챗봇 다음은 로봇의 뇌다: Google DeepMind Gemini Robotics 2가 말하는 피지컬 AI

AI는 한동안 화면 안에 있었다.

처음에는 텍스트를 썼고, 그다음에는 이미지를 만들었고, 이제는 영상과 음성까지 다룬다. 하지만 여전히 많은 AI는 화면 안에서 끝난다. 답하고, 요약하고, 생성하고, 추천한다.

그런데 다음 경쟁은 조금 다르다.

AI가 화면 밖으로 나오기 시작했다.

Google DeepMind가 공개한 Gemini Robotics 2는 이 흐름을 잘 보여준다.¹ 핵심은 단순히 “로봇이 더 똑똑해졌다”가 아니다. 더 정확히 말하면, AI가 언어와 이미지를 이해하는 수준을 넘어 공간에서 몸을 움직이는 문제로 들어가고 있다는 점이다.

나는 이 이슈를 이렇게 보고 싶다.

챗봇 다음 전쟁은 로봇의 뇌다.

피지컬 AI는 무엇이 다른가

LLM은 말을 이해한다.
멀티모달 AI는 이미지와 영상을 이해한다.
[[피지컬 AI]]는 그 이해를 바탕으로 물리적 세계에서 행동한다.

이 차이는 생각보다 크다.

텍스트 세계에서는 틀린 답을 다시 고치면 된다. 이미지 생성에서는 마음에 들지 않으면 다시 뽑으면 된다. 하지만 로봇은 다르다. 로봇의 행동은 물리적 결과를 만든다.

컵을 잡다가 깨뜨릴 수 있다.
사람 가까이에서 움직이다가 위험한 상황을 만들 수 있다.
문제를 잘못 이해하면 물건을 엉뚱한 곳에 옮길 수 있다.

그래서 피지컬 AI는 단순히 “더 큰 모델”의 문제가 아니다. 이해, 계획, 움직임, 안전, 멈춤이 동시에 들어간다.

Google DeepMind는 Gemini Robotics 2를 소개하면서 “feet to fingertips”, 즉 발끝부터 손끝까지의 전신 제어를 강조했다. 기존 로봇이 제한된 작업을 반복하거나 상반신 중심의 탁상 작업에 머물렀다면, 이번에는 걷고, 웅크리고, 뻗고, 물건을 조작하는 전신 동작으로 확장했다는 설명이다.

이건 로봇에게 꽤 큰 변화다.

로봇이 정말 사람의 공간에서 일하려면, 팔만 잘 움직여서는 부족하다. 사람의 공간은 좁고, 어수선하고, 예측 불가능하다. 바닥에 물건이 있고, 선반 높이가 다르고, 사람이 옆을 지나가고, 작업 순서가 바뀐다.

그 환경에서는 “정해진 동작 반복”보다 “상황을 보고 다음 행동을 정하는 능력”이 중요해진다.

Gemini Robotics 2의 핵심은 세 모델 구조다

DeepMind가 설명한 Gemini Robotics 2 계열은 크게 세 가지 모델로 구성된다.

모델	역할	의미
Gemini Robotics 2	vision-language-action 모델	시각·언어 입력을 실제 모터 제어로 변환
Gemini Robotics ER 2	embodied reasoning 모델	사람 지시를 이해하고, 물리 세계를 해석하고, 여러 단계 작업을 계획
Gemini Robotics On-Device 2	온디바이스 VLA 모델	네트워크 지연 없이 로봇 기기에서 로컬 실행

이 구조가 흥미로운 이유는 로봇을 하나의 모델로 설명하지 않는다는 점이다.

로봇에게는 적어도 세 층이 필요하다.

첫째, 눈과 언어를 연결하는 층.
사람이 “아래 선반의 초록색 통에 물뿌리개를 넣어줘”라고 말하면, 로봇은 물뿌리개, 초록색 통, 아래 선반, 현재 자신의 위치를 이해해야 한다.

둘째, 계획하는 층.
어디로 걸어가고, 무엇을 먼저 치우고, 어떤 순서로 잡고, 언제 놓아야 하는지 결정해야 한다.

셋째, 몸을 움직이는 층.
균형을 잡고, 손가락 힘을 조절하고, 물체를 떨어뜨리지 않고, 사람이 가까이 오면 멈춰야 한다.

챗봇은 주로 첫 번째와 두 번째를 다뤘다. 피지컬 AI는 세 번째가 들어온다. 그리고 세 번째가 들어오는 순간, AI는 더 이상 말의 문제가 아니라 행동의 문제가 된다.

로봇의 뇌는 ‘명령 수행기’가 아니라 ‘작업 관리자’가 된다

Gemini Robotics ER 2에서 특히 중요한 표현은 embodied reasoning이다. 몸을 가진 추론이라고 번역할 수 있다.

이 말은 단순히 로봇이 머리로 생각한다는 뜻이 아니다. 로봇이 자신의 몸, 주변 공간, 물체의 위치, 작업의 진행 상황을 함께 고려해야 한다는 뜻에 가깝다.

예를 들어 “방을 정리해줘”라는 지시는 사람에게도 단순하지 않다.

• 무엇이 어지러운 상태인가?
• 어떤 물건을 어디에 둬야 하는가?
• 먼저 치워야 할 장애물은 무엇인가?
• 사람에게 물어봐야 할 애매한 물건은 무엇인가?
• 이미 완료한 단계와 남은 단계는 무엇인가?

DeepMind는 Gemini Robotics ER 2가 몇 분 동안 이어지는 여러 단계 작업을 계획하고, 진행 상태를 추적하고, 여러 로봇의 협업도 지원한다고 설명한다.

이 지점이 중요하다.

로봇이 한 동작을 잘하는 것과, 하나의 일을 끝내는 것은 다르다.
컵을 잡는 것과, 식탁을 정리하는 것은 다르다.
문을 여는 것과, 물건을 찾아서 가져오는 것은 다르다.

AI 경쟁이 “모델 점수”에서 “업무 완결성”으로 이동하듯, 로봇 경쟁도 “동작 시연”에서 “작업 완결성”으로 이동할 가능성이 크다.

Tesla Optimus와도 연결되는 지점

이 이슈는 Tesla Optimus를 보는 관점과도 연결된다.

테슬라는 로봇을 제조·물류·가정의 범용 노동력으로 상상한다. Google DeepMind는 Gemini Robotics 2를 통해 로봇의 고수준 추론과 전신 제어를 강조한다. 접근은 다르지만, 두 흐름이 만나는 지점은 같다.

로봇의 하드웨어보다 중요한 것은 로봇의 뇌다.

물론 하드웨어는 중요하다. 모터, 손, 배터리, 관절, 센서, 내구성 없이는 아무것도 못 한다. 하지만 로봇이 실제 현장에 들어가려면 하드웨어만으로 부족하다.

진짜 병목은 이런 질문에 있다.

• 로봇이 애매한 지시를 어떻게 해석하는가?
• 실패했을 때 스스로 복구할 수 있는가?
• 사람에게 언제 물어보는가?
• 여러 로봇이 어떻게 일을 나눠 하는가?
• 위험한 상황에서 언제 멈추는가?

이 질문에 답하지 못하면 로봇은 멋진 데모에 머문다. 답할 수 있으면 로봇은 실제 작업자가 된다.

온디바이스 모델이 중요한 이유

Gemini Robotics On-Device 2도 눈여겨볼 만하다. DeepMind는 이 모델이 로봇 기기에서 로컬로 실행되도록 최적화됐고, 새로운 로봇 형태에도 비교적 빠르게 적응할 수 있다고 설명한다.

왜 중요할까?

로봇은 클라우드만 믿고 움직이기 어렵다.

공장, 병원, 창고, 가정 같은 환경에서는 네트워크가 항상 안정적이지 않을 수 있다. 더구나 로봇의 행동에는 지연 시간이 치명적일 수 있다. 사람이 옆에 있는데 “클라우드 응답을 기다리는 중”이면 곤란하다.

그래서 피지컬 AI에서는 온디바이스 실행이 중요해진다.

• 지연 시간을 줄인다.
• 네트워크 단절에도 버틴다.
• 민감한 공간 데이터를 밖으로 덜 보낸다.
• 현장별 로봇 형태에 더 빨리 적응할 수 있다.

AI가 텍스트를 생성할 때는 몇 초 기다려도 된다. 하지만 로봇이 움직일 때는 몇 초가 길다.

안전은 기능이 아니라 제품의 중심이다

피지컬 AI에서 안전은 부가 기능이 아니다. 제품의 중심이다.

DeepMind도 Gemini Robotics 2 소개에서 안전을 별도 축으로 강조했다. ASIMOV-Agentic이라는 벤치마크를 언급하며, 에이전트가 불확실성을 어떻게 다루고, 위험한 도구 호출을 거부하고, 사람에게 도움을 요청할 수 있는지를 평가한다고 설명한다.

이건 좋은 방향이다.

하지만 동시에 우리가 봐야 할 것도 있다.

로봇의 안전은 모델 카드나 벤치마크만으로 끝나지 않는다. 실제 현장에서는 바닥 상태, 조명, 사람의 돌발 행동, 센서 오류, 기계적 마모, 작업자 교육, 보험, 책임 소재가 모두 얽힌다.

그러니까 피지컬 AI의 핵심 질문은 “로봇이 할 수 있느냐”만이 아니다.

로봇이 못 해야 할 일을 구분할 수 있느냐도 중요하다.

이 점에서 피지컬 AI는 AI 에이전트 논의와 닮았다. 화면 속 에이전트가 이메일을 보내기 전 멈춰야 하듯, 로봇도 사람 가까이에서 움직이기 전 멈출 수 있어야 한다.

대학과 교육 관점에서도 중요한 변화

이 흐름은 대학과 교육에도 의미가 있다.

AI 교육은 아직 상당 부분 챗봇 활용, 프롬프트 작성, 코딩 보조에 머문다. 하지만 피지컬 AI가 본격화되면 교육과정은 더 복합적으로 바뀔 수밖에 없다.

필요한 역량이 섞인다.

• AI 모델 이해
• 로봇공학
• 센서와 제어
• 안전공학
• 데이터 수집과 시뮬레이션
• 현장 작업 분석
• 윤리와 책임 설계

즉 피지컬 AI는 단일 학과의 문제가 아니다. 기계, 전자, 컴퓨터, 산업공학, 디자인, 안전, 경영이 만나는 영역이다.

대학 입장에서는 “AI 전공 하나 만들자”보다 더 어려운 질문이 생긴다.

AI가 물리적 현장으로 들어올 때, 교육과정은 어떤 실험실과 어떤 현장 프로젝트를 가져야 하는가?

이 질문은 앞으로 꽤 중요해질 것 같다.

결론: AI는 화면 밖으로 나올수록 더 현실적인 문제가 된다

Gemini Robotics 2는 당장 모든 집에 휴머노이드 로봇이 들어온다는 신호는 아니다. 아직은 연구와 초기 파트너 중심의 기술 발표로 보는 것이 맞다.

하지만 방향은 분명하다.

AI 경쟁은 텍스트 생성에서 멀티모달 이해로, 다시 물리적 행동으로 이동하고 있다. 그리고 AI가 행동하기 시작하면, 질문은 더 현실적이 된다.

• 무엇을 할 수 있는가?
• 무엇을 하지 말아야 하는가?
• 실패하면 어떻게 멈추고 복구하는가?
• 사람과 같은 공간에서 어떻게 안전하게 일하는가?
• 로봇의 판단과 행동에 대한 책임은 누가 지는가?

챗봇 시대에는 좋은 답이 중요했다.

피지컬 AI 시대에는 좋은 행동이 중요해진다.

그리고 좋은 행동은 모델 성능만으로 만들어지지 않는다. 몸, 공간, 안전, 책임, 현장 설계가 함께 필요하다.

그래서 Gemini Robotics 2의 의미는 단순한 로봇 기술 발표가 아니다.

AI가 드디어 화면 밖의 세계를 진짜 경쟁 무대로 삼기 시작했다는 신호다.

---

출처