Google、ロボット向けAIを発表

今回の公開は、ロボット制御を言語や視覚に使うのと同じマルチモーダル基盤モデルに結びつけるGoogle DeepMindの取り組みを進めるものだ。Gemini Robotics 2.5はVLA（視覚・言語・行動）モデルで、カメラ画像と指示をロボットの動きに変換する。同社によると、トングでの盛り付けからギフトボックスのリボン結びまで200以上のタスクで検証し、従来の比較ベースラインに対して成功率は30〜100%上昇、作業時間は20〜30%短縮した。

同モデルは、Apptronikのヒューマノイド「Apollo 2」や双腕のFranka Duoなど、異なるロボット躯体での動作を想定して設計されている。実環境の試験では、Apollo 2をハンガリーとドイツのMercedes-Benz稼働中の生産ラインに導入。部品箱から金属ブラケットを取り出し、車両ごとに必要な順序でトレーに並べる作業で96%の成功率に達した。Google DeepMindは、単調で肉体的負担の大きい部品準備をロボットに任せ、作業員が複雑な組み立てに集中できるようにするのが狙いだとしている。

安全機能も強化した。モデルは推論中に動きを誘導し、近くの危険をリアルタイムで回避する。Google DeepMindの評価では、障害物のある環境で安全に完了したタスクの割合は33%増え、人が近くにいる場合は43%増えた。開発にはGemini 4 Argonも活用し、実際のカメラ映像からシミュレーションやデジタルツインを生成。これによりロボットが新しい環境や物体に効率よく適応できるとしている。