Google DeepMind는 2026년 7월 30일 로봇공학용 신체화 추론 모델 중 가장 강력한 모델로 Gemini Robotics ER 2를 공개했다. 개발자는 Gemini API와 Google AI Studio를 통해 이 모델을 공개적으로 사용할 수 있으며, Gemini Enterprise Agent Platform에서는 비공개 프리뷰로 접근할 수 있다. 이 모델은 로봇의 고수준 두뇌처럼 작동한다. 사람과 대화하고, 물리적 세계를 이해하며, 여러 단계의 작업을 계획하고, Google Search나 사용자 정의 함수 같은 도구를 호출한 뒤, 하위 단계의 Vision-Language-Action model에 운동 실행을 넘긴다.

Gemini Robotics ER 2는 연속 영상 피드를 활용해 진행 상황을 추적하고, 작업이 잘못됐을 때 적응하며, 다음 단계로 넘어갈 시점을 판단하는 방식으로 Gemini Robotics ER 1.6을 개선했다. 개발자는 Vision-Language-Action model이나 내비게이션 API 같은 저수준 제어 인터페이스를 도구로 선언하고, 멀티모달 영상·음성·텍스트를 모델에 직접 스트리밍할 수 있다. Google DeepMind는 ER 2가 실제 VLA, 시뮬레이션 VLA, 사람 원격 조작 제어 모드 전반에서 도구 조율 성능이 ER 1.6을 일관되게 앞선다고 밝혔다.

Gemini Robotics ER 2는 지연 시간이 중요한 작업을 위해 양방향 스트리밍 엔드포인트를 통해 Gemini Live API와 통합된다. 이에 따라 로봇은 멈춰서 생각하는 지연 없이 여러 단계의 행동을 조율할 수 있다. Google DeepMind는 Boston Dynamics의 Spot으로 시스템을 시연했으며, ER 2가 내비게이션과 조작기 움직임 같은 Spot API를 조율해 자연어 명령 뒤 팝콘 간식을 가져오도록 했다. 코드는 다른 예제와 함께 Github에 공개돼 있다.

Google DeepMind는 영상 이해 능력 2가지, 즉 진행도 분류와 순간 탐지에서의 성과를 보고했다. 진행도 분류에서는 영상 피드의 각 프레임을 0-20%, 20-40%, 40-60%, 60-80%, 80-100% 등 5개 수준 중 하나로 배정한다. Gemini Robotics ER 2는 진행도 분류 작업에서 정확도 57.4%를 달성했다. 순간 탐지는 중요한 사건이 발생한 정확한 영상 프레임을 찾는 기능으로, ER 2는 정확도 91.3%와 평균 절대 거리 0.96s를 기록했다. 또한 훨씬 큰 모델 범주보다 실행 속도는 4x 빠르고, 컴퓨트 비용은 일부 수준에 그쳤다.

Gemini Robotics ER 2는 여러 기계가 의미 기반 이해를 공유하고 복잡한 작업을 넘겨받을 수 있게 하는 다중 로봇 협업도 지원한다. Google DeepMind는 Apptronik의 Apollo 2와 Franka F3 Duo 간 협업을 예로 들었다. 또한 이 모델은 성공·실패 감지, Enhanced Spatial VQA, 일반 계기 판독 전반에서 공간 추론을 개선했으며, 여기에는 10가지 서로 다른 계기 유형에 대한 테스트가 포함됐다.

Google DeepMind는 Safety Instruction Following과 Human Proximity 벤치마크 향상을 근거로 Gemini Robotics ER 2를 자사의 가장 안전한 모델이라고 설명했다. 회사는 ER 2가 근처에 사람이 있을 때 휴머노이드 로봇을 멈추게 하고, 주변이 안전해진 뒤에만 작업을 재개했다고 밝혔다. Google DeepMind는 또한 foundation model이 안전한 VLA 조율자로 작동할 수 있는지 평가하는 벤치마크를 도입했다. 이 벤치마크는 안전 제약 적용, 환경 모니터링, 물리적 실행 가능성 평가, 사람에게 설명 요청하기를 기준으로 삼는다.

Google DeepMind는 2026년 7월 30일 로봇공학용 신체화 추론 모델 중 가장 강력한 모델로 Gemini Robotics ER 2를 공개했다. 개발자는 Gemini API와 Google AI Studio를 통해 이 모델을 공개적으로 사용할 수 있으며, Gemini Enterprise Agent Platform에서는 비공개 프리뷰로 접근할 수 있다. 이 모델은 로봇의 고수준 두뇌처럼 작동한다. 사람과 대화하고, 물리적 세계를 이해하며, 여러 단계의 작업을 계획하고, Google Search나 사용자 정의 함수 같은 도구를 호출한 뒤, 하위 단계의 Vision-Language-Action model에 운동 실행을 넘긴다.

Gemini Robotics ER 2는 연속 영상 피드를 활용해 진행 상황을 추적하고, 작업이 잘못됐을 때 적응하며, 다음 단계로 넘어갈 시점을 판단하는 방식으로 Gemini Robotics ER 1.6을 개선했다. 개발자는 Vision-Language-Action model이나 내비게이션 API 같은 저수준 제어 인터페이스를 도구로 선언하고, 멀티모달 영상·음성·텍스트를 모델에 직접 스트리밍할 수 있다. Google DeepMind는 ER 2가 실제 VLA, 시뮬레이션 VLA, 사람 원격 조작 제어 모드 전반에서 도구 조율 성능이 ER 1.6을 일관되게 앞선다고 밝혔다.

Gemini Robotics ER 2는 지연 시간이 중요한 작업을 위해 양방향 스트리밍 엔드포인트를 통해 Gemini Live API와 통합된다. 이에 따라 로봇은 멈춰서 생각하는 지연 없이 여러 단계의 행동을 조율할 수 있다. Google DeepMind는 Boston Dynamics의 Spot으로 시스템을 시연했으며, ER 2가 내비게이션과 조작기 움직임 같은 Spot API를 조율해 자연어 명령 뒤 팝콘 간식을 가져오도록 했다. 코드는 다른 예제와 함께 Github에 공개돼 있다.

Google DeepMind는 영상 이해 능력 2가지, 즉 진행도 분류와 순간 탐지에서의 성과를 보고했다. 진행도 분류에서는 영상 피드의 각 프레임을 0-20%, 20-40%, 40-60%, 60-80%, 80-100% 등 5개 수준 중 하나로 배정한다. Gemini Robotics ER 2는 진행도 분류 작업에서 정확도 57.4%를 달성했다. 순간 탐지는 중요한 사건이 발생한 정확한 영상 프레임을 찾는 기능으로, ER 2는 정확도 91.3%와 평균 절대 거리 0.96s를 기록했다. 또한 훨씬 큰 모델 범주보다 실행 속도는 4x 빠르고, 컴퓨트 비용은 일부 수준에 그쳤다.

Gemini Robotics ER 2는 여러 기계가 의미 기반 이해를 공유하고 복잡한 작업을 넘겨받을 수 있게 하는 다중 로봇 협업도 지원한다. Google DeepMind는 Apptronik의 Apollo 2와 Franka F3 Duo 간 협업을 예로 들었다. 또한 이 모델은 성공·실패 감지, Enhanced Spatial VQA, 일반 계기 판독 전반에서 공간 추론을 개선했으며, 여기에는 10가지 서로 다른 계기 유형에 대한 테스트가 포함됐다.

Google DeepMind는 Safety Instruction Following과 Human Proximity 벤치마크 향상을 근거로 Gemini Robotics ER 2를 자사의 가장 안전한 모델이라고 설명했다. 회사는 ER 2가 근처에 사람이 있을 때 휴머노이드 로봇을 멈추게 하고, 주변이 안전해진 뒤에만 작업을 재개했다고 밝혔다. Google DeepMind는 또한 foundation model이 안전한 VLA 조율자로 작동할 수 있는지 평가하는 벤치마크를 도입했다. 이 벤치마크는 안전 제약 적용, 환경 모니터링, 물리적 실행 가능성 평가, 사람에게 설명 요청하기를 기준으로 삼는다.