Gemini Robotics 2, 손끝보다 전신 제어가 먼저 보이는 이유

Gemini Robotics 2에서 먼저 눈에 들어오는 변화는 채팅형 지능이 아니라 몸의 범위다. Google DeepMind는 이번 모델 계열을 vision-language-action(VLA), embodied reasoning(ER), on-device VLA로 나누고, humanoid가 걷고 숙이고 물건을 집어 옮기는 전신 작업까지 처리하는 쪽으로 확장했다. Apptronik Apollo 2 같은 플랫폼에서 팔 위주 데모를 넘어 발부터 손끝까지 이어지는 동작을 만들겠다는 방향이다.

기술적으로는 세 층이 역할을 나눈다. Gemini Robotics 2는 시각과 언어 입력을 motor control로 바꾸는 VLA이고, Gemini Robotics ER 2는 사람의 지시를 해석하고 여러 단계 작업을 계획하는 VLM 기반 agent다. On-Device 2는 네트워크 지연이나 연결 문제를 줄이기 위해 로봇 안에서 돌리는 모델이며, DeepMind는 새 bi-arm embodiment에도 몇 시간, 보통 200개 미만의 예시로 적응할 수 있다고 설명한다.

흥미로운 지점은 dexterity와 collaboration이 같은 발표 안에 들어왔다는 점이다. Apollo 2의 22 degree-of-freedom 손으로 매듭을 묶거나 ziplock bag을 닫는 예시, Franka Duo gripper로 좁은 공간에 물건을 packed하는 예시가 함께 제시됐다. ER 모델은 방을 관찰하고 단계별 진행을 추적하며, 실패 시 self-correction을 시도하고, 여러 로봇이 작업을 나눠 처리하는 흐름까지 맡는다.

HN 논점은 기대와 의심이 꽤 분명하게 갈렸다. 한쪽은 Google이 frontier model, open weight model, image/video/music generation에 이어 robotics까지 넓게 밀고 있다는 점을 짚었다. 다른 쪽은 LLM을 actuation loop에 직접 넣으면 latency와 제어 안정성에서 벽을 만날 수 있다고 봤다. motion control은 여전히 PID 같은 전통 제어와 강하게 결합되어야 한다는 지적이다.

안전 쪽도 이번 발표의 큰 축이다. DeepMind는 ASIMOV-Agentic benchmark를 공개해 unsafe tool call 거부, task feasibility 판단, uncertainty가 높을 때 사람 개입을 요청하는 능력을 본다고 밝혔다. 가까운 사람을 감지해 safety stop을 거는 능력도 강조했다. 이번 발표는 완성된 가정용 로봇보다, humanoid AI가 어디서 병목을 만나는지 더 선명하게 보여주는 중간 보고서에 가깝다. 원문과 HN 토론은 각각 DeepMind 블로그, HN 스레드에서 볼 수 있다.