メルセデス工場で人型ロボットが部品仕分け、成功率96％　グーグルのAIが前世代超え

　グーグル・ディープマインドは11月10日（米国時間）、公式ブログでロボット向けAIモデルの最新版「Gemini Robotics 2.5」を発表した。視覚と言語の情報からロボットの動作を生み出す「VLA（Vision-Language-Action）」モデルで、同社は「現時点で最も高性能」と位置づけている。ロボット分野のパートナー企業へ、順次提供を始めている。

　実証の舞台は、メルセデス・ベンツの自動車生産ラインだ。アプトロニックの人型ロボット「Apollo 2」にGemini Robotics 2.5を搭載し、ハンガリーのケチケメート工場とドイツのジンデルフィンゲン工場で、部品のキッティング作業を試した。ばら積みのビンから金属製のブラケットを取り出し、車両ごとに必要な順序でシーケンス用のコンテナに並べる作業で、成功率は96％だったという。作業の流れの管理には推論モデル「Gemini Robotics ER」を使い、手と腕の制御をGemini Robotics 2.5が担った。

　アプトロニックの共同創業者でCEOのジェフ・カルデナス氏は、数週間のポストトレーニングで性能が大きく向上し、メルセデス・ベンツの生産現場へ移しても性能の低下はほとんどなかったと説明している。

　同社は200以上のタスクで性能を評価した。トングで食べ物をよそう、ギフトボックスにリボンを結ぶ、ピペットで液体を扱うといった作業が含まれる。前世代の「Gemini Robotics 2」などと比べ、タスクの種類に応じて成功率が30％～100％高く、作業速度は20％～30％速かったという。対応するロボットは、5本指で22自由度の「SharpaWave」ハンドを備えたApollo 2と、2本指のグリッパーを持つ「Franka Duo」だ。

　安全面では、実行中に物理的な危険を避ける推論時のガイダンスを加えた。社内評価では、障害物の周囲で安全にタスクを終えられた割合が33％、近くに人がいる場面では43％向上したとしている。

　ロボット向けのAIでは、エヌビディアも11月9日（米国時間）に「GR00T 2」を発表しており、フィジカルAIの開発競争が続いている。