[📪정보] 구글 딥마인드, Gemini Robotics-ER 1.6 공개

구글 딥마인드, Gemini Robotics-ER 1.6 공개…

로봇의 포인팅·다중 시점 성공 판별·계기 판독 강화

2026년 4월 14일 · 카테고리: 모델(Models) · 작성: 로라 그레이서(Laura Graesser), 펑 쉬(Peng Xu)

구글 딥마인드는 2026년 4월 14일 Gemini Robotics-ER 1.6을 공개했다. 회사는 이 버전을 추론 우선(reasoning-first) 로봇 모델의 대규모 업그레이드로 설명하며, 로봇이 주변 환경을 전례 없이 높은 정밀도로 이해하도록 만든다고 밝혔다. 또 공간 추론과 다중 시점 이해(multi-view understanding)를 강화해 차세대 물리 에이전트, 즉 실제 환경에서 작동하는 에이전트의 자율성을 한 단계 끌어올린다는 설명이다. 핵심은 체화 추론(embodied reasoning), 즉 로봇이 물리 세계를 이해해 디지털 지능과 실제 행동 사이의 간극을 메우는 능력이다.

원문은 그 예로 복잡한 시설 안을 이동하는 일과 압력 게이지 바늘을 읽는 일을 함께 든다. 로봇이 일상과 산업 현장에서 실제로 도움이 되려면 지시를 따르는 데서 멈추지 않고, 공간과 사물, 상태 변화를 스스로 해석해야 한다는 설명이다.

첫 화면 핵심

이번 버전의 핵심 변화는 ① 포인팅(pointing, 화면 속 위치를 정확히 짚는 기능)과 개수 세기 강화, ② 여러 카메라 화면을 함께 해석하는 다중 시점 성공 판별, ③ 게이지·사이트 글라스·디지털 표시를 읽는 계기 판독(instrument reading), ④ 물리적 안전 제약 준수 개선이다.

Gemini Robotics-ER 1.6은 로보틱스에 중요한 추론 역량, 즉 시각·공간 이해, 작업 계획, 성공 판별(success detection)에 특화된 모델이다. 로봇의 고수준 추론 모델로 작동하며, 정보를 찾기 위해 Google Search(구글 검색) 같은 도구를 직접 호출하고, 비전-언어-행동 모델(VLA)이나 서드파티 사용자 정의 함수를 불러 작업을 수행할 수 있다고 딥마인드는 설명했다.

비교 대상은 Gemini Robotics-ER 1.5와 Gemini 3.0 Flash다. 딥마인드는 1.6이 포인팅, 개수 세기, 성공 판별처럼 공간·물리 추론에 해당하는 영역에서 두 모델보다 의미 있는 개선을 보였다고 적었다. 여기에 계기 판독이라는 새 기능도 추가됐다. 이 기능은 복잡한 게이지와 사이트 글라스(sight glass, 액면계)를 읽도록 해 주며, 보스턴 다이내믹스와의 긴밀한 협업 과정에서 발견한 사용 사례라고 밝혔다.

Gemini Robotics-ER 1.6은 2026년 4월 14일부터 Gemini API와 Google AI Studio를 통해 개발자에게 제공된다. 구글은 모델 설정과 체화 추론 프롬프팅 예시를 담은 개발자용 Colab 노트북도 함께 공개했다.

본문 링크: Gemini Robotics-ER 1.6 소개 · Gemini API 문서 · Google AI Studio에서 사용 · 개발자용 Colab · 이전 세대 Gemini Robotics-ER 1.5 · 비교 대상 Gemini 3.0 Flash

자동차 에어컨 매니폴드 게이지 세트를 위에서 내려다본 Gemini Robotics-ER 1.6 대표 이미지

대표 이미지. 자동차 에어컨 매니폴드 게이지 세트를 위에서 내려다본 진단 장면을 어두운 원형 비네트 안에 배치한 프로모션 그래픽으로, 차고 환경에서의 AI 기반 객체 감지와 컴퓨터 비전을 시각화한다.

벤치마크: 1.6이 앞선다고 제시한 근거

그림 1은 Gemini Robotics-ER 1.6, Gemini Robotics-ER 1.5, Gemini 3.0 Flash를 4개 과제에서 비교한 벤치마크 결과다. 이미지 설명에는 1.6이 진한 파랑, 3.0 Flash가 중간 파랑, 1.5가 연한 파랑으로 표시되며, 1.6이 네 과제 전반에서 가장 높은 성능을 보인다고 적혀 있다.

원문 캡션에는 중요한 조건과 예외도 함께 적혀 있다. 계기 판독 평가는 에이전틱 비전(agentic vision)을 켠 상태에서 수행됐고, 다만 Gemini Robotics-ER 1.5는 이 기능을 지원하지 않아 예외다. 그 밖의 평가는 모두 에이전틱 비전을 끈 상태에서 수행됐다. 또한 단일 시점 성공 판별과 다중 시점 성공 판별 평가는 서로 다른 예시를 사용하므로 직접 비교할 수 없다고 명시돼 있다.

그림 1. 차트 제목은 ‘성공률(%)’(원문: Success rate (%))이다. Gemini Robotics-ER 1.6과 Gemini Robotics-ER 1.5, Gemini 3.0 Flash를 4개 과제에서 비교하며, 원문 캡션은 계기 판독 평가에서만 에이전틱 비전을 활성화했다고 설명한다. 단일 시점 성공 판별과 다중 시점 성공 판별은 서로 다른 예시를 써서 직접 비교 대상이 아니다.

포인팅: 공간 추론의 토대

원문은 포인팅(pointing)을 체화 추론 모델의 기본 능력이라고 규정한다. 세대가 올라갈수록 함께 진화하는 기능이며, 정밀한 물체 탐지와 개수 세기 같은 공간 추론에 직접 쓰인다.

적용 범위는 더 넓다. 원문이 든 예시는 네 가지다. 첫째, 집합에서 가장 작은 물체를 찾는 비교나 “X를 Y 위치로 옮겨라”처럼 시작점과 도착점 관계를 정의하는 관계 논리. 둘째, 궤적을 매핑하고 최적의 파지 지점을 찾는 동작 추론. 셋째, “파란 컵 안에 들어갈 만큼 작은 모든 물체를 가리켜라”처럼 복합 프롬프트를 해석하는 제약 준수다.

Gemini Robotics-ER 1.6은 포인트를 더 복잡한 과제를 풀기 위한 중간 단계로도 사용한다. 예를 들어 이미지 속 물체 수를 세거나, 사진 안의 중요한 지점을 먼저 짚어 모델이 수학적 연산을 수행하게 함으로써 거리나 비율 같은 정량 추정을 더 정확하게 만든다.

아래 예시는 1.6이 여러 요소를 동시에 짚는 능력, 그리고 가리켜야 할 때와 가리키지 말아야 할 때를 구분하는 능력을 보여준다고 딥마인드는 설명한다.

포인팅 예시. Gemini Robotics-ER 1.6은 망치 2개, 가위 1개, 페인트브러시 1개, 플라이어 6개를 정확히 식별하고, 정원용 도구 묶음은 하나의 그룹 또는 여러 포인트로 해석할 수 있게 제시한다. 이미지에 없는 외바퀴손수레와 Ryobi(료비) 드릴은 가리키지 않는다. 반면 Gemini Robotics-ER 1.5는 망치와 페인트브러시 수를 잘못 짚고 가위를 놓치며, 외바퀴손수레를 환각하고, 플라이어 포인팅 정밀도도 떨어진다. Gemini 3.0 Flash는 1.6에 가깝지만 플라이어 처리에서는 덜 정확하다고 원문은 적는다.

성공 판별: 자율성의 엔진

구글 딥마인드는 로보틱스에서 작업을 어떻게 시작할지 아는 것만큼 언제 끝났는지를 아는 것이 중요하다고 썼다. 성공 판별은 실패한 시도를 다시 할지, 아니면 계획의 다음 단계로 넘어갈지를 에이전트가 똑똑하게 선택하게 해 주는 자율성의 핵심 의사결정 엔진이라는 설명이다.

이 문제는 시각 이해만으로 해결되지 않는다. 원문은 가려짐, 열악한 조명, 모호한 지시 같은 방해 요인을 처리하려면 정교한 지각·추론 능력과 폭넓은 세계 지식이 함께 필요하다고 적는다. 게다가 현대 로봇 시스템은 상부 카메라와 손목 장착 카메라 같은 여러 시점을 동시에 쓰는 경우가 많아, 서로 다른 시점이 각 순간과 시간의 흐름 속에서 어떻게 하나의 일관된 장면을 이루는지까지 이해해야 한다.

Gemini Robotics-ER 1.6은 이런 다중 시점 추론을 강화해, 역동적이거나 일부가 가려진 환경에서도 여러 카메라 스트림과 그 관계를 더 잘 파악하도록 설계됐다. 원문 캡션이 든 예시는 “파란 펜을 검은 펜꽂이에 넣어라”라는 작업이 끝났는지를 여러 카메라 시점의 단서로 판정하는 장면이다.

동영상 캡션 요약. Gemini Robotics-ER 1.6이 여러 카메라 시점에서 얻은 단서를 결합해 “파란 펜을 검은 펜꽂이에 넣기” 작업의 완료 여부를 판정한다.

계기 판독: 현실 세계 시각 추론

딥마인드는 Gemini Robotics-ER 1.6의 핵심 강점을 보여 주는 대표 사례로 계기 판독(instrument reading)을 제시했다. 이는 공간 추론과 세계 지식을 함께 써야 해결되는 현실 과제로, 보스턴 다이내믹스 파트너십에서는 시설 점검 수요에서 출발한 문제라고 설명한다.

산업 시설에는 온도계, 압력 게이지, 화학 공정용 사이트 글라스 등 지속적인 모니터링이 필요한 계기가 많다. 보스턴 다이내믹스의 로봇 제품 Spot은 시설 전체를 돌아다니며 이 계기들의 이미지를 촬영할 수 있다. 원문은 Gemini Robotics-ER 1.6이 원형 압력 게이지, 수직 레벨 표시기, 현대식 디지털 표시창 등 다양한 계기를 해석하게 해 준다고 설명한다.

관련 링크: Boston Dynamics Spot 사례

https://youtu.be/kBwxmlI2yHQ

보스턴 다이내믹스 영상. 유튜브 제목은 ‘Google Gemini Robotics로 더 똑똑해진 점검’(원문: Smarter Inspections Powered by Google Gemini Robotics | Boston Dynamics)이며, Gemini Robotics-ER 1.6이 원형 압력 게이지, 수직 레벨 표시기, 현대식 디지털 표시창을 포함한 여러 종류의 계기를 해석하는 사례를 보여 준다.

계기 판독은 복잡한 시각 추론을 요구한다. 바늘, 액체 높이, 용기 경계, 눈금 같은 입력을 정확히 인식하고 이들 사이의 관계를 이해해야 한다. 사이트 글라스는 카메라 시점 왜곡을 감안해 액체가 얼마나 차 있는지 추정해야 하고, 게이지에 적힌 단위 텍스트도 읽고 해석해야 한다. 일부 게이지는 서로 다른 소수 자릿수를 가리키는 바늘이 여러 개 있어 이를 합쳐 하나의 값으로 계산해야 한다.

“계기 판독과 더 신뢰할 수 있는 작업 추론 같은 역량은 Spot이 현실 세계의 도전을 완전히 자율적으로 보고, 이해하고, 대응하도록 만들 것입니다.”

- 마르코 다 실바(Marco da Silva), 보스턴 다이내믹스 Spot 부문 부사장 겸 총괄 매니저

딥마인드는 Gemini Robotics-ER 1.6의 높은 계기 판독 정확도가 에이전틱 비전(agentic vision)에서 나온다고 적었다. 이 방식은 시각 추론과 코드 실행을 결합한다. 모델은 먼저 이미지를 확대해 작은 눈금과 세부 요소를 더 잘 읽고, 이어 포인팅과 코드 실행으로 비율과 간격을 추정해 정확한 값을 얻은 뒤, 마지막으로 세계 지식을 적용해 그 값의 의미를 해석한다.

관련 링크: 에이전틱 비전 설명

계기 판독 성공률

모델	성공률
Gemini Robotics-ER 1.5	23%
Gemini 3.0 Flash	67%
Gemini Robotics-ER 1.6	86%
Gemini Robotics-ER 1.6 + 에이전틱 비전	93%

이미지 설명에 적힌 수치 그대로 정리했다. 왼쪽에서 오른쪽으로 성능이 크게 상승하며, 마지막 막대는 줄무늬 패턴으로 표시된 최고 성능이다.

그림 2. 차트 제목은 ‘계기 판독’(원문: Instrument Reading)이다. 원문 캡션은 Gemini Robotics-ER 1.6의 서로 다른 요소들이 계기 판독 과제에서 높은 성능에 도달하는 데 어떻게 기여하는지를 보여 준다고 설명한다.

아날로그 게이지를 정확하게 읽는 예시

원문은 아래 데모가 모델이 포인팅과 코드 실행을 이용해 확대 과정을 거치고, 게이지 값을 눈금과 눈금 사이의 세부 수준까지 읽어내는 모습을 보여 준다고 설명한다.

동영상 캡션 요약. 모델이 포인팅과 코드 실행을 활용한 확대를 통해 게이지 값을 눈금 단위보다 더 세밀한 수준까지 읽어내는 예시다.

안전성: 지금까지 나온 로봇용 모델 가운데 가장 안전하다고 주장

구글 딥마인드는 안전이 자사의 체화 추론 모델 전 계층에 통합돼 있다고 밝혔다. 회사 설명에 따르면 Gemini Robotics-ER 1.6은 지금까지 나온 자사 로보틱스 모델 가운데 가장 안전하며, 적대적 공간 추론 과제에서 이전 모든 세대보다 Gemini 안전 정책 준수도가 더 높다.

물리적 안전 제약을 따르는 능력도 크게 개선됐다고 밝혔다. 예시로는 “액체는 다루지 말라”, “20kg보다 무거운 물체는 집지 말라” 같은 조건이 제시된다. 원문은 모델이 포인팅 같은 공간 출력을 통해, 그리퍼 제약이나 재질 제약 아래에서 어떤 물체를 안전하게 조작할 수 있는지 더 안전한 결정을 내린다고 설명한다.

또 실제 상해 보고서를 바탕으로 만든 텍스트·비디오 시나리오에서 안전 위험을 얼마나 잘 식별하는지도 시험했다. 이 과제에서 Gemini Robotics-ER 계열은 기준선인 Gemini 3.0 Flash보다 부상 위험 인지 성능이 텍스트에서 +6%, 비디오에서 +10% 개선됐다고 적었다.

그림 3. 차트 제목은 ‘ASIMOV - 안전 지시 따르기’(원문: ASIMOV - Safety Instruction Following)다. 항목은 텍스트 정확도, 포인트 정확도, 경계 상자 정확도(BBox Accuracy)이며, 이미지 설명에는 y축이 ‘위반률(%)’(원문: Violation rate (%))로 표기되고 동시에 ‘높을수록 좋다’(Higher is better)라는 문구가 함께 적혀 있다. 원문 캡션은 1.6이 Gemini Robotics-ER 1.5보다 물리적 안전 제약 준수 능력에서 크게 향상됐고, 포인팅에서는 Gemini 3.0 Flash보다 낫다고 설명한다. 텍스트 정확도는 두 모델 모두 매우 높지만, 경계 상자에서는 Gemini 3.0 Flash가 더 낫다고 적혀 있다.

로보틱스용 체화 추론 개선 협업 요청

구글 딥마인드는 Gemini Robotics-ER가 로보틱스 커뮤니티에 최대한의 가치를 제공하도록 하겠다고 밝혔다. 현재 역량이 특정 전문 애플리케이션에 충분하지 않다면, 구체적인 실패 양상을 보여 주는 라벨링 이미지 10장부터 50장까지를 제출해 달라고 요청했다. 회사는 이를 바탕으로 더 견고한 추론 기능을 만들고, 사용자와 협력해 향후 릴리스에서 관련 역량을 강화하겠다고 적었다.

Gemini Robotics 자세히 보기(Learn more)

Gemini Robotics-ER 자세히 보기(Learn more)

AI와 로보틱스를 책임 있게 발전시키기(Responsibly advancing AI and robotics) 자세히 보기(Learn more)

출처

원문 제목 번역: 강화된 체화 추론으로 현실 세계 로봇 작업을 구동하는 Gemini Robotics-ER 1.6

Gemini Robotics-ER 1.6: Powering real-world robotics tasks through enhanced embodied reasoning

원문 공개일 2026년 4월 14일 · 카테고리 Models · 작성자 Laura Graesser, Peng Xu

특이점이온다 갤러리의 초존도초
with GPT-5.4 Pro Extended

ac5939a70001b942813e33669735c1bcc2a977c21c773585f0dabed5e42e074dc2d2562d4ea0fd28cba114c2d1971e9e35ecf7a4a1e548897dd5c4b378510644a9c8d7ba0422fd91fbc399591785

[📪정보] 구글 딥마인드, Gemini Robotics-ER 1.6 공개

댓글 6

다른 게시글