---
title: "구글 딥마인드, 전신 제어 로봇용 ‘제미나이 로보틱스 2’ 공개"
published: 2026-07-30T15:15:48.000Z
canonical: https://jeff.news/article/5251
---
# 구글 딥마인드, 전신 제어 로봇용 ‘제미나이 로보틱스 2’ 공개

구글 딥마인드가 로봇의 전신 움직임, 손 조작, 다중 로봇 협업을 다루는 Gemini Robotics 2 제품군을 공개했어. 휴머노이드가 걷고, 몸을 숙이고, 물건을 집어 옮기는 수준을 넘어 몇 분짜리 다단계 작업과 새로운 로봇 몸체 적응까지 노리고 있어.

## 로봇 모델이 팔만 움직이는 단계에서 전신으로 넘어감

- 구글 딥마인드가 Gemini Robotics 2를 공개했음
  - 목표는 로봇이 발부터 손끝까지 몸 전체를 써서 복잡한 작업을 수행하게 만드는 것
  - 기존 로봇이 좁고 반복적인 작업에 묶여 있거나 원격 조작에 의존했다면, 이번 발표는 예측 불가능한 환경에 적응하는 쪽을 강조함

- 예시로 나온 작업은 꽤 직관적임
  - 휴머노이드가 어질러진 방을 보고 걷고, 몸을 숙이고, 팔을 뻗고, 물체를 집어 정리함
  - 다른 로봇과 팀을 이뤄 작업을 더 빨리 끝내는 시나리오도 포함됨
  - 모델 일부는 로컬 기기에서 실행되며, 완전히 새로운 로봇 몸체에도 몇 시간 만에 적응할 수 있다고 함

- 이번 제품군은 크게 3개 모델로 나뉨
  - Gemini Robotics 2는 시각-언어-행동 모델(VLA)로, 시각과 언어 입력을 실제 모터 제어로 바꿈
  - Gemini Robotics ER 2는 체화 추론(embodied reasoning) 모델로, 사람과 대화하고 물리 세계를 이해하며 몇 분짜리 다단계 작업을 계획함
  - Gemini Robotics On-Device 2는 로봇 기기에서 로컬로 돌도록 최적화된 VLA 모델임

```mermaid
sequenceDiagram
    participant 사람 as 사람
    participant 추론모델 as 추론 모델
    participant 행동모델 as 행동 모델
    participant 로봇 as 로봇 몸체
    participant 환경 as 물리 환경
    사람->>추론모델: 작업 지시
    추론모델->>환경: 방 상태 관찰
    추론모델->>행동모델: 단계별 행동 계획 전달
    행동모델->>로봇: 모터 제어 명령 생성
    로봇->>환경: 걷기, 집기, 놓기 수행
    환경->>추론모델: 진행 상태와 실패 여부 반영
```

## 휴머노이드 전신 제어와 손 조작

- 핵심 데모 중 하나는 Apptronik의 Apollo 2 휴머노이드 제어임
  - “물뿌리개를 아래 선반의 초록색 통에 넣어” 같은 지시를 주면, 로봇이 테이블까지 걸어가 물뿌리개를 집음
  - 이후 선반까지 몇 걸음 이동하고, 목적지에 정확히 놓는 흐름을 수행함
  - 딥마인드는 아직 이동 속도는 더 발전해야 한다고 인정하지만, 전신 협응이 필요한 현실 작업으로 가는 중요한 단계라고 봄

- 손 조작도 이번 발표에서 꽤 크게 다뤄짐
  - Apollo 2의 SharpaWave 손은 다섯 손가락과 22 자유도(degree of freedom)를 갖고 있음
  - 이 손으로 매듭 묶기나 지퍼백 밀봉 같은 섬세한 작업을 시연함
  - Franka Duo 플랫폼의 표준 2지 평행 그리퍼로는 좁은 공간에 물건을 빽빽하게 넣는 작업 같은 복잡한 조작을 수행함

> [!IMPORTANT]
> 로봇에서 “손재주”는 그냥 멋진 데모가 아님. 실제 집과 작업장은 물체가 제각각이고 공간도 좁아서, 걷기보다 집고 돌리고 맞추는 능력이 병목이 되는 경우가 많음.

## 몇 분짜리 작업과 여러 로봇 협업

- Gemini Robotics ER 2는 로봇의 고수준 두뇌 역할을 맡음
  - 사용자 지시를 처리하고, 방을 관찰하고, 필요한 단계를 추론함
  - VLA 모델과 협력해 실제 행동을 실행하고, 작업 완료까지 진행 상태를 추적함
  - 특정 단계가 실패하면 자가 수정하고 새로운 상황이나 목표에도 일반화하는 걸 목표로 함

- 이번 버전은 더 긴 작업 시퀀스를 안정적으로 처리하는 데 초점을 둠
  - 몇 분 동안 이어지는 작업을 다루고, 그 안에서 수백 개 결정을 내리는 시나리오를 언급함
  - 작업이 언제 시작되고 끝나는지 이해하고, 핵심 이벤트가 발생한 순간도 짚을 수 있다고 함
  - 로봇이 그냥 명령 하나를 수행하는 수준에서, 진행 관리를 하는 에이전트로 이동하는 셈임

- 다중 로봇 협업도 새로 들어감
  - 서로 다른 유형의 로봇이 소통하며 단일 로봇 혼자 처리하기 어려운 워크플로를 나눠 수행하는 방식임
  - 물리 세계에서는 한 로봇의 이동 범위, 손 모양, 힘, 센서가 모두 제약이기 때문에 협업이 꽤 중요한 방향임

## 로컬 실행과 빠른 하드웨어 적응

- Gemini Robotics On-Device 2는 네트워크가 불안정하거나 지연 시간이 부담인 현장을 겨냥함
  - 인터넷 연결 없이 로봇 기기에서 직접 실행되도록 만든 가장 효율적인 VLA 모델이라고 설명함
  - 공장, 창고, 현장 로봇처럼 지연 시간과 연결성이 바로 안정성 문제가 되는 환경에서 의미가 큼

- 새 로봇 몸체에 빨리 적응한다는 주장도 중요함
  - 모델은 기본적으로 여러 몸체를 다루는 multi-embodiment 구조임
  - Gemini Robotics 1.5의 motion transfer 기술을 이어받아, 새 양팔 로봇 형태에 보통 200개 미만 예시와 몇 시간의 적응 시간으로 맞출 수 있다고 함
  - Dexmate, SO101, Trossen 같은 서로 다른 형태와 센서, 자유도를 가진 플랫폼에서도 다양한 작업을 수행하는 사례를 제시함

- 공개 범위는 모델마다 다름
  - Gemini Robotics ER 2는 Google AI Studio에서 사용할 수 있고 Gemini Enterprise Agent Platform에서는 비공개 프리뷰로 제공됨
  - VLA와 On-Device 모델은 얼리 액세스 파트너에게 제공됨
  - 즉 일반 개발자가 바로 전체 로봇 스택을 만져볼 수 있는 단계는 아니고, 하드웨어 파트너 중심으로 풀리는 흐름임

---
## 기술 맥락

- 이번 발표의 핵심 선택은 로봇 제어를 하나의 거대한 엔드투엔드 모델로만 밀지 않고, 추론 모델과 행동 모델로 역할을 나눈 점이에요. 고수준 계획은 ER 모델이 맡고, 실제 모터 제어는 VLA 모델이 맡아야 긴 작업에서 상태 추적과 물리 제어를 분리할 수 있거든요.

- 전신 제어가 중요한 이유는 사람 사는 공간이 로봇 팔 하나로 끝나지 않기 때문이에요. 선반 아래칸에 물건을 넣으려면 걷기, 균형 잡기, 몸 숙이기, 손 조작이 한 번에 맞아야 해서 모델이 몸 전체의 제약을 같이 이해해야 해요.

- On-Device 모델은 클라우드 모델과 다른 제약을 받아요. 로봇은 네트워크 지연이 생기면 동작 품질이나 안전성에 바로 영향이 가기 때문에, 현장에서 빠르게 반응해야 하는 작업은 로컬 실행이 훨씬 유리해요.

- 200개 미만 예시로 새 몸체에 적응한다는 주장은 로봇 배포 비용과 연결돼요. 로봇마다 데이터셋을 크게 다시 모아야 하면 확장이 막히는데, 몇 시간짜리 적응으로 충분하다면 하드웨어 파트너를 늘리는 속도가 달라질 수 있어요.

## 핵심 포인트

- Gemini Robotics 2는 시각-언어-행동 모델로 휴머노이드의 발부터 손끝까지 제어하는 걸 목표로 해.
- Gemini Robotics ER 2는 로봇의 고수준 추론 모델로, 사람 지시를 이해하고 다단계 작업을 계획하며 여러 로봇 협업을 조율해.
- Gemini Robotics On-Device 2는 로컬 실행용 모델로, 200개 미만 예시와 몇 시간의 적응만으로 새 양팔 로봇 형태에 맞출 수 있다고 해.

## 인사이트

로봇 쪽에서 진짜 어려운 건 ‘데모 한 번 성공’이 아니라 다른 몸체, 다른 센서, 다른 환경에서도 빠르게 적응하는 거야. 이번 발표는 범용 로봇 모델이 소프트웨어 배포처럼 여러 하드웨어에 이식될 수 있는지로 초점이 옮겨가고 있음을 보여줘.