구글 딥마인드, 제미나이 1.5 프로 탑재한 사무실 자율주행 로봇 공개

지난해 구글의 대규모 정리해고 과정에서 문을 닫았던 사내 로봇 프로젝트 Everyday Robots의 기기들이 다시 현장에 모습을 드러냈습니다.

구글 딥마인드 로보틱스 팀은 이번 주 Gemini 1.5 Pro를 두뇌로 탑재한 로봇이 9,000평방피트(약 836제곱미터) 규모의 사무실을 자율적으로 안내하는 연구 결과와 시연 영상을 공개했습니다.

신입사원 인수인계하듯 둘러보며 공간 학습

딥마인드가 발표한 Mobility VLA 논문의 핵심은 긴 문맥을 처리하는 비전-언어 모델(VLM)과 위상 지도를 결합해 로봇의 내비게이션 능력을 끌어올리는 것입니다.

연구진은 공간 학습을 위해 MINT(시연 투어를 통한 다중 모달 명령 내비게이션) 방식을 도입했습니다. 복잡한 CAD 지도를 사전에 입력하는 대신, 사람이 로봇을 데리고 사무실을 한 바퀴 돌며 음성으로 주요 랜드마크를 설명해 주는 방식입니다.

이후 계층형 Vision-Language-Action(VLA) 구조가 주변 시각 정보와 Gemini의 상식 추론 능력을 결합합니다. 덕분에 로봇은 일상적인 구두 명령뿐만 아니라 화이트보드의 손글씨, 낙서 지도, 손짓까지 이해할 수 있게 됩니다.

화이트보드 약도를 보고 길을 찾아가는 로봇

공개된 영상에서 노란색 나비넥타이를 맨 로봇은 스마트 스피커처럼 "OK, Robot"이라는 호출어로 작동합니다.

한 직원이 "그림을 그릴 수 있는 곳으로 데려다 달라"고 말하자 로봇은 "Gemini로 생각 중이니 잠시만 기다려 달라"고 답한 뒤 벽면 크기의 대형 화이트보드 앞으로 직원을 안내했습니다.

또 다른 실험에서는 화이트보드에 대충 손으로 그린 약도를 보여주며 경로를 따르라고 지시했습니다. 로봇은 손그림을 인식하고 경로를 계산해 로봇 테스트 구역까지 목적지를 찾아갔으며, 성공적으로 임무를 마쳤다고 안내 방송을 했습니다. 구글에 따르면 50회 이상의 실제 상호작용에서 약 90%의 성공률을 기록했습니다.

왜 중요한가

우리는 딥마인드가 로봇의 복잡한 경로 탐색 알고리즘을 새로 짜는 대신 범용 대형 모델의 상식 추론에 이동 판단을 맡긴 점이 매우 영리한 접근이라고 봅니다.

기존 서비스 로봇은 지도에 등록된 명칭이 아니면 작동하지 못해 "그림 그릴 수 있는 곳" 같은 인간 특유의 모호한 요구를 처리하지 못했습니다. Gemini 1.5 Pro가 물리적 공간과 상식을 이어주면서, 사람이 즉흥적으로 그린 약도를 해석해 길을 찾는 수준의 유연성이 확보되었습니다.

다만 상용화 관점에서는 명확한 한계도 보입니다. 로봇이 이동하기 전 "Gemini로 생각하는 중"이라며 수십 초에 달하는 지연 시간을 요구하는 것은 실제 바쁜 업무 환경이나 병원 등에서는 답답함을 줄 수 있습니다. 50여 회의 테스트와 90% 성공률 역시 일상적으로 로봇을 혼자 굴리기에는 여전히 오작동 위험이 있습니다.

그럼에도 버려졌던 하드웨어에 최신 VLM 두뇌를 얹는 것만으로도 이 정도의 상황 대처 능력이 구현된다는 사실은, 로봇 산업의 주도권이 정밀 기계 제어에서 멀티모달 소프트웨어로 완전히 넘어가고 있음을 잘 보여줍니다.