Gemini Robotics ER 2: 로봇이 '지금 이 순간'을 이해하기 시작했다

로봇에게 “커피를 따라줘”라고 말한다고 생각해 보자. 사람이라면 컵의 위치, 따라진 양, 멈춰야 할 타이밍을 직관적으로 판단한다. 그러나 지금까지의 AI 로봇은 이 모든 단계를 별도로 프로그래밍해야 했다. 2026년 7월 공개된 Gemini Robotics ER 2는 바로 그 간극을 메우기 위해 등장한 모델이다.

몸을 가진 AI를 위한 두뇌

Gemini Robotics ER 2는 구글 딥마인드가 개발한 비전-언어 모델(VLM)이다. 텍스트, 이미지, 비디오, 오디오를 동시에 인터리빙 방식으로 처리할 수 있어, 로봇의 시각·청각 정보와 상황 판단을 하나로 통합한 두뇌 역할을 한다 ¹.

기반 모델은 Gemini 3.5 Flash이며, 최대 128,000토큰의 입력 컨텍스트 윈도우와 64,000토큰의 텍스트 출력을 지원한다 ¹. 학습은 Google의 TPU에서 이뤄졌고, 소프트웨어 스택은 JAX와 ML Pathways로 구현되었다 ¹. 개발자는 Gemini API, Google AI Studio, Gemini Enterprise Agent Platform을 통해 이 모델에 접근할 수 있다.

정확도가 전부는 아니다: 맥락을 이해한다는 것

벤치마크 수치만 보면 엇갈린 인상을 받을 수 있다. 연속 진행률 분류(progress classification) 정확도는 57.4%로, 아직 개선의 여지가 크다 ². 하지만 실전에서 더 중요한 지표는 따로 있다. 주요 순간 탐지(moment-finding) 정확도가 91.3% 에 달한다는 점이다 ².

이 차이가 중요한 이유는 분명하다. 로봇이 컵에 물을 따를 때, 전체 공정을 대략적으로 이해하는 것과 ‘물이 컵 끝까지 차오르는 결정적 순간’을 정확히 포착하는 것은 별개의 능력이다. 후자를 놓치면 결국 물이 넘치게 된다. Gemini Robotics ER 2는 평균 절대 거리 오차가 0.96초에 불과해, 실시간 대응이 필수인 물리적 작업에 점점 더 근접하고 있다 ².

이와 함께 눈여겨볼 부분은 안전성이다. Gemini Robotics ER 2는 Safety Instruction Following과 Human Proximity 벤치마크에서 이전 버전인 Gemini Robotics ER 1.6보다 높은 성능을 기록했다 ¹. 사람이 가까이 다가가면 작업을 멈추거나 속도를 조절하는 판단력이 한층 정교해졌다는 의미다.

개발자가 알아야 할 현실적인 활용법

Gemini Robotics ER 2는 연구실을 넘어 실제 개발 환경으로 들어왔다. Gemini API로 바로 호출할 수 있고, 엔터프라이즈 플랫폼에서도 활용 가능하다.

그러나 주의할 점도 분명히 존재한다. 구글은 의료, 교통 등 안전이 결정적인 영역에는 이 모델을 사용하지 말라고 명시하고 있다 ¹. 아직은 오작동 가능성을 완전히 배제할 수 없기 때문이다. 따라서 개발자는 생산 환경에 적용하기 전에 반드시 자체적인 검증을 거쳐야 한다.

로봇 AI의 진짜 과제는 ‘정확하게 움직이는 일’이 아니라 ‘언제, 무엇을 해야 하는지 아는 일’이다. Gemini Robotics ER 2는 그 본질적인 질문에 한 걸음 더 가까이 다가간 모델이다. 완벽하지는 않지만, 로봇이 순간을 이해하고 스스로 판단을 내리는 시대가 이 모델을 기점으로 본격화되고 있다.

¹Gemini Robotics ER 2 - Model Card — Google DeepMind

²Google reveals Gemini Robotics 2.0, promising improved dexterity and safety