구글 딥마인드, '제미나이 로보틱스' 공개… 제미나이 2.0에 로봇 손발 달고 앱트로닉과 휴머노이드 협력

구글 딥마인드가 2025년 3월 12일 자사 제미나이 2.0 계열을 바탕으로 한 로봇 모델 두 종을 공개했다. 초거대 AI 연구소가 범용 멀티모달 모델을 실제 기계의 제어기로 바꾸려는 시도 가운데 가장 직접적인 사례다. '제미나이 로보틱스'는 물리적 행동을 출력으로 추가한 시각-언어-행동(VLA) 모델로, 카메라 영상과 음성 지시를 읽는 같은 신경망이 로봇 팔을 직접 움직인다. '제미나이 로보틱스-ER'은 체화 추론(Embodied Reasoning)의 약자로, 공간 이해에 특화한 시각-언어 모델이며 로봇 제조사가 자체 제어기에 연결해 쓰도록 설계됐다.

회사가 내건 핵심 수치는 두 가지다. 카롤리나 파라다 명의의 발표문에서 구글 딥마인드는 제미나이 로보틱스가 포괄적 일반화 벤치마크에서 다른 최신 VLA 모델 대비 성능을 두 배 이상 끌어올렸다고 밝혔다. 제미나이 로보틱스-ER을 인식부터 계획, 로봇 코드 생성까지 엔드투엔드로 쓰면 성공률이 제미나이 2.0의 2~3배에 이른다고도 했다. 함께 공개한 기술 보고서에 따르면 행동 시스템의 유효 제어 주기는 50Hz이며, 클라우드에 둔 백본은 160밀리초 안에 응답하고 원시 관측에서 저수준 동작 묶음이 나오기까지 전체 지연은 약 250밀리초다.

학습용 로봇 데이터는 대부분 구글 딥마인드가 직접 운영하는 양팔 로봇 ALOHA 2 군단에서 나왔다. 보고서는 원격조종 인력이 12개월에 걸쳐 수천 가지 과제에서 수천 시간 분량의 전문가 시연을 수집했고, 여기에 웹 문서와 코드, 이미지, 오디오, 영상 데이터를 섞었다고 설명했다. 시연 영상에서 모델은 종이접기로 여우를 접고 간식을 지퍼백에 담았다. 보고서는 짧은 신규 과제를 시연 100회만으로 익힐 수 있고, 과제당 2,000~5,000개 에피소드로 특화 학습한 뒤에는 도시락 싸기를 20회 시도에서 100% 성공했다고 밝혔다. 양팔 프랑카 플랫폼과 앱트로닉의 휴머노이드 '아폴로'로도 옮겨 적용했다.

추론 모델 평가를 위해 딥마인드는 물리 세계에 관한 객관식 시각 문항 400개로 된 공개 벤치마크 'ERQA'를 새로 만들어 깃허브에 CC BY 4.0 라이선스로 공개했다. 보고서의 기준 성적은 제미나이 2.0 플래시 46.3%, 제미나이 2.0 프로 실험판 48.3%, 오픈AI GPT-4o 47.0%, 앤트로픽 클로드 3.5 소네트 35.5%였고, 사고 사슬(CoT) 프롬프트를 쓰면 제미나이 2.0 프로 실험판이 54.8%로 올랐다. 로봇이 어디를 잡아야 할지 아는 능력인 포인팅에서 제미나이 로보틱스-ER은 Paco-LVIS 71.3점을 기록해 제미나이 2.0 플래시(46.1)와 GPT-4o(16.2)를 앞섰고, SUN-RGBD 3D 검출에서는 AP@15 48.3을 기록했다.

상업화 방식은 제품 판매가 아니라 파트너 프로그램이다. 구글 딥마인드는 미국 휴머노이드 업체 앱트로닉과 제미나이 2.0을 탑재한 차세대 휴머노이드를 개발한다고 밝혔다. 앱트로닉은 2025년 2월 13일 B캐피털과 캐피털팩토리 주도로 3억5,000만달러 규모 시리즈A를 유치했고 구글도 참여했으며, 구글 딥마인드 로보틱스팀과 전략적 협력을 맺었다고 발표했다. 제미나이 로보틱스-ER은 독일 애자일로봇, 어질리티로보틱스, 현대차그룹 계열 보스턴다이내믹스, 프랑스 인챈티드툴스 등 신뢰 테스터에게 먼저 제공됐다. VLA 모델 자체는 일반에 공개되지 않았고 가격도 나오지 않았다.

구글 딥마인드는 알파벳 산하 영국 런던 소재 AI 연구소로, 이번 발표의 학습 데이터는 자체 ALOHA 2 양팔 로봇에서 나왔다. 2025년 3월의 변화는 출발점에 있다. 로봇 정책을 먼저 학습하고 언어를 나중에 붙이던 방식 대신, 지퍼백이 무엇이고 도시락 뚜껑이 어떻게 닫히는지 이미 아는 제미나이 2.0에서 출발해 행동을 가르쳤다.

경쟁은 이미 치열하다. 피규어AI는 2025년 2월 20일 '헬릭스'를 공개했다. 70억 파라미터 시각-언어 모델이 7~9Hz로 상황을 판단하고 8,000만 파라미터 정책이 상반신 35자유도를 200Hz로 제어하는 이중 구조로, 약 500시간의 원격조종 데이터로 학습했으며 로봇에 내장된 GPU에서만 돈다. 피지컬인텔리전스는 오픈소스 저장소 openpi로 π0 모델을 배포하며 기본 체크포인트를 1만 시간 이상의 로봇 데이터로 사전학습했다고 밝혔다. 제미나이 로보틱스 보고서는 π0 재구현 모델을 비교 기준 중 하나로 썼다. 구글 발표 엿새 뒤인 3월 18일 엔비디아는 GTC에서 공개형 휴머노이드 모델 '아이작 GR00T N1'을 내놓고, 합성 궤적 78만 개를 11시간 만에 생성해 실데이터와 함께 쓰자 성능이 40% 올랐다고 밝혔다.

쉽게 말해 활용 방식은 두 가지다. 로봇 제조사는 영상과 말을 넣으면 관절 명령이 나오는 제미나이 로보틱스에 모든 일을 맡길 수 있다. 혹은 자체 모션 제어는 유지한 채, 머그잔의 어디를 집어야 하는지, 서랍이 어느 쪽으로 열리는지 같은 기존 소프트웨어가 약한 질문만 제미나이 로보틱스-ER에 묻고 좌표와 상자, 궤적을 돌려받을 수 있다. 구글이 외부 기업에 먼저 연 쪽은 후자로, 모터 직접 제어를 넘기는 데 딥마인드가 신중하다는 뜻으로 읽힌다.

국내 업계에 주는 함의는 크다. 레인보우로보틱스, LG전자, 두산로보틱스 등 국내 로봇 기업은 하드웨어 경쟁력은 갖췄지만 범용 로봇 지능은 대부분 외부에 의존하거나 개발 초기 단계에 있다. 구글이 경쟁 관계의 여러 하드웨어 업체에 동시에 '두뇌'를 공급하는 구조를 택하면서, 국내 기업은 구글이나 엔비디아의 모델 위에 올라탈지, 자체 모델을 키울지를 선택해야 하는 처지가 됐다. 현대차그룹 계열 보스턴다이내믹스가 신뢰 테스터에 이름을 올린 점은 국내 대기업 계열사도 이미 빅테크 모델 생태계 안으로 들어가고 있음을 보여준다.

위험 요인도 분명하다. 일반화 성능 수치는 구글이 설계한 벤치마크에서 구글이 고른 비교 대상, 그것도 경쟁사 모델을 직접 재구현한 버전과 견준 상대값이다. 분리형 구조는 클라우드 백본과 네트워크 연결에 의존하는데, 공장과 가정이 늘 안정적인 연결을 보장하지는 않는다. 모든 벤치마크에서 이긴 것도 아니다. Where2Place 포인팅에서는 공개 모델 Molmo 72B가 63.8점으로 제미나이 로보틱스-ER(45.0)을 앞섰다. 딥마인드는 의미적 안전성 평가용 데이터셋 'ASIMOV'와 데이터 기반 '헌법' 체계를 함께 내놨지만, 실제 기계에 필요한 인증된 저수준 안전 제어기를 대체하지는 못한다.