로봇이 공장 바닥에 고정된 산업용 암(arm) 대신 인간처럼 움직일 수 있다면 어떨까요?

Google DeepMind는 목요일, Gemini Robotics 2가 불과 몇 달 전만 해도 수년은 더 걸릴 것으로 보였던 전신 로봇 제어(full-body robot control) 기술을 완성했다고 발표했습니다. 이전 버전들은 상체 움직임만을 조정할 수 있었으며, 다리와 하체는 미리 프로그래밍된 루틴이나 별도의 컨트롤러에 의존해야 했습니다. 이제 단일 AI 모델이 발의 위치 선정부터 손가락의 민첩성(dexterity)까지 모든 것을 처리하며, 이는 로봇이 우리가 당연하게 여기는 유연한 협응력을 바탕으로 걷기, 균형 잡기, 물체 조작을 동시에 수행할 수 있음을 의미합니다.

모든 것을 바꾸는 기술적 도약

이 돌파구는 DeepMind가 "통합 체화 학습 (unified embodiment learning)"이라고 부르는 방식을 사용하여 Gemini Robotics 2를 훈련시킨 것에 달려 있습니다. 모델은 상체와 하체 제어를 별개의 문제로 취급하는 대신, 무게 중심의 이동이 균형에 미치는 영향, 팔의 움직임이 무게 중심을 어떻게 변화시키는지, 손의 정밀도가 안정적인 발 디딤에 어떻게 의존하는지와 같은 총체적인 신체 인식을 학습합니다.

초기 데모에서는 휴머노이드 로봇이 복잡한 작업을 수행하는 모습을 보여줍니다. 물체를 조작하면서 울퉁불퉁한 지형을 걷거나, 넘어질 뻔한 상황에서 회복하며, 심지어 이동성과 민첩성을 모두 요구하는 작업을 처리하기 위해 여러 사지를 조정하기도 합니다. AI는 실시간 센서 데이터를 처리하고 수 밀리초 내에 수십 개의 관절에 걸쳐 모터 명령을 생성하는데, 이는 불과 몇 년 전만 해도 로봇마다 맞춤형 엔지니어링이 필요했던 작업입니다.

놀라운 점은 전이 학습 (transfer learning) 측면입니다. 한 로봇 설계에서 훈련된 모델이 다른 하드웨어에서도 부분적으로 작동한다는 것을 의미하며, 이는 개발자들이 새로운 플랫폼마다 처음부터 다시 훈련시킬 필요가 없음을 뜻합니다. DeepMind는 학습된 행동의 70%가 서로 다른 휴머노이드 아키텍처 간에 전이된다는 예비 데이터를 공개했습니다.

이것이 지금 중요한 이유

전신 제어 (Full-body control)는 항상 "인상적인 데모"용 로봇과 비정형 환경 (unstructured environments)에서 실제로 인간과 함께 일할 수 있는 로봇 사이의 장벽이 되어 왔습니다. 고정된 위치에서 부품만을 조작할 수 있는 공장 로봇은 유용하지만 한계가 있습니다. 건설 현장을 탐색하고, 계단을 오르고, 떨어진 잔해를 처리하며, 목적지에 도착했을 때 무언가를 조립할 수 있는 로봇은 어떨까요? 그것은 근본적으로 다른 범주의 도구입니다.

시기적으로도 중요합니다. 선진국 경제의 노동 시장은 특히 육체적으로 힘들거나 위험한 작업에 대해 인력난을 겪고 있습니다. 창고 자동화는 전통적인 로봇 공학으로는 한계에 부딪혔습니다. 이러한 AI 제어 이동성 (AI-controlled mobility)은 현재 인간 노동자가 필요한 환경에 배포될 수 있는 문을 열어줍니다. 이는 반드시 비용이 더 저렴하기 때문이 아니라, 예측 불가능한 상황을 실제로 처리할 수 있기 때문입니다.

개발자가 알아야 할 사항

로봇 플랫폼을 구축하거나 로봇 통합을 고려하고 있다면, 이는 여러분의 타임라인을 변화시킵니다. Gemini Robotics 2 또는 이와 유사한 전신 AI 모델과 함께 작동하도록 설계된 휴머노이드 로봇을 출시하는 기업이 더 많아질 것으로 예상하십시오. 개발의 병목 현상은 이제 "이 모든 관절을 어떻게 제어할 것인가"에서 "로봇이 실제로 어떤 작업을 수행하기를 원하는가"로 이동했습니다.

머신러닝 (Machine learning) 엔지니어들에게 이것은 체화 학습 (embodiment learning)이 필수 요소 (table stakes)가 되고 있다는 명확한 신호입니다. AI 모델이 어떻게 전신 협응 (full-body coordination)을 학습하고 전이할 수 있는지 이해하는 것은, 5년 전 트랜스포머 (transformers)를 이해하는 것만큼이나 가치 있는 일이 될 것입니다.

로봇 스타트업의 경우, 자체적인 제어 시스템을 구축했던 기업들의 해자 (moat)가 얇아졌습니다. 범용 AI가 서로 다른 하드웨어에 걸쳐 전신 제어를 처리할 수 있다면, 경쟁 우위는 상류 (upstream)로 이동합니다. 즉, 로봇 설계, 특정 작업용 소프트웨어, 그리고 실제 워크플로우와의 통합 단계로 이동하게 됩니다.

인프라가 우리 발밑에서 변화하고 있습니다. 우리는 로봇을 특수 목적용 도구에서, 더 나은 신체만을 필요로 하는 범용 에이전트 (general-purpose agents)로 전환하는 과정에 있습니다.

완전 자율형 휴머노이드 로봇이 가장 먼저 처리해주길 바라는 작업은 무엇인가요? 그리고 그것이 실제로 실현되려면 귀하의 작업장에서 무엇이 바뀌어야 할까요?

AI News in 5 Minutes 일일 브리핑의 일부 — 2026년 7월 31일.
전체 에피소드 • 🎵 Spotify • ▶️ YouTube