Google DeepMind가 로봇용 AI 모델 Gemini Robotics 2를 공개했다. 이번 업데이트는 로봇이 작업을 이해하는 방식 자체를 바꾸는 데 초점이 맞춰져 있다. 세 가지 모델이 공개되었으며, 그중 추론을 담당하는 Gemini Robotics ER 2는 일반 개발자도 지금 바로 사용할 수 있다.
로봇의 ‘두뇌’가 분리된 이유
Gemini Robotics 2의 핵심은 사고와 행동의 역할 분리다. Gemini Robotics ER 2는 Gemini 3.5 Flash를 기반으로 구축된 시각-언어 모델(VLM)로서, 카메라로 들어온 현장 영상을 분석해 “지금 무엇을 해야 하는지” 판단하고 계획을 세운다. 텍스트, 이미지, 비디오, 오디오를 동시에 입력받아 최대 128k 토큰까지 처리할 수 있고, Gemini Live API와 통합되어 양방향 스트리밍으로 작동하기에 로봇이 멈춰서 생각하는 듯한 지연 없이 작업을 이어간다12.
실제 동작은 별도의 시각-언어-행동(VLA) 모델이 실행한다. 이 구조 덕분에 로봇은 한 동작을 수행하면서 동시에 다음 단계를 계획할 수 있게 되었다.
작업의 ‘끝’을 이해하는 능력
로봇에게 가장 어려운 문제 중 하나는 “작업이 언제 끝났는지” 판단하는 것이다. Gemini Robotics ER 2는 작업 진행 상황을 0~20%, 20~40% 등 5단계로 분류하며, 이 정확도는 57.4%에 도달해 이전 세대는 물론 경쟁 모델보다 높다3. 완벽하지는 않지만, 로봇이 실시간으로 자신의 진도를 파악할 수 있게 되었다는 점이 중요하다.
특정 순간을 포착하는 능력도 개선되었다. 예를 들어, 컵에 커피를 따를 때 정확히 언제 멈춰야 하는지를 찾아내는 ‘순간 탐지’ 작업에서 91.3%의 정확도, 평균 0.96초의 오차를 기록했다3. 이는 더 큰 모델들과 비슷한 정밀도지만, 컴퓨팅 비용은 훨씬 적고 실행 속도는 4배 빠르다. 물리 환경에서 작동하는 로봇에는 낮은 지연시간이 결정적이다.
하나의 지능, 다양한 몸체
Gemini Robotics 2는 여러 형태의 로봇 몸체를 하나의 모델로 구동할 수 있다. VLA 모델은 Apptronik Apollo 2 로봇에 장착된 22자유도의 5손가락 핸드를 제어하는 정교한 조작 능력을 갖췄으며, 동시에 Franka Duo 같은 다른 플랫폼도 구동한다4.
온디바이스 모델인 Gemini Robotics On-Device 2는 새로운 양팔 로봇에 적응하는 데 보통 200개 미만의 예제와 단 몇 시간만 필요로 한다4. 형태와 자유도가 전혀 다른 로봇에도 빠르게 이식될 수 있다는 뜻이다.
서로 다른 로봇이 협업하는 장면도 시연되었다. Apptronik Apollo 2와 Franka Duo가 Gemini Robotics ER 2의 지시 아래 공동 작업을 수행했고, Gemini Robotics ER 2로 구동되는 Boston Dynamics Spot 로봇은 자연어 명령으로 물건을 가져오는 데모를 선보였다. 관련 코드는 GitHub에 공개되어 있다3.
로봇이 더 민첩해졌다는 소식은 꾸준히 들려왔다. 하지만 Gemini Robotics 2가 보여준 진짜 변화는 로봇이 ‘자신의 진행 상황을 인식’하고 ‘실패한 단계만 재시도’하며 ‘다른 로봇과 협력’할 수 있게 되었다는 점이다. 아직 정확도가 60% 수준에 머무르는 등 갈 길이 남았지만, 로봇에게 ‘상황 인식’이라는 새로운 차원이 열렸다.
1Introducing Gemini Robotics ER 2
2Gemini Robotics ER 2 - Model Card — Google DeepMind
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.