Physical AI · ARTICLE · 2026

FastCrest | Cupel and Tether Studio

FastCrest · fastcrest.com ↗ · ↳ 2 links

요약

FastCrest는 로봇 소프트웨어 회사로, 로봇 데이터 준비 도구 Cupel과 policy 개발용 시각 워크스페이스 Tether Studio 두 제품을 만든다. 이 페이지는 그 두 제품을 소개하는 공식 랜딩 페이지다.

페이지의 표제 문구는 "Better data. More capable robots."이고, 두 제품의 관계는 한 문장으로 정리된다. 로봇이 배울 데이터를 먼저 준비하고, 그 다음 policy를 개발하고 실행하고 개선한다. Cupel이 앞 구간, Tether Studio가 뒤 구간을 맡는다.

이 페이지는 기술 해설 문서가 아니다. 구현 방식이나 성능 수치는 없고 두 제품이 각각 어떤 작업 구간을 담당하는지만 밝힌다. 같은 회사의 오픈소스 CLI인 Tether (FastCrest/tether, GitHub repo)가 기술 세부와 측정값을 담고 있어, 두 문서를 함께 읽어야 회사의 제품 구조가 보인다.

Figure 1: 랜딩 페이지 전체 화면. Cupel과 Tether Studio를 좌우 두 단으로 나란히 놓았다 (FastCrest 2026)

배경

VLA를 실제 로봇에 올리는 작업은 모델 학습 하나로 끝나지 않는다. 학습에 쓸 데이터를 모아 정비하는 단계가 앞에 있고, 학습이 끝난 policy를 실제 하드웨어에서 검증하고 배포하는 단계가 뒤에 있다. VLA는 이미지와 언어 지시문을 받아 로봇의 action을 내놓는 모델을 말한다.

FastCrest는 이 앞뒤 두 구간을 각각 별도 제품으로 나눴다. 학습 프레임워크 자체는 만들지 않는다. 데이터를 준비하는 쪽과 학습이 끝난 policy를 다루는 쪽만 담당한다는 것이 이 회사의 범위 설정이다.

회사는 Romir Jain과 Arnav Gupta가 공동 창업했고 두 사람 모두 co-founder로 표기된다. 페이지는 "we are building"이라는 현재진행 표현을 쓰며, 시작 방법으로 제품 가입이 아니라 이메일 문의를 안내한다.

핵심 개념

시연 데이터(demonstration) 는 사람이나 다른 로봇이 과제를 수행한 기록으로, 로봇이 그 행위를 흉내 내어 배우는 학습 자료가 된다. Cupel이 다루는 입력이 모두 이 범주에 속한다.

policy 는 현재 observation을 받아 다음 action을 정하는 함수를 말한다. Tether Studio가 개발 대상으로 삼는 것이 이 policy다.

Tether 는 같은 회사가 공개한 오픈소스 CLI로, 학습이 끝난 VLA policy를 ONNX로 변환하고 서빙하며 배포 가부를 판정한다. Tether Studio는 별개 제품이 아니라 이 CLI의 시각 표면이다.

제품 구성

Cupel

Cupel의 표제 문구는 "시연 데이터를 로봇이 배울 수 있는 데이터로 바꾼다"이다. 강조점은 수집이 아니라 변환에 있다. 이미 있는 기록을 학습에 쓸 수 있는 형태로 만드는 것이 이 제품의 일이다.

입력으로 받는 자료는 네 종류다.

입력	설명
robot recordings	로봇이 직접 수행한 기록
human video	사람이 과제를 수행하는 영상
spatial data	공간 정보를 담은 데이터
손에 든 장치 시연 데이터(handheld demonstration)	사람이 손에 든 장치로 직접 수행한 기록

네 종류를 한 제품이 함께 받는다는 점이 설계 의도를 드러낸다. 로봇 본체로 수집한 데이터만 쓰는 것이 아니라, 사람 영상과 손에 든 장치로 모은 기록까지 같은 파이프라인에 넣겠다는 뜻이다. teleoperation 장비가 없어도 데이터를 모을 수 있는 경로를 열어두는 접근이다.

목표는 세 단계로 서술된다. 대상 로봇과 과제와 학습 설정에 맞는 데이터셋을 준비하고, 그 데이터셋이 실제로 학습에 도움이 되는지 측정하고, 다음에 어떤 데이터를 모아야 하는지 식별한다.

기능 목록도 이 세 단계와 대응한다.

기능	내용
원본 데이터 정비	데이터를 이해하고, alignment하고, 손상된 부분을 복구하고, 정보를 보강한다
대상 맞춤 데이터셋 컴파일	시연 데이터를 변환해 대상 로봇과 과제에 맞는 데이터셋으로 묶는다
학습 유용성 평가	학습에 얼마나 기여했는지 평가하고 다음 수집 계획을 세운다

세 번째 항목이 이 제품의 관점을 가장 잘 보여준다. 데이터 수집을 한 번 끝내는 작업이 아니라, 평가 결과가 다음 수집 계획으로 이어지는 순환으로 다룬다. 어떤 데이터가 부족한지를 학습 결과로 역추적한다는 뜻이다.

Tether Studio

Tether Studio는 "Tether를 위한 시각 워크스페이스"로 정의된다. CLI로 흩어져 있던 작업을 하나의 인터페이스로 모으는 것이 이 제품의 역할이다. 페이지가 열거하는 워크플로는 모델 준비, 서빙, 최적화, 검사, 개선, 릴리스 여섯 가지다.

사용 방식은 한 문장으로 요약된다. policy 하나를 실험을 거쳐 따라가되, 그 설정과 증거를 함께 보이게 둔다. 즉 어떤 설정으로 실행했고 그 결과 어떤 증거가 남았는지를 policy와 분리하지 않고 같은 화면에 둔다.

기능 목록은 세 항목이다.

기능	내용
준비와 설정	모델을 준비하고 policy 실행 방식을 설정한다
검사와 비교	실행을 검사하고 최적화하며 변경 전후를 비교한다
릴리스 연결	검사와 결과를 릴리스 결정으로 이어간다

세 번째 항목은 CLI 쪽 Tether가 내놓는 승격 판정과 직접 대응한다. Tether는 수집한 증거를 바탕으로 PROMOTE, HOLD, ROLLBACK 중 하나를 반환하는데, Tether Studio는 그 판정에 들어간 증거와 판정 자체를 같은 화면에서 보게 만든다.

두 제품의 관계

페이지는 두 제품이 순서를 이루면서도 서로를 요구하지 않는다고 못박는다. 데이터 준비만 필요하면 Cupel만, policy 개발만 필요하면 Tether Studio만 쓰면 된다. 페이지의 표현으로는 "각각 단독으로 쓸모 있다"이다.

항목	Cupel	Tether Studio
담당 구간	학습 이전의 데이터 준비	학습 이후의 policy 개발과 배포
입력	로봇 기록, 사람 영상, 공간 데이터, 손에 든 장치로 모은 시연 데이터	학습이 끝난 모델
산출물	대상 로봇과 과제에 맞는 데이터셋	실행 증거와 릴리스 결정
기반	독립 제품	Tether CLI의 시각 표면

사용 조건

페이지 하단 FAQ가 진입 조건을 세 가지로 정리한다.

질문	답
두 제품이 모두 필요한가	아니다. 두 제품은 별개이고 어느 한쪽도 다른 쪽을 요구하지 않는다
실제 로봇이 필요한가	아니다. Cupel은 기존 데이터로, Tether Studio는 지원되는 로컬 시뮬레이터 워크플로로 시작할 수 있다
어떻게 시작하는가	team@fastcrest.com으로 보유한 데이터나 policy, 대상 로봇이나 과제, 풀려는 문제를 적어 보낸다

두 번째 답에는 단서가 붙는다. 시작은 시뮬레이터로 할 수 있지만 실제 배포를 확인하려면 결국 대상 하드웨어에서 나온 증거가 필요하다. 이 단서는 CLI 쪽 Tether의 설계와 일치한다. Tether도 배포 판정의 근거를 실제 대상 장비에서 측정한 값으로 요구한다.

한계

이 페이지에서 확인할 수 없는 것이 여럿이다.

검증 가능한 주장이 없다. 기능 목록은 있지만 그것이 어떻게 구현되는지, 얼마나 잘 동작하는지에 대한 근거가 페이지에 없다. 벤치마크, 성공률, latency, 데이터 규모 중 어느 것도 제시되지 않는다.
두 제품의 공개 상태가 불분명하다. "we are building"이라는 현재진행 표현을 쓰고 시작 방법이 이메일 문의뿐이라, 일반 공개 상태인지 사용 신청을 받는 단계인지 판단하기 어렵다.
가격과 라이선스 정보가 없다. CLI인 Tether는 BSL 1.1로 공개되어 있지만 Cupel과 Tether Studio의 제공 조건은 나와 있지 않다.
Cupel의 입력 형식이 특정되지 않았다. "robot recordings", "spatial data" 같은 범주만 있고 지원 데이터 형식이 명시되지 않는다. Tether CLI가 LeRobot v3.0 코퍼스를 검증 대상으로 삼는 점으로 미루어 같은 계열을 다룰 가능성이 있으나 이 페이지만으로는 확인되지 않는다.
본문이 얕다. 전체 본문이 약 3,100자이고 그중 상당 부분이 내비게이션과 호출 문구다. /cupel과 /tether-studio 하위 페이지에 더 깊은 내용이 있을 것으로 보이며 이번 수집 범위에 들어 있지 않다.

수치가 필요하면 Tether (FastCrest/tether, GitHub repo)를 본다. 그 저장소의 README에는 네 VLA 계열의 ONNX parity 수치, TensorRT execution provider의 latency 비교, LIBERO 성공률, 하드웨어별 메모리 적합성이 표로 정리되어 있다.

핵심 용어

용어	뜻
Cupel	FastCrest의 로봇 데이터 준비 제품. 여러 출처의 시연 데이터를 대상 로봇과 과제에 맞는 데이터셋으로 만든다
Tether Studio	Tether CLI의 시각 워크스페이스. 모델 준비부터 릴리스 결정까지를 한 인터페이스에 모은다
Tether	FastCrest의 오픈소스 VLA 배포 CLI. 이 페이지에서는 Tether Studio의 기반으로만 언급된다
손에 든 장치 시연 데이터(handheld demonstration)	사람이 손에 든 장치로 직접 수행한 기록. 로봇 본체 없이 수집할 수 있는 입력 형태다

요약

배경