구글 딥마인드, 로봇용 'Gemini Robotics-ER 1.6' 공개: 계기판 판독 및 공간 추론 강화

로봇이 물건을 집어 올리는 동작은 이미 익숙하지만, 복잡한 공장에서 아날로그 압력계의 바늘이 정확히 몇을 가리키는지 읽어내는 것은 여전히 까다로운 과제입니다.

구글 딥마인드가 4월 14일 로봇의 고차원 두뇌 역할을 하는 구체화 추론 모델 Gemini Robotics-ER 1.6을 공개했습니다.

이번 모델은 관절의 직접적인 모터 제어 대신 로봇의 공간 지각과 작업 계획, 성공 여부 판별에 집중하는 고수준 추론 모델입니다. 이전 세대인 1.5 버전과 Gemini 3.0 Flash를 모두 뛰어넘는 성능을 보이며, 현재 Gemini API와 Google AI Studio를 통해 개발자에게 제공되고 있습니다.

멀티뷰 시야 결합과 검색 툴 호출

Gemini Robotics-ER 1.6의 핵심 기반은 포인팅 능력입니다. 이미지 속 특정 지점을 짚어내는 과정을 중간 추론 단계로 활용해 정밀한 물체 계수와 궤적 계산, 최적의 파지점 탐색을 수행합니다.

예를 들어 파란 컵 안에 들어갈 수 있는 작은 물체만 가리키라는 복합 제약 조건도 공간 추론을 통해 처리할 수 있습니다.

자율 주행 로봇의 현장 투입을 가로막던 작업 완료 감지 능력도 크게 개선되었습니다. 로봇 머리에 달린 카메라와 손목 카메라 등 여러 시점의 영상 스트림을 시공간적으로 결합해 분석합니다.

이를 통해 조명이 열악하거나 물체가 일부 가려진 상황에서도 동작이 성공했는지 정확히 판단하고, 재시도할지 다음 단계로 넘어갈지 스스로 결정합니다. 필요한 경우 구글 검색을 직접 호출해 정보를 찾거나 하위 동작 모델에 명령을 내릴 수도 있습니다.

아날로그 계측기 판독 정확도 93%

이번 업데이트에서 가장 눈에 띄는 기능은 보스턴 다이내믹스와 협력해 개발한 계측기 판독 기능입니다.

보스턴 다이내믹스의 4족 보행 로봇 스팟이 산업 현장을 순찰하며 마주치는 아날로그 압력계, 온도계, 화학 사이트 글라스는 시차 왜곡과 빛 반사 때문에 판독이 매우 어렵습니다.

딥마인드는 비전 추론과 코드 실행을 결합한 에이전틱 비전 방식을 도입했습니다. 모델이 계측기 이미지를 직접 확대한 뒤, 눈금에 포인팅을 찍고 코드를 실행해 비율과 간격을 계산한 뒤 최종 수치를 읽어냅니다. Future Tools에 따르면 이 계측기 판독 정확도는 93%에 달합니다.

안전 제약 조건 준수 능력도 높아졌습니다. 20kg 이상의 무거운 물체나 액체류는 조작하지 않도록 공간 판단 단계에서 스스로 거절하며, 실제 산재 보고서 기반 위험 감지 테스트에서 Gemini 3.0 Flash 대비 텍스트 6%, 비디오 10% 높은 위험 감지율을 기록했습니다.

왜 중요한가

우리는 딥마인드가 단일 모델로 로봇의 모든 물리 제어를 처리하려 들지 않고, 고수준 추론과 툴 호출이라는 상위 레이어에 집중한 판단이 매우 현실적이라고 봅니다.

산업 시설 점검이나 물류 로봇을 개발하는 팀이라면 지금 당장 API를 테스트해 볼 가치가 충분합니다. 수십 년 된 산업 설비의 아날로그 계기판을 디지털로 전면 교체하는 비용을 들이지 않고도, 이동형 로봇과 이 추론 모델을 결합해 즉시 자동 점검 체계를 구축할 수 있기 때문입니다.

이미지를 눈으로 대충 어림잡아 수치를 맞히는 대신 코드를 실행해 비율을 계산하도록 설계한 점은 환각 현상을 줄이는 영리한 접근입니다. 다만 고차원 추론과 코드 실행이 클라우드 API를 오가며 이뤄지는 구조인 만큼, 통신 환경이 열악한 공장 폐쇄망이나 지하 시설에서 지연 시간과 연결 안정성을 어떻게 확보할지가 상용화의 핵심 과제가 될 것으로 보입니다.