日常空間で役立つロボット実現に向け、Google DeepMindはGemini Robotics 2を発表しました。これにより、視覚と言語を行動へ変換し、足先から指先までの全身制御や高度な器用さ、複数ロボットの連携が可能になります。ヒューマノイドが歩行やしゃがみ動作を交えながら散らかった部屋を片付けるなど、現実的な複合タスクの遂行が視野に入ります。モデルはローカル実行にも対応し、短時間で新機体へ適応します。さらに、長時間にわたる多段階タスクの計画や進捗管理を担う推論モデルの提供が始まりました。産業や家庭の幅広い場面での適用性が期待されます。
3モデルの構成と提供状況
Google DeepMindは、VLAのGemini Robotics 2、エンボディド・リーズニングのGemini Robotics ER 2、ローカル最適化のGemini Robotics On-Device 2の3モデルを提示しました。VLAはヒューマノイド全身や双腕ロボット、多指ハンドと平行グリッパーの制御に対応します。ER 2は人と対話しながら環境を理解し、数分にわたる多段階タスクを計画し、進捗を精密に把握します。On-Device 2はデバイス上で動作し、少量データで新機体に数時間で適応します。ER 2はGoogle AI Studioで利用可能で、Enterprise Agent Platformではプライベートプレビューとして提供されます。VLAとOn-Deviceは早期アクセスとしてパートナーに提供されています。
全身制御と巧緻性、マルチロボット連携
ヒューマノイドの全身制御では、人の意図を動作へと統合し、歩行やリーチ、物体操作を組み合わせたタスクを実現します。具体例として、Apptronik Apollo 2を用いた指示に基づく移動、把持、配置の一連の動作が示されています。手先の巧緻性では、22自由度の五指ハンドで結び目作りや袋の密閉など繊細な操作を実行します。また、Franka Duoの平行グリッパーでも箱詰めなどの精密作業を行います。エージェンティック推論を担うER 2は、失敗時の自己修正や初見タスクへの適応を可能にします。新機能として、異種ロボットが連携し、単独では困難なワークフローに対応します。
オンデバイス適応と安全性ベンチマーク
On-Device 2はネットワーク遅延や非接続環境での利用を想定し、マルチエンボディメントと動作移転を継承して少量例で迅速に適応します。形状やセンサーが異なる機体にも対応し、双腕ロボットでは通常200例未満での学習が目安です。安全性では、物理的対策とAIセーフティの多層アプローチを採用します。新ベンチマークASIMOV-Agenticを導入し、安全でないツール呼び出しの拒否や人間介入の要請能力を評価します。ER 2は人近接の検知とセーフティツールコールで安全停止を行い、協働ロボットの要件に沿った運用を支援します。詳細はGoogle DeepMindの技術レポートに整理されています。
詳しくは「Google DeepMind」の公式ページまで。レポート／DXマガジン編集部
