구글이 로봇 공학 분야에 혁신을 가져올 새로운 인공지능(AI) 모델 '제미니 4 아르곤(Gemini 4 Argon)'을 발표했습니다. 이 모델은 물리 추론, 코드 생성, 시각적 의미 추론 능력을 결합하여 로봇 제어부터 시뮬레이션 구축, 데이터 주석, 연구 및 자기 개선에 이르기까지 로봇 개발의 전 과정을 지원합니다. 3D 환경에서 물리적 공간 문제를 해결하는 능력을 평가하는 ERQA 벤치마크에서 순수 추론만으로 87%를 기록하며 기존의 모든 선도 모델들을 뛰어넘는 성능을 보여주었습니다.
제미니 4 아르곤은 폐루프 시각 피드백(closed-loop visual feedback)을 통해 실제 로봇과 영상 월드 모델을 정밀하게 제어합니다. 예를 들어, 보스턴 다이내믹스(Boston Dynamics)의 스팟(Spot) 로봇이 페달식 쓰레기통에 캔을 버리는 복잡한 작업을 수행할 때, 여러 다리와 팔의 자유도를 제어하며 시뮬레이션 연습과 실제 환경에서의 시각 피드백을 결합해 성공률을 높였습니다. 또한, 로봇 카메라 영상이나 사람의 1인칭 영상, 심지어 손그림만으로도 물리 시뮬레이션을 구축할 수 있으며, 조작 영상에서 접촉과 실수를 구분하여 계층적 사후 주석(hindsight labeling)을 생성하고 학습 가중치를 조절해 효율적인 학습을 가능하게 합니다.
이 기술의 중요한 의미는 로봇이 복잡한 물리적 환경을 더 정확하게 이해하고 상호작용할 수 있게 된다는 점입니다. 시뮬레이션 데이터를 활용해 범용 시각-언어-행동(VLA) 모델을 개선한 사례에서는 실제 로봇의 작업 성공률이 56%에서 75%로 크게 향상되었고, 작업 완료 시간도 35초에서 24초로 단축되었습니다. 이는 로봇이 인간의 개입 없이 스스로 학습하고 개선하는 '자기 개선(self-improvement)' 능력을 강화하여, 궁극적으로는 물리적 세계에서 인간과 협력하는 로봇, 즉 물리적 AGI(Artificial General Intelligence)를 향한 중요한 진전으로 평가됩니다. 구글은 제미니 4 아르곤을 개발자 플랫폼을 통해 제공하여 로봇 공학 분야의 혁신을 가속화할 계획입니다.