무엇이 발표됐나

Google DeepMind는 2026년 1월 8일 공식 블로그를 통해 Gemini Robotics-ER 2를 공개했다. 발표의 핵심은 로봇 행동 모델(action model)에서 데이터 효율과 작업 성공률을 함께 끌어올리는 방법론을 제시한 점이다.

로봇 AI에서 가장 어려운 지점은 시뮬레이션이나 제한된 데이터에서 학습한 정책이 실제 물리 환경에서 안정적으로 작동하도록 만드는 것이다. DeepMind는 이번 업데이트에서 이러한 전이 문제를 줄이기 위한 학습 접근을 강조했다.

핵심 기술 방향

데이터 효율 개선: 동일 또는 더 적은 데이터로 학습 성능 향상
일반화 강화: 익숙하지 않은 환경/과제에서도 동작 품질 유지
행동 모델 고도화: perception과 action 연결의 안정성 향상
실세계 적용성: 연구 데모를 넘어 실제 조작 과제로 확장

공식 설명은 특정 벤치마크 숫자만 강조하기보다, 실제 배치 가능성을 높이는 설계 철학에 초점을 둔다. 즉, 로봇 모델이 복잡한 실제 환경에서 실패 없이 반복 동작하도록 만드는 공학적 개선이 중심이라는 뜻이다.

왜 중요한가

LLM 중심 경쟁이 빠르게 진행되는 동안, 물리 세계와 상호작용하는 로봇 AI는 데이터 수집 비용과 안전성 제약 때문에 상용화 속도가 더딘 편이었다. Gemini Robotics-ER 2 같은 개선은 로봇 학습의 병목인 데이터 비용과 일반화 문제를 동시에 다루기 때문에 산업적 의미가 크다.

특히 제조, 물류, 서비스 로봇 영역에서는 새로운 작업을 빠르게 학습하고 예외 상황에서도 안정적으로 동작하는 능력이 비용 구조를 바꾼다. 모델 업데이트 하나가 즉시 시장 확대로 이어지지는 않지만, 실제 배치까지의 사이클을 단축하는 기반이 될 수 있다.

실무 관점의 시사점

로봇 개발팀 입장에서는 모델 성능뿐 아니라 데이터 파이프라인, 시뮬레이션-현실 전이, 안전 검증 자동화까지 통합 설계가 필요하다. 이번 발표는 로봇 AI 경쟁이 단순 인식 정확도에서 벗어나, 행동 정책의 안정성과 학습 효율을 함께 최적화하는 단계로 이동하고 있음을 보여준다.

Source: Google DeepMind

#action-models

Google DeepMind, Gemini Robotics-ER 2 공개