Google이 로봇의 상위 판단을 맡는 Gemini Robotics Embodied Reasoning 2(ER 2)를 Google Cloud의 Gemini 플랫폼에서 공개 프리뷰로 내놨다. 기업이 Google DeepMind의 최신 로봇용 추론 모델을 Google Cloud의 기업용 보안, 멀티 에이전트 조율, 전 주기 관리 기능과 함께 쓸 수 있게 된 것은 이번이 처음이라고 회사가 밝혔다. Google은 이를 통해 피지컬 AI를 대규모로 시뮬레이션하고 평가하고 배포하기가 쉬워진다는 입장이다.
개발자와 기업 팀은 Gemini 플랫폼의 Model Garden에서 프리뷰 버전을 바로 쓸 수 있고, Agent Studio에서 시험해 볼 수 있다. 문서와 요금 안내는 별도 페이지에 있으며, 이 발표문에는 구체적인 요금과 제공 지역이 적혀 있지 않다. Gemini API 로보틱스 문서에는 예제 코드와 양방향 스트리밍 가이드가 있다.
ER 2는 Gemini 계열의 특화 모델로, Google이 올해 앞서 소개한 Gemini Robotics 2에서 로봇의 상위 두뇌 역할을 맡는다. Google은 고정형 로봇 팔부터 휴머노이드까지 로봇 형태를 가리지 않고 공간·시간 영상 이해, 장기 계획, 내장 가드레일을 결합했다고 밝혔다. 이를 바탕으로 사람과 자연스럽게 대화하고, 낮은 층위의 동작 모델과 하드웨어 API를 지휘하며, 수백 번의 판단이 필요한 수 분짜리 작업을 수행하고, 여러 로봇이 협업하게 한다는 것이 회사 설명이다.
작업 성공 여부를 영상으로 판단
현장 로봇은 다음 단계로 넘어가기 전에 직전 단계가 실제로 성공했는지 알아야 한다. ER 2는 이어지는 영상을 보며 작업 진행 상황을 이진 상태, 개별 범주, 연속 점수 중 하나로 분류한다. Google은 단계가 실패하면 전체 작업을 처음부터 다시 하지 않고 그 단계만 고쳐 반복할 수 있다고 밝혔다.
액체를 따르다 멈춰야 하는 순간처럼 중요한 사건이 일어난 영상 프레임을 짚는 정확도는 91.3%, 평균 절대 프레임 거리는 0.96초라고 Google이 밝혔다. 회사는 이 작업이 더 큰 모델 범주 여러 곳과 견줘 실행 속도가 4배이고, 연산 비용은 그 일부 수준이라고 주장한다. 세부 벤치마크와 안전 기술 보고서는 Google DeepMind 발표 페이지에서 볼 수 있다.
공간 추론도 강화했다. 시각 질의응답과 계기 읽기를 포함하며, 원형 다이얼, 점검창, 디지털 표시창, 선형 눈금, 자, 액체 온도계 등 10종 넘는 계기를 시각 입력만으로 읽고 해석한다.
도구로 선언한 제어 인터페이스를 지휘
개발자는 비전-언어-행동(VLA) 모델, 내비게이션 API, 맞춤 함수 같은 낮은 층위의 제어 인터페이스를 도구로 선언한다. 영상, 음성, 텍스트는 모델에 직접 스트리밍할 수 있다. 시뮬레이션, 실제 로봇 제어, 사람의 원격 조작 어디에서든 같은 방식이 통한다. 자연어 명령으로 내비게이션과 매니퓰레이터 이동 API를 지휘하며, 로봇이 동작하는 동안 접근 방식을 설명하고 운영자는 전문 용어 없이 방향을 바꿀 수 있다.
고정형 팔, 바퀴형 로버, 사족보행 로봇, 복합 형태까지 같은 모델이 맡는다. Google은 서로 다른 로봇이 작업 공간에 대한 의미적 이해를 공유하고 일을 나눠 넘겨받는 멀티 로봇 협업도 지원해, 로봇 한 대로는 끝내지 못하는 작업 흐름을 완성할 수 있다고 밝혔다.
Google Cloud에서 시뮬레이션부터 배포까지
Google은 피지컬 AI 개발 과정을 세 단계로 안내한다. 시뮬레이션 단계에서는 MuJoCo-Warp와 NVIDIA Isaac Sim 같은 익숙한 환경에서 하드웨어를 만지기 전에 로봇 동작을 시험한다. 이어 Gemini 플랫폼에서 멀티모달 모델로 합성 시나리오를 만들고 작업 셀 이미지를 자동으로 라벨링한다.
학습 단계에서는 ER 2의 공간 지목, 순간 찾기, 진행도 분류 기능으로 Cloud Storage와 BigQuery에 쌓인 시연 영상을 선별하고 라벨링한다. 그다음 Gemini 플랫폼, GKE, Cluster Director에서 맞춤 VLA 모델을 학습한다. 운영 단계에서는 기업용 IAM, 보안 통제, 내장 함수 호출을 갖춘 Gemini 플랫폼에 ER 2 워크플로를 배포한다. 지연 시간에 민감한 SLAM과 경로 계획은 Google Distributed Cloud로 공장 현장에서 돌리고, 로봇 군집의 텔레메트리는 BigQuery로 보낸다.
고객사 반응
Boston Dynamics에서 Spot 사업을 맡은 Marco da Silva 부사장 겸 총괄은 AIVI-Learning을 쓰는 고객이 매달 기하급수적으로 늘고 있으며 ER 2가 이들 고객에게 더 큰 가치를 더한다고 밝혔다. 그는 영상이 점검의 의미를 바꾼다며, Spot이 한 시점의 외관만 확인하는 데 그치지 않고, 영상에 AI 모델을 적용하면 새로운 가능성이 열린다고 말했다.
DeepReach의 공동창업자 겸 CTO Chris Liu는 숙련 노동자의 작업 방식을 담은 녹화물마다 정확한 작업 이해를 얻어, 모델 학습에 중요한 데이터를 더 빠르고 큰 규모로 찾는다고 설명했다. Arm Total Design for Physical AI 담당 시니어 디렉터(Senior Director) Barrie Mullins는 추론 모델이 로봇의 복잡한 환경 해석, 행동 계획, 변화 적응을 도울 잠재력이 있다고 보고, 차세대 로보틱스 컴퓨팅 플랫폼을 Google과 함께 탐색한다고 밝혔다.
교수이자 ASTAR 소재공학연구소(IMRE) 상임이사(Executive Director)이며 MARVEL-AI 상임이사를 겸하는 Loh Xian Jun은 실험실 자동화가 대부분 단일 작업용 고정 스크립트에 의존한다고 지적했다. ER 2로 API 없는 구형 마이크로파 반응기의 터치스크린을 읽고, 원심분리기를 균형 있게 싣고, 붐비는 실험실에서 시료를 안전하게 옮기는 유연성을 로봇에 부여한다는 것이다. 그는 합성부터 분리까지 실험 전체를 돌리는 자율 실험실에 가까워진다고 말했다.
Google이 안내한 개발 흐름에는 Cloud Storage, BigQuery, GKE, Cluster Director, Google Distributed Cloud 같은 Google Cloud 도구와 함께 MuJoCo-Warp, NVIDIA Isaac Sim 같은 외부 시뮬레이션 환경이 병용된다. 기사에 나온 성능 수치는 Google이 밝힌 것이다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.