サイソク
公式発表Google for Developers

Google DeepMind、汎用AIモデル群「Gemini Robotics 2」を発表

米Google DeepMindは、多様な汎用ロボットに対応する高度な制御・推理モデル群「Gemini Robotics 2」を発表しました。言語理解や視覚認知を司る「Embodied Reasoning（身体性推理）」モデルと、実機の直接制御を担う「Action（行動）」モデルで構成されます。従来の移動制御に加え、20自由度を超える多指ハンドによる精密操作や複数ロボットの協調動作を実現します。

AI解析: gemini-3.6-flash

元動画: Introducing Gemini Robotics 2

3秒でわかる要点

  1. 1「Gemini Robotics 2」は身体性推理モデルと行動制御モデルで構成され全身知能を実現。
  2. 220自由度超の多指ハンドによる袋の結び止めや電球外しの精密操作、ロボット間協調に対応。
  3. 3身体性推理モデルはGoogle AI Studioで一般公開され、行動モデルは事前検証枠で提供。

何が発表されたのか

Google DeepMindは、多様なハードウェアに対応する汎用ロボット向けAIモデル群「Gemini Robotics 2」を発表しました。本発表は、従来の移動や単務操作を超え、複雑な環境認識と手先の細かな操作（Dexterity）を統合した次世代の身体性知能（Embodied AI）システムです。 モデル群は、高次元の意思決定と空間推理を担う「Embodied Reasoning（ER）」モデルと、ロボットの関節やグリッパーを直接駆動する「Action」モデルで構成されています。ERモデルは「Google AI Studio」のAPI経由で一般公開（GA）され、開発者が利用可能です。一方、ハードウェアに依存するActionモデルは、パートナー企業や事前検証プログラム（Trusted Tester）を通じて提供されます。

発表された機能・アップデートの全容

Gemini Robotics 2では、従来の技術では困難とされた物理操作を中心に、複数の機能拡張が確認できます。動画内で実演されたデモや解説を元に、主要なアップデートを詳述します。

全身知能（Whole-body Intelligence）による空間認識とタスク計画

本システムは、ロボットの全身が空間内のどこに位置し、障害物をどのように回避すべきかをリアルタイムで計算します。「ガレージを清掃する」「クローゼットを整理する」といった抽象的な指示に対し、高所へのアプローチや床からの物品拾い上げなど、全身の運動を組み合わせた運動計画を自律的に構築します。

20自由度を超える多指ハンド精密制御（Advanced Dexterity）

従来のパラレルグリッパー（2本指）では不可能だった複雑な物体操作に対応しました。デモ画面では、アポロ（Apollo）等の人型ロボットが20以上の自由度を持つ多指ハンドを用い、卓上のゴミをほうきとちりとりで集める作業や、ブドウをジッパー付き保存袋に入れて封を閉じる操作を自律で遂行しました。さらに、卓上ランプの傘に手を挿入し、曲面の電球をつまんで回し外す高精度な接点制御を実演しました。

柔軟物の精密操作とゴミ袋の結び止め

変形しやすい柔軟物の操作（Deformable Object Manipulation）においても進展が見られます。デモでは、多指ハンドでビニール製ゴミ袋の紐を引き上げ、指先で交差させて結び目を作る高度な協調運動を提示しました。これは、接触点における摩擦や変形挙動の予測が必要な難度の高いタスクです。

異なるロボット形態間での学習転移（Cross-embodiment Transfer）

同一の学習パラダイム（VLA: Vision-Language-Action）により、2本指のパラレルグリッパー（Franka Duo等）から多指ハンドまで、異なる構造を持つロボットに共通の行動モデルを適用できます。デモでは、工具箱内のハンマーやプライヤーを認識し、3D空間上で向きを回転させて指定のトレーへ精密に収める動作が示されました。

複数ロボット協調（Multi-robot Collaboration）

ロボットが自らの能力とタスクの規模を評価し、他のロボットと連携して作業を進める機能を実装しました。例えば、ロボット掃除機と作業用アームロボットが通信し、一方のロボットが別のロボットを移動・配置して作業効率を高めるような並列タスク処理を可能にしています。

性能・ベンチマーク

動画内で公表されたベンチマーク指標およびモデル特性の比較を以下にまとめます。

評価項目 / 機能 Gemini Robotics 1.5 (従来) Gemini Robotics 2 (今回) 出典
動画理解力 (Video Understanding) 画像・静止画中心の空間把握 時系列動画の進行状況（液体注ぎの停止タイミング等）を正確に認識 動画内発表（36:40）
制御自由度 (Degrees of Freedom) 主にアームおよび2本指グリッパー 20自由度超の多指ハンドと全身運動の統合制御 動画内デモ（27:56）
対話的安全性 (Proactive Safety) 静的なコンテンツフィルタ 曖昧な指示に対する積極的な確認質問（Proactive Clarification） 動画内発表（37:50）
安全評価ベンチマーク 既存基準 自律エージェント向けオープンソース評価基盤「ASIMOV Agentic」を導入 動画内発表（38:15）

競合サービスとの比較

現在、身体性AI領域ではOpenAIが支援するFigureや1X Technologies、Tesla（Optimus）などが人型ロボットの開発を競っています。

比較項目 Google DeepMind (Gemini Robotics 2) OpenAI / Figure AI Tesla (Optimus)
アプローチの特長 大規模VLAモデルとAPIによるマルチハードウェア・エコシステム戦略 独自ハードウェア（Figure 02）とOpenAIモデルの垂直統合 自社工場導入を前提としたハード・ソフト完全垂直統合
モデル公開形態 ERモデルをAPI（Google AI Studio）で一般公開 非公開（Figure端末への内蔵） 非公開（自社専用）
強み 多様なロボット形態（アーム、多指、移動型）への高い汎化性能と空間推理力 実機による人間との滑らかな音声会話と素早い操作 自社製造ラインでの大量データ収集と量産設計力

（編集部注: Googleはソフトウェア層のプラットフォーム化を推進する一方、自社でハードウェアの量産体制を持たない点が他社との戦略的な違いです。）

料金・提供プラン

動画内で提示された各モデルの価格および提供形態は以下の通りです。

  • Gemini Embodied Reasoning 2.0 (ERモデル):
    • 料金: Google AI Studioの標準API料金体系に準拠（従量課金制および一部無料枠）。
    • 提供形態: Google AI Studio API、Google Cloud Vertex AI（Gemini Enterprise Agent Platform）経由で一般公開。
  • Gemini Robotics 2 Action Models (行動制御モデル):
    • 料金: 動画内での明記なし。
    • 提供形態: 主要パートナー企業への直接提供、およびウェイトリスト制の「Trusted Tester Program（事前検証プログラム）」を通じてオンデバイス展開用モデルを提供。

日本から使う方法

日本の開発者や企業が本技術を活用するための具体的な手順は以下の通りです。

  1. Google AI Studioへのアクセス:
    • Googleアカウントを用意し、Google AI Studioのウェブコンソールにログインします。
  2. APIキーの発行とERモデルの呼び出し:
    • APIキーを取得し、Gemini Embodied Reasoning 2.0のモデルエンドポイントを指定して、カメラ映像や動画ストリーム、3D空間テキストプロンプトを送信します。
  3. 日本語対応の確認:
    • ERモデルは自然言語理解能力をGeminiから継承しているため、日本語による指示や空間問合せが可能です。
  4. Actionモデルの事前検証申請:
    • 実機ロボットへの直接適用やオンデバイスモデルのファインチューニングを行う場合は、Google DeepMindの公式ページから「Trusted Tester Program」に申請します。

誰にどう効くのか

立場別の実務インパクトを整理します。

エンジニア・研究者

従来のロボット開発で必要だった複雑な決定論的コード（逆運動学やルールの手書き）作成が大幅に削減されます。VLAモデルにより、自然言語とカメラ画像から直接運動指令を生成できるため、試作サイクルの短縮が実現します。

企画・マーケティング担当者

「店舗の陳列棚の自動整理」「食品の小分け梱包」「清掃ロボットの高度化」など、これまで人手に頼っていた複雑な物理サービスの自動化ソリューションを短期間で企画・構築できます。

経営層・事業責任者

半構造化された産業環境（物流倉庫、工場）から段階的に自動化を推進できます。人手不足が深刻な現場における業務継続性の確保と、自社ロボット製品への最先端AIの組み込みによる製品差別化が可能になります。

まとめ

Gemini Robotics 2の登場により、ロボティクス開発はルールベースからデータ駆動型のマルチモーダル学習へと本格的に移行しました。開発者はGoogle AI Studioを通じて空間推理機能を今すぐ自社システムに導入できます。物理世界の自動化を見据え、APIの事前検証と実機適応の計画に着手することが推奨されます。

動画のタイムテーブル

  • 0:00ロボット実用化への時間軸変化と導入トーク
  • 0:38Gemini Robotics 2の発表と開発チームの紹介
  • 1:14汎用ロボティクスに向けた知能層の構築ビジョン
  • 2:08Gemini Robotics 2を構成する3つの主要機能領域
  • 5:39強化学習からVLAモデルへの研究の軌跡
  • 8:21フロンティアモデルを活用した物理知能の実装手法
  • 10:00移動制御の解決と手先操作（Dexterity）における課題
  • 11:04物理世界のデータ収集における「データピラミッド」
  • 14:28産業用途から家庭導入へ向けた段階的展開戦略
  • 18:16多指ハンドによる実機デモ（ゴミ掃除・袋閉じ・電球交換）
  • 29:22パラレルグリッパーによる工具の自動再配置デモ
  • 29:47多指ハンドによるゴミ袋の結び止めデモ
  • 30:30異なる身体性間（Cross-embodiment）における学習転移
  • 33:16シミュレーションとコード生成の活用
  • 35:12API提供状況・事前検証プログラムおよび安全基盤ASIMOV Agentic

記事で紹介したツール

この機能を、いま自分の環境で試す

記事の内容は公式発表の要約です。実際の使い勝手は触ってみないと分かりません。多くは無料枠から始められます。

公式サイトで試す

提供: OpenAI

#Google#開発者向け#Google Gemini#ロボティクス#AIモデル#Google DeepMind

本記事は元動画の映像・音声をAIが解析して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元動画を見る（解析モデル: gemini-3.6-flash）

関連記事