Google Gemini Robotics 모델이 더 스마트한 로봇을 구현하고 있습니다.

수십 년 동안 로봇은 연구실, SF 영화, 최첨단 산업 프로토타입 전시회 등에 등장하며 미래를 상징해 왔습니다. 이제 최근 인공지능 (AI)의 발전 덕분에 이러한 프로토타입은 통제된 환경을 넘어 실제 애플리케이션으로 나아가고 있습니다.

특히 Google은 Gemini Robotics를 통해 더 스마트한 로봇을 구축하는 데 필요한 기술에 한 걸음 더 다가가고 있습니다. 2025년 3월 12일에 출시된 Gemini Robotics 모델과 컴패니언 모델인 Gemini Robotics-ER(Embodied Reasoning)은 Google DeepMind의 최신 혁신 기술입니다.

이 모델들은 텍스트, 이미지, 오디오, 동영상 등 다양한 유형의 데이터를 처리하고 생성하여 더욱 유연하고 자연스러운 상호작용을 지원하는 멀티모달 대규모 언어 모델 (LLM)인 Gemini 2.0을 기반으로 구축되었습니다. 이러한 모델은 Gemini 2.0의 멀티모달 기능을 물리적 세계로 확장하여 더욱 민첩하고 상호작용적이며 지능적인 로봇을 구현합니다.

예를 들어 고정된 지침을 따르는 기존 로봇과 달리 Gemini Robotics 모델이 통합된 로봇은 비전과 언어를 처리할 수 있습니다. 이를 통해 실시간으로 의사 결정을 내리고 변화하는 환경에 적응할 수 있습니다.

이 글에서는 Gemini Robotics와 Gemini Robotics-ER, 이러한 모델의 작동 방식, 주요 기능과 애플리케이션을 살펴보겠습니다. 시작해 보겠습니다!

그림 1. Gemini Robotics는 로봇이 여러 작업을 효율적으로 수행하도록 지원합니다.

Google Gemini Robotics 소개#

Google의 Gemini Robotics는 로봇이 물리적 세계를 인식하고 추론하며 상호작용할 수 있도록 설계된 고급 AI 모델입니다. 비전-언어-행동 (VLA) 모델인 Gemini Robotics는 로봇이 지침을 처리하고 주변 환경을 해석하며 높은 정밀도로 복잡한 작업을 수행할 수 있도록 합니다.

한편 Gemini Robotics-ER 모델은 물체의 위치, 이동 방식, 상호작용 방식을 비롯한 공간적 관계를 이해하는 로봇의 능력을 향상합니다. 이를 통해 로봇은 동작을 예측하고 그에 맞게 움직임을 조정할 수 있습니다.

예를 들어 로봇이 헤드폰에 전선을 감아야 하는 작업을 생각해 보겠습니다. Gemini Robotics-ER은 장면을 이해하고, 전선의 형태와 유연성을 인식하며, 헤드폰의 구조를 파악하고, 전선이 움직일 때 어떻게 휘어질지 예측하도록 지원합니다. 그런 다음 Gemini Robotics는 이러한 이해를 행동으로 변환하여 양손을 조정해 전선을 부드럽게 다루고, 엉키지 않도록 그립을 조정하며, 전선이 단단히 감기도록 합니다.

Gemini Robotics와 Gemini Robotics-ER은 인식과 행동을 결합하여 동적 환경에서 로봇이 민첩한 작업을 효율적으로 수행할 수 있도록 하는 지능형 시스템을 구축합니다.

그림 2. Gemini Robotics 모델 제품군 개요입니다.

로보틱스의 AI: Gemini Robotics의 작동 방식 살펴보기#

이제 각 모델을 자세히 살펴보며 Gemini Robotics와 Gemini Robotics-ER이 유연성과 신속한 동작 사이의 균형을 유지하면서 어떻게 함께 작동하는지 알아보겠습니다.

한편 Gemini Robotics-ER은 제로샷 코드 생성과 소수 샷 컨텍스트 학습 (ICL)이라는 두 가지 핵심 메커니즘을 활용합니다. 제로샷 코드 생성을 사용하면 모델은 추가 학습 없이 작업 지침, 이미지, 실시간 데이터를 바탕으로 로봇을 제어하는 코드를 생성할 수 있습니다.

마찬가지로 few-shot learning을 사용하면 모델은 소수의 예시만으로 학습하여 새로운 작업에 적응하므로 광범위한 학습의 필요성이 줄어듭니다. 이러한 방법을 함께 사용하면 로봇이 복잡한 작업을 빠르게 수행하고 최소한의 노력으로 새로운 과제에 적응할 수 있습니다.

반면 Gemini Robotics는 속도와 효율성을 위해 구축되었습니다. 클라우드 기반 백본과 온보드 액션 디코더로 구성된 하이브리드 시스템을 사용합니다. 클라우드 기반 백본은 정보를 빠르게 처리하며, 쿼리에서 응답까지의 지연 시간이 160밀리초 미만입니다.

그런 다음 온보드 디코더가 이 데이터를 실시간 동작으로 변환합니다. 이 통합 시스템은 약 250밀리초의 전체 응답 시간과 초당 50회의 동작 제어 속도를 달성합니다.

그림 3. Gemini Robotics가 실시간 로봇 제어를 지원하는 방식을 보여줍니다.

Gemini Robotics의 주요 기능#

Gemini Robotics의 주요 기능을 간단히 살펴보겠습니다:

• 범용성: 정확도를 유지하면서 조명, 배경, 물체의 변화에 적응할 수 있습니다. 또한 바꿔 표현한 명령이나 다국어 명령을 이해하고 다양한 조건에 맞게 움직임을 조정할 수 있습니다.

• 상호작용성: 이 모델은 광범위한 자연어 명령을 처리하고 직관적으로 응답할 수 있습니다. 또한 환경의 실시간 변화에 따라 동작을 조정하므로 인간-로봇 협업에 적합합니다.

• 민첩성: 이 모델로 구동되는 로봇은 종이접기를 하거나 섬세한 물체를 다루는 등 복잡하고 정밀한 작업을 수행할 수 있습니다. 단계별 프로세스든 빠른 동작이든 모델이 작업을 효율적으로 수행하도록 지원할 수 있습니다.

• 다양한 로봇 구현체: 양팔 시스템과 휴머노이드 로봇 등 다양한 로봇 플랫폼에서 적은 fine-tuning만으로 작동합니다. 높은 성능을 유지하면서 새로운 작업에 빠르게 적응합니다.

그림 4. Google Gemini Robotics는 다양한 로봇 플랫폼에서 작동합니다.

Gemini Robotics-ER의 주요 기능#

로봇이 세상을 이해하고 상호작용하도록 지원하는 Gemini Robotics-ER의 주요 기능을 살펴보겠습니다:

• 객체 감지 및 추적: 2D 및 3D 공간에서 객체를 식별하고 추적하는 데 사용할 수 있습니다. 자연어 쿼리를 사용하면 유형, 위치 또는 기능을 기준으로 로봇이 객체를 찾고 위치를 예측하도록 지원합니다.

• 포인팅: 이 기능을 사용하면 모델이 정밀한 좌표를 이용해 이미지 내 특정 객체나 부분을 정확히 지정할 수 있습니다. 로봇이 전체 객체, 객체의 일부 또는 빈 공간까지 찾도록 지원하는 데 사용할 수 있습니다.

• 그립 예측: Gemini Robotics-ER은 형태와 기능을 바탕으로 객체를 잡는 최적의 방법을 판단하는 데 사용할 수 있습니다. 바나나나 컵 손잡이처럼 어디를 잡아야 하는지 예측하여 로봇이 물체를 조심스럽게 다룰 수 있도록 합니다.

• 궤적 추론: 모델은 동작 시퀀스를 예측하여 이동 경로를 계획할 수 있습니다. 예를 들어 로봇의 손을 도구 쪽으로 유도하거나 특정 작업을 위한 웨이포인트를 정의하여 로봇이 작업을 효율적으로 완료하도록 지원할 수 있습니다.

• 다중 뷰 대응: 이 기능은 다양한 각도에서 객체가 어떻게 보이는지 비교하여 모델이 3D 구조를 이해하도록 지원합니다. 공간 추론을 향상하는 데 사용할 수 있으며, 이를 통해 로봇이 동적 환경에서 객체와 더 효과적으로 상호작용할 수 있습니다.

그림 5. Gemini Robotics-ER은 다양한 작업을 처리할 수 있습니다.

Google Gemini Robotics 모델의 애플리케이션#

이제 Gemini Robotics와 Gemini Robotics-ER의 주요 기능을 살펴보았으니, 다양한 산업 분야에서의 실제 애플리케이션을 자세히 알아보겠습니다.

Google Gemini Robotics는 제조 분야에서 사용할 수 있습니다#

제조에서는 정밀도와 속도도 중요하지만, 모든 작업이 원활하게 진행되도록 하는 핵심 요소는 적응성입니다. 예를 들어 Gemini로 구동되는 산업용 로봇은 올바른 부품을 식별하고 정확한 위치에 배치하며 유연한 고무 밴드를 정밀한 힘으로 다루어 풀리 시스템을 조립할 수 있습니다.

로봇은 밴드를 늘리고 풀리 주위에 고리를 만든 다음, 밴드가 끊어지거나 어긋나지 않도록 고정할 수 있습니다. 설정이 변경되거나 작업이 달라져도 광범위한 재프로그래밍 없이 적응할 수 있습니다. 이러한 스마트 자동화는 오류를 줄이고 효율성을 향상하며 제조 프로세스가 원활하게 운영되도록 합니다.

그림 6. 양팔 산업용 로봇이 풀리 시스템에 고무 밴드를 정밀하게 장착하고 있습니다.

Gemini Robotics로 구현되는 스마트 홈#

바쁜 일정으로 인해 집안일을 챙기기 어려울 수 있습니다. 스마트 로봇은 청소, 식료품 분류, 식사 준비 지원과 같은 작업을 대신하여 일상생활을 더 편리하게 만들 수 있습니다.

예를 들어 로봇이 도시락 가방을 포장하면서 음식물을 신중하게 선택해 안에 넣고, 과일이나 캔처럼 깨지기 쉬운 물건을 보호하도록 그립을 조정하는 모습을 생각해 볼 수 있습니다. 배치가 바뀌더라도 로봇은 스스로 적응하여 최소한의 감독으로 일상적인 집안일을 덜어줄 수 있습니다.

그림 7. 조심스럽게 도시락 가방을 포장하는 휴머노이드 로봇입니다.

Gemini Robotics 활용의 장단점#

Gemini Robotics는 정밀한 제조부터 스마트 홈 지원까지 로봇이 수행할 수 있는 작업의 범위를 확장하고 있습니다. 다양한 애플리케이션에서 Gemini Robotics를 사용할 때의 주요 이점은 다음과 같습니다:

• 최소한의 학습 요구 사항: 기존 로봇과 달리 Gemini Robotics 기반 로봇은 몇 번의 시연만으로 학습할 수 있어 학습 비용을 줄이고 더 쉽게 배포할 수 있습니다.
• 향상된 안전성: 위험한 환경에서 Gemini Robotics가 통합된 로봇은 위험한 작업을 수행하여 인간 작업자의 부상 위험을 줄일 수 있습니다.
• 사용자 지정 가능한 기능: Gemini Robotics의 유연성 덕분에 다양한 산업이나 개별 기업의 구체적인 요구 사항에 맞게 조정할 수 있으며, 특화된 애플리케이션과 고유한 솔루션을 구현할 수 있습니다.

Gemini Robotics는 여러 이점을 제공하지만 다음과 같은 한계도 해결해야 합니다:

• 공간적 관계 파악의 어려움: 이러한 모델은 긴 동영상 시퀀스에서 공간적 관계를 계속 추적하는 데 어려움을 겪을 수 있으며, 이는 시간에 따른 객체 추적 및 이해 능력에 영향을 줍니다.
• 수치 정밀도 부족: 포인트와 바운딩 박스 같은 모델의 예측은 섬세한 로봇 작업처럼 정밀한 제어가 필요한 작업에 충분히 정확하지 않을 수 있습니다.
• 복잡한 작업: Gemini Robotics는 여러 단계의 추론과 정밀한 움직임이 필요한 복잡한 작업, 특히 새롭거나 익숙하지 않은 상황을 처리하는 데 어려움을 겪을 수 있습니다.

로보틱스에서 AI의 미래#

AI가 계속 발전함에 따라 Gemini Robotics와 Gemini Robotics-ER 같은 모델은 로보틱스의 미래를 이끌고 있습니다. 향후 개선은 여러 단계의 추론을 강화하여 로봇이 작업을 논리적인 단계로 나누고 더 높은 정밀도를 달성하도록 하는 데 초점을 맞출 가능성이 높습니다.

Google DeepMind가 개발할 계획인 또 다른 핵심 영역은 시뮬레이션 기반 학습입니다. 로봇은 실제 환경에 배포되기 전에 가상 환경에서 학습함으로써 의사 결정과 움직임을 개선하고 실제 애플리케이션에서 발생하는 오류를 최소화할 수 있습니다.

이러한 기술이 발전하면 로봇이 더욱 자율적이고 적응력이 뛰어나며 일상생활에서 인간과 원활하게 협업할 수 있는 미래를 열어갈 수 있습니다.

핵심 요점#

Gemini Robotics는 AI 기반 자동화의 큰 도약으로, 디지털 지능과 실제 물리적 작업을 연결합니다. 비전, 언어, 행동 기반 학습을 결합함으로써 이러한 로봇은 복잡한 작업을 정밀하고 유연하게 처리할 수 있습니다.

로봇이 계속 더 스마트해짐에 따라 일상생활에서 더 큰 역할을 하게 될 가능성이 높으며, 인간과 기계가 협업하는 방식도 변화할 것입니다. 이러한 발전은 AI 기반 자동화가 산업과 일상적인 작업을 모두 향상하는, 더욱 지능적이고 연결된 세상에 한 걸음 더 가까이 다가가게 합니다.

성장하는 저희 커뮤니티의 일원이 되어 보세요! GitHub 저장소를 방문하여 AI를 더 깊이 알아보세요. 직접 컴퓨터 비전 프로젝트를 시작하고 싶으신가요? 저희의 라이선싱 옵션을 살펴보세요. 솔루션 페이지에서 제조 분야의 AI와 자동차 산업의 Vision AI에 대해 자세히 알아보세요!