앱트로닉의 ‘아폴로 2’ 휴머노이드 로봇, 메르세데스-벤츠에서 조립 작업 시작

현재 두 대의 휴머노이드 로봇이 메르세데스-벤츠의 가동 중인 생산 라인에서 근무 시간의 일부를 할애해 파란색 플라스틱 상자 안으로 손을 뻗어 금속 브래킷을 꺼낸 뒤, 후속 조립 작업자가 필요로 하는 정확한 순서대로 각 부품을 순차 트레이에 넣는 작업을 수행하고 있다. 구글 딥마인드는 화요일, 앱트로닉이 제작하고 자사의 새로운 ‘제미니 로보틱스 2.5(Gemini Robotics 2.5)’ 모델을 탑재한 이 로봇들이 헝가리 케치케메트와 독일 진델핑겐에 위치한 메르세데스-벤츠 공장에서 해당 키팅 작업을 96%의 정확도로 수행한다고 밝혔다.

이번 도입은 양산 도입이 아닌 개념 증명(PoC) 단계이며, 딥마인드는 이 성공률이 몇 건의 피킹 작업을 포함하는지, 시범 운영이 얼마나 오래 진행되었는지, 또는 동일한 분류 작업을 수행하는 인간과 비교했을 때 사이클 타임이 어떻게 다른지에 대해서는 공개하지 않았다.

96%의 피킹 성공률이 실제로 무엇을 의미하는가

이 작업은 ‘자동차 키팅(kitting)’이라고 불리며, 대량 보관소에서 개별 부품을 꺼내 차량 조립 라인에서 사용될 순서대로 정리된 용기에 배열하는 과정입니다. 이를 통해 기술자가 작업을 중단하고 올바른 부품을 찾아 헤매는 일이 없도록 합니다. 딥마인드는 ‘제미니 로보틱스 2.5’가 이에 필요한 간격 보정을 처리한다고 설명합니다. 즉, 용기의 부품이 부족해지거나 부품이 어색한 각도로 놓여 있을 때 그립과 배치 위치를 조정하는 기능으로, 이는 다른 측면에서는 자동화된 공장에서도 키팅 작업을 오랫동안 수작업으로 유지하게 했던 부분입니다.

이 회사는 메르세데스-벤츠 생산 라인을 더 광범위한 주장의 한 사례로 제시하며, 집게로 음식을 건네는 것부터 액체를 피펫팅하는 것까지 200개 이상의 서로 다른 작업에 걸쳐 테스트된 ‘제미니 로보틱스 2.5’는 작업 유형에 따라 이전 모델보다 성공률을 30%에서 100%까지 높였으며, 작업 완료 속도도 20%에서 30% 더 빨라졌다는 것입니다. 딥마인드는 또한 추론 시점에 추론 기반의 안전 지침을 적용함으로써 장애물 주변에서 안전한 작업 완료율이 33%, 사람이 근처에 있을 때는 43% 향상되었으며, 새로운 내부 안전 벤치마크에 따르면,

ASIMOV-Jailbreak는 이전 모델의 82%에 비해 99.5%의 정확도를 기록했다. 이 수치들은 아직 독립적인 검증을 거치지 않았으며, 제3자에 의한 감사를 받은 것이 아니라 모델과 함께 공개된 딥마인드(DeepMind)의 자체 측정 결과이다.

정렬된 브래킷에 대한 96%의 성공률은 좁고 통제된 작업에 대한 결과일 뿐, 실제 조립 라인에서 여전히 인간에게 맡겨지는 다양한 변수를 로봇이 처리할 수 있다는 증거는 아닙니다.

왜 용접이 아닌 키팅이 출발점이 되었는가

키팅은 시작 과제로 의도적으로 선택된 것이며, 이는 두 회사가 위험을 어떻게 관리하고 있는지에 대한 단서를 제공합니다. 용접, 토크가 중요한 조임 작업, 또는 차량의 구조적 무결성에 영향을 미치는 작업과 달리, 순서 지정 트레이에 브라켓이 잘못 배치된 것은 복구 가능한 오류입니다. 즉, 결함이 완성된 차량에까지 미치는 것이 아니라, 하류 공정 작업자가 틈을 발견하고 이를 보정하면 됩니다. 이러한 오류 허용 범위가 바로, 여전히 매 교대마다 품질 목표를 달성해야 하는 조립 라인에서 키팅이 휴머노이드의 첫 번째 작업으로 합리적인 이유이며, 또한 96%라는 수치가 이 기술이 달성할 수 있는 상한선이 아니라 쉬운 사례의 하한선으로 해석되어야 하는 이유이기도 합니다. 산업 자동화 분야에서는 수년 동안 고정형 로봇 팔을 이용해 빈 피킹(bin-picking) 작업을 수행해 왔지만, 거의 항상 무거운 고정 장치, 알려진 부품 형상, 그리고 셀을 둘러싼 보호 케이지가 동반되었습니다. 여기서 다른 점은, 그런 보조 구조물 없이도 다목적 이동식 양팔 로봇이 사람이 오가는 통로에서, 로봇 덕분에 안전 안경을 착용하지 않은 작업자 바로 옆에서 이 작업을 수행한다는 것입니다.

메르세데스-벤츠만이 자동차 공장을 휴머노이드의 시험장으로 삼고 있는 것은 아닙니다. 피겨 AI(Figure AI)는 BMW의 사우스캐롤라이나주 스파르탄버그 공장에서 유사한 정교한 분류 작업을 수행한 바 있으며, 현대자동차는 자사 시설에서 보스턴 다이내믹스의 ‘아틀라스(Atlas)’를 대상으로 구조 및 이동성 테스트를 진행했습니다. 이 세 기업 모두에서 나타나는 공통된 양상은 다음과 같습니다. 자동차 제조사들은 자본, 통제된 작업 공간, 그리고 기존 안전 문화를 갖추고 있어

시범 운영을 주관함으로써, 향후 직접 활용하게 될 기능을 미리 체험할 수 있습니다. 자동차 업계 외부의 조달 팀이 이 상황을 지켜본다면, 메르세데스-벤츠의 시범 운영은 유사한 로봇이 서로 다른 부품 구성과 자동차 제조사 수준의 통합 예산 지원 없이도 창고 현장에 투입될 준비가 되었다는 증거라기보다는, 기반이 되는 파운데이션 모델이 얼마나 빠르게 발전하고 있는지에 대한 신호로 해석하는 것이 가장 적절할 것입니다.

아르곤(Argon)의 시뮬레이션 루프는 영상에는 나타나지 않는 작업을 수행하고 있다

메르세데스-벤츠의 성과 수치 뒤에 숨겨진 더 흥미로운 메커니즘은 로봇 팔이 아니라, 이를 훈련시킨 모델입니다. 구글이 지난 10월에 공개한 또 다른 최첨단 모델인 ‘제미니 4 아르곤(Gemini 4 Argon)’은 단 하나의 실제 카메라 장면에서 수천 가지의 다양한 시뮬레이션 연습을 생성하여 그 디지털 트윈을 구축한 뒤, 이러한 시뮬레이션 연습을 실제 시연과 결합함으로써 로봇이 하나의 빈(bin) 구성만 암기하는 대신 새로운 물체와 레이아웃에 대해 일반화할 수 있도록 합니다. 아르곤은 또한 로봇의 실패 장면을 검토하고 원인을 추정한 뒤, 실제 기계에 다시 적용하기 전에 시뮬레이션에서 수정안을 테스트합니다.

이러한 ‘시뮬레이션, 실패, 진단, 재테스트’의 반복 과정을 통해 Apptronik의 제프 카르데나스(Jeff Cardenas) 최고경영자(CEO)는 모델들이 훈련 종료 후 불과 몇 주 만에 상당한 개선을 보였으며, 성능 저하가 거의 없이 메르세데스-벤츠 생산 현장에 그 개선 효과를 그대로 적용할 수 있었다고 말할 수 있게 되었습니다. 딥마인드는 ‘제미니 로보틱스 2’와 ‘2.5’ 사이에서 나타난 4개월간의 성과 향상 중, 아르고(Argon)가 구체적으로 기여한 부분이 어느 정도인지, 아니면 추가적인 실제 로봇 데이터 수집이나 파트너 측의 사후 훈련이 기여한 부분이 어느 정도인지에 대해서는 밝히지 않았는데, 이는 부품 구성이 다른 다른 생산 라인에서 이러한 성과가 얼마나 재현 가능한지 추정하려는 구매자에게 중요한 사항입니다.

앱트로닉(Apptronik)은 손을, 딥마인드(DeepMind)는 판단력을 제공한다

텍사스주 오스틴에 본사를 둔 휴머노이드 로봇 제조사 앱트로닉(Apptronik)은 딥마인드의 소프트웨어가 구동되는 하드웨어를 제작한다. 아폴로 2(Apollo 2)는 이 회사의 2세대 플랫폼으로, 이족 보행 형태로 출하되는 모듈식 설계다.

사람을 중심으로 설계된 공간을 위한 구성과 대량 생산 작업을 위한 바퀴 달린 베이스 구성으로, 이 모든 것은 최고 사양을 쫓기보다는 에너지 사용량, 유지보수성, 제조성을 적절히 조절하는 데 중점을 둔, 회사가 특허를 취득했다고 밝힌 액추에이터 플랫폼을 기반으로 제작되었습니다. 메르세데스-벤츠 생산 라인에서 로봇들은 샤르파(Sharpa)가 제작한 ‘샤르파웨이브(SharpaWave)’라는 5개의 손가락과 22자유도를 갖춘 손을 사용하며, 별도의 제미니 로보틱스-ER(Gemini Robotics-ER) 모델은 다단계 워크플로우를 추적하는 상위 수준의 작업을 담당하고, 제미니 로보틱스 2.5(Gemini Robotics 2.5) 자체는 팔과 손을 제어한다.

한 회사의 몸체, 다른 회사의 기초 모델, 또 다른 회사의 손이라는 이러한 업무 분담은 휴머노이드 도입에 있어 예외가 아닌 표준 구조로 자리 잡고 있으며, 이는 또한 딥마인드의 접근 정책이 벤치마크 수치만큼이나 중요한 이유이기도 합니다: 현재 ‘제미니 로보틱스 2.5’는 딥마인드의 기존 로봇 공학 파트너사로만 제한되어 있으며, 공개 API도 없고 가격 정책도 없으며, 이와 함께 발표된 새로운 온디바이스 또는 임베디드 추론 모델도 없습니다. 조달 팀은 이 기능을 단순히 구매할 수 없습니다. 이미 딥마인드의 파트너 네트워크에 속해 있어야 하는데, 현재로서는 메르세데스-벤츠와 같은 최종 고객이 아니라 앱트로닉(Apptronik)과 같은 하드웨어 제조사가 해당됩니다.

데모와 실제 채용 사이의 거리

화요일 발표 내용 중 이 프로젝트가 여전히 두 개 공장 구역의 기존 인력을 대체하는 것이 아니라, 그와 병행하여 진행되는 시범 운영이라는 기본적인 사실을 바꾸는 것은 아무것도 없습니다. 헤드라인에 등장한 96%라는 수치는 카메라와 그리퍼 시스템에 특히 적합하기 때문에 특별히 선정된 단일 작업, 즉 개별 부품, 알려진 보관함, 알려진 트레이를 다룬 경우를 설명할 뿐입니다. 이는 판단이 필요한 작업, 어색한 자세로 뻗어야 하는 동작, 또는 대량 보관함에 미리 분류되어 있지 않은 부품들을 다루는 훨씬 더 광범위한 조립 라인 업무에 대해서는 거의 언급하지 않고 있다. 영상상에서는 잘 작동하는 데모와 공장 관리자가 실제로 교대 근무를 운영하기 위해 인력을 배치할 만한 시스템 사이의 격차는, 딥마인드가 여기서 생략한 세부 사항들—픽 수, 시범 운영 기간, 그리고

로봇이 담당하던 업무를 대신해 기술자가 더 어려운 업무에 집중할 수 있도록 하기 위한, 기술자와의 직접적인 사이클 타임 비교.

메르세데스-벤츠의 선례를 따를지 고민 중인 기업들에게 더 유용한 지표는 성공률이라는 헤드라인이 아니라 그 이면에 있는 모델입니다: 한 최첨단 연구소는 현재 시뮬레이션 및 오류 분석 파이프라인을 단순한 연구 부수 프로젝트가 아닌 제품 기능으로 명시적으로 구축하고 있는데, 이는 차세대 휴머노이드 시범 운영이 단순한 손재주 시연보다는 특정 모델이 연구실 벤치마크와 실제 고객 현장의 격차를 얼마나 빠르게 좁힐 수 있는지에 따라 평가될 것임을 시사한다.

제미니 로보틱스 2.5에 적용된 이용 약관은 구매자들에게 진정한 결정 요소가 어디에 있는지 시사한다. 이 모델은 딥마인드(DeepMind)의 기존 로봇 공학 파트너에게만 제공되며, API도 없고 가격도 공개되지 않았기 때문에, 조달 팀이 고려해야 할 상업적 문제는 이 특정 모델의 라이선스를 취득할지 여부가 아니라, 어느 하드웨어 파트너에 투자할지를 결정하는 것입니다. 해당 파트너가 기반 파운데이션 모델에 접근할 수 있는 권한이 이제 사실상 로봇과 함께 묶여 제공되기 때문입니다. 이로 인해 공급업체 선정에 대한 고려 사항은 1년 전보다 훨씬 더 명확해졌습니다. 즉, 특정 휴머노이드 제조사가 실제로 얼마나 많은 파운데이션 모델 파트너십을 보유하고 있는지, 해당 하드웨어가 여러 파트너의 소프트웨어 스택 간에 얼마나 호환성이 있는지, 그리고 그 파트너십이 종료될 경우 로봇 군의 역량 로드맵에 어떤 영향이 미치는지 등이 핵심입니다. 오늘날 Apptronik, Figure AI, Agility Robotics 또는 그 밖의 휴머노이드 제조사를 평가하는 구매자는 사실상 하드웨어 자체만큼이나 소프트웨어와의 협력 관계를 평가하고 있는 셈이다.

신델핑겐 공장의 근무 교대가 끝날 무렵, 두 대의 아폴로 2 유닛은 여전히 몇 미터 떨어진 곳에서 인간 기술자들과 나란히 작업하고 있다. 같은 공장 조명이 비추는 아래, 같은 파란색 상자를 향해 손을 뻗으며, 이제 그들의 손은 그 생산 라인에서 애초에 누구도 직접 하고 싶어 하지 않았던 단 한 가지 작업을 수행하고 있다.

이 분석은 일반적인 정보 제공을 목적으로 하며, 투자, 법률 또는 전문적인 조언을 구성하지 않습니다. 이 분석은 Google의 내용을 종합한 것입니다.

본 기사 게재 시점을 기준으로 한 DeepMind와 Apptronik의 공식 성명 및 공개된 벤치마크 결과.