제미나이 로보틱스 ER 2 기업용 공개: 로봇 두뇌 모델 정리

구글이 10월 27일 구글 클라우드에 공개 프리뷰로 연 제미나이 로보틱스 ER 2는 로봇이 보고 판단하고 다음 단계를 정하는 추론 모델입니다. 할 수 있는 일, 공식 성능 수치, 요금, Gemini API와 구글 클라우드 중 어디서 쓸지를 정리합니다.

홍승협(준이아빠)게시 2026.10.28약 17분

새로 올라온 글이에요. 먼저 읽어 보고 퀴즈도 풀어 보세요

#AI #API

제미나이 로보틱스 ER 2 기업용 공개: 로봇 두뇌 모델 정리 대표 이미지

준이아빠AI가 일하는 법AI 친구들의 작업실 구경하기 ↗

로봇 안에서 ER 2가 맡는 일
할 수 있는 다섯 가지
공식 성능 수치
이번 구글 클라우드 공개로 달라진 점
요금과 어디서 쓸지
처음 시험할 때 확인할 것
참고 자료

세 줄로 먼저 읽기

제미나이 로보틱스 ER 2는 Gemini 3.5 Flash를 바탕으로 만든 로봇용 추론 모델로, 카메라 영상을 보고 물체 위치, 계기 값, 작업 진행 정도를 판단해 다음 단계를 정합니다.
2026년 7월 Gemini API와 Google AI Studio에 먼저 나왔고, 10월 27일 구글 클라우드 기업용 플랫폼에서 공개 프리뷰로 열렸습니다.
2026년 말까지 입력 100만 토큰당 1달러, 출력 5달러이고 2027년 1월부터 두 배가 되므로, 사진 판독이나 작업 영상 분석처럼 로봇 없이 시험할 수 있는 일부터 확인해 볼 만합니다.

로봇이 컵에 커피를 따른다고 해 보겠습니다. 팔을 움직이는 일보다 어려운 것은 언제 멈출지, 따르다 흘리지는 않았는지, 다음 단계로 넘어가도 되는지를 판단하는 일입니다. 구글 딥마인드의 제미나이 로보틱스 ER 2(Gemini Robotics ER 2)는 이 판단을 맡는 모델입니다. 카메라 영상을 계속 보면서 작업이 얼마나 진행됐는지 확인하고, 실패한 단계만 다시 시킵니다.

ER은 체화된 추론(Embodied Reasoning)의 약자입니다. 글과 숫자만 다루는 추론이 아니라, 실제 공간에서 물체가 어디 있고 어떻게 움직이는지를 따지는 추론을 말합니다. ER 2는 이미지, 영상, 소리, 글을 받아 글로 답하는 비전 언어 모델(VLM)이고, 모터를 직접 움직이지는 않습니다.

ER 2는 2026년 7월 30일 Gemini API와 Google AI Studio에 먼저 나왔습니다. 10월 27일에는 구글 클라우드의 기업용 AI 개발 플랫폼인 Gemini Enterprise Agent Platform에서 공개 프리뷰로 열렸습니다. 이 글은 구글 클라우드 모델 문서와 블로그, 구글 블로그의 7월 발표문, Gemini API 문서와 요금표를 2026년 10월 28일에 확인해 작성했습니다.

로봇 안에서 ER 2가 맡는 일

구글은 ER 2를 로봇의 상위 두뇌라고 소개합니다. 사람의 말을 알아듣고 주변을 파악해 작업 순서를 짜는 일은 ER 2가 하고, 실제 팔과 다리를 움직이는 일은 아래 단계의 모델이나 로봇 API에 맡기는 구조입니다.

ER 2가 로봇 작업을 이끄는 순서

1. 지시 이해사람의 말과 카메라 영상을 받아
해야 할 일을 단계로 나눔
2. 도구 호출VLA 모델이나 이동, 팔 제어 API를
도구로 불러 동작을 맡김
3. 진행 확인영상을 보며 단계가 끝났는지,
실패했는지 판단
4. 다시 시도실패한 단계만 다시 시키고
성공하면 다음 단계로 넘어감

2단계의 VLA는 비전 언어 행동(Vision-Language-Action) 모델의 약자입니다. 화면과 지시문을 받아 모터를 어떻게 움직일지 바로 계산하는 모델로, 딥마인드의 Gemini Robotics 2가 여기에 해당합니다. ER 2는 VLA뿐 아니라 개발자가 정의한 함수와 구글 검색도 도구로 부릅니다.

7월 발표에서 구글은 보스턴 다이내믹스의 4족 보행 로봇 Spot 시연을 공개했습니다. ER 2가 Spot의 이동 API와 팔 제어 API를 불러, 사람이 말로 부탁한 팝콘 봉지를 찾아 가져옵니다. 구글은 ER 2가 동작을 수행하는 동안 다음 단계를 함께 생각하도록 설계돼, 생각하느라 멈추는 시간이 줄었다고 설명합니다.

할 수 있는 다섯 가지

구글 클라우드 모델 문서는 ER 2의 전문 분야를 다섯 가지로 적었습니다.

기능	하는 일
공간 추론과 가리키기	사진 속 물체를 가리켜 좌표로 돌려주고, 영상에서 물체를 추적하고, 이동 경로를 계획
계기 판독	원형 다이얼, 액면계, 디지털 표시창, 눈금자, 액체 온도계 등 10종 넘는 계기의 값을 읽음
로봇 영상 이해	중요한 일이 일어난 장면을 찾고(순간 찾기), 작업이 얼마나 진행됐는지 분류(진행도 분류)
도구 조율	로봇 API와 VLA 모델을 도구로 불러 여러 단계 작업을 끝까지 진행
여러 로봇 협업	바퀴 로봇, 휴머노이드처럼 모양이 다른 로봇이 작업 공간을 함께 이해하고 일을 나눔

표 가운데 계기 판독은 로봇이 없어도 바로 쓸 수 있는 기능입니다. 싱가포르 과학기술연구청(A*STAR)의 재료공학연구소는 API가 없는 오래된 마이크로파 반응기의 터치스크린을 로봇이 읽게 하는 데 ER 2를 쓰고 있다고 밝혔습니다. 장비를 새로 연결하지 않고 화면을 보고 값을 읽는 방식입니다.

공식 성능 수치

순간 찾기는 커피 따르기를 멈출 시점처럼 중요한 일이 일어난 프레임을 영상에서 찾는 능력입니다. 구글은 ER 2의 정확도가 91.3%, 실제 시점과의 평균 차이가 0.96초라고 밝혔습니다.

그림 1. 순간 찾기 정확도(가로)와 시점 차이(세로)입니다. 오른쪽 위로 갈수록 좋습니다. 출처: 구글 블로그

그래프에서 정확도만 보면 Opus 5가 ER 2보다 앞섭니다. 구글은 ER 2가 이런 큰 모델과 비슷한 정확도를 훨씬 적은 계산 비용과 4배 빠른 실행 속도로 낸다는 점을 내세웁니다. 실제 로봇은 1초 안에 판단해야 하는 경우가 많아서 속도가 정확도만큼 중요하다는 설명입니다.

진행도 분류는 영상의 각 프레임이 작업의 몇 퍼센트 지점인지를 0~20%부터 80~100%까지 다섯 단계로 맞히는 과제입니다. ER 2의 정확도는 57.4%이고, 구글은 이전 세대와 다른 최신 모델보다 높다고 밝혔습니다.

그림 2. 성공 판정, 질의응답, 계기 판독 정확도 비교입니다. 출처: 구글 블로그

네 항목 모두 ER 2가 가장 높고, 차이가 가장 큰 항목은 계기 판독입니다. ER 1.6이 52.8%, ER 2가 65.7%로 13%포인트 가까이 올랐습니다. 다만 65.7%는 세 번 중 한 번꼴로 틀린다는 뜻이기도 하므로, 판독 값을 그대로 기록에 남기는 업무라면 사람이 확인하는 단계를 함께 두는 편이 맞습니다.

이번 구글 클라우드 공개로 달라진 점

7월에는 기업용 플랫폼에서 일부 고객만 쓰는 비공개 프리뷰였습니다. 10월 27일부터는 구글 클라우드 프로젝트가 있으면 모델 목록인 Model Garden에서 바로 고를 수 있습니다. 구글 클라우드 모델 문서에 적힌 조건은 다음과 같습니다.

항목	내용
모델 ID	`gemini-robotics-er-2-preview`
기반 모델	Gemini 3.5 Flash
입력	글, 이미지, 소리, 영상 (최대 131,072토큰)
출력	글 (최대 65,536토큰)
지원 기능	생각하기, 구조화된 출력, 함수 호출, 코드 실행, 구글 검색과 지도 그라운딩
지원하지 않는 기능	미세 조정, 일괄 처리, 고정 처리량 계약, Live API
지역	`global`
기본 호출 한도	프로젝트당 분당 250회

기업이 구글 클라우드를 쓰면 얻는 것은 모델 성능이 아니라 운영 환경입니다. 구글은 기존 클라우드 권한 관리(IAM)와 보안 설정을 그대로 적용하고, 시연 영상을 Cloud Storage와 BigQuery에 쌓아 ER 2로 라벨을 붙인 뒤 자체 VLA 모델 학습에 쓰는 흐름을 함께 소개했습니다.

요금과 어디서 쓸지

Gemini API와 구글 클라우드 요금표에 적힌 단가는 같습니다. 2026년 12월 31일까지는 할인 가격이고, 2027년 1월 1일부터 두 배가 됩니다. 구글 클라우드는 이 할인을 사용 금액의 50%를 크레딧으로 돌려주는 방식으로 적용합니다.

구분	2026년 12월 31일까지	2027년 1월 1일부터
입력 100만 토큰	1달러	2달러
출력 100만 토큰(생각 포함)	5달러	10달러
캐시된 입력 100만 토큰	0.1달러	0.2달러

Gemini API에는 무료 등급이 있어 비용 없이 시험할 수 있습니다. 대신 무료 등급에 보낸 데이터는 구글 제품 개선에 쓰입니다. 공장이나 연구실 영상처럼 제품 개선에 쓰이면 안 되는 자료는 유료 등급이나 구글 클라우드로 보냅니다.

Gemini API와 구글 클라우드 비교

구분	Gemini APIGoogle AI Studio 키	구글 클라우드Agent Platform
무료 등급	제공	제공하지 않음
저지연 스트리밍 모델	제공	제공하지 않음
클라우드 권한 관리와 보안 설정	제공하지 않음	제공
시작하는 곳	AI Studio에서 API 키 발급	Model Garden에서 모델 선택

Gemini API 문서와 구글 클라우드 모델 문서 기준(2026년 10월 28일 확인)

표의 저지연 스트리밍 모델은 gemini-robotics-er-2-streaming-preview입니다. 계속 들어오는 영상과 소리를 실시간으로 처리하는 로봇이라면 Gemini API 쪽의 이 모델이 맞고, 사진이나 녹화 영상을 분석하는 일이라면 어느 쪽이든 됩니다.

처음 시험할 때 확인할 것

Gemini API 문서의 첫 예제는 사진 속 물체를 최대 10개 가리키게 하는 요청입니다. 모델은 물체 이름과 함께 사진의 세로와 가로를 각각 0~1000으로 환산한 [y, x] 좌표를 JSON으로 돌려줍니다.

[
  {"point": [376, 508], "label": "small banana"},
  {"point": [435, 172], "label": "paper bag"},
  {"point": [673, 580], "label": "dark blue bowl"}
]

문서에 적힌 주의 사항 가운데 처음에 자주 부딪힐 것은 네 가지입니다.

API 키 제한: 사용 제한을 걸지 않은 API 키로 요청하면 403 Forbidden 오류가 납니다. AI Studio에서 키에 제한을 먼저 설정합니다.
생각 수준: 생각 수준을 높이면 답이 느려집니다. 문서는 속도와 품질의 균형으로 medium을 권합니다.
작은 물체: 찾을 물체가 작거나 흐리면 사진에서 물체 주변만 잘라 확대해서 보냅니다. 조명과 색 대비도 결과에 영향을 줍니다.
정밀한 좌표: 좌표가 중요한 작업은 같은 요청을 여러 번 보내 평균을 냅니다.

ER 1.6은 2026년 8월 31일 지원이 끝났습니다. 아직 ER 1.6을 부르는 코드가 있다면 모델 이름을 gemini-robotics-er-2-preview로 바꿉니다.

실제 로봇에 연결할 때는 안전 책임이 개발자에게 있습니다. 구글은 시험에서 ER 2가 사람이 가까이 오면 휴머노이드를 멈추고, 주변에 사람이 없어지면 작업을 다시 시작했다고 밝혔습니다. 그래도 Gemini API 문서는 로봇 주변의 안전 환경을 유지할 책임이 사용자에게 있다고 적었습니다. 카메라와 마이크로 사람의 얼굴과 목소리가 들어가는 환경이라면, 그 사람들에게 미리 알리고 동의를 받아야 한다는 조건도 있습니다.

로봇이 아직 없다면 사진과 녹화 영상으로 할 수 있는 일부터 시험해 볼 수 있습니다. 설비 계기판 사진에서 값을 읽는 일, 작업 영상에서 공정이 끝난 시점을 찾는 일, 시연 영상에 단계 라벨을 붙이는 일입니다. 결과가 업무에 쓸 만한지는 이런 시험으로 먼저 판단하고, 로봇 연결은 그다음 단계로 두는 편이 비용과 위험이 적습니다.