구글, 로봇 전용 모델 '제미나이 로보틱스' 패밀리 개발 과정 공개

식탁 위에 놓인 신발 안에 펜을 집어넣으라는 명령, 그리고 처음 보는 장난감 농구 골대를 향해 "슬램덩크를 해보라"는 요청.

양팔 로봇은 잠시 과제를 파악하더니 첫 시도 만에 부드럽게 덩크를 성공시켰습니다. Google DeepMind의 로보틱스 총괄 Carolina Parada 연구팀이 새로운 로봇 전용 모델을 시험하던 중 확인한 장면입니다.

Google은 로봇 제어에 특화된 새로운 Gemini 2.0 모델 제품군을 공개했습니다. Sundar Pichai Google CEO는 X를 통해 이번 성과가 차세대 로보틱스의 기반을 마련했다고 밝혔습니다.

종이접기부터 휴머노이드 제어까지

이번 모델들은 Gemini 2.0을 기반으로 로봇 특화 데이터를 파인튜닝해 개발되었습니다. 텍스트와 영상, 음성을 넘어 물리적 행동까지 멀티모달 출력으로 확장한 것이 핵심입니다.

제품군은 크게 두 가지로 나뉩니다. 첫 번째는 Gemini 2.0 Flash 기반의 체화 추론 모델인 Gemini Robotics-ER입니다.

이 모델은 눈앞의 사물을 인식하고 3차원 공간에서 위치를 측정하며, 물체를 쥐고 옮기는 데 필요한 궤적을 예측한 뒤 실행 코드를 생성합니다. 현재 신뢰할 수 있는 테스터와 파트너를 대상으로 제공되고 있습니다.

두 번째는 가장 진보된 비전-언어-행동 모델인 Gemini Robotics입니다. 로봇 공학에서 가장 까다로운 영역으로 꼽히는 물리적 손동작의 정교함에 초점을 맞췄습니다.

DeepMind는 단일 작업을 반복 훈련하던 기존 업계 관행 대신 수많은 작업을 광범위하게 학습시키는 방식을 택했습니다. 그 결과 로봇은 샐러드를 만들고 도시락을 싸며, 틱택토 게임을 하거나 종이 여우를 접는 등 복잡한 다단계 작업을 매끄럽게 수행했습니다.

이 모델들은 연구용 양팔 로봇 ALOHA뿐 아니라 파트너사 Apptronik이 개발한 휴머노이드 로봇 Apollo 등 다양한 형태의 기체에도 유연하게 적용됩니다.

왜 중요한가

우리는 이번 발표가 로봇이 '프로그래밍된 기계'에서 '상황을 이해하는 에이전트'로 넘어가는 중요한 변곡점을 보여준다고 생각합니다.

기존 산업용 로봇은 대상 물체의 위치가 몇 센티미터만 바뀌어도 오작동하기 일쑤였습니다. 하지만 Gemini의 언어·공간 추론 능력이 물리적 조작과 결합하면서, 사전에 배운 적 없는 추상적인 지시도 현장에서 스스로 판단해 실행할 수 있는 일반화 능력이 입증되었습니다.

로봇 스타트업과 연구진 입장에서는 복잡한 3D 공간 추론 및 제어 파이프라인을 바닥부터 구축할 필요 없이 Gemini Robotics-ER을 기반으로 하드웨어 상용화에 집중할 수 있게 되었습니다.

다만 Parada 총괄이 언급했듯 가정에서 빨래와 청소를 도맡아 하는 로봇을 만나기까지는 아직 수년의 시간이 더 필요해 보입니다. 통제된 환경에서 종이 여우를 접는 것과 예측 불가능한 가정집 환경을 탐색하는 것은 차원이 다른 문제입니다. 하드웨어의 내구성과 반응 지연 시간 문제도 여전합니다. 이 모델들은 가사 도우미보다는 복잡한 물류나 제조 현장 등 산업 환경에 먼저 적용될 가능성이 높아 보입니다.