{"content_id":"wnh4uzgh8d","slug":"gemini-robotics-2-5-vla-factory-performance","locale":"ko","schema_type":"TechArticle","category":"ai_data","category_name":"AI 데이터","title":"Gemini Robotics 2.5 공장 성능 해설","summary":"Gemini Robotics 2.5는 시각·언어를 로봇 행동으로 연결하는 모델이다. 공장 실증 성공률 96%의 범위와 성능 개선율, 안전성 평가, 모델별 공개 상태를 구분한다.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"인조이스 편집팀","url":"https://injoys.com/ko/about"},"key_points":["Gemini Robotics ER은 작업 흐름을 추적하는 추론 모델이다.","Gemini Robotics 2.5는 공장 실증에서 양손과 팔의 행동을 제어한다.","성공률 30~100% 개선은 기존 기준 모델과 비교한 상대적 수치다.","공장 실증 성공률 96%는 자동차 부품 키팅 작업의 결과다.","행동 모델의 파트너 제공과 ER 모델의 공개 미리보기는 구분해야 한다."],"content_markdown":"Gemini Robotics 2.5는 시각·언어를 로봇 행동에 연결하는 VLA 모델이다. 공장 실증의 성공률 96%는 부품 키팅 작업에 한정된다. 실제 도입 판단에는 실패 복구와 운영 조건의 추가 검증이 필요하다.\n\n이 글의 성능 수치는 Google의 2026년 11월 10일 발표 기준이다.\n\n## VLA와 ER의 작동 구조\n\nVLA는 시각 정보와 언어 지시를 로봇 행동으로 연결하는 모델이다. 이름은 Vision-Language-Action의 약자다. ER은 물리적 환경에서 작업을 계획하는 체화형 추론을 뜻한다.\n\n공장 실증에서는 두 모델이 역할을 나눠 맡는다. Gemini Robotics ER은 전체 작업 흐름을 추적한다. Gemini Robotics 2.5는 양손과 팔을 제어한다.\n\n| 구성 | 맡는 역할 | 구분할 점 |\n| --- | --- | --- |\n| 시각 정보 | 물체와 주변 장면 파악 | 행동을 결정하는 입력 |\n| 언어 지시 | 수행할 작업과 조건 전달 | 작업 목표를 표현하는 입력 |\n| ER 모델 | 여러 단계의 계획과 진행 상태 관리 | 상위 수준의 추론 |\n| VLA 행동 모델 | 로봇의 움직임 생성 | 실제 동작을 위한 제어 |\n| 로봇 하드웨어 | 움직임과 물체 조작 실행 | 손, 팔, 구동기 등 물리적 장치 |\n\nER 모델은 다음 작업을 판단하며 실행을 이어가도록 설계됐다. 작업 완료 여부와 재시도 필요성도 판단한다. 공식 모델 정보에서 ER 2의 출력은 텍스트로 명시된다. [Google DeepMind의 ER 2 설명](https://deepmind.google/models/gemini-robotics/embodied-reasoning/)\n\n행동 모델과 로봇 본체는 같은 제품이 아니다. VLA 공식 설명은 팔부터 휴머노이드 전신까지 제어 범위를 제시한다. 특정 본체에서의 성능은 그 하드웨어 조건과 함께 해석해야 한다. [Google DeepMind의 VLA 설명](https://deepmind.google/models/gemini-robotics/vla/)\n\n## 작업 평가 수치와 비교 기준\n\n발표된 개선율은 이전 기준 모델과 비교한 결과다. 모든 작업에 공통으로 적용되는 절대 성공률은 아니다. 발표문은 작업 종류에 따라 개선 폭이 달랐다고 설명한다.\n\n다음 표는 2026년 11월 10일 발표 수치를 구분한 것이다.\n\n| 항목 | 발표 내용 | 수치의 적용 범위 |\n| --- | --- | --- |\n| 평가 작업 범위 | 도입부는 200개 초과, 세부 설명은 200개로 표기 | 전체 규모는 200여 개로 이해 |\n| 작업 성공률 | 이전 기준 모델 대비 30~100% 향상 | 작업 유형별 상대적 개선 |\n| 작업 완료 속도 | 이전 기준 모델 대비 20~30% 향상 | 평가 작업의 완료 속도 비교 |\n| 공장 실증 성공률 | 96% | Apollo 2의 자동차 부품 키팅 실증 |\n\n작업 수는 평가한 과제의 종류를 가리킨다. 각 과제를 반복한 횟수와는 다른 개념이다. 따라서 작업 수만으로 통계적 신뢰도를 계산할 수 없다. [Google 한국어 발표문](https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/)\n\n### 상대적 개선율 계산 예시\n\n성공률 개선율을 배수로 바꾸면 의미가 분명해진다. 발표된 30% 개선은 기존 성공률의 1.3배에 해당한다. 100% 개선은 기존 성공률의 2배라는 뜻이다. 이는 발표 수치로 계산한 관계다.\n\n| 표현 | 계산 관계 | 해석에 필요한 정보 |\n| --- | --- | --- |\n| 성공률 30% 개선 | 새 성공률 = 기존 성공률 × 1.3 | 같은 과제의 기존 성공률 |\n| 성공률 100% 개선 | 새 성공률 = 기존 성공률 × 2 | 같은 과제의 기존 성공률 |\n| 성공률 차이 | 새 성공률 - 기존 성공률 | 두 절대 성공률, 단위는 %포인트 |\n\n기준 성공률이 없으면 새 절대 성공률은 구할 수 없다. 100% 개선을 모든 시도의 성공으로 읽으면 안 된다. 속도 개선율도 공장 전체 생산량 증가율로 바꿀 수 없다.\n\n## 공장 실증 성공률 96%의 범위\n\n발표된 **96%**는 자동차 부품 키팅 실증의 성공률이다. 키팅은 조립에 필요한 부품을 순서에 맞게 준비하는 작업이다. 이번 실증에서는 Apptronik의 Apollo 2가 이를 수행했다.\n\n실증 장소는 Mercedes-Benz의 실제 생산 라인이다. 발표문은 헝가리 케치케메트와 독일 진델핑겐을 명시한다. 로봇은 공급함에서 금속 브래킷을 집어 순서별 용기에 배치했다.\n\n개념 검증인 PoC는 특정 환경의 실행 가능성을 확인하는 시험이다. 여기서 측정한 성공률은 그 시험 범위에 속한다. 공장 전체 자동화율이나 모든 공정의 성공률로 확대할 수 없다.\n\nGoogle은 반복 준비 작업을 로봇에 맡기는 활용 방향을 제시했다. 기술진이 복잡한 조립에 집중하도록 돕는다는 설명이다. 인력 감축 규모나 노동 생산성 증가율은 제시하지 않았다. [Google DeepMind의 공장 실증 설명](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\n## 성공률에서 빠진 실패 복구와 처리량\n\n공장 도입 판단에는 성공률의 분모와 복구 시간이 필요하다. 같은 성공률이라도 재시도 방식에 따라 생산량이 달라질 수 있다. 이는 발표 수치를 운영 지표로 연결하기 위한 분석이다.\n\n| 확인 항목 | 확인할 내용 | 판단에 미치는 영향 |\n| --- | --- | --- |\n| 성공의 단위 | 부품 하나인지, 트레이 전체인지 | 성공률이 뜻하는 작업 범위 |\n| 시도 횟수 | 전체 평가 횟수와 작업별 분포 | 결과의 변동성과 대표성 |\n| 재시도 처리 | 첫 시도 성공인지, 재시도 포함인지 | 자율 수행 수준 |\n| 사람의 개입 | 개입 횟수와 개입 시점 | 필요한 운영 인력 |\n| 실패 복구 | 복구 시간과 작업 재개 조건 | 중단으로 줄어드는 처리량 |\n| 품질 판정 | 위치 오차와 부품 손상 판정 기준 | 후속 조립에 사용할 수 있는지 |\n| 연속 운영 | 가동 시간과 정지 원인 | 실제 운영의 안정성 |\n\n이 항목들은 확인된 추가 성과가 아니다. 현장 평가에서 별도로 확인할 측정 조건이다. 한국어 발표문만으로는 세부 조건을 모두 확정할 수 없다.\n\n운영 지표로는 양품 처리량을 함께 계산할 수 있다. 계산식은 ‘품질 기준을 통과한 완성 수량 ÷ 총 운영 시간’이다. 총 운영 시간에는 재시도와 복구 시간을 포함해야 한다. 이는 공장 실증의 발표 수치가 아닌 측정 제안이다.\n\n로봇 운영에는 모델 외의 관리 기능도 필요하다. Apptronik은 상태 감시와 작업 배정을 위한 Fleet Connect를 설명한다. 배터리와 정지 상태까지 관리해야 하는 운영 범위를 보여준다. [Apptronik의 Apollo 2 플랫폼 설명](https://apptronik.com/apollo/apollo-2)\n\n## 물리적 안전과 탈옥 방어의 차이\n\n물리적 안전 지침과 탈옥 방어는 평가 대상이 다르다. 전자는 실행 중 주변 위험을 피하도록 행동을 유도한다. 후자는 위험한 지시를 따르도록 만드는 공격에 대한 저항성을 본다.\n\n추론 시점은 모델이 입력을 받아 판단하는 때다. Google은 이 시점에 위험을 피하도록 하는 지침을 적용한다고 설명한다. 안전 관련 수치도 어떤 모델의 어떤 평가인지 구분해야 한다.\n\n다음은 2026년 11월 10일 발표의 안전성 수치다.\n\n| 평가 | 발표 결과 | 해석 범위 |\n| --- | --- | --- |\n| 장애물 주변의 안전한 작업 완료 | 33% 향상 | 가이던스 적용에 따른 개선 |\n| 사람이 가까이 있는 환경의 안전한 작업 완료 | 43% 향상 | 가이던스 적용에 따른 개선 |\n| Gemini 4 Argon 탈옥 방어율 | 99.5% | 발표된 탈옥 평가 결과 |\n| 기준 모델의 탈옥 방어율 | 82% | Gemini Robotics ER 2의 비교 결과 |\n\n탈옥 방어율은 Gemini 4 Argon의 평가 결과다. 이를 행동 모델의 공장 무사고율로 인용하면 평가 대상을 바꾸게 된다. 안전한 작업 완료의 개선율도 절대 성공률과 구분해야 한다. [Google DeepMind의 안전성 평가 설명](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\nASIMOV-Jailbreak 저장소는 유해 지시와 정상 지시를 구분한다. 여러 차례 이어지는 공격에 대한 평가도 포함한다. 정상 요청을 지나치게 거부하는 비율도 평가 항목이다. [Google의 ASIMOV 평가 저장소](https://huggingface.co/datasets/google/asimov_agentic)\n\n물리적 장치의 안전 기능도 별도로 존재한다. Apptronik은 설정된 충돌 구역의 물체 감지 시 즉시 정지한다고 설명한다. 주변 구역에 따른 동작 설정도 제공한다. 이는 모델 평가와 별도로 확인할 하드웨어 기능이다.\n\n## 시뮬레이션과 실제 학습 데이터\n\nGoogle의 설명에 따르면 시뮬레이션은 실제 시연 데이터와 결합됐다. Gemini 4 Argon은 카메라 장면에서 가상 훈련 환경을 생성한다. 실패 영상에서 개선 가설을 찾는 연구도 지원한다.\n\n디지털 트윈은 실제 환경을 가상 공간에 재현한 것이다. 가상 환경에서는 조건을 바꾼 반복 시험이 가능하다. 실제 로봇 시험은 그 결과가 물리적 환경에서도 성립하는지 확인한다. [Google DeepMind의 학습 과정 설명](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)\n\n이 구조에서 공장은 활용처이면서 평가 현장이 된다. 실제 부품과 작업 순서가 모델의 적용 범위를 시험하기 때문이다. 다만 학습 효율 개선을 곧바로 도입 비용 절감액으로 환산할 수는 없다.\n\n## 파트너 제공과 공개 API의 차이\n\n행동 모델과 ER 모델은 공개 상태를 따로 확인해야 한다. 발표에 따르면 행동 모델은 로보틱스 파트너에게 순차적으로 제공된다. ER 2 공식 페이지에는 공개 미리보기가 명시돼 있다.\n\nGoogle DeepMind의 발표문은 제공 범위를 다음과 같이 적었다.\n\n\u003e Gemini Robotics 2.5 is rolling out to our robotics partners.\n\n출처는 [Gemini Robotics 2.5 발표문](https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/)이다.\n\n| 모델 | 확인된 제공 상태 | 구분할 점 |\n| --- | --- | --- |\n| Gemini Robotics 2.5 | 로보틱스 파트너 대상 순차 제공 | 일반 개발자용 행동 API 공개와 구분 |\n| Gemini Robotics ER 2 | Google AI Studio와 Gemini API의 공개 미리보기 | 추론 모델의 접근 범위 |\n\nER의 API 접근이 행동 모델의 접근 권한을 뜻하지는 않는다. 국내 상용 도입 일정도 이번 발표만으로 확정할 수 없다. 모델별 제공 상태는 각 공식 모델 페이지에서 확인해야 한다.\n\n## 성능 수치를 읽을 때 흔한 실수\n\n평가 대상과 단위를 생략하면 서로 다른 성과가 섞인다. 특히 모델 이름만으로 수치를 묶으면 해석이 흐려진다. 인용할 때는 작업과 비교 조건을 함께 적어야 한다.\n\n| 흔한 해석 | 정확한 구분 |\n| --- | --- |\n| 성공률이 100% 개선돼 모든 작업에 성공했다 | 상대적 개선율과 절대 성공률은 다름 |\n| 공장 성공률이 공장 전체 자동화율이다 | 키팅 PoC의 성과와 자동화 범위는 다름 |\n| 탈옥 방어율이 로봇의 무사고율이다 | 공격 저항성과 물리적 사고 지표는 다름 |\n| ER API로 행동 모델도 바로 사용할 수 있다 | 모델별 접근 권한을 따로 확인 |\n| 작업 완료 속도만큼 생산량도 증가한다 | 복구 시간과 공정 대기를 포함한 측정 필요 |\n\n## 자주 묻는 질문\n\n모델 역할, 평가 단위, 공개 상태를 나누면 핵심 의문이 정리된다.\n\n### Gemini Robotics 2.5는 로봇 본체인가\n\n로봇을 제어하는 VLA 모델이다. Apollo 2는 이를 활용한 로봇 본체다. 모델 성능과 본체의 물리적 성능은 구분해야 한다.\n\n### 200여 개 작업은 실제 공장의 공정 수인가\n\n발표된 모델 평가의 작업 종류를 뜻한다. 모두 자동차 공장의 공정이라는 의미는 아니다. 평가 작업 수와 공장 실증 범위는 별도다.\n\n### 공장 성공률만으로 도입 효과를 계산할 수 있는가\n\n성공률만으로 비용이나 생산량을 계산할 수는 없다. 작업 시간과 실패 복구 시간을 함께 알아야 한다. 품질 판정과 사람의 개입 조건도 필요하다.\n\n### 공개 미리보기와 상용 도입은 같은 의미인가\n\n공개 미리보기는 특정 모델에 접근할 수 있는 제공 상태다. 공장 시스템 통합 완료를 뜻하지 않는다. 행동 모델의 제공 조건도 별도로 확인해야 한다.","content_html":"\u003cp\u003eGemini Robotics 2.5는 시각·언어를 로봇 행동에 연결하는 VLA 모델이다. 공장 실증의 성공률 96%는 부품 키팅 작업에 한정된다. 실제 도입 판단에는 실패 복구와 운영 조건의 추가 검증이 필요하다.\u003c/p\u003e\n\u003cp\u003e이 글의 성능 수치는 Google의 2026년 11월 10일 발표 기준이다.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#vla%EC%99%80-er%EC%9D%98-%EC%9E%91%EB%8F%99-%EA%B5%AC%EC%A1%B0\" class=\"anchor\" id=\"vla와-er의-작동-구조\"\u003e\u003c/a\u003eVLA와 ER의 작동 구조\u003c/h2\u003e\n\u003cp\u003eVLA는 시각 정보와 언어 지시를 로봇 행동으로 연결하는 모델이다. 이름은 Vision-Language-Action의 약자다. ER은 물리적 환경에서 작업을 계획하는 체화형 추론을 뜻한다.\u003c/p\u003e\n\u003cp\u003e공장 실증에서는 두 모델이 역할을 나눠 맡는다. Gemini Robotics ER은 전체 작업 흐름을 추적한다. Gemini Robotics 2.5는 양손과 팔을 제어한다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e구성\u003c/th\u003e\n\u003cth\u003e맡는 역할\u003c/th\u003e\n\u003cth\u003e구분할 점\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"구성\"\u003e시각 정보\u003c/td\u003e\n\u003ctd data-label=\"맡는 역할\"\u003e물체와 주변 장면 파악\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e행동을 결정하는 입력\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"구성\"\u003e언어 지시\u003c/td\u003e\n\u003ctd data-label=\"맡는 역할\"\u003e수행할 작업과 조건 전달\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e작업 목표를 표현하는 입력\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"구성\"\u003eER 모델\u003c/td\u003e\n\u003ctd data-label=\"맡는 역할\"\u003e여러 단계의 계획과 진행 상태 관리\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e상위 수준의 추론\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"구성\"\u003eVLA 행동 모델\u003c/td\u003e\n\u003ctd data-label=\"맡는 역할\"\u003e로봇의 움직임 생성\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e실제 동작을 위한 제어\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"구성\"\u003e로봇 하드웨어\u003c/td\u003e\n\u003ctd data-label=\"맡는 역할\"\u003e움직임과 물체 조작 실행\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e손, 팔, 구동기 등 물리적 장치\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eER 모델은 다음 작업을 판단하며 실행을 이어가도록 설계됐다. 작업 완료 여부와 재시도 필요성도 판단한다. 공식 모델 정보에서 ER 2의 출력은 텍스트로 명시된다. \u003ca href=\"https://deepmind.google/models/gemini-robotics/embodied-reasoning/\"\u003eGoogle DeepMind의 ER 2 설명\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e행동 모델과 로봇 본체는 같은 제품이 아니다. VLA 공식 설명은 팔부터 휴머노이드 전신까지 제어 범위를 제시한다. 특정 본체에서의 성능은 그 하드웨어 조건과 함께 해석해야 한다. \u003ca href=\"https://deepmind.google/models/gemini-robotics/vla/\"\u003eGoogle DeepMind의 VLA 설명\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EC%9E%91%EC%97%85-%ED%8F%89%EA%B0%80-%EC%88%98%EC%B9%98%EC%99%80-%EB%B9%84%EA%B5%90-%EA%B8%B0%EC%A4%80\" class=\"anchor\" id=\"작업-평가-수치와-비교-기준\"\u003e\u003c/a\u003e작업 평가 수치와 비교 기준\u003c/h2\u003e\n\u003cp\u003e발표된 개선율은 이전 기준 모델과 비교한 결과다. 모든 작업에 공통으로 적용되는 절대 성공률은 아니다. 발표문은 작업 종류에 따라 개선 폭이 달랐다고 설명한다.\u003c/p\u003e\n\u003cp\u003e다음 표는 2026년 11월 10일 발표 수치를 구분한 것이다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e항목\u003c/th\u003e\n\u003cth\u003e발표 내용\u003c/th\u003e\n\u003cth\u003e수치의 적용 범위\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"항목\"\u003e평가 작업 범위\u003c/td\u003e\n\u003ctd data-label=\"발표 내용\"\u003e도입부는 200개 초과, 세부 설명은 200개로 표기\u003c/td\u003e\n\u003ctd data-label=\"수치의 적용 범위\"\u003e전체 규모는 200여 개로 이해\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"항목\"\u003e작업 성공률\u003c/td\u003e\n\u003ctd data-label=\"발표 내용\"\u003e이전 기준 모델 대비 30~100% 향상\u003c/td\u003e\n\u003ctd data-label=\"수치의 적용 범위\"\u003e작업 유형별 상대적 개선\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"항목\"\u003e작업 완료 속도\u003c/td\u003e\n\u003ctd data-label=\"발표 내용\"\u003e이전 기준 모델 대비 20~30% 향상\u003c/td\u003e\n\u003ctd data-label=\"수치의 적용 범위\"\u003e평가 작업의 완료 속도 비교\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"항목\"\u003e공장 실증 성공률\u003c/td\u003e\n\u003ctd data-label=\"발표 내용\"\u003e96%\u003c/td\u003e\n\u003ctd data-label=\"수치의 적용 범위\"\u003eApollo 2의 자동차 부품 키팅 실증\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e작업 수는 평가한 과제의 종류를 가리킨다. 각 과제를 반복한 횟수와는 다른 개념이다. 따라서 작업 수만으로 통계적 신뢰도를 계산할 수 없다. \u003ca href=\"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/\"\u003eGoogle 한국어 발표문\u003c/a\u003e\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%EC%83%81%EB%8C%80%EC%A0%81-%EA%B0%9C%EC%84%A0%EC%9C%A8-%EA%B3%84%EC%82%B0-%EC%98%88%EC%8B%9C\" class=\"anchor\" id=\"상대적-개선율-계산-예시\"\u003e\u003c/a\u003e상대적 개선율 계산 예시\u003c/h3\u003e\n\u003cp\u003e성공률 개선율을 배수로 바꾸면 의미가 분명해진다. 발표된 30% 개선은 기존 성공률의 1.3배에 해당한다. 100% 개선은 기존 성공률의 2배라는 뜻이다. 이는 발표 수치로 계산한 관계다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e표현\u003c/th\u003e\n\u003cth\u003e계산 관계\u003c/th\u003e\n\u003cth\u003e해석에 필요한 정보\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"표현\"\u003e성공률 30% 개선\u003c/td\u003e\n\u003ctd data-label=\"계산 관계\"\u003e새 성공률 = 기존 성공률 × 1.3\u003c/td\u003e\n\u003ctd data-label=\"해석에 필요한 정보\"\u003e같은 과제의 기존 성공률\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"표현\"\u003e성공률 100% 개선\u003c/td\u003e\n\u003ctd data-label=\"계산 관계\"\u003e새 성공률 = 기존 성공률 × 2\u003c/td\u003e\n\u003ctd data-label=\"해석에 필요한 정보\"\u003e같은 과제의 기존 성공률\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"표현\"\u003e성공률 차이\u003c/td\u003e\n\u003ctd data-label=\"계산 관계\"\u003e새 성공률 - 기존 성공률\u003c/td\u003e\n\u003ctd data-label=\"해석에 필요한 정보\"\u003e두 절대 성공률, 단위는 %포인트\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e기준 성공률이 없으면 새 절대 성공률은 구할 수 없다. 100% 개선을 모든 시도의 성공으로 읽으면 안 된다. 속도 개선율도 공장 전체 생산량 증가율로 바꿀 수 없다.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EA%B3%B5%EC%9E%A5-%EC%8B%A4%EC%A6%9D-%EC%84%B1%EA%B3%B5%EB%A5%A0-96%EC%9D%98-%EB%B2%94%EC%9C%84\" class=\"anchor\" id=\"공장-실증-성공률-96의-범위\"\u003e\u003c/a\u003e공장 실증 성공률 96%의 범위\u003c/h2\u003e\n\u003cp\u003e발표된 **96%**는 자동차 부품 키팅 실증의 성공률이다. 키팅은 조립에 필요한 부품을 순서에 맞게 준비하는 작업이다. 이번 실증에서는 Apptronik의 Apollo 2가 이를 수행했다.\u003c/p\u003e\n\u003cp\u003e실증 장소는 Mercedes-Benz의 실제 생산 라인이다. 발표문은 헝가리 케치케메트와 독일 진델핑겐을 명시한다. 로봇은 공급함에서 금속 브래킷을 집어 순서별 용기에 배치했다.\u003c/p\u003e\n\u003cp\u003e개념 검증인 PoC는 특정 환경의 실행 가능성을 확인하는 시험이다. 여기서 측정한 성공률은 그 시험 범위에 속한다. 공장 전체 자동화율이나 모든 공정의 성공률로 확대할 수 없다.\u003c/p\u003e\n\u003cp\u003eGoogle은 반복 준비 작업을 로봇에 맡기는 활용 방향을 제시했다. 기술진이 복잡한 조립에 집중하도록 돕는다는 설명이다. 인력 감축 규모나 노동 생산성 증가율은 제시하지 않았다. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eGoogle DeepMind의 공장 실증 설명\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EC%84%B1%EA%B3%B5%EB%A5%A0%EC%97%90%EC%84%9C-%EB%B9%A0%EC%A7%84-%EC%8B%A4%ED%8C%A8-%EB%B3%B5%EA%B5%AC%EC%99%80-%EC%B2%98%EB%A6%AC%EB%9F%89\" class=\"anchor\" id=\"성공률에서-빠진-실패-복구와-처리량\"\u003e\u003c/a\u003e성공률에서 빠진 실패 복구와 처리량\u003c/h2\u003e\n\u003cp\u003e공장 도입 판단에는 성공률의 분모와 복구 시간이 필요하다. 같은 성공률이라도 재시도 방식에 따라 생산량이 달라질 수 있다. 이는 발표 수치를 운영 지표로 연결하기 위한 분석이다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e확인 항목\u003c/th\u003e\n\u003cth\u003e확인할 내용\u003c/th\u003e\n\u003cth\u003e판단에 미치는 영향\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e성공의 단위\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e부품 하나인지, 트레이 전체인지\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e성공률이 뜻하는 작업 범위\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e시도 횟수\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e전체 평가 횟수와 작업별 분포\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e결과의 변동성과 대표성\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e재시도 처리\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e첫 시도 성공인지, 재시도 포함인지\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e자율 수행 수준\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e사람의 개입\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e개입 횟수와 개입 시점\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e필요한 운영 인력\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e실패 복구\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e복구 시간과 작업 재개 조건\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e중단으로 줄어드는 처리량\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e품질 판정\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e위치 오차와 부품 손상 판정 기준\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e후속 조립에 사용할 수 있는지\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"확인 항목\"\u003e연속 운영\u003c/td\u003e\n\u003ctd data-label=\"확인할 내용\"\u003e가동 시간과 정지 원인\u003c/td\u003e\n\u003ctd data-label=\"판단에 미치는 영향\"\u003e실제 운영의 안정성\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e이 항목들은 확인된 추가 성과가 아니다. 현장 평가에서 별도로 확인할 측정 조건이다. 한국어 발표문만으로는 세부 조건을 모두 확정할 수 없다.\u003c/p\u003e\n\u003cp\u003e운영 지표로는 양품 처리량을 함께 계산할 수 있다. 계산식은 ‘품질 기준을 통과한 완성 수량 ÷ 총 운영 시간’이다. 총 운영 시간에는 재시도와 복구 시간을 포함해야 한다. 이는 공장 실증의 발표 수치가 아닌 측정 제안이다.\u003c/p\u003e\n\u003cp\u003e로봇 운영에는 모델 외의 관리 기능도 필요하다. Apptronik은 상태 감시와 작업 배정을 위한 Fleet Connect를 설명한다. 배터리와 정지 상태까지 관리해야 하는 운영 범위를 보여준다. \u003ca href=\"https://apptronik.com/apollo/apollo-2\"\u003eApptronik의 Apollo 2 플랫폼 설명\u003c/a\u003e\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EB%AC%BC%EB%A6%AC%EC%A0%81-%EC%95%88%EC%A0%84%EA%B3%BC-%ED%83%88%EC%98%A5-%EB%B0%A9%EC%96%B4%EC%9D%98-%EC%B0%A8%EC%9D%B4\" class=\"anchor\" id=\"물리적-안전과-탈옥-방어의-차이\"\u003e\u003c/a\u003e물리적 안전과 탈옥 방어의 차이\u003c/h2\u003e\n\u003cp\u003e물리적 안전 지침과 탈옥 방어는 평가 대상이 다르다. 전자는 실행 중 주변 위험을 피하도록 행동을 유도한다. 후자는 위험한 지시를 따르도록 만드는 공격에 대한 저항성을 본다.\u003c/p\u003e\n\u003cp\u003e추론 시점은 모델이 입력을 받아 판단하는 때다. Google은 이 시점에 위험을 피하도록 하는 지침을 적용한다고 설명한다. 안전 관련 수치도 어떤 모델의 어떤 평가인지 구분해야 한다.\u003c/p\u003e\n\u003cp\u003e다음은 2026년 11월 10일 발표의 안전성 수치다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e평가\u003c/th\u003e\n\u003cth\u003e발표 결과\u003c/th\u003e\n\u003cth\u003e해석 범위\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"평가\"\u003e장애물 주변의 안전한 작업 완료\u003c/td\u003e\n\u003ctd data-label=\"발표 결과\"\u003e33% 향상\u003c/td\u003e\n\u003ctd data-label=\"해석 범위\"\u003e가이던스 적용에 따른 개선\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"평가\"\u003e사람이 가까이 있는 환경의 안전한 작업 완료\u003c/td\u003e\n\u003ctd data-label=\"발표 결과\"\u003e43% 향상\u003c/td\u003e\n\u003ctd data-label=\"해석 범위\"\u003e가이던스 적용에 따른 개선\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"평가\"\u003eGemini 4 Argon 탈옥 방어율\u003c/td\u003e\n\u003ctd data-label=\"발표 결과\"\u003e99.5%\u003c/td\u003e\n\u003ctd data-label=\"해석 범위\"\u003e발표된 탈옥 평가 결과\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"평가\"\u003e기준 모델의 탈옥 방어율\u003c/td\u003e\n\u003ctd data-label=\"발표 결과\"\u003e82%\u003c/td\u003e\n\u003ctd data-label=\"해석 범위\"\u003eGemini Robotics ER 2의 비교 결과\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e탈옥 방어율은 Gemini 4 Argon의 평가 결과다. 이를 행동 모델의 공장 무사고율로 인용하면 평가 대상을 바꾸게 된다. 안전한 작업 완료의 개선율도 절대 성공률과 구분해야 한다. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eGoogle DeepMind의 안전성 평가 설명\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003eASIMOV-Jailbreak 저장소는 유해 지시와 정상 지시를 구분한다. 여러 차례 이어지는 공격에 대한 평가도 포함한다. 정상 요청을 지나치게 거부하는 비율도 평가 항목이다. \u003ca href=\"https://huggingface.co/datasets/google/asimov_agentic\"\u003eGoogle의 ASIMOV 평가 저장소\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e물리적 장치의 안전 기능도 별도로 존재한다. Apptronik은 설정된 충돌 구역의 물체 감지 시 즉시 정지한다고 설명한다. 주변 구역에 따른 동작 설정도 제공한다. 이는 모델 평가와 별도로 확인할 하드웨어 기능이다.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EC%8B%9C%EB%AE%AC%EB%A0%88%EC%9D%B4%EC%85%98%EA%B3%BC-%EC%8B%A4%EC%A0%9C-%ED%95%99%EC%8A%B5-%EB%8D%B0%EC%9D%B4%ED%84%B0\" class=\"anchor\" id=\"시뮬레이션과-실제-학습-데이터\"\u003e\u003c/a\u003e시뮬레이션과 실제 학습 데이터\u003c/h2\u003e\n\u003cp\u003eGoogle의 설명에 따르면 시뮬레이션은 실제 시연 데이터와 결합됐다. Gemini 4 Argon은 카메라 장면에서 가상 훈련 환경을 생성한다. 실패 영상에서 개선 가설을 찾는 연구도 지원한다.\u003c/p\u003e\n\u003cp\u003e디지털 트윈은 실제 환경을 가상 공간에 재현한 것이다. 가상 환경에서는 조건을 바꾼 반복 시험이 가능하다. 실제 로봇 시험은 그 결과가 물리적 환경에서도 성립하는지 확인한다. \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eGoogle DeepMind의 학습 과정 설명\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e이 구조에서 공장은 활용처이면서 평가 현장이 된다. 실제 부품과 작업 순서가 모델의 적용 범위를 시험하기 때문이다. 다만 학습 효율 개선을 곧바로 도입 비용 절감액으로 환산할 수는 없다.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%ED%8C%8C%ED%8A%B8%EB%84%88-%EC%A0%9C%EA%B3%B5%EA%B3%BC-%EA%B3%B5%EA%B0%9C-api%EC%9D%98-%EC%B0%A8%EC%9D%B4\" class=\"anchor\" id=\"파트너-제공과-공개-api의-차이\"\u003e\u003c/a\u003e파트너 제공과 공개 API의 차이\u003c/h2\u003e\n\u003cp\u003e행동 모델과 ER 모델은 공개 상태를 따로 확인해야 한다. 발표에 따르면 행동 모델은 로보틱스 파트너에게 순차적으로 제공된다. ER 2 공식 페이지에는 공개 미리보기가 명시돼 있다.\u003c/p\u003e\n\u003cp\u003eGoogle DeepMind의 발표문은 제공 범위를 다음과 같이 적었다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eGemini Robotics 2.5 is rolling out to our robotics partners.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e출처는 \u003ca href=\"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/\"\u003eGemini Robotics 2.5 발표문\u003c/a\u003e이다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e모델\u003c/th\u003e\n\u003cth\u003e확인된 제공 상태\u003c/th\u003e\n\u003cth\u003e구분할 점\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"모델\"\u003eGemini Robotics 2.5\u003c/td\u003e\n\u003ctd data-label=\"확인된 제공 상태\"\u003e로보틱스 파트너 대상 순차 제공\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e일반 개발자용 행동 API 공개와 구분\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"모델\"\u003eGemini Robotics ER 2\u003c/td\u003e\n\u003ctd data-label=\"확인된 제공 상태\"\u003eGoogle AI Studio와 Gemini API의 공개 미리보기\u003c/td\u003e\n\u003ctd data-label=\"구분할 점\"\u003e추론 모델의 접근 범위\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eER의 API 접근이 행동 모델의 접근 권한을 뜻하지는 않는다. 국내 상용 도입 일정도 이번 발표만으로 확정할 수 없다. 모델별 제공 상태는 각 공식 모델 페이지에서 확인해야 한다.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EC%84%B1%EB%8A%A5-%EC%88%98%EC%B9%98%EB%A5%BC-%EC%9D%BD%EC%9D%84-%EB%95%8C-%ED%9D%94%ED%95%9C-%EC%8B%A4%EC%88%98\" class=\"anchor\" id=\"성능-수치를-읽을-때-흔한-실수\"\u003e\u003c/a\u003e성능 수치를 읽을 때 흔한 실수\u003c/h2\u003e\n\u003cp\u003e평가 대상과 단위를 생략하면 서로 다른 성과가 섞인다. 특히 모델 이름만으로 수치를 묶으면 해석이 흐려진다. 인용할 때는 작업과 비교 조건을 함께 적어야 한다.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003e흔한 해석\u003c/th\u003e\n\u003cth\u003e정확한 구분\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"흔한 해석\"\u003e성공률이 100% 개선돼 모든 작업에 성공했다\u003c/td\u003e\n\u003ctd data-label=\"정확한 구분\"\u003e상대적 개선율과 절대 성공률은 다름\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"흔한 해석\"\u003e공장 성공률이 공장 전체 자동화율이다\u003c/td\u003e\n\u003ctd data-label=\"정확한 구분\"\u003e키팅 PoC의 성과와 자동화 범위는 다름\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"흔한 해석\"\u003e탈옥 방어율이 로봇의 무사고율이다\u003c/td\u003e\n\u003ctd data-label=\"정확한 구분\"\u003e공격 저항성과 물리적 사고 지표는 다름\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"흔한 해석\"\u003eER API로 행동 모델도 바로 사용할 수 있다\u003c/td\u003e\n\u003ctd data-label=\"정확한 구분\"\u003e모델별 접근 권한을 따로 확인\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"흔한 해석\"\u003e작업 완료 속도만큼 생산량도 증가한다\u003c/td\u003e\n\u003ctd data-label=\"정확한 구분\"\u003e복구 시간과 공정 대기를 포함한 측정 필요\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#%EC%9E%90%EC%A3%BC-%EB%AC%BB%EB%8A%94-%EC%A7%88%EB%AC%B8\" class=\"anchor\" id=\"자주-묻는-질문\"\u003e\u003c/a\u003e자주 묻는 질문\u003c/h2\u003e\n\u003cp\u003e모델 역할, 평가 단위, 공개 상태를 나누면 핵심 의문이 정리된다.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#gemini-robotics-25%EB%8A%94-%EB%A1%9C%EB%B4%87-%EB%B3%B8%EC%B2%B4%EC%9D%B8%EA%B0%80\" class=\"anchor\" id=\"gemini-robotics-25는-로봇-본체인가\"\u003e\u003c/a\u003eGemini Robotics 2.5는 로봇 본체인가\u003c/h3\u003e\n\u003cp\u003e로봇을 제어하는 VLA 모델이다. Apollo 2는 이를 활용한 로봇 본체다. 모델 성능과 본체의 물리적 성능은 구분해야 한다.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#200%EC%97%AC-%EA%B0%9C-%EC%9E%91%EC%97%85%EC%9D%80-%EC%8B%A4%EC%A0%9C-%EA%B3%B5%EC%9E%A5%EC%9D%98-%EA%B3%B5%EC%A0%95-%EC%88%98%EC%9D%B8%EA%B0%80\" class=\"anchor\" id=\"200여-개-작업은-실제-공장의-공정-수인가\"\u003e\u003c/a\u003e200여 개 작업은 실제 공장의 공정 수인가\u003c/h3\u003e\n\u003cp\u003e발표된 모델 평가의 작업 종류를 뜻한다. 모두 자동차 공장의 공정이라는 의미는 아니다. 평가 작업 수와 공장 실증 범위는 별도다.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%EA%B3%B5%EC%9E%A5-%EC%84%B1%EA%B3%B5%EB%A5%A0%EB%A7%8C%EC%9C%BC%EB%A1%9C-%EB%8F%84%EC%9E%85-%ED%9A%A8%EA%B3%BC%EB%A5%BC-%EA%B3%84%EC%82%B0%ED%95%A0-%EC%88%98-%EC%9E%88%EB%8A%94%EA%B0%80\" class=\"anchor\" id=\"공장-성공률만으로-도입-효과를-계산할-수-있는가\"\u003e\u003c/a\u003e공장 성공률만으로 도입 효과를 계산할 수 있는가\u003c/h3\u003e\n\u003cp\u003e성공률만으로 비용이나 생산량을 계산할 수는 없다. 작업 시간과 실패 복구 시간을 함께 알아야 한다. 품질 판정과 사람의 개입 조건도 필요하다.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#%EA%B3%B5%EA%B0%9C-%EB%AF%B8%EB%A6%AC%EB%B3%B4%EA%B8%B0%EC%99%80-%EC%83%81%EC%9A%A9-%EB%8F%84%EC%9E%85%EC%9D%80-%EA%B0%99%EC%9D%80-%EC%9D%98%EB%AF%B8%EC%9D%B8%EA%B0%80\" class=\"anchor\" id=\"공개-미리보기와-상용-도입은-같은-의미인가\"\u003e\u003c/a\u003e공개 미리보기와 상용 도입은 같은 의미인가\u003c/h3\u003e\n\u003cp\u003e공개 미리보기는 특정 모델에 접근할 수 있는 제공 상태다. 공장 시스템 통합 완료를 뜻하지 않는다. 행동 모델의 제공 조건도 별도로 확인해야 한다.\u003c/p\u003e\n","tags":["생성형 AI","AI 개발","로봇","기술전략"],"faqs":[{"question":"Gemini Robotics 2.5의 VLA는 무엇인가","answer":"VLA는 Vision-Language-Action의 약자다. 시각 정보와 언어 지시를 로봇 행동으로 연결하는 모델을 뜻한다."},{"question":"Gemini Robotics ER과 행동 모델은 무엇이 다른가","answer":"ER은 작업 계획과 진행 상태를 관리하는 추론 모델이다. 공장 실증에서 행동 모델은 양손과 팔의 제어를 맡았다."},{"question":"성공률 30~100% 개선은 절대 성공률인가","answer":"이전 기준 모델과 비교한 상대적 개선율이다. 새 절대 성공률을 계산하려면 같은 작업의 기존 성공률이 필요하다."},{"question":"공장 실증 성공률 96%는 무엇을 측정한 수치인가","answer":"자동차 부품 키팅 PoC에서 발표된 성공률이다. Mercedes-Benz 생산 라인에서 Apollo 2가 수행한 작업의 결과다."},{"question":"작업 완료 속도 개선을 생산량 증가로 볼 수 있는가","answer":"완료 속도만으로 전체 생산량 증가율을 계산할 수는 없다. 재시도, 실패 복구, 공정 대기를 포함한 운영 시간이 필요하다."},{"question":"탈옥 방어율 99.5%는 어느 모델의 결과인가","answer":"Google이 발표한 Gemini 4 Argon의 탈옥 평가 결과다. 행동 모델의 공장 무사고율을 뜻하지 않는다."},{"question":"일반 개발자가 행동 모델 API를 바로 사용할 수 있는가","answer":"발표된 행동 모델의 제공 범위는 로보틱스 파트너 대상이다. ER 2의 공개 미리보기와 행동 모델의 접근 권한은 구분해야 한다."},{"question":"국내 공장에 상용 도입할 일정이 발표됐는가","answer":"이번 발표만으로 국내 상용 도입 일정을 확정할 수 없다. 구체적인 제공 조건과 일정은 Google 및 로봇 공급사에 확인해야 한다."}],"sources":[{"url":"https://blog.google/intl/ko-kr/company-news/technology/gemini-robotics-2-5-kr/","title":"Google 한국어 발표: 제미나이 로보틱스 2.5: 현실 세계의 물리적 지능을 가속화하다","type":"source"},{"url":"https://deepmind.google/blog/gemini-robotics-2-5-accelerates-real-world-physical-intelligence/","title":"Google DeepMind: Gemini Robotics 2.5 발표","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/vla/","title":"Google DeepMind: Gemini Robotics 2.5 VLA 모델","type":"source"},{"url":"https://deepmind.google/models/gemini-robotics/embodied-reasoning/","title":"Google DeepMind: Gemini Robotics ER 2 모델 정보","type":"source"},{"url":"https://apptronik.com/apollo/apollo-2","title":"Apptronik: Apollo 2 플랫폼과 운영·안전 기능","type":"source"},{"url":"https://huggingface.co/datasets/google/asimov_agentic","title":"Google: Asimov Agentic Safety Evaluation 및 ASIMOV-Jailbreak","type":"source"}],"images":[{"id":2720,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3NzQsInB1ciI6ImJsb2JfaWQifX0=--942c42c606bce2666318996725dd445f966e877a/ai-4a3f957c.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"작업자가 안전 유리 너머로 지켜보는 가운데 양팔 로봇이 금속 브래킷을 칸막이 트레이에 넣고 있다.","caption":"공장 실증 성공률 96%는 자동차 부품 키팅 작업에 한정된 결과다.","description":null},"en":{"alt":"A dual-arm robot places metal brackets in a divided tray as a worker watches from behind a safety barrier.","caption":"The 96% factory trial success rate applies specifically to automotive parts kitting.","description":null},"ja":{"alt":"作業員が安全ガラス越しに見守る中、双腕ロボットが金属ブラケットを仕切り付きトレーに入れている。","caption":"工場実証での成功率96％は、自動車部品のキッティング作業に限定された結果だ。","description":null},"es":{"alt":"Un robot de dos brazos coloca soportes metálicos en una bandeja mientras una operaria observa tras un cristal.","caption":"La tasa de éxito del 96% en la prueba de fábrica corresponde específicamente a la preparación de kits de piezas de automóvil.","description":null},"id":{"alt":"Robot dua lengan menaruh braket logam ke baki bersekat, sementara pekerja mengamati dari balik kaca pengaman.","caption":"Tingkat keberhasilan 96% dalam uji pabrik khusus berlaku untuk penyiapan kit komponen otomotif.","description":null},"pt":{"alt":"Um robô de dois braços coloca suportes metálicos numa bandeja enquanto uma operadora observa atrás de um vidro.","caption":"A taxa de sucesso de 96% no teste de fábrica se refere especificamente à preparação de kits de peças automotivas.","description":null},"zh-hant":{"alt":"一名作業員隔著安全玻璃觀看，雙臂機器人將金屬支架放入分隔托盤。","caption":"工廠實證的96%成功率僅適用於汽車零件配套作業。","description":null},"de":{"alt":"Ein zweiarmiger Roboter legt Metallwinkel in eine Fächerschale, während eine Fachkraft hinter Schutzglas zusieht.","caption":"Die Erfolgsquote von 96 % im Werkstest gilt speziell für die Zusammenstellung von Automobilteilesätzen.","description":null}}},{"id":2721,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3ODAsInB1ciI6ImJsb2JfaWQifX0=--19b385253034a3ff7240ac9fd1708a09552dc8d6/ai-abdf1234.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"보호안경과 주황색 작업복을 착용한 엔지니어가 로봇 집게와 완충재 장애물 사이의 간격을 살핀다.","caption":"작업 성공률과 안전성 평가는 구분해서 살펴봐야 한다.","description":null},"en":{"alt":"An engineer in safety glasses and an orange jacket checks the gap between a robot gripper and a padded obstacle.","caption":"Task success rates and safety evaluations must be considered separately.","description":null},"ja":{"alt":"保護メガネとオレンジ色の作業着を着た技術者が、ロボットのグリッパーと緩衝材付き障害物の間隔を確認する。","caption":"作業成功率と安全性評価は分けて捉える必要がある。","description":null},"es":{"alt":"Una ingeniera con gafas protectoras revisa la separación entre una pinza robótica y un obstáculo acolchado.","caption":"La tasa de éxito de las tareas y la evaluación de seguridad deben considerarse por separado.","description":null},"id":{"alt":"Insinyur berkacamata pelindung memeriksa jarak antara pencengkeram robot dan penghalang berlapis busa.","caption":"Tingkat keberhasilan tugas dan evaluasi keselamatan perlu ditinjau secara terpisah.","description":null},"pt":{"alt":"Uma engenheira de óculos de proteção verifica a distância entre uma garra robótica e um obstáculo acolchoado.","caption":"A taxa de sucesso das tarefas e a avaliação de segurança devem ser consideradas separadamente.","description":null},"zh-hant":{"alt":"一名戴著護目鏡、身穿橘色工作服的工程師，檢查機器人夾爪與軟墊障礙物之間的間距。","caption":"任務成功率與安全性評估應分開看待。","description":null},"de":{"alt":"Eine Ingenieurin mit Schutzbrille prüft den Abstand zwischen Robotergreifer und gepolstertem Hindernis.","caption":"Aufgabenerfolgsquoten und Sicherheitsbewertungen müssen getrennt betrachtet werden.","description":null}}},{"id":2722,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6NDE3ODcsInB1ciI6ImJsb2JfaWQifX0=--b53b670a4782c2a2772d285b567bb3a5ccc69a92/ai-9c32d838.webp","is_representative":false,"generation_method":"ai_infographic","license":"ai_generated","mime_type":"image/webp","width":1024,"height":1536,"visible_locales":["ko"],"translations":{"ko":{"alt":"시각·언어에서 양팔 로봇 제어로 이어지는 흐름과 부품 키팅, 성능 수치, 안전 평가, 모델 제공 상태를 정리한 인포그래픽","caption":"작업 성공률 30~100% 개선은 절대 성공률이 아니라 기존 기준 모델 대비 상대적 향상이다.","description":null},"en":{"alt":"Infographic covering robot control, parts kitting, performance figures, safety tests and model availability.","caption":"The 30–100% improvement in task success is relative to baseline models, not an absolute success rate.","description":null},"ja":{"alt":"視覚・言語から双腕ロボット制御への流れ、部品のキッティング、性能数値、安全評価、モデルの提供状況をまとめた図解","caption":"作業成功率の30～100%向上は、絶対的な成功率ではなく、従来の基準モデルに対する相対的な改善を指す。","description":null},"es":{"alt":"Infografía sobre control robótico, kits de piezas, cifras de rendimiento, pruebas de seguridad y acceso a modelos.","caption":"La mejora del 30–100% en el éxito de las tareas es relativa a los modelos de referencia, no una tasa de éxito absoluta.","description":null},"id":{"alt":"Infografik kendali robot, penyiapan kit komponen, angka kinerja, uji keselamatan, dan ketersediaan model.","caption":"Peningkatan keberhasilan tugas sebesar 30–100% bersifat relatif terhadap model acuan, bukan tingkat keberhasilan absolut.","description":null},"pt":{"alt":"Infográfico sobre controle robótico, kits de peças, desempenho, testes de segurança e disponibilidade dos modelos.","caption":"A melhoria de 30–100% no sucesso das tarefas é relativa aos modelos de referência, não uma taxa de sucesso absoluta.","description":null},"zh-hant":{"alt":"整理視覺與語言如何連結雙臂機器人控制，以及零件配套、效能數據、安全評估與模型開放狀態的資訊圖表","caption":"任務成功率提升30～100%是相較於既有基準模型的相對改善，並非絕對成功率。","description":null},"de":{"alt":"Infografik zu Robotersteuerung, Teile-Kitting, Leistungswerten, Sicherheitsprüfungen und Modellzugang.","caption":"Die Verbesserung des Aufgabenerfolgs um 30–100% ist relativ zu den Referenzmodellen und keine absolute Erfolgsquote.","description":null}}}],"published_at":"2026-11-11T22:26:13+09:00","updated_at":"2026-11-11T22:26:13+09:00","license":"cc_by","translation_status":"original","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/ko/articles/gemini-robotics-2-5-vla-factory-performance"}