Gemini Robotics-ER 1.6: 강화된 embodied reasoning으로 실제 로봇 작업을 구동하기

Google DeepMind가 Gemini Robotics-ER 1.6를 공개했다. 이 모델은 로봇이 단순히 지시를 따르는 수준을 넘어, 물리 세계를 이해하고 추론하도록 설계된 reasoning-first 모델이다.

핵심 개선점은 spatial reasoning, multi-view understanding, task planning, success detection다. 고수준 추론 모델로서 Google Search, VLA(Vision-Language-Action) 모델, 또는 사용자가 정의한 외부 함수까지 호출해 작업을 진행할 수 있다.

벤치마크에서는 Gemini Robotics-ER 1.5와 Gemini 3.0 Flash보다 전반적으로 더 나은 성능을 보였다. 특히:

• pointing: 여러 객체를 더 정확하게 지목하고, 없는 물체는 지목하지 않음
• counting: 수량 판단과 객체 구분이 개선됨
• success detection: 여러 카메라 시점을 함께 해석해 작업 완료 여부를 더 잘 판단함

새로운 능력으로 instrument reading을 강조한다. 압력 게이지, sight glass, 디지털 계기판 같은 산업 현장의 장비를 읽는 기능으로, Boston Dynamics와의 협업에서 나온 실제 사용 사례를 반영했다.

이 기능은 단순한 시각 인식이 아니라,

• 이미지를 확대해 세부를 확인하고
• pointing과 code execution으로 눈금과 비율을 추정하며
• 세계 지식을 적용해 최종 값을 해석하는 과정으로 동작한다.

안전성도 강화됐다. 모델은 Gemini safety policies 준수에서 이전 세대보다 나아졌고, 물리적 제약이 있는 상황에서 더 안전한 선택을 하도록 학습됐다. 또한 실생활 injury report를 바탕으로 한 text/video safety 평가에서도 baseline인 Gemini 3.0 Flash보다 높은 성능을 보였다.

현재 Gemini API와 Google AI Studio에서 개발자에게 제공되며, 시작용 Colab 예제도 함께 공개됐다.