구글, 로봇의 물리적 추론 능력 강화한 '제미나이 로보틱스-ER 1.6' 발표
구글이 로봇이 물리적 환경을 이해하고 작업을 수행할 수 있도록 돕는 핵심 모델인 Gemini Robotics-ER 1.6을 공개했습니다. 이번 버전은 다각도 카메라 이해를 바탕으로 한 공간 추론, 계기판 읽기 등의 기능이 대폭 향상되어 복잡한 산업 현장에서 로봇의 자율성을 크게 높였다는 점에서 중요합니다. 개발자들은 현재 Gemini API와 Google AI Studio를 통해 이 모델에 접근하고 활용할 수 있습니다.
본문 건너뛰기 2026년 4월 14일 모델
Gemini Robotics-ER 1.6: 향상된 구체화 추론(Embodied Reasoning)을 통해 실제 로봇 작업 수행 역량 강화 Laura Graesser 및 Peng Xu 공유
로봇이 일상생활과 산업 현장에서 진정으로 유용하려면 단순히 지시를 따르는 것을 넘어 물리적 세계에 대해 추론할 수 있어야 합니다. 복잡한 시설 내비게이션부터 압력 게이지의 바늘 해석에 이르기까지, 로봇의 '구체화 추론(embodied reasoning)'은 디지털 지능과 물리적 행동 사이의 간극을 메워주는 핵심 기술입니다.
오늘 저희는 로봇이 환경을 전례 없는 정밀도로 이해할 수 있게 해주는 추론 중심 모델의 중대한 업그레이드 버전인 Gemini Robotics-ER 1.6을 소개합니다. 공간 추론(Spatial Reasoning) 및 다각도 이해(Multi-view Understanding) 능력을 향상시킴으로써, 차세대 물리적 에이전트에 새로운 수준의 자율성을 부여하고 있습니다. 이 모델은 시각 및 공간 이해, 작업 계획, 성공 감지(Success Detection) 등 로봇 공학에 필수적인 추론 기능에 특화되어 있습니다.
이 모델은 로봇을 위한 상위 수준의 추론 모델로 작동하며, 정보 검색을 위해 구글 검색(Google Search)을 네이티브로 호출하거나 비전-언어-행동 모델(VLA), 또는 기타 서드파티 사용자 정의 기능을 실행하여 작업을 수행할 수 있습니다. Gemini Robotics-ER 1.6은 Gemini Robotics-ER 1.5 및 Gemini 3.0 Flash 모두에 비해 눈에 띄는 성능 향상을 보여주며, 특히 포인팅(pointing), 카운팅(counting), 성공 감지와 같은 공간 및 물리적 추론 기능이 크게 강화되었습니다.
또한 새로운 기능인 '계기판 읽기(Instrument reading)'를 도입하여 로봇이 복잡한 게이지와 레벨 글래스(Sight glass, 투명 액위계)를 읽을 수 있게 되었습니다. 이 활용 사례는 파트너사인 보스턴 다이내믹스(Boston Dynamics)와의 긴밀한 협업을 통해 발견되었습니다. 오늘부터 개발자들은 Gemini API 및 Google AI Studio를 통해 Gemini Robotics-ER 1.6을 사용할 수 있습니다. 원활한 시작을 돕기 위해 모델 구성 및 구체화 추론 작업을 위한 프롬프트 예제가 포함된 개발자용 Colab 노트북을 공유합니다.
포인팅(Pointing): 공간 추론의 기초 포인팅은 구체화 추론 모델의 근본적인 기능으로, 모델 세대를 거듭하며 발전해 왔습니다. 포인트(Points)는 다음과 같은 다양한 개념을 표현하는 데 사용될 수 있습니다:
- 공간 추론: 정밀한 객체 감지 및 개수 세기
- 관계 논리: 비교 수행(예: 세트 중 가장 작은 항목 식별), "A에서 B로"의 관계 정의(예: X를 Y 위치로 이동)
- 모션 추론: 궤적 매핑 및 최적의 파지 지점(Grasp points) 식별
- 제약 조건 준수: "파란색 컵 안에 들어갈 만큼 충분히 작은 모든 물체를 가리켜라"와 같은 복잡한 프롬프트에 대한 추론
Gemini Robotics-ER 1.6은 이러한 포인트를 중간 단계로 활용하여 더 복잡한 작업에 대해 추론할 수 있습니다. 예를 들어, 이미지 내의 항목 수를 세기 위해 포인트를 사용하거나, 모델이 수학적 연산을 수행하여 측정치를 정확하게 추정할 수 있도록 돕기 위해 이미지의 핵심 포인트를 식별하는 데 사용할 수 있습니다. 아래 예시는 Gemini Robotics-ER 1.6이 여러 요소를 가리키는 데 뛰어나며, 언제 가리켜야 하고 가리키지 않아야 하는지 정확히 아는 능력을 보여줍니다.
성공 감지(Success Detection): 자율성의 엔진 로봇 공학에서 작업이 완료된 시점을 아는 것은 작업을 시작하는 방법을 아는 것만큼이나 중요합니다. 성공 감지는 자율성의 초석으로, 에이전트가 실패한 시도를 재시도할지 또는 계획의 다음 단계로 넘어갈지 지능적으로 선택할 수 있게 해주는 핵심 의사결정 엔진 역할을 합니다.
로봇 공학에서 시각적 이해를 달성하는 것은 매우 까다롭습니다. 가려짐(Occlusion), 조명 부족, 모호한 지시어와 같은 복잡한 요인을 처리하기 위해서는 정교한 인식 및 추론 능력이 폭넓은 세계 지식과 결합되어야 합니다. 또한 대부분의 최신 로봇 설정에는 오버헤드(상부) 및 손목 장착형 피드와 같은 여러 카메라 뷰가 포함됩니다. 즉, 시스템은 각 순간과 시간 경과에 따라 여러 관점이 어떻게 결합되어 일관된 그림을 형성하는지 이해할 수 있어야 합니다. Gemini Robotics-ER 1.6은 다각도 추론을 발전시켜, 역동적이거나 가려진 환경에서도 시스템이 여러 카메라 스트림과 그 상호 관계를 더 잘 이해할 수 있도록 지원합니다.