Gemini Robotics 2.5 공개, 벤츠 공장 시험 성공률 96%
Google DeepMind가 11월 10일(한국 시각 04:51, 11월 9일 19:51 UTC) 비전-언어-행동(VLA) 모델 Gemini Robotics 2.5를 발표했습니다. 로봇이 배울 수 있는 기술의 폭과 습득 속도를 함께 높인 모델로, 200개가 넘는 과제로 시험했습니다. 현재 로보틱스 파트너사를 대상으로 제공되기 시작했습니다.
1/손재주·신뢰성·안전, 세 영역을 키웠습니다
DeepMind는 Gemini Robotics 2.5를 자사 VLA 모델 중 가장 뛰어난 모델이라고 소개했습니다. 개선 영역은 세 가지입니다. 첫째는 도구 사용부터 부드럽고 변형되는 물체, 깨지기 쉬운 물체 다루기까지 포함한 손재주(dexterity)입니다. 둘째는 실제 작업 현장에서의 신뢰성, 셋째는 물리적 안전 제어입니다. 원문은 Gemini 4 Argon이 로보틱스 연구를 가속한 덕분에 이번 성과가 가능했다고 밝힙니다. 이 모델은 7월 Gemini Robotics 2에서 선보인 전신 지능(whole-body intelligence)의 다음 단계입니다.
2/성공률 30~100% 높이고 속도는 20~30% 단축
서로 다른 200개 과제로 평가했습니다. 집게로 음식 담기, 선물 상자에 리본 묶기, 액체 피펫팅 같은 과제가 포함됩니다. 이전 기준 모델(baseline)과 비교해 과제 유형에 따라 성공률이 30%에서 100% 높았고, 과제 완료는 20%에서 30% 빨랐다고 합니다. Apptronik의 Apollo 2 휴머노이드(손가락 5개, 22 자유도의 SharpaWave 핸드)와, 두 손가락 평행 그리퍼를 쓰는 Franka Duo 플랫폼 등 여러 로봇 종류에서 작동합니다.
3/Mercedes-Benz 라인에서 부품 분류 96% 성공
Apptronik, Mercedes-Benz와 함께 헝가리 Kecskemét과 독일 Sindelfingen의 실제 자동차 생산 라인에서 개념 검증(proof-of-concept)을 했습니다. Apollo 2가 대형 상자에서 금속 브래킷을 집어 차량별 순서에 맞는 트레이(시퀀싱 컨테이너)에 담는 키팅(kitting) 작업을 자율로 수행했고, 성공률은 96%였습니다. 작업 흐름 추적에는 임베디드 추론 모델 Gemini Robotics ER을, 손과 팔 제어에는 Gemini Robotics 2.5 행동 모델을 썼습니다. Apptronik CEO Jeff Cardenas는 몇 주의 post-training으로 모델이 크게 개선됐고, Mercedes-Benz 생산 현장으로 옮겨도 성능 저하가 거의 없었다고 말했습니다.
4/위험 회피 안전 과제 완료 33~43% 증가, 탈옥 저항 99.5%
추론 시점 안내(inference-time reasoning guidance) 기능으로 로봇이 물리적 위험을 실시간으로 피하게 했습니다. 평가에서 장애물 주변의 안전한 과제 완료는 33%, 사람이 가까이 있을 때는 43% 늘었습니다. 로봇 특화 탈옥(jailbreak) 공격을 시험하는 오픈소스 벤치마크 ASIMOV-Jailbreak도 공개했습니다. 위험한 요청을 여러 장면에 위장한 프롬프트 수백 개로 구성됩니다. Gemini 4 Argon은 탈옥 저항 99.5%를 기록해, 이전 기준 모델 Gemini Robotics ER 2의 82%를 넘었습니다.
5/Gemini 4 Argon이 시뮬레이션 엔진 역할
원문에 따르면 Gemini 4 Argon은 실제 카메라 장면 하나에서 수천 개의 다양한 시뮬레이션 연습 실행을 만들고 디지털 트윈을 구축합니다. 이를 실제 시연 데이터와 함께 학습시켜 새로운 장면과 물체에 더 빨리 일반화하도록 했습니다. 영상에서 작업 실패 원인을 가설로 세우고 시뮬레이션과 실제 로봇에서 개선안을 시험하는 일도 맡았습니다. 제공 방식은 로보틱스 파트너사 대상 롤아웃이라는 설명뿐이며, 가격과 일반 공개 일정은 공지에 없습니다.
6/공장 시험 결과가 실험실 밖 가능성을 보여 줍니다AMEET 해석
이번 발표는 수치가 두 종류로 나뉩니다. 200개 과제 평가는 DeepMind가 직접 설계한 시험이고, 96%는 개념 검증 단계의 단일 작업(부품 키팅) 결과입니다. 그래서 이 수치를 공장 전반에서의 성능으로 읽기는 어렵습니다. 다만 Apptronik이 몇 주의 post-training 뒤 실제 생산 라인에서 성능 저하가 거의 없었다고 밝힌 점은, 시뮬레이션과 실험실에서 얻은 능력이 현장으로 옮겨지는지에 대한 첫 근거로 볼 만합니다. ASIMOV-Jailbreak이 오픈소스로 풀린 만큼, 다른 로봇 모델도 같은 기준으로 비교될 수 있습니다.