Gemini Robotics 2.5 공장 성능 해설

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.

이 글의 성능 수치는 Google의 2026년 11월 10일 발표 기준이다.

VLA와 ER의 작동 구조

VLA는 시각 정보와 언어 지시를 로봇 행동으로 연결하는 모델이다. 이름은 Vision-Language-Action의 약자다. ER은 물리적 환경에서 작업을 계획하는 체화형 추론을 뜻한다.

공장 실증에서는 두 모델이 역할을 나눠 맡는다. Gemini Robotics ER은 전체 작업 흐름을 추적한다. Gemini Robotics 2.5는 양손과 팔을 제어한다.

ER 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

행동 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

×

작업 성공률과 안전성 평가는 구분해서 살펴봐야 한다.

작업 평가 수치와 비교 기준

발표된 개선율은 이전 기준 모델과 비교한 결과다. 모든 작업에 공통으로 적용되는 절대 성공률은 아니다. 발표문은 작업 종류에 따라 개선 폭이 달랐다고 설명한다.

다음 표는 2026년 11월 10일 발표 수치를 구분한 것이다.

작업 수는 평가한 과제의 종류를 가리킨다. 각 과제를 반복한 횟수와는 다른 개념이다. 따라서 작업 수만으로 통계적 신뢰도를 계산할 수 없다. Google 한국어 발표문

상대적 개선율 계산 예시

성공률 개선율을 배수로 바꾸면 의미가 분명해진다. 발표된 30% 개선은 기존 성공률의 1.3배에 해당한다. 100% 개선은 기존 성공률의 2배라는 뜻이다. 이는 발표 수치로 계산한 관계다.

기준 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.

공장 실증 성공률 96%의 범위

발표된 **96%**는 자동차 부품 키팅 실증의 성공률이다. 키팅은 조립에 필요한 부품을 순서에 맞게 준비하는 작업이다. 이번 실증에서는 Apptronik의 Apollo 2가 이를 수행했다.

실증 장소는 Mercedes-Benz의 실제 생산 라인이다. 발표문은 헝가리 케치케메트와 독일 진델핑겐을 명시한다. 로봇은 공급함에서 금속 브래킷을 집어 순서별 용기에 배치했다.

개념 검증인 PoC는 특정 환경의 실행 가능성을 확인하는 시험이다. 여기서 측정한 성공률은 그 시험 범위에 속한다. 공장 전체 자동화율이나 모든 공정의 성공률로 확대할 수 없다.

Google은 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

성공률에서 빠진 실패 복구와 처리량

공장 도입 판단에는 성공률의 분모와 복구 시간이 필요하다. 같은 성공률이라도 재시도 방식에 따라 생산량이 달라질 수 있다. 이는 발표 수치를 운영 지표로 연결하기 위한 분석이다.

이 항목들은 확인된 추가 성과가 아니다. 현장 평가에서 별도로 확인할 측정 조건이다. 한국어 발표문만으로는 세부 조건을 모두 확정할 수 없다.

운영 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.

로봇 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

물리적 안전과 탈옥 방어의 차이

물리적 안전 지침과 탈옥 방어는 평가 대상이 다르다. 전자는 실행 중 주변 위험을 피하도록 행동을 유도한다. 후자는 위험한 지시를 따르도록 만드는 공격에 대한 저항성을 본다.

추론 시점은 모델이 입력을 받아 판단하는 때다. Google은 이 시점에 위험을 피하도록 하는 지침을 적용한다고 설명한다. 안전 관련 수치도 어떤 모델의 어떤 평가인지 구분해야 한다.

다음은 2026년 11월 10일 발표의 안전성 수치다.

탈옥 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

ASIMOV-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

물리적 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.

시뮬레이션과 실제 학습 데이터

Google의 설명에 따르면 시뮬레이션은 실제 시연 데이터와 결합됐다. Gemini 4 Argon은 카메라 장면에서 가상 훈련 환경을 생성한다. 실패 영상에서 개선 가설을 찾는 연구도 지원한다.

디지털 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

이 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.

×

작업 성공률 30~100% 개선은 절대 성공률이 아니라 기존 기준 모델 대비 상대적 향상이다.

파트너 제공과 공개 API의 차이

행동 모델과 ER 모델은 공개 상태를 따로 확인해야 한다. 발표에 따르면 행동 모델은 로보틱스 파트너에게 순차적으로 제공된다. ER 2 공식 페이지에는 공개 미리보기가 명시돼 있다.

Google DeepMind의 발표문은 제공 범위를 다음과 같이 적었다.

Gemini Robotics 2.5 is rolling out to our robotics partners.

출처는 Gemini Robotics 2.5 발표문이다.

ER의 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.

성능 수치를 읽을 때 흔한 실수

평가 대상과 단위를 생략하면 서로 다른 성과가 섞인다. 특히 모델 이름만으로 수치를 묶으면 해석이 흐려진다. 인용할 때는 작업과 비교 조건을 함께 적어야 한다.

이 글의 핵심 질문

모델 역할, 평가 단위, 공개 상태를 나누면 핵심 의문이 정리된다.

Gemini Robotics 2.5는 로봇 본체인가

로봇을 제어하는 VLA 모델이다. Apollo 2는 이를 활용한 로봇 본체다. 모델 성능과 본체의 물리적 성능은 구분해야 한다.

200여 개 작업은 실제 공장의 공정 수인가

발표된 모델 평가의 작업 종류를 뜻한다. 모두 자동차 공장의 공정이라는 의미는 아니다. 평가 작업 수와 공장 실증 범위는 별도다.

공장 성공률만으로 도입 효과를 계산할 수 있는가

성공률만으로 비용이나 생산량을 계산할 수는 없다. 작업 시간과 실패 복구 시간을 함께 알아야 한다. 품질 판정과 사람의 개입 조건도 필요하다.

공개 미리보기와 상용 도입은 같은 의미인가

공개 미리보기는 특정 모델에 접근할 수 있는 제공 상태다. 공장 시스템 통합 완료를 뜻하지 않는다. 행동 모델의 제공 조건도 별도로 확인해야 한다.