구글이 로봇 공학 분야에 혁신을 가져올 새로운 대규모 언어모델(LLM) '제미나이 4 아르곤(Gemini 4 Argon)'을 발표했습니다. 아르곤은 물리적 이해, 코드 생성, 그리고 시각-의미론적 추론(visual-semantic reasoning) 능력에서 비약적인 발전을 이루어, 로봇 스택 전반에 걸쳐 새로운 작업 흐름을 가능하게 하고 물리적 인공 일반 지능(AGI)을 향한 발전을 가속화할 것으로 기대됩니다.
아르곤의 뛰어난 능력은 3D 환경에서 물리적, 공간적 문제를 이해하고 해결하는 모델의 능력을 테스트하는 'Embodied Reasoning (ERQA) 벤치마크'에서 입증되었습니다. 순수 추론(pure reasoning)만으로 아르곤은 87%의 점수를 기록하며 다른 모든 최첨단 모델을 능가했습니다. 이는 아르곤이 로봇 제어, 실세계-시뮬레이션(Real2Sim) 전환, 물리적 이해, 그리고 연구 및 자가 개선이라는 네 가지 핵심 영역에서 로봇의 전체 라이프사이클에 적용될 수 있는 범용 물리 추론 모델임을 시사합니다.
구체적인 사례로, 아르곤은 보스턴 다이내믹스(Boston Dynamics)의 4족 보행 로봇 스팟(Spot)이 발 페달 쓰레기통에 음료수 캔을 버리는 새로운 기술을 학습하도록 제어했습니다. 아르곤은 물리적 페달을 밟기 전에 MuJoCo 시뮬레이션 환경에서 쓰레기통의 디지털 트윈을 생성하여 동작을 연습하고, 여러 에이전트(agent)를 활용해 발 위치와 손의 정렬을 검증하는 등 복잡한 작업을 수행했습니다. 또한, 간단한 로봇 팔이 넘어진 머그잔을 바로 세우고 냅킨을 넣는 제로샷(zero-shot) 제어는 물론, 스크래블 타일을 'ARGON'으로 정렬하는 옴니 제어(Omni control)에서도 중간 프레임을 검사하고 프롬프트를 정교화하며 시각적 폐쇄 루프(closed visual loop) 방식으로 로봇을 조종하는 능력을 보여주었습니다.
이러한 발전은 로봇이 단순히 프로그래밍된 작업을 수행하는 것을 넘어, 주변 환경을 이해하고, 스스로 추론하며, 복잡한 문제를 해결하는 자율성을 갖게 됨을 의미합니다. 특히, 실세계 데이터를 기반으로 시뮬레이션 환경을 구축하고(Real2Sim), 시뮬레이션에서 학습한 내용을 실제 로봇에 적용하는(Sim2Real) 능력은 로봇 개발 및 테스트 과정을 획기적으로 단축시킬 수 있습니다. 이는 로봇이 인간의 개입 없이도 새로운 기술을 습득하고, 예상치 못한 상황에 유연하게 대처하며, 궁극적으로 범용적인 지능을 가진 로봇의 시대를 앞당기는 중요한 발판이 될 것입니다.