📰 핵심 요약

제미니 4 아르곤은 Google DeepMind가 로봇 응용을 위해 내놓은 차세대 물리적 추론 모델로, 물리적 이해, 코드 생성, 시각적 의미 추론에서 눈에 띄는 도약을 보이며 ‘피지컬 AGI’를 로봇 기술 스택에 실제로 안착시키는 것을 목표로 한다. 3D 환경에서 물리 및 공간 문제를 이해하고 해결하는 능력을 평가하는 Embodied Reasoning(ERQA) 벤치마크 테스트에서, 아르곤은 순수 추론 모드로 87%의 점수를 기록하며 다른 모든 프런티어 모델을 앞질렀다. 범용 물리적 추론 모델로서 아르곤은 로봇 개발 전 생애주기에 활용될 수 있으며, 공식 글에서는 네 가지 대표 시나리오의 실제 프롬프트 예시를 보여준다. 첫 번째 사례에서는 아르곤이 보스턴 다이내믹스의 4족 로봇 스팟(12자유도 다리와 6자유도 로봇팔)을 제어해 새로운 기술을 학습한다. 페달식 쓰레기통에 음료 캔을 버리는 작업으로, 실행 전 MuJoCo로 쓰레기통의 관절형 디지털 트윈을 만들어 시뮬레이션 연습을 하고, 실제 수행 시에는 전방 카메라로 오른쪽 앞발이 페달에 제대로 정렬되었는지 확인한다. 또한 ‘발 검증’과 ‘손 검증’이라는 두 개의 에이전트 팀을 파견해 페달 밟기와 던지기 동작의 3D 정렬 정확도를 교차 확인한 후에야 캔을 던진다. 두 번째 사례는 간단한 로봇팔을 제어해 쓰러진 머그잔을 세우고 구겨진 티슈를 잔 안에 넣는 작업이다. 이 과정에서 아르곤은 시각 좌표 프레임워크와 동작 프리미티브를 활용해 여러 차례의 대화를 거쳐 단계적으로 작업을 완수하며, 좌표 격자가 표시된 손목 카메라 화면과 폐루프 워크플로(관측 데이터를 먼저 읽고, 비전-언어 모델 호출 단위를 선택한 뒤, 집기와 놓기를 단계적으로 수행)를 통해 물체의 각도와 높이를 정밀하게 파악한다. 자세한 기술적 내용은 원문 링크를 참고하라.

💬 JudyAI Lab 관점

Google DeepMind가 차세대 물리적 추론 모델인 제미니 4 아르곤을 내놓았다. 목표는 ‘피지컬 AGI’를 로봇 기술 스택에 실제로 안착시키는 것이다. 3D 환경에서의 물리 및 공간 이해 능력을 평가하는 ERQA 벤치마크 테스트에서, 아르곤은 순수 추론 모드로 87%의 점수를 기록하며 다른 모든 프런티어 모델을 앞질렀다.

이 사례가 주는 시사점은 점수 자체보다 거기서 드러나는 신중한 실행 로직에 있다. 4족 로봇 스팟을 제어해 쓰레기를 버리기 전에 먼저 MuJoCo로 쓰레기통의 디지털 트윈을 만들어 시뮬레이션 연습을 하고, 실제 동작 시에는 ‘발 검증’과 ‘손 검증’이라는 두 에이전트를 파견해 정렬 정확도를 교차 확인한 뒤에야 손을 놓는다. 머그잔을 세우는 작업은 좌표 격자가 표시된 손목 카메라 화면과, 관측 읽기 → 호출 단위 선택 → 단계적 실행으로 이어지는 폐루프 워크플로에 의존한다. AI 응용을 다루는 사람에게는 이 ‘먼저 시뮬레이션으로 검증하고 신중하게 실행한다’는 설계 사고가, AI가 되돌릴 수 없는 동작을 다루는 모든 시나리오에 옮겨 적용할 만한 가치가 있다.

다음에 에이전트 워크플로를 설계할 때는 한번 생각해 보자. 시스템이 되돌릴 수 없는 동작을 실행하기 전에, 이런 이중 검증 같은 관문을 하나 넣어두었는가?

📅 원문 정보

🔗 더 읽어보기