 문헌에 기초한 모델값이며 실제 장치 실측 데이터가 아닙니다.

시뮬레이션 · 모델 — 검출 채널 수와 분류 성능

채널이 늘수록 분류에 쓸 수 있는 독립 정보량이 늘어납니다. 그래서 학습할 때는 채널을 넉넉히 두고, 제품에는 그 판정을 옮겨 담은 2채널 학생만 싣습니다. 아래는 검출 채널 수만 바꾼 모델 결과입니다.

검출 채널 수와 5상태 분류 정확도025507510024%1채널단일 모터55%2채널앞 · 뒤100%4채널좌우 + 앞뒤5상태 분류 정확도 (%)상태 = 정상 · 앞섬 · 처짐 · 좌 일탈 · 우 일탈
채널 구성채널 수5상태 분류 정확도
단일 모터124 %
앞 · 뒤255 %
좌우 + 앞뒤4100 %

이 곡선은 좌우 독립 벨트를 전제로 합니다. 단일 연속 벨트에서는 아래 03의 결합계수 α만큼 채널 분리 성능이 완화됩니다.

보행역학 문헌에 기초한 시뮬레이션(모델) 결과이며, 실제 장치에서 측정한 실측 데이터가 아닙니다. 출원 명세서 【0057】·【0185】에 같은 취지가 기재되어 있습니다.

03센서 하나로 앞뒤를 구분합니다
중앙 센서를 전방으로 +0.35 오프셋 배치근거 자료 펼치기 ▾
공간 정보가 시간에 실린다

네 다리는 서로 다른 위상으로 착지합니다. 그래서 한가운데 놓인 센서 하나에도 앞뒤 정보가 시간 구조모터 대비 비율의 형태로 실립니다. 중앙 센서를 정확히 가운데가 아니라 앞쪽으로 조금 밀어 두면, 앞 하중과 뒤 하중이 서로 다른 비율로 나타나 구분이 생깁니다.

학생 모델은 교사가 붙인 라벨로 이 상관을 학습해 앞섬과 처짐을 되살립니다.

중앙 임팩트 센서가 핵심인 또 하나의 이유가 있습니다. 5~7 kg 경량 개체에서는 모터 부하만으로는 신호가 잡음에 묻힙니다. 충격센서는 임펄스를 직접 받아 SNR을 유지합니다.
배치 파라미터
중앙 센서 오프셋SENSOR_POS +0.35 (전방)
코너 센서FL · FR · RL · RR (교사 전용)
분석중앙 ↔ 주변 상관계수 누적
전구 지지 비중개 62% · 고양이 55%
질량계수개 ×1.0 · 고양이 ×0.45
관련 도면

아래 도 1~3 참조. 케이싱 내부의 센서 배치와 벨트·롤러 구성이 나타나 있습니다.

시뮬레이션 · 모델 — 벨트 결합도와 좌우 비대칭 검출량

좌우가 독립된 벨트에서는 한쪽으로 치우친 부하가 채널 차분에 그대로 남습니다. 벨트가 하나로 이어져 강하게 결합될수록 그 차분이 상쇄되어 비대칭이 보이지 않게 됩니다. 벨트 구성을 고르는 일이 곧 검출 한계를 정하는 일입니다.

벨트 결합도에 따른 좌우 비대칭 검출량0.000.040.080.120.00.10.20.30.40.5벨트 결합계수 α (0 = 독립 벨트 · 0.5 = 강결합 단일 벨트)좌 − 우 부하 차분 |Δ|독립 벨트|Δ| 0.125단일 연속 벨트|Δ| 0.040강결합 단일 벨트|Δ| 0.010
벨트 구성결합계수 α좌 − 우 차분비대칭 검출
독립 벨트0.000.125뚜렷
단일 연속 벨트0.350.040약함
강결합 단일 벨트0.470.010거의 소실

보행역학 문헌에 기초한 시뮬레이션(모델) 결과이며, 실제 장치에서 측정한 실측 데이터가 아닙니다. 출원 명세서 【0057】·【0185】에 같은 취지가 기재되어 있습니다.

04다섯 가지 상태를 실시간으로 가려냅니다
질주 / 걷기 / 지침 / 처짐 / 스테이션 이탈근거 자료 펼치기 ▾
판정과 제어

판정부는 질주 · 걷기 · 지침 · 처짐 · 스테이션 이탈 다섯 상태를 실시간으로 가려냅니다. 판정이 바뀌었다고 속도를 즉시 바꾸지는 않습니다. 히스테리시스로 떨림을 걸러내고, 속도 변화율을 제한해 완만하게 따라갑니다.

보행양식(걷기 · 속보 · 질주)은 판정 상태와 별개의 축입니다. 종별 실측 기준에서 유도한 개체 캘리브레이션 값으로 경계를 잡습니다.

안전 회로는 AI와 독립입니다. 판정이 흔들려도 안전은 흔들리지 않습니다. 충돌과 일탈은 밀리초 단위로 잡아 즉시 정지시킵니다. 동물이 멈추면 기기도 멈춥니다.
보행역학 파라미터 (문헌 기반)
스트라이드 빈도Heglund · Taylor · McMahon (1974)
듀티 팩터걷기 0.65 → 질주 0.29
지면반력 피크걷기 ~1.0 BW → 질주 2.4–2.9 BW
개 기준Budsberg et al.
고양이 기준Corbee et al.
하드웨어
대상소형 반려동물 5–7 kg
정격 출력60–100 W
감속비 · 롤러8:1–15:1 · Ø50 mm
전원5V USB → 24V 승압
프로토타입ICM-42688-P ×5 · VESC 6 MkVI
Teensy 4.1 · Raspberry Pi 5
시뮬레이션 · 모델 — 정상 대 이상의 부하 서명

세 곡선은 모두 같은 전류 신호입니다. 정상 속보는 진폭과 간격이 일정하고, 체력이 떨어지면 진폭이 서서히 줄며, 레일을 벗어나거나 내벽에 부딪히면 한 번의 큰 스파이크 뒤에 리듬이 사라집니다. 앞의 둘은 감속으로, 마지막은 정지로 대응합니다.

정상 대 이상 운동상태의 부하 서명정상 속보평균 1.99 · 규칙성 3.1 · 최대 3.0피로 · 처짐평균 1.85 · 규칙성 3.2 · 최대 3.0진폭 감쇠 시작레일 일탈 · 케이스 충돌평균 1.74 · 규칙성 2.1 · 최대 6.1스파이크 6.1 → 리듬 소실모터 부하 (a.u.) · 시간 0 → 8초
상태평균 부하리듬 규칙성 1/CV최대 스파이크대응
정상 속보1.993.13.0유지
피로 · 처짐1.853.23.0체력 한계 → 감속
레일 일탈 · 충돌1.742.16.1이상 → 정지

보행역학 문헌에 기초한 시뮬레이션(모델) 결과이며, 실제 장치에서 측정한 실측 데이터가 아닙니다. 출원 명세서 【0057】·【0185】에 같은 취지가 기재되어 있습니다.

05개와 고양이, 그리고 새까지
4족 대각짝 착지 대 2족 좌우 교번 착지 — 리듬 구조 자체가 다름근거 자료 펼치기 ▾
시뮬레이션 · 모델 — 4족과 2족의 리듬 구조

개와 고양이는 대각선 두 발이 함께 닿는 대각짝 착지라 하나의 기본 주파수가 뚜렷합니다. 조류처럼 두 발로 걷는 동물은 좌우가 번갈아 닿아 주파수 구조 자체가 다릅니다. 같은 판정 구조가 종을 넘어 작동하는 이유입니다.

4족과 2족의 리듬 스펙트럼0.000.250.500.751.00024681012리듬 주파수 (Hz)정규화 진폭4족 · 개 · 고양이2족 · 조류좌우 교번 성분
이동 형태착지 구조기본 주파수스펙트럼 특징
4족 · 개 · 고양이대각짝 2-beat약 6 Hz단일 기본 주파수
2족 · 조류좌우 교번약 8 Hz2배 주파수 구조 동반

보행역학 문헌에 기초한 시뮬레이션(모델) 결과이며, 실제 장치에서 측정한 실측 데이터가 아닙니다. 출원 명세서 【0057】·【0185】에 같은 취지가 기재되어 있습니다.

05 — 디지털 트윈

시뮬레이터

f ≈ 3.33 HzCV = 0.10SNR 22.0 dB
제품 콘셉트 시연 영상입니다. 화면에 보이는 수치와 그래프는 연출이며, 실제 판정 화면과 값은 아래 시뮬레이터에서 직접 확인하실 수 있습니다.
시뮬레이터 열기작동 원리와 맞춤 학습

수치는 보행역학 문헌에 기초한 모델값이며 실제 장치 실측 데이터가 아닙니다.

06 — 안전과 프라이버시

동물이 멈추면 기기도 멈춥니다.

AI 판정과 독립된 결정론적 안전 회로. 충돌·일탈 시 밀리초 단위 정지.

카메라가 없습니다.

조도와 무관하게 작동하고, 집 안이 촬영되지 않습니다.

끝까지 달리게 두지 않습니다.

질주가 길어지면 갑자기 세우는 대신 속도를 서서히 낮춥니다. 동물도 따라 속도를 줄이다 걸음으로 내려온 뒤 멈춥니다. 평소 운동량에서는 걸릴 일이 없습니다.

07 — 지식재산과 개발 단계

출원과 진행

대표도 · 트레드밀 케이싱과 투명 돔 커버
특허
심사중
적응형 운동제어 반려동물 운동장치
10-2026-0117830
대표도 — 케이싱 · 데크 · 주행벨트
대표도 · 카고 이동장치에 결합된 상태
특허
심사중
기어비를 이용한 원격 조향 장치를 구비한 카고 이동장치
10-2026-0108217
대표도 — 카고 이동장치 결합
대표도 · 자전거용 프레임 — 프론트 캐리어 마운트가 결합된 프레임 구조
디자인
심사중
자전거용 프레임
30-2026-0023794
대표도 — 프론트 캐리어 마운트 결합 프레임

출원 도면입니다. 실제 제품 형상과 다를 수 있습니다. 세 건 모두 심사중이며, TENDEM 상표는 출원 전입니다.

완료
AI 알고리즘 1차 개발
디지털 트윈 물리 검증
RIDE 시제품
진행
PET 시제품 제작
자전거 인증
특허 심사
예정
상표 출원
양산 설계
필드 데이터 수집