구글 딥마인드가 지난주 비전-언어-액션(VLA, vision-language-action) 모델의 최신판인 제미니 로보틱스 2를 공개했습니다. 이번 업데이트는 전신 제어(whole-body control)와 정교함(dexterity), 다중 로봇 협업 기능을 담았습니다. 이전 모델은 휴머노이드 상반신만 제어해 탁상 작업에 그쳤지만, 이번 버전은 로봇의 몸 전체를 제어합니다.
딥마인드는 앱트로닉(Apptronik) 휴머노이드 아폴로(Apollo) 2를 예로 들었습니다. 물뿌리개를 하단 선반의 초록색 통에 넣으라는 지시에 아폴로가 테이블로 걸어가 물뿌리개를 집고 선반에 정확히 놓았습니다. 다섯 손가락, 22 자유도(degree-of-freedom)의 샤파웨이브(SharpaWave) 손으로 매듭 묶기·지퍼백 밀봉 같은 동작을, 프랑카 듀오(Franka Duo)의 두 손가락 그리퍼로 밀착 포장 같은 작업을 수행합니다.
제미니 로보틱스 2는 기기 내(온디바이스)에서 로컬로 구동할 수 있고 몇 시간 만에 새로운 로봇 형체(embodiment)에 적응한다고 딥마인드는 밝혔습니다. 함께 공개된 제미니 로보틱스 ER 2는 임바디드 리즈닝(embodied reasoning) 모델이자 비전 언어 모델(VLM)로 로봇의 상위 두뇌 역할을 맡아, 지시를 처리하고 방을 관찰하며 단계를 추론하고 VLA와 조율해 동작을 수행시키고 진행 상황을 추적합니다.
딥마인드는 이번 업데이트로 로봇이 수백 개의 의사결정을 포함하는 수 분 길이의 작업 시퀀스를 더 안정적으로 수행하게 됐다고 설명했습니다. ER 2는 작업의 시작과 종료 시점, 핵심 이벤트가 발생하는 순간도 짚어냅니다. 서로 다른 유형의 로봇들이 소통하며 협업해 단일 로봇으로는 처리할 수 없는 작업을 수행하는 다중 로봇 협업 기능도 새로 도입됐습니다.
제미니 로보틱스 온디바이스 2는 네트워크 지연이나 인터넷 연결이 필요 없는 응용을 겨냥해 로컬 구동에 최적화됐습니다. 처음부터 다중 형체(multi-embodiment)를 지원하도록 설계됐고 제미니 로보틱스 1.5의 모션 트랜스퍼(motion transfer) 기법을 계승했습니다. 새로운 양팔(bi-arm) 로봇 형체에는 몇 시간의 적응 시간과 200개 미만의 예시만으로 적응하며, 형태·센서·자유도가 크게 다른 형체에도 작동한다고 딥마인드는 주장했습니다.
딥마인드는 에이전트형 안전 조율과 불확실성 해소를 위한 새 벤치마크 ASIMOV-Agentic도 도입했습니다. 이는 임바디드 리즈닝 에이전트가 VLA의 안전하지 않은 도구 호출을 거부하는 능력과, 불확실할 때 능동적으로 인간 개입을 요청하는 능력을 측정합니다. 딥마인드는 ER 2가 안전 제약 준수 및 인간 근접 벤치마크에서 자사 로보틱스 모델 중 가장 안전한 수준이며, 사람이 가까이 오면 로봇을 안전하게 정지시킬 수 있다고 밝혔습니다. ER 2는 현재 구글 AI 스튜디오에서 이용할 수 있고, 제미니 엔터프라이즈 에이전트 플랫폼에서는 비공개 프리뷰 상태입니다. VLA 모델과 온디바이스 모델은 얼리 액세스 파트너에게 제공됩니다.