로봇에게 두뇌를 심는다는 것은 이제 AI 서버를 연결하는 일이 아니라,
그 자체로 ‘두뇌’를 로컬에 직접 넣는 일이 되고 있다.

로봇의 두뇌, 어디까지 작아질 수 있을까?

RFM(Robot Foundation Model)의 핵심은 다양한 센서 입력을 통합하고,
상황에 맞는 행동을 생성해내는 범용 추론 능력이다.
하지만 지금까지의 대부분 RFM은 클라우드 연산에 의존하고 있었다.

  • 연산 성능과 메모리 요구가 높고
  • 지연 시간, 연결 문제도 존재했다

DeepMind의 해답: Gemini Robotics On-Device

2025년 6월, Google DeepMind는
[RoboCat, RT-X 등의 연장선]에서 새로운 시도를 공개했다:

Gemini On-Device
→ RFM을 휴머노이드와 같은 실제 로봇에 직접 탑재할 수 있도록 경량화한 모델이다.

📌 자세한 내용:
🔗 공식 블로그 – Gemini Robotics On-Device

왜 이게 중요한가?

기존 문제점Gemini On-Device의 해결책
클라우드 연산 의존로컬 SoC, ARM 계열에서 직접 실행 가능
지연 시간 문제on-device 추론으로 실시간 반응 달성
높은 전력 소비효율적인 모델 구조로 전력 최적화
연결 불안정네트워크 없이도 완전 동작 가능

로컬에서 작동하는 RFM은 이미 스마트폰의 NPU처럼 로봇의 핵심 컴퓨팅 모듈이 될 수 있다.

Apptronik Apollo에 탑재된 Gemini On-Device

이 이미지는 Google이 직접 시연한 Apptronik의 휴머노이드에 Gemini On-Device를 안정적으로 탑재한 예시입니다. 일반 네트워크 없이도 행동 예측과 제어가 가능한 점이 핵심이죠.

스마트폰 → 로봇: 플랫폼의 진화

Gemini On-Device는 로봇을 하나의 스마트 컴퓨팅 기기로 진화시키는 기반이 될 수 있다.

  • SoC 위에서 RFM 실행
  • OTA 업데이트로 기능 확장
  • 모듈 교체형 하드웨어 + 소프트웨어 스택
  • App Store → Action Store?

내가 주목한 키워드

  • 경량화(Lite RFM): 기존 Transformer 모델의 최적화
  • 엣지 추론(Edge Inference): ROS2 + GPU 없이도 동작
  • 하드웨어 독립성: ARM 기반 다양한 폼팩터에 이식 가능
  • SDK 출시: MuJoCo 시뮬레이터 기반 개발자 접근성 강화

마치며

RFM의 미래는 더 강해지는 게 아니라, 더 가까워지고 더 실용적으로 진화하는 방향입니다.
로컬에 탑재된 ‘두뇌’가 진짜 혁명의 시작이라는 걸 Gemini On-Device가 증명하고 있습니다.

“나는 먼저 엿보고 왔다. 그래서 기록하고, 이해하고, 나아간다.”