Gemini Robotics-ER 1.6, 로봇 계기판 93%·위험 감지 10% 개선

Google DeepMind의 새 X 스레드가 눈에 띄는 이유는 로봇 모델 업데이트를 실제 현장 과제와 바로 연결했기 때문이다. 산업용 로봇이 자주 막히는 문제는 단순한 명령 수행이 아니라 압력 게이지를 읽고, 여러 카메라 각도를 합쳐 보고, 작업이 끝났는지 스스로 판단하는 일이다. 원문 트윗에서 DeepMind는 Gemini Robotics-ER 1.6이 로봇이 “physical world”를 더 잘 추론하도록 돕는 업그레이드라고 적었고, 이어지는 스레드에서 구체적인 예시를 붙였다.

“help robots reason about the physical world”

가장 강한 근거는 연결된 공식 블로그에 있다. 계기판 판독 태스크에서 DeepMind는 Gemini Robotics-ER 1.5가 23%, Gemini 3.0 Flash가 67%, Gemini Robotics-ER 1.6이 86%, 그리고 1.6에 agentic vision을 붙이면 93%까지 올라간다고 적었다. 스레드에는 여기에 더해 인간 injury risk를 영상에서 감지하는 성능이 10% 좋아졌고, 액체를 다루지 말 것, 20kg이 넘는 물체를 들지 말 것 같은 물리 제약도 더 잘 따른다고 나온다. 즉 이번 업데이트는 단순한 로봇용 브랜딩이 아니라, counting, pointing, multi-view reasoning, instrument reading, success detection을 한 모델 층에서 묶으려는 시도에 가깝다.

GoogleDeepMind 계정은 대체로 완성된 블로그 글과 개발자 진입점을 X에서 짧게 연결하는 용도로 쓰인다. 이번에도 블로그, Gemini API, Google AI Studio, 그리고 예제 Colab이 함께 묶여 나왔다. 특히 블로그는 왜 Boston Dynamics가 등장하는지 설명해 준다. Spot이 이미 산업 시설을 돌며 계기 사진을 모으고 있기 때문에, instrument reading은 억지 벤치마크가 아니라 실제 inspection workflow에 가까운 과제다. DeepMind는 또 “agentic vision” 안에서 code execution을 활용한다고 적었는데, 복잡한 게이지 이미지를 실제 수치로 읽어내는 방식이 무엇인지도 어느 정도 드러난다.

다음으로 봐야 할 것은 재현성이다. Google 파트너 바깥의 개발자도 각자 다른 카메라와 로봇 셋업에서 93% 계기판 판독과 안전성 개선을 비슷하게 얻을 수 있는지 확인해야 한다. 그 검증이 붙으면 Gemini Robotics-ER 1.6은 화려한 데모를 넘어, 현장 로봇의 hand-tuning 부담을 줄이는 실질적 한 걸음으로 평가될 가능성이 높다. 원문 트윗: GoogleDeepMind on X via Nitter.