제미나이 로보틱스 2

한 줄 핵심

구글 딥마인드 로보틱스 2.0은 Gemini Flash 기반의 상위 Embodied Reasoning이 VLA를 하네스하는 계층형 구조로, 실제 로봇 데모와 상용 API를 통해 하드웨어보다 모델과 오케스트레이션이 핵심이라는 점을 보여준다.

시간별 요약

1. 0:00
   이번 로보틱스 데모의 핵심은 VLA를 단독으로 쓰는 것이 아니라 Gemini 같은 상위 모델이 명령과 판단을 내려 로봇 행동을 통제하는 구조다. 뇌는 배포하고 몸은 다른 로봇을 빌려 쓰는 철학이 드러나며, 먼저 검사·정리 같은 태스크로 수익화하는 방향이 보인다.
2. 2:00
   빨간불을 보고 멈추거나 가려진 물체를 치워 달라고 요청하는 장면처럼, 상위 모델이 상황을 해석하고 예외를 처리하는 능력이 강조된다. 책상 높이를 바꿔가며 테스트하는 방식은 단순 시연이 아니라 오버피팅과 강건성을 함께 확인하려는 설계로 보인다.
3. 8:01
   Gemini Robotics 2.0의 중심은 Embodied Reasoning이 VLA를 harness하는 계층형 구조이며, ER 1.6과 VLA, 온디바이스 라인이 분리되어 있다. 특히 ER은 Gemini Flash 계열을 기반으로 하고, VLA는 ER의 distillation 결과로 추정되며, 세부 구현은 의도적으로 많이 공개하지 않는다.
4. 18:00
   프리트레이닝에는 액션·모션 데이터를 직접 넣는 것이 오히려 도움이 안 될 수 있고, Spatial Understanding과 같은 상위 이해를 키우는 데이터가 더 중요하다는 관점이 제시된다. 결국 로봇 제어는 로우레벨 액션을 바로 배우기보다, 상위 모델이 해석과 계획을 하고 하위 VLA가 실행하는 구조로 가는 흐름이다.
5. 24:02
   안전성은 VLA만으로 해결하기 어렵고, 사람 감지나 위험 상황 판단은 더 높은 수준의 VLM/ER이 맡는 편이 자연스럽다. 실제로는 VLM이 계획하고 VLA가 실행한 뒤 종료 조건에서 다시 상위 판단을 하는 while문 구조에 가깝고, 여러 모델을 조합하는 시스템화가 점점 일반적이 된다.
6. 40:00
   구글 딥마인드 로보틱스는 Apptronik, Boston Dynamics 같은 하드웨어 파트너와 협력하며, ER API를 실제 현장에 공급하는 방향으로 움직인다. 동시에 미국의 외산 휴머노이드 규제, 보안 이슈, 공급망 분리 같은 산업 환경이 하드웨어보다 하드웨어-agnostic한 모델 회사에 유리하게 작용할 가능성이 크다.

실무 인사이트

• 로봇 전략은 단일 VLA 성능보다 상위 추론, 하위 실행, 안전 필터를 분리한 하네스 구조로 설계할 때 상용화 속도가 빨라질 수 있다.
• 로봇용 데이터는 액션 자체보다 공간 이해·예외 판단·지시 재작성 품질이 더 중요할 수 있으므로, 프리트레이닝과 파인튜닝의 데이터 목적을 분리해 설계해야 한다.
• 하드웨어가 다양한 시장에서는 모델을 특정 몸체에 묶기보다 API와 파트너십으로 배포하는 방식이 더 큰 확장성을 만든다.