2026
7/31
Google DeepMindは2026年7月30日、ロボット向けAIモデル群「Gemini Robotics 2」を発表した。ヒューマノイドの足先から指先までを1つのモデルで制御する点が中心で、従来のモデルが上半身に限られていた範囲を全身へ広げた。
構成は3つに分かれる。基幹となるGemini Robotics 2は、視覚と言語の入力をモーターの制御へ変換する視覚言語行動モデルで、ヒューマノイドと双腕ロボットを動かす。Gemini Robotics ER 2は高い階層で考える役を担い、人と対話しながら物理空間を理解し、数分に及ぶ多段の作業を計画する。Gemini Robotics On-Device 2は機体の上で動かすことを想定した軽量版になる。
実演ではApptronikのヒューマノイドApollo 2に、じょうろを下の棚の緑のビンへ入れるよう指示した。ロボットは指示を解釈してテーブルまで歩き、じょうろを持ち上げ、棚まで数歩進んで所定の位置へ置く。同社は動作の速度になお改善の余地があると認めている。
指先の作業では、5本指で22の自由度を持つSharpaWaveというハンドを制御し、ひもを結んだりジップロックの袋を閉じたりできるとする。Franka Duoに付いた2本指の平行グリッパーでも、詰め込みのような複雑な作業をこなす。
注目したいのは、同社が作業ごとの成功率を公開した点だ。3種類の機体を同一のモデルで動かした結果として、全身を使う操作ではテーブルから物を取る作業が68.4%、棚からが76.3%、床からが45.7%だった。グリッパーを使う作業は、正確な挿入が89.6%、工具の仕分けが78.9%、一般的な持ち上げと配置が74.2%と高い。
一方で多指ハンドの成績は割れる。電球を外す作業は92%に達するのに対し、電球をねじ込む作業は36%にとどまった。ちりとりを使う作業が32%、ジップロックが40%、ごみ袋を結ぶ作業が44%と続く。同社自身も、多指ハンドによる器用な操作は依然として難しいと明記している。
ER 2では、数分にわたり数百の判断を含む長い手順をより確実にこなせるようにした。作業の始まりと終わりを理解し、重要な出来事が起きた瞬間を特定できる。種類の異なるロボット同士が連絡を取り合い、1台では解けない作業を分担する仕組みも新たに加えた。
On-Device 2は通信の遅れやネットワークのない環境を想定する。前世代から受け継いだ動作の移植技術により、形もセンサーも自由度も大きく異なる新しい双腕ロボットへ、数時間の調整と通常200例に満たないデータで適応できるとする。Dexmate、SO101、Trossenの各プラットフォームで実証した。
安全面では、行動を担うモデルからの危険な指示を推論側が拒めるかを測る評価基準「ASIMOV-Agentic」を公開した。人が近づきすぎた場合に安全に停止させる能力も強化したとしている。
提供の形は分かれる。ER 2はGoogle AI Studioで公開し、企業向けの基盤では限定公開になる。行動モデルと機体上で動く軽量版は、早期アクセスの提携先に限られる。ロボット側の提携先としてApptronik、Boston Dynamics、Agile Robotsを挙げた。
関連情報