말 한마디로 작업 절차를 짜는 장점은 크다. 대신 생성형 모델의 판단이 곧바로 관절 명령이 되면 지연, 충돌, 재현성의 대가가 커진다.
Yaskawa의 해법은 두 계층을 분리하는 것이다. 공식 발표에서 Gemini Robotics ER 1.6은 무엇을 할지 판단하고, MOTOMAN NEXT는 머신비전·경로계획·힘센싱으로 어떻게 움직일지를 맡는다. 이 조합은 완성된 범용 패키지보다 역할 분담을 검증하는 개발 시스템으로 읽어야 한다.
선택의 대상은 모델이 아니라 제어 경계다
생산기술팀이 고르는 것은 ‘Gemini냐 기존 로봇이냐’가 아니다. 고수준 작업 계획을 어디까지 AI에 맡기고, 기존 로봇 컨트롤러와 안전 시스템에 어느 단계부터 넘길지를 정한다. ‘부품을 분류해’라는 목표는 모호하지만 모터 전류와 관절 속도는 모호할 수 없다.
Google DeepMind의 ER 1.6 설명도 이 모델을 공간 이해, 작업 계획, 성공 감지와 도구 호출을 담당하는 고수준 추론 모델로 소개한다. MOTOMAN NEXT 통합에서는 그 결과를 현장 좌표와 실행 가능한 작업으로 번역하는 몸의 계층이 중요해진다.
고수준 계획은 수 초에 걸쳐 작업 순서를 바꿀 수 있지만 서보 루프와 안전 감시는 훨씬 짧고 일정한 주기로 돌아간다. 두 시계를 연결할 때는 명령의 유효기간, 작업 상태의 스냅숏, 완료 확인 신호를 정해야 한다. AI가 이전 장면을 근거로 새 목표를 보내더라도 컨트롤러는 현재 상태와 맞지 않으면 거부할 수 있어야 한다.
두뇌 계층은 목표를 작업 순서로 바꾼다
Gemini Robotics ER 1.6이 맡는 쪽은 현장 상태를 읽고, 목표를 단계로 나누고, 다음 행동이 필요한지 판단하는 일이다. Yaskawa는 세부 프로그램 없이 일반 지시만으로 절차를 구성하는 예를 들었다. 다만 공개 자료는 데모의 입력 형식, 응답 지연, 실패율, 허용 작업 목록을 모두 제시하지 않는다.
이 계층은 부품 종류나 배치가 자주 바뀌고 사전 티칭 비용이 큰 셀에 맞을 수 있다. 반대로 밀리초 단위 결정성과 검증된 고정 순서가 우선인 공정이라면, 모든 판단을 생성형 모델로 옮기는 것이 이득이라는 근거는 없다. Gemini Robotics ER 1.6의 판단·실행 경계를 먼저 이해하면 VLM과 VLA, 로봇 제어를 섞지 않게 된다.
DeepMind가 모델 차원에서 설명한 도구 사용 능력이 Yaskawa 셀에서 어떤 외부 도구까지 활성화됐는지는 공개되지 않았다. 생산 셀에서는 허용된 비전 조회, 작업 레시피, 재시도 명령만 화이트리스트에 두고 파일 쓰기나 외부 검색처럼 공정과 무관한 호출은 막는 설계가 필요하다. 도구의 성공 응답도 실제 로봇 상태로 다시 확인해야 한다.
몸 계층은 좌표·경로·접촉을 책임진다
MOTOMAN NEXT에는 머신비전, 경로계획, 힘센싱 서비스가 기본 기능으로 소개됐다. 머신비전은 물체의 위치와 형상을 현장 좌표로 바꾸고, 경로계획은 장애물을 피하는 움직임을 만들며, 힘센싱은 접촉과 파지 상태를 확인한다.
공식 발표는 물체를 떨어뜨렸을 때 상황을 인식하고 작업을 다시 시도하는 자동 복구도 설명한다. 이 사례는 복구 개념을 보여주지만 모든 오류가 안전하게 처리된다는 증거는 아니다. 낙하, 오인식, 경로 없음, 힘 초과, 안전정지처럼 오류 유형마다 재시도 허용 횟수와 사람 호출 조건이 필요하다.
장면 이해가 맞아도 카메라 좌표와 로봇 기준좌표가 어긋나면 집기는 실패한다. 카메라-로봇 보정, 공구 중심점, 힘센서 영점, 부품 지그 위치를 교대 전후에 점검하고 각 오차를 따로 남겨야 한다. 모델 재계획으로 보정 불량을 숨기면 접근 경로가 매번 달라져 원인 분석이 더 어려워진다.
어느 계층에 맡길지는 작업 위험으로 나눈다
작업을 두 계층으로 나누면 AI 모델을 교체하거나 현장 로직을 검증하기 쉬워질 수 있다. 대신 인터페이스가 하나 더 생기므로 목표 해석, 좌표 변환, 시간 초과, 상태 동기화에서 새로운 실패가 생긴다.
| 결정 항목 | Gemini ER 1.6에 맞는 역할 | MOTOMAN NEXT에 남길 역할 | 확인할 미공개 정보 |
|---|---|---|---|
| 작업 목표 | 자연어 목표·절차 후보 | 실행 가능성 확인 | 지원 명령·금지 작업 |
| 현장 인식 | 장면 의미·성공 판단 | 정밀 위치·형상 인식 | 좌표 오차·가림 조건 |
| 움직임 | 다음 단계 선택 | 경로·속도·관절 제어 | 최악 지연·시간 초과 |
| 접촉 | 작업 의도와 결과 해석 | 힘 측정·파지 확인 | 힘 한계·센서 고장 |
| 오류 복구 | 재계획·순서 변경 | 안전정지·허용 재시도 | 사람 승인·로그·롤백 |
실증을 구매 가능한 시스템으로 오해하지 않는 법
Yaskawa는 향후 적용 분야와 이용 가능 시점을 준비가 되는 대로 알리겠다고 밝혔다. 따라서 현재 문서만으로 가격, 지원 지역, 컨트롤러 버전, Gemini API 비용, 생산관리시스템 커넥터를 확정할 수 없다.
도입팀은 로봇 VLA 평가 기준처럼 평균 성공률 외에 지연, 일반화, 안전 증거를 함께 요구해야 한다. 고정 공정과 변동 공정을 나눠 같은 작업을 기존 티칭 프로그램과 에이전틱 경로로 각각 실행하면 총비용을 비교할 수 있다.
- 모델 응답이 늦거나 끊겼을 때 로봇이 멈추는 상태
- AI가 낸 목표를 컨트롤러가 거부하는 규칙과 감사 로그
- 물체를 떨어뜨린 뒤 재시도 횟수와 사람 호출 조건
- 생산관리시스템에서 받은 주문 정보의 권한과 무결성
- 모델·로봇 소프트웨어를 각각 되돌리는 롤백 절차
수락시험은 고정된 기준 작업과 변형 작업을 두 단계로 나누는 편이 읽기 쉽다. 먼저 기존 티칭 프로그램과 같은 위치·부품에서 반복성과 지연을 비교한다. 다음에는 위치, 조명, 부품 종류를 10~20개 조합으로 바꾸고 낙하·오인식·경로 없음·힘 초과를 강제로 만든다. 성공률뿐 아니라 거부, 안전정지, 사람 호출, 잘못된 재시도를 별도 집계해야 한다.
현재의 가치는 ‘모든 제어를 Gemini가 한다’는 데 있지 않다. 판단이 유연해야 하는 구간과 움직임이 결정적이어야 하는 구간을 나눈 설계가 공개됐다는 데 있다.
독자가 이어서 묻는 질문
Gemini를 붙이면 로봇 프로그래밍 비용이 없어지나?
가격과 비용 절감 수치는 공개되지 않았다. 세부 티칭 시간은 줄 수 있지만 모델 사용료, 통합, 검증, 실패 로그 분석, 안전 승인과 현장 지원 비용이 새로 생긴다. 동일 작업의 기존 프로그램 작성시간과 에이전틱 셀의 전체 생애비용을 비교해야 한다.
오류가 나면 Google과 Yaskawa 중 누가 책임지나?
공식 발표에는 상용 지원 책임표가 없다. 모델 출력, Yaskawa 서비스, 시스템 통합, 현장 안전장치별로 장애 소유자를 계약에서 나눠야 한다. 특히 모델 업데이트와 로봇 컨트롤러 업데이트의 승인·롤백 주체를 따로 적어야 한다.
자료 최종 확인: 2026년 8월 25일