Gemini Robotics 2.5가 자동차 부품을 골랐습니다. 조립 라인도 그 키트를 바로 쓸 수 있을까요?
Google DeepMind는 Apollo 2 자동차 부품 키팅 실증에서 성공률 96%를 보고했습니다. 다음 질문은 트레이 정확도, 인계, 반복 작업 시간입니다.
부품 통 안의 금속 브래킷 두 개가 거의 똑같이 생겼습니다. 하나는 다음 트레이에 넣을 부품이고, 다른 하나는 다른 차량 사양에 쓰입니다. 잘못 고른 부품도 제자리에 말끔하게 들어갈 수 있습니다. 로봇이 부품을 정확히 옮기는 것은 유용한 일입니다. 공장이 원하는 결과는 필요한 부품을 올바른 순서로 담아 보낸 키트입니다.
2026년 11월 10일 Google DeepMind는 Gemini Robotics 2.5를 발표하고 로보틱스 협력사에 순차 제공한다고 밝혔습니다. Apptronik, Mercedes-Benz와 함께한 자동차 부품 키팅 실증에서는 성공률 96%를 보고했습니다. 실증에는 Apptronik의 휴머노이드 Apollo 2가 쓰였고, 헝가리 케치케메트와 독일 진델핑겐의 가동 중인 생산 라인에서 진행됐습니다. DeepMind 발표와 공장 시연 · Apptronik의 Apollo 2 소개
이 시연은 여러 작업에 쓰이는 로봇 모델에 구체적인 산업 업무를 맡겼다는 데 의미가 있습니다. 트레이가 이동하는 과정을 따라가면 대표 수치 하나보다 유용한 평가를 할 수 있습니다. 올바른 트레이가 제시간에 도착하는지, 문제가 생기면 현장 작업자가 무엇을 해야 하는지 알 수 있는지가 관건입니다.

2014년에 촬영한 Mercedes-Benz 진델핑겐 공장입니다. 두 실증 장소 중 하나의 외관입니다. 사진: qwesy qwesy, Wikimedia Commons, CC BY 3.0. Telli.sh가 크기를 조정했습니다.
부품을 한 번 잘 집는 것과 키트를 제대로 보내는 것은 다릅니다
자동차 부품 키팅은 부품을 모아 필요한 순서에 맞게 정리하는 작업입니다. DeepMind는 Mercedes-Benz 실증에서 여러 부품이 담긴 공급 통과 순서대로 넣는 용기를 썼다고 설명합니다. Apollo 2가 금속 브래킷을 골라 용기에 담았습니다. DeepMind에 따르면 Gemini Robotics ER이 공정 상태를 추적하고, Gemini Robotics 2.5가 로봇의 손과 팔을 제어했습니다. 회사는 Robotics 2.5를 시각·언어·행동 모델, 즉 눈앞에 보이는 것과 작업 지시를 바탕으로 물리적 동작을 정하는 모델로 설명합니다. DeepMind의 공장 실증 설명
자동차 부품 키팅의 개념도입니다. 그림의 인계 검사는 후속 실증에서 쓸 수 있는 합격 기준의 예입니다. DeepMind의 Mercedes-Benz 실증 설명을 바탕으로 Telli.sh가 제작했습니다. DeepMind 사례와 영상
키팅 스테이션은 앞 단계의 재고를 다음 조립 단계로 이어 줍니다. 브래킷 하나가 빠지거나 트레이가 늦으면 다음 작업자는 현재 상태와 작업을 마칠 방법을 알아야 합니다. 부품을 한 번 잘 집었다는 사실만으로는 이 부분을 설명하기 어렵습니다. 여러 부품을 제대로 배치했어도 하나가 빠진 트레이는 손을 다시 봐야 할 수 있습니다.
예를 들어 트레이에 서로 다른 부품 세 개가 필요하다고 합시다. 앞의 두 개는 올바르게 들어갔습니다. 세 번째도 배치는 멀쩡해 보이지만, 다른 차량 사양의 왼쪽 브래킷입니다. 집는 동작별로 세면 세 번 모두 부품을 옮긴 것으로 보일 수 있습니다. 키트별로 보면 트레이를 고쳐야 합니다. 이해를 돕는 가상 사례이며 Mercedes-Benz 실증에서 관측된 오류는 아닙니다.
추론 모델의 효용은 예외를 어떻게 정의하는지에도 달려 있습니다. 정해진 부품을 아직 넣지 않아서 칸이 비었을 수도 있고, 해당 차량 사양에 그 부품이 필요 없어서 비었을 수도 있습니다. 작업 상태와 승인된 생산 지시가 맞아야 스테이션이 두 경우를 구별할 수 있습니다. 공개 자료는 로봇이 빠진 부분을 보완했다고 설명하지만 공장의 재고, 순서 지정, 예외 처리 시스템을 어떻게 연동했는지는 밝히지 않았습니다. DeepMind 공장 실증
96%를 볼 때는 무엇을 한 건으로 셌는지도 봐야 합니다
DeepMind의 11월 10일 글은 실증 성공률을 96%로 보고합니다. 전체 시험 건수나 작업 시간과 사람 개입의 세부 내역은 제공하지 않습니다. 이 숫자는 참여 연구팀이 공개한 실증 결과입니다. 적용 범위를 넓히려는 공장에는 제때 도착한 정상 키트의 수와 시험에서 실제로 다룬 조건의 범위가 필요합니다. DeepMind가 공개한 실증 결과
두 가지 가정을 비교해 보겠습니다. 96%가 트레이 100개 중 완성된 키트 96개라는 뜻이면, 그 시험 정의에서 키트 네 개에 복구가 필요했습니다. 반대로 부품을 한 번 집을 때의 성공률이라면, 전체 키트의 성공률은 부품 수와 실패가 함께 발생하는 정도에 따라 다릅니다. 서로 독립인 다섯 번의 성공률이 각각 96%라면 다섯 번 모두 성공할 확률은 약 82%입니다. 이 계산은 분모가 달라지면 지표가 어떻게 달라지는지 보여 주는 예입니다. Mercedes-Benz 작업장의 추정치가 아니며, 실제 동작 결과는 서로 연관될 수 있습니다.
시간도 비교 결과를 바꿉니다. 대부분의 키트를 한 번에 완료하더라도 까다로운 몇 건에서 이례적으로 오래 멈출 수 있습니다. 평균만 보면 꼭 필요한 순간에 생긴 정체가 가려질 수 있습니다. 다음 단계로 보낸 키트 수와 함께 보통 걸린 시간과 느린 사례를 보세요. 로봇이 도움을 요청했을 때 작업이 멈췄는지, 기존 절차가 스테이션을 계속 돌렸는지도 기록합니다.
| 후속 실증에서 던질 질문 | 측정 방법 | 중요한 이유 |
|---|---|---|
| 다음 작업자에게 올바른 부품이 전달되는가? | 최초 인계에서 수락된 완전하고 순서가 올바른 키트 | 부품 집기에 성공해도 키트를 바로 쓸 수 있다는 보장은 없음 |
| 스테이션이 생산 속도를 맞추는가? | 느린 사례까지 포함한 작업 시간 분포 | 긴 대기는 다음 공정에 영향을 줌 |
| 예외는 누가 처리하는가? | 원인별 개입 횟수와 복구 시간 | 집기를 자동화해도 일이 사람에게 옮겨갈 수 있음 |
| 조건이 바뀌어도 결과가 유지되는가? | 승인된 부품이나 트레이 변경 뒤 같은 지표를 측정 | 한 조건에서 안정적이라는 결과만으로 다른 조건을 판단하기 어려움 |
업체가 보고한 성공률과 함께 생산팀이 수집할 수 있는 네 가지 지표입니다. Mercedes-Benz 실증 데이터가 아닌 평가 제안입니다. Telli.sh 제작.
작업 조건을 바꿔 보면 어느 부분이 적응했는지 알 수 있습니다
DeepMind는 Gemini Robotics 2.5를 약 200가지 서로 다른 과제로 평가했고, 자체 평가에서 이전 기준보다 향상됐다고 밝혔습니다. 작업대 위의 동작과 더 복잡한 조작이 시험에 포함됐습니다. 서로 다른 물체를 다룰 수 있다는 것은 범용 모델의 연구 성과입니다. 생산팀이 알고 싶은 수치는 예상 부품 구성이 바뀌었을 때 스테이션을 적응시키는 데 드는 일입니다. DeepMind 평가와 사례
스테이션을 실제로 바꾸는 이유부터 살펴보세요. 공급사가 표면 처리가 다른 부품을 납품하거나, 새 연식의 차량에 비슷한 브래킷이 들어올 수 있습니다. 다른 작업 구역에 공간이 필요해 관리자가 부품 배치 방식을 바꿀 수도 있습니다. 각각 작업의 다른 부분에 영향을 미칩니다. 완성된 키트가 최종 지표이더라도 인식, 집기, 올바른 순서는 따로 관찰할 가치가 있습니다.
같은 부품을 다른 배열로 담는 새 용기가 승인됐다고 합시다. 사람이 새 절차를 가르쳐야 한다면 필요한 시간과 담당자를 기록합니다. 새 프로그램 없이 적응한다면, 이전 정확도와 처리량으로 돌아오기까지 몇 번의 시험이 필요한지 측정하세요. 고정 장치 변경, 설정, 검증을 포함한 전환 전체를 비교해야 합니다. 범용 로봇이 줄일 수 있는 일은 이 부분인데, 원활한 작업 영상에서는 놓치기 쉽습니다.
다른 종류의 스테이션도 마찬가지입니다. 익숙한 브래킷을 잘 다룬 것은 키팅에 유용한 결과지만, 손상되기 쉬운 부품을 다룰 때는 합격 기준이 달라집니다. 도구, 부품 접촉 방식, 오염 규정, 작업자가 손상을 확인하는 방식이 모두 달라질 수 있습니다. 다른 스테이션에 옮겨 쓸 수 있다는 말은 추가 작업량을 측정할 수 있고, 그 작업을 거쳐 새 스테이션 자체의 요구를 충족한다는 뜻입니다.
작업자가 인계받는 과정도 평가에 넣으세요
DeepMind는 Robotics 2.5의 물리적 안전 지침이 개선됐다고 설명합니다. 이런 기능은 스테이션 평가에 참고할 수 있습니다. 현장 책임자에게는 실제 장비와 환경에 적용되는 운영 한계와 문서화된 정지·복구 절차가 필요합니다. 현장 안전 담당자와 통합 담당자가 그 일을 맡아야 합니다. 공개된 모델 평가만으로 특정 배치가 사람과 함께 일할 준비가 됐다고 판단할 수는 없습니다. DeepMind의 안전 설명
모의 작업으로 사람에게 어떤 정보가 전달되는지도 시험할 수 있습니다. 트레이 작업이 도중에 멈추면 어느 칸까지 완료됐는지, 계속 진행할지 트레이를 따로 둘지 작업자가 판단할 수 있나요? 눈에 보이는 상태, 짧은 사유, 분명한 보고 경로가 있으면 다음 사람이 처음부터 멈춘 원인을 진단하지 않아도 됩니다.
현장 기술자를 평가에 참여시키면 실질적인 이점이 있습니다. 이들은 어떤 변형이 흔하고, 어떤 누락을 다음 단계에서 처리할 수 있으며, 어떤 경우에 작업 순서를 바꿔야 하는지 압니다. 로봇은 그 판단에 필요한 수준의 정보를 제공해야 합니다. 실증 설계에 참여하지 않은 기술자에게 스테이션이 키트에 문제를 표시했을 때 어떻게 하겠는지 묻고, 답을 바탕으로 인계 방식을 개선해 보세요.
다음 시험은 생산 라인에 실제로 필요한 트레이를 기준으로 설계하세요
- 범위가 분명한 작업 구역과 부품군을 하나 고릅니다. 생산·안전 담당자에게 평소 작업 방식, 승인된 절차, 해당 장소에서 로봇을 시험하는 이유를 확인합니다.
- 올바른 인계 한 건을 정의합니다. 필요한 부품과 칸, 순서, 허용 시간을 기록합니다. 집는 동작을 매번 완료로 세기보다 전달된 트레이를 추적합니다.
- 기존 작업의 기준값을 수집합니다. 대표성 있는 기간을 골라 기존 작업 시간, 흔한 예외, 다음 스테이션에 미치는 영향을 측정합니다.
- 승인된 변형 조건에서도 반복합니다. 현장에서 시험을 허용한 재고나 일정의 통상적 변화와 초기 조건을 비교합니다. 바꾸기 전과 후에 같은 합격 기준을 적용합니다.
- 작업자와 통합 담당자가 함께 결과를 봅니다. 가장 느리거나 성공하지 못한 실행에서 무슨 일이 있었는지 확인하고, 다음 시험에서 다룰 실패 유형을 정합니다.
이는 승인된 산업 시험을 평가하는 방법이지, 협력사들이 실제로 이 절차를 수행했다는 뜻은 아닙니다. 공개 실증은 물리적 결과가 분명한 유의미한 작업을 보여 줍니다. 해당 모델이나 로봇을 쓰지 않더라도, 이 사례를 보고 자기 공장에서 측정할 항목을 정할 수 있습니다.
해석을 일관되게 하려면 시험마다 기록표 하나를 쓰세요. 승인된 부품군, 입력 조건, 기대한 인계 결과, 실제 결과와 걸린 시간을 적습니다. 복구가 발생했다면 로봇을 사용할 수 없었던 시간과 사람이 직접 처리한 시간을 구분하세요. 로봇이 잠깐 멈추는 것과 다음 공정이 크게 지연되는 것은 다른 결과이며, 인력을 계획하는 사람은 둘 다 알아야 합니다.
비교 범위도 정하세요. 기존 작업을 하던 사람은 같은 근무 시간에 부품 통을 채우거나 잘못 붙은 라벨을 신고할 수도 있습니다. 로봇이 부품을 집고 다른 업무를 사람이 넘겨받아도 키팅 성과에는 의미가 있습니다. 그 일을 함께 적어야 독자와 현장 담당자가 스테이션이 맡을 수 있는 책임과 사람에게 남는 책임을 구분할 수 있습니다.
다음 작업자가 바로 쓸 수 있는 키트를 받아야 성공입니다
공개된 Mercedes-Benz 결과는 가변적인 부품 조작이 실제 생산 라인에서 유용할 수 있는지에 대한 근거를 하나 더합니다. 다음 결정은 전체 공정을 보고 내려야 합니다. 신뢰할 수 있는 스테이션은 올바른 부품을 제때 꾸준히 인계하고, 예외가 생겼을 때 복구할 만큼 상황을 분명히 알려 줍니다. 그래야 유망한 키팅 시연을 다른 공장에서도 판단할 수 있는 결과로 바꿀 수 있습니다.
출처
- Google DeepMind의 Gemini Robotics 2.5 발표, 실증과 영상, 2026년 11월 10일
- Apptronik의 Apollo 2 제품 소개
- qwesy qwesy가 촬영한 진델핑겐 공장 외관
시험 회고와 결정을 나중에 검색할 수 있게 남기려면 Telli.sh 계정을 만들어 보세요.