구글 딥마인드, 로봇 제어 모델 ‘제미나이 로보틱스 2.5’ 공개…메르세데스-벤츠 공장서 성공률 96%
구글 딥마인드가 카메라 영상과 음성 또는 문자 지시를 로봇 동작으로 바꾸는 시각-언어-행동(VLA) 모델 ‘제미나이 로보틱스 2.5’를 공개했다. 회사는 이 모델을 탑재한 휴머노이드 로봇이 메르세데스-벤츠의 실제 가동 중인 생산라인에서 시범 운용 중 96%의 성공률을 기록했다고 밝혔다.
딥마인드는 200개 이상의 과제에서 모델을 평가했다고 밝혔다. 과제에는 집게로 음식 나르기, 액체 피펫팅 등이 포함됐다. 회사가 이전에 낸 기준 모델과 비교하면, 과제 유형에 따라 성공률은 30~100% 높았고 작업 완료 시간은 20~30% 짧았다. 아스 테크니카는 앱트로닉의 휴머노이드 ‘아폴로 2’가 새 모델을 탑재하면 리본을 묶는 작업도 할 수 있다고 보도했다. 리본은 형태가 쉽게 변해 로봇에게 까다로운 작업이다.
메르세데스-벤츠 생산라인 시범 적용
딥마인드는 이번 시험에서 앱트로닉, 메르세데스-벤츠와 협력했다. 시험은 헝가리 케치케메트와 독일 진델핑언에서 진행됐다고 더 디코더가 전했다. 아폴로 2는 부품 키팅(세트 구성) 작업을 맡았다. 흩어진 통에서 금속 부품을 집어 라인에서 각 차량이 필요로 하는 순서에 맞춰 트레이에 정리하는 작업이다. 작업 흐름은 ‘제미나이 로보틱스 ER’ 모델이 관리했고, ‘제미나이 로보틱스 2.5’는 손과 팔을 제어했다.
앱트로닉의 제프 카데나스 CEO는 몇 주간의 사후 학습(post-training) 이후 모델 성능이 눈에 띄게 좋아졌으며, 성능 저하가 거의 없이 메르세데스 생산 현장에도 그대로 적용됐다고 말했다. 더 디코더가 보도했다. 아스 테크니카는 96%가 제조사가 필요로 하는 수준에는 아마 못 미칠 것이라고 짚었다. 또 딥마인드 디렉터 카니시카 라오의 발언을 인용해, 남은 격차를 좁히는 일은 “가파른 길”이 될 것이라고 전했다.
딥마인드 로보틱스 책임자 캐롤라이나 파라다는 범용 로봇을 만들 때의 상충 관계를 설명했다.
““특정 응용 분야에서는 범용성을 희생하는 대신 매우 뛰어난 성능을 낼 수 있습니다. 아니면 범용성 축을 계속 밀어붙이되, 모든 응용 분야에서 99.9에 도달하지 못할 수도 있습니다.””
시뮬레이션으로 학습 데이터 확보
로봇 학습 데이터는 챗봇에 쓰이는 텍스트보다 구하기 어렵다. 두 매체에 따르면 딥마인드는 언어 모델 ‘제미나이 4 아르곤’을 시뮬레이션 엔진으로 활용했다. 아르곤은 실제 카메라 장면을 바탕으로 수천 건의 가상 실행을 생성해 디지털 트윈을 만들 수 있다. 회사는 여기에 실제 시연 데이터를 결합해 로봇이 새로운 장면과 물체에 적응하도록 했다.
아스 테크니카는 2.5 모델이 여전히 클라우드 기반 서버에서 작동하며, 정확도와 속도의 향상에는 지연 시간이 따른다고 보도했다.
안전 벤치마크
딥마인드는 이 모델이 실시간 추론으로 위험을 피한다고 밝혔다. 경로를 막는 물체가 있으면 멈추거나 기다린다. 회사의 평가에서 안전한 과제 완수율은 장애물 근처에서 33%, 사람 근처에서 43% 올랐다.
딥마인드는 또 허깅페이스에 오픈소스 벤치마크 ‘ASIMOV-Jailbreak’를 공개했다. 이 벤치마크는 안전하지 않은 요청을 위장한 프롬프트로 로봇 모델이 위험한 동작을 하도록 속일 수 있는지 시험한다. 두 매체의 보도는 규모와 결과에서 차이가 있다. 아스 테크니카는 프롬프트 1500개를 언급하며, 아르곤은 98.8%, 제미나이 로보틱스 ER 2는 73.5%의 안전성 수준을 기록했다고 전했다. 더 디코더는 프롬프트 수백 개를 언급하며 99.5% 대 82%라고 전했다.
제미나이 로보틱스 2.5는 일반에 공개되지 않았다. 현재 로봇 분야 파트너사에 순차적으로 배포되고 있다. 아스 테크니카는 애자일 로봇, 앱트로닉, 보스턴 다이내믹스를 꼽았고, 더 디코더는 애자일, 앱트로닉, 메르세데스-벤츠를 꼽았다.
