구글 딥마인드, 로봇 전용 제미나이 공개: 종이접기까지 척척

화면 안에서 글을 쓰고 코딩을 돕는 AI는 이미 익숙하지만, 접힌 종이를 들어 올려 종이접기를 하거나 스낵을 지퍼백에 깔끔하게 넣는 일은 로봇에게 여전히 난제였습니다.

구글 딥마인드가 3월 12일 Gemini 2.0을 기반으로 물리 세계를 인식하고 행동하는 신규 모델 2종, Gemini Robotics와 Gemini Robotics-ER을 공개했습니다. 화면 속 대화형 도우미에 머물던 대규모 멀티모달 모델을 로봇의 눈과 손발로 확장하겠다는 의도입니다.

직접 관절을 움직이는 손과 공간을 읽는 두뇌

두 모델은 로봇 제어에서 서로 다른 층위를 맡습니다.

Gemini Robotics는 시각, 언어, 행동을 하나로 묶은 VLA(Vision-Language-Action) 모델입니다. 텍스트나 코드 대신 로봇의 물리적 움직임을 출력값으로 바로 내보내 제어합니다. 딥마인드에 따르면 이 모델은 종합 일반화 벤치마크에서 기존 최고 수준 VLA 모델들 대비 2배 이상의 성능을 기록했습니다. 일상적인 구어체와 다국어 명령을 유연하게 알아듣고, 종이접기나 간식 포장처럼 정밀한 조작이 필요한 연속 동작을 처리합니다.

함께 공개된 Gemini Robotics-ER의 ER은 체화된 추론(Embodied Reasoning)을 뜻합니다. 직접 모터를 굴리기보다는 3D 객체 감지, 공간 위치 파악, 제어 코드 생성을 담당하는 공간 두뇌에 가깝습니다. 머그잔을 보면 손잡이를 두 손가락으로 어떻게 쥐어야 안전한지 궤적을 계산해 내며, 엔드투엔드 작업 성공률이 기본 Gemini 2.0 대비 2~3배 높습니다.

적용 범위도 빠르게 넓히고 있습니다. 연구진이 자주 쓰는 ALOHA 2나 Franka 로봇 팔은 물론, 휴머노이드 로봇 아폴로(Apollo)를 만드는 앱트로닉(Apptronik)과 제휴해 인간형 로봇에 모델을 얹는 작업을 진행 중입니다. 보스턴 다이내믹스, 어질리티 로보틱스 등도 조기 테스터로 참여했습니다. 안전 문제를 다루기 위해 아시모프의 로봇 3원칙에서 아이디어를 얻은 규칙 프레임워크와 안전 벤치마크 데이터셋인 ASIMOV도 함께 내놓았습니다.

왜 중요한가

기존 로봇 프로그래밍은 컵 위치가 몇 센티미터만 바뀌어도 동작이 멈추기 일쑤였습니다. 범용 파운데이션 모델의 인지 능력이 로봇에 이식되면서, 한 번도 본 적 없는 물건이나 달라진 조명 환경에서도 작업을 이어갈 수 있는 길이 열리고 있습니다.

우리는 딥마인드가 모든 제어를 엔드투엔드 인공신경망 하나에 몰아넣지 않고, 기존 제어기와 결합할 수 있는 Robotics-ER 경로를 함께 제시한 점이 영리하다고 봅니다. 물리 세계에서 인간과 함께 일하는 산업용·가정용 로봇은 충돌 회피와 힘 제어 같은 물리 안전선이 절대적으로 보장되어야 하기 때문입니다.

하지만 데모 영상 속의 종이접기와 실제 공장이나 주방의 복잡함 사이에는 여전히 간극이 큽니다. 거대 모델을 거쳐 물리 신호로 변환되는 과정에서 발생하는 지연 시간과 막대한 연산 비용을 어떻게 해결할지가 상용화의 핵심 변수입니다. 현재는 제한된 파트너사 위주로 테스트가 진행되고 있어, 일반 개발자가 당장 현장에 도입하기에는 아직 이릅니다.