グーグル「Gemini Robotics 2」発表、全身制御・器用な手・複数ロボ協働まで対応

「Gemini Robotics 2」登場、200例未満で新型ロボに適応

　米グーグル傘下のGoogle DeepMindは7月30日、ロボット向けAIモデル群「Gemini Robotics 2」を発表した。

　モデル群は3種類で構成する。「Gemini Robotics 2」は、画像や言葉による指示をモーター制御へ変換するVLA（視覚・言語・行動）モデル。ヒューマノイドや双腕ロボットを制御し、歩行や屈伸、物体の運搬といった全身動作を実行できる。

　同社は、米Apptronikのヒューマノイド「Apollo 2」に対し、じょうろを棚の下段にある緑色の箱へ入れるよう指示する実験を紹介した。ロボットはテーブルまで歩いてじょうろを持ち上げ、棚へ移動して指定された場所に置いたという。ただし、同社は移動速度などには改善の余地があるとしている。

　精密作業では、22自由度を持つ5本指の「SharpaWave」ハンドを操作し、電球を外したり、ごみ袋を結んだり、保存袋を閉じたりする動作を試した。電球を外す作業の成功率は92％だった一方、電球を取り付ける作業は36％、ちり取りを扱う作業は32％にとどまった。多指ハンドによる細かな操作は、引き続き課題となる。

　「Gemini Robotics ER 2」は、ロボットの上位制御を担う体化推論モデル。カメラ映像などから周囲の状況を把握し、作業手順を組み立て、VLAモデルへ動作を指示する。作業に失敗した場合の修正や、数分間にわたって数百回の判断を伴う作業にも対応するという。

　さらに、異なる種類のロボットが情報を共有し、役割を分担する「マルチロボット協働」を導入した。1台では完了が難しい部屋の片付けなどを、複数のロボットが連携して進められるとしている。人との会話や作業中の進捗把握にも対応する。

　「Gemini Robotics On-Device 2」は、ロボット本体で動かすことを想定した軽量なVLAモデル。通信遅延やインターネット接続のない環境でも利用できる。形状やセンサー、自由度が異なる新しい双腕ロボットに対しても、通常200例未満のデータを使い、数時間で適応できるという。

　安全面では、新たな評価指標「ASIMOV-Agentic」を導入した。危険な動作指示を拒否できるか、作業を実行できるか判断できるか、不確実な場合に人へ介入を求められるかを測る。人が近づいた際には安全機能を呼び出し、ロボットを停止させる仕組みも強化した。

　「Gemini Robotics ER 2」はGoogle AI Studioで提供を始め、Gemini Enterprise Agent Platformではプライベートプレビューとして提供する。VLAモデルとオンデバイスモデルは、早期アクセスパートナー向けに展開する。